Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: Ekin KARAKAYA ÖZKAN
Danışman: Hasan Basri Ulaş
Özet:
Bu çalışmanın amacı; Çalışma ve Sosyal Güvenlik Bakanlığı tarafından kayıt altına alınan 2013 2018 yılları arasında metal sektöründe yaşanmış ulusal iş kazaları için kaza parametrelerini ve risk faktörlerini dikkate alarak istatistiksel bir değerlendirme yapmaktır. Ayrıca, ağır kaza olarak nitelendirilen ölümlü ve uzuv kayıplı iş kazası verilerini kullanarak makine öğrenimi yöntemiyle bir tahmin algoritması geliştirmek ve algoritmaların performans ölçütlerini karşılaştırmaktır. Bu kapsamda, metal sektöründe gerçekleşmiş 1542 adet ağır kaza ve 103179 yaralanmalı olmak üzere toplam 104721 tane iş kazası verisi analiz edilmiştir. Kazalar; kaza zamanı, kazazedeye ait parametreler ve kaza nedeni, yaralanma durumu ve yaralanma türü gibi kaza sonucuna ait bilgiler kullanılarak istatistiksel olarak analiz edilmiştir. Kazaların en fazla 2013 yılında, mart ve mayıs ayında, salı günleri ve üçüncü vardiyada gerçekleştiği tespit edilmiştir. 25-35 yaş aralığında, erkek, evli, ilköğretim mezunu ve tecrübesiz çalışanların kaza geçirme açısından en riskli grupta olduğu tespit edilmiştir. Metal sektöründe parmaklar, eller ve ayaklar yaralanma ihtimali en yüksek organlardır. Makinelerin denetim kaybı ve hareketli parçalar sebepli pek çok kaza olduğu görülmüştür. İş kazası nedenlerinin detaylı bir şekilde sınıflandırılması ve tahmin edilmesi kazaları azaltmak için gereklidir. Literatürde; iş kazalarını azaltma amacıyla kaza ile ilgili faktörleri araştırmak ve etkili tahmin modelleri oluşturmak için çeşitli makine öğrenimi algoritmaları kullanılmıştır. Bu çalışmada, iş kazası nedenlerini ve sonuçlarını tahmin etmek amacıyla makine öğrenimi yöntemlerinden rastgele orman (RF), k-en yakın komşu (KNN), sınıflama ve regresyon ağaçları (CART), gradyan artırma makineleri (GBM) algoritmaları kullanılmıştır. Algoritmanın doğrulaması için 10 katlı çapraz doğrulama modeli kullanılmış ve bu yöntemle RF algoritmasının doğruluk değeri %4,7 oranında arttırılmıştır. RF algoritmasının doğruluk değeri 0,9172 olarak bulunmuştur. RF (0,9172) algoritması, GBM (0,9073), CART (0,7417) ve KNN (0,6722) algoritmalarından daha iyi performans göstermiştir.
Anahtar Kelimeler : İş Sağlığı ve Güvenliği, Metal Sektörü, İş Kazaları, Makine Öğrenimi,
Rastgele Orman