<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه جامع امام حسین (ع)</PublisherName>
				<JournalTitle>پژوهش در ایمنی، سلامت و محیط زیست</JournalTitle>
				<Issn>2981-2496</Issn>
				<Volume>2</Volume>
				<Issue>7</Issue>
				<PubDate PubStatus="epublish">
					<Year>2024</Year>
					<Month>12</Month>
					<Day>15</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Application of Artificial Intelligence in Industrial Safety Assessment to Reduce Hazards with Fuzzy Approach</ArticleTitle>
<VernacularTitle>کاربرد هوش مصنوعی در ارزیابی ایمنی صنعتی به منظور کاهش مخاطرات با رویکرد فازی</VernacularTitle>
			<FirstPage>31</FirstPage>
			<LastPage>45</LastPage>
			<ELocationID EIdType="pii">209705</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>حسن </FirstName>
					<LastName>حجتی سیاح</LastName>
<Affiliation>کارشناسی ارشد HSE، تهران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2024</Year>
					<Month>11</Month>
					<Day>30</Day>
				</PubDate>
			</History>
		<Abstract>The Industrial Revolution has brought about several changes by digitizing&lt;br /&gt;existing processes and methods for greater efficiency in operations, accordingly,&lt;br /&gt;digital transformation (artificial intelligence) in addition to the emergence of a&lt;br /&gt;new era of data-based decision-making and operational efficiency, can also&lt;br /&gt;increase safety and minimize risks. Intelligent is centralized and various&lt;br /&gt;researches have been conducted in this field to address safety issues and improve&lt;br /&gt;the efficiency of systems, however, the need for development and optimization&lt;br /&gt;in this field is palpable. This research examines ML and AI methods used in&lt;br /&gt;industry to address safety issues to identify good practices and experiences that&lt;br /&gt;can be transferred; Using AI to predict incidents, detect incidents, </Abstract>
			<OtherAbstract Language="FA">انقلاب صنعتی تغییرات متعددی با دیجیتالی کردن فرآیندها و روش های موجود برای کارایی بیشتر در عملیات ایجاد کرده است، بر این اساس تحول دیجیتال (هوش مصنوعی) علاوه بر ظهور عصر جدیدی از تصمیم گیری مبتنی بر داده و کارایی عملیاتی، می تواند ایمنی را نیز افزایش دهد و مخاطرات را به حداقل برساند؛ از سوی دیگر تحقیقات اخیر در ایمنی بر پردازش مقادیر زیادی از داده های موجود با استفاده از سیستمهای هوشمند متمرکز است و تحقیق های مختلفی در این زمینه برای رسیدگی به مسائل ایمنی و بهبود کارایی سیستم ها انجام شده است؛ با این وجود، نیاز به توسعه و بهینه سازی در این حوزه محسوس است. این تحقیق روشهای ML و AI مورد استفاده در صنعت را برای رسیدگی به مسائل ایمنی بررسی می کند تا شیوه ها و تجربیات خوبی را که میتواند قابل انتقال باشد، شناسایی کند؛ روشهای مورد بررسی شامل روشهای آماری، رویکردهای الگوریتمی، روش های دسته بندی، شبکه های عصبی مصنوعی (ANN) و همچنین روش های بهینه سازی و کاهش ابعاد است؛ این تحقیق همچنین در قالب یک روش ارزیابی ایمنی نوآورانه، چگونگی استفاده از هوش مصنوعی برای پیش بینی حوادث، تشخیص حادثه، شناسایی الگو و روش بهینه سازی ایمنی در صنعت را نشان می دهد؛ برای اهداف پیش بینی، از شبکه عصبی مصنوعی(ANN)و استدلال مبتنی بر مورد (CBR)برای تخمین نتیجه حوادث از نظر صحت استفاده شد؛ این تحقیق اقدامات پیش گیرانه را برای از بین بردن نقص های ایمنی ارائه می کند. در نهایت، روش پیشنهادی میتواند به متخصصان صنعت در بررسی مشکلات ایمنی آینده با استفاده از داده های جمع آوری شده کمک کند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">یمنی صنعتی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">سیستمهای هوش مصنوعی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شبکههای عصبی مصنوعی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">استدالل مبتنی بر مورد</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://hse.ihu.ac.ir/article_209705_0a64b88b7e6522ea0a014b6752c2bbc0.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
