Metal sektöründe yaşanan iş kazalarının istatistikselolarak incelenmesi ve makine öğrenim algoritmalarıile tahmin çalışmaları
Statistical analysis of occupational accidents in the metalindustry and prediction studies with machine learningalgoritms
- Tez No: 823060
- Danışmanlar: DOÇ. DR. HASAN BASRİ ULAŞ
- Tez Türü: Doktora
- Konular: Kazalar, Accidents
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı (disiplinlerarası)
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmanın amacı; Çalışma ve Sosyal Güvenlik Bakanlığı tarafından kayıt altına alınan 2013-2018 yılları arasında metal sektöründe yaşanmış ulusal iş kazaları için kaza parametrelerini ve risk faktörlerini dikkate alarak istatistiksel bir değerlendirme yapmaktır. Ayrıca, ağır kaza olarak nitelendirilen ölümlü ve uzuv kayıplı iş kazası verilerini kullanarak makine öğrenimi yöntemiyle bir tahmin algoritması geliştirmek ve algoritmaların performans ölçütlerini karşılaştırmaktır. Bu kapsamda, metal sektöründe gerçekleşmiş 1542 adet ağır kaza ve 103179 yaralanmalı olmak üzere toplam 104721 tane iş kazası verisi analiz edilmiştir. Kazalar; kaza zamanı, kazazedeye ait parametreler ve kaza nedeni, yaralanma durumu ve yaralanma türü gibi kaza sonucuna ait bilgiler kullanılarak istatistiksel olarak analiz edilmiştir. Kazaların en fazla 2013 yılında, mart ve mayıs ayında, salı günleri ve üçüncü vardiyada gerçekleştiği tespit edilmiştir. 25-35 yaş aralığında, erkek, evli, ilköğretim mezunu ve tecrübesiz çalışanların kaza geçirme açısından en riskli grupta olduğu tespit edilmiştir. Metal sektöründe parmaklar, eller ve ayaklar yaralanma ihtimali en yüksek organlardır. Makinelerin denetim kaybı ve hareketli parçalar sebepli pek çok kaza olduğu görülmüştür. İş kazası nedenlerinin detaylı bir şekilde sınıflandırılması ve tahmin edilmesi kazaları azaltmak için gereklidir. Literatürde; iş kazalarını azaltma amacıyla kaza ile ilgili faktörleri araştırmak ve etkili tahmin modelleri oluşturmak için çeşitli makine öğrenimi algoritmaları kullanılmıştır. Bu çalışmada, iş kazası nedenlerini ve sonuçlarını tahmin etmek amacıyla makine öğrenimi yöntemlerinden rastgele orman (RF), k-en yakın komşu (KNN), sınıflama ve regresyon ağaçları (CART), gradyan artırma makineleri (GBM) algoritmaları kullanılmıştır. Algoritmanın doğrulaması için 10 katlı çapraz doğrulama modeli kullanılmış ve bu yöntemle RF algoritmasının doğruluk değeri %4,7 oranında arttırılmıştır. RF algoritmasının doğruluk değeri 0,9172 olarak bulunmuştur. RF (0,9172) algoritması, GBM (0,9073), CART (0,7417) ve KNN (0,6722) algoritmalarından daha iyi performans göstermiştir.
Özet (Çeviri)
The aim of this study is to make a statistical evaluation by considering the accident parameters and risk factors for the national occupational accidents in the metal sector between the years 2013-2018 recorded by the Ministry of Labor and Social Security. In addition, we developed an estimation algorithm with machine learning method by using the data of amputations and fatal occupational accidents, which are described as serious accidents, and to compare the performance of the algorithms. In this context, data on 104721 occupational accidents in total, including 1542 heavy accidents and 103179 injuries in the metal sector, were analyzed. The occupational accidents were statistically analyzed with using parameters such as accident time, the place and time of the accident and the age, gender, work experience of the worker, and the accident result such as the cause of the accident, the injury status, and the type of injury. It was determined that the most accidents occurred in 2013, in March and May, on Tuesdays and in the third shift. It has been determined that between the ages of 25-35, male, married, primary school graduates and inexperienced workers are in the highest risk group in terms of having an accident. Fingers, hands, and feet are the most likely to be injured in the metal industry. It has been observed that there are many accidents caused by the loss of control of the machines and their moving parts. It is necessary to classify and predict occupational accident reasons in detail to prevent occupational accident. Researchers have used machine learning algorithm to investigate correlated factors and create effective prediction models to lower occupational accidents. In this study, random forest (RF), k-nearest neighbor (KNN), classification and regression trees (CART), gradient boosting machines (GBM) algorithms from machine learning methods were used to predict the causes and consequences of occupational accidents. For the verification of the algorithm, the 10-fold cross-validation model was used, and the accuracy value of the RF algorithm was increased by %4,7. The accuracy value of the RF algorithm was found as 0,9172. RF (0,9172) showed best performance on accuracy with respect to, GBM (0,9073), CART (0,7417) and KNN (0,6722).
Benzer Tezler
- Bazı esterlerin kinetik incelenmesi ve termodinamik parametrelerin belirlenmesi
Kinetic study and detesmination of thermodnamic parameters of some esters
İBRAHİM TAŞ
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE
- Adolesan intihar girişimlerinin psiko-sosyal nedenleriyle ilgili araştırma
Başlık çevirisi yok
NAZMİYE YÜKSEL
- İnce taneli sementasyon çeliklerinde sıcak şekil verme ve ısıl işleminin ostenit tane büyüklüğüne etkisi
Başlık çevirisi yok
MERAL ŞANLI
Yüksek Lisans
Türkçe
1987
Metalurji MühendisliğiUludağ ÜniversitesiFizik Ana Bilim Dalı
DOÇ. DR. ALİ GÜNGÖR
- Plazma arkı eldesi ve yüzey bölgesi modifikasyonunda kullanılabilirliği
Başlık çevirisi yok
ÖZKAN ÖZİPEKLİLER
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİM DEMİRCİ
- 1,3-difenil-4,5-bis(hidroksiimino)-imidazolidin ve Ni(II), Cu(II), Pd(II), UO2(VI) komplekslerinin sentezi
Başlık çevirisi yok
VEFA AHSEN
Doktora
Türkçe
1984
Kimya MühendisliğiUludağ ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZER BEKAROĞLU