other ارائه مدلی برای پایش بلادرنگ خطرات ناشی از صدا و گازهای فومیگانت در صنایع دریایی–تولیدی مبتنی بر قواعد تکاملی عوامل زیان آور شیمیایی و تهویه محیط کار پژوهشي Research <strong>مقدمه:</strong> گازهای فومیگانت در زنجیره دریایی،کانتینری و نویز شغلی در صنایع دریایی و تولیدی از مهم‌ترین عوامل خطر مزمن‌اند که معمولاً به‌صورت مجزا ارزیابی می‌شوند، درحالی‌که هم‌زمان بر سلامت اثر می‌گذارند. اهمیت این مطالعه در ارائه یک رویکرد یکپارچه برای پایش بلادرنگ ریسک ترکیبی و همسویی آن با حدود مجاز تماس شیمیایی است. &nbsp;هدف توسعه و اعتبارسنجی چارچوبی تفسیرپذیر و مقررات‌محور برای پیش‌بینی ریسک ترکیبی است.<br> <strong>روش کار:</strong> در این پژوهش داده‌های مطالعه جهانی بار بیماری ۲۰۲۱ شامل نرخ استاندارد سال‌های از دست‌رفته و میانگین درصد تغییر سالانه برای ۲۰۴ کشور با جداول حدود مجاز مواجهه شغلی فومیگانت‌ها ادغام و نرمال‌سازی شده است. سیستم استنتاج فازی نوع سوگنو با سه ورودی و چهار قاعده برای بهینه‌سازی وزن‌ها و مرزهای توابع عضویت با ترکیب الگوریتم سگ دشتی و ماژول سناریوسازی آستانه‌محور به‌کار گرفته شده است. &nbsp;&nbsp;<br> <strong>یافته ها:</strong> طبق نتایج حاصل، بهینه‌سازی پیشنهادی نسبت به جست‌وجوی تصادفی موجب کاهش ۴۲ درصدی در تابع زیان شد. مقادیر میانگین خطای مطلق (006/0&plusmn; 028/0) و جذر مربعات خطا (041/0) به دست آمد. سناریوسازی آستانه‌محور پوشش نواحی پرریسک را از 62/0به 90/0و دقت شناسایی وضعیت‌های بحرانی را از 71/0 به 89/0 ارتقا داده است. شاخص انطباق با حدود مجاز شیمیایی به 93/0 رسید و حساسیت ورودی‌ها به‌عنوان عامل کلیدی تأیید شد.<br> <strong>نتیجه گیری:</strong> چارچوب پیشنهادی، هم‌زمان دقت عددی، تفسیرپذیری و همسویی با مقررات حد مجاز مواجهه شغلی را فراهم می‌کند و قابلیت استقرار در داشبورد نظارت بلادرنگ برای بنادر و کارخانجات را دارد. پیشنهاد می‌شود در آینده با ادغام حسگرهای اینترنت اشیاء و بهینه‌سازی چندهدفه، به‌روزرسانی پویا نسبت به تغییرات مقررات و شرایط عملیاتی نیز محقق شود. <strong>Introduction:</strong> Fumigant gases in maritime and container chains, along with occupational noise in marine and manufacturing industries, are among the most significant chronic risk factors. They are usually assessed separately, despite their simultaneous impact on workers&rsquo; health. The importance of this study lies in presenting an integrated approach for real-time monitoring of combined risk and aligning it with occupational exposure limits (OELs). The aim is to develop and validate an interpretable, regulation-oriented framework for predicting combined risk.<br> <strong>Material and Methods: </strong>This research integrated and normalized data from the Global Burden of Disease (GBD) 2021 study including age-standardized disability rates (ASDR) and average annual percentage change (AAPC) for 204 countries with occupational exposure limit tables for fumigants. A Sugeno-type fuzzy inference system with three inputs and four rules was designed. Weights and membership function boundaries were optimized using the Prairie Dog Optimization algorithm, and a threshold-based scenario generation module was applied to produce high-risk synthetic data. Model performance was evaluated through an OEL compliance test.<br> <strong>Results:</strong> Findings revealed that the proposed optimization reduced the loss function by 42% compared to random search. The mean absolute error (0.028 &plusmn; 0.006) and root mean square error (0.041) were obtained. Threshold-based scenario generation improved data coverage in high-risk regions from 0.62 to 0.90 and increased the accuracy of critical condition detection from 0.71 to 0.89. The OEL compliance index reached 0.93, confirming input weighting as the most influential factor.<br> <strong>Conclusion: </strong>The proposed framework simultaneously ensures numerical accuracy, interpretability, and regulatory compliance with occupational exposure limits. It can be deployed within real-time monitoring dashboards for ports and factories. Future research should integrate IoT sensors and multi-objective optimization to enable dynamic updates in response to evolving regulations and operational conditions. سناریوسازی آستانه‌محور, بیماری ناشی از نویز شغلی, حدود مجاز تماس شیمیایی, فاکتورهای انسانی حوادث Threshold-based scenario generation, Occupational noise-induced illness, Occupational exposure limits, Human factors in accidents 485 500 http://jhsw.tums.ac.ir/browse.php?a_code=A-10-1-233&slc_lang=other&sid=1 Hosein Esmaeili حسین اسمعیلی No Department of Industrial Management, Science and Research Branch, Islamic Azad University, Tehran, Iran واحد مدیریت صنعتی، دانشگاه علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران Mohammad Ali Afsharkazemi محمدعلی افشارکاظمی moh.afsharkazemi@iauctb.ac.ir Yes Department of Industrial Management, Science and Research Branch, Islamic Azad University, Tehran, Iran واحد مدیریت صنعتی، دانشگاه علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران Reza Radfar رضا رادفر No Department of Industrial Management, Science and Research Branch, Islamic Azad University, Tehran, Iran واحد مدیریت صنعتی، دانشگاه علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران Nazanin Pilevari نازنین پیله‌وری No Department of Industrial Management, Science and Research Branch, Islamic Azad University, Tehran, Iran واحد مدیریت صنعتی، دانشگاه علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران