No abstract

No abstract

No abstract

Identifying the correlations between the attributes of severe accidents could be vital to preventing them. If such relationships were known dynamically, it would be possible to take preventative actions against accidents. The paper aims to develop an analytical model that is adaptable for each type of data to create preventative measures that will be suitable for any computational systems. The present model collectively shows the relationships between the attributes in a coherent manner to avoid severe accidents. In this respect, Association Rule Mining (ARM) is used as the technique to identify the correlations between the attributes. The research adopts a positivist approach to adhere to the factual knowledge concerning nine different accident types through case studies and quantitative measurements in an objective nature. ARM was exemplified with nine different types of construction accidents to validate the adaptability of the proposed model. The results show that each accident type has different characteristics with varying combinations of the attribute, and analytical model accomplished to accommodate variation through the dataset. Ultimately, professionals can identify the cause-effect relationships effectively and set up preventative measures to break the link between the accident causing factors.

No abstract

No abstract

Özİş Sağlığı ve Güvenliği (İSG), gelişen güvenlik sistemlerine rağmen, inşaat sektörü için hala büyük bir sorun teşkil etmektedir. Sağlık problemlerinin yanı sıra, proje bütçesini etkileyecek ciddi masraflara da neden olmaktadır. Bu problemlerin başlıca nedeni ise, inşaat sektöründe insana dayalı iş gücü fazla olduğundan, kazalar ve kaza etken unsurları arasındaki ilişkileri kurmanın oldukça zor olmasıdır. Bu çalışmada, farklı şantiyelerden anonim olarak toplanan "Keskin bir Cisim ile Temas Sonucu Yaralanma" olayları kullanılarak, kaza etken unsurları incelenmiş olup, kaza tahmin modeli oluşturulması amaçlanmıştır. Kaza sonuçları, tehlike seviyelerine göre üç farklı gruba ayrılmıştır; (1) Derece) yöntemi ile çalışılmış ve kaza değişkenlerinin, bu kaza türündeki etkileri hesaplanmıştır. Hesaplanan bu etkiler ile, Yapay Sinir Ağları (YSA) tahmin modeli oluşturulmuştur. 829 farklı kaza verisi bu çalışmada kullanılmış ve kazaların 720'si kurulan tahmin modelinin, öğrenme sürecinde kullanılırken, 109 adeti modelin güvenilirliğini kontrol etmek için ayrılmıştır. YSA modeli kurulum aşamasında, 10 farklı tahmin modeli kurulmuş ve bu modellerin R-kare ve Ortalama Hata Kareleri (OHK) kontrol edilmiştir. Daha sonra, modeller, rastgele seçilen 109 olay için teste tabii tutulmuştur. En iyi sonucu veren model %78 doğrulukla kaza tehlikelerini tahmin etmeyi başarmıştır. Sonuç olarak, sunulan bu çalışma ile incelenen kaza tipi için, inşa aşamasında karşılaşabilecek riskli durumların önceden gösterilmesi ve kazaya neden olan etkenlerin sunulması hedeflenmiştir.

No abstract