Development of a machine learning prediction model for construction safety management
İnşaat iş güvenliği yönetimi için makine öğrenmesine dayalı tahmin modeli geliştirilmesi
- Tez No: 768774
- Danışmanlar: DOÇ. DR. ASLI PELİN GÜRGÜN
- Tez Türü: Doktora
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapı İşletmesi Bilim Dalı
- Sayfa Sayısı: 205
Özet
İnşaat güvenliği yönetiminin merkezinde inşaat kazaları kavramı yer almaktadır. İnşaat projelerinde iş kazası oranları, güvenlik yönetim sistemlerindeki sürekli iyileştirmelere rağmen çoğu ülkede diğer sektörlerden daha yüksektir. Bu nedenle, iş kazalarının sonuçlarını araştıran çalışmalar son yıllarda araştırmacılar tarafından büyük ilgi görmektedir. Veri toplama ve analiz tekniklerindeki ilerlemeyle birlikte, iş kazalarının olası sonuçlarını tahmin etmek için inşaat güvenliği yönetimi araştırma alanında veriye dayalı modeller önerilebilmektedir. Bu bağlamda, veriye dayalı güvenlik yönetimi uygulamalarını iyileştirmek için çeşitli çıktı değişkenlerini tahmin etmek amacıyla makine öğrenmesi (MÖ) yöntemleri kullanılabilir. Bu çalışmanın temel amacı, iş kazalarını önlemek, ciddi sonuçlarını en aza indirmek ve çalışanların/şirketlerin iş sağlığı ve güvenliği (İSG) ile ilgili koşullarını iyileştirmek amacıyla çeşitli çıktı değişkenlerini tahmin etmek için veriye dayalı bir MÖ platformu geliştirmektir. Bu çalışmadaki amaçlara ulaşabilmek için Sosyal Güvenlik Kurumu'ndan Türkiye'de inşaat sektöründe gerçekleşen yaklaşık 400.000 iş kazasını içeren bir veri seti elde edilmiş ve buna bağlı olarak tahmin modeli geliştirilerek kazalar ve bunlara etki eden faktörler istatistiksel olarak analiz edilmiştir. Kapsamlı literatür taraması yapılarak çeşitli araştırma boşlukları tespit edilmiş ve bunlar titizlikle ele alınmıştır. Kaza sonucu tahmin çalışmalarının çoğu modellerini gelişmiş ülkelerde toplanan veri setlerine dayalı olarak geliştirirken, bu çalışmada ilk kez Türkiye'de toplanan oldukça büyük bir veri seti kullanılmıştır. Veri seti dikkatli bir biçimde incelenmiş ve literatür taraması ile belirlenen araştırma boşluklarına da dayanarak dört adet tahmin modeli geliştirilmiştir. İlk olarak, inşaatta İSG literatüründe sezgisel optimizasyon algoritmaları ile MÖ yöntemlerini entegre eden bir çalışmaya rastlanmamıştır. Ayrıca, ağaç tabanlı makine öğrenmesi yöntemlerinin inşaat güvenliği yönetimi alanında oldukça iyi performans gösterdiği diğer birçok araştırmacı tarafından belirlenmiş olmasına rağmen ağaç tabanlı makine öğrenmesi yöntemlerinin performansını karşılaştıran hiçbir çalışmaya da rastlanmamıştır. Bununla birlikte, makine öğrenmesi modellerinin temelinde veri ön işleme yatmasına rağmen, önceki çalışmalar kapsamlı bir özellik mühendisliğinin rolünü göz ardı etmiştir. Son olarak, literatürde birçok kaza sonucu tahmin çalışması olmasına rağmen, inşaat çalışanlarının kaza sonrası kalıcı iş görmezlik durumları literatürde yer almamaktadır. Bu nedenle, ilk tahmin modelinde özellik mühendisliği, ağaç tabanlı MÖ yöntemleri ve genetik algoritma entegre edilerek inşaat çalışanlarının iş kazası sonrası olası iş görmezlik durumları araştırılmıştır. İkinci tahmin modeli, zaman serisi verilerini kullanarak iş kazalarının sayısını tahmin etmek için dalgacık dönüşümü ve çeşitli MÖ yöntemlerini birleştirerek inşaat güvenliği yönetimine katkıda bulunmak için geliştirilmiştir. Bu modelin geliştirilmesinin sebebi, iş kazalarının zaman serisi analizlerinin daha önce yapılmamış olmasıdır. Bu nedenle, geçmiş kaza sayılarına dayalı olarak, ulusal ölçekte gelecek iş kazası sayıları kısa vadeli, orta vadeli ve uzun vadeli zaman dilimleri için, yani sırasıyla 1 gün, 7 gün ve 30 gün ilerisi için yüksek doğruluk oranlarıyla tahmin edilmiştir. Buna göre, daha önce literatürde hiç odaklanılmamış özgün bir teorik ve pratik çerçeve geliştirilerek ISG yönetimi için dinamik bir kullanım planı önerilmiştir. Literatür araştırması ayrıca, inşaat güvenliği yönetimi araştırma alanında MÖ yöntemini kullanan mevcut çalışmaların sınırlı olduğunu ve bu çalışmaların genellikle tahmin yapılmadan önce en etkili veri ön işleme adımlarını belirlemek yerine daha çok en uygun MÖ yöntemini seçmeye odaklandığını göstermiştir. Ancak, MÖ modellerini geliştirmek için gereken zamanın çoğu genellikle veri ön işlemeye ayrılmaktadır. Bu nedenle, bu çalışmanın üçüncü modelinde inşaat kazalarının şiddetini tahmin etmek için en iyi senaryoyu belirleyen senaryo bazlı otomatik bir veri ön işleme modeli geliştirilmiştir. Son olarak, kaza sonucu tahminleri ile ilgili inşaat güvenliği yönetimi alanındaki literatürde, yeniden örnekleme teknikleri ve MÖ yöntemlerinin entegre edilerek dengesiz veri kümesiyle başa çıkmaya işaret eden herhangi bir çalışmaya rastlanmamıştır. Ayrıca, Türkiye'de MÖ tabanlı güvenlik yönetimi ile ilgili daha önce gerçekleştirilen çalışmalar, ölümlü ve yaralanmalı kazalara ilişkin kaza sonucu tahminini içermemektedir. Bu nedenle, bu çalışmada geliştirilen son tahmin modelinde, MÖ yöntemlerini ve yeniden örnekleme tekniklerini entegre ederek kaza sonuçlarının (ölümlü ve yaralanmalı) tahminine odaklanılmıştır. Genel olarak, bu çalışma veriye dayalı bir İSG yönetim platformu önermekte ve bu platformun uygulanabilirliğini dört tahmin modeliyle test etmektedir. Bu çalışmada ayrıca, analiz sonuçlarına göre ortaya çıkan bulgulara bağlı ve günümüz veri çağında mevcut proje yönetimi uygulamalarına kolayca uyarlanabilir bir model geliştirerek, inşaat sektörü çalışanlarının hayatlarının kurtarılabileceği vurgulanmaktadır. Sektör profesyonellerinin gelecekteki potansiyel iş kazalarını ve/veya bunların etkilerini tahmin etmek için ve bu modelleri uygulamalarına yardımcı olmak için çeşitli yol haritaları da bu çalışma kapsamında önerilmiştir. Kullanılan veriler, kazaların meydana gelmesinden sonra ilgili kurumlarca zorunlu olarak talep edildiği için, ulusal bir veriye dayalı güvenlik yönetimi modelinin geliştirilmesi ve buna ön ayak olması bu çalışmanın en büyük katkısıdır. Önerilen platform, kazaların beklenmedik ve istenmeyen sonuçlarını azaltma noktasında İSG uzmanları için değerli bir karar verme girdisi olabilecek ve önerilen dört modelle birlikte çeşitli çıktı değişkenlerini tespit etmek için şantiyelerde kullanılabilecektir. Bu çalışmanın sektöre entegrasyonu ile birlikte iş kazalarının bazıları engellenebilecek ve bazı çalışanların hayatları kurtarılabilecektir.
Özet (Çeviri)
Central to the entire discipline of construction safety management is the concept of construction accidents. Occupational accident rates in construction projects are usually higher than other industries in most countries, even though safety management systems are continuously improving. Hence, the preliminary studies exploring the consequences of occupational accidents have received considerable attention in research society. With the advance in data collection and analysis techniques, data-driven models have been proposed in the construction safety management research domain to predict potential outcomes of occupational accidents. In this context, machine learning (ML) methods can be used to predict various output variables to improve safety management applications in construction projects as part of data-driven model. Thus, the essential purpose of this study is to develop a data-driven ML model to predict several output variables with the aim of preventing occupational accidents, minimizing their severe consequences, and improving the conditions of workers/companies regarding occupational health and safety (OHS) management. To achieve the study objective, a dataset that includes nearly 400,000 occupational accidents experienced in the construction industry in Turkey was taken from the Social Security Institution, which enabled to develop a robust prediction model and analyze occupational accidents and their precursors statistically. Based on the comprehensive literature review, several research gaps have been identified and addressed in this study. Majority of the accident outcome prediction studies developed their models based on dataset captured in developed countries, while this study, for the first time, used a huge national dataset of Turkey. Based on the careful examination of the dataset and identified research gaps, four prediction models were developed. First, a study that integrates metaheuristics optimization algorithms and ML methods has not been found in the literature. Besides, despite the superiority of tree-based ML methods was well documented in the construction safety management research field, no previous study compared the performance of different tree-based ML methods. Moreover, even though preprocessing is the foundation of ML models, previous studies mainly ignored the role of comprehensive feature engineering. Finally, although several accident outcome prediction studies were performed in the literature, post-accident permanent disability status of construction workers has not been acknowledged in the literature. Therefore, feature engineering, tree-based ML methods and genetic algorithm were integrated in the first prediction model to predict post-accident permanent disability status of construction workers. The second prediction model was developed to contribute to the body of construction safety management by coupling wavelet transform and different ML methods to predict the number of occupational accidents using time series data. The motivation of developing this model was that time series analysis of occupational accidents has not been employed previously. Therefore, based on trend of past accidents, the number of future accidents was predicted with high prediction accuracies for short-term, mid-term and long-term time periods, i.e., 1-day, 7-day, and 30-day ahead, respectively. Accordingly, a dynamic utilization plan was proposed to the field of safety management by introducing a new theoretical and practical framework. Literature survey also showed that existing studies that uses ML methods in the construction safety management research field are limited and usually focus on selecting the most appropriate ML method rather than identifying the most effective preprocessing pipeline before the prediction. However, majority of time required for developing ML models is devoted to pre-processing. Therefore, a scenario-basis automated preprocessing model that identifies the best pre-processing pipeline is developed to predict the severity of construction accidents in the third prediction model of the study. Finally, the literature on accident outcome prediction is limited in terms of dealing with imbalanced dataset through integrated resampling techniques and ML methods in the construction safety domain. Besides, previous studies on ML-based safety management in Turkey did not include accident outcome prediction regarding fatal and non-fatal accidents. Therefore, the last model includes prediction of accident outcomes (fatal vs non-fatal) by incorporating ML methods and resampling techniques. Overall, this study proposes a data-driven safety management platform and examines its applicability with four prediction rationale. With the findings emerged according to the analysis results, it is highlighted that data-driven models, which have become easily adaptable to the existing project management applications in the era of data, can save the lives of construction workers. Several utilization plans are proposed to help industry professionals adopt the proposed models in construction sites to predict future incidents. It is suggested to develop a national data-driven safety management model, as the utilized dataset was acquired from national institution, who mandatorily require these data from companies after the occurrence of accidents. The proposed framework can be used in construction sites to detect several output variables along with the four models examined in this study, which can be a valuable decision-making input for safety professionals to reduce the unexpected consequences of accidents. With the incorporation of this thesis into the construction industry, some of the occupational accidents can be prevented and the lives of some of the construction workers can be saved.
Benzer Tezler
- Gemiadamlarının emniyetli çalışma davranışlarının makine öğrenmesi ile tahminlenmesi
Prediction of seafarers' safe work behavior using machine learning algorithms
GİZEM ELİDOLU
Yüksek Lisans
Türkçe
2019
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASİN ARSLANOĞLU
- Kazı destekleme sistemlerinin olası deplasmanlarının tahmini için python programına dayalı yapay sinir ağları algoritmalarının geliştirilmesi
Development of artificial neural networks algorithms based on the python program to estimate potential displacements of excavation support systems
CANER KARABULUT
Yüksek Lisans
Türkçe
2022
İnşaat Mühendisliğiİstanbul Gedik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MERT TOLON
DR. ÖĞR. ÜYESİ REDVAN GHASEMLOUNIA
- Betonarme kirişlerin dış ardgerme uygulanarak rehabilitasyonu: Taşıma limit durumu için yapay zekâ tahmin modellerinin geliştirilmesi
Rehabilitation of reinforced concrete beams by applying external post-tension: Developing artificial intelligence prediction models for ultimate limit state
AHMED BADNJKI
Yüksek Lisans
Türkçe
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. TURGUT ÖZTÜRK
- Development of a machine learning based framework for failure forecast and shear strength estimation of conventional RC shear walls
Geleneksel betonarme perde duvarların göçme modu ve kesme kuvveti kapasitesini tahmin eden makine öğrenmesi tabanlı bir yaklaşım geliştirilmesi
MEHMET TAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDeprem Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLŞEN TAŞKIN KAYA
- Development of dispute prediction and resolution method selection models for construction disputes
İnşaat projelerinde uyuşmazlık tahmini ve çözüm yöntemi seçimi modellerinin geliştirilmesi
MURAT AYHAN
Doktora
İngilizce
2019
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TALAT BİRGÖNÜL
PROF. DR. İREM DİKMEN TOKER