ارائه مدلی برای پیشبینی قابلیت اطمینان انسان بااستفاده شبکه های عصبی مصنوعی
چکیده
نیروی انسانی جزء مهم و لاینفک هر سازمان و یکی از علل پیشرفت سازمان محسوب می شود. در بسیاری از محیط های شغلی با وجود فن آوری های پیچیده، خطاهای انسانی به دلیل منتهی شدن به حوادث ناگوار و یا ایجاد ضایعات تولیدی از اهمیت بالایی برخوردار است. به همین دلیل جهت پیشگیری و محدود ساختن پیامد های ناشی از خطاهای انسانی، شناسایی آن ها لازم است و دسته بندی خطاها و تحلیل علت ها می تواند منجر به شناخت ساز و کار بروز خطا شده و به کاهش تعداد بروز خطا منتهی گردد. در این پژوهش برای شناسایی علل قابلیت اطمینان انسان از مدل دیهیلون (2007) استفاده شده است. در ادامه با تکیه بر اصول نت مبتنی بر قابلیت اطمینان، دستگاه مهم و بحرانی که یک دستگاه cos می باشد، شناسایی شده است. سپس، کاربرگ اطلاعات rcm برای بخش های مختلف این تجهیز تهیه و شکست های کارکردی آن مشخص می شود. در مرحله بعد قابلیت اطمینان انسان این شکست ها با کمک تکنیک تحلیل درخت خرابی برای 44 هفته محاسبه شده است با کمک مدل های رگرسیون مقادیر هر یک از زیر معیارها برای ماه آخر برآورد شده است برای پیش بینی مدل های شبکه های عصبی طراحی شده (dynamic، rbfn و exhustive prune) و مدل های سنتی (رگرسیون و arima ) در نظر گرفته شده اند و ابتدا این مدل ها طراحی شده و توسط داده های واقعی ماه آخر با کمک معیارهای خطا mae , mse ارزیابی و مقایسه شده اند. پس از ارزیابی وآزمون مدل ها، مدل دینامیک شبکه های عصبی دارای کمترین خطا بوده است و بعنوان مدل منتخب برای پیش بینی قابلیت اطمینان انسان چهار هفته پایانی 45تا 48 مورد استفاده قرار گرفته است. با توجه به مقادیر پیش بینی شده قابلیت اطمینان انسان برای این چهار هفته در حال افزایش و دارای رشدی 3 درصدی می باشد.