論文紹介：事故予測への機械学習の応用（Sarkar et al. 2019）

タイトル：Application of optimized machine learning techniques for prediction of occupational accidents. [職場での事故予測への最適化機械学習技術の応用]
https://www.sciencedirect.com/science/article/pii/S0305054818300601

1．要約

将来の結果を予測するための機械学習（ML）の有用性はさまざまな分野（ヘルスケアなど）で確立されているが、労働安全領域の事故予測への応用はほとんど初めて。機械学習に基づくアルゴリズムを作成するには、パラメータの調整や最適化が必要。さらに、効率的に最適化された分類子の選択だけでは、事故発生の背後にある要因間の相互関係を説明できないため、全体的な意思決定の目的を果たすことはできない。そのため、予測に加えて、意思決定のルールを、事故データから抽出する必要がある。以上の点から、この研究では、労働災害データから、負傷、ニアミス、物的損害などの事故アウトカムを予測するために、最適化機械学習アルゴリズムを適用した。2つの一般的な機械学習アルゴリズム、つまり、サポートベクターマシン（SVM）と人工ニューラルネットワーク（ANN）が使用され、そのパラメーターの最適化には、高い精度と頑健性を達成するために2つの強力な最適化アルゴリズム、つまり、遺伝的アルゴリズム（GA）と粒子群最適化（PSO）が用いられた。PSOに基づくSVMは、最高レベルの精度と頑健性で他のアルゴリズムよりも優れている。さらに、C5.0 アルゴリズムの決定木（DT）をPSOに基づくSVMモデルに組み込むことで、ルールを抽出した。負傷、ニアミス、物的損害の根本原因を特定する9つの有用なルールが抽出された。提案された方法論を支持した鉄鋼工場のケーススタディを提出した。

2．背景

大量のデータが利用できるようになり、MLは、将来の出来事の予測において、従来の伝統的な統計手法に取って代わり、工学、医学、金融などのさまざまな分野で非常に有用な結果をもたらしている（Witten et al. 2016)。します。

Witten, I.H., Frank, E., Hall, M.A., Pal, C.J., 2016. Data Mining: Practical machine
learning tools and techniques. Morgan Kaufmann.

労働安全領域でのML利用に関する研究は限られているが、これまでの研究でも予測力や説明力が示されている（Matías et al. 2008; Martín et al. 2009）。

   Matías, J.M., Rivas, T., Martín, J.E., Taboada, J., 2008. A machine learning methodology for the analysis of workplace accidents. Int. J. Comput. Math. 85, 559–578.
   Martín, J.E., Rivas, T., Matías, J.M., Taboada, J., Argüelles, A., 2009. A Bayesian network analysis of workplace accidents caused by falls from a height. Saf. Sci. 47, 206–214.

DT は、医学（Oztekin et al. 2011）、社会科学（Olson et al. 2012）、ビジネス・マネジメント（Aviad and Roy 2011）、建築工学や建築マネジメント（Leu and Chang 2013）プロセス産業（Bevilacqua et al. 2008）などで、成果をあげている。

   Oztekin, A., Kong, Z.J., Delen, D., 2011. Development of a structural equation modeling-based decision tree methodology for the analysis of lung transplantations. Decis. Support Syst. 51, 155–166.
   Olson, D.L., Delen, D., Meng, Y., 2012. Comparative analysis of data mining methods for bankruptcy prediction. Decis. Support Syst. 52, 464–473.
   Aviad, B., Roy, G., 2011. Classification by clustering decision tree-like classifier based on adjusted clusters. Expert Syst. Appl. 38, 8220–8228.
   Leu, S., Chang, C., 2013. Bayesian-network-based safety risk assessment for steel construction projects. Accid. Anal. Prev. 54, 122–133.
   Bevilacqua, M., Ciarapica, F.E., Giacchetta, G., 2008. Industrial and occupational ergonomics in the petrochemical process industry : a regression trees approach. Accid. Anal. Prev. 40, 1468–1479.

3．方法