Geri Dön

Prefabrike betonarme yapı elemanı üretiminde derin öğrenme yöntemleriyle iş gücü performans analizi

Workforce performance analysis in the production of prefabricated reinforced concrete structural elements by using deep learning methods

  1. Tez No: 897632
  2. Yazar: İREM BAYRAM ZÜMRÜT
  3. Danışmanlar: DOÇ. DR. SELİM BARADAN
  4. Tez Türü: Doktora
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: İnşaat Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 136

Özet

İnşaat sektörü, diğer endüstrilere kıyasla nispeten düşük iş gücü verimliliği oranlarına sahip olmasıyla dikkat çekmektedir. Sektörde iş gücü performansının değerlendirilmesinde kullanılan mevcut yöntemler, insan denetimine bağımlı olması nedeniyle oldukça zaman alıcıdır ve subjektif unsurlar içermektedir. Bu tez çalışmasında, inşaat projelerinde önemli bir maliyet unsuru olan iş gücünün performansını analiz etmek amacıyla, derin öğrenme ve bilgisayarlı görü tabanlı yenilikçi bir yöntem geliştirilmesi hedeflenmiştir. Öncelikle, İzmir ilinde yer alan bir prefabrike betonarme yapı elemanı üretim tesisinden alınan kamera görüntüleri kullanılarak özgün bir veri seti oluşturulmuştur. Bu veri seti kullanılarak sahada iş gücünün gerçekleştirdiği faaliyetleri otomatik olarak tespit edebilen iki farklı derin öğrenme modeli geliştirilmiştir. Modellerin aktivite tanıma performanslarını değerlendirmek için sahada gerçekleştirilen 10 farklı aktivite sınıfından (donatı bağlama, donatı bükme, donatı kesme, ölçme, kaynaklama, malzeme taşıma, yürüme, bekleme, oturma, telefonla konuşma) faydalanılmıştır. Üç Akışlı Evrişimli Sinir Ağı modeli %88,6 doğruluk oranı sağlarken, Evrişimli Sinir Ağı ve Uzun Kısa Süreli Bellek tabanlı hibrit model %90,8 doğruluk oranına ulaşmıştır. Yüksek performans sergileyen hibrit model ile iş gücü performans analizi gerçekleştirilmiş ve iş örneklemesi prensiplerine dayanarak, verimli, yarı-verimli ve verimsiz aktivitelerin toplam çalışma süresine oranı hesaplanmış, iş gücü verimliliği başarılı bir şekilde elde edilmiştir. Çalışma sonuçları, geliştirilen yöntemin iş gücü verimliliğini objektif ve otomatik bir şekilde ölçerek inşaat sahalarına yönelik uygulanabilir çözümler sunduğunu göstermektedir.

Özet (Çeviri)

The construction sector is characterized by relatively low labor productivity rates compared to other industries. The current methods used to evaluate labor performance in this sector are time-consuming and involve subjective elements due to their reliance on human supervision. This thesis aims to develop an innovative method based on deep learning and computer vision to analyze the performance of labor, which is a significant cost factor in construction projects. Initially, a unique dataset was created using video cameras from a prefabricated reinforced concrete production facility located in İzmir. Using this dataset, two different deep learning models were developed to automatically detect activities performed by labor on site. To evaluate the activity recognition performance of these models, ten different activity classes performed on-site (rebar tying, rebar bending, rebar cutting, measuring, welding, material handling, walking, waiting, sitting, talking on the phone) were utilized. The Three-Stream Convolutional Neural Network model achieved an accuracy rate of 88.6%, while the hybrid model based on Convolutional Neural Network and Long Short-Term Memory reached an accuracy rate of 90.8%. Labor performance analysis was conducted using the high-performing hybrid model, and based on work sampling principles, the ratio of productive, semi-productive, and unproductive activities to total working time was successfully calculated, thereby obtaining labor productivity. The results of the study demonstrate that the developed method provides practical solutions for construction sites by objectively and automatically measuring labor productivity.

Benzer Tezler

  1. Prefabrike betonarme yapı elemanlarında kalıp teknolojisi

    Başlık çevirisi yok

    TURGUT AVİNCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    PROF. DR. METE TAPAN

  2. Öngerilmeli beton ve betonarme prefabrik yapı elemanı üretimi için bilgisayar destekli kalıp tasarımı

    Computer-aided mould design in the production of prestressed and reinforced precast concrete units

    GÜLTEKİN AKTAŞ

    Doktora

    Türkçe

    Türkçe

    2005

    İnşaat MühendisliğiÇukurova Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF.DR. KAMİL TANRIKULU

  3. Endüstrileşmiş yapım teknikleri çerçevesinde panel sistemlerde tasarım ve yapım hatalarının irdelenmesi

    The Examination of design and production failures at panel systems of industrialised building systems

    MÜJDE ALTIN

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    MimarlıkDokuz Eylül Üniversitesi

    Yapı Bilgisi Ana Bilim Dalı

    DR. GÖKSEL SEZER

  4. Türkiye'de endüstri yapıları üretiminde kullanılan prefabrike betonarme iskelet sistemler ve uygulama problemleri

    Prefabricated reinforced concrete skeleton systems used ın the productıon of industrıal buildings and problems of implementatıon in Türkiye

    ALİ BİLER

    Yüksek Lisans

    Türkçe

    Türkçe

    1993

    Mimarlıkİstanbul Teknik Üniversitesi

    DOÇ.DR. NESİL BAYTİN

  5. Betonarme önüretim kiriş kolon bağlantısı için önerilen sigorta tipi mekanik manşonun özelliklerinin deneysel olarak belirlenmesi

    Experimental determination of the properties of fuse type mechanical coupler proposed for reinforced concrete precast beam to column connections

    KUBİLAY KARAKUŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ERCAN YÜKSEL