داده کاوی حوادث شغلی در صنعت ساختمان مورد کاوی در یک سازمان پروژه محور

نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناس ارشد مهندسی صنایع دانشگاه صنعتی امیرکبیر، تهران

2 کارشناس ارشد مدیریت دولتی، دانشگاه علامه طباطبایی، تهران

چکیده

مقاله حاضر سعی در استفاده کاربردی از دانش داده کاوی به عنوان یک ابزار تحلیلی برای یافتن الگوهای رخداد حادثه از میان 1845 مورد حادثه و شبه حادثه ثبت شده در بانک اطلاعاتی حوادث شغلی یکی از سازمان های بزرگ پروژه محور کشور طی سالهای 1381 تا 1387 دارد. ماموریت سازمان مورد مطالعه اجرای پروژه های مرتبط با صنعت ساختمان در نقاط مختلف ایران و جهان می باشد. گستردگی جغرافیایی سایتها و آمار بالای حوادث و شبه حوادث، از ویژگی های سازمان مورد مطالعه است. در این تحقیق با استخراج 31 مورد قانون وابستگی قابل پیگیری از رکوردهای ثبت شده، مدلهایی برای پیش بینی و جلوگیری از رخداد حوادث پیشنهاد شده است. در استخراج قوانین، حداقل مقدار شاخصهای اطمینان، حمایت و صعود به ترتیب در سطوح 73% ، 5%، و 1 می باشند.

کلیدواژه‌ها


عنوان مقاله [English]

Data Mining for Occupational Accidents in Construction Industry Case Study: A Project Oriented Organization

نویسندگان [English]

  • Saviz Mohammadnabi 1
  • Sina Mohammadnabi 2
چکیده [English]

This study attempted to use data mining as a powerful analytical tool to find patterns for occurrence of accidents from 1845 recorded events in safety data warehouse in one of the largest project-based organizations active in construction industry in Iran between the years 2002 and 2008. High-risk nature of construction industry, Geographic expansion of the projects sites and large number of accidents are the characteristics of this organization. Predicting and preventing models for occurrence of accidents have been proposed in this study by extracting 31 traceable Association rules from recorded events. Extracting the rules, the minimum amount of confidence, support and lift indicators have been set respectively in 73%, 5% and 1 levels.

کلیدواژه‌ها [English]

  • Data mining
  • occupational accidents
  • project base organizations
  • construction industry
  • Association Rules