ارائه يك الگوي هشدار سريع براي شناسايي، ارزيابي و كنترل فاكتورهاي موثر بر عملكرد در صنعت خودروسازي

Providing an Early Warning Framework to Identify, Assess and Control Human Performance Influencing Factor in Automotive Industry

زمينه و هدف: ريشه‌يابي حوادث در صنايع نشان مي‌دهد بهينه‌سازي فاكتورهاي موثر بر عملكرد نقش اساسي در كاهش وقوع حوادث دارد. اين عوامل پويا و پيچيده‌اند و ممكن است بين آن‌ها وابستگي وجود داشته باشد؛ بنابراين محيط هاي محيط كار بايد به صورتي جامع مورد تجزيه‌وتحليل قرار گيرند. هدف اصلي اين مطالعه ارائه يك الگوي هشدار سريع براي مديريت فاكتورهاي موثر بر عملكرد انساني در يك صنعت خودرو سازي بود. روش بررسي: در اين تحقيق يك مدل هشدار سريع ارائه‌شده است كه ريسك فاكتورهاي موثر بر عملكرد انسان را پيش‌بيني مي‌نمايد. از آنجائيكه فاكتورهاي ايجاد كننده خطا از نظر ساختاري پيچيده اند از روش فرآيند تحليل شبكه‌اي فازي براي مدلسازي استفاده شد. با استفاده از مدل پيشنهادي ريسك احتمالي سيستم‌هاي كاري پيش از آنكه منجر به حادثه گردد تعيين و متناسب با آن اقدامات كنترلي انجام گرفت. اين مدل در دو پروژه بزرگ در صنعت خودروسازي تست گرديد. يافته‌ها: نتايج نشان مي‌دهد شاخص ريسك در پروژه اول و دوم به ترتيب 0/391 و 0/197 است. با توجه به اينكه مقدار اين شاخص در پروژه اول بيشتر از مقدار مجاز ارائه‌شده توسط مدل بود لذا بدون توقف سيستم، اقدام اصلاحي متناسب با ريسك فاكتورهاي شناسايي‌شده انجام شد. نتيجه‌گيري: اين سيستم مي‌تواند با پيش‌بيني ريسك‌ فاكتورهاي موثر بر عملكرد انساني و ارزيابي آن‌ها به‌عنوان يك سيستم هشداردهنده سريع عمل كند. خروجي اين سيستم منجر به بهبود عملكرد افراد و ارتقاء سطح ايمني مي­شود.

Background and aims: Accident root causes’ analysis shows optimization of factors affecting performance has an essential role in reducing of accidents. These factors are dynamic and complex and they may also be dependent to each other. Therefore, a comprehensive analysis of the working environment is essential. The main objective of this study was to propose a framework to control human performance influencing factors in a automotive industry in Iran. Methods: The present study provided an early warning model that predicts the risk factors affecting human performance. Since behavioral factors that are causing errors are complex in structure, FANP method was used for modeling. Using the proposed model, the potential risk of workplace determined before it leads to accidents and based on the type and level of risk and risk control measures was determined. The model was tested on two major projects in the car manufacturing industry. Results: The results show that the risk indexes in the first and second project are 0.391 and 0.197 respectively. Since the value of the index in the first project is greater than the amount authorized by the model so corrective action suggested in accordance with identified risk factors without stopping the system. Conclusion: The system can predict and assess the performance influencing factors as an early warning system. As a result, this system will lead to improved performance and enhanced safety.