Akademik Veri Yönetim Sistemi
Yöneylem Araştırması ve Endüstri Mühendisliği (YA/EM) 44. Ulusal Kongresi, Ankara, Türkiye, 25 - 27 Haziran 2025, ss.123-124, (Özet Bildiri)
Elle yapılan kaldırma işlerinde çalışan performansı değerlendirmesinde işin tamamlanma süresi önemli bir değişken olarak dikkate alınmakta; söz konusu sürenin kısa veya uzun olması durumlarında işçi çalışma performansının yüksek veya düşük olduğu değerlendirilmektedir. Bununla birlikte, üretim alanlarında işin tamamlanma süresini etkileyen en önemli unsurlardan birisi çalışanın maruz kaldığı fiziksel iş yükü düzeyidir. Fiziksel iş yükü, çalışanın işini gerçekleştirirken harcadığı enerjinin nicel bir göstergesi olarak tanımlanmakta, iş sağlığı ve güvenliği açısından kritik bir parametre olarak değerlendirilmektedir. Yüksek fiziksel iş yüküne maruz kalmak, işgücü veriminin azalması, erken yorgunluk, iş kazaları, kas-iskelet sistemi rahatsızlıkları gibi olumsuz sonuçlara yol açabilmektedir. Bu çalışmada, iş ortamında fiziksel iş yükünü etkileyen ergonomik faktörler ile işin tamamlanma süresi arasındaki ilişkinin makine öğrenmesi modelleri kullanılarak analiz edilmesi ve bu ilişkinin açıklanması için en uygun modelin belirlenmesi amaçlanmıştır. Araştırmada bir gerçek hayat uygulaması yürütülmüş ve kullanılan veriler elektrikli motor üretim sürecinde yer alan, yüzey temizliği, bileşen montajı, elektriksel bağlantıların yapılması, mekanik ve elektriksel testler ile paketleme gibi fiziksel efor gerektiren üretim aşamalarında yapılan ölçümlerden ve bu aşamalarda çalışan işçilerin bireysel özelliklerinden yola çıkılarak elde edilmiştir. Çalışma kapsamında incelenen bu üretim aşamaları boyunca iş ortamında gerçekleştirilen elle kaldırma işlerinin analizi için hazırlanan veri seti çalışma performansına etki edecek fiziksel özellikler ve iş tasarımı temelli veriler olarak geniş bir çerçevede oluşturulmuştur. Kullanılan veri seti yaş, deneyim süresi, kalp atış hızı, REBA postür skoru, standart zaman, kaldırma indeksi ve iş tamamlama süresi değişkenlerinden oluşmaktadır. Analizlerde bağımlı değişken olarak “iş tamamlama süresi” esas alınmış, bu değişkenin açıklanmasında etkili olan diğer değişkenler veri ön işleme süreçlerinden geçirilmiştir. Veri seti üzerinde sırasıyla Doğrusal (Linear), Logaritmik-Doğrusal (Log-Linear), Doğrusal-Logaritmik (Linear-Log), Log-Log, Reciprocal ve Log(Reciprocal) dönüşümleri uygulanarak toplam altı farklı regresyon modeli geliştirilmiştir. Her bir modelin determinasyon katsayısı (R²) hesaplanmış ve modellerin performansları karşılaştırılmıştır. Elde edilen sonuçlara göre, Doğrusal Regresyon Modeli, en yüksek açıklayıcılık düzeyine ulaşarak diğer modeller arasında öne çıkmış ve bağımlı değişkenin tahmininde en başarılı yapı olarak belirlenmiştir. Çalışmada ayrıca, işçilerin maruz kalınan fiziksel iş yükü değerini etkileyen ergonomik faktörler açısından benzer alt gruplar oluşturup oluşturmadığı denetimsiz öğrenme yaklaşımıyla kümeleme analizi kullanılarak araştırılmıştır. Bu kapsamda, optimum küme sayısının belirlenmesi amacıyla Dirsek Yöntemi uygulanmış ve dirsek noktasının üç ile dört küme arasında konumlandığı gözlemlenmiştir. Her iki küme sayısı için K-Ortalamalar (K-Means) algoritması ile analizler gerçekleştirilmiş ve her bir kümenin dikkate alınan değişkenler açısından karakteristik özellikleri değerlendirilmiştir. Sonuç olarak, regresyon ve kümeleme analizleri neticesinde elde edilen bulgular, işçilerin fiziksel iş yükü düzeyleri ile işin tamamlanma süresi arasında anlamlı ilişkiler bulunduğunu ortaya koymaktadır. Bu sonuçlar, iş gücü planlaması ve iş tasarımı süreçlerinde bireysel farklılıkların ve fiziksel iş yükünü etkileyen faktörlerin sistematik biçimde dikkate alınmasının gerekliliğine işaret etmektedir. Böylelikle hem çalışan sağlığının korunması hem de üretim verimliliğinin artırılması yönünde önemli katkılar sağlanabileceği öngörülebilmektedir.