İnşaat Sektöründe İş Kazalarının Yapay Sinir Ağı İle Değerlendirilmesi: İstanbul İlinde Bir Örnek Uygulama

İş sağlığı ve güvenliğinde yapay sinir ağı modeli ile inşaat sektöründe kaza risklerinin değerlendirmesine yönelik olan bu çalışmada, kaza verileri üzerinden modelleme gerçekleştirilmiştir. Bu çalışmada, kaza sayısı verilerinden gerçekleşen makine öğrenim sonuçları ile karar vericilerin risk değerlendirmesinde kullandığı sıklık (frekans) kavramı için tahminleme oluşturmak amaçlanmıştır. Yapay sinir ağlarıyla kaza sayısı tahminlemesi MATLAB programının NNTool paketi kullanılarak yapılmıştır. İstanbul ili içerisinde faaliyet gösteren bir ortak sağlık ve güvenlik biriminin 2016-2019 yıllarında ait inşaat projesinde meydana gelen; ergonomik, fiziksel, kimyasal ve psikososyal risk etmenleri temelli 644 adet kaza verileri kullanılmıştır. 644 adet kaza verisinden 48 adet yapay sinir ağı için veri seti oluşturulmuştur. Örneklemdeki iş kazalarına ait ay ve yıl girdileri ile kaza sayıları yüksek doğruluk oranlı tahmini elde edilmiştir. Modelin sonucunda eğitim için %99’luk, test için %92’lik başarı yakalanmıştır. Dolayısıyla proje bazlı yürütülen ve bu nedenle de sürekli farklılık gösteren inşaat sektöründeki kaza riski değerlendirmelerinde modelin kullanımının, alınacak tedbirler için etkin olacağı öngörülmektedir.

In this study on the evaluation of accident risks in the construction sector with artificial neural networks in occupational health and safety, modelling was carried out using accident data. In this study, it is aimed to create an estimation for the concept of frequency used by decision makers in risk assessment with machine learning results from accident number data. Accident number estimation with artificial neural networks was made using the NNTool of the MATLAB program. For this purpose, the data of 644 accidents data based on ergonomic, physical, chemical and psychosocial risk factors that occurred in the construction project of a joint health and safety unit operating in the province of Istanbul in 2016-2019 were used. Data sets were created for 48 artificial neural networks out of the data of 644 accidents. The month and year inputs of the occupational accidents in the sample and the number of accidents were estimated with high accuracy. As a result of the model, a success rate of 99% for training and 92% for testing was achieved. Therefore, it is predicted that the use of the model will be effective for the measures to be taken in accident risk assessments in the construction sector, which are project-based and therefore constantly changing.