Iran Occupational Health Journal
سلامت كار ايران
ioh
Medical Sciences
http://ioh.iums.ac.ir
136
journal136
1735-5133
2228-7493
10.61186/ioh
fa
jalali
1393
8
1
gregorian
2014
11
1
11
4
online
1
fulltext
fa
تحلیل حوادث شغلی دارای ریسک بالا در صنعت ساختمان با استفاده از روشهای داده کاوی
Analysis of High Risk Occupational Accidents in Construction Industry Using Data-mining Methods
ایمنی
Safety
پژوهشي
Research
<p><strong>زمینه و هدف:</strong> در میان انواع مختلف حوادث شغلی در صنعت ساختمان، حوادث افتادن اجسام و سقوط افراد (گروه اول) 44% حوادث ساختمانی را به خود اختصاص میدهد. همچنین حوادث تصادف با وسایل نقلیه، برقگرفتگی، ریزش آوار و انفجار یا حریق (گروه دوم) در عین اینکه تنها 7% فراوانی دارند، حدود 26% از کل موارد منجر به فوت و از کارافتادگی کلی را تشکیل میدهند. هدف از این تحقیق بررسی این دو گروه از حوادث و بحث پیرامون نتایج حاصله در جهت شناسایی خطرات بالقوه در صنعت ساختمان میباشد. </p><p><strong>روش بررسی:</strong> روشهای دادهکاوی به منظور آنالیز تحلیل دادهها در زمینهپژوهشهای حاضر مختلف بکار میروند. به کار گرفته شده است. لذا 21،864 داده اخذ شده از سازمان تأمین اجتماعی که مربوط به حوادث ساختمانی سراسر کشور بین سالهای 1386 تا 1390 بودند (پس از انجام مراحل پیشپردازش) با دو روش درخت تصمیم و قواعد انجمنی مورد بررسی و تحلیل قرار گرفتند.</p><p> <strong>یافتهها:</strong> در گروه اول حوادث، فراوانی وقوع حوادث در شیفت شب کمتر از سایر حوادث بوده و آسیب وارده به سر، پشت و ستون فقرات و اندام تحتانی بیشتر است. نتیجه نهایی تقریباً مشابه سایر حوادث میباشد. در گروه دوم، فراوانی حوادث بین افراد متأهل و مسنتر بیشتر از افراد مجرد و جوان میباشد. در شیفت عصر و خصوصاً شب و همین طور در روزهای تعطیل آخر هفته فراوانی بالاتری مشاهده شد. در این گروه آسیب به سر، صورت و گردن بیشتر از سایر حوادث میباشد.</p><p> <strong>نتیجه گیری:</strong> نتایج تحقیق حاضر در مجموع نتایج مطالعات پیشین را تصدیق مینماید و در نتیجه کاربرد روشهای دادهکاوی با موفقیت همراه بوده است. سیاستگذاران و مدیران صنعت ساختمان و همچنین مسئولین شرکتهای بیمه با بهرهگیری از چنین الگوهایی میتوانند راهکارهای مناسب جهت جلوگیری از وقوع حوادث ارایه نمایند. </p>
<p> <strong>Background and aims:</strong> Among different types of occupational accidents in the construction industry, falls and falling objects accidents (group I) account for 44% of construction accidents. Hit by vehicle, electric shock, collapse in the excavation and fire or explosion accidents (group II), while are only 7% frequent, make up about 26% of all fatalities and total disabling accidents. The aim of this study is to investigate these two groups of accidents and to discuss the obtained results in order to identify the potential hazards of construction industry.<strong></strong></p><p> <strong>Methods:</strong> Data mining methods are employed to analyze data in this research. Hence, 21864 data records which were provided by Social Security Organization (SSO) and were related to construction accidents of the whole country between 2007 and 2011 were analyzed using decision tree and association rule methods. <strong></strong></p><p> <strong>Results:</strong> In the first group of accidents, the frequency of accidents at night shift is less than the others, and injury to the head, back, spine and lower extremities are more prevalent. The final result is similar to other accidents. In the second group, the frequency of accidents among married and older workers is more than single and young workers. There was a higher frequency in the evening and especially night shifts as well as during the weekends. The injuries to the head, face and neck are greater than the other accidents in this group.<strong></strong></p><p> <strong>Conclusion:</strong> The results of this study confirm the results of the past research. Hence, utilizing data mining methods has been successful. Policy makers, managers of construction industry and managers of insurance companies can propose preventive actions against accidents using such patterns.</p>
حوادث شغلی, صنعت ساخت وساز, مدیریت ایمنی, پیشگیری از حادثه, الگوی رخداد حادثه, درخت تصمیم, قواعد انجمنی, حوادث دارای ریسک بالا
Occupational Accidents, Construction Industry, Safety Management, Accident Prevention, Accident Pattern, Decision Tree, Association Rule, High Risk Accidents
31
43
http://ioh.iums.ac.ir/browse.php?a_code=A-10-809-3&slc_lang=fa&sid=1
M
Amiri
مهران
امیری
m-amiri@aut.ac.ir
13600319475328460014977
13600319475328460014977
No
Amirikabir University
دانشگاه صنعتی امیرکبیر
A
Ardeshir
عبدالله
اردشیر
ardeshir@aut.ac.ir
13600319475328460014978
13600319475328460014978
Yes
Amirikabir University
دانشگاه صنعتی امیرکبیر
E
Soltanaghaei
الهه
سلطان آقایی
mohamadealipour@yahoo.com
13600319475328460014979
13600319475328460014979
No
Sharif univ of technology
دانشگاه صنعتی شریف