Introducing a new model to analyze human and organizational factors affecting the prevalence of Covid-19 using the FBN-HFACS approach

Introducing a new model to analyze human and organizational factors affecting the prevalence of Covid-19 using the FBN-HFACS approach

Code: G-17204

Authors: فریدون لعل ℗, روح الله فلاح مدواری ©

Schedule: Not Scheduled!

Tag: Safety

Download: Download Poster

Abstract:

Background and Aim

پیامدهای بیماری کووید 19 در سراسر جهان تأثیرات بسیار عمیق و شدیدی را در حوزه های مختلف از قبیل صنعت و آموزش برجای گذاشته است. لذا مطالعه حاضر قصد دارد با ارائه مدل و رویکرد تلفیقی FBN-HFACS و در جهت کاهش عدم قطعیت های موجود (شامل پارامتر، مدلینگ و کامل بودن) به بررسی فاکتورهای انسانی و سازمانی تاثیرگذار بر شیوع کووید 19 در صنایع بزرگ استان خراسان جنوبی بپردازد.

Method

پژوهش حاضر، مطالعه ای کاربردی، توسعه ای است که در آن از روشی نوین جهت تحلیل ریسک و مدلی مناسب جهت پیشگیری از کووید 19 استفاده شد. جهت ارائه این مدل، پتانسیل کاربردپذیری آن در صنایع مورد بررسی و کاهش عدم قطعیت از ابزارهای HFACS، منطق فازی و شبکه بیزین استفاده شد. در مطالعه حاضر از تکنیک بارش افکار و روایی محتوا (شاخص روایی محتوا (CVI) و نسبت روایی محتوا (CVR)) جهت اعتبارسنجی استفاده گردید. پس از اعتبارسنجی چارت کلی HFACS، از روش قضاوت خبره و منطق فازی به عنوان یک رویکرد اجماع علمی در چهار سطح کلی HFACS استفاده شد. پس از انتخاب و ارزیابی وزنی خبرگان و فازی سازی (اعداد فازی مثلثی)، از رویکرد هیبریدی Sum product/ Center of area و روش Onisawa؛ با توجه به نوع گیت ورودی، احتمال چهار سطح اصلی HFACS محاسبه شد. سپس در محیط نرم افزار GeNIe احتمالات با استفاده از شبکه بیزین به روزرسانی و استدلال استقرایی، قیاسی و آنالیز حساسیت با RoV انجام شد.

Results

پس از اعتبارسنجی رویدادها و گیت های مربوطه با شاخص های روایی، 59 رویداد پایه، 22 رویداد میانی در 4 سطح اصلی HFACS شناسایی شد. مطابق نتایج، بالاترین فاکتور وزنی مربوط به کارشناس HSE شرکت کویرتایر (0.35) بود. پس از محاسبه مقادیر AFFP، CFP و متغیر حد واسط K ، احتمال شکست رویدادهای پایه محاسبه شد. بیشترین و کمترین احتمال به ترتیب مربوط به X59 (نبود برنامه برای مقابله با کرونا)، X58 (عدم وجود سیستم مدیریت ریسک)، و X1 (خطای زمانبندی (انجام کار در زمان نامناسب)) و X2 (چک لیست ایمنی و بهداشت ناقص) بود. پس از ورود اطلات در شبکه بیزین، احتمال پاندمی کرونا در منطق فازی (F-HFACS) بیشتر از شبکه بیزی (FBN-HFACS) به دست آمد. در نهایت مدل‌سازی دینامیکی پاندمی کرونا با استفاده از FBN-HFACS ترسیم گردید. بالاترین احتمال رویدادهای پایه بر اساس FBN-HFACS مربوط به X46 (0.266411) (تعداد کم افراد واکسینه شده) و X59 (0.197266) بود. نتایج آنالیز حساسیت نیز نشان داد که X56 و X38 (بودجه ناکافی برای مقابله با کرونا) بیشترین اهمیت را در وقوع پاندمی کرونا داشته اند.

Conclusion

شکست سطح سازمانی بیشترین تأثیر را در وقوع رویداد اصلی داشت. نتایج نشان داد که احتمال کمتر پاندمی کووید 19 در FBN-HFACS به دلیل ماهیت پویا و وابستگی‌های شرطی بین رویدادهای با علل مشترک، استدلال قیاسی و استقرایی در شبکه بیزین است که نتایج را واقعی‌تر می کند. نتایج نشان داد که استفاده از این رویکردها در ترکیب با HFACS می‌تواند عدم قطعیت را کاهش داده و نتایج را قابل اعتمادتر کند .

Keywords

کووید 19، فاکتورهای انسانی و سازمانی، منطق فازی، شبکه بیزین

Post comment is closed by admin.