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

Abstract

این مطالعه مروری نظام‌مند با به‌کارگیری روش‌شناسی PRISMA  به بررسی عمیق ۱۰۰ مقاله علمی معتبر در بازه زمانی ۲۰۱۵ تا ۲۰۲۴ می‌پردازد که در حوزه تقاطع هوش مصنوعی و مهندسی بهداشت حرفه‌ای و مدیریت HSE منتشر شده‌اند. یافته‌های تحقیق حاکی از پنج روند کلیدی تحول‌آفرین است: (۱) توسعه سیستم‌های پیش‌بینیکننده حوادث شغلی با دقت ۸۷-۹۵%، (۲) پیاده‌سازی راهکارهای مانیتورینگ بلادرنگ مبتنی بر اینترنت اشیاء صنعتی (IIoT)، (3)طراحی محیط‌های آموزش ایمنی تطبیقی با استفاده از واقعیت مجازی، (۴) تحول در تحلیل داده‌های ایمنی از طریق پردازش زبان طبیعی پیشرفته، و (۵) توسعه سیستم‌های پشتیبان تصمیم‌گیری هوشمند برای مدیران HSE.

نتایج تحلیل کیفی نشان می‌دهد که یادگیری عمیق (۳۸%)، یادگیری ماشین کلاسیک (۳۱%) و پردازش زبان طبیعی (۱۹%) پرکاربردترین شاخه‌های هوش مصنوعی در این حوزه بوده‌اند. از منظر کاربرد صنعتی، بخش‌های ساخت‌وساز (۳۴%)، نفت و گاز (۲۸%) و بهداشت‌و‌درمان (۲۲%) بیشترین سهم را در تحقیقات داشته‌اند. مطالعه حاضر همچنین چهار چالش اساسی را شناسایی نموده است: (الف) کمبود داده‌های باکیفیت و حاشیه‌نویسی‌شده (۴۲% مقالات)، (ب) مقاومت سازمانی در برابر تغییر (۲۷%)، (ج) مسائل اخلاقی مربوط به حریم خصوصی (۱۹%)، و (د) نیاز به استانداردسازی چارچوب‌های ارزیابی(۱۲%)

  این پژوهش با ارائه تاکسونومی جامعی از کاربردهای هوش مصنوعی در HSE، سه جهت‌گیری آینده‌نگرانه را پیشنهاد می‌نماید: (۱) توسعه مدل‌های ترکیبی هوش مصنوعی و دانش دامنه، (۲) ایجاد سیستم‌های تفسیرپذیر برای افزایش اعتماد کاربران، و (۳) طراحی چارچوب‌های یکپارچه مدیریت ریسک هوشمند. یافته‌های این مطالعه می‌تواند به عنوان نقشه راهی برای محققان و متخصصان صنعت در بهره‌گیری از پتانسیل‌های تحول‌آفرین هوش مصنوعی در ارتقای سلامت و ایمنی شغلی مورد استفاده قرار گیرد.