Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBu şekilde, yeni girişlerin kazandığı deneyime göre olası iş kazalarının aylara göre frekansları tahmin edilerek, üst yönetime güvenilir karar desteği sağlanmıştır.
📌 3 Maddede Bu Makale
Özet
İş Sağlığı ve Güvenliğinde karşılaşılabilecek tüm tehlike ve risklerin sistematik ve verimli biçimde yönetilmesi, sürecin sürekli iyileştirme yaklaşımı çerçevesinde çözümlenmesi İş Sağlığı ve Güvenliği Yönetim Sistemleri (İSG-YS) vasıtasıyla olur. Endüstriyel kuruluşlarda muhtemel kazaların insanlara ve çevreye olan zararlarının en aza indirilmesi amacıyla, yüksek seviyede, etkili ve sürekli korumanın sağlanması gerekmektedir. Bu bağlamda, kurumların Risk Değerlendirme Metotlarını kullanarak, mümkün olan en yüksek seviyede ki doğrulukla karar vermesi beklenmektedir. İSG-YS’nde, risk değerlendirme metotlarından olan nicel yöntemle tehlikeler için üretilen senaryolarda kazaların muhtemel sonucunun meydana gelme sıklıkları düşürülmeye çalışılmaktadır. Bu çalışmada, Yapay Sinir Ağları (YSA) yaklaşımı, Nicel (Kantitatif) Risk Değerlendirmesi olarak İSG-YS’ne destek olacak şekilde tasarlanmıştır. İSG tehlikelerinin bulunduğu kurumlardaki kazaların vuku bulma olasılıkları YSA ile ele alınarak yorumlanması için farklı modeller geliştirilmiştir. Geliştirilen modellerin performansları belirleme katsayısı (R2) ve Karesel Hataların Karekökü (Root Mean Square Error) ölçütleri içinde değerlendirilmiştir. Yapay Sinir Ağları ile geliştirilen model ile, giriş ve istenilen çıkış değerlerinin tekrar tekrar ağa uygulanmasıyla eğitimi gerçekleştirilerek, hataların minimize edilmesiyle olası kazaların sıklığını öngören öğrenmeler gerçekleştirilmiştir. Bu şekilde, yeni girişlerin kazandığı deneyime göre olası iş kazalarının aylara göre frekansları tahmin edilerek, üst yönetime güvenilir karar desteği sağlanmıştır.
Abstract
In the study, different models were developed for interpreting the probabilities of occupational accidents in institutions where severe OSH hazards are present, by taking into account the ANN. The coefficients of the performance determinants (R2) and the Root Mean Square Error of the developed models were evaluated. Models developed with Artificial Neural Networks, training of input and wanted output values by repeatedly applying to the network, learning realized by predicting possible accidents by minimizing faults. In this way, the frequencies of the probable occupational accidents according to the months of the new entries are estimated according to the experiment, and the top management provides reliable decision support.Effective and continuous protection must be provided at a high level in industrial establishments in order to minimize the loss of possible accidents to people and the environment. In this context, institutions are expected to use the “Quantitative Risk Assessment Methodologies” to make decisions with the highest possible accuracy. In the OSH Management Systems, quantitative risk assessments are attempted to reduce the frequencies of possible consequences of the accidents that are scenarios for the hazards. The Artificial Neural Networks (ANN) approach is designed to support the OSH Management System as a Quantitative Risk Assessment.All hazards and risks that may be encountered in Occupational Safety and Health are systematically and efficiently managed, and the process is solved through Occupational Safety and Health Management Systems (OSHMS) within the framework of the continuous improvement approach.