Araştırma Makalesi
BibTex RIS Kaynak Göster

Yıl 2019, Cilt: 12 Sayı: 1, 47 - 59, 01.06.2019

Zinnet Duygu Akşehir , Ebru Pekel Sedat Akleylek , Erdal Kılıç , Yalçın Oruç

Öz

Kaynakça

  • [1] Baradan, S., et al., Ege Bölgesindeki İnşaat İş Kazalarının Sıklık ve Çapraz Tablolama Analizleri. İMO Teknik Dergi, 2016. 7345(7370): p. 448.
  • [2] Akboğa, Ö. and S. Baradan, İnşaat sektöründeki ölümlü iş kazalarının karakteristiklerinin incelenmesi: İzmir alan çalışması, 5. İşçi Sağlığı ve İş Güvenliği Sempozyumu, İzmir, 2015: p. 215-224.
  • [3] Erginel, N. and Ş. Toptancı, İş Kazası Verilerinin Olasılık Dağılımları ile Modellenmesi. Mühendislik Bilimleri ve Tasarım Dergisi, 2017. 5(SI): p. 201-212.
  • [4] Gümüş, R., Türkiye’de 2015 Yılında Meydana Gelen İş Kazalarının Analizi Ve 2014 Yılı Verileri İle Karşılaştırılması. The Journal of Academic Social Science Studies International Journal of Social Science, 2017. 55: p. 277-287.
  • [5] Eratak, Ö.D., Yeraltı Kömür Madenciliğinde Güvenlik İçin Risk Yönetimde Analiz Ve Modelleme. Doktora Tezi, ODTÜ.
  • [6] Geçer, H.S., Trafik Kaza Analizleri İçin Web Tabanlı Bir Karar Destek Sistemi Geliştirilmesi. Yüksek Lisans Tezi, Sakarya Üniversitesi, 2013.
  • [7] García-Herrero, S., et al., Working conditions, psychological/physical symptoms and occupational accidents. Bayesian network models. Safety Science, 2012. 50(9): p. 1760-1774.
  • [8] García-Herrero, S., et al., Using Bayesian networks to analyze occupational stress caused by work demands: Preventing stress through social support. Accident Analysis & Prevention, 2013. 57: p. 114-123.
  • [9] Martín, J.E., et al., A Bayesian network analysis of workplace accidents caused by falls from a height. Safety Science, 2009. 47(2): p. 206-214.
  • [10] Leu, S.-S. and C.-M. Chang, Bayesian-network-based safety risk assessment for steel construction projects. Accident Analysis & Prevention, 2013. 54: p. 122-133.
  • [11] Pekel, E., et al. A Bayesian Network Application in Occupational Health and Safety. in 2018 3rd International Conference on Computer Science and Engineering (UBMK). 2018: pp. 239-243.
  • [12] Akşehir, Z.D., et al. On the Analysis of Work Accidents Data by Using Data Preprocessing and Statistical Techniques. in 2018 2nd International Symposium on Multidisciplinary Studies and Innovative Technologies (ISMSIT). 2018: pp. 1-6.
  • [13] Babbie, E.R., The basics of social research. 2013: Cengage Learning.
  • [14] Akboğa, Ö., İnşaat İş Kazalarında Lojistik Regresyon İle Kaza Şiddetinin Modellenmesi. Ege Üniversitesi, Fen Bilimleri Enstitüsü, Doktora Tezi, 2014.
  • [15] Sims, R.L., Bivariate data analysis: A practical guide. 2000: Nova Publishers.
  • [16] Healey, J.F., Statistics: A tool for social research. 2014: Cengage Learning.
  • [17] Friedman, N., I. Nachman, and D. Peér. Learning Bayesian network structure from massive datasets: the «sparse candidate «algorithm. in Proceedings of the Fifteenth conference on Uncertainty in artificial intelligence. 1999: pp. 206-215.
  • [18] Jensen, F.V., An introduction to Bayesian networks. Vol. 210. 1996: UCL press London.
  • [19] Hall, M., et al., The WEKA data mining software: an update. ACM SIGKDD explorations newsletter, 2009. 11(1): p. 10-18.

İş Sağlığı ve Güvenliği Sektöründe Bayes Ağları Uygulaması

Yıl 2019, Cilt: 12 Sayı: 1, 47 - 59, 01.06.2019

Zinnet Duygu Akşehir , Ebru Pekel Sedat Akleylek , Erdal Kılıç , Yalçın Oruç

Öz

Günümüzde inşaat sektöründeki gelişmeyle beraber iş kazalarının da
sayısı artmıştır. Teknolojinin gelişimi, iş güvenliğindeki önlemlerde
eksiklikler ve çalışanların eğitimsiz oluşu bu iş kazalarındaki ana nedenlerdir.
Bu çalışmada iş kazası verileri önce veri önişleme adımından geçirilip daha
sonra elde edilen veriler üzerinde tek değişkenli sıklık ve çapraz tablolama
analizi yapılmıştır. Yapılan analizler sonucunda iş kazalarının meydana
gelmesinde yüksek risk taşıyan değişkenler tespit edilmiştir. Ardından bu
değişkenlerin iş kazasına etkileri Bayes ağları (BNs) ile analiz edilmiştir. Bayes
ağı, değişkenler arasındaki koşullu bağımlılık ilişkilerini ve tek bir bağımsız
değişkene bağımlı olmadıklarını yansıtmaktadır. Bayes ağı, uluslararası bir
inşaat firmasından bir veri kümesi üzerinde uygulanmıştır. Kurulan Bayes ağının
doğruluk oranı ve diğer performans ölçütleri analiz edilmiş ve yapılan modelin
etkinliği yorumlanmıştır. Deneysel sonuçlara göre, bazı iş kazası vakalarının
makine öğrenme tekniklerini kullanarak yüksek doğruluk oranları ile önceden
tahmin edilebileceği gösterilmiştir.

Anahtar Kelimeler

Bayes ağı sınıflandırma makine öğrenmesi iş kazası tek değişkenli sıklık frekans analizi çapraz tablolama

Kaynakça

  • [1] Baradan, S., et al., Ege Bölgesindeki İnşaat İş Kazalarının Sıklık ve Çapraz Tablolama Analizleri. İMO Teknik Dergi, 2016. 7345(7370): p. 448.
  • [2] Akboğa, Ö. and S. Baradan, İnşaat sektöründeki ölümlü iş kazalarının karakteristiklerinin incelenmesi: İzmir alan çalışması, 5. İşçi Sağlığı ve İş Güvenliği Sempozyumu, İzmir, 2015: p. 215-224.
  • [3] Erginel, N. and Ş. Toptancı, İş Kazası Verilerinin Olasılık Dağılımları ile Modellenmesi. Mühendislik Bilimleri ve Tasarım Dergisi, 2017. 5(SI): p. 201-212.
  • [4] Gümüş, R., Türkiye’de 2015 Yılında Meydana Gelen İş Kazalarının Analizi Ve 2014 Yılı Verileri İle Karşılaştırılması. The Journal of Academic Social Science Studies International Journal of Social Science, 2017. 55: p. 277-287.
  • [5] Eratak, Ö.D., Yeraltı Kömür Madenciliğinde Güvenlik İçin Risk Yönetimde Analiz Ve Modelleme. Doktora Tezi, ODTÜ.
  • [6] Geçer, H.S., Trafik Kaza Analizleri İçin Web Tabanlı Bir Karar Destek Sistemi Geliştirilmesi. Yüksek Lisans Tezi, Sakarya Üniversitesi, 2013.
  • [7] García-Herrero, S., et al., Working conditions, psychological/physical symptoms and occupational accidents. Bayesian network models. Safety Science, 2012. 50(9): p. 1760-1774.
  • [8] García-Herrero, S., et al., Using Bayesian networks to analyze occupational stress caused by work demands: Preventing stress through social support. Accident Analysis & Prevention, 2013. 57: p. 114-123.
  • [9] Martín, J.E., et al., A Bayesian network analysis of workplace accidents caused by falls from a height. Safety Science, 2009. 47(2): p. 206-214.
  • [10] Leu, S.-S. and C.-M. Chang, Bayesian-network-based safety risk assessment for steel construction projects. Accident Analysis & Prevention, 2013. 54: p. 122-133.
  • [11] Pekel, E., et al. A Bayesian Network Application in Occupational Health and Safety. in 2018 3rd International Conference on Computer Science and Engineering (UBMK). 2018: pp. 239-243.
  • [12] Akşehir, Z.D., et al. On the Analysis of Work Accidents Data by Using Data Preprocessing and Statistical Techniques. in 2018 2nd International Symposium on Multidisciplinary Studies and Innovative Technologies (ISMSIT). 2018: pp. 1-6.
  • [13] Babbie, E.R., The basics of social research. 2013: Cengage Learning.
  • [14] Akboğa, Ö., İnşaat İş Kazalarında Lojistik Regresyon İle Kaza Şiddetinin Modellenmesi. Ege Üniversitesi, Fen Bilimleri Enstitüsü, Doktora Tezi, 2014.
  • [15] Sims, R.L., Bivariate data analysis: A practical guide. 2000: Nova Publishers.
  • [16] Healey, J.F., Statistics: A tool for social research. 2014: Cengage Learning.
  • [17] Friedman, N., I. Nachman, and D. Peér. Learning Bayesian network structure from massive datasets: the «sparse candidate «algorithm. in Proceedings of the Fifteenth conference on Uncertainty in artificial intelligence. 1999: pp. 206-215.
  • [18] Jensen, F.V., An introduction to Bayesian networks. Vol. 210. 1996: UCL press London.
  • [19] Hall, M., et al., The WEKA data mining software: an update. ACM SIGKDD explorations newsletter, 2009. 11(1): p. 10-18.
Toplam 19 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Mühendislik
Bölüm Makaleler(Araştırma)
Yazarlar

Zinnet Duygu Akşehir

Ebru Pekel Bu kişi benim

Sedat Akleylek

Erdal Kılıç

Yalçın Oruç Bu kişi benim

Yayımlanma Tarihi 1 Haziran 2019
Yayımlandığı Sayı Yıl 2019 Cilt: 12 Sayı: 1

Kaynak Göster

APA Akşehir, Z. D., Pekel, E., Akleylek, S., Kılıç, E., vd. (2019). İş Sağlığı ve Güvenliği Sektöründe Bayes Ağları Uygulaması. Türkiye Bilişim Vakfı Bilgisayar Bilimleri Ve Mühendisliği Dergisi, 12(1), 47-59.
AMA Akşehir ZD, Pekel E, Akleylek S, Kılıç E, Oruç Y. İş Sağlığı ve Güvenliği Sektöründe Bayes Ağları Uygulaması. TBV-BBMD. Haziran 2019;12(1):47-59.
Chicago Akşehir, Zinnet Duygu, Ebru Pekel, Sedat Akleylek, Erdal Kılıç, ve Yalçın Oruç. “İş Sağlığı Ve Güvenliği Sektöründe Bayes Ağları Uygulaması”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri Ve Mühendisliği Dergisi 12, sy. 1 (Haziran 2019): 47-59.
EndNote Akşehir ZD, Pekel E, Akleylek S, Kılıç E, Oruç Y (01 Haziran 2019) İş Sağlığı ve Güvenliği Sektöründe Bayes Ağları Uygulaması. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 12 1 47–59.
IEEE Z. D. Akşehir, E. Pekel, S. Akleylek, E. Kılıç, ve Y. Oruç, “İş Sağlığı ve Güvenliği Sektöründe Bayes Ağları Uygulaması”, TBV-BBMD, c. 12, sy. 1, ss. 47–59, 2019.
ISNAD Akşehir, Zinnet Duygu vd. “İş Sağlığı Ve Güvenliği Sektöründe Bayes Ağları Uygulaması”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 12/1 (Haziran 2019), 47-59.
JAMA Akşehir ZD, Pekel E, Akleylek S, Kılıç E, Oruç Y. İş Sağlığı ve Güvenliği Sektöründe Bayes Ağları Uygulaması. TBV-BBMD. 2019;12:47–59.
MLA Akşehir, Zinnet Duygu vd. “İş Sağlığı Ve Güvenliği Sektöründe Bayes Ağları Uygulaması”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri Ve Mühendisliği Dergisi, c. 12, sy. 1, 2019, ss. 47-59.
Vancouver Akşehir ZD, Pekel E, Akleylek S, Kılıç E, Oruç Y. İş Sağlığı ve Güvenliği Sektöründe Bayes Ağları Uygulaması. TBV-BBMD. 2019;12(1):47-59.
 Kapak Resmi İndir

https://i.creativecommons.org/l/by-nc/4.0Makale Kabulü

 

Çevrimiçi makale yüklemesi yapmak için kullanıcı kayıt/girişini kullanınız.

Dergiye gönderilen makalelerin kabul süreci şu aşamalardan oluşmaktadır:

1.       Gönderilen her makale ilk aşamada en az iki hakeme gönderilmektedir.

2.       Hakem ataması, dergi editörleri tarafından yapılmaktadır. Derginin hakem havuzunda yaklaşık 200 hakem bulunmaktadır ve bu hakemler ilgi alanlarına göre sınıflandırılmıştır. Her hakeme ilgilendiği konuda makale gönderilmektedir. Hakem seçimi menfaat çatışmasına neden olmayacak biçimde yapılmaktadır.

3.       Hakemlere gönderilen makalelerde yazar adları kapatılmaktadır.

4.       Hakemlere bir makalenin nasıl değerlendirileceği açıklanmaktadır ve aşağıda görülen değerlendirme formunu doldurmaları istenmektedir.

5.       İki hakemin olumlu görüş bildirdiği makaleler editörler tarafından benzerlik incelemesinden geçirilir. Makalelerdeki benzerliğin %25’ten küçük olması beklenir.

6.       Tüm aşamaları geçmiş olan bir bildiri dil ve sunuş açısından editör tarafından incelenir ve gerekli düzeltme ve iyileştirmeler yapılır. Gerekirse yazarlara durum bildirilir.

 88x31.png   Bu eser Creative Commons Atıf-GayriTicari 4.0 Uluslararası Lisansı ile lisanslanmıştır.