עתיד הנדסת בטיחות עם שילוב של Big Data Analytics

עתיד הנדסת בטיחות עם שילוב של Big Data Analytics

הנדסה בטיחותית תמיד הייתה משמעת שנבנתה על ציפייה ומניעה.מבדיקה במפעלים המוקדמים לניתוח סיכונים מתקדם במערכת המודרנית, המטרה נותרה ללא שינוי: להגן על אנשים, רכוש, והסביבה מפני נזק.אבל, הכלים הזמינים כדי להשיג מטרה זו השתנו באופן דרמטי.העלייה של ניתוח נתונים גדול הופכת את הנדסת בטיחות מתפקוד פעיל, מונע עמידה מתמדת לתוך תרגול מנטלי, מתפעל על ידי רתום עצום של מהנדסים וגילויי נתונים, אשר כבר לא נראים, לפני שהם יכולים להתרחש בעבר, לזהות לפני כן, לפני כן, הם יכולים להתרחש, חיזוי נתונים, לפני כן, חיזוי נתונים, כי הם יכולים להתרחש, לפני כן, גילוי נתונים, כי הם יכולים להתרחש, חיזוי נתונים בלתי נראים, לפני כן, כי הם יכולים להתרחש, כי הם יכולים להתרחש, חיזוי, חיזוי, לפני כן, חיזוי, לפני כן, לפני כן, חיזוי, חיזוי, חיזוי נתונים, חיזוי, חיזוי, חיזוי נתונים, לפני חיזוי נתונים בלתי נראים, לפני כן, כי הם יכולים להתרחש, כי הם יכולים להתרחש, תחזיות, לפני חיזוי נתונים, לפני כן, לפני תחזיות, לפני כן, לפני תחזיות, לפני כן, חיזוי נתונים בלתי נראים, חיזוי נתונים בלתי נראים, כי הם יכולים

מאמר זה בוחן את האופן שבו ניתוח נתונים גדול מעצב מחדש את עתיד הנדסת בטיחות.אנו נבחן את מושגי הליבה, יתרונות מרכזיים, מגמות מתפתחות, יישומים בעולם האמיתי ואת האתגרים כי ארגונים חייבים לנווט כדי לפתוח את מלוא הפוטנציאל של הטכנולוגיה הזו.הדיון הוא מושרש בדוגמאות מעשיות ומחקר בתעשייה, המציע מפת דרכים לאנשי מקצוע בתחום הבטיחות, מדעני נתונים ומנהיגים עסקיים כאחד.

הבנת Big Data Analytics בהנדסת בטיחות

ניתוח נתונים גדול מתייחס לתהליך איסוף, עיבוד וניתוח נתונים גדולים ומגוונים כדי לחשוף דפוסים, קורלציה ותובנות.בהנדסת בטיחות, יכולת זו מוחלת על זרמי נתונים מחיישנים, יומני ציוד, צגים סביבתיים, דוחות אירועים, ואפילו מקורות לא מבנים כמו קטעי וידאו או הערות תחזוקה. במקום להסתמך על בדיקות תקופתיות או על בדיקות היסטוריות, צוותי בטיחות יכולים כעת לפקח על מצבים מסוכנים של זמן סטטיסטי והסתברותי של אירועים מסוכנים של מודלים סטטיסטיים.

מה הופך את נתוני הבטיחות ל"גדולים"?

נתונים הקשורים לבטיחות הופכים להיות יותר ויותר תנודתיים, גבוהים, ומגוון. מתקן תעשייתי יחיד עשוי לייצר terabytes של נתונים מדי יום מחיישנים רטט, מד טמפרטורה, משדרי לחץ, וחילופי בטיחות.כאשר מכפילים על פני מפעל, הסקאלה הופכת להיות עצומה.זהו גם רגיש לזמן: עלייה פתאומית בטמפרטורה או סטייה בלחץ עשוי להצביע על כשל מתקרב פלטפורמות אלה, נועדו לנתח את המהירות הנדרשת כדי לאחסן.

מקורות מפתח של בטיחות

הנדסה מודרנית שואבת נתונים ממספר קטגוריות:

• חיישנים של IoT תעשייתיים: FLT:1 ויברציה, טמפרטורה, לחץ, זרימה וחיישנים קרביים על מכונות ותשתיות.
• (FLT:0) צגים של חיל האוויר: גלאי גז 1 (Galders) 1 (Galders) , חיישני איכות האוויר, מפלס רעש, צגים קרינה.
• (ב) ⁇ חכמה (ב) ⁇ חכמה (ב) , שרידים עם חיישנים ביומטריים, עוקבים במיקום וגילויי נפילה.
• (FLT:0) ניתוחי וידאו: איורFLT:1 , מצלמות מצוידות בראייה ממוחשבת כדי לזהות התנהגויות לא בטוחות, חסרות PPE או גישה בלתי מורשית.
• (ב) ⁇ תפעול: ⁇ 1 (FLT) 1 תחזוקת רשומות, דוחות משמרות, חקירות אירועים והיסטוריית אימונים.
• (ב) תחזיות מזג אוויר:0) תחזיות מזג אוויר: 1FLT:1, סקרים גיאולוגיים, דפוסי תנועה ואזהרות בטיחות הציבור.

שילוב מקורות מגוונים אלה לתוך צינור ניתוח מאוחדת הוא מה שמאפשר נוף הוליסטי של סיכונים בטיחות.

היתרונות העיקריים של Integrating Big Data

שילוב של ניתוח נתונים גדול להנדסה בטיחות מספק מגוון של יתרונות קונקרטיים אשר להפחית ישירות תאונות, עלויות נמוכות יותר ולשפר את הציות.

תחזוקה חיזוי

תחזוקה חיזויית היא אחת האפליקציות הבוגרות ביותר של נתונים גדולים בבטיחות.על ידי ניתוח נתוני חיישן היסטורי ומודלים למידת מכונה, מהנדסים יכולים לצפות כאשר מרכיב עשוי להיכשל.זה מאפשר תחזוקה להיות מתוכנן בזמנים אופטימליים, הימנעות מעיכובים בלתי מתוכנן למנוע תקלות קטסטרופליות שעלולות לסכן עובדים.לדוגמה, בתעשיית התעופה, מנועי מצוידים עם אלפי חיישנים שמעבירים ביצועים בזמן אמתיטיסים את השימוש בתבניות ניתוח מוקדם של תאונות דרכים, כמו למשל, או ירידה, כמו גם בטמפרטורות חריגות, או ירידה, כמו למשל, או ירידה לא סדירות, כמו גם בטמפרטורות חריגות, כמו גם בטמפרטורות לא נורמליות, כמו למשל, כמו גם בטמפרטורות לא נורמליות, למשל, כמו גם בטמפרטורות לא נורמליות, למשל, למשל, כמו גם במקרים של גורמות להחלפת תופעות לוואי לא נורמליות, כמו גורמות להחלפת גורמות להחלפתן, או ירידה בטמפרטורות לא סדירות, כמו גורמות להורדת גורמות להפחתה מוקדמת, כמו גורמות לעיכובים, למשל, במקרים של גורמות לתקלות, במקרים של גורמות לעיכובים, במקרים של הפחתה מוקדמת של גורמות לתקלות, למשל, במקרים של גורמות לעיכובים

מעקב בזמן אמת וזיהוי אנומלי

ניטור רציף של תנאי בטיחות באמצעות מערכות נתונים גדולות מאפשר זיהוי מיידי של אנמפוליסות. צמח כימי, למשל, יכול להשתמש אלגוריתמי למידת מכונה כדי לבסס תבניות בסיס לטמפרטורה, לחץ, וזרימה את שערי הכורים שלה.כאשר חיישן קורא deviates מעבר לסף למד, התראה אוטומטית מופעלת, המאפשרת למפעילים להתערב לפני שחרור או פיצוץ מתרחשת בטיחות מבדיקות תקופתיות למצב של מעקב קבוע.

שיפור החלטות-היתר באמצעות תובנות של Data-Driven

מנהיגים בטיחותיים לעתים קרובות להתמודד עם שינויים קשים בסחר: להשקיע בחסמים נוספים, לעדכן את ההכשרה, לשנות תהליכים או לפרוס טכנולוגיה חדשה. Big Data Analytics מספק ראיות אמפיריות לתמיכה בהחלטות אלה.על ידי העברת נתונים של אירועים עם פרמטרים תפעוליים, ארגונים יכולים לזהות אילו גורמים למעשה לתרום סיכון.לדוגמה, חברת כריית עשויה לנתח נתוני שימוש, נתונים גיאוטכניים, ודיווחי אירועים כדי לגלות כי דפוסי שינוי מסוימים עם שיעורי תגובה ממוקדים, כגון התנגשויות, כגון דחפים מתקדמים, , , , התאמות, פרוצדורות, פרוצדורות, פרוצדורות, כגון פרוצדורות, בדיקות בקרה גבוהה יותר, בדיקות בקרה או פרוצדורות, פרוצדורות, כגון פרוצדורות עבודה.

פתרונות בטיחות מוסמכים

לא כל מקומות העבודה להתמודד עם אותם סיכונים. Big Data מאפשר התאמה אישית של אמצעי בטיחות המבוססים על דפוסים ספציפיים במתקן מסוים, צוות, או אפילו עובד יחיד. Ergonomy סיכונים יכול להיות מותאם אישית באמצעות נתונים של עונדים כי לעקוב אחר יציבה, תנועה, כוח הפעלת כוח.אם עובד מסוים לעתים קרובות מניח תנודות מסוכנות בעת הסרת, המערכת יכולה להמליץ על אימון ממוקד או להציע כלי בטיחות שונה, באופן דומה פרוטוקולים יכולים להיות דינמית על מצבים כגון לשפוך נתונים בזמן אמת.

כיצד נתונים גדולים נאספים ומעבדים בהנדסת בטיחות

הפיכת נתונים גולמיים לתובנות בטיחותיות ניתנות לפעולה דורש איסוף רב עוצמה ותשתיות עיבוד.התתתת לסעיף הבא מתאר את טכנולוגיות ושיטות המפתח.

חיישנים ו- Edge Computing

האינטרנט של דברים (IoT) חיישנים יוצרים את עמוד השדרה של רוב מערכות אבטחת המידע הגדולות.המכשירים האלה פרוסים על ציוד, בסביבות, ועל אנשים.כדי להתמודד עם נפח הנתונים שנוצר, מחשוב קצה מועסק לעתים קרובות: נתונים גולמיים מעובדים באופן מקומי על שער או בקר ליד החיישנים, מסנן רעש ומעבירים רק אותות רלוונטיים לפלטפורמה מרכזית.

וידאו Analytics וחזון מחשב

מצלמות וידאו הן כלולות בהגדרות תעשייתיות, אבל ניטור ידני הוא לא מעשי בקנה מידה. אלגוריתמים ראיית מחשב יכולים לנתח להאכיל וידאו כדי לזהות הפרות בטיחות באופן אוטומטי. יישומים נפוצים כוללים זיהוי עובדים שנכנסו לאזור מוגבל, לזהות כובעים קשים או משקפי בטיחות חסרים, ולעקוב אחר התנהגויות לא בטוחות כגון ריצה או הרמת לא נכונה. חלק מהמערכות יכולות אפילו לעקוב אחר המסלול של ציוד נעים להזהיר אם התנגשות עם יכולות אלה היא הולכי רגל או טמפרטורות דינמיות במיוחד.

לבידור וביומטרי

טכנולוגיה לבישת התקדמה במהירות, מציידת עובדים עם חיישנים שעוקבים אחר קצב הלב, טמפרטורת הגוף, רמות העייפות ואפילו חשיפה גז רעילה.במגזרים כמו כרייה או כיבוי אש, מכשירים אלה יכולים לשלוח התראות כאשר הסימנים החיוניים של העובד מצביעים על לחץ חום או פליטה. מעקב אחר מחזורי מיקום גם עוזר פינויים על ידי הצגת המיקום המדויק של כל אדם במתקן.

מגמות עתידיות בהנדסת בטיחות ניתנות על ידי Big Data

ההתכנסות של נתונים גדולים עם טכנולוגיות חדשניות אחרות תמשיך לדחוף את הגבולות של מה שהנדסת בטיחות יכולה להשיג.כמה מגמות כבר גלויות באופק.

שילוב עמוק עם אינטליגנציה מלאכותית ולמידה של מכונות

בעוד שמערכות נוכחיות משתמשות בזיהוי פשוט, פלטפורמות בטיחות עתידיות ישתמשו במודלים של בינה מלאכותית מתוחכמת שיכולים לעבד מספר זרמים של נתונים במקביל לחיזוי תרחישים מורכבים של כשלים.לדוגמה, מודל למידה עמוק עשוי לשלב נתונים של חיישן, תנאי מזג אוויר, וגורמים אנושיים כדי לחזות את ההסתברות של התמוטטות ערומה באתר בנייה.מודלים אלה יהפכו מדויקים יותר לאורך זמן, כמו שהם מפספסים נתונים ולומדים קרוב, לא רק מקרים של מעקב אוטומטי, כמו למשל, כמו למשל, כמו גם רזולוציה של אבטחה אוטומטית, או למערכות אבטחה, או , כמו גם , כמו הפעלת מערכת אבטחה אוטומטית, או , כמו הפעלת מערכת אבטחה אוטומטית, כמו הפעלת מערכת אבטחה, או , כמו הפעלת לחץ על ידי מעקב אחר כך , או , או לנטרל יותר ויותר מדויק יותר ויותר.

הרחבת האינטרנט של הדברים (IoT)

מספר המכשירים המחוברים בסביבות תעשייתיות צפוי לגדול באופן אקספוננציאלי.חיישנים חכמים יוטבעו בכל דבר ממגרעות לציוד הגנה אישי.התפוצה הזו תייצר אפילו נתונים עשירים יותר, מה שיאפשר הערכות סיכון מחוסנות יותר. לדוגמה, לוחות ריצוף הלחץ עלולים לזהות את המיקום המדויק של עובדים ביחס למכונות כבדות ולתקני בטיחות דינמית.

תאומים דיגיטליים לסילוק בטיחות

תאום דיגיטלי הוא העתק וירטואלי של נכס פיזי, תהליך או מערכת המתעדכן ללא הרף עם נתונים בזמן אמת.מהנדסי בטיחות יכולים להשתמש תאומים דיגיטליים כדי להפעיל "מה אם" תרחישים מבלי לחשוף מישהו לסכנה.לדוגמה, זיכוך יכול לדמות תרחיש דליפה, לבחון אסטרטגיות תגובה שונות והתבוננות בתוצאות בסביבה בטוחה, וירטואלית.

שיפור הויזואליזציה והמציאות המוגברת

נתונים גדולים שימושיים רק אם ניתן להבין במהירות.לוחיות בטיחות עתידיות ימנף מציאות מוגברת (AR) כדי למנוע מידע סיכון על שדה הראייה של העובד.טכנאי תחזוקה עם משקפי AR יכול לראות את מרחק העבודה הבטוח מפאנל גבוה מתחודד המודגש ירוק או אדום על בסיס נתונים קרבה בזמן אמת.

פרטיות ואבטחה

כמו מערכות בטיחות לאסוף נתונים אישיים יותר (למשל, מיקום, ביומטריות, מדדי ביצועים), חששות הפרטיות יגבירו את מסגרות הביטול כגון GDPR באירופה וחוקים מתעוררים באזורים אחרים דורשים הסכמה מפורשת וממשל נתונים קפדני. מהנדסי בטיחות חייבים לעבוד עם צוותי דין ו- IT כדי לקבוע מדיניות ברורה על בעלות, שמירה, ואנונימיות.

אתגרים ושיקולים

למרות הבטחתו, השילוב של ניתוח נתונים גדול להנדסת בטיחות אינו ללא מכשולים. ארגונים חייבים להתמודד עם אתגרים אלה כדי להימנע מהשקעה מבוזבזת או לא לשנות תוצאות שליליות.

איכות נתונים וגמישות

Analytics הוא רק טוב כמו הנתונים המזינים אותם.בהגדרות תעשייתיות רבות, חיישנים יכולים לנסח, להפוך לפגום, או להיכשל לחלוטין.גורמים סביבתיים כמו אבק, חום, או לחות יכולים להשפיע על קריאה.לא שלם או לא מדויק נתונים מוביל חיובי כוזב ושלילים כוזבים, קידוד אמון במערכת.ניהול איכות נתונים ריגוריבית קבועה, או צלב עם חיישנים כוזבים, וניקוי נתונים לא ניתן לטיהור.

עלויות השקעה ראשוניות

חלוקת תשתיות IoT, פלטפורמות נתונים, תוכנות ניתוח, ותוכניות הכשרה דורשות הון משמעותי. אגודות בטיחות קטנות ובינוניות עלולות להיאבק להצדיק את ההוצאות, במיוחד כאשר ההחזר על ההשקעה נמדד במקרים בלתי נמנעים שייתכן שלא התרחשו מעולם.עם זאת, העלות של לא שיפור הבטיחות יכולה להיות אפילו גבוהה יותר, כולל קנסות, תביעות, נזקי מוניטין ואובדן חיים.

פרטיות נתונים ודאגות מוסריות

לבישים ומפקחים ביוגרפיים יכולים להרגיש פולשניים לעובדים.אם הנתונים משמשים משמעת או לסיים עובדים, זה יכול ליצור אקלים של חוסר אמון. מערכות בטיחות חייבות להיות מתוכננות עם שקיפות וקלט עובד.הפרקטיקה הטובה ביותר כוללת נתונים אנונימיים שבו ניתן, להתמקד במגמות מצטברות ולא מעקב פרטני, ולקבל הסכמה מושכלת.

קיצור של Skilled Workforce

הגדלת ניתוח נתונים גדול להנדסת בטיחות דורש אנשי מקצוע אשר מבינים את שני התחומים: מדעי נתונים והנדסה בטיחות. כישרון חוצה תחומי כזה הוא נדיר.חברות עלולות להיות צריכות להשקיע במיומנות של מהנדסי בטיחות קיימים בטכניקות ניתוח נתונים, או לשכור מדענים נתונים ול להכשיר אותם על עקרונות בטיחות.שיתוף פעולה בין צוותי בטיחות ומחלקות IT הוא גם קריטי.

יישומים אמיתיים ומקריות

כדי לבסס את הדיון, הנה כמה דוגמאות של כמה ניתוח נתונים גדול כבר מיושם בהנדסת בטיחות על פני תעשיות שונות.

גילוי: Proactive Hazard

אתרי בנייה גדולים הם מסוכנים לשמצה בשל העברת ציוד, גבהים, ותנאים משתנים.קבלן אחד גדול פרס חיישני IoT על ערניים, מחפרים ומבנים זמניים, בשילוב עם מצלמות ראיית מחשב.המערכת יצרה ג'מונס סביב ציוד ושלחה התראות כאשר עובדים נכנסו לאזורים לא בטוחים.במשפט בן שישה חודשים, מספר התקריות של ליד-כ-40%, ולא היו נפגעים רציניים גם נתונים שנחשפו כי הם בעלי סיכון גבוה לזרימה.

נפט וגז: פילין Leak Detection

קווי הובלה של שמן או גז מהווים סיכונים דליפות קטסטרופליים. ניטור מסורתי מסתמכ על לחץ וחיישנים זרימה, אבל דליפות קטנות יכולות ללכת ללא חתומה במשך שעות. מפעיל מרכזי ייושם פלטפורמה גדולה נתונים המשלבת חיישנים אקוסטיים, ניתוח תמונות לוויין, ונתונים מזג אוויר כדי לזהות אלגוריתמים.מכונה אלגוריתמים זיהו דפוסים הקשורים קורוזיון, תנועה קרקעית והתערבות של צד שלישי.

בריאות: בטיחות החולה ומניעת הנפילה

בתי חולים מתמודדים עם אתגרים ייחודיים של בטיחות, במיוחד חולים נופלים וטעויות תרופות.רשת אחת של בית החולים תרמה חיישנים בעלי סיכון גבוה ליפול, יחד עם מצלמות זיהוי בסתיו בחדרים.הנתונים ניתחו בזמן אמת כדי לחזות אילו חולים היו בסיכון הגבוה ביותר לנסות לצאת מהמיטה ללא ביטחון.קליג'רס קיבלו התראות במכשירים הניידים שלהם, המאפשרות התערבות בזמן בשנה, ירידה בשיעור של 30%, וירידה בחומרה, וירידה משמעותית.

התפקיד של אינטגרציה נתונים

כדי לממש את הפוטנציאל המלא של נתונים גדולים בהנדסה בטיחות, ארגונים זקוקים לאדריכלות מרכזית שיכולה למקם נתונים ממקורות מרובים, לעבד אותו, ולהפוך אותו נגיש יישומים שונים ומחונים.זהו המקום שבו פלטפורמות אינטגרציה נתונים הופכות קריטיות. פלטפורמה גמישה מאפשרת למהנדסי בטיחות לחבר חיישנים, מסדי נתונים, ו- API של צד שלישי ללא התאמה אישית לכל מקור נתונים חדש.

APIs and Headless Architecture

שילוב נתונים מודרני לעתים קרובות מסתמכ על גישה ללא ראש, שבו שכבת הנתונים לאחור מתבטלת מהמצגת הקדמית מקצה לקצה.זה מאפשר לארגונים לספק תובנות בטיחות באמצעות ערוצים מרובים: מחשב נייד, אפליקציה ניידת לעובדים בשטח, או אפילו צ'אט עבור שאילתות. APIs לשמש כדבק המאפשר מערכות שונות לתקשר. לדוגמה, פלטפורמת בטיחות עשויה להשתמש ב- API כדי למשוך נתונים מאוויר, או אפילו צ'אטאטאט עבור שירות פנימי, מאפשר גישה לאבטחת נתונים.

פלטפורמות המציעות ניהול נתונים מובנה, כגון מערכות ניהול תוכן ללא ראש או מרכזי נתונים, יכולות לייעל את תהליך האינטגרציה.הם מספקים מקור יחיד של אמת עבור נתוני בטיחות, לאפשר בקרת גישה בטוחה, ולתמוך עדכונים בזמן אמת על פני מכשירים.בחירת הפלטפורמה הנכונה היא החלטה אסטרטגית המשפיעה על יכולת הדרגתית ועל יכולת התחזוקה של מערכת האקולוגית הבטיחות כולה.

שיקולים מוסריים ומשפטיים

להנדסת בטיחות תמיד היה מימד אתי חזק - החובה להגן על החיים. ביג נתונים מציגה שאלות אתיות חדשות.לדוגמה, אם מודל חיזוי מראה כי קבוצה מסוימת של עובדים צפויה להיות מעורבים בתאונות, האם זה מוסרי להקצות אותם למשימות בסיכון נמוך יותר?החלטות כאלה חייבות להתבצע באופן שקוף וללא אפליה.

הכנת העתיד: פיתוח סקיל ושינוי תרבותי

טכנולוגיה לבדה לא יכולה להפוך את הנדסת בטיחות.ארגונים חייבים להשקיע גם באנשים ובתרבות אשר ישתמשו בכלים האלה.מהנדסי בטיחות צריכים הכשרה בתחום האוריינות, חשיבה סטטיסטית, ותכנות בסיסיות של נתונים צריכים חשיפה לעקרונות בטיחות, כגון זיהוי סיכונים והערכה לסיכון. צוותי ניהול תפקודיים צריכים להיות מבוססים, שם בטיחות, IT ומומחים נתונים לשתף פעולה על פרויקטים.

מחויבות מנהיגות היא קריטית.ניתוח בטיחות צריך להיות מוצג כאפשרות של חזון Zero Harm, לא ככלי מעקב. תקשורת רגילה של הצלחות - כגון מניעת אירועים או מופחתת זמן - עוזר לבנות רכישה בכל רחבי הארגון.

מסקנה

שילוב של ניתוח נתונים גדול אינו אפשרות רחוקה להנדסת בטיחות; זה קורה עכשיו.מתחזוקה צפויה בתעופה למניעת נפילה בזמן אמת בבתי חולים, גישות מונעות נתונים כבר חוסכות חיים וצמצום עלויות.כפי שרשתות החיישן מתרחבות, AI הופך מתוחכם יותר, ותאומים דיגיטליים בוגרים, הפוטנציאל לניהול בטיחות פרואקטיבית רק יגדל.

(הופנה מהדף ההרחבה של ה-[[1924]], [[1924]]]]]] ו[[1924]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]], [[1924]]]], [[1924]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]] ב[[1924]], [[1924]], [[1924]], [[1924]], [[1924]], [[1924]]]], [[[[1924]]]], [[[[1924]]]]]] ב[[1924]]]], [[[[1924]]]]]], [[[[1924]]]]]], [[[[1924]]]]]]]] [[[[[[1924]]]]