ترجمه مقاله اندازه گیری روایی مدل های پیش بینی ایمنی - نشریه الزویر

قیمت خرید این محصول

۱۴۰,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

بخش دوم: اندازه گیری روایی مدل های پیش بینی ایمنی بر اساس یافته های ممیزی

عنوان انگلیسی

Predictive models of safety based on audit findings: Part 2: Measurement of model validity

صفحات مقاله فارسی

20

صفحات مقاله انگلیسی

8

سال انتشار

2013

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

5052

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه شده است

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

رشته های مرتبط با این مقاله

مدیریت، مهندسی صنایع و آمار

گرایش های مرتبط با این مقاله

مدیریت منابع انسانی، مدیریت منابع اطلاعاتی، مدیریت فناوری اطلاعات، مهندسی سیستم های سلامت، و ایمنی صنعتی، سیستم های اطلاعاتی پیشرفته و آمار ریاضی

مجله

ارگونومی کاربردی (Applied Ergonomics)

دانشگاه

دپارتمان مهندسی صنایع و سیستم ها، دانشگاه مسیحی چانگ یوان، تایوان

کلمات کلیدی

انسانی، HFACS-MA، پیش بینی ایمنی، شبکه عصبی، نگهداری هواپیما

۰.۰ (هنوز امتیازی ثبت نشده است)

فهرست مطالب

چکیده
1. مقدمه
2. جمع آوری داده ها و محاسبه
1.2. متغیر وابسته- شاخص ایمنی
2.2. متغیرهای مستقل
3. روش
1.3. شبکه عصبی
2.3. رگرسیون پوآسون
4. تحلیل
1.4. نتایج شبکه عصبی
2.4. نتایج رگرسیون پوآسون
5. بحث
6. نتیجه گیری

نمونه چکیده متن اصلی انگلیسی

abstract Part 1 of this study sequence developed a human factors/ergonomics (HF/E) based classification system (termed HFACS-MA) for safety audit findings and proved its measurement reliability. In Part 2, we used the human error categories of HFACS-MA as predictors of future safety performance. Audit records and monthly safety incident reports from two airlines submitted to their regulatory authority were available for analysis, covering over 6.5 years. Two participants derived consensus results of HF/E errors from the audit reports using HFACS-MA. We adopted Neural Network and Poisson regression methods to establish nonlinear and linear prediction models respectively. These models were tested for the validity of prediction of the safety data, and only Neural Network method resulted in substantially significant predictive ability for each airline. Alternative predictions from counting of audit findings and from time sequence of safety data produced some significant results, but of much smaller magnitude than HFACSMA. The use of HF/E analysis of audit findings provided proactive predictors of future safety performance in the aviation maintenance field.

نمونه چکیده ترجمه متن فارسی

چکیده
در بخش اول این مطالعه یک سیستم طبقه بندی مبتنی بر فاکتورهای انسانی/ ارگونومیک (HF/E) (با عنوان HFACS-MA) برای یافته های ممیزی ایمنی طراحی شد و پایایی اندازه گیری آن اثبات شد. در بخش دوم، از دسته-های خطای انسانی HFACS-MA به عنوان پیش¬بینی کننده عملکرد ایمنی آتی استفاده کردیم. در تحلیل از سوابق ممیزی و گزارش های ماهانه رویدادهای ایمنی مربوط به دو خط هوایی که برای سازمان نظارتی آن ها ارسال شده بود استفاده شد، این گزارش ها حاوی اطلاعات مربوط به بیش از 6.5 سال بود. دو نفر از شرکت کنندگان با استفاده از HFACS-MA نتایج مورد توافق درباره خطاهای HF/E را استخراج کردند. برای ایجاد مدل های پیش بینی غیرخطی و خطی به ترتیب از روش های شبکه عصبی و رگرسیون پوآسون استفاده کردیم. این مدل ها برای بررسی روایی پیش-بینی داده های ایمنی تست شدند و فقط روش شبکه عصبی توانایی پیش بینی کاملاً معناداری برای تمام خطوط هوایی نشان داد. برخی از نتایج پیش بینی های دیگر بر اساس شمارش یافته های ممیزی و توالی زمانی داده های ایمنی معنادار بودند اما میزان آن بسیار کمتر از HFACS-MA بود. استفاده از تحلیل HF/E بر روی یافته های ممیزی، امکان پیش بینی قبلی عملکرد ایمنی آتی را در حوزه نگهداری هواپیما فراهم کرد.