ارزیابی ریسک فاکتورهای اثربخش در تغییر سیستم HSE سنتی به هوشمند با اتکا به هوش مصنوعی در صنایع پلیمر و پتروشیمی گچساران با تکنیک MCDM

هدف اصلی این پژوهش ارزیابی و بررسی ریسک فاکتورهای اثربخش در تغییر سیستم HSE سنتی به هوشمند با اتکا به هوش مصنوعی در صنایع پلیمر و پتروشیمی می باشد. این پژوهش از نظر هدف، از نوع تحقیقات کاربردی، از نظر مکانی از نوع تحقیقات میدانی، از نظر روش در زمره تحقیقات تحلیلی-پیمایشی می باشد. قلمرو زمانی در سال ۱۴۰۴-۱۴۰۵ می باشد. قلمرو مکانی، صنایع پلیمر و پتروشیمی گچساران می باشد. جامعه آماری مورد استفاده مدیران، کارشناسان بخش HSE صنایع پلیمر و پتروشیمی گچساران می باشند. اطلاعات از خبرگان شامل ۱۵ نفر با سابقه بالای ۱۰ سال توسط پرسشنامه استاندارد کسب شده و سپس توسط روش های ذکر شده تحلیل می گردد. روش نمونه گیری این تحقیق هدفمند می باشد. از طریق ابزارهای میدانی (پرسشنامه (مقایسه زوجی) و نظرسنجی) و کتابخانه ای (کتب، مقالات، مجلات علمی) اطلاعات و داده های لازم جمع آوری شد. برای تجزیه و تحلیل داده های حاصله برای بررسی اهداف پژوهش از تکنیک های تصمیم گیری چند معیاره MCDM (مبتنی بر MULTIMOORA فازی) استفاده شد. یافته ها حاکی از آن است که ۹ ریسک فاکتور در قالب سه معیار مدیریتی، فنی و نظارتی با استفاده از مدل توسعه یافته بر اساس معیارهای انتخاب مقایسه شدند. با توجه به تجزیه و تحلیل های صورت گرفته، محتوای ریسک فاکتورهای بیان شده توسط نمونه آماری را می توان به این شرح خلاصه کرد. مدیریتی: این معیار بر پایه سه ریسک فاکتور مهم اشاره دارد: عدم اعتماد به تکنولوژی مکان یاب برخط و آنلاین بصورت مانیتورینگ، همگام سازی آموزش پرسنل و پذیرش آن، مقاومت در برابر تغییر از سوی کارشناسان، شکاف مهارتی در عملیاتی کردن سیستم های AI بین متخصصان و نیروی کار. فنی: این معیار بر پایه سه ریسک فاکتور مهم اشاره دارد: برطرف نمودن محدودیت منابع تجهیزاتی و امکانات، چارچوب های حقوقی بسیار پیچیده فعلی صنعت، کاهش دیجیتال سازی و بکارگیری کم یا نامناسب ربات ها. نظارتی: این معیار بر پایه سه ریسک فاکتور مهم اشاره دارد: امنیت داده ها و سایبری و همچنین کیفیت و یکپارچگی داده ها، عدم آمادگی انطباق استانداردهای سخت گیرانه صنایع پتروشیمی با سیستم های هوشمند، ترس از وابستگی بیش از حد به هوش مصنوعی و کاهش نظارت انسانی.

کلیدواژه ها:

ریسک فاکتور ، HSE ، سنتی ، هوش مصنوعی ، صنایع پلیمر و پتروشیمی ، MCDM