%0 Journal Article %A Shirali, Gholam Abbas %A Tahmasbi, Yaser %T A Framework for Quantitative Assessment of Socio-Technical Resilient Systems using Multiple Criteria Decision Making (MCDM): A Case Study in an Oil Site %J Iran Occupational Health Journal %V 17 %N 1 %U http://ioh.iums.ac.ir/article-1-2778-fa.html %R %D 2020 %K resilience, safety, risk, assessment, %X زمینه و هدف: امروزه مشکل عمده در حوزه­ی ایمنی صنعتی این است که اکثر روش­های سنتی ارزیابی ریسک و مدیریت ایمنی به تنهایی جوابگوی نیاز تکنولوژی و صنایع پیچیده­ی امروزی نیستند؛ به عبارت دیگر، روش­های سنتی، نظیر آنالیز ریسک و ارزیابی احتمال ایمنی، در عمل قادر به ارائه­ی بسیاری از راه حل­های مورد نیاز برای صنایع امروزی نمی­باشند. برای این ادعا دلایل مختلفی وجود دارد، مهم­ترین این دلایل، ریشه داشتن آنها در مدل­های بسیار ساده­ی حادثه به عنوان زنجیره دلیل-اثر می­باشد. با این توصیف، هدف این پژوهش ارائه الگویی برای ارزیابی تاب­آوری سیستم­های فنی-اجتماعی مبتنی بر مدل­های تصمیم­گیری چند معیاره می­باشد. روش بررسی: در این تحقیق پس از شناسایی شاخص­های تاب­آوری از طریق بررسی متون و مصاحبه با کارشناسان مجرب این صنعت، اطلاعات مربوط به این شاخص­ها در واحدهای عملیاتی صنعت مذکور از طریق مصاحبه­ی نیمه ساختار یافته با 16 نفر از اپراتورهای با تجربه که میانگین سابقه­ی کاری آنها بیش از 10 سال بود، جمع­آوری گردید. موضوعات مصاحبه در حیطه­های ظرفیت ضربه­گیری سیستم، حاشیه­های ایمنی، تحمل سیستم، تعاملات متقابل چندسویه، درس گرفتن از رویدادهای ناگوار و همچنین رویدادها و فعالیت­های عادی، انعطاف­پذیری سیستم، پیش­بینی رویدادهای مترقبه و غیرمترقبه، توجه به مسئله­ی پیش آمده در سیستم و پاسخ به موقع و مناسب تعیین گردید. سپس برای تعیین وزن شاخص­ها از روش آنالیز مؤلفه­ی اصلی و برای تعیین رتبه­ی واحدهای مختلف از روش تاپسیس استفاده شد. یافته­ ها: نتایج حاصل از آنالیز شاخص­ها نشان دادند که سه شاخص ظرفیت ضربه­گیری (43/0)، توجه (39/0) و فرهنگ آموختن (36/0) دارای بیشترین وزن و رتبه بوده و شاخص­های تحمل (26/0) و تعاملات متقابل چند سویه (21/0) دارای کمترین وزن و رتبه می­باشند. بر این اساس واحدهای 11، 3 و 2 نیز بهترین رتبه را از نظر شاخص­های تاب­آوری به خود اختصاص دادند. همچنین با بررسی رتبه­های بدست آمده که مبتنی بر نزدیکی مقدار شاخص مورد نظر به راه­حل ایده­آل می­باشد مشخص شد که کمترین فاصله از راه حل ایده­آل مثبت مربوط به واحد 11 و بیشترین فاصله از راه حل ایده­آل منفی مربوط به واحد 6 است. بنابراین واحد 11 نسبت به سایر واحدها در اولویت کمتری برای اصلاح قرار می­گیرد و واحد 6 که کمترین شاخص نزدیکی را دارد در اولویت بیشتری برای اصلاح نسبت به سایر واحدها قرار دارد. بر این اساس، واحدهای 2، 3 و 11 بهترین رتبه را از نظر شاخص­های تاب­آوری دارند و واحدهای 6، 7 و 8 ضعیف­ترین رتبه را از نظر این شاخص­ها به خود اختصاص داده­اند. نتیجه­ گیری: نتایج حاصل از آنالیز شاخص­ها و رتبه بندی واحدها نشان داد که روش آنالیز مؤلفه­ی اصلی (PCA) و روش ترجیح براساس مشابهت به راه حل ایده‌آل (TOPSIS) برای ارزیابی تاب­آوری سیستم­های پیچیده گزینه­های قابل قبولی محسوب می­شوند. زیرا به خوبی نقاط ضعف و قوت سیستم را از نظر تاب­آوری و بر اساس اطلاعات ورودی در اختیار محقق قرار می­دهند. بنابراین مدیران و تصمیم­گیران صنعت مذکور می­توانند با استناد به نتایج این مطالعه، نه تنها نقاط ضعف خود، بلکه نقاط قوت صنعت خود را از دیدگاه مهندسی تاب­آوری شناسایی و در جهت بهبود و ارتقا آنها با تدوین برنامه­های فنی و کاربردی جامع اقدام نمایند. %> http://ioh.iums.ac.ir/article-1-2778-fa.pdf %P 723-733 %& 723 %! %9 Applicable %L A-10-825-5 %+ Occupational Safety and Health Eng., Ahvaz Jundishapur University of Medical Sciences, Ahvaz, Iran. %G eng %@ 1735-5133 %[ 2020