Predictive Safety Analytics (Reliability, Maintenance, and Safety Engineering)

تقریباً تمام سیستم‌های جمع‌آوری و گزارش‌دهی داده‌های ایمنی ما به گذشته‌نگر هستند: گزارش‌های حادثه. داشبوردها؛ سیستم های نظارت بر انطباق؛ و غیره این کتاب نشان می‌دهد که چگونه می‌توانیم از داده‌های ایمنی به معنای آینده‌نگر و پیش‌بینی‌کننده استفاده کنیم.

تجزیه و تحلیل ایمنی پیش‌بینی‌کننده: کاهش ریسک از طریق مدل‌سازی و یادگیری ماشینی شامل موارد استفاده واقعی است که در آن سازمان ها با استفاده از تحلیل های پیش بینی برای پیش بینی و کاهش خطرات آتی، حوادث را کاهش داده اند. این بحث می کند که چگونه تجزیه و تحلیل ایمنی پیش بینی فرصتی برای عبور از مشکل فلات است که در آن بهبود نرخ ایمنی در بسیاری از سازمان ها راکد مانده است. این کتاب نشان می دهد که چگونه استفاده از داده ها، همراه با تکنیک های تحلیلی پیشرفته، از جمله یادگیری ماشین، به یک نوآوری اثبات شده و موفق تبدیل شده است. تأکید بر این است که چگونه کتاب می‌تواند با روشن کردن مسیری برای رسیدن به آنجا، «شما را در جایی که هستید ملاقات کند»، با داده‌های ساده‌ای که سازمان احتمالاً از قبل دارد شروع می‌شود. نکات برجسته کتاب نمونه‌های واقعی و مطالعات موردی است که به ایجاد افکار و ایده‌ها در مورد آنچه ممکن است برای خوانندگان فردی مؤثر باشد و اینکه چگونه می‌توانند اطلاعات را با موقعیت‌های خاص خود تطبیق دهند، کمک می‌کند.

< span>این کتاب برای متخصصان و محققان در قابلیت اطمینان سیستم، ارزیابی ریسک و ایمنی، کنترل کیفیت، مدیران عملیاتی در صنایع منتخب، دانشمندان داده و مهندسان ML نوشته شده است. دانش‌آموزانی که دوره‌هایی را در این زمینه‌ها می‌گذرانند، این کتاب را نیز مورد علاقه خود خواهند یافت.

Nearly all our safety data collection and reporting systems are backwardlooking: incident reports; dashboards; compliance monitoring systems; and so on. This book shows how we can use safety data in a forward-looking, predictive sense.

Predictive Safety Analytics: Reducing Risk through Modeling and Machine Learning contains real use cases where organizations have reduced incidents by employing predictive analytics to foresee and mitigate future risks. It discusses how Predictive Safety Analytics is an opportunity to break through the plateau problem where safety rate improvements have stagnated in many organizations. The book presents how the use of data, coupled with advanced analytical techniques, including machine learning, has become a proven and successful innovation. Emphasis is placed on how the book can “meet you where you are” by illuminating a path to get there, starting with simple data the organization likely already has. Highlights of the book are the real examples and case studies that will assist in generating thoughts and ideas for what might work for individual readers and how they can adapt the information to their particular situations.

This book is written for professionals and researchers in system reliability, risk and safety assessment, quality control, operational managers in selected industries, data scientists, and ML engineers. Students taking courses in these areas will also find this book of interest to them.