Olycksförebyggande genom maskininlärning hos en byggentreprenör

Forskningsprojekt, 2022 – 2025

Forskningsmålet för detta projekt är att analysera data om orsaker till och förebyggande av olyckor på byggarbetsplatser, genom att använda maskininlärning och en olycksorsakssystembaserad modell för att undersöka tidiga riskvarningstecken. Detta projekt utgör den sista delen av May Shaybouns doktorsexamen (under handledning av Christian Koch och medhandledning av Dimosthenis Kifokeris), och bygger på Shaybouns arbete som redan har genomförts för slutförandet av hennes licentiatavhandling (Shayboun 2022). Det är planerat att uppnå forskningsmålet genom att använda den redan insamlade och tillgängliga datauppsättningen av olycksrapporter i Shayboun (2022), och utveckla en maskininlärningsbaserad modell för att extrahera och analysera rapporterade olycksorsaker och förebyggande åtgärder. Projektet innebär också att utveckla och testa en forskningsbaserad prototyp av ett maskininlärningssystem för förebyggande av arbetsolyckor i ett entreprenadföretag. Projektets huvudfokus ligger på förebyggande av olyckor och förståelse av orsaker till arbetsolyckor i entreprenörens sammanhang.

Projektet ska bidra till att öka kunskapen om byggarbetsolyckor och deras förebyggande. Dessutom kommer det också att ge erfarenhet och värde för att förbättra byggproduktionen och leverera en fallstudie av en testad maskininlärningsprocess. Det är viktigt att hitta lösningar som överträffar underrapporteringen och andra begränsningar av maskininlärningstillämpningar för byggbranschen, genom förbättrade analysmetoder, utnyttjande av befintliga teorier om orsaker till olyckor och utvinning av kunskap från olycksrapportering.