بکارگیری الگوریتم‌های دسته‌بندی، خوشه‌بندی و شبکه‌های عصبی در تحلیل داده‌های آنتروپومتری

Abstract

مقدمه و هدف: آنتروپومتــري به‌عنوان يكي از شاخه‌های فيزيكال آنتروپولوژي از جمله مهمتريــن حیطه‌های ارگونومــي است كه به اندازه گيـــري ابعـاد و ويژگي¬هاي بدن انسان (طول، وزن، حجم اندام¬ها، فضاي حركتي و زواياي حركتي هر يك از اين ابعاد) می‌پردازد. اين داده‌ها بـراي تعيـين شـكل و انـدازه ابـزار و وسايل، مورد استفاده افراد در محيط كار قرار می‌گیرد تا وسايل، ابزارآلات و ايستگاه كاري متناسب با ابعاد بدني شاغلين به جهت افزايش بازده و بهره وري طراحـي و ساخته شود. همچنين اين داده‌ها می‌تواند در انتخاب افراد براي مشاغل و همسان كردن توانمندي هر فرد با انرژي مورد نياز شغل محوله اسـتفاده شـود. بنـابراين اندازه گيري دقيق ابعاد بدني و بروز كردن داده‌ها در قالب بانكهاي اطلاعاتي تن سنجي (آنتروپومتري)، ضروري است. اين بانكهاي اطلاعاتي پايه و اساس طراحي ارگونوميكي محیط‌های كاري و محصولات توليدي است و باید هر پنج سال یک بار با در نظر گرفتن شرایط جغرافیایی، منطقه‌ای و نژادی و همچنین جنسیت بروز شود. جمع‌آوری داده‌های آنتروپومتری کاری هزینه‌بر، وقت‌گیر و سخت است؛ بنابراین مطالعه و یافتن روابط و معادلات خطی و غیرخطی در ابعاد تن‌سنجی مورد توجه پژوهشگران بسیاری بوده است؛ و مطالعه حاضر نیز به منظور بررسی روابط و الگوهای حاکم بر تغییرات نژادی، جنسیتی و دسته‌بندی و خوشه‌بندی ابعاد آنتروپومتری کارگران شش قومیت ایرانی در محدود ۲۰-۶۰ انجام گرفت. روش کار: نوع این مطالعه توصیفی- تحلیلی با رویکرد مقطعی است که به منظور اصلاح و تکمیل روشهای سنجش و ارزیابی شاخص‌ها و قابلیتهای آنتروپومتریکی به اجرا در آمد. در مرحله نخست پژوهش پس از مراحل آماده‌سازی داده‌ها و تبدیل به فرمت‌های لازم، با استفاده از نرم‌افزار وکا مراحل بصری سازی، خوشه‌بندی، طبقه‌بندی انجام گرفت تا وضعیت کمی و کیفی داده‌ها مورد ارزیابی قرار گیرد. در مرحله دوم با بکار گیری آنالیز حساسیت، متغیرهای مهم شناسایی گردید و این متغیرها را برای آموزش شبکه‌ی عصبی در نرم‌افزار متلب بکار گرفته شد و توابع آنتروپومتریکی تخمین زده شدند و سه الگوریتم شبکه عصبی چندلایه پرستپرون، سیستم استنتاج نرو فازی، توابع شعاعی پایه از نظر دقت و قدرت پیش‌بینی مورد مقایسه قرار گرفت. نتایج: در مرحله آنالیز مؤلفه‌های اصلی ۲۱ مؤلفه به‌عنوان مؤلفه‌های اصلی شناسایی شدند و در مرحله داده‌کاوی با الگوریتم کی مینز ۶ خوشه محاسبه گردید. سه خوشه برای خانم‌ها و سه خوشه برای آقایان و در مرحله دسته‌بندی و درخت تصمیم‌گیری نیز روابط و قوانین مهم شناسایی گردیدند و در مرحله شبکه‌های عصبی مصنوعی از نظر دقت و صحت پیشگویی شبکه‌های نرو فازی قویتر از دو مدل دیگر بود. بحث و نتیجه‌گیری: پژوهش‌های مربوط به آنتروپومتری، به دلیل پیچیدگی محصولات، دستگاه‌ها، تجهیزات و سیستم‌ها برای کاربران، بسیار ضروری و مهم است. در پژوهش¬های آنتروپومتری شناسایی تفاوت‌های نژادی و جنسیتی فاکتور مهمی است که می‌تواند در داده‌های آنتروپومتریکی و حوزه‌های آن تأثیر گذار باشد. کشف دانش موردنیاز طراحان و ارگونومیست¬ها نیازمند ابزارهایی است که علاوه بر دسته‌بندی داده‌ها و کاهش پیچیدگی محاسبات، ساده و قابل فهم نیز باشد که شبکه‌های عصبی و درخت تصمیم‌گیری بخشی از این ابزارها هستند. نتایج این مطالعه می‌تواند علاوه بر صنایع تولیدی و پوشاک، در پزشکی قانونی و ورزش نیز مورداستفاده قرار گیرد