Petrol ve doğalgaz faaliyetlerinde çalışanların iş kazaları açısından incelenmesi

Basit Öğe Kaydı
dc.authorid0009-0000-8841-3632
dc.contributor.advisorBezek Güre, Özlem
dc.contributor.authorKünteş, Önder
dc.date.accessioned2024-10-08T06:42:33Z
dc.date.available2024-10-08T06:42:33Z
dc.date.issued2024-09-13
dc.departmentBatman Üniversitesi Lisansüstü Eğitim Enstitüsü İş Sağlığı ve Güvenliği Anabilim Dalı
dc.description.abstractTürkiye’de her yıl birçok sektörde iş kazası yaşanmaktadır. Petrol sektöründe meydana gelen iş kazalarının değerlendirilmesini amaçlayan bu çalışmada yapay sinir ağları kullanılarak kaza tahminlemesi yapılmıştır. Petrol sektöründe faaliyet gösteren bir şirkette 2020-2023 yıllarında meydana gelmiş olan 2210 adet iş kazası verileri kullanılmıştır. Çalışmada; aylık kaza verileri ile yapay sinir ağı modellemesi yapılmıştır. Çalışmada ileri beslemeli ağlardan olan Çok Katmanlı Algılayıcı Yapay Sinir ağları (ÇKAYSA) ile Radyal Tabanlı Fonksiyon Yapay Sinir Ağları (RTFYSA) kullanılmıştır. Verilerin %70’i eğitim , %30’u test verisi olarak ayrılmıştır. Analizler sonucunda; ÇKAYSA yönteminde %84.1 doğru sınıflama oranı, RTFYSA yöntemi ile %86.4 doğru sınıflama oranı elde edilmiştir. RTFYSA yönteminin ÇKAYSA yöntemine göre daha başarılı performans gösterdiği söylenebilir. Yöntemlerin iş kazalarının tahmini amacıyla kullanılması önerilmektedir.
dc.description.abstractOccupation accidents occur in many sectors in Turkey every year. In this study, which aims to evaluate occupational accidents occurring in the oil sector, accident estimation was made using artificial neural networks. SPSS 21 package program was used for this purpose. Data on 2210 work accidents that occurred between 2020 and 2023 in a company operating in the oil sector were used. In this study; Artificial neural network modeling was done with monthly accident data. In the study, Multilayer Perceptron Artificial Neural Networks (MLPANN) and Radial Basis Function Artificial Neural Networks (RBFANN), which are feed-forward networks, were used. 70% of the data is divided as training data and 30% as test data. As a result of the analysis; An 84.1% correct classification rate was obtained with the MLPANN method, and an 86.4% correct classification rate was obtained with the RBFANN method. It can be said that the RBFANN method performs more successfully than the MLPANN method. Therefore, it is envisaged that the use of the model in accident risk assessments in the oil industry, which is carried out on a project basis and therefore constantly varies, will be effective for the measures to be taken.
dc.identifier.citationKünteş, Ö. (2024). Petrol ve doğalgaz faaliyetlerinde çalışanların iş kazaları açısından incelenmesi. (Yayınlanmamış Yüksek Lisans Tezi). Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, Batman.
dc.identifier.urihttps://hdl.handle.net/20.500.12402/4775
dc.language.isotr
dc.publisherBatman Üniversitesi Lisansüstü Eğitim Enstitüsü
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectİş Sağlığı ve Güvenliği
dc.subjectİş Kazaları
dc.subjectPetrol Sektörü
dc.subjectYapay Sinir Ağları
dc.subjectOccupational Health and Safety
dc.subjectOccupation Accidents
dc.subjectOil Industry
dc.subjectArtificial Neural Networks
dc.titlePetrol ve doğalgaz faaliyetlerinde çalışanların iş kazaları açısından incelenmesi
dc.title.alternativePersons working in oil and natural gas activities investigation in terms of work accidents
dc.typeMaster Thesis

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
TAM METİN - FULL TEXT.pdf
Boyut:
2.2 MB
Biçim:
Adobe Portable Document Format
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.17 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Lisansüstü Eğitim Enstitüsü, İş Sağlığı ve Güvenliği Anabilim Dalı, Tez Koleksiyonu