Determining the cleaning period of PV solar panels using image-processing simulation

Görüntü işleme ve simülasyon kullanılarak fotovoltaik güneş panellerinin temizlik periyodunun belirlenmesi

PDF İndir

Tez No: 1017872
Yazar: MALİK CEBRAIL
Danışmanlar: DOÇ. DR. CEYDA AKSOY TIRMIKÇI
Tez Türü: Yüksek Lisans
Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
Anahtar Kelimeler: Belirtilmemiş.
Yıl: 2026
Dil: İngilizce
Üniversite: Sakarya Üniversitesi
Enstitü: Fen Bilimleri Enstitüsü
Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
Bilim Dalı: Belirtilmemiş.
Sayfa Sayısı: Belirtilmemiş.

Özet

Küresel ölçekte artan enerji talebi ile çevresel sürdürülebilirlik ve iklim değişikliğine yönelik endişelerin yoğunlaşması, yenilenebilir enerji teknolojilerinin hızlı bir biçimde yaygınlaşmasına yol açmıştır. Fotovoltaik (PV) güneş enerjisi sistemleri; güneş ışınımından doğrudan temiz enerji üretebilme yetenekleri, modüler ve ölçeklenebilir yapıları ile çok çeşitli uygulama alanlarına uygun olmaları nedeniyle giderek daha fazla önem kazanmaktadır. Fotovoltaik sistemler, konut çatıları, ticari binalar, endüstriyel tesisler ve büyük ölçekli güneş enerjisi santrallerinde yaygın olarak kullanılmaktadır. Güneş modüllerinin verimliliği ve üretim tekniklerinde sürekli gelişmeler kaydedilmesine rağmen, gerçek işletme koşullarında fotovoltaik sistemlerin ürettiği enerji miktarı çoğu zaman katalog değerlerinin belirgin şekilde altında kalmaktadır. Bu durum, büyük ölçüde güneş panellerinin yüzeysel ve elektriksel performansını etkileyen çevresel ve işletme koşullarına bağlı değişkenlerden kaynaklanmaktadır. Kirlenme (soiling), güneş paneli yüzeylerinde toz, kum, polen, kuş dışkısı ve diğer havada taşınan partiküllerin birikmesi sonucu ortaya çıkan ve fotovoltaik verimliliği doğrudan etkileyen önemli bir çevresel faktördür. Kirlenme, gelen güneş ışınımının fotovoltaik hücrelere iletimini yüzey yansıtma ve soğurma etkilerini artırarak azaltmakta, bunun sonucunda sistemin elektriksel çıktısı zamanla kademeli olarak düşmektedir. Kirlenmenin şiddeti ve birikme hızı; coğrafi konum, meteorolojik koşullar, panel eğimi ve yönelimi, çevresel arazi kullanımı ve mevsimsel hava şartlarına bağlı olarak önemli ölçüde değişkenlik göstermektedir. Kurak ve yarı kurak bölgelerde, ayrıca kentsel ve endüstriyel alanlarda, kirlenmeye bağlı kayıplar kısa sürelerde yüksek seviyelere ulaşabilmekte ve bu durum enerji üretimi ile ekonomik sürdürülebilirlik üzerinde ciddi olumsuz etkilere yol açmaktadır. Doğrudan enerji kayıplarına ek olarak, uzun süreli kirlenme güneş modülleri üzerinde düzensiz gölgelenmeye neden olarak elektriksel uyumsuzluklara, yerel ısınmalara ve sıcak nokta (hotspot) oluşumuna yol açabilmektedir. Bu etkiler yalnızca anlık güç üretimini azaltmakla kalmayıp, uzun vadede modül bozulmasını hızlandırarak sistem ömrünün kısalmasına da neden olmaktadır. Bu nedenle, güvenilir, verimli ve ekonomik açıdan sürdürülebilir bir güneş enerjisi üretimi için kirlenmenin etkin biçimde yönetilmesi kritik öneme sahiptir. Kirlenmenin olumsuz etkilerini azaltmak amacıyla fotovoltaik sistemlerde düzenli temizlik işlemleri uygulanmaktadır. Geleneksel bakım yöntemleri genellikle sabit zaman aralıklarına dayalı temizlik programları veya manuel görsel kontroller üzerinden yürütülmektedir. Bu yaklaşımlar uygulaması kolay olmakla birlikte, panellerin gerçek kirlenme durumunu doğru bir şekilde yansıtamamaktadır. Sabit aralıklı temizlik stratejileri, rüzgâr, yağış, toz fırtınaları ve insan faaliyetleri gibi çevresel faktörlere bağlı olarak değişen, konuma özgü kirlenme dinamiklerini göz ardı etmektedir. Bu durum, gereksiz temizlik faaliyetleri nedeniyle artan su ve işçilik maliyetlerine veya gecikmiş temizlik sonucunda yüksek enerji kayıplarının devam etmesine yol açabilmektedir. Özellikle su kaynaklarının sınırlı olduğu bölgelerde, sık temizlik uygulamaları çevresel açıdan sürdürülebilir değildir. Geleneksel bakım yaklaşımlarının bu sınırlamaları, güneş panellerinin kirlenme seviyesini doğru biçimde değerlendirebilen ve gerçek işletme koşullarına dayalı uygun temizlik aralıklarını belirleyebilen akıllı, duruma bağlı bakım yöntemlerine olan ihtiyacı açıkça ortaya koymaktadır. Son yıllarda görüntü işleme teknikleri, güneş paneli yüzeylerinin temassız ve sensör bağımsız biçimde izlenmesi için umut vadeden bir yöntem olarak öne çıkmaktadır. Sayısal görüntüler, yüzey kirliliğinin tespitine olanak sağlayan zengin görsel bilgiler sunmakta; bu da görüntü tabanlı yöntemleri düşük maliyetli, ölçeklenebilir ve uygulanması kolay çözümler hâline getirmektedir. Bu tezde, MATLAB tabanlı görüntü işleme, güç kaybı modellemesi ve ekonomik analiz yöntemlerini bir araya getiren, fotovoltaik kirlenmenin değerlendirilmesi ve temizlik aralıklarının optimize edilmesine yönelik kapsamlı ve veri odaklı bir yaklaşım sunulmaktadır. Önerilen çerçeve, işletmede olan bir PV sisteminden elde edilen gerçek güneş paneli görüntüleri ve deneysel elektriksel performans verileriyle çalışacak şekilde tasarlanmıştır. İlave fiziksel sensörlere ihtiyaç duymaması sayesinde, hem çatı tipi hem de büyük ölçekli güneş enerjisi sistemleri için pratik ve ekonomik bir çözüm sunmaktadır. Önerilen metodolojinin temelini görüntü tabanlı analiz oluşturmaktadır. Gerçek iklim ve işletme koşulları altında çalışan bir çatı tipi fotovoltaik sistemden yüksek çözünürlüklü panel görüntüleri elde edilmiştir. Görüntü veri seti, aynı çevresel koşullar altında yönelime bağlı kirlenme davranışının incelenebilmesi amacıyla farklı yönelimlerde konumlandırılmış panelleri içermektedir. Analiz öncesinde tüm görüntüler, dayanıklılığı ve tutarlılığı artırmak amacıyla bir dizi ön işleme adımından geçirilmiştir. Bu adımlar; hesaplama karmaşıklığını azaltmak için gri seviye dönüşümü, yüksek frekanslı gürültülerin giderilmesi ve değişken aydınlatma koşullarının etkisini azaltmak amacıyla kontrast normalizasyonunu kapsamaktadır. Bu işlemler, aydınlatma ve kamera kaynaklı etkileri bastırırken yüzey kirliliğiyle ilişkili görsel özelliklerin belirginleştirilmesini sağlamaktadır. Ön işleme aşamasının ardından, fotovoltaik panel yüzeylerinde kirlenmenin görsel etkilerini nicel olarak tanımlamak amacıyla çoklu özellik çıkarımı yaklaşımı uygulanmıştır. Toz birikimi ve yüzey bozulmasıyla ilişkili ortalama parlaklık, görüntü kontrastı, kenar yoğunluğu, histogram tabanlı istatistiksel özellikler, doku entropisi ve yerel ikili örüntü (LBP) düzgünlüğü gibi çeşitli görsel nitelikler elde edilmiştir. Bu özelliklerin her biri, kirlenmenin farklı bir fiziksel yansımasını temsil etmektedir. Toz birikimi yüzey yansıtırlığını azaltarak parlaklık değerlerinin düşmesine neden olurken, panel ızgara çizgileri ve yüzey dokularının örtülmesi kenar yoğunluğu ve kontrastın azalmasına yol açmaktadır. Düzensiz toz dağılımı ise entropi ve doku tabanlı özelliklerle nicel olarak ifade edilen heterojen doku desenleri oluşturmaktadır. Birden fazla tamamlayıcı özelliğin bir arada kullanılması sayesinde, hem homojen hem de yerel kirlenme durumlarının güvenilir biçimde tespit edilmesi sağlanmaktadır. Elde edilen tüm özellikler normalize edilerek, panel temizliğini açık ve yorumlanabilir biçimde ifade eden tekil bir nicel ölçüt olan Kirlenme İndeksi (Soiling Index, SI) altında birleştirilmiştir. Kirlenme İndeksi, panel yüzeyindeki kirlenme seviyesini standart bir ölçekte tanımlayarak farklı paneller, yönelimler ve gözlem süreleri arasında doğrudan karşılaştırma yapılmasına imkân tanımaktadır. Sürekli bir indeks kullanılması, zaman içinde kirlenme birikimindeki kademeli değişimlerin izlenmesini mümkün kılmakta ve ikili ya da kategorik sınıflandırmalara kıyasla daha ayrıntılı bir değerlendirme sunmaktadır. Görüntü tabanlı Kirlenme İndeksi'nin fiziksel anlamlılığı ve güvenilirliği, gerçek fotovoltaik çıkış ölçümlerinden elde edilen güç temelli kirlenme göstergeleri ile karşılaştırılarak doğrulanmış; yüzeydeki görsel bozulma ile elektriksel performans kaybı arasında güçlü bir ilişki olduğu ortaya konmuştur. Önerilen çerçevenin ikinci ana bileşeni, kirlenme şiddeti ile güneş enerjisi güç kaybı arasındaki ilişkinin modellenmesini kapsamaktadır. Kirlenme İndeksi ile ölçülen güç düşüşü arasındaki bağıntıyı nicel olarak ifade etmek amacıyla regresyon modelleri geliştirilmiştir. Bu modeller, görüntü tabanlı kirlenme verileri kullanılarak günlük güç kayıplarının doğrudan tahmin edilmesine olanak sağlamaktadır. Modelleme süreci; zamanla artan kirlenme birikimi, çevresel değişkenlik ve yağış gibi hava olaylarının neden olduğu kısmi doğal temizlenme etkilerini dikkate alarak uzun süreli işletme koşullarını gerçekçi biçimde yansıtmaktadır. Temizlik işlemleri ise, bakım sonrası panellerin yeniden kazandığı temizliği temsil edecek şekilde Kirlenme İndeksi'nin sıfırlanmasıyla modellenmiştir. Çalışmanın son aşamasında, fotovoltaik temizlik sistemleri için uzun vadeli modelleme ve maliyet optimizasyonu gerçekleştirilmiştir. Farklı temizlik aralıkları, uzun bir zaman periyodu boyunca simüle edilerek güç kaybı, enerji kaybı ve toplam işletme maliyetleri üzerindeki etkileri analiz edilmiştir. Her bir temizlik stratejisi için günlük ve kümülatif enerji kayıpları, panel anma gücü ve tipik güneş ışınımı koşulları esas alınarak hesaplanmıştır. Kirlenmenin ekonomik etkisi, enerji kayıplarının elektrik tarifeleri kullanılarak parasal kayba dönüştürülmesiyle değerlendirilirken; temizlik maliyetleri işçilik ve su tüketimi giderleri üzerinden belirlenmiştir. Toplam işletme maliyetini en aza indirirken kabul edilebilir enerji performansını sağlayan temizlik sıklığını belirlemek amacıyla kapsamlı bir maliyet–fayda analizi gerçekleştirilmiştir. Elde edilen sonuçlar, temizlik sıklığı, geri kazanılan enerji ve bakım maliyetleri arasında belirgin bir denge olduğunu göstermektedir. Sık temizlik uygulamaları enerji kayıplarını azaltmakla birlikte işletme maliyetlerini önemli ölçüde artırırken, seyrek temizlik bakım giderlerini düşürmekte ancak ciddi enerji kayıplarına neden olmaktadır. Bulgular, duruma bağlı ve orta düzeyde belirlenen temizlik aralıklarının en yüksek ekonomik verimliliği sağladığını ortaya koymaktadır. Önerilen yaklaşım, Sakarya Üniversitesi'nde kurulu bir fotovoltaik sistemden elde edilen gerçek işletme verileri ile doğrulanmıştır. Sistem, farklı yönelimlerde yerleştirilmiş çok sayıda panel içermekte olup, yönelime bağlı kirlenme davranışının ayrıntılı şekilde incelenmesine olanak tanımaktadır. Deneysel sonuçlar, yatay konumlandırılmış panellerin, yerçekimine bağlı kendi kendini temizleme etkisinin daha zayıf olması nedeniyle, eğimli panellere kıyasla daha hızlı kirlenme eğilimi gösterdiğini ortaya koymuştur. Bununla birlikte, görüntü tabanlı Kirlenme İndeksi tüm paneller için gerçek yüzey koşullarını güvenilir biçimde temsil etmiş ve ölçülen güç kayıpları ile güçlü bir korelasyon sergilemiştir. Elde edilen sonuçlar, önerilen görüntü tabanlı ve veri odaklı çerçevenin güneş enerjisi bakım planlaması için güvenilir bir karar destek aracı olduğunu göstermektedir. Gerçek görüntü analizi, elektriksel performans modellemesi ve ekonomik değerlendirme bileşenlerinin bütüncül biçimde entegre edilmesi sayesinde, sistem enerji verimini artıran ve gereksiz bakım faaliyetlerini azaltan bilinçli, duruma bağlı temizlik kararlarının alınmasına imkân tanımaktadır. Yaygın olarak erişilebilen görüntüleme teknolojilerine ve MATLAB tabanlı analizlere dayanması, önerilen çerçevenin farklı güneş enerjisi sistemlerine ve çevresel koşullara ölçeklenebilir ve uyarlanabilir olmasını sağlamaktadır. Bu çalışma, duruma bağlı ve görüntü odaklı bakım yaklaşımlarının enerji verimliliği, maliyet etkinliği ve sürdürülebilirlik açısından geleneksel sabit aralıklı temizlik yöntemlerine kıyasla önemli üstünlükler sağladığını ortaya koymaktadır. Önerilen çerçeve, güneş enerjisi sistemlerinin performansını artırmakta, kaynak kullanımını azaltmakta ve uzun vadeli güvenilirliği iyileştirerek sürdürülebilir ve verimli yenilenebilir enerji üretimi hedefine katkı sağlamaktadır.

Özet (Çeviri)

The rising worldwide energy demand, alongside escalating worries over environmental sustainability and climate change, has resulted in a fast proliferation of renewable energy technology. Photovoltaic (PV) solar energy systems have become more relevant due to their capacity to produce clean power directly from sunshine, their modular and scalable characteristics, and their applicability across many uses. Photovoltaic systems are extensively utilized on residential rooftops, business edifices, industrial establishments, and large-scale solar power facilities. Notwithstanding ongoing improvements in solar module efficiency and manufacturing techniques, the actual energy output of photovoltaic systems in real-world situations frequently falls far short of their advertised performance. This gap is mostly ascribed to climatic and operational variables that influence the surface and electrical performance of solar panels. Soiling, the buildup of dust, sand, pollen, bird excrement, and other airborne particulates on solar panel surfaces, is a crucial environmental element affecting photovoltaic efficiency. Soiling diminishes the transmission of incoming solar energy to the photovoltaic cells by enhancing surface reflection and absorption. Consequently, the electrical output of the photovoltaic system progressively diminishes over time. The intensity and pace of soiling buildup differ markedly based on geographical location, meteorological circumstances, panel inclination and orientation, adjacent land use, and seasonal weather patterns. In arid and semi-arid climates, together with urban and industrial settings, soiling-related losses can attain significant levels in brief intervals, resulting in considerable declines in energy output and economic viability. Besides direct energy losses, extended soiling can induce non-uniform shadowing on solar modules, potentially leading to electrical mismatches, localized heating, and hotspot development. These impacts diminish immediate power production and may also expedite long-term module deterioration, hence shortening system longevity. Therefore, proficient treatment of soiling is crucial to guarantee dependable, efficient, and economically sustainable solar performance. To alleviate the adverse impacts of soiling, photovoltaic systems are often subjected to regular cleaning. Conventional maintenance techniques frequently depend on predetermined cleaning schedules or manual visual examinations. These methods are typically easy to execute but fail to accurately represent the true cleaning status of the panels. Fixed-interval cleaning solutions neglect the dynamic and site-specific characteristics of soiling buildup, which are affected by fluctuating environmental factors such as wind, precipitation, dust storms, and anthropogenic activities. Consequently, conventional maintenance procedures sometimes provide inefficient results, such as superfluous cleaning activities that escalate water consumption and labor expenses, or postponed cleaning that permits significant energy losses to continue. These inefficiencies are especially concerning in areas experiencing water shortages, where regular cleaning may be ecologically unsustainable. The constraints of traditional maintenance tactics underscore the necessity for intelligent, condition-based methods that can precisely evaluate the degree of soiling on solar panels and provide suitable cleaning frequencies based on actual operating circumstances. In recent years, image processing has become a potential method for non-contact, sensor-independent monitoring of solar panel surfaces. Digital pictures offer extensive visual data that may be examined to identify surface pollution, rendering image-based methods appealing owing to their affordability, scalability, and ease of implementation. This thesis presents a thorough, data-driven approach for evaluating photovoltaic soiling and optimizing cleaning intervals using MATLAB-based image processing, power loss modelling, and economic analysis. The suggested framework is intended to function with actual photographs of photovoltaic panels and empirical electrical performance data collected from an operational PV system. The technology provides a practical and economical solution for both rooftop and utility-scale solar systems by obviating the necessity for supplementary physical sensors. The image-centric element of the framework is the basis of the suggested methodology. High-resolution photos of photovoltaic panels are obtained under actual climatic and operating circumstances from an active rooftop solar system. The picture collection comprises panels positioned in several orientations, enabling the examination of orientation-dependent soiling behavior under uniform environmental circumstances. Before analysis, all pictures undergo a sequence of preprocessing processes to improve robustness and uniformity. The procedures encompass greyscale conversion to diminish computing complexity, noise reduction to eradicate high-frequency disturbances, and contrast normalization to mitigate the effects of fluctuating lighting conditions. The preprocessing methods accentuate the visual traits linked to surface pollution, while mitigating extraneous fluctuations due to lighting and camera artefacts. Subsequent to preprocessing, a multi-feature extraction approach is utilized to quantitatively characterize the visual effects of soiling on photovoltaic panel surfaces. A variety of visual attributes pertinent to dust formation and surface deterioration are recovered, encompassing average brightness, picture contrast, edge density, histogram-based statistical characteristics, texture entropy, and local binary pattern uniformity. Each of these characteristics signifies a distinct physical expression of soiling. Dust deposition diminishes surface reflectivity, resulting in reduced brightness values, while concealing panel grid lines and surface textures, which leads to diminished edge density and contrast. Non-uniform dust deposition creates uneven texture patterns that are quantified by entropy and texture-based characteristics. The framework guarantees reliable identification of both uniform and localized soiling situations by integrating many complementing aspects. The collected data are normalized and aggregated into a singular quantitative metric referred to as the Soiling Index (SI) to offer a clear and interpretable measure of panel cleanliness. The Soiling Index quantifies the extent of surface contamination on a standardized scale, facilitating direct comparisons among various panels, orientations, and observation durations. The implementation of a continuous index allows the monitoring of incremental variations in soiling accumulation over time, yielding a more nuanced evaluation than just binary or category classification. The physical significance and dependability of the image-derived Soiling Index are assessed by juxtaposing SI values with power-based soiling indicators derived from actual photovoltaic output measurements, revealing a robust correlation between visual surface deterioration and loss of electrical performance. The second principal element of the proposed framework pertains to the modelling of solar power loss in relation to soiling severity. Regression models are created to quantify the link between the Soiling Index and measured power deterioration. These algorithms allow the direct estimate of daily power loss using image-derived soiling data. The modelling system properly depicts long-term operation circumstances by including progressive soiling deposition, environmental variability, and partial natural cleansing effects from weather events like rainfall. Cleaning events are represented by resetting the Soiling Index to indicate the regained cleanliness of panels after maintenance operations. The final component of the study examines long-term modelling and cost optimization of photovoltaic cleaning systems. Various cleaning intervals are simulated over a prolonged time frame to assess their effects on power loss, energy loss, and total operational cost. Daily and cumulative energy losses are computed for each cleaning approach based on the rated panel power and typical solar irradiation conditions. The economic impact of soiling is assessed by translating energy losses into financial losses using electricity tariff rates, while cleaning costs are calculated based on labor and water consumption charges. A comprehensive cost-benefit analysis is performed to determine the cleaning frequency that reduces total operational costs while ensuring satisfactory energy performance. This research demonstrates a distinct trade-off among cleaning frequency, recovered energy, and maintenance costs. Regular cleaning diminishes energy losses but markedly elevates operating costs, whereas occasional cleaning lowers maintenance expenditures at the cost of considerable energy losses. The findings suggest that intermediate, condition-based cleaning intervals yield the most economic efficiency. The suggested approach is evaluated with actual operating data received from a photovoltaic system at Sakarya University. The system comprises many solar panels installed at various orientations, enabling a comprehensive analysis of orientation-dependent soiling behavior. Experimental findings indicate that horizontally orientated panels acquire dust at a somewhat accelerated pace relative to slanted panels, attributable to less gravitational self-cleaning effects. Notwithstanding these orientation-related discrepancies, the image-based Soiling Index reliably represents real surface conditions and has a good correlation with measured power losses across all panels. The results indicate that the suggested image-based and data-driven framework serves as a dependable decision-support instrument for solar maintenance planning. The system facilitates educated, condition-based cleaning decisions that enhance energy yield and minimize wasteful maintenance operations through the integration of actual image analysis, electrical performance modelling, and economic evaluation. The dependence on widely accessible imaging technology and MATLAB-driven analysis renders the framework scalable and adaptable to various solar systems and environmental contexts. This study demonstrates that condition-based, image-driven maintenance solutions greatly surpass typical fixed-interval cleaning methods for energy efficiency, cost-effectiveness, and sustainability. The suggested framework enhances solar system performance, minimizes resource use, and improves long-term dependability, therefore advancing the overarching objective of sustainable and efficient renewable energy generation.

Benzer Tezler

Tez No
364155
a-SiOx:H ve kristal silisyumdan (c-Si) oluşan a-SiOx:H/c-Si heteroeklem güneş pillerinin fabrikasyonunu ve karakterizasyonu
The characterisation and fabrication of a-SiOx:H/c-Si heterojunction solar cells
OKAN YILMAZ
Doktora
Türkçe
2014
Fizik ve Fizik Mühendisliği Yıldız Teknik Üniversitesi
Fizik Ana Bilim Dalı
DOÇ. DR. ORHAN ÖZDEMİR
DOÇ. DR. ALP OSMAN KODOLBAŞ
Tez No
281169
Supraklavikular yaklaşımla uygulanan üst ekstremite bloklarının retrospektif olarak incelenmesi
A retrospective examination of the upper extremity blocks in approach supraclavicular
İLHAN BAHAR
Tıpta Uzmanlık
Türkçe
2011
Anestezi ve Reanimasyon Dicle Üniversitesi
Anesteziyoloji ve Reanimasyon Ana Bilim Dalı
YRD. DOÇ. DR. HAKTAN KARAMAN
Tez No
789941
Temizlik çalışanlarının COVID-19 'a ilişkin bilgi ve anksiyete düzeyleri ile aşıya karşı tutumlarının belirlenmesi
Determining the knowledge and anxiety levels and attitudes to the vaccine of cleaning employees about COVİD-19
MELİKE EKİCİ
Yüksek Lisans
Türkçe
2023
Halk Sağlığı Muğla Sıtkı Koçman Üniversitesi
Hemşirelik Ana Bilim Dalı
PROF. DR. MEDİA SUBAŞI BAYBUGA
Tez No
843187
Diyabet hastalarının pandemi döneminde COVID-19'dan korunma tedbirlerine uyma ve geleneksel ve tamamlayıcı tıp uygulamalarını kullanma durumunun belirlenmesi
Determining the status of diabetic patients to comply with COVID-19 protection measures and to use traditional and complementary medicine practices during the pandemic period
ESRA ÇETİNDAĞ
Yüksek Lisans
Türkçe
2023
İç Hastalıkları Atatürk Üniversitesi
İç Hastalıkları Hemşireliği Ana Bilim Dalı
PROF. DR. MEHTAP KAVURMACI
Tez No
744417
Covıd-19 pandemi döneminde istanbul'daki hastanelerde çalışan temizlik işçilerinin mevcut sağlık durumları ile sosyoekonomik özellikleri arasındaki ilişki
During the Covid-19 pandemic period the job between the existing health status and socioeconomic features of cleaning workers working in hospitals in Istanbul
GÜLSER SAYAN
Yüksek Lisans
Türkçe
2022
Sağlık Yönetimi Üsküdar Üniversitesi
Sağlık Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ ACUNER

Geri Dön