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
- Tez No: 885255
- Danışmanlar: PROF. DR. ERMAN ÇAKIT
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİNE AYAZ
- 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
2018
Ormancılık ve Orman MühendisliğiGümüşhane ÜniversitesiOrmancılık ve Çevre Bilimleri Ana Bilim Dalı
DOÇ. DR. ELİF ÇELENK KAYA
- 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
2019
Ormancılık ve Orman MühendisliğiKaradeniz Teknik ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERHAN ÇALIŞKAN
- 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
2019
Ağaç İşleriÇanakkale Onsekiz Mart Üniversitesiİş Güvenliği Ana Bilim Dalı
PROF. DR. ÖMER FARUK ÖZTÜRK
- 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
2019
Ağaç İşleriİstanbul Üniversitesi-CerrahpaşaOrman Endüstri Mühendisliği Ana Bilim Dalı
PROF. DR. TUNCER DİLİK
DR. ÖĞR. ÜYESİ M. OSMAN ENGÜR