Geri Dön

Fiziksel İş Yüküne Bağlı Olarak Mola Süresinin Makine Öğrenmesi ile Tahmin Edilmesi

Estimating the amount of energy spent by physiological measurement methods

  1. Tez No: 901219
  2. Yazar: MELİS TÜRKSEVER DAYAL
  3. Danışmanlar: PROF. DR. EMİN KAHYA
  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: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: İnsan ve Makine Sistemleri Bilim Dalı
  13. Sayfa Sayısı: 93

Özet

Çalışanların mola sürelerinin tahminlenmesi, iş gücü verimliliğinin arttırılması ve verimli personel yönetiminin gerçekleştirilebilmesi için önemli bir konudur. Bu sürelerin değerlendirilmesi çalışma ortamındaki ve çalışandaki dinamiklere bağlı olarak değişkenlik göstermektedir. Ancak genel olarak çalışanların günlük mola süreleri işveren ve iş kanununu belirlediği çerçeve içerisinde olmaktadır. Bu tez çalışmasında, çalışanların fizyolojik ölçümleri, algıladıkları subjektif efor ve ergonomik risk değerlendirme skorları dikkate alınarak, makine öğrenmesi modelleri aracılığıyla mevcut mola sürelerinin yeterliliğinin tespiti ve gerekli olan mola sürelerinin tahminlenmesi amaçlanmıştır. Bu kapsamda farklı zorluk düzeyine sahip üretim bölümlerindeki işleri gerçekleştiren 110 çalışandan; 30 dakikalık çalışma süresince akıllı saat ve akıllı saate ait uygulama kullanılarak, KAF (Kandaki Atış Frekansı) ve enerji tüketim (Kcal) değerleri ile pulsmetre aracılığı ile kandaki oksijen düzeyi (SpO₂) değerleri alınmıştır. Çalışanların, ergonomik açıdan karşılaştıkları fiziksel iş yüklerini tespit etmek amacıyla, ergonomik risk değerlendirme yöntemlerinden REBA yöntemi ile ölçümler gerçekleştirilmiştir. Çalışanların yaptıkları işte algıladıkları subjektif eforu ölçmek için ise Revize Borg Skalası ile zorlanma düzeyleri alınmıştır. Çalışma anında alınan bu veriler, kişinin mesai içerisinde yaptığı iş süresince harcadığı eforu ve zorlanma derecesine dair bilgileri göstermektedir. Mola süresinin hesaplanabilmesi için çalışanların dinlenme anında harcadıkları enerji (Kcal) ve KAF değerleri de ölçülerek kaydedilmiştir. 110 farklı iş ve çalışandan alınan veriler ışığında oluşturulan farklı makine öğrenmesi modellerine göre hafif – orta – ağır iş gruplarında yapılması gereken yeni mola süreleri sırasıyla; 21,42 dk, 21,52 dk ve 22,87 dk olarak tespit edilerek; mevcut 15 dakikalık mola süresinin çalışma sonuçlarına göre yeniden düzenlenmesi önerilmiştir.

Özet (Çeviri)

Estimating employees' break times is crucial for increasing workforce productivity and achieving efficient personnel management. The evaluation of these periods varies depending on the dynamics of the work environment and the employees. However, generally, employees' daily break times fall within the framework determined by the employer and labor laws. In this thesis, machine learning models are employed to determine the adequacy of existing break times and predict the necessary break times by considering employees' physiological measurements, perceived subjective effort, and ergonomic risk assessment scores. In this context, data were collected from 110 employees performing tasks in production departments with different levels of difficulty. During a 30-minute working period, values of Heart Rate (HR) and energy consumption (Kcal) were obtained using a smartwatch and its application, along with blood oxygen level (SpO₂) values via a pulse oximeter. These data were included in the dataset as employees' physiological evaluations during work. To identify the physical workload from an ergonomic perspective, measurements were conducted using the Rapid Entire Body Assessment (REBA) method. Additionally, perceived subjective effort levels were measured using the Modified Borg Scale. These data collected during work reflect the effort and stress levels expended by the individual during working hours. However, to calculate break times, basal metabolism data during rest periods are also necessary. Therefore, energy expenditure (Kcal) and HR values during rest periods were measured and recorded. Based on the data obtained from 110 different tasks and employees, new break times for light, moderate, and heavy work groups were determined using various machine learning models as 21.42 mins, 21.52 mins, and 22.87 mins, respectively. It is recommended to reconsider the currently implemented 15-minute break time based on the results of this study.

Benzer Tezler

  1. Evde sağlık hizmeti sunan hemşirelerin ergonomik koşullar altında günlük çizelgelerinin belirlenmesi

    Determination of daily schedules of home health care nurses under ergonomic conditions

    ZEHRA DURAK

    Doktora

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiPamukkale Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZCAN MUTLU

  2. Fizikel yorgunluğun kognitif performans üzerine etkisi

    The effect of physical fatigue on cognitive performance

    ŞEVVAL BUSE ALSOY

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    BiyofizikDokuz Eylül Üniversitesi

    Beden Eğitimi ve Spor Ana Bilim Dalı

    DOÇ. DR. ERKAN GÜNAY

  3. Psöriasis vulgaris tanısıyla biyolojik ajan ve biyolojik ajan dışı tedavi alan hastalar arasında depresyon, anksiyete ve yaşam kalitesi skorlarının kıyaslanması

    Comparison of depression, anxiety and quality of life scores between patients diagnosed with psoriasis vulgaris and receiving biological agent and non-biological agent treatment

    UĞUR AKKAŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Acil TıpSağlık Bilimleri Üniversitesi

    Deri ve Zührevi Hast. Ana Bilim Dalı

    DOÇ. DR. ATIL AVCI

  4. Pandeminin bir üniversite hastanesindeki iş kazalarına etkisi

    The effect of the pandemic on occupational accidents in a university hospital

    İSMAİL CAN ATAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Halk SağlığıDokuz Eylül Üniversitesi

    Halk Sağlığı Ana Bilim Dalı

    PROF. DR. OSMAN ALPARSLAN ERGÖR

  5. Uçak bakım teknisyenlerinin iş yüklerinin değerlendirilmesinde çok kriterli karar verme temelli yeni bir yaklaşım

    Hybrid multi-criteria decision making approach proposal for evaluating workloads of aircraft maintenance technicians

    YAŞAR ÖZTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Sivil HavacılıkEskişehir Teknik Üniversitesi

    Uçak Gövde Motor Bakım Ana Bilim Dalı

    DOÇ. DR. EBRU YAZGAN

    DOÇ. DR. ELİF KILIÇ DELİCE