این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
بهداشت و ایمنی کار، جلد ۱۵، شماره ۳، صفحات ۵۳۲-۵۵۷
عنوان فارسی توسعه یک چارچوب تلفیقی به منظور کاهش عدم قطعیت در ارزیابی ریسک فرآیندی با تکیه برنظریه شواهد دمپستر شافر و شبکه بیزین
چکیده فارسی مقاله مقدمه: ارزیابی ریسک حریق در مخازن ذخیره‌سازی نفت با چالش‌هایی مانند داده‌های ناقص، متناقض و نامطمئن و به‌ویژه محدودیت شواهد تجربی روبرو است. مطالعات قبلی مبتنی بر شبکه های بیزی بر پایه مقادیر نقطه‌ای اغلب در بازتاب تردیدهای کارشناسان و عدم قطعیت شناختی ناکام می‌مانند. این مطالعه با هدف توسعه و ارزیابی یک چارچوب ترکیبی نوآورانه بر پایه تلفیق نظریه دمپستر-شافر (DST) و شبکه‌های بیزی (BN) انجام شده است تا قابلیت اطمینان ارزیابی ریسک حریق را از طریق در نظر گرفتن میزان «تردید کارشناسان در احتمال وقوع رویدادهای پایه» در چنین محیط‌های صنعتی بهبود بخشد.
روش کار: روش پیشنهادی از نظریه دمپستر-شافر برای مدل‌سازی عدم قطعیت کارشناسی از طریق احتمالات بازه‌ای (اعتماد - مقبولیت) استفاده می‌کند و شبکه‌های بیزی را برای به‌روزرسانی پویا و دینامیک روابط علّی با ورود اطلاعات جدید به کار می‌گیرد. در این مطالعه ترکیب پیچیده نظرات شواهد متعدد با رویکرد DST  از طریق طراحی کدهای محاسباتی در نرم افزارRstudio  انجام شده است. مطالعه موردی بر اساس روش پیشنهادی در یک مجتمع انبار فرآورده های نفتی در سال 1403 پیاده سازی شده است.  
یافته ها: چارچوب ترکیبی DST-BN توانایی برتر خود را در ادغام داده‌های ناقص و متناقض کارشناسان نشان داد و از اعتماد مبالغه آمیز ناشی از برآوردهای نقطه‌ای مربوط به احتمال وقوع رویدادهاجلوگیری کرد. احتمالات بازه‌ای نمایش‌های قابل‌اطمینان‌تری از عدم قطعیت شناختی ارائه دادند و از طرفی تلفیق BN امکان مدل‌سازی علّی قابل ردیابی و قابل به روزرسانی را فراهم کرد. راه‌حل محاسباتی ارائه‌شده کاربرد عملی DST با چند کارشناس را امکان‌پذیر و قدرت ارزیابی ریسک را تقویت نمود.
نتیجه گیری: این پژوهش یک روش ترکیبی مؤثر بر پایه DST-BN برای ارزیابی ریسک حریق در مخازن نفتی با سقف ثابت ارائه می‌دهد که دقت و قابلیت اطمینان را در محیط‌های صنعتی پیچیده بهبود می‌بخشد. با رفع نواقص روش‌های مبتنی بر مقادیر نقطه‌ای و تسهیل مشارکت چندین کارشناس، این چارچوب استنتاج‌های احتمالاتی شفاف‌تر و قابل دفاع‌تر ارائه می‌کند. مطالعات آینده می‌توانند بر یکپارچه‌سازی داده‌های لحظه‌ای حسگرها و سامانه‌های تصمیم‌یار مبتنی بر هوش مصنوعی برای تقویت بیشتر توان ارزیابی پویا متمرکز شوند.
کلیدواژه‌های فارسی مقاله نظریه دمپستر شافر، شبکه بیزی، ارزیابی ریسک حریق، مخازن ذخیره، مدیریت عدم قطعیت، ایمنی صنعتی
عنوان انگلیسی Developing an Integrated Framework to Reduce Uncertainty in Process Risk Assessment Based on Dempster-Shafer Evidence Theory and Bayesian Network: A Case Study in Oil Reservoirs Using Multiple Sources of Evidence
چکیده انگلیسی مقاله Introduction: Fire risk assessment in oil storage tanks faces challenges due to incomplete, conflicting, and uncertain data, particularly when empirical evidence is limited. Traditional point-based likelihood estimates often fail to capture expert doubt and epistemic uncertainty. This study aims to develop and evaluate a novel hybrid framework combining Dempster-Shafer Theory (DST) and Bayesian Networks (BN) to improve the trustworthiness of fire risk prediction in such industrial settings.
Material and Methods: The proposed approach integrates DST to model expert uncertainty through interval probabilities (Bel–Pl) and BN to dynamically update causal relationships as new information appears. The study implements computational coding to enable DST calculations for five expert opinions across 243 scenarios, overcoming prior limitations in multi-expert modeling due to computational complexity.
Results: The hybrid DST-BN framework demonstrated superior ability to incorporate incomplete and conflicting expert data, reducing overconfidence linked to point estimates. Interval probabilities offered more trustworthy representations of epistemic uncertainty, while BN integration allowed traceable and adaptable causal modeling. The computational solution facilitated practical application of DST with multiple experts, enhancing the strength of the risk assessment.
Conclusion: This research provides an effective DST-BN hybrid methodology for assessing fire risk in fixed-roof oil tanks, improving accuracy and trustworthiness in complex industrial environments. By addressing the shortcomings of point-based methods and enabling multi-expert participation, the framework supports clearer and more defensible probabilistic inferences. Future work may focus on integrating real-time sensor data and AI-based decision systems to further strengthen dynamic risk assessment capabilities.
 
کلیدواژه‌های انگلیسی مقاله Dempster-Shafer Theory, Bayesian Network, fire risk assessment, storage tanks, uncertainty handling, industrial safety
نویسندگان مقاله کاظم صمیمی | Kazem Samimi
Department of occupational health and safety engineering, School of Public Health and Safety, Shahid Beheshti University of Medical Sciences, Tehran, Iran
گروه مهندسی بهداشت حرفه‌ای و ایمنی کار، دانشکده بهداشت و ایمنی، دانشگاه علوم پزشکی شهید بهشتی تهران، ایران

اسماعیل زارعی | Esmaeil Zareie
Department of Safety Science, College of Aviation, Embry-Riddle Aeronautical University, Prescott, AZ, 86301, USA | Robertson Safety Institute (RSI), Embry-Riddle Aeronautical University, Prescott, AZ, 86301, USA
گروه علوم ایمنی، دانشکده هوانوردی، دانشگاه هوانوردی امبری-ریدل، پرسکات، آریزونا، آمریکا | موسسه ایمنی رابرتسون، دانشگاه هوانوردی امبری-ریدل، پرسکات، آریزونا، آمریکا

محسن امیدوار | Mohsen Omidavar
Department of Occupational Health Engineering, Faculty of Health and Nutrition, Bushehr University of Medical Sciences, Bushehr, Iran
گروه مهندسی بهداشت حرفه‌ای، دانشکده بهداشت، دانشگاه علوم پزشکی بوشهر، ایران

جواد قیاسی | Javad Ghyasi
HSE Department, National Iranian Oil Product Distribution Company (NIOPDC), Tehran, Iran
دپارتمان HSE، شرکت ملی پخش فرآورده‌های نفتی ایران، تهران، ایران

پرهام عظیمی | Parham Azimi
Department of Industrial Engineering, Faculty of Industrial and Mechanical Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran
گروه مهندسی صنایع، دانشکده مهندسی صنایع و مکانیک، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران

مصطفی پویاکیان | Mostafa Pouyakian
Department of occupational health and safety engineering, School of Public Health and Safety, Shahid Beheshti University of Medical Sciences, Tehran, Iran
گروه مهندسی بهداشت حرفه‌ای و ایمنی کار، دانشکده بهداشت و ایمنی، دانشگاه علوم پزشکی شهید بهشتی تهران، ایران

نشانی اینترنتی http://jhsw.tums.ac.ir/browse.php?a_code=A-10-1-235&slc_lang=other&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده other
موضوعات مقاله منتشر شده عمومی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات