چگونه از داده‌های HSE برای پیش‌بینی ریسک استفاده کنیم؟
خلاصه مقاله
خیلی از سازمان‌ها بعد از حادثه بیدار می‌شوند،
اما مدیر HSE بالغ باید قبل از حادثه نشانه‌ها را ببیند.
واقعیت این است که در اغلب سایت‌های نفت، گاز و پتروشیمی، داده کم نیست.
بازدیدهای میدانی انجام می‌شود، شبه‌حادثه‌ها ثبت می‌شوند، مجوزهای کار صادر می‌شوند، ممیزی‌ها انجام می‌شوند و حوادث هم بررسی می‌شوند.
اما مشکل اصلی اینجاست:
داده‌ها وجود دارند، ولی به زبان پیش‌بینی ریسک ترجمه نمی‌شوند.
یعنی سازمان بارها نشانه‌های هشدار را می‌بیند، اما آن‌ها را کنار هم نمی‌گذارد.
نتیجه این می‌شود که ریسک، قبل از تبدیل شدن به حادثه، دیده نمی‌شود؛
در حالی که معمولاً حادثه بزرگ، از قبل خودش را در قالب انحراف‌های کوچک، شبه‌حادثه‌ها، ضعف در اجرای مجوز کار، یافته‌های ممیزی و بازدیدهای تکرارشونده نشان داده است.
در این مقاله بررسی می‌کنیم چگونه داده‌های روزمره HSE را از حالت آرشیوی و گزارشی خارج کنیم و به ابزاری برای پیش‌بینی ریسک، شناسایی الگوهای هشدار و تصمیم‌سازی مدیریتی تبدیل کنیم.
چرا پیش‌بینی ریسک از روی داده‌های HSE برای مدیران مهم است؟
در بسیاری از سازمان‌ها، HSE هنوز بیشتر واکنش‌محور است تا پیش‌نگر.
یعنی:
- حادثه رخ می‌دهد، بعد تحلیل می‌کنیم
- انحراف شدید می‌شود، بعد پیگیری می‌کنیم
- تکرار اتفاق می‌افتد، بعد حساس می‌شویم
اما در مدیریت بالغ HSE، سؤال اصلی این نیست که:
- «چه حادثه‌ای رخ داد؟»
سؤال اصلی این است:
- «چه نشانه‌هایی قبل از حادثه وجود داشت که ما آن‌ها را به‌موقع ندیدیم یا جدی نگرفتیم؟»
پیش‌بینی ریسک یعنی استفاده از داده‌های موجود برای دیدن:
- روندهای ضعیف‌شدن کنترل
- انباشت انحراف‌ها
- تمرکز ریسک در یک واحد، یک پیمانکار، یک شیفت یا یک نوع فعالیت
- و نشانه‌هایی که می‌گویند احتمال یک رخداد ناخواسته در حال بالا رفتن است
منظور از پیش‌بینی ریسک دقیقاً چیست؟
پیش‌بینی ریسک به این معنا نیست که ما با قطعیت بگوییم:
- «در روز مشخص، ساعت مشخص، حادثه مشخص رخ خواهد داد.»
در HSE، پیش‌بینی ریسک بیشتر یعنی:
- شناسایی زودهنگام الگوهای هشدار
- تشخیص افت کیفیت کنترل‌ها
- دیدن تمرکز انحراف‌ها در نواحی حساس
- شناسایی شرایطی که احتمال رخداد را بالا می‌برند
- و ترجمه این نشانه‌ها به اقدام مدیریتی قبل از وقوع حادثه
پس پیش‌بینی ریسک، بیشتر از جنس هشدار زودهنگام است تا پیش‌گویی.
چرا داده‌های HSE معمولاً به پیش‌بینی ریسک منجر نمی‌شوند؟
1) داده‌ها جدا از هم دیده می‌شوند
بازدید یک جا ثبت می‌شود،
شبه‌حادثه جای دیگر،
مجوز کار در سیستم دیگری،
ممیزی در فایل جدا،
و حادثه در فرم مستقل.
در نتیجه کسی تصویر ترکیبی نمی‌بیند.
2) داده‌ها بیشتر برای ثبت جمع‌آوری می‌شوند، نه برای تحلیل
یعنی تمرکز روی این است که:
- فرم پر شود
- گزارش ارسال شود
- عدد ثبت شود
نه اینکه:
- این داده چه چیزی درباره ریسک آینده می‌گوید؟
3) طبقه‌بندی داده‌ها یکسان نیست
مثلاً یک موضوع در بازدید با عنوان «نقص حفاظ»،
در ممیزی با عنوان «عدم‌انطباق تجهیزات»،
و در حادثه با عنوان «ضعف کنترل فیزیکی» ثبت می‌شود.
وقتی زبان داده‌ها یکپارچه نباشد، تحلیل الگو سخت می‌شود.
4) داده‌ها به ریسک‌های اصلی وصل نیستند
در بسیاری از گزارش‌ها مشخص نیست کدام یافته به کدام ریسک اصلی سازمان مربوط است:
- آتش‌سوزی
- انفجار
- سقوط
- آزاد شدن انرژی
- ورود به فضای بسته
- برخورد نفر و وسیله
- تماس با مواد خطرناک
- نقص در پیمانکار
5) تمرکز بیش از حد بر تعداد است، نه معنا
مثلاً گفته می‌شود:
- 70 بازدید انجام شد
- 45 شبه‌حادثه ثبت شد
- 12 عدم‌انطباق ممیزی داشتیم
اما این آمار به‌تنهایی چیزی درباره ریسک آینده نمی‌گوید، مگر اینکه تفسیر شوند.
اصل اول: همه داده‌ها را به زبان ریسک ترجمه کنید
اولین قدم این است که داده‌های مختلف HSE را به یک زبان مشترک ترجمه کنیم.
این زبان مشترک باید ریسک‌محور باشد.
برای مثال، هر داده باید حداقل به یکی از این ابعاد وصل شود:
- ریسک اصلی
- فعالیت پرخطر
- کنترل حیاتی
- واحد یا موقعیت
- پیمانکار یا تیم
- زمان یا شیفت
- شدت بالقوه پیامد
نمونه
یک یافته بازدیدی مثل:
- «استفاده‌نشدن از مهار مناسب در کار در ارتفاع»
نباید فقط به‌عنوان یک مشاهده مستقل ثبت شود.
باید به این موارد هم وصل شود:
- ریسک اصلی: سقوط از ارتفاع
- فعالیت: کار در ارتفاع
- کنترل حیاتی: سیستم مهار سقوط
- واحد: تعمیرات یا پروژه
- شدت بالقوه: بالا
وقتی این اتصال برقرار شود، داده قابل‌استفاده برای پیش‌بینی می‌شود.
اصل دوم: به‌جای نگاه تک‌منبعی، نگاه تجمیعی داشته باشید
هیچ‌کدام از منابع داده به‌تنهایی تصویر کامل نمی‌دهند.
قدرت واقعی زمانی ایجاد می‌شود که چند منبع در کنار هم دیده شوند.
مثلاً اگر در یک واحد:
- در بازدیدها ضعف در قفل‌گذاری دیده می‌شود
- در مجوزهای کار انحراف‌های تکرارشونده وجود دارد
- در شبه‌حادثه‌ها تماس نزدیک با انرژی ثبت شده
- و در ممیزی هم ضعف در اجرای روش دیده شده
این مجموعه، یک هشدار بسیار قوی‌تر از هر کدام به‌تنهایی است.
یعنی پیش‌بینی ریسک معمولاً از انباشت نشانه‌ها به‌دست می‌آید، نه از یک عدد منفرد.
نقش هر منبع داده در پیش‌بینی ریسک
1) داده‌های بازدید میدانی
بازدیدها اگر خوب طراحی و ثبت شوند، یکی از غنی‌ترین منابع هشدار زودهنگام هستند.
بازدیدها چه چیزی را نشان می‌دهند؟
- انحراف‌های رفتاری و اجرایی
- ضعف در رعایت کنترل‌ها
- فاصله بین روش و واقعیت میدان
- تفاوت عملکرد بین شیفت‌ها، تیم‌ها یا پیمانکاران
- روند تکرار مسائل ظاهراً کوچک
ارزش پیش‌بینانه بازدیدها
اگر در بازدیدها یک نوع انحراف بارها تکرار شود،
این دیگر یک مشاهده ساده نیست؛
بلکه نشانه ضعف سیستمی یا افت کنترل است.
مثال
اگر طی سه هفته، در چند بازدید مختلف، ضعف در:
- بستن کارت مجوز کار،
- استفاده از تجهیزات حفاظت فردی،
- یا جداسازی محدوده کار
تکرار شود، این می‌تواند نشانه بالا رفتن احتمال رخداد در همان حوزه باشد.
2) داده‌های شبه‌حادثه
شبه‌حادثه‌ها یکی از مهم‌ترین منابع پیش‌بینی هستند، چون اغلب نشان می‌دهند:
رخداد تا آستانه حادثه پیش رفته، اما پیامد کامل رخ نداده است.
شبه‌حادثه‌ها چه چیزی را آشکار می‌کنند؟
- ضعف در کنترل‌های حیاتی
- آسیب‌پذیری‌های عملیاتی
- شرایطی که با یک تغییر کوچک می‌توانستند به حادثه واقعی تبدیل شوند
- محل‌های واقعی مواجهه با ریسک
اشتباه رایج
بعضی سازمان‌ها شبه‌حادثه را فقط به‌عنوان عدد مشارکت یا فرهنگ گزارش‌دهی می‌بینند،
در حالی که ارزش اصلی آن در هشدار نسبت به سناریوهای نزدیک به حادثه است.
مثال
اگر چند شبه‌حادثه در حوزه:
- dropped objects یا سقوط اشیا
- line opening یا باز کردن خطوط
- vehicle interface یا تعامل وسیله نقلیه و نفر
ثبت شود، باید آن را به‌عنوان هشدار درباره تضعیف کنترل در همان سناریو دید.
3) داده‌های مجوز کار
مجوز کار فقط یک فرم کنترلی نیست؛
در واقع یکی از بهترین پنجره‌ها برای دیدن کیفیت اجرای ریسک در عملیات روزانه است.
داده‌های مجوز کار چه چیزی را نشان می‌دهند؟
- حجم و نوع کارهای پرخطر
- نقاط پرتکرار انحراف
- ضعف در هماهنگی بین واحدها
- کیفیت بررسی قبل از کار
- رعایت‌نشدن پیش‌نیازهای حیاتی
- فشار زمانی یا عملیاتی در اجرای کار
نشانه‌های پیش‌بینانه در مجوز کار
- افزایش انحراف در یک نوع کار خاص
- افزایش موارد ناقص‌بودن گازسنجی
- افزایش تعارض بین کارهای هم‌زمان
- تکرار نقص در ایزوله‌سازی
- افزایش مجوزهای تمدیدی در شرایط پرریسک
- فاصله بین شرایط واقعی میدان و شرایط مندرج در مجوز
این‌ها می‌توانند بگویند کنترل ریسک در حال ضعیف‌شدن است.
4) داده‌های ممیزی
ممیزی‌ها اگر فقط برای انطباق استفاده شوند، ارزش آن‌ها محدود می‌شود.
اما اگر به‌عنوان داده ساختاری دیده شوند، می‌توانند ضعف‌های سیستماتیک را برای پیش‌بینی ریسک آشکار کنند.
ممیزی چه چیزی را نشان می‌دهد؟
- ضعف در فرآیندها و الزامات
- شکاف بین سیستم مکتوب و اجرای واقعی
- تکرار عدم‌انطباق‌ها
- بلوغ پایین در برخی عناصر مدیریتی
- ضعف‌های ساختاری در پیمانکار، آموزش، مدیریت تغییر یا کنترل‌های عملیاتی
ارزش پیش‌بینانه ممیزی
ممیزی‌ها بیشتر از اینکه یک انحراف میدانی لحظه‌ای را نشان دهند،
ریشه‌های سیستمی ریسک را نشان می‌دهند.
اگر بازدیدها نشانه سطح میدان باشند،
ممیزی‌ها اغلب نشانه سطح سیستم هستند.
برای شروع رشد حرفه ای روی تصویر زیر کلیک کنید:
5) داده‌های حادثه
خیلی‌ها فکر می‌کنند داده حادثه فقط برای بررسی گذشته است،
اما در واقع از آن می‌توان برای پیش‌بینی آینده هم استفاده کرد.
چگونه؟
با تحلیل این موارد:
- الگوهای تکرار
- نوع فعالیت‌های حادثه‌خیز
- واحدهای پرتکرار
- پیمانکاران پرتکرار
- کنترل‌های حیاتی شکست‌خورده
- شدت بالقوه در مقابل شدت واقعی
نکته مهم
گاهی حادثه کوچک از نظر پیامد،
از نظر شدت بالقوه بسیار بزرگ است.
اگر این بُعد نادیده گرفته شود، سازمان ممکن است هشدارهای بسیار مهم را از دست بدهد.
چگونه این داده‌ها را برای پیش‌بینی ریسک کنار هم بگذاریم؟
گام اول: یک ساختار طبقه‌بندی مشترک بسازید
تمام داده‌های بازدید، شبه‌حادثه، مجوز کار، ممیزی و حادثه باید تا حد امکان با یک ساختار مشترک برچسب‌گذاری شوند.
برچسب‌های پیشنهادی
- ریسک اصلی
- نوع فعالیت
- کنترل حیاتی
- واحد
- موقعیت
- پیمانکار
- شیفت
- شدت بالقوه
- تکرارشوندگی
- وضعیت اقدام اصلاحی
بدون این زبان مشترک، تحلیل تجمیعی بسیار ضعیف می‌شود.
گام دوم: داده‌ها را فقط به‌صورت عددی نبینید، به‌صورت الگویی ببینید
به‌جای اینکه فقط بپرسید:
- چند مورد داشتیم؟
بپرسید:
- چه چیزی دارد تکرار می‌شود؟
- کجا دارد تکرار می‌شود؟
- برای چه کسانی بیشتر تکرار می‌شود؟
- در چه نوع کاری بیشتر دیده می‌شود؟
- کدام کنترل بیشتر در حال تضعیف است؟
مثال
اگر در یک ماه:
- 5 شبه‌حادثه،
- 7 مشاهده بازدید،
- 3 انحراف مجوز کار،
- و 2 یافته ممیزی
همگی به ضعف در ایزوله‌سازی مربوط باشند،
این یک سیگنال قوی درباره افزایش ریسک است، حتی اگر هنوز حادثه جدی رخ نداده باشد.
گام سوم: به انباشت توجه کنید، نه فقط به رخداد منفرد
ریسک معمولاً از یک رخداد ناگهانی و بی‌مقدمه نمی‌آید.
اغلب از انباشت ضعف‌های کوچک شکل می‌گیرد.
این انباشت می‌تواند در این ابعاد باشد:
- انباشت در یک واحد
- انباشت در یک پیمانکار
- انباشت در یک نوع کار
- انباشت در یک کنترل حیاتی
- انباشت در یک بازه زمانی خاص
- انباشت در یک فاز عملیاتی مثل راه‌اندازی، تعمیرات اساسی یا توقف
هر جا انباشت دیده شد، باید آن را به‌عنوان ریسک در حال رشد بررسی کرد.
گام چهارم: داده‌ها را به شدت بالقوه وصل کنید
همه یافته‌ها ارزش یکسان ندارند.
یک شبه‌حادثه بدون پیامد ممکن است از نظر ریسک، مهم‌تر از چند عدم‌انطباق جزئی باشد.
بنابراین در تحلیل پیش‌بینانه باید این سؤال پرسیده شود:
- اگر این انحراف کنترل نمی‌شد، بدترین پیامد ممکن چه بود؟
این نگاه کمک می‌کند از غرق‌شدن در حجم داده جلوگیری کنیم و روی نشانه‌های با پتانسیل بالا تمرکز کنیم.
گام پنجم: شاخص‌های هشدار زودهنگام تعریف کنید
اگر قرار است پیش‌بینی ریسک عملیاتی شود، باید چند شاخص هشدار زودهنگام داشته باشیم.
نمونه شاخص‌ها
- نرخ تکرار انحراف در کنترل‌های حیاتی
- تعداد شبه‌حادثه‌های با شدت بالقوه بالا
- درصد مجوزهای کار دارای انحراف در پیش‌نیازهای حیاتی
- تعداد یافته‌های بازدید تکرارشونده در یک ریسک اصلی
- تعداد عدم‌انطباق‌های ممیزی مربوط به ریسک‌های اصلی
- نسبت افزایش داده‌های هشدار در یک واحد نسبت به دوره قبل
- تعداد منابع داده‌ای که به یک ریسک مشترک اشاره می‌کنند
این شاخص‌ها به‌جای ثبت گذشته، برای هشدار به آینده کار می‌کنند.
یک مدل عملی برای پیش‌بینی ریسک
می‌توان از یک مدل پنج‌مرحله‌ای ساده استفاده کرد:
1) جمع‌آوری
داده‌های بازدید، شبه‌حادثه، مجوز کار، ممیزی و حادثه را منظم جمع‌آوری کنید.
2) یکپارچه‌سازی
همه داده‌ها را با برچسب‌های مشترک:
- ریسک
- فعالیت
- کنترل
- واحد
- پیمانکار
- شدت بالقوه
یکپارچه کنید.
3) تحلیل الگو
روندها، تکرارها، انباشت‌ها و هم‌پوشانی بین منابع مختلف را بررسی کنید.
4) تفسیر مدیریتی
نتیجه را به زبان مدیر ترجمه کنید:
- ریسک در کجا در حال رشد است؟
- کدام کنترل در حال تضعیف است؟
- کدام واحد یا پیمانکار نیاز به مداخله دارد؟
- کجا احتمال رخداد در حال افزایش است؟
5) اقدام پیشگیرانه
تحلیل بدون اقدام، ارزش محدودی دارد.
باید بر اساس هشدارها تصمیم گرفته شود:
- بازنگری کنترل‌ها
- بازدید هدفمند
- توقف موقت فعالیت خاص
- بازآموزی
- راستی‌آزمایی میدانی
- بازبینی پیمانکار
- تقویت سرپرستی
- اصلاح فرآیند
مثال کاربردی
فرض کنید در یک سایت، در بازه یک‌ماهه این داده‌ها دیده می‌شود:
- در بازدیدها، 8 مورد ضعف در جداسازی محدوده کار ثبت شده
- در شبه‌حادثه‌ها، 3 مورد ورود نفر به محدوده پرخطر گزارش شده
- در مجوز کار، 5 مورد نقص در هماهنگی فعالیت‌های هم‌زمان دیده شده
- در ممیزی، یک عدم‌انطباق درباره کنترل کارهای هم‌زمان ثبت شده
- در حادثه‌ها، یک رخداد جزئی مرتبط با تداخل کاری وجود داشته
اگر این داده‌ها جدا دیده شوند، شاید هر کدام به‌تنهایی متوسط به نظر برسند.
اما وقتی کنار هم قرار می‌گیرند، یک پیام روشن دارند:
کنترل ریسک در مدیریت فعالیت‌های هم‌زمان در حال تضعیف است و احتمال رخداد جدی‌تر در حال افزایش است.
این همان نقطه‌ای است که مدیر HSE باید پیش از حادثه بزرگ مداخله کند.
داشبورد مناسب برای پیش‌بینی ریسک چه شکلی است؟
یک داشبورد خوب فقط نباید عدد نشان دهد.
باید هشدار و تصمیم تولید کند.
داشبورد مناسب بهتر است این پرسش‌ها را پاسخ دهد:
- کدام ریسک‌های اصلی بیشترین سیگنال هشدار را دارند؟
- کدام واحدها بیشترین تمرکز انحراف را دارند؟
- کدام پیمانکارها بیشترین الگوی تکرار را نشان می‌دهند؟
- کدام کنترل‌های حیاتی در چند منبع داده هم‌زمان ضعیف شده‌اند؟
- کدام روندها در حال بدتر شدن‌اند؟
- کجا نیاز به مداخله فوری مدیریتی وجود دارد؟
اشتباهات رایج در استفاده از داده برای پیش‌بینی ریسک
- نگاه‌کردن به هر منبع داده به‌صورت جدا
- تمرکز بر تعداد به‌جای الگو
- نداشتن طبقه‌بندی مشترک
- نادیده‌گرفتن شدت بالقوه
- توجه‌نکردن به انباشت نشانه‌ها
- تبدیل داشبورد به نمایش آمار به‌جای ابزار هشدار
- تحلیل‌نکردن تکرارها
- ندیدن ارتباط بین ضعف‌های میدانی و شکاف‌های سیستمی
- نرسیدن از تحلیل به اقدام
نقش مدیر HSE در این مسیر چیست؟
مدیر HSE باید از واحد خود فقط گزارش نخواهد؛
باید بینش پیش‌نگر بخواهد.
یعنی به‌جای این سؤال:
- چند بازدید انجام شد؟
بپرسد:
- این بازدیدها چه چیزی درباره ریسک ماه آینده به ما می‌گویند؟
به‌جای این سؤال:
- چند شبه‌حادثه ثبت شد؟
بپرسد:
- کدام شبه‌حادثه‌ها هشدار سناریوهای بزرگ‌تر هستند؟
به‌جای این سؤال:
- چند مجوز کار صادر شد؟
بپرسد:
- کدام الگوهای انحراف در مجوز کار نشان می‌دهد کنترل در حال تضعیف است؟
اینجاست که HSE از گزارش‌گری به تصمیم‌سازی نزدیک می‌شود.
جمع‌بندی
داده‌های بازدید، شبه‌حادثه، مجوز کار، ممیزی و حادثه اگر جدا، خام و صرفاً آماری دیده شوند،
بیشتر گذشته را توصیف می‌کنند.
اما اگر این داده‌ها:
- با زبان مشترک ریسک طبقه‌بندی شوند،
- کنار هم قرار گیرند،
- از نظر الگو، تکرار و انباشت تحلیل شوند،
- به شدت بالقوه وصل شوند،
- و به شاخص‌های هشدار زودهنگام تبدیل شوند،
آنگاه می‌توانند به ابزاری واقعی برای پیش‌بینی ریسک و مداخله قبل از حادثه تبدیل شوند.
مدیر HSE بالغ کسی نیست که فقط بعد از رخداد خوب تحلیل کند؛
کسی است که قبل از رخداد، نشانه‌ها را ببیند، معنا کند و برای آن‌ها تصمیم بگیرد.
تمرین و تکلیف پیشنهادی
تمرین 1: نقشه‌برداری داده‌ها
پنج منبع داده زیر را در سازمان خود فهرست کنید:
- بازدید
- شبه‌حادثه
- مجوز کار
- ممیزی
- حادثه
سپس بررسی کنید برای هر کدام آیا این برچسب‌ها ثبت می‌شود یا نه:
- ریسک اصلی
- نوع فعالیت
- کنترل حیاتی
- واحد
- پیمانکار
- شدت بالقوه
هر جا این برچسب‌ها وجود ندارد، همان‌جا یک شکاف تحلیلی دارید.
تمرین 2: تحلیل یک ریسک اصلی
یکی از ریسک‌های اصلی سازمان را انتخاب کنید؛ مثلاً:
- سقوط از ارتفاع
- آزاد شدن انرژی
- آتش‌سوزی
- فضای بسته
سپس داده‌های یک ماه اخیر را از پنج منبع بالا فقط برای همان ریسک جمع کنید و ببینید:
- چه الگوهایی تکرار شده؟
- کدام کنترل‌ها بیشتر ضعیف شده‌اند؟
- کدام واحد یا پیمانکار بیشتر درگیر است؟
تمرین 3: طراحی شاخص هشدار زودهنگام
سه شاخص هشدار زودهنگام برای سازمان خود تعریف کنید.
مثلاً:
- تعداد منابع داده‌ای که هم‌زمان به یک کنترل حیاتی ضعیف اشاره می‌کنند
- تعداد شبه‌حادثه‌های با شدت بالقوه بالا در یک واحد
- نرخ تکرار انحراف‌های مجوز کار در فعالیت‌های پرخطر
تمرین 4: بازبینی داشبورد فعلی
گزارش یا داشبورد فعلی HSE را بردارید و بررسی کنید:
- چند شاخص آن فقط شمارشی هستند؟
- چند شاخص واقعاً هشدار زودهنگام می‌دهند؟
- چند شاخص به ریسک اصلی و تصمیم مدیریتی وصل‌اند؟
تمرین 5: طراحی یک گزارش یک‌صفحه‌ای برای مدیریت
یک گزارش یک‌صفحه‌ای تهیه کنید که فقط این 5 بخش را داشته باشد:
- 3 ریسک اصلی با بیشترین سیگنال هشدار
- منابع داده‌ای که این هشدار را پشتیبانی می‌کنند
- واحد یا پیمانکار در معرض
- کنترل‌های در حال تضعیف
- اقدام مدیریتی پیشنهادی
دیدگاهتان را بنویسید
برای نوشتن دیدگاه باید وارد بشوید.