معصومه خوش کردار، رضا سعیدی، امین باقری، محمد حجارتبار، محمد درویشی، رضا غلام نیا،
دوره ۱۴، شماره ۱ - ( ۱-۱۴۰۳ )
چکیده
مقدمه: به منظور شناسایی و بررسی اثرات ظهور فناوری در صنعت و به خصوص صنعت معدن، در این مطالعه تاثیر استفاده از سامانه‌های هوشمند ماشین‌آلات، شامل سیستم نظارت بر سلامت خودرو (VHMS: Vehicle health monitoring system)، سیستم کنترل هوشمند عملیات معدنکاری (Dispatching) و سنسور پایش فشار باد لاستیک (TPMS: Tire pressure monitoring system) بر پارامتر‌های بهداشت، ایمنی، محیط‌زیست و نگهداشت پیشگیرانه در صنعت معدن مورد بررسی قرار گرفت.
روش کار: پژوهش حاضر یک مطالعه توصیفی- تحلیلی است که در دو بازه زمانی قبل و بعد از به کارگیری سیستم‌های هوشمند ماشین آلات معدنی انجام شده است. در ابتدا پارامتر‌های بهداشت، ایمنی، محیط‌زیست و نگهداشت پیشگیرانه شناسایی شد، سپس با مقایسه و تحلیل وضعیت و استفاده از روش دلفی، پارامتر‌های منتخب پیش‌و پس از راه اندازی سامانه‌های هوشمند ماشین‌آلات معدنی و میزان اثربخشی استفاده از این سامانه‌ها تعیین گردید.
یافته ها: یافته‌ها نشان داد که به کارگیری سیستم‌های هوشمند ماشین آلات معدنی با فرض ثابت بودن شرایط محیطی منجر به کاهش حوادث تجهیزاتی به میزان ۳/۳۳ درصد، افزایش عمر مفید لاستیک ۱/۷ درصد، کاهش مصرف سوخت ۶/۱۴ درصد، کاهش میانگین زمان خاموشی ماشین جهت تعمیر ۵/۲۵ درصد و افزایش مطابقت با برنامه نگهداشت ۷/۵ درصد شده است.
نتیجه‌گیری: استفاده از سامانه‌های هوشمند ماشین آلات معدنی می‌تواند اثرات مثبتی در زمینه ایمنی ماشین آلات، کاهش اثرات زیست‌محیطی از جمله مصرف سوخت و همچنین بهبود شرایط نگهداشت ماشین‌آلات سنگین داشته باشد که این امر منجر به بهبود شرایط استخراج و کاهش هزینه‌ها می‌گردد.
حسن مهری دیز، محمد صادق قاسمی، حسن سعیدی، مهسا ورمزیار، احسان گروسی،
دوره ۱۴، شماره ۲ - ( ۴-۱۴۰۳ )
چکیده
مقدمه: بلندکردن بار در پوسچر نامناسب یکی از دلایل بروز اختلالات اسکلتی-عضلانی ناحیه کمر می‌باشد. در این راستا محققان از شاخص‌های گوناگونی به منظور تعیین ارتباط بین متغیرهای بیومکانیکی و ریسک بروز این اختلالات استفاده کرده‌اند. هدف این مطالعه تعیین ارتباط بین نیروی فشاری وارده به کف پا با نیروی فشاری وارده به ناحیه کمری (BCF) و شاخص بلندکردن بار (LI) در وظایف بلندکردن متقارن بار بود.
روش کار: در این مطالعه آزمایشگاهی از ۱۳ نفر مرد سالم با محدوده سنی بین ۲۵ تا ۳۵ سال خواسته شد تا به صورت متقارن وظایف بلندکردن بارهای ۷,۵ و ۱۵ کیلوگرمی را در ۱۵ پوسچر شامل ضریب ۳ فاصله افقی
(A-B-C) از بدن و ۵ ارتفاع (۱-۵) انجام دهند. فشار وارده به کف پاها توسط ۱۶ عدد سنسور FSR متناسب با ۸ ناحیه آناتومیک از کف هر پا ثبت گردید. علاوه براین، نیروی وارده به دیسک‌های بین مهره‌ای و شاخص ریسک بلندکردن بار (LI) به ترتیب با روش یوتا و معادله نایاش محاسبه شد. همچنین برای آنالیز آماری از نرم افزار SPSS (نسخه ۲۱) استفاده شد.
یافته ها: با توجه به نتایج، زمانی که بار در نزدیکترین فاصله به بدن قرار داشت (A۱-A۵) بیشترین میزان فشار در ناحیه پاشنه و ناحیه متاتارس ۴ و ۵ پای چپ و راست ثبت شده بود. علاوه بر این، در بلندکردن بار ۱۵ کیلوگرمی در پوسچرهای A۲, B۱, B۲, C۱, C۲ و در بلندکردن بار ۷,۵ کیلوگرمی در پوسچر C۲، میانگین نیروی فشاری وارده به کمر بیشتر از ۷۰۰ پوند محاسبه گردید. در بلندکردن بار ۱۵ کیلوگرمی در پوسچرهای B۱, B۲, B۴, B۵, C۱-C۵ و در بلندکردن بار ۷.۵ کیلوگرمی در پوسچرهای C۱, C۲, C۴, C۵ میانگین LI بیشتر از ۱ بود. در بسیاری از پوسچرهای بلندکردن بارهای ۷.۵ و ۱۵ کیلوگرمی، همبستگی معنی‌داری بین نیروی فشاری وارده به کف پا با مقدار LI و UTAH مشاهده شد (p-value < ۰.۰۵).
نتیجه گیری: یافته‌های این مطالعه گواه بر وجود همبستگی معنادار بین توزیع فشار وارده به کف پا و پوسچرهای ایمن و ناایمن بلندکردن بار بود. بنابراین، می‌توان از نتایج حاصل از تحلیل توزیع فشارهای وارده به کف پا بعنوان یک پیش بینی کننده تمایز ایمن و ناایمن بودن بلندکردن بار استفاده کرد. علاوه بر این، یافته‌های این مطالعه با شناسایی سطوح ریسک بلندکردن بار در هر پوسچر، راه را برای تحقیقات آینده در مورد شناسایی و دسته بندی الگوهای فشاری ایمن و ناایمن کف پا برای ارائه مداخلات بهینه برای بلندکردن ایمن بار هموار می‌کند.
عاطفه احمدآبادی، شکوه سادات خالو، رضا سعیدی، رضا غلام نیا،
دوره ۱۵، شماره ۱ - ( ۱-۱۴۰۴ )
چکیده
مقدمه: یکی از مهم‌ترین عواملی که می‌تواند به مدیران و تصمیم‌گیران صنایع در پاسخ به تغییرات کمک کند، داشبورد هوش تجاری (Business Intelligence) است داشبوردها ابزاری هستند غنی از شاخص‌ها، گزارش‌ها و نمودارها تا مدیران با استناد به آن بتوانند در هر لحظه عملکرد صنعت خود را بررسی نمایند.
روش کار: جهت ارزیابی وضعیت ایمنی و پیشگیری از حوادث آتی، این امکان دارد که با استفاده از شاخص ریسک RI که خود از طریق یک رابطه میانگین‌گیری هندسی به دست می‌آید آن را برای هر مخاطره شناسایی شده در صنعت محاسبه نمود و پس از آن با استفاده از مدل سری زمانی که در این مطالعه از مدل ARIMA(۲,۰,۰) استفاده گردیده میانگین شاخص ریسک روزانه به شاخص پیش‌بینی‌کننده ریسک PRI تبدیل گردید.
یافته ها: با توجه بر این موضوع که حوادث و شبه‌حوادث به وقوع پیوسته، هنگامی که روند شاخص پیش‌بینی‌کننده ریسک پایین‌تر از عدد ۳ باشد ناحیه ایمن در آن صنعت به حساب می آید و هنگامی که روند شاخص پیش بینی کننده ریسک بین عدد ۳ الی ۴ باشد ناحیه هشدار و هنگامی که بالاتر از ۴ باشد احتمال وقوع حوادث خیلی زیاد ناحیه در نتیجه ناحیه اقدام می باشد.
نتیجه گیری: مدیر صنعت باتوجه‌به داشبورد ارائه شده و ناحیه‌بندی صورت‌گرفته، می‌تواند نتیجه بگیرید که ۳۳% مخاطرات در ناحیه اقدام،۲۴% مخاطرات در ناحیه هشدار و ۴۳% مخاطرات شناسایی شده در ناحیه ایمن قراردارد.
