YAPI ÜRETİM SÜRECİNDEKİ İŞ KAZALARI ŞİDDETİNİN ÖN BİLGİLENDİRİLMİŞ YAPAY ÖĞRENME METODU İLE TAHMİNİ

Abstract

Bu çalışmada, yapı üretim sürecinde meydana gelen iş kazalarında, kaza şiddeti ile kaza önlemleri arasındaki ilişki araştırılmıştır. Bunun için geçmiş kaza verileri kullanılarak, ilerideki iş kazalarında hangi önlemlerin alınması gerektiği ve bu önlemlerin alınmaması halinde kaza sonucunun ne olabileceğini tahmin edebilen bütünleşmiş bir model geliştirilmiştir. Bu tahmin modeli, günümüzde araştırmacıların sıklıkla kullandığı AHP (Analitik Hiyerarşi Prosesi) ve YSA (Yapay Sinir Ağları) metotlarının zayıf kaldıkları noktada birbirlerini tamamlaması amacıyla, birbirine entegre edilerek oluşturulmuştur.Modelin anlamlılığı bir saha çalışması yapılarak gerçek veriler ile test edilmiştir. Örneklem için en çok ölümle sonuçlanan 4 (dört) tür iş kazası seçilmiş ve bu iş kazaları için, aynı kurumda, 35 (otuz beş) geçmiş kaza verileri toplanmıştır. YSA metodu giriş katmanını önceden anlamlandıran AHP metodu için ikili kıyaslama verileri, profesyonel bir anket firması tarafından sektörde görev yapan İSG (İş sağlığı ve güvenliği) uzmanlarından, anket yöntemi ile elde edilmiştir. Elde edilen bu verilerden 120 adedi ağların eğitilmesinde, 20 adedi de test edilmesinde kullanılmıştır. Sonuçta risk azaltıcı önlemler ile kaza şiddeti arasında ilişkinin, toplanan kaza verileriyle sınırlı olmak kaydıyla, %90 oranında anlamlı olduğu görülmüştür.

In this study, the relationship between accident severity and accident measures in the occupational accidents that occurred during the building process was investigated. By using past accident data, an integrated model has been developed which can predict what measures should be taken in future occupational accidents and what the outcome of the accident would be if these measures are not taken.This estimation model was developed by integrating the AHP (Analytical Hierarchy Process) and ANN (Artificial Neural Networks) methods, which are frequently used by researchers, to complement each other at the point where they are weak. The significance of the model was tested with real data by conducting a field study. For the sample, 4 (four) types of occupational accidents that caused the most deaths were selected, and 35 (thirty-five) past accident data were collected for each of these occupational accident types. For AHP method, which weighting the input layer of the ANN method, the binary comparison data was obtained through the survey method from the OHS (Occupational Health and Safety) experts working in the sector by a professional survey firm. From the data obtained, 120 data were used to train network, 20 data were used to test it. As a result, the relationship between risk reducing measures and accident severity was found to be 90% significant, provided that it is limited to the accident data collected.