مقاله ترجمه شده ایمنی مبتنی بر هوش مصنوعی: دگرگونی مدیریت ریسک شغلی از طریق هوش پیش‌بین

سال نشر: ۲۰۲۶

نوع نگارش مقاله: علمی پژوهشی (Research articles)

تعداد صفحه انگلیسی: ۶   صفحه PDF

تعداد صفحه ترجمه فارسی:  ۱۵   صفحه WORD

دانلود رایگان مقاله انگلیسی

کد محصول: M2137

نام ناشر (پایگاه داده): الزویر

نام مجله:  Procedia Computer Science

عنوان کامل فارسی:

مقاله ترجمه شده ۲۰۲۶ ایمنی مبتنی بر هوش مصنوعی: دگرگونی مدیریت ریسک شغلی از طریق هوش پیش‌بین

عنوان کامل انگلیسی:

AI-Powered Safety: Transforming Occupational Risk Management Through Predictive Intelligence

چکیده فارسی:

این مقاله سامانه‌ای مبتنی بر هوش مصنوعی را برای ارتقاء مدیریت ایمنی شغلی در یک محیط صنعتی ارائه می‌دهد. این راهکار که در شرکت بوش براگا  طراحی و پیاده‌سازی شده است، به‌صورت یکپارچه در بستر هوش تجاری تطبیقی (ABI ) ادغام شده و پردازش، تحلیل و پیش‌بینی خودکار رویدادهای مرتبط با ایمنی را هدف قرار می‌دهد. این سامانه از سه ماژول اصلی هوش مصنوعی تشکیل شده است: (۱) یک مدل متن‌کاوی برای طبقه‌بندی خودکار شرح حوادث؛ (۲) یک ماژول تشخیص ناهنجاری که به‌صورت هم‌زمان ویژگی‌های جدولی و متنی را تحلیل می‌کند تا رکوردهای ناسازگار یا غیرمعمول را شناسایی کند؛ و (۳) یک مدل امتیازدهی ریسک که احتمال روزانه وقوع حادثه را بر اساس داده‌های تاریخی برآورد می‌کند. این سامانه با استفاده از مجموعه‌داده‌های عملیاتی واقعی اعتبارسنجی شد و بهبودهای قابل‌توجهی را در کارایی و کیفیت داده‌ها نشان داد. نتایج، کاهش بیش از ۵۰ درصدی در میزان تلاش موردنیاز برای تحلیل دستی، همراه با دسته‌بندی یکنواخت و افزایش قابلیت اطمینان سوابق ایمنی را نشان می‌دهند. اگرچه عملکرد پیش‌بینی همچنان به دلیل کمبود گزارش‌دهی رویدادهای نزدیک به حادثه  با محدودیت مواجه است، یافته‌ها هم سودمندی عملی و هم امکان‌پذیری ادغام هوش مصنوعی در فرایندهای مدیریت ریسک شغلی را تأیید می‌کنند. به‌طور کلی، پلتفرم ABI گذار از رویه‌های ایمنی واکنشی به رویه‌های ایمنی پیش‌بینانه را پشتیبانی کرده و بنیانی مقیاس‌پذیر برای بهبود مستمر عملیات بهداشت، ایمنی و محیط‌زیست (HSE ) در صنایع فراهم می‌سازد.

کلیدواژه‌ها: هوش مصنوعی؛ یادگیری ماشین؛ متن‌کاوی؛ تشخیص ناهنجاری

Abstract

This paper presents an Artificial Intelligence–driven system to enhance occupational safety management within an industrial context. Designed and deployed at Bosch Braga, the solution integrates seamlessly into the Adaptive Business Intelligence (ABI) platform and addresses the automatic processing, analysis, and prediction of safety-related events. The system comprises three core AI modules: (i) a text-mining model for the automated classification of incident descriptions; (ii) an anomaly-detection module that jointly analyses tabular and textual features to identify inconsistent or atypical records; and (iii) a risk-scoring model that estimates the daily probability of accident occurrence based on historical data. The system was validated using real operational datasets, demonstrating substantial gains in efficiency and data quality. Results show a reduction of more than 50% in manual analysis effort, along with consistent categorization and improved reliability of safety records. Although predictive performance remains constrained by the scarcity of near-miss reporting, the findings confirm both the practical utility and the feasibility of integrating AI into occupational risk-management processes. Overall, the ABI platform supports a shift from reactive to predictive safety practices and establishes a scalable foundation for continuous improvement in industrial Health, Safety, and Environment (HSE) operations.

Keywords: Artificial Intelligence; Machine Learning; Text Mining; Anomaly Detection;