بررسی سیستماتیک ۱۰۰ مقاله در خصوص ارتباط هوش مصنوعی با مهندسی بهداشت حرفه ای و مدیریت HSE

این مطالعه مروری نظام مند با به کارگیری روش شناسی PRISMA به بررسی عمیق ۱۰۰ مقاله علمی معتبر در بازه زمانی ۲۰۱۵ تا ۲۰۲۴ می پردازد که در حوزه تقاطع هوش مصنوعی و مهندسی بهداشت حرفه ای و مدیریت HSE منتشر شده اند. یافته های تحقیق حاکی از پنج روند کلیدی تحول آفرین است: (۱) توسعه سیستم های پیش بینی کننده حوادث شغلی با دقت ۸۷-۹۵، (۲) پیاده سازی راهکارهای مانیتورینگ بلادرنگ مبتنی بر اینترنت اشیاء صنعتی (IIoT)، (۳) طراحی محیط های آموزش ایمنی تطبیقی با استفاده از واقعیت مجازی، (۴) تحول در تحلیل داده های ایمنی از طریق پردازش زبان طبیعی پیشرفته و (۵) توسعه سیستم های پشتیبان تصمیم گیری هوشمند برای مدیران HSE. نتایج تحلیل کیفی نشان می دهد که یادگیری عمیق (۳۸)، یادگیری ماشین کلاسیک (۳۱) و پردازش زبان طبیعی (۱۹) پرکاربردترین شاخه های هوش مصنوعی در این حوزه بوده اند. از منظر کاربرد، بخش های ساخت و ساز (۳۴)، نفت و گاز (۲۸) و بهداشت و درمان (۲۲) بیشترین سهم را در تحقیقات داشته اند. مطالعه حاضر همچنین چهار چالش اساسی را شناسایی نموده است: (الف) کمبود داده های باکیفیت و حاشیه نویسی شده (۴۲ مقاله)، (ب) مقاومت سازمانی در برابر تغییر (۲۷)، (ج) مسائل اخلاقی مربوط به حریم خصوصی (۱۹) و (د) نیاز به استانداردسازی چارچوب های ارزیابی (۱۲). این پژوهش با ارائه تاکسونومی جامعی از کاربردهای هوش مصنوعی در HSE، سه جهت گیری آینده نگرانه را پیشنهاد می نماید: (۱) توسعه مدل های ترکیبی هوش مصنوعی و دانش دامنه، (۲) ایجاد سیستم های تفسیرپذیر برای افزایش اعتماد کاربران و (۳) طراحی چارچوب های یکپارچه مدیریت ریسک هوشمند. یافته های این مطالعه می تواند به عنوان نقشه راهی برای محققان و متخصصان صنعت در بهره گیری از پتانسیل های تحول آفرین هوش مصنوعی در ارتقای سلامت و ایمنی شغلی مورد استفاده قرار گیرد.

کلیدواژه ها:

هوش مصنوعی ، مهندسی بهداشت حرفه ای ، مدیریت HSE ، مرور سیستماتیک ، یادگیری ماشین ، ایمنی صنعتی