Geri Dön

Orman sektörü çalışanlarında gürültüye bağlı işitme kayıplarının makine öğrenmesi algoritmaları kullanılarak tahmini

Prediction of noise-induced hearing loss in the forest sector workers using machine learning algorithms

  1. Tez No: 885255
  2. Yazar: IŞIK DOĞRU
  3. Danışmanlar: PROF. DR. ERMAN ÇAKIT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 79

Özet

Günlük 85 dB(A) veya daha fazla gürültüye maruz kalmak geri döndürülemez ve tedavi edilemez işitme kayıplarına yol açmaktadır. Aynı gürültü şiddeti ve aynı maruziyet süresi, farklı çalışanlardaki farklı seviyelerde işitme kayıplarına neden olabilmektedir. Bunun ne-deni, çalışanların kişisel özelliklerindeki ve iş yerindeki davranışlarındaki farklılıklardır. Bu çalışmada cinsiyet, yaş, toplam çalışma süresi, sektörde çalışma süresi, gürültülü ortamda çalışma süresi, sigara kullanımı, gürültülü hobi ve yetersiz kulak koruyucu donanım kullanımının ağaç ürünleri imalatı sektöründe çalışanlardaki GBİK'e etkileri değerlendirilmiştir. İlk aşamada, bağımsız değişkenlerin çalışanlarda kaç dB'lik işitme kaybına neden olduğu araştırılmak amaçlanmıştır. Ancak varyasyon analizlerinde bağımlı değişken ve bağımsız değişkenler arasındaki korelasyon katsayısının düşük çıkması sebebiyle regresyon analizi gerçekleştirilmemiştir. İkinci aşamada, bağımsız değişkenlerin çalışanlarda GBİK'e neden olup olmadığı araştırılmıştır. Bağımlı değişkeni iki kategoriden oluşan veri kümesine uygun denetimli öğrenme sınıflandırma yöntemlerinden ikili lojistik regresyon, k-en yakın komşu algoritması, destek vektör makinesi, karar ağacı sınıflandırması, rastgele orman algoritması, Naive Bayes (Gauss) sınıflandırması, Naive Bayes (Bernoulli) sınıflandırması, stokastik gradyan inişi sınıflandırması ile çapraz doğrulama yapılarak modeller oluşturulmuştur. Modeller karşılaştırıldığında rastgele orman algoritması en iyi model seçilmiştir. Sonuçta sınıf-landırma algoritmalarının çalışanlardaki GBİK'i sınıflandırmada başarılı; regresyon algoritmalarının GBİK'i önceden tahmin etmede başarısız olduğu görülmüştür.

Özet (Çeviri)

Exposure to noise levels exceeding 85 dB(A) on a daily basis can lead to permanent and untreatable hearing damage. Because of the diversity in personal traits among workers, various workers may experience different degrees of hearing loss even when exposed to identical noise intensity and duration. This research assessed the impact of gender, age, total years of work experience, years of experience in the sector, months of exposure to a noisy environment, smoking habits, engagement in noisy hobbies, and improper use of ear protec-tion equipment on noise induced hearing loss among employees in the forest sector. In the first phase, it was aimed to investigate how many dB of hearing loss the independent variables caused in employees. However, regression analysis was not performed due to the low correlation coefficient between the dependent variable and the independent variables in the variation analyses. The next phase of the research involves evaluating various classification algorithms to determine if eight independent variables are linked to NIHL in workers. Models were created by cross-validation with binary logistic regression, k-nearest neighbor algorithm, support vector machine, decision tree classification, random forest algorithm, Naive Bayes (Gauss) classification, Naive Bayes (Bernoulli) classification, and stochastic gradient descent algorithm from supervised learning classification methods suitable for a data set whose dependent variable consists of two categories. When the models were compared, the random forest algorithm was chosen as the best model. As a result, classification algorithms are successful in classifying NIHL in employees; regression algorithms have been shown to fail to predict NIHL.

Benzer Tezler

  1. State of charge estimation of lithium-ion batteries using machine learning approach

    Makine öğrenmesi yaklaşımı kullanılarak lityum iyon pillerin şarj durumu tahmini

    OSMAN ALPER ALTUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. EMİNE AYAZ

  2. Ahşap ve mobilya imalatı yapan bir işyerinde risklerin belirlenmesi ve örnek risk analiz çalışması

    Study of determination of risks in a workplace producing wood and furniture and sample of risk assessment

    KUBİLAY PEDİS

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Ormancılık ve Orman MühendisliğiGümüşhane Üniversitesi

    Ormancılık ve Çevre Bilimleri Ana Bilim Dalı

    DOÇ. DR. ELİF ÇELENK KAYA

  3. Orman fidanlık şefliklerinde çalışan işçilerin sağlıksorunları, çalışma duruşları ve çalışma ortamı fizikselrisk faktörlerinin incelenmesi

    The health problems, working positions, working settings, critising phsicial risk factors of workers who works at the forest nursery chieftaincy

    DERYA YAYLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Ormancılık ve Orman MühendisliğiKaradeniz Teknik Üniversitesi

    Orman Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERHAN ÇALIŞKAN

  4. Küçük ve orta ölçekli orman ürünleri sanayi işletmelerinde iş sağlığı ve güvenliği çalışmalarının ergonomik açıdan incelenmesi

    Examining occupational health and safety studies at small and medium sized forest product industry enterprises from an ergonomic perspective

    AYŞİN AŞKIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Ağaç İşleriÇanakkale Onsekiz Mart Üniversitesi

    İş Güvenliği Ana Bilim Dalı

    PROF. DR. ÖMER FARUK ÖZTÜRK

  5. İş güvenliği risk analizi ve bir ahşap mobilya işletmesinde uygulama

    Work safety risk analysis and application in a wood furniture operation

    YAVUZ SELİM TOPRAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Ağaç İşleriİstanbul Üniversitesi-Cerrahpaşa

    Orman Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. TUNCER DİLİK

    DR. ÖĞR. ÜYESİ M. OSMAN ENGÜR