کنفرانس منطقه ای سیرد

صفحه اصلی / همایش بهداشت حرفه ای، ایمنی و محیط زیست (بهام) منطقه شمال غرب کشور

طراحی سامانه هوشمند پایش و پیش‌بینی خستگی و ایمنی شغلی کارکنان با بهره‌گیری از حسگرهای IoT و الگوریتم‌های یادگیری ماشین

نویسندگان :

فاطمه دشتی¹

1- شرکت توزیع نیروی برق تبریز

کلمات کلیدی :

هوش مصنوعی،اینترنت اشیا،خستگی شغلی،یادگیری ماشین،HSE،تحلیل پیش‌گویانه

چکیده :

در محیط‌های کاری پرریسک مانند شرکت‌های توزیع برق، خستگی شغلی کارکنان یکی از مهم‌ترین عوامل انسانی مؤثر بر بروز حوادث است. هدف این پژوهش، طراحی و ارزیابی یک سامانه هوشمند پایش و پیش‌بینی خستگی کارکنان با اتکا بر داده‌های حسگرهای پوشیدنی اینترنت اشیا (IoT) و الگوریتم‌های یادگیری ماشین (ML) است. سامانه پیشنهادی شامل سه لایهٔ حسگر، پردازش لبه (Edge AI) و تحلیل مرکزی است که با ترکیب داده‌های ضربان قلب (HRV)، دمای بدن، و فعالیت بدنی، شاخص خستگی " FI(t)" را در زمان واقعی تخمین می‌زند. برای تحلیل داده‌ها، سه مدل   Random Forest ، SVM  و LSTM   به‌کار گرفته شده‌اند که خروجی آن‌ها در یک مدل ترکیبی برای محاسبه احتمال خستگی P_fatigue (t) ادغام می‌شود. داده‌های مورد استفاده از دو مجموعه معتبر WESAD و PhysioNet Fatigue 2023 انتخاب و با شرایط اقلیمی و فیزیولوژیک کارکنان تبریز بومی‌سازی شدند. نتایج ارزیابی نشان داد که مدل   LSTM  با دقت ۰٫۹۱ و  ۰٫۹۴  بالاترین کارایی را در پیش‌بینی خستگی با پیش‌نگری ۲–۳ ثانیه‌ای پیش از وقوع دارد، در حالی‌که مدل‌های سبک‌تر RF  و SVM  نیز دقت بالایی در سطح Edge با تأخیر کمتر از ۵۰۰ میلی‌ثانیه نشان دادند. این سامانه می‌تواند به‌عنوان یک ابزار «پایش بلادرنگ و هشدار زودهنگام خستگی» در واحدهای HSE به کار گرفته شود و گامی مؤثر در گذار از ایمنی واکنشی به ایمنی پیش‌فعال و داده‌محور فراهم سازد.