Fine–Kinney-Based Fuzzy Multi-criteria Occupational Risk Assessment: Approaches, Case Studies and Python Applications

ویرایش: [1st ed.] 
نویسندگان: Muhammet Gul,  Suleyman Mete,  Faruk Serin,  Erkan Celik  
سری: Studies in Fuzziness and Soft Computing 398 
ISBN (شابک) : 9783030521479, 9783030521486 
ناشر: Springer International Publishing;Springer 
سال نشر: 2021 
تعداد صفحات: XV, 163
[173] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 10 Mb 

قیمت کتاب (تومان) : 34,000



این کتاب تعدادی از رویکردها را برای ارزیابی ریسک شغلی چند معیاره مبتنی بر فاین کینی ارائه می‌کند. برای هر رویکرد پیشنهادی، مطالعات موردی را ارائه می‌کند که کاربرد آن‌ها را نشان می‌دهد، و همچنین کدنویسی پایتون، که خوانندگان را قادر می‌سازد تا آنها را در فرآیند ارزیابی ریسک خود پیاده‌سازی کنند.

این کتاب با مروری بر Fine- آغاز می‌شود. روش‌های ارزیابی ریسک شغلی Kinney و گسترش آنها با مجموعه‌های فازی. سپس به شیوه‌ای منطقی پیشرفت می‌کند و فصلی را به هر رویکرد اختصاص می‌دهد، از جمله بهترین و بدترین روش فازی، VIKOR فازی فیثاغورثی با ارزش فاصله‌ای و QUALIFLEX فازی بازه‌ای نوع 2.

این کتاب مورد علاقه متخصصان و متخصصان خواهد بود. محققانی که در زمینه مدیریت ریسک شغلی کار می کنند، و همچنین دانشجویان کارشناسی ارشد و کارشناسی که در حال مطالعه برنامه های کاربردی سیستم های فازی هستند.

This book presents a number of approaches to Fine–Kinney–based multi-criteria occupational risk-assessment. For each proposed approach, it provides case studies demonstrating their applicability, as well as Python coding, which will enable readers to implement them into their own risk assessment process.

The book begins by giving a review of Fine–Kinney occupational risk-assessment methods and their extension by fuzzy sets. It then progresses in a logical fashion, dedicating a chapter to each approach, including the fuzzy best and worst method, interval-valued Pythagorean fuzzy VIKOR and interval type-2 fuzzy QUALIFLEX.

This book will be of interest to professionals and researchers working in the field of occupational risk management, as well as postgraduate and undergraduate students studying applications of fuzzy systems.