より詳細な情報
事故分析（6論文）
An insight of World Health Organization (WHO) accident database by cluster analysis with self-organizing map (SOM)
Pal, C., Hirayama, S., Narahari, S., Jeyabharath, M., Prakash, G., & Kulothungan, V. (2018). Traffic injury prevention, 19(sup1), S15-S20.
この論文では、世界中の交通事故の種類と原因を分析しています。 Viscovery SOMineのクラスタリングは、低所得国と高所得国に違いがあることを示しています。.
Scientific analysis of road accidents in India by self-organizing map
Pal, C., Hirayama, S., Thierry, H., Vimalathithan, K., Rangari, N., & Jeyabharath, M. (2018). IRCOBI Asia 2018.
インドの交通事故の種類、重大性、原因はこのペーパーの焦点です。 Viscovery SOMineは1,779サンプルのケースをクラスタリングするために使用され、異なるタイプの事故の原因の間にいくつかの類似点を示します。
Learning from accidents: human errors, preventive design and risk mitigation
Moura, R. (2017).
この論文では、主要なハイテク事故を分析するための体系的なアプローチとデータ収集を紹介します。 Viscovery SOMine は、人間と技術システムの相互作用の不備を特に重視し、事故原因を根本原因に応じてクラスタリングするために使用されます。
Learning from accidents: interactions between human factors, technology and organisations as a central element to validate risk studies
Moura, R., Beer, M., Patelli, E., Lewis, J., & Knoll, F. (2017). Safety Science, 99, 196-214.
労働災害を防止するためのリスク管理の枠組みが整備されている。 Viscovery SOMineは、主要な産業事故のデータセットで使用され、共通のパターンを見つけて安全対策を定義します。
Learning from accidents: analysis and representation of human errors in multi-attribute events
Moura, R., Beer, M., Patelli, E., Lewis, J., & Knoll, F. (2015, July). In Proceedings of the 12th International Conference on Applications of Statistics and Probability in Civil Engineering, ICASP12 Vancouver, Canada, July 12 (Vol. 15, p. 2015).
主要な産業事故の分析と人的要因の影響がこの記事の焦点です。 Viscovery SOMineは、技術データや人的要因などの事故に関する高次元データを表すマップを作成し、類似した事故グループのクラスタを分析するために使用されます。
Detecting the impacts of socioeconomic factors on regional severity of work-related casualties in China
Zhou, L., Wei, J., & Zhao, D. (2014). Human and Ecological Risk Assessment: An International Journal, 20(6), 1469-1490.
労働災害の重大性に及ぼす社会経済的要因の影響を、中国からの死傷者データで分析する。 Viscovery SOMineクラスタ・モデルは、経済的な発展に伴って労働災害が最初に増加し、中間段階でピークに到達し、さらなる発展とともに減少することを明らかにしました。 また、産業構造や雇用構造、教育水準、病状、保険適用範囲などの影響が見られます。
