کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4911328 1428289 2017 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Construction Safety Clash Detection: Identifying Safety Incompatibilities among Fundamental Attributes using Data Mining
ترجمه فارسی عنوان
شناسایی مصالح ساختمانی ایمنی: شناسایی ناسازگاری ایمنی در بین ویژگی های اساسی با استفاده از داده کاوی
ترجمه چکیده
ساخت و ساز هنوز شمار ناخوشایندی از آسیب را ایجاد می کند و موجب تأثیرات اقتصادی و اجتماعی می شود. با وجود تلاش های اخیر برای بهبود ایمنی ساخت و ساز با استفاده از فن آوری های در حال ظهور و سیستم های هوشمند، اکثر چارچوب ها هنوز به طور جداگانه وظایف و فعالیت های خود را در نظر می گیرند و از اطلاعات ثانویه، جمع و یا ذهنی استفاده می کنند که از پذیرش گسترده آنها جلوگیری می کند. برای رسیدگی به این محدودیت ها، ما از یک چارچوب مفهومی تازه وارد شده و همراه با سیستم پردازش زبان طبیعی برای استخراج اطلاعات استاندارد در قالب ویژگی های اساسی از مجموعه ای از 5298 گزارش تصادفات خام استفاده کردیم. سپس ما از تکنیک های پیشرفته داده کاوی برای کشف ترکیباتی که به جراحات کمک می کنند استفاده می کنیم. ما به این ناسازگاری ها به عنوان «ایمنی ساخت و ساز» اشاره می کنیم. سهم اصلی مطالعه ما این است که در پیشرفت های روش شناختی قرار دارد که به دامنه ایمنی ساخت و ساز مربوط می شود. با توجه به نتایج به دست آمده، رویکرد ما نشان می دهد وعده بزرگ برای تبدیل شدن به یک روش استاندارد برای استخراج بینش ارزشمند و عملی از گزارش های آسیب دیده در یک روش به طور کامل بدون نظارت. استفاده از روش ما می تواند متخصصان ساخت و ساز را مجبور به تصمیم گیری مربوط به ایمنی خود را در داده های تجربی و واقعی، به جای تجربه شخصی یا نظر کارشناسانه محدود کند، که استاندارد صنعت فعلی است. در نهایت، روش ما اجازه می دهد تا حوادث ساخت و ساز به عنوان مزاحمت در شبکه های اساسی از ویژگی های اساسی دیده می شود. در حالی که تجزیه و تحلیل مجموعه داده های جاری شواهد اولیه برای این نظریه را فراهم می کند، مقایسه آن با گزارش های غیر تصادفی برای اعتبار سنجی ضروری است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی عمران و سازه
چکیده انگلیسی
Construction still accounts for a disproportionate number of injuries, inducing consequent socioeconomic impacts. Despite recent attempts to improve construction safety by harnessing emerging technologies and intelligent systems, most frameworks still consider tasks and activities in isolation and use secondary, aggregated, or subjective data that prevent their widespread adoption. To address these limitations, we used a newly introduced conceptual framework and accompanying natural language processing system to extract standard information in the form of fundamental attributes from a set of 5298 raw accident reports. We then applied state-of-the-art data mining techniques to discover attribute combinations that contribute to injuries. We refer to these incompatibilities as “construction safety clashes”. The main contribution of our study lies in the methodological advancements that it brings to the construction safety domain. In light of the results obtained, our approach shows great promise to become a standard way of extracting valuable, actionable insights from injury reports in a fully unsupervised way. The use of our methodology could enable construction practitioners to ground their safety-related decisions on objective, empirical data, rather than on limited personal experience or expert opinion, which is the current industry standard. Finally, our methodology allows construction accidents to be viewed as perturbations in underlying networks of fundamental attributes. While the analysis of the current data set provides preliminary evidence for this theory, comparison to non-accident reports will be required for validation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Automation in Construction - Volume 74, February 2017, Pages 39-54
نویسندگان
, , , ,