Professional Documents
Culture Documents
Isg Yapay Zeka
Isg Yapay Zeka
Isg Yapay Zeka
ERCİYES ÜNİVERSİTESİ
FEN BİLİMLERİ ENSTİTÜSÜ
ENDÜSTRİ MÜHENDİSLİĞİ ANA BİLİM DALI
Hazırlayan
Ömer BIYIKLI
Danışman
Yrd.Doç.Dr.Emel KIZILKAYA AYDOĞAN
Temmuz 2011
KAYSERİ
T.C.
ERCİYES ÜNİVERSİTESİ
FEN BİLİMLERİ ENSTİTÜSÜ
ENDÜSTRİ MÜHENDİSLİĞİ ANA BİLİM DALI
Hazırlayan
Ömer BIYIKLI
Danışman
Yrd.Doç.Dr.Emel KIZILKAYA AYDOĞAN
Temmuz 2011
KAYSERİ
ii
Bu çalışmadaki tüm bilgilerin, akademik ve etik kurallara uygun bir şekilde elde
edildiğini beyan ederim. Aynı zamanda bu kural ve davranışların gerektirdiği gibi, bu
çalışmanın özünde olmayan tüm materyal ve sonuçları tam olarak ak:tardığımı ve
referans gösterdiğimi belirtirim.
İmza~.
iii
YÖNERGEYE UYGUNLUK
"İş Sağlığı ve Güvenliğinde Çok Parametreli, Yapay Zeka Tabanlı ve Hiyerarşik Yapılı
Yeni Bir Risk Analizi Metodu ve Uygulaması" adlı Yüksek Lisans tezi, Erciyes
Üniversitesi Lisansüstü Tez Önerisi ve Tez Yazma Yönergesi'ne uygun olarak
hazırlanmıştır.
İmza
ur'
Endüstri Mühendisliği ABD Başkanı 4 V~
Yrd.Doç.Dr.Ercan şENYİcİT
v
TEŞEKKÜR
Ömer BIYIKLI
vi
Ömer BIYIKLI
Erciyes Üniversitesi, Fen Bilimleri Enstitüsü
Yüksek Lisans Tezi, Haziran 2011
Tez Danışmanı: Yrd.Doç.Dr.Emel KIZILKAYA AYDOĞAN
ÖZET
Anahtar Kelimeler: İş Sağlığı ve Güvenliği, Risk Analizi, Yapay Zeka, Yapay Sinir Ağları,
Bulanık Mantık
vii
Ömer BIYIKLI
Erciyes University, Graduate School of Natural and Applied Sciences
M.Sc.Thesis, July 2011
Thesis Supervisor: Asst.Prof.Dr.Emel KIZILKAYA AYDOĞAN
ABSTRACT
Risk assessment is the most phase of the occupational health and safety process. It basically
consists ofvevaluating the risks involved in the execution of working activities, so as to
provide the managers with information suitable to address intervention measures. Despite risk
assessment's importance, national and international regulations have never formalized a
standard methodology for addressing it, leaving companies complete freedom to adopt the
approach they consider appropriate. As a consequence, companies generally settle on the use
of simple methodologies which frequently are not able to emphasize all the main aspects
affecting risk in the work- place and to produce a precise ranking of hazardous activities. In
this thesis, a new methodology for risk evaluation is then proposed with the aim to overcome
limitations of the classical approaches. In particular, so as to better estimate of the classical
injury magnitude and occurrence probability of an accident parameters, is added sub-
parameters. This parameters and sub-parameters is estimated by artificials intelligence
methods.
Keywords : Occupational health and safety, risk assesment, artificial intelligence, multiple
parameters
viii
İÇİNDEKİLER
KABUL VE ONAY………..…………………………………….....…………..…...…iv
TEŞEKKÜR………….……………………………………………………...….............v
ÖZET………………………….…………………………………..…...….....................vi
ABSTRACT…………………………….…………………………..…………….…....vii
İÇİNDEKİLER…………………………………………………………………...…... viii
ŞEKİLLER LİSTESİ……………………….……………………..……....….............. xv
GİRİŞ.…..……………………………………………………………………………..1
1. BÖLÜM
1.4.1.Tanımlar…………………………………………………………………........6
Sisteminin Yapısı……………………….…………………….……..…….9
1.6. İş Kazaları………………………………………………………….……..…..11
2. BÖLÜM
Yönetimi Kavramları…………………………………………………….…..…..26
3. BÖLÜM
YAPAY ZEKA
4. BÖLÜM
4.2.1.Olasılık……………………………………………………..…….....….68
4.2.2. Şiddet………………………………………………………….............77
4.2.2.1.Salt Şiddet……………………………………………………….......78
5. BÖLÜM
BULGULAR
6.BÖLÜM
6.1. Sonuç…………………………………………………………………...…...112
6.2. Tartışma…………………………………………………………………….113
6.3. Öneriler…………………………………………………………..................114
EKLER…………………………………………………………….………....…115
KAYNAKLAR………………………………………………………….….…..117
ÖZGEÇMİŞ……………………………………………………….…….….…..121
xii
xiii
TABLOLAR LİSTESİ
Tablo 5.2. Önerilen kaza puanı metodu için farklı öğrenme fonksiyonlarına göre
Tablo 5.3. Heinrich kaza puanı metodu için farklı öğrenme fonksiyonlarına göre
Tablo 5.5. Test verileri ve gerçek durumdaki kaza puanı ve YSA, regresyon
sonuçları……………………………………………………………95
Tablo 5.6. Gerçek kaza puanı, YSA, regresyon ve eski olasılık sistemindeki
değerleri……………………………………………………...................105
Tablo 5.15. Risk değerinin bulunmasına yönelik bulanık mantık modeli için
belirlenen kurallar………………………………………………………108
xv
ŞEKİLLER LİSTESİ
Şekil 1.7. Türkiye’deki 2002-2009 yılları arasındaki iş kazası başına ölümlü vaka
ortalamaları…………………………………….………….………….……22
toplamları………………….………………………………………….......23
Şekil 1.10. Türkiye’deki 2002-2009 yılları arasındaki iş kazası ağırlık hızları (Gün).23
Şekil 1.11. Türkiye’deki 2002-2009 yılları arasındaki iş kazası ağırlık hızları (Saat).24
(1000000 İş Saati)………………………………………………............24
(100 Kişide)…………………………………………………………….25
Şekil 3.4. “3’ e yakın reel sayılar kümesi” kavramının değişik üyelik fonksiyonları ile
gösterimi………..……………………………………………………...…60
Şekil 3.5. Sıcaklık değişkeninin [0,100] aralığında aldığı alt durumların bulanık ve
Şekil 4.1. Çok parametreli hiyerarşik yapılı risk değerlendirme modeli ……..…….67
(Çoklu Regresyon)…………………………………………………….…92
(Çoklu regresyon)……………………..………………………..……….93
boyutlu gösterimi…………….…………………...…………….….…104
arayüzü………………………….……………………………..……..105
GİRİŞ
Risk analizi gerçekten sadece bir çarpma, bölme, toplama işlemi ile tanımlanabilecek
kadar önemsiz bir faaliyet midir yoksa günümüzde birçok bilimsel çalışmada yaygın
olarak kullanılmakta olan karmaşık bilgisayar hesaplamalarını içeren yapay zekâ
tekniklerini hak etmekte midir? Tabi ki baştanda bahsettiğimiz gibi insanın sağlık ve
güvenliği ile doğrudan ilgili olması ve birçok bilimsel çalışma ve resmi istatistiklerle
ortaya konan işletmelerin üzerindeki direkt ve dolaylı iş kazası, meslek hastalığı
yüklerine karşılık olarak en kompleks hesaplama yöntemlerini hak eden bir faaliyettir.
Bu tezde risk değerinin hesaplanmasında kullanılan parametrelere yeni parametreler
eklenmiş ve oluşturulan parametreler yapay sinir ağları ve bulanık mantık ile
değerlendirilmiştir.
GİRİŞ
Risk analizi gerçekten sadece bir çarpma, bölme, toplama işlemi ile tanımlanabilecek
kadar önemsiz bir faaliyet midir yoksa günümüzde birçok bilimsel çalışmada yaygın
olarak kullanılmakta olan karmaşık bilgisayar hesaplamalarını içeren yapay zekâ
tekniklerini hak etmekte midir? Tabi ki baştanda bahsettiğimiz gibi insanın sağlık ve
güvenliği ile doğrudan ilgili olması ve birçok bilimsel çalışma ve resmi istatistiklerle
ortaya konan işletmelerin üzerindeki direkt ve dolaylı iş kazası, meslek hastalığı
yüklerine karşılık olarak en kompleks hesaplama yöntemlerini hak eden bir faaliyettir.
Bu tezde risk değerinin hesaplanmasında kullanılan parametrelere yeni parametreler
eklenmiş ve oluşturulan parametreler yapay sinir ağları ve bulanık mantık ile
değerlendirilmiştir.
1. BÖLÜM
İşçi, işveren, işveren vekili ve işyeri kavramları, 4857 sayılı İş Kanunu’nun 2. maddesinde
açıklanmaktadır. Buna göre, Madde 2’de;
Olay
Kaza
Kaza, yaralanmaya, sağlığın bozulmasına veya ölüme sebep olan olaydır [3].
İş Kazası
İş kazası, Dünya Sağlık Örgütü (WHO) tarafından; “önceden planlanmamış, çoğu kez
kişisel yaralanmalara, makinelerin, araç ve gereçlerin zarara uğramasına, üretimin bir süre
durmasına yol açan bir olay” , Uluslararası Çalışma Örgütü (ILO) tarafından ise; “Belirli
bir zarar ya da yaralanmaya neden olan beklenmeyen ve önceden planlanmamış bir olay”
olarak tanımlanmaktadır.
Meslek Hastalığı
Meslek hastalıkları ise yine 506 sayılı Sosyal sigortalar Kanununun 11. maddesinde şöyle
tanımlanır: Meslek hastalığı; sigortalının çalıştırıldığı işin niteliğine göre tekrarlanan bir
sebeple veya işin yürütüm şartları yüzünden uğradığı geçici veya sürekli hastalık, sakatlık
veya ruhi arıza halleridir. Bu kanuna göre tespit edilmiş hastalıklar dışında herhangi bir
hastalığın meslek hastalığı sayılıp sayılmaması üzerinde çıkabilecek uyuşmazlıklar, Sosyal
Sigortalar Yüksek Sağlık Kurulu’nca karara bağlanır. Ayrıca, herhangi bir hastalığın
meslek hastalığı sayılabilmesi için, meslek hastalığının klinik ve laboratuar bulgularıyla
kesinleşmesi ve meslek hastalığına yol açan etkenin işyeri incelenmesi ile kanıtlanması
gerekmektedir.
Meslek hastalıkları, Sosyal Sigortalar Kanunu Sağlık İşlemleri Tüzüğü’ne ekli meslek
hastalıkları listesinde 5 ana grupta toplanmıştır. Bunlar kimyasal maddelerle olan meslek
hastalıkları, mesleki cilt hastalıkları, mesleki solunum sistemi hastalıkları, mesleki bulaşıcı
hastalıklar ve fiziksel etkenlerle olan meslek hastalıkları olarak adlandırılmıştır.
1.4.1. Tanımlar
Sağlık
Dünya Sağlık Teşkilatı Anayasası, sağlığı “yalnız hastalık ve sakatlılığın olmaması değil,
fiziksel, ruhsal ve sosyal tam bir iyilik hali” olarak tanımlar.
İşçi Sağlığı
Dünya Sağlık Teşkilatı (WHO) ve Uluslararası Çalışma Örgütü (ILO) işçi sağlığını;
“Çalışan tüm insanların fiziksel, ruhsal, moral, sosyal yönden tam iyilik durumlarının
sağlanmasının en yüksek düzeylerde sürdürülmesini, iş koşulları ve kullanılan zararlı
maddeler nedeniyle çalışanların sağlığına gelebilecek zararların önlenmesini, işçinin
fizyolojik özelliklerine uygun işlere yerleştirilmesini, işin insana ve insanın işe uymasını,
asıl amaçlar olarak ele alan bilim dalı” olarak tanımlamaktadır.
İş Güvenliği
İş Sağlığı ve Güvenliği
İş yerindeki çalışanların veya diğer işçilerin (geçici işçiler ve yüklenici personeli dâhil),
ziyaretçilerin ve çalışma alanındaki diğer insanların sağlık ve güvenliğini etkileyen veya
etkilemesi mümkün olan şartlar ve faktörlerdir [3].
İş sağlığı ve güvenliği çok yönlü bir çalışmayı gerektirir. Mühendislik, Tıp, Ekonomi,
Hukuk, Sosyoloji, Psikoloji, Ergonomi başta olmak üzere çeşitli bilim dallarından
7
• İş ve işçi arasında mümkün olan en iyi uyumu sağlamak; özellikle işin işçiye uygun hale
getirilmesi ve işçilerin uygun oldukları işlerde çalıştırılmaları ile işçilerin fiziksel ve ruhsal
uyumuna katkıda bulunmaktır [5].
Etkin bir İş Sağlığı ve Güvenliği Risk Yönetimi programının muhtemel, geniş anlamlı ve
uzun vadeli faydaları ise;
9
• Önemli risklere maruz kalma ile ilgili artan anlayış ve bilgi sonucu etkin stratejik
planlama yapılması,
• Arzu edilmeyen İş Sağlığı ve Güvenliği sonuçlarının önceden görülebilmesi hüneri
nedeniyle düşük işçi tazminatları,
• Pozitif İş Sağlığı ve Güvenliği sonuçları ve bunun tesisi için iyi hazırlık,
• Denetim sürecinin geliştirilmesi,
• İş Sağlığı ve İş Güvenliği programlarının uygunluğu, verimliliği ve etkinliği
anlamında iyi sonuçlar elde edilmesi,
• Organizasyon içinde ve dışındaki gruplar arasında gelişmiş haberleşmedir [6].
OHSAS 18001 İş Sağlığı ve Güvenliği Yönetim Sistemleri standardının asıl amacı önleyici
olmasıdır. Bununla beraber sistem her ne kadar önleyicilik üzerine kurulmuşsa da, gerekli
kontrol mekanizmalarını, düzeltici faaliyetleri ve geri besleme mekanizmalarını da
içermektedir.
Planla
Uygula
• Riskleri Değerlendirme
• Risklerin kabul edilebilir olup olmadığına karar verme
• Kontrol Önlemlerinin seçimi ve uygulaması
• Her bölümdeki İlgili kişileri bilgilendirme, eğitme ve katılımını sağlama
• Faaliyet planını izleme ve gerçekleştirme
• Uygulama sonuçlarını yakın takip etme
Kontrol Et
Önlem Al
1.6. İş Kazaları
Dünyada her yıl 2.2 milyon çalışan işle ilgili kazalar ve hastalıklar nedeniyle ölmekte,
yaklaşık 270 milyon çalışan en az üç gün iş göremezlik getiren iş kazasına maruz
kalmaktadır. Dünyanın her yerinde iş kazaları, insani ve ekonomik kayıplara yol açan ve
halk sağlığını tehdit eden 21. yüzyıl risklerindendir Bu kazalarda da her gün 5 bin kişi
yaşamını yitirmiş olup bunlardan 22 bini çocuktur. Toplam küresel gelirin yüzde 4'ü de iş
kazalarında yitirilmiştir. Türkiye İstatistik Kurumu’na göre Türkiye’de her 100 çalışandan
2.9’unun son bir yılda kaza geçirdiği rapor edilmektedir. Metal Sanayicileri Sendikası
(MESS) verilerine göre ise çalışanların %5,9’u iş kazası geçirmektedir. Bu İstatistiklere
bakıldığında iş kazalarının işçilere verdiği görünen zararının yanında görünmeyen riskler
vardır ki bunlar buzdağına benzetilmektedir [7].
12
İşçi Açısından
İşyeri Açısından
Doğrudan Kayıplar
Dolaylı Kayıplar
a. İş Gücü Kaybı
b. Üretim Kaybı
olarak ulusal ekonomimizdeki kaybına ayrıca işçi, SGK ve işveren açısından ortaya çıkan
kayıpları da eklemek gereklidir. Bunun ise ülke ekonomisine maliyeti önemli boyutlara
ulaşmaktadır [8]. İş kazalarının kayıplarının toplu şekilde gösterimi için şekil 1.2.
incelenebilir.
Kaza ani istenmeyen ve planlanmamış, genellikle ölüm, yaralanma veya maddi hasarla
sonuçlanan bir olay olarak tanımlanabilir ya da önceden bilinmeyen istem dışı bir olgu
sonrası aniden meydana gelip kontrol dışına çıkan ve kişinin bedensel bütünlüğüne zarar
verebilecek ya da maddi hasara neden olabilecek nitelikteki olaylardır. Bize bir bakış açısı
kazandırması açısından kaza ile ilgili bazı teorilere [6]'da belirtildiği gibi kısaca
değineceğiz;
Bu teori, bir kazanın tek bir nedenin sonucu olarak ortaya çıktığını ileri süren görüşten
doğar. Eğer bu tek neden tanınabilir ve ortadan kaldırılabilir ise kaza tekrar etmeyecektir.
Bu teori genellikle temel sağlık ve güvenlik eğitimi almış kişilerce kabul edilmemektedir.
16
• Enerji Teorisi:
Bu teoriye göre (William Haddon tarafından ortaya atılmıştır) kazalar daha çok
Muhtemelen enerji transferinde ya da enerji transferi esnasında meydana gelir. Bu enerji
boşalmasının oranı önemlidir çünkü enerji boşalması ne kadar büyükse, hasar potansiyeli
de o kadar büyüktür. Tehlikelerin tanınmasında bu kavram çok sınırlandırılmış ve bu
haliyle tek etken teorisine benzemektedir. Tek faktör teorisinden farklı olarak enerji
boşalması önemlidir.
Bu teori kazaları, eninde sonunda insan hatasından kaynaklanan olaylar zincirine bağlar.
Teori, insan hatasına yol açan üç önemli faktörü içerir: Aşırı yük, uygun olmayan tepki ve
yerinde olmayan faaliyetler. Bu teorileri de kaza sebepleri teorileri üç geniş kategori altında
sınıflandırılmıştır: Kaza-yatkınlık teorileri, işçi kabiliyetlerine karşılık iş talebi teorileri ve
psikososyal teoriler. Kazaların insan hatalarından kaynaklanması birçok faktöre dayanır.
Kuşkusuz, kaza yapan işçinin eğitimsizliği, işe uygun olmayışı, uyumsuzluğu, eğitim ve
bilgi eksikliği, tecrübesizliği, yorgunluğu, heyecanlı veya üzüntülü oluşu, dalgınlığı,
dikkatsizliği, ilgisizliği, düzensizliği, meleke noksanlığı ve hastalıkları vb. nedenler; ya da
işçinin her şeye karşın kurallara uymamış olması da insan faktörüne bağlı temel sebepler
arasındadır.
• Kaza/Olay Kuramı:
• Sistem Kuramı:
Teori bir kazanın oluşabileceği herhangi bir durumu, üç parçadan oluşan bir sistem olarak
görür: İnsan, makine ve çevre.
17
• Kombinasyon Kuramı:
Bir tek teorinin tek başına bütün hadiseleri açıklayamayacağını savunur. Teoriye göre
kazaların gerçek sebebi iki veya daha fazla modelin kombinasyonu ile elde edilebilir.
• Epidemiyoloji Kuramı:
Teori, çevre faktörleri ve hastalık arasındaki ilişkiyi belirleme ve çalışma için kullanılan
modellerin, çevre faktörleri ile kazalar arasındaki sebepsel ilişkinin açıklanmasında da
kullanılabileceğini savunur.
Kaza birçok etken ile birlikte değerlendirilerek analiz edilir. Bu teori ve analiz yöntemleri
birçok deneyimli sağlık ve güvenlik uzmanları tarafından da kabul edilip uygulanmaktadır.
Kazalar çok etkenlidir, standart altı uygulamalar, standart altı şartların oluşması sonucu bir
hatalar zinciri sonucu meydana gelir.
• Domino Etkisi:
Bu teoride olaylar beş domino taşının arka arkaya sıralanarak, birbirini düşürmesine
benzetilerek açıklanmıştır. Her kaza beş tane temel nedenin arka arkaya dizilmesi sonucu
meydana gelir, buna “Kaza Zinciri” de denir.(Şekil 1.3) Şartlardan biri gerçekleşmedikçe
bir sonraki gerçekleşmez ve dizi tamamlanmadıkça kaza meydana gelmez.
Takvim yılı içerisindeki ölümlü ve/veya ölümlü olmayan mesleki yaralanmaların toplam
sayısının, aynı yıl içerisinde referans grupta yer alan işçilerin çalışma saatlerinin toplamına
bölünmesiyle elde edilen değerin 1.000.000 katsayısı ile çarpılmasıyla hesaplanır.
850 işçinin çalıştığı bir işletmede, bir yıl içerisinde 100 iş kazasının meydana geldiği ve
kaybedilen iş günü toplamının ise ( yıllık izin, işe gelmeme, hastalık ve kaza gibi) 40.000
19
olduğu varsayılsın. (1 yıl içerisinde 300 iş günün bulunduğu ve 1 iş gününde 7.5 saat
çalışıldığı kabul edilmektedir. )
Takvim yılı içerisinde ölümlü ve/veya ölümlü olmayan mesleki yaralanmalardan dolayı
toplam kayıp gün sayısının, aynı yıl içerisinde referans grupta yer alan işçilerin çalışma
saatlerinin toplamına bölünmesiyle elde edilen değerin 1000 katsayısı ile çarpılmasıyla
hesaplanır.
KAO=Kazalardan dolayı toplam gün sayısı / toplam insan saat çalışma sayısı x 10000
Bu oranın hesaplanması sırasında eğer ölümlü iş kazası veya sürekli iş göremezlik durumu
mevcut ise, kazalardan dolayı toplam kayıp gün sayısına, her ölümlü ve/veya sürekli iş
göremezlik olayı için ayrı ayrı 7500 gün eklenmesi gerekmektedir. Geçici iş göremezlik
olaylarında, tıbbi işlemlerin süresi 1 günden daha az sürmesi durumları dikkate
alınmamaktadır.
Takvim yılı içerisindeki ölümlü ve/veya ölümlü olmayan mesleki yaralanmaların toplam
sayısının, aynı yıl içerisinde referans grupta yer alan işçilerin toplam sayısına bölünmesiyle
elde edilen değerin 100.000 katsayısı ile çarpılmasıyla hesaplanır. Bu oran, istatistik
verilerinin elde edilmesi ve değerlendirilmesi açısından daha basit ve sade bir oranı temsil
etmektedir. Oran tipleri çeşitli ülkelerde, istihdam edilen her 100.000 işçi, her 100.000
çalışan veya her 100.000 sigortalı işçi olarak dikkate alınmaktadır. Uluslararası Çalışma
20
Standardize iş kazası oranı (%) = (Belirli bir yılda bu faaliyet kolundaki iş kazası sayısı
*100)/ (Beklenilen iş kazası sayısı)
Genel iş kazası hızı = (Kaydedilen toplam iş kazası sayısı)/ (Toplam sigortalı sayısı) [9].
Türkiye iş kazası istatistiklerinde gelişmiş ülkelerin çok gerisinde olmasına rağmen son
yıllarda şirketlerinin dışarıya açılması, Avrupa birliği mevzuatına uyum çalışmaları ve
gelişen ekonomisiyle birlikte iş kazaları istatistiklerinde iyi bir noktaya doğru
ilerlemektedir. Yaşanan iş kazaları bir ülkenin iş sağlığı ve güvenliğindeki durumu adına
tam bir bilgi veremez. Çünkü sanayide çalışan kişi sayısı, çalışılan ağırlıklı sektörlerin neler
olduğu vb. hususların istatistikler üzerindeki etkisi çoktur. Bu nedenle asıl bakılması
gereken istatistikler iş kazası ağırlık hızları ve sıklık hızları istatistikleridir. Aşağıda verilen
bu istatistiklere bakıldığında Türkiye’nin iyi bir noktaya doğru gittiği görülecektir.
Türkiye'deki 2002-2009 yılı iş kazası istatistiklerinin grafiksel gösterimi şekil 1.5.'ten şekil
1.13'e aşağıda verilmiştir [10].
21
Tehlike ve Risk
Risk: Belirli bir tehlikeli olayın meydana gelme olasılığı ile bu olayın sonuçlarının
ortaya çıkardığı zarar ve hasarın şiddetinin bileşkesidir. Tehlike ve risk kavramının daha
iyi anlaşılabilmesi için, Şekil 2.1.’de verilen örneğin incelenmesi yararlı olacaktır [11].
Şekil 2.1.’de yüksekte çalışma, potansiyel bir tehlikedir. Çalışanın iskeleden düşme
olasılığı ile düşmeden oluşabilecek zarar şiddetinin bileşkesi ise riskin nicel değerini
ifade etmektedir.
Risk ile tehlikenin ilişkisini daha net anlayabilmek için Tablo 2.1. incelenebilir [11].
TEHLİKE RİSK
Tehlike, büyük zarar veya yok olmaya yol açabilecek durum ya da gerçekleşme ihtimali
bulunan fakat istenmeyen durumdur, diğer bir ifadeyle bir tehdit oluşturan bir şeyin bir
kimsenin varlığını ya da durumunu tehdit eden ya da kaygı uyandıran şey, çekincedir.
Dünya Sağlık Örgütü (WHO) ise tehlikeyi 1950 yılında; bir nesne ya da belli koşulların,
etkenlerin insan sağlığı ve çevre için olumsuzluk içermesi şeklinde tanımlamıştır.
Uluslararası Çalışma Örgütü, ILO’nun 1991 yılında yanınlanan “Büyük Endüstriyel
Kazaların Önlenmesi Uygulama Kodu”nda ise canlıları çevreyi ve/veya malı, tesisleri
tehdit eden, kapsamı belirlenmemiş kaza ve zarar potansiyeli olarak verilmiştir.
Risk kelimesi aslında Çin orjinli bir kelimedir ve diğer dillere de çinceden geçmiştir.
Aslında Çince’de “Risk” kelimesini ifade eden ideogram, “tehlike” ve “fırsat”
ideogramlarının birleşkesidir. Yani Çincede risk denildiği zaman iki farklı unsur birden
anlaşılır. Bu unsurların birincisi “gelecekte oluşma ihtimali” bir diğeri ise “fırsat ve
tehdit”dir. Diğer tüm terminolojilerde “Risk” denilince yaygın olarak tehdit
anlaşılmaktadır. Oysa risk kavramının çıkış yeri olan Çin’de “Risk”, meydana
getirdiğimiz çalışmalar esnasında gelecekte meydana gelebilecek olan ve amaçlarımızın
29
Risk analizi disiplininde önemli bir yere sahip olan Morgan, riski; tehlikeyle
karşılaşanlarca daha önceden tanınmayan ve gözlenemeyen, bilimin yeterince
tanımadığı, yeni ve etkileri geç ortaya çıkabilecek şey olarak tanımlamıştır. Yine “Risk”
kelimesini tanımlarken, tehlikelerin insanlar tarafından gözlenmesi ve bilinmesi zorunlu
değildir demektedir. Eğer bir yerde risk varsa bunun bilinmemesinin meydana gelecek
olası zararı ve hasarları ne sınırlayacağını ne de ortadan kaldıracağını iddia etmektedir.
Riskin denetlenemezliği nedeniyle korkutucu, dünya çapında felaket yaratıcı, sonuçları
öldürücü, hukuka uygun olmayan, kolayca azaltılamayan ve gelecek kuşaklar için çok
tehlikeli potansiyel olaylar olarak açıklamış ve riskin içerdiği tehlikeyi ikiye ayırmıştır,
bunlardan ilki tehlikeyle karşılaşma, ikincisi ise sonuçtur.
Morgan’a göre “Risk”, her olayın doğasında olan bir durum olarak kabul görmekte ve
gelecekte ortaya çıkabilecek olayları analiz ederek potansiyel riskleri belirlemek ve
yönetmek için ölçülebilir kavramlar haline getirilmeye çalışılmaktadır. Hedeflenen bir
sonuca ulaşamama olasılığı veya istenmeyen bir olayın oluşma olasılığı ve oluşması
durumunda yaratacağı sonucun şiddeti olarak ifade edilen risk, karmaşık bir kavramdır.
Riskle karşılaşma ve sonuç çalışmalarının (kadroları ve uzmanları yeterli ve yetkin
ülkelerde dahi) büyük ölçüde belirsizlik içerdiğini ifade etmiştir. Birçok durumda risk
istatistiksel olarak çok iyi bilinmesine rağmen, olaylar tek tek ele alındığında riskin
belirsizleşmekte olduğunu ve henüz çok yeni olan ya da kötü sonuçların nadiren
görüldüğü teknolojilerdeki risk hesaplamalarının daha da belirsiz sonuçlar içerdiğini
iddia etmiştir [13].
Okuyama ve Chang ise genel anlamda riski, herhangi bir tehlikenin meydana gelme
olasılığı ile bu tehlikenin neden olacağı sonuçların bileşkesi olarak tarif etmektedirler.
Başka bir deyişle risk düzeyinin, tehlikenin büyüklüğü ve etkilenen elemanların
savunmasızlığıyla orantılı olduğunu ifade etmektedirler [14].
30
Bir başka risk tanımını ise Andrews ve Moss yapmış ve riskin belirli bir beklenmeyen
olayın, sıklığı, olasılığı ve sonucun bütünü olduğunu ifade etmişlerdir. Andrews ve
Moss’un yapmış olduğu tanım Oxford Sözlüğünde yer almış ve “Risk”, tehlike, kayıp,
yaralanma ya da başka zararlı sonuç oluşma olasılığı olarak tanımlanmıştır [15].
ILO Yönetim Kurulu’nun 244. toplantısında alınan karar uyarınca hazırlanan raporda
ise risk, “belli bir dönemde veya koşullar altında istenmeyen olayın ortaya çıkma
olasılığı, çevre koşullarına göre sıklık ve olasılık” olarak ifade edilmiştir.
Genel olarak ise tüm risk tanımlamalarında tehlike ve bu tehlikenin olabilirliğinden yani
olasılığından bahsedilmektedir. Risk kavramı ile belirsizlik kavramının iç içe iki kavram
olduğu konusunda ise neredeyse tüm risk analizi disiplinindeki otoritelerin hem fikir
olduğunu ise söylebiliriz.
Tehlike kelimesini tanımlarken doğal veya insan eliyle oluşturulmuş bir olayın
öncelikle çevreyi, insanların hayatını, sosyal ve ekonomik faaliyetlerini, mal ve
hizmetlerini tehdit edici bir olaydan bahsedilmesi ve bu olayın meydana gelme
olasılığından da bahsedilebiliyor olmalıdır. Yani tehlike kavramı bir anlamda olasılıkta
içermektedir. Örnek vericek olursak; denizde köpek balığının bulunduğunu düşünelim,
eğer denizde değilseniz bu köpek balığı sizin için bir tehlike değildir. Ama bir olasılıkla
denize girmeniz gerekiyorsa işte o zaman o köpek balığı sizin için tehlike oluşturuyor
demektir [13].
Risk analizi veya başka bir deyişle risk değerlendirme farklı kaynaklarda farklı
şekillerde tanımlanmaktadır. IEC 60300-3-9 içerisinde risk değerlendirme; tehlikenin
tanımlanması ve bireylere, topluma, mülke ve çevreye olabilecek riskinin öngörülmesi
için mevcut verilerin sistematik olarak kullanılmasıdır. Başka bir kaynak olan NS 5814
ise risk değerlendirmeyi, riskin tanımlanması ve/veya hesaplanabilmesi için sistematik
bir yaklaşım olarak tanımlar. Yine bu kaynağa göre risk analizi, istenmeyen olayların ve
bu olayların nedenlerinin ve sonuçlarının tanımlanması ile ilişkilidir. Risk
31
değerlendirmenin genel amacı; kayıpların minimize edilmesi için yapısal bir yaklaşım
içerisinde risklerin açıkça adreslenmesidir [16].
Bir başka kaynağa göre Risk Değerlendirme&Risk Analizi; İşyerlerinde var olan ya da
dışarıdan gelebilecek tehlikelerin, çalışanlara, işyerine ve çevresine verebileceği
zararların ve bunlara karşı alınabilecek önlemlerin belirlenmesi amacıyla yapılması
gerekli çalışmalardır [11].
Öncelikle karar vermemiz gereken husus, bir tehlikenin önemli olup olmadığı ve riskin
azaltılması için gerekli önlemlerin alınıp alınmadığıdır.
Risk Yönetimi
Risk Yönetiminin risk değerlendirmesinden farkı (risk analizi) risk değerlendirmesi ile
belirlenmiş olan risklerin ortadan kaldırılmasına veya kabul edilebilir seviyeler
indirilmesi faaliyetlerini de içermesidir. Yani Risk değerlendirme problemlerin
tanımlanmasını yaparken Risk yönetimi hem problemin tanımlanması hem de çözümü
faaliyetlerini içerir.
Risk değerlendirme ile Risk yönetim faaliyetlerinin daha iyi anlaşılabilmesi için Şekil 3-
2’ye bakılabilir [6].
32
Mevzuat yönünden:
Ülkemizde İş Sağlığı ve Güvenliği konusundaki temel yasa olan 4857 sayılı İş Kanunu,
AB’ nin 89/391 sayılı çerçeve direktifi ve ülkemizce kabul edilmiş olan 155 ve 161
sayılı ILO (Uluslararası Çalışma Örgütü) sözleşmeleri de dikkate alınarak
hazırlanmıştır. 4857 sayılı İş Kanununun 1. maddesinde: “Bu kanunun amacı işverenler
ile bir iş sözleşmesine dayanarak çalıştırılan işçilerin çalışma şartları ve çalışma
ortamına ilişkin hak ve sorumluluklarını düzenlemektir.” 77. maddesinde “İşverenler
işyerlerinde iş sağlığı ve güvenliğinin sağlanması için gerekli her türlü önlemi almak,
33
b- Gayri safi milli hasılanın yaklaşık %3’ü kadar kayıp azalacak, bu elde edilen gelir
ülke kalkınmasında kullanılacak (burada söz konusu olan %3’lük pay iş kazaları ve
meslek hastalıkları nedeniyle harcanan giderlerden oluşmaktadır ve bu kaza ve
hastalıkların önüne geçilmesiyle bu maliyetlerin yatırım ve benzeri faaliyetlere
aktarılacağı düşünülmektedir.)
c- Sağlık ve rehabilitasyon harcamaları azalacak,
d- Bir bütün olarak toplum sağlık göstergeleri iyileşecek,
e- Çalışma barışına katkı sağlayacak,
f- Refah toplumuna dönüşümü hızlandıracak,
g- Ülkemiz uluslararası alanda prestij kazanacaktır [17].
Özellikle 20. yüzyıl başlarından itibaren tehlikeli maddelerin artan üretimi, kullanımı ve
depolanması yüzünden büyük endüstriyel kaza olasılığı büyük oranlarda artmıştır.
Dolayısıyla da tüm halkın, çalışan kesimin ve çevrenin korunması gereği doğmuş,
büyük endüstriyel kazaların önlenmesi için sistematik yaklaşım ihtiyacı belirmiştir. Üç
Mil Adası’ndaki ve Çernobil’ deki nükleer kazalardan sonra otoriteler nükleer tesislerin
güvenli işletilmesi için birçok çalışmalar yürütmüştür. Ancak klasik endüstriye ilişkin
risk değerlendirme çalışmalarının hızla başlamasında İtalya Sevesso’daki büyük
endüstriyel kaza dönüm noktası olmuştur [18].
35
Kantitatif risk analizi, riski hesaplarken sayısal yöntemlere başvurur. Kalitatif risk
analizi riski hesaplarken ve ifade ederken numerik değerler yerine yüksek, çok yüksek
gibi tanımlayıcı değerler kullanır. Aşağıda bazı risk değerlendirme yöntemleri
verilmiştir, bu metotları birbirinden ayıran en önemli farklar, risk değerini bulmak için
kullandıkları kendilerine has metotlardır.
• Olası Hata Türleri ve Etki Analizi Metodolojisi (Failure Mode And Effects
Analysis - Fmea)
• İnsan Hata Oranı Tahmini Tekniği (Technıque For Human Reliability Analysis -
THERP)
• Yönetim Bakışı ve Risk Ağacı (Management Oversight and Risk Tree - MORT)
Gerekli
Doküman Çok fazla Çok fazla Çok Az Çok fazla Çok fazla Çok Az Çok fazla Çok fazla Orta Çok fazla Orta Çok Az
İhtiyacı
Bir Analist ile Bir Analist ile Tim Bir Analist ile Bir Analist ile
Tim Çalışması Tim çalışması Tim çalışması Tim çalışması Tim çalışması Tim çalışması Tim çalışması Tim çalışması
Yapılabilir Yapılabilir çalışması Yapılabilir Yapılabilir
Tim Liderinin Çok fazla Çok fazla Orta düzey Çok fazla Çok fazla Orta düzey Çok fazla Çok fazla Orta Düzey Çok fazla Orta düzey Orta düzey
Tecrübesi deneyim deneyim deneyim deneyim deneyim deneyim deneyim deneyim Deneyim deneyim deneyim deneyim
Her sektöre
uyar, ancak Elektrik/
Özel Bir Branşa Her sektöre Basit prosedürlü Her sektöre Her sektöre Kimya Her sektöre Her sektöre Her sektöre Basit
özellikle kimya Her sektöre uyar Makina
Yönelik uyar işler uyar uyar endüstrisi uyar uyar uyar prosedürlü işler
sektöründe Hizmet
kullanılır
Risklerin
Yüksek Birincil
Yüksek tecrübe Yüksek tecrübe belirlenmesi
Tüm tecrübe ve yöntemdir. Risklerin
ve takım ve takım aşamasında tek Oldukça zor bir
sektörlerde Basit prosedürlü takım Analiz Risklerin belirlenmesi
üyelerinin üyelerinin başına yeterli yöntemdir. Özellikle
rahatlıkla işlerde üyelerinin öncesinde Çeklistlerin belirlenmesi aşamasında tek
yüksek yüksek değildir. Tüm Yüksek tecrübe kişilerin görev
uygulana- uygulanabilir, yüksek FTA uzman kişilere aşamasında tek başına yeterli
Uygulama performansını performansını sektörlerde ve takım tanımları iyi
bilir.Tim Tim liderinin performan- yapılması hazırlatılması başına yeterli değildir. Tim
Başarı Oranı gerektirir. gerektirir. rahatlıkla üyelerinin yapılmışsa
liderinin tecrübesine göre sını gerektirir. başarı halinde başarı değildir. Tim liderinin
Risklerin Risklerin uygulanır. Tim yüksek başarı
tecrübesine başarı oranı Risklerin oranını oranı değişir. liderinin tecrübesine
belirlenmesinde belirlenmesinde liderinin performansını sağlanabilir.
göre başarı değişir. belirlenmesin arttırır. tecrübesine göre başarı
çok etkili bir çok etkili bir tecrübesine göre gerektirir.
oranı değişir. de çok etkili göre başarı oranı değişir.
yöntemdir. yöntemdir. başarı oranı
bir yöntemdir. oranı değişir.
değişir.
37
38
g. Çevre Hata Türü ve Etkileri Analizi (Çevre HTEA) – Ford firmasına özel:
Küçük ve orta ölçekli işletmeler ile ticaret ve hizmet sektöründeki çoğu işletmede
genellikle tehlikeler kolaylıkla giderilebilecek niteliktedir.
Mekanik Tehlikeler
Elektrik Tehlikesi
Termal tehlikeler
• Gürültü
• Titreşim
• Düşük frekanslı radyasyon
• Radyo frekansları ya da mikro dalgalar
44
• Kızılötesi radyasyon
• Görünür radyasyon
• Morötesi radyasyon
• İyonlaştırıcı radyasyon
Önem derecesi belirlenmiş olan her bir İSG riski için mevcut risk kontrol tedbirlerinin
varlığı/yeterliliği değerlendirilir ve aşağıda belirtilen risk kontrol hiyerarşisi göz önünde
bulundurularak ilave risk kontrol tedbirleri planlanır:
• Riskin azaltılması (Örneğin tehlikeli bir maddenin, tesisin veya prosesin yerine
daha az tehlikeli olanların kullanılması, gürültülü bir makinenin daha sessiz olan bir
makine ile değiştirilmesi, vb.)
Burada bahsetmiş olduğumuz kontrol tedbirlerinin hiyerarşisi bir başka kaynakta [3] şu
şekilde açıklanmaktadır;
a. Ortadan kaldırma,
b. Yerine koyma,
c. Mühendislik kontrolleri,
d. İşaretler/uyarılar ve/veya diğer idari kontroller,
e. Kişisel koruyucu donanım.
3. Adım: Önleyici faaliyete karar verme, önlemede sıralamayı göz ardı etme
YAPAY ZEKA
Son yıllarda dünyada teknolojik gelişmeler çok hızlı bir şekilde artmaktadır. Özellikle
bilgisayar alanında akıl almaz gelişmeler yaşanmaktadır. Bilgisayar alanındaki bu
gelişmeler insanlara birçok alanda hızlılık, zaman, ekonomiklik, önceden tahmin etme, hızlı
bilgi üretme gibi birçok alanda kolaylık sağlamaktadır. Bu kolaylığın temelinde
bilgisayarlar için hazırlanmış olan komut sistemlerinin bilgisayarlarda uygulanabilmesi ve
hızlı bir şekilde çözülebilmesi yatmaktadır [22].
Sinir sisteminden yararlanılarak ortaya çıkarılan yapay sinir ağları (YSA) paralel çalışma
ve eğitilebilme yetenekleri bakımından biyolojik sinir sisteminin çalışma özelliğini
göstermektedir. Diğer birçok özelliklerinin yanında paralel çalışmasından dolayı bilgileri
hızlı bir şekilde işleyebilmesi ve donanımının kolayca gerçeklenebilir olması yapay sinir
ağlarını başka yöntemlere göre daha cazip duruma getirmektedir. Bu gibi nedenlerden
dolayı, YSA yöntemi günümüzde önceden tahmin etme, sınıflandırma, teşhis, desen
tanıma, kontrol, bir olayın iç işleyişini hesaplama, görüntü işleme, ses tanıma, en uygun
şekle sokabilme gibi birçok alanda yoğun olarak kullanılmaktadır [23]. Özellikle, YSA
49
İnsanlarda bulunan sinir sistemi sinir adı verilen hücrelerden oluşmaktadır. Sinirler
canlıların hayati faaliyetlerinin yürütüldüğü en küçük birimlerdir. YSA biyolojik sinir
sistemi ile ilgili olarak bilinen bazı bulguların ayrıntılarının ihmal edilerek teknoloji ve
bilimsel araştırma yöntemlerine uygulanmasından oluşmaktadır. Sinir sistemi gibi YSA da
birbiri ile paralel iletişim içinde bulunan tabakalara sahip olan ve her bir tabakasında yeterli
sayıda sinir hücresi bulunan bir sistemden yani bir mimariden oluşmaktadır. Bu tabakaları
oluşturan hücreler arasında oldukça karmaşık iletişimler, incelenen olaya göre belirlenen
ağırlık katsayıları ile gerçekleştirilmektedir [22].
Biyolojik bir sinir hücresinin yapısını oluşturan dört temel eleman ve aralarındaki ilişki
Şekil 3.1.'de görülmektedir. Sinir hücresi Şekil 3.1'den de anlaşılacağı üzere; hücre
gövdesi, bağlantılar (snaps), giriş (dendrit) ve çıkışlardan (akson) oluşmaktadır. Dendrit
olarak bilinen yapı, diğer hücrelerden snapslar aracılığıyla bilgiyi alan hücre girişleri
olarak görev yapmaktadır. Hücre içersinde bilgi işlendikten sonra aksonlar işlenen bilgiyi
snapslar aracılığıyla diğer hücrelere iletmektedir. Snapslar bir sinir hücresi çıkışı ile bir
sinir hücresi girişi arasındaki iletişimi sağlayan bağlantıları oluşturmaktadır. Yani köprü
vazifesi yapmaktadırlar [22].
İnsanlığın doğayı araştırması ve bazı şeyleri taklit ederek yararlandığı çalışma alanlarından
biriside yapay zekâ uygulamalarından olan YSA yöntemidir. Biyolojik sinir hücrelerinden
esinlenerek 1940'lı yıllarda ortaya çıkarılan yapay sinir hücre modeli “ve”, “veya” ve
“değil” gibi mantık işlemlerinin sayısal olarak modellerinin oluşturulabileceğini
göstermiştir. Böylece basit biyolojik sinir sisteminin incelenmesi ve onlara benzer şekilde
çalışan YSA modellerinin geliştirilmesi mühendislik, matematik, ekonomi, askeri alan, tıp
ve psikoloji gibi dallardaki araştırmacıların ortak çalışma konusu haline gelerek kullanım
alanı genişlemiştir [23]. a
Değişik şekilde bilgi işleme süreci olarak nitelendirilen YSA verilen girdilere karşı çıktılar
üreten ayrıntılı bir kara kutu modeli olarak da nitelendirilebilir. YSA, bilgi akışını
aksonlar yardımıyla sağlayan bir grup sinir hücresinin meydana getirdiği sinir sisteminin
bir benzeri olarak tanımlanmakla birlikte genellikle yinelenebilir olan basit elemanların
yoğun bir şekilde paralel bağlanmasıyla oluşan ağlar olarak da tanımlanmıştır [23]. YSA
yöntemi sahip olduğu özelliklerden dolayı alışılagelmiş bilgi işleme yöntemlerinden
farklılık göstermektedir. Hatta sahip olduğu bazı özellikler bakımından birçok yönteme
göre daha sağlıklı sonuçlar vermektedir. Bu özelliklerden bazıları paralellik, hata toleransı,
öğrenilebilirlik ve gerçekleme kolaylığı olarak tanımlanabilir [23].
Yapay sinir ağlarında bilgilerin işlenmesi çeşitli şekillerde hücrelerin paralel olarak
bağlanmasıyla gerçekleştirildiğinden taşınan bilgiler birbirinden bağımsızdır. Ayrıca aynı
tabakadaki bağlantılar arasında zaman bağımlılığı olmadığından tamamı ile eşzamanlı
çalışabilmekte dolayısıyla da bilgi akış hızı artmaktadır [24]. Yapay sinir ağlarının paralel
çalışma prensibinden dolayı herhangi bir birimde oluşan hata tüm sistemde belirgin bir
hataya neden olmamaktadır. Sadece hücrenin ağırlıkları oranında bir etkilenme
gerçekleşmektedir. YSA yönteminin bu etkileşim yapısından dolayı genel sistem, yerel
hatalardan çok az etkilenmektedir [22].
51
Yapay sinir ağlarında oluşturulan ağ için eldeki verilerin türüne ve istenilen hedefe karar
verdikten sonra beklenen çıktıları girdilerden elde etmek için bu ağda bilinmeyen bağlantı
değerleri ardışık yaklaşımlarla eğitilerek belirlenir. Eğitim sonucu hesaplanarak elde edilen
ilk çıktılar beklenen çıktılar ile karşılaştırıldıktan sonra birbirlerine yakın hata sınırları
içinde bir yaklaşıklık gösterdiği zaman yapay sinir ağında oluşturulan modelin eğitilmesine
son verilir. Aksi halde eğitime hedeflenen çıktılara yaklaşıncaya kadar devam edilir [23].
Sinir ağları çıktıları ile hedeflenen çıktı verileri arasındaki hata miktarları geri besleme (geri
yayılma) yolu ile eğitilerek değiştirilir. Her eğitimin bir öncekini daha da iyileştirecek
biçimde ardışık yenileme ve yinelemeli olarak yapılması gerekmektedir. Bugün klasik
bilgisayarlar ve insanların çözebileceğinden daha da karmaşık olan modellemeler YSA ile
yapılabilmektedir. Yapay sinir ağlarında genellikle öğretmenli eğitim yöntemleri kullanılır.
Ancak, bazı ağların eğitiminde öğretmensiz eğitim teknikleri veya doğrudan tasarım
yöntemleri de kullanılmaktadır. Bir sinir ağı, mimarisi ve bu mimarinin işlemesini sağlayan
matematiksel fonksiyonlar olmak üzere incelenebilir. Genel olarak mimari giriş, gizli ve
çıkış tabakalarındaki sinir hücreleri ile bunlar arasındaki bağlantılardan ve sabit katkısı olan
bir hücreden oluşmaktadır. Gizli hücreler içerisinde aktivasyon fonksiyonu denen işlemci
bulunmaktadır. YSA işleyişini iki matematik işlev olarak düşünebiliriz. Birincisi iç işleyiş
ikincide dış işleyiştir. Bir yapay sinir ağının iç işleyişi gizli tabakadaki işlemciler aracılığı
52
ile sağlanmaktadır. Dış işleyişi de ardışık tabaka hücreleri arasındaki bağlantı değerlerinin
öncelikle rastgele atanması, daha sonra da çıktı tahmin hatasının geri beslenme gibi
işlemlerle en küçüklenerek yenilenmesi sonucunda sağlanmaktadır [23].
Yapay sinir ağlarını, 1943 yılında yapay sinir tanımını yaparak Şekil 3.2.'deki gibi bir hücre
modeli geliştiren McCullogh ve Pitts [25] tarafından başlatıldığı kabul edilir.
Çalışmalarında sinir hücrelerini sabit eşik değerli mantıksal elemanlar olarak
modellemişlerdir. Daha sonra öğrenme üzerine çalışmaların yoğunlaştığı 1949 yılında Hebb
[26], yapay sinir ağlarındaki öğrenme için başlangıç noktası sayılabilecek bir kuralı
geliştirmiştir. Hebb tarafından geliştirilen bu öğrenme kuralı bugün geçerli olan öğrenme
kurallarından birçoğunun temelini de oluşturmaktadır. YSA konusunda ikinci büyük çıkışı
Rosenblatt [27], 1958 yılında tekli doğrusal algılayıcı modeli ve öğrenme kuralı ile
gerçekleştirmiştir. Önerilen bu model aynı zamanda bugünkü makine öğrenme
algoritmasının temel yapısını oluşturmuştur. YSA üzerine çalışmaların yoğunlaştığı
1960’lı yılların başında yeni bir yaklaşım olarak Widrow ve Hoff [28], tarafından tekli
yinelemeli doğrusal sinir (Teyidos) ağı modeli geliştirilmiştir [22].
Bilgisayar teknolojisinin hızlı bir şekilde gelişmesiyle birlikte 1980'li yılların başında
yapılan çalışmalarla YSA yöntemi yeniden yaygın hale gelmiştir. Bu yıllarda Hopfield
[29], tarafından eğrisel (doğrusal olmayan) ağların geliştirilmesi ve eğiticisiz öğrenen
ağların Kohonen ve Anderson [30, 31], tarafından geliştirmesiyle çalışmalar yeniden
hızlanmıştır. Daha sonra çok tabakalı algılayıcı tipi ağlar, Rumelhart et al. [19],
tarafından “geriye yayılma” olarak bilinen bir eğitme algoritmasıyla geliştirildi. Bu
algoritma güçlü olmakla birlikte oldukça karmaşık matematik temellere dayanmaktadır. Bu
53
YSA modeli bir sonraki bölümde anlatılacak olan olasılık parametresi değerinin
bulunmasına yönelik belirlenmiş olan 5 adet alt parametrenin değerlendirmesi için
kullanılmıştır.. Bu 5 alt parametrenin olasılık parametresinin tahminine yönelik yeteneği,
kuvveti YSA ile bir nevi test edilmiştir. Ancak YSA'nın kapalı bir kutu gibi çalışması
nedeniyle 5 alt parametrenin arasında nasıl bir ilişki olduğunu net olarak bilmek
imkansızdır. Modelin uygulanabilir olması için çoklu doğrusal regresyon analizi
yapılmıştır. Yapılan analiz sonucunda olasılık parametresinin beş alt parametresinin
ağırlıkları belirlenmiştir.
54
Regresyon analizi bağımlı değişken ile bir veya daha çok bağımsız değişken arasındaki
ilişkiyi incelemek amacıyla kullanılan bir analiz yöntemidir. Bir tek bağımsız değişkenin
kullanıldığı regresyon tek değişkenli regresyon analizi, birden fazla bağımsız değişkenin
kullanıldığı regresyon analizi de çok değişkenli regresyon analizi olarak adlandırılır.
Regresyon analizi ile bağımlı ve bağımsız değişkenler arasında bir ilişki var mıdır? Eğer bir
ilişki varsa bu ilişkinin gücü nedir? Değişkenler arasında ne tür bir ilişki vardır? Bağımlı
değişkene ait ileriye dönük değerleri tahmin etmek mümkün müdür ve nasıl tahmin
edilmelidir? Belirli koşulların kontrol edilmesi durumunda özel bir değişken veya
değişkenler grubunun diğer değişken veya değişkenler üzerindeki etkisi nedir ve nasıl
değişir? gibi sorulara cevap aranmaya çalışılır. ç
Tek Değişkenli Regresyon Analizi: Tek değişkenli regresyon analizi bir bağımlı değişken
ve bir bağımsız değişken arasındaki ilişkiyi inceler. Tek değişkenli regresyon analizi ile
bağımlı ve bağımsız değişkenler arasındaki doğrusal ilişkiyi temsil eden bir doğrunun
denklemi formüle edilir.. edilir.
Çok Değişkenli Regresyon Analizi: İçinde bir adet bağımlı değişken ve birden fazla
bağımsız değişkenin bulunduğu regresyon modelleri çok değişkenli regresyon analizi
olarak bilinir.
biçimlerde ortaya çıkan karmaşıklık ve belirsizlik gibi tam ve kesin olmayan bilgi
kaynaklarına bulanık kaynaklar adı verilir [32].
California’da Berkeley Üniversitesinde öğretim üyesi olan Lotfi A.Zadeh, 1965 yılında
ortaya attığı Bulanık Mantık (Fuzzy Logic) ile bilim ve teknoloji dünyasında yeni bir çığır
açmıştır. Bulanık mantık, çok değerli mantığın bir genişlemesidir. Asıl amacı, bulanık
küme teorisinin bir temeli olan kesin (crip) olmayan önermelerin kullanılmasıyla beraber
bulanık usavurma için esaslar sağlamaktır [33].
Bulanık mantığın ilk uygulaması, Mamdani tarafından 1974 yılında bir buhar makinesinin
bulanık denetiminin gerçekleştirilmesi olmuştur. 1980 yılında Hollandalı bir şirket çimento
fırınlarının denetiminde bulanık mantık denetimini uygulamıştır. Daha sonra Fuji elektrik
şirketi su arıtma alanları için kimyasal püskürtme aleti üzerine çalışmalar yapmıştır.
1987’de ikinci IFSA kongresinde ilk bulanık mantık denetleyicileri sergilenmiştir. Bu
denetimler 1984 yılında araştırmalara başlayan Omron şirketinin yaptığı yedi yüzden fazla
uygulamayı içermektedir. 1987 yılında ise Hitachi takımının tasarladığı Japon Sendai
metrosu denetleyicisi çalışmaya başlamıştır. Bu bulanık mantık denetimi metroda daha
rahat bir seyahat, düzgün bir yavaşlama ve hızlanma sağlamıştır [34]. 1988 yılında,
Yamaichi menkul kıymetler firmasının geliştirdiği bulanık mantık temelli uzman sistem
yardımıyla “Kara Pazar” adı verilen büyük çöküş on sekiz gün önceden tahmin
edilebilmiştir. Portföyündeki hisse senetlerinin değerleri Nikkei ortalamasından genelde
%40 fazla olmuştur. 1989 yılında Omron şirketi Japonya’nın Harumi şehrinde bulunan
çalışma merkezinde yapmış olduğu depolama, tekrar etme ve bulanık sonuçlarını elde
56
Bulanık mantıkla ilgili yöntem ve tekniklerin yaygın olarak kullanıldığı temel konular;
görüntü işleme, sinyal işleme, denetleyici sistemler, uzman sistemler, veritabanları ve veri
madenciliği olarak sıralanabilir [36].
Şekil 3.3’de bulanık mantık ve uygulamaları için bir sınıflama önerisi görülmektedir [36].
Bulanık
Küme
Teorisi
Bulanık
Bulanık Mantık Bulanık Sınıflama ve Bulanık
Matematik ve Yapay Sistemler Gruplama Karar
Zekâ Verme
Bulanık
Ölçümler, Yaklaşık Bulanık
Bulanık Akıl Bulanık Bulanık Sinyal
Bağıntılar, Yürütme, Modelleme Denetim işleme
Bulanık Uzman
Topoloji Sistemler
Aristo mantığı ve bu mantık üzerine bina edilen klasik küme yaklaşımı dünyayı doğru ve
yanlış, siyah ve beyaz olarak ikiye böler. Bunların dışındaki bütün seçenekler görmezlikten
gelinir. Bulanık mantık ve bulanık küme ise verdiğimiz bütün hükümleri bir derece
problemi olarak görür. Bu açıdan bakıldığında bize siyahla beyaz arasında gri renklerin var
olduğu gibi doğru ile yanlış arasında da başka seçeneklerin olduğunu gösterir.
Klasik küme yaklaşımına göre istediğimiz özelliğe sahip olan bir birey, eleman veya
çalışma alanı içerisindeki ölçümler tanımlanan kümeye ya aittirler veya ait değildirler. Bu
tür kümeleri ifade etmek için özel bir fonksiyon tanımlanabilir ve bu fonksiyona
karakteristik fonksiyon denilir. Karakteristik fonksiyon her bir elemana 1 ve 0
değerlerinden birini üyelik durumuna göre atayarak evrensel küme üzerinde tanımlanan ve
bizim ilgilendiğimiz özelliğe sahip olan elemanların oluşturduğu kümeyi belirler.
Örneğin; X evrensel kümesi üzerinde belirli bir özelliği taşıyan elemanları ayırarak
oluşturduğumuz A kümesini karakteristik fonksiyon yardımıyla;
1 ,x∈A
∀x ∈ X, χA(x)= (3.1)
0 ,x∉A
şeklinde verilir. Fonksiyon A kümesine ait elemanlara 1 değerini, ait olmayan elemanlara
ise 0 değerini atamaktadır. Yani 1 değerini alan elemanların A kümesini belirleyen özelliği
taşıdığını söylemektedir. Fonksiyondan da görüldüğü üzere, klasik kümelerde bir eleman
için üyelikten üye olmamaya geçiş çok kesindir ve iyi tanımlanmıştır. Fakat bulanık
kümeleri içeren bir evrensel küme içerisindeki elemanların üyelik geçişi derecelidir.
Elemanların kümeye ait olma derecelerinden bahsetmek söz konusudur. Bu derecelendirme
bulanık kümelerin sınırlarına, belirsizlik özelliği katar. Bundan dolayı elemanın bu kümeye
aitliği belirsizliği ölçmeye yarayan bir fonksiyonla tanımlanır.
Fonksiyon evrensel kümenin elemanlarını belirli bir aralıktaki reel sayılara karşılık
getirerek elemanlar arasındaki derecelendirmeyi ifade edecek biçimde tanımlanır. Daha
58
fonksiyonu ile verilir. A’ya bulanık kümeye karşılık gelen üyelik fonksiyonu adı verilir.
Başka bir ifadeyle ÜA(x), A’nın elemanlarının istenilen özelliği hangi ölçüde sağladığının
ifadesidir.
Bulanık bir küme ve bulanık kümenin üyelik fonksiyonu kavramı aynı şeyi ifade ederler ve
birbirlerinin yerine kullanılabilirler. Herhangi bir bulanık kümeyi üyelik fonksiyonuna
bakarak belirlemek mümkün olduğu gibi verilen bir bulanık kümeninde üyelik
fonksiyonunu yazmak mümkündür. Bulanık A kümesi, X’deki her elemanın üyelik
derecesiyle birlikte oluşturduğu kümedir. x’in A ya ait olma veya üyelik derecesi ÜA(x)
olarak okunur.
Bulanık kümeler belirsiz kavramlarla uğraşan onları temsil etmeye yarayan bir yöntemdir.
Belirsiz kavramlarla ifade edilen bir grubun üyeleri gruba ait olmaları bir belirsizlik teşkil
edeceğinden dolayı bu üyeliğe bir derece problemi olarak bakabiliriz.
Üyelik fonksiyonunun değer aralığı için yaygın olarak [0,1] aralığı kullanılır. Bu durumda,
her üyelik fonksiyonu bir klasik evrensel kümenin elemanlarını bu aralıktaki bir sayıya
karşılık getiren bir fonksiyondur. Bulanık küme kavramının temsili için genel olarak;
gösterimlerinden biri kullanılır. Herbir bulanık küme tamamıyla ve tek olarak özel bir
üyelik fonksiyonu tarafından belirlenir. Bu itibarla gösterimler arasında da bir karışıklık
doğmaz.
59
Bulanık kümeler daha önce de ifade edildiği üzere doğal dildeki belirsiz ve bulanık
kavramları temsil etmemize ve onları matematiksel olarak ifade etmemizi mümkün kılarlar.
Bu temsil işlemi sadece kavramın kendisine değil kavramın kullanıldığı alana da bağlıdır.
Örneğin; “yüksek sıcaklık” kavramı hava olayları için kullanıldığında oluşturulabilecek
bulanık kümeyle, bir nükleer reaktör içindeki sıcaklığı ifade etmede kullanıldığında
oluşturulabilecek bulanık kümenin birbirinden tamamıyla farklı olması gerektiği açıktır.
Hatta aynı alan içerisindeki aynı kavramın farklı bulanık kümelerle ifade edilebileceği
durumların olması imkân dâhilindedir. Fakat böylesi durumlarda bu farklı kümelerin bazı
temel nitelikler bakımından birbirine benzemesi gerekir.
Çoğu bulanık küme grafiğinde 0’dan 1’e geçişin tam şekli önemli değildir. Gerçekten çoğu
zaman verilen bir uygulama alanındaki dilsel terimlerin grafiksel karşılığının ne olduğunu
kesin bir şekilde belirleyemeyiz. Bunun sebebi, bu terimin verilen alanda nasıl
kullanıldığına dair deneyle gelen bilgilerin yeterli olmamasındandır. Bu yüzden de, bulanık
kümelerin çoğu, uygulama alanına üyelik fonksiyonunun tam olarak çizilmesi konusunda
aşırı duyarlılığa sahip değildir. Özel bir şeklin uygun olup olmayacağını tespit etmek,
çalışılan uygulama alanı tarafından elde edilen verilerle belirlenir. Bundan dolayı çoğu
zaman basit şekiller tercih edilir.
Üyelik fonksiyonları bir çok farklı şekillerde olabilir. Hesaplama açısından getirdiği
kolaylıklar göz önüne alınarak istenilen şekilde üyelik fonksiyonu seçilebilir. Bu esneklik
bir çok uygulamda hesaplamalar açısından çok kullanışlıdır. Çoğu durumda, üçgen ve
yamuk üyelik fonksiyonları işimizi görecek niteliklere sahiptir.
Üyelik fonksiyonları bulanık kümeler için hayati bir konumdadırlar. Bütün uygulamalarda
ilgili dilsel terimi yeterince ifade eden uygun bir üyelik fonksiyonu oluşturmak zorunludur.
Bunun yapılabilmesi en başta bu dilsel kavramın veya değişkenin geçtiği konuyla yakından
ilgilidir. Örneğin; “genç” kavramı insanlar veya yıldızlar ile ilişkilendirildiğinde elbette
aynı anlamı taşımaz.
60
Şekil 3.4’de, “3’e yakın reel sayılar kümesi” kavramını temsil eden üyelik fonksiyonuna ait
iki örnek vardır.
(b)
(a)
0 1 2 3 4 5 6 0 1 2 3 4 5 6
Günlük kullanım diline ait olan düşük, orta seviye, yüksek ve bunun gibi kavramları temsil
eden çeşitli bulanık kümeler bir değişkenin durumlarını tanımlamak amacıyla kullanılırlar.
61
Bulanık değişkenler, belirsizlikleri deneysel verilerin bir parçası olarak ele aldıklarından
dolayı, gerçeğe daha uygundurlar ve bize olgular hakkında klasik değişkenlere dayanan
bilgilerden daha doğru bilgiler verirler. Ünlü fizikçi Einstein bu durumu şu şekilde ifade
etmiştir: “Matematiğin kavramları kesin oldukları sürece gerçeği yansıtmazlar, gerçeği
yansıttıkları sürece de kesin değillerdir”.
62
Bulanık kümeler üzerine kurulan matematiksel yapı, klasik matematikten daha fazla
açıklayıcı bir güce sahip olmasına rağmen kullanılabilirliği uygulama alanlarında karşımıza
çıkan kavramlar için uygun üyelik fonksiyonlarının inşa edilmesine bağlıdır. Fakat, bu
işlemin tatmin edici düzeyde gerçekleşmesi bir çok ek araştırma gerektirir.
Bulanık küme teorisinin üyelikten üye olmamaya dereceli geçişi ifade etmesindeki yeteneği
geniş faydaları olan bir niteliktedir. Bize belirsizliğin ölçülmesinde güçlü ve anlamlı araçlar
sunmasının yanısıra, doğal dilde ifade edilen belirsiz kavramların anlamlı bir şekilde
temsilini de vermektedir. Fakat Aristo mantığı üzerinde temellenen, klasik küme teorisi
verilen bir alana ait bütün bireyleri incelenen özelliğe göre ikiye ayırır; kümeye ait olan
elemanlar ve ait olmayanlar. Kümeye üye ve üye olmayan elemanlar arasında kesin ve
belirsiz olmayan bir ayrım vardır. Doğal dilde ifade edilen ve üzerinde çalıştığımız çoğu
sınıflandırma kavramı, bu türde bir karakterde değildir. Örneğin; uzun insanlar kümesi,
pahalı arabalar kümesi, yakın sürüş mesafesi, güvenilir kar araçları, birden çok büyük
sayıların oluşturduğu küme gibi kavramlar klasik kümenin öngördüğü şekilde
63
incelenemezler. Bu kümeleri, kesin olmayan sınırlara sahip olarak kabul ederiz ve üyelikten
üye olmamaya geçişin dereceli olduğunu göz önüne alarak işlem yaparız.
Bulanık bir küme, çalışma yapılan alana ait her bir bireye matematiksel olarak kümedeki
üyelik derecesini temsil eden bir değer atayarak tanımlanır. Bu değer elemanın bulanık
küme tarafından ifade edilen kavrama uygunluk derecesini ifade eder. Bundan dolayı
bireylerin kümeye ait olması farklılaşır. Üyelik dereceleri 0 ile 1 arasındaki gerçel sayılarla
temsil edilirler. Tam üye olma ve üye olmama durumu, bulanık kümede hala sırasıyla 1 ve
0 değerleriyle karşılanır. Bundan dolayı da, klasik küme kavramı bulanık küme kavramının
bu iki değere kısıtlanmış özel bir şekli olarak görülebilir.
Bulanık küme üzerine yapılan araştırmalar ortaya çıktığı günden bu yana hızla büyümüştür.
Oluşturduğu kavramsal çerçeve ve sonuçları itibariyle şu anda oldukça geniş bir perspektife
sahiptir. Uygulama alanlarının genişliği ve bu alanlarda oluşturduğu sonuçların etkisi
bakımından bulanık küme teorisi bugün bilimsel çalışmalarda önemli bir yer tutmaktadır.
4. BÖLÜM
• Metodoloji, elle görünmez, soyut miktarlar üzerinden iki direkt ve kesin yargıyla
risk sonucuna varmaya çalışmaktadır. Bir insanın yaralanmasına neden olan
önemlilik (şiddet) derecesinin sayılarla saptanmasının hemen hemen imkânsız
olması, sıklıkla bir faaliyetin icra edilmesiyle alakalı olan bir kazanın ortaya çıkma
olasılığını doğru şekilde tahmin etme noktasında çok az istatistiksel veri bulunması
gibi nedenlerden dolayı olasılık ve şiddet parametrelerinin değerlendirilmesi,
genellikle sözel ifadelerle belirtilen (Çok Önemli, Önemli, Önemsiz vb.) ve bu sözel
ifadelerin karşılığı olarak belirlenen skalalar kullanılarak yapılmaktadır. (Örneğin
1,2,3,4, şeklinde devam eden numaralar kullanılarak)
• Kıstaslara dayanan farklı yargı gruplarının kombinasyonu, tamamen değişik
manalara gelse dahi, yapılan hesaplamalarda bizi benzer bir risk endeksine
götürebilir. Gerçektende yüksek olasılık-düşük şiddet derecesine sahip bir tehlike ile
düşük olasılık-yüksek şiddet derecesine sahip bir tehlikenin risk değerleri aynı
çıkabilir.
• Risk endeksi, modelin sınırlandırmalarından dolayı kesikli şekilde ifade
edilmektedir. Yani risk endeksi için 1,2 gibi tamsayılar verilebilirken, 1 ile 2
arasında sonsuz sayıda nokta göz ardı edilmekte ve bu değerler verilememektedir.
Risk endeksi değerlendirmesi yargıların çeşitliliğine oldukça hassas olduğundan,
analizin kökenine de etki edilmektedir.
• İki kıstasın değişik şekilde açıklanması mümkün değildir [39].
Risk analizi ile ilgili ilk çalışmalar askeri alanda başlamıştır [19,40]. Sivil alandaki ilk
sistematik çalışmaların Ford şirketinde olduğu görülmektedir [41].
Literatürde son yıllarda risk analiziyle ilgili yapılan çalışmalara bakıldığında, çalışmaların
daha çok modellere yeni parametreler eklenilmesi ve bu parametrelerin ne şekilde bir
değerlendirilmeye tabi tutulacağı üzerine yoğunlaştığı görülmektedir. Bu konuda yapılan
çalışmalarda, yapay zeka tekniklerinden birisi olan bulanık mantık kendisine oldukça
yaygın bir kullanım alanı bulmaktadır [39, 42, 44, 45, 46, 47, 48]. Yapılan çalışmada da
geliştirilen risk analiz metodumuzun ana gövdesini olasılık ve şiddet parametrelerinin
bulanık mantık ile değerlendirilmesi oluşturmaktadır. Bulanık ortamda geliştirilen çok
parametreli hiyerarşik yapılı yapay risk analizi modelimizin hiyararşik yapısı şekil 4.1'de
gösterildiği gibidir.
Olasılık değeri beş alt parametre yardımıyla YSA ve regresyon kullanılarak, şiddet
parametresi üç alt parametre yardımıyla bulanık mantık kullanılarak ve en son bulunan
nihai olasılık ve şiddet parametreleri bulanık mantıkla değerlendirilerek risk değeri
hesaplanmıştır. Geliştirilen modelde, iyi bir tahmin modeli olması ve kullanılan
parametreler arasındaki ilişkinin kuvvetini göstermedeki başarısı nedeniyle ilk olarak YSA
kullanılmıştır. YSA'nın kapalı bir kutu olması, ne şekilde çalıştığına dair bir model
sunamamasından dolayı modelin uygulanabilir olması amacıyla daha sonra regresyon
analizi yapılarak beş alt parametrenin katsayıları belirlenmiştir. Şiddet parametresinin ve
risk değerinin hesaplanmasında ise, değerlendirmede birçok dilsel değişkenin kullanılması,
bu değişkenlerin birbirlerini hangi derecede etkilediği noktasında kesin sayılarla net bir
değerlendirmenin yapılamamasından dolayı bulanık mantık kullanılmıştır.
Bulanık ortamda çok parametreli hiyerarşik yapılı yapay risk analizi modelimizin
parametreleri aşağıda açıklanmıştır.
4.2.1. Olasılık
Olasılık riskin varlığını ortaya koyan parametredir. Daha öncede değinildiği gibi tehlike ile
riski birbirinden ayıran özellik olasılıktır. Tehlikenin eğer meydana gelme olasılığı varsa
risk olur. Denizdeki köpekbalığının sahildeki bir insan için anlamı sadece tehlike iken
yüzen bir insan için anlamı ise risktir.
Olasılık genel olarak risk değerlendirmesini yapan personel tarafından riskin bulunduğu
yerde yapmış olduğu gözlemler neticesinde ortaya koymuş olduğu değerlendirme sonucu
ortaya çıkmaktadır. Asıl olarak verilere dayanması gereken bu değerlendirme risk
değerlendirmeyi yapan birçok personel tarafından uygulanamamaktadır. Çünkü bu konuda
birçok işletmede geçmişe dönük herhangi bir kayıt mevcut değil ya da değerlendirme
yapabilecek kadar yeterli değildir.
Çünkü değerlendirmeyi yapan personelin risk değerlendirme yaptığı aşamadaki ruh hali
veya risk değerlendirmeyi yaptığı bölgedeki çalışanların bilgi aktarımları ile yanılması çok
büyük ihtimal dahilindedir. Parametre sayısının arttırılması durumunda bu subjektiflik
azalacaktır. Tezin uygulama bölümünde söz konusu subjektif değerlendirme ile burada
önereceğimiz çok parametreli olasılık değerlendirmesi arasındaki farklar bir işyerindeki
yaşanmış kazalarla karşılaştırılarak gösterilecektir.
Olasılık parametresinin kendi içerisinde barındırmış olduğu alt parametreler Şekil 4.2.’de
gösterilmiştir.
OLASILIK
TEZGAH/ALET/
SALT OLASILIK SIKLIK RİSK KAYNAĞI CİHAZ VB. BAKIMIN KEŞFEDİLEBİLİRLİK
SAYISI KORUYUCULUĞU
Keşfedilebilirlik) (4.1)
Salt olasılık, belirlenmiş olan tehlikenin işin yapıldığı sürece, alınmış herhangi bir önlem
veya bakım göz önünde bulundurulmadan verilen değerdir. Yani örnek verecek olursak; Bir
tezgâhın başında çalışan bir insan için o tezgâhtan meydana gelebilecek bir tehlikenin
meydana gelme olasılığı salt yani yalın olarak belirlenirken, personelin o tezgâhta devamlı
çalıştığı, tezgâhtaki o tehlikeyi engelleyecek bakımın yapılmadığı ve herhangi bir uyarı
sistemi veya nezaretçi bulunmadığı varsayımları ile belirlenmiştir.
• Sıklık ile etkilenmesi; Salt olasılık kavramı bir işin sürekli yapılırken potansiyel
durumun ortaya çıkma olasılığı değeridir. Yani değeri 10 (Günün her anında yapılan
iş) olarak belirlendiğinde salt olasılık değeri sıklık değerinden hiç
etkilenmeyecektir. Ama sıklık değeri 1 ise (Yılda birkaç kez yapılan bir iş) salt
olasılık değeri yani potansiyel durumun ortaya çıkma olasılığı düşecektir.
• Risk Kaynağı Sayısı ile etkilenmesi; Risk kaynağı sayısı fazla ise salt olasılık değeri
artacaktır. Risk kaynağı sayısı riskin konusuna göre tezgâh/makine olabileceği gibi,
çalışan personelde olabilir. Örneğin bir tezgâhtaki faaliyete yönelik olarak
belirlemiş olduğunuz bir riskin salt olasılık değeri, çalışılan ortamda aynı tezgâhtan
birden daha fazla varsa artacaktır. Veya çalışma ortamından kaynaklanan (Gaz, Toz,
Gürültü vb.) risklere ait salt olasılık değeri orada o ortamdaki tehlikelere maruz
kalan çalışan personel sayısı ne kadar fazla ise o derecede artacaktır.
Yapılan çalışmada, belirlenen tüm parametreler 1-10 skalasında beş farklı dilsel değişkenle
değerlendirilmiştir. Kazanın artmasına en çok etkisi olanlara 10 verilip, daha sonra bu etki
azaldıkça, 1 değerine yaklaşılarak değerler verilmiştir. Her parametre için değişen dilsel
ifadelere sırasıyla (1)- (2,3)-(4,5,6)-(7,8)-(9,10) olarak değerler verilmiştir. Orta değere
sahip risklerin diğerlerine göre daha çok olabilecek olmasından ve de değerlendirme yapan
personel tarafından orta derece verme eğiliminin daha fazla olabileceği
değerlendirildiğinden dolayı orta değerin aralığı fazla tutulmuştur. Salt olasılık
parametresine verilecek değerler Tablo 4.1’de verilmiştir.
4.2.1.2. Sıklık
Risk değerlendirmesi yapılan faaliyetin süre olarak yapılma sıklığını ifade eder.
İşyerlerinde birtakım işler günün her dakikasında yapılıyor ise bu işlere dayalı belirlemiş
olduğumuz risklerinde ortaya çıkma olasılığı artacaktır. Ayrıca sık yapılan işlerde
personelin dikkatinin dağılması, iş körlüğü ve kendine fazla güvenme duygusunun artması
gibi nedenlerden dolayı yine olasılık değeri artacaktır. Sıklık parametresine verilecek
değerler Tablo 4.2’de belirtilmiştir.
Bir kazanın meydana gelmesi için tehlikeli durum ve tehlikeli hareketin her ikisinin bir
arada meydana gelmesi gereklidir. Aslında bu riski tehlikeden ayıran farktır. Daha öncede
vermiş olduğumuz örnekte denizdeki köpekbalığı sahildeki bir insan için sadece tehlikedir
ama eğer sahildeki adam denize girerse tehlike kavramı artık riske dönüşür. Bu örnekte
eğer denizde bir adam ve 10 tane köpekbalığı varsa risk daha da artar, ya da 10 adam bir
köpekbalığı varsa yine riskin gerçekleşme olasılığının artacağı muhakkaktır.
Yukarıdaki örnekte de belirttiğimiz gibi işyerlerinde de riske neden olan kaynak sayısı
birden fazla olabilmektedir. Örneğin aynı tezgâhtan bazen onlarca bulunabilmektedir. Ya
da tek bir tehlike kaynağında veya tehlikeli durumda riski meydana getirebilecek tehlikeli
hareketi yapacak birçok insan bulunabilmektedir. Örneğin takılıp düşülebilecek bir yerden
73
birçok personel geçiyorsa riskin gerçekleşme olasılığı tek bir insanın geçmesi durumundaki
gerçekleşme olasılığından çok daha yüksek olacaktır.
Bu parametrenin eklenmesinin şöyle bir faydası olacaktır; risk analizinde yaşanan en büyük
sıkıntılardan biriside risk değerlendirmenin yapıldığı atölyedeki asıl işten uzaklaşılmasıdır.
Örneğin çok büyük tezgâh parkının bulunduğu bir atölyede aynı işlemi gören birçok
tezgâha ait bir riskin gerçekleşme olasılığı, tek bir tezgâha ait riskin gerçekleşme
olasılığından daha yüksektir. Bunun risk analizine yansıtılması risk değerlendirme
sonrasında riskin azaltılmasına yönelik faaliyetlerinde kolaylık sağlayacaktır. Atölyede eğer
21 tezgâh var bunların 20’si aynı, birisi farklı ise 20 tezgâh üzerinde meydana gelecek kaza
ile bir tezgâh üzerinde meydana gelecek kaza elbette bir olmayacaktır. Aynı zamanda bu
tezgâhlar üzerinde riskin azaltılmasına yönelik bir iyileştirme faaliyetinde 20 tezgâha
uygulanacak tek bir yöntemle riskin 20/21’i azaltılabilirken tek tezgâhta yapılacak
iyileştirme ile sadece 1/21’lik bir azalma olacaktır. Modele bu parametrenin eklenmesi ile
risk analizini yapan personele yapılacak iyileştirme çalışmalarında risk analiz modellerinin
yetersizliklerinden kaynaklanan katma değersiz iyileştirme çalışmalarının önüne
geçilecektir.
Risk Kaynağı Sayısı parametresine verilecek değerler Tablo 4.3’te belirtildiği gibidir.
RİSK
DEĞER KAYNAĞI AÇIKLAMA
SAYISI
1 Çok Az Kaynak Sayısı (Riske ait tezgah sayısı, Riski oluşturan kaynak Sayısı) 1
2,3 Az Kaynak Sayısı (Riske ait tezgah sayısı, Riski oluşturan kaynak Sayısı) 2,3,
Kaynak Sayısı (Riske ait tezgah sayısı, Riski oluşturan kaynak Sayısı) 4 ve 4
4,5,6, Orta
'ten fazla 10'dan az
Kaynak Sayısı (Riske ait tezgah sayısı, Riski oluşturan kaynak Sayısı) 10 ve
7,8 Fazla
10'dan fazla 20'den az
Kaynak Sayısı (Riske ait tezgah sayısı, Riski oluşturan kaynak Sayısı) 20 ve
9, 10 Çok fazla
20'den fazla
74
En gelişmemiş işyerlerinde bile riski oluşturan risk kaynaklarına karşı mutlaka alınmış
önlemler bulunmaktadır. Çünkü insanların güvenlik ihtiyaçları Maslow’un ihtiyaçlar
hiyerarşisi piramidinde de belirttiği üzere en üst seviye ihtiyacıdır ve bu nedenle insanlar
doğal olarak kendilerini koruma ihtiyacı hissetmektedirler. Hiçbir önlemin olmadığı yerde
bir insanı çalıştırmak oldukça güçtür.
TEZGAH-ALET-
DEĞER CİHAZ BAKIM AÇIKLAMA
KORUYUCULUĞU
Bakımın Kazanın olmamasına etkisi çok
1 Çok Yüksek
yüksektir.
Bakımın Kazanın olmamasına etkisi
2,3 Yüksek
yüksektir.
Bakımın Kazanın olmamasına etkisi orta
4,5,6, Orta
derecededir.
7,8 Düşük Bakımın Kazanın olmamasına etkisi azdır.
Bakımın Kazanın olmamasına hiç etkisi
9, 10 Çok Düşük
yoktur
75
4.2.1.5. Keşfedilebilirlik
Keşfedilebilirlik başta HTEA olmak üzere daha öncede birçok risk analizi çalışmasında
kullanılmıştır. Fakat bu çalışmalarda riski doğrudan belirleyen bir parametre olarak ele
alınmıştır. Keşfedilebilirlik; hatanın, tehlikenin ortaya çıkmasına neden olan potansiyel
durumların önceden fark edilebilmesi anlamına gelmektedir. Bu da aslında direkt riskin
ortaya çıkma olasılığı ile ilgilidir. Örneğin gaz algılama sisteminin kurulmuş olduğu bir tüp
odasında keşfedilebilirlik çok yüksek olduğu gibi olasılıkta düşük olacaktır. Ya da işitme
kaybına neden olabilecek bir gürültünün çalışan tarafından yüksek keşfedilebilirliğe sahip
olması veya tehlikeli bir kimyasalla çalışacak personelin bu konuda eğitim aldığından,
kimyasalın risklerini bildiğinden dolayı kimyasalla çalışırken göstereceği dikkat
keşfedilebilirliğin yüksek olmasına örnek olarak verilebilir. Bunların tam tersi olarak
kokusu olmayan, görülmeyen veya duyulmayan tehlikelerde keşfedilebilirlik düşük
olacaktır. Elektrik ile ilgili tehlikeler, kokusuz gazlarla/kimyasallarla ilgili tehlikeler, döner
aksamlı makinelerin bakımsızlığından kaynaklanabilecek mil kırılması, parça sıçraması vb.
tehlikeler keşfedilebilirliği düşük olan risklere örnek verilebilir.
Bir kontrol listesi kullanılarak, bir çalışma sahasının veya belirli bir bölgesinin veya bir
faaliyetin İSG açısından kontrol edilmesidir. İSG sorumlularınca gerçekleştirilebileceği gibi
yürütülen faaliyeti iyi bilen çalışanlarca da gerçekleştirilebilir.
Çalışma sahası yönetimi ve İSG sorumlusunun birlikte yaptıkları özel bir tür güvenlik
teftişidir. Güvenlik teftişindeki gibi bir kontrol listesi kullanılır ve gezi sonrasında alınan
notlar ve görülen eksiklerin düzenlenmesiyle ilgili faaliyet planı ve programı üzerinde
uzlaşılır. Çalışma sahasının özelliklerine bağlı olarak sıklığı belirlenebilir.
77
4.2.2. Şiddet
Şiddet; Salt Şiddet, Kişisel Koruyucu Donanım (KKD) Koruyuculuğu ve Tehlike Altındaki
Personel Sayısı parametrelerinin bulanık mantık yardımıyla değerlendirmeye alınmasıyla
hesaplanmıştır. Burada bahsedilen şiddetin aslında diğer şiddetlerden bir farkı yoktur.
Şiddet değerinin belirlenme yönteminde farklılık vardır. Literatürde yapılan şiddet
değerlendirmelerinde şiddet değeri, risk analizi yapan personel tarafından, alınan
önlemlerde dikkate alınarak doğrudan belirlenmektedir. Oysaki önerilen modelde şiddet
değeri üç alt parametre yardımıyla belirlenmektir. Şekil 4.3.'te önerdiğimiz modelde üç
parametreden biri olan salt şiddet alt parametresine diğer iki alt parametrenin etkisiyle
şiddet parametresi ortaya çıkmaktadır.
ŞİDDET
TEHLİKE ALTINDAKİ
SALT ŞİDDET PERSONEL SAYISI KKD KORUYUCULUĞU
Belirlenmiş olan riskin ortaya çıkaracağı zarar derecesi alınan bir takım önlemlerle (KKD
Koruyuculuğu) düşmektedir ve ayrıca bir takım risklerin ortaya çıkması durumunda tek bir
kişi zarar görürken, bazı risklerin ortaya çıkmasıyla aynı zarar derecesinde birçok kişi zarar
görebilmekte, bu durumda riskin şiddetini, yani zarar derecesini yükseltebilmektedir.
Geliştirilen modelde salt şiddete bu iki parametrenin dâhil edilmesi ile oluşabilecek gerçek
duruma daha yakın bir tahminde bulunulabilecektir. Şiddet parametresinin
değerlendirilmesinde kullanılacak olan skala Tablo 4.6.'da verilmiştir
78
ŞİDDET
DEĞER DEĞERİ AÇIKLAMA
İhmal Kaza sonucunda ciddi bir yaralanma veya sağlığın bozulması söz konusu
1
edilebilir değildir
Hafif yaralanmalardır. İşçinin çalışmasını engelleyecek veya performansını
2, 3 Hafif olumsuz yönde etkileyecek bir kaza olmayıp, basit ilk yardım ile müdahale
edilebilir.
Hafif ve şiddetli yaralanma arasında yer almakla birlikte, nadiren ölümle
4, 5, 6 Orta sonuçlanır.İş performansını olumsuz etkiler, aktiviteleri yavaşlatır, kısa
süreliğine de olsa iş göremezlikle sonuçlanabilmekle birlikte iş göremezlik
en fazla 1 haftadır.
Ağır yaralanmalardır. Kalıcı bir işgöremezliğe veya işteki performansın
7, 8 Şiddetli uzunca bir süre bozulmasına neden olur, uzunca bir süre işten
uzaklaşmalara neden olabilir. Ölümlere sıkça rastlanır.
Çok Çoğunlukla ölümle sonuçlanır, oldukça ciddi yaralanmalardır. Ayrıca birden
9, 10
Şiddetli fazla kişinin ölümüyle sonuçlanabilir (örneğin patlamalar).
Salt şiddet aynı salt olasılıkta olduğu gibi alınan tedbirlerden ve ortamdan bağımsız olarak
değerlendirilmiştir. Bu parametre şöyle açıklanabilir; Tek bir personel için belirlenmiş olan
tehlike, dolayısıyla KKD kullanılmadığı zaman gelecek olan zararın derecesidir. Bu
parametreye ait kullanılacak olan değerlendirme puanları Tablo 4.6. ile aynıdır.
Yapılan risk analizi çalışmalarında bu parametrenin dâhil edilmemesi, bir kişi ile yüz kişiyi
etkileyen risklerin şiddet derecelerinin aynı çıkmasına neden olmaktadır. Örneğin aynı
desibel derecesine sahip yüksek sesin olduğu 3 kişinin çalıştığı bir ortam ile 100 kişinin
çalıştığı bir başka ortamı risk değerleri aynı çıkabilmektedir. Bu parametrenin şiddet
hesaplamasının içerisine dahil edilmesi yapılacak risklerin azaltılmasına ait faaliyetlerin
planlamasında aynı maliyetle daha çok personelin korunmasını sağlayacaktır.
TEHLİKE ALTINDAKİ
DEĞER AÇIKLAMA
PERSONEL SAYISI
1 Çok Az Tehlike altındaki Personel Sayısı 1
2,3 Az Tehlike altındaki Personel Sayısı 2,3,
Tehlike altındaki Personel Sayısı 4 ve 4 'ten fazla
4,5,6, Orta 10'dan az
Tehlike altındaki Personel Sayısı 10 ve 10'dan
7,8 Fazla fazla 20'den az
Tehlike altındaki Personel Sayısı 20 ve 20'den
9, 10 Çok fazla fazla
KKD, bir veya birden fazla sağlık ve güvenlik risklerine karşı korunmak için kişilerce
giyilmek, takılmak veya taşınmak amacıyla tasarlanmış herhangi bir cihaz, alet veya
malzemedir [50].
Kişisel koruyucu donanımlar (Ayakkabı, gözlük, eldiven, maske, elbise vb.) çalışılan
ortamda toplu korumaya yönelik bir önlemin alınamadığı durumlarda personele verilir.
Bazı KKD’ler personeli hiç bir zarar görmeyecek şekilde korurken bazıları maruziyeti
çeşitli oranlarda düşürmektedir. Bu parametrenin dahil edilmesi yönetim tarafından yüksek
maliyetlerle temin edilen KKD’lerin şiddet derecesinin hesaplanmasında daha sağlıklı bir
yaklaşım olacaktır.KKD Koruyuculuğu parametresine ait kullanılacak olan değerlendirme
puanları Tablo 4.8’de verilmiştir.
BULGULAR
Uygulama elli yılı aşkın süredir faaliyet gösteren, genel olarak metal ağırlıklı olmasına
karşın bünyesinde çok farklı konularda atölyeler bulunduran ve ağırlıklı olarak emek yoğun
çalışan bir fabrikada gerçekleştirilmiştir. Fabrikada veri toplama çalışmaları tecrübeli iş
güvenliği uzmanlarıyla beraber yapılmıştır. Modelin etkinliğinin araştırılması, farklı
sektörlerdeki durumlarıda inceleyerek EK-A'da verilen 17 farklı atölyede, toplam 374 risk
üzerinden gerçekleştirilmiştir. Çalışma kronolojisi şu şekildedir:
c. Yaşanmış kazaların (majör kaza, minör kaza, ucuz atlatma) sınırlarının uygulama
yapılan iş yerinin genel risk seviyesine uygun olarak tanımlanması
e. Yaşanmış kazaların sınırlarına uygun olarak hem Heinrich [51] kaza puanı metodu
için farklı öğrenme fonksiyonlarına göre YSA sonuçlarının hem de iş yerindeki bu
yaşanmış kazalardan çıkartılacak kaza puanı metodunun YSA sonuçlarının
karşılaştırılması.
f. YSA'nın kapalı bir kutu gibi çalışması, hangi formülasyonu nasıl kullandığının ve
ne şekilde bir hesaplama yapıldığının bilinememesinden dolayı olasılık değerinin
regresyon analiziyle kaza puanı şeklinde belirlenmesi
i. Aynı iş yerinde daha önce yapılmış olan risk analiz yöntemiyle elde edilen risk
değerinin karşılaştırılması.
Olasılık değerinin hesaplanması için 17 farklı atölyede, 374 adet risk verisi, Salt Olasılık,
Sıklık, Risk Kaynağı Sayısı, Tezgah/Alet/Cihaz Bakımının Koruyuculuğu ve
Keşfedilebilirlik alt parametreleri için toplanmıştır. YSA modeli için bu verilerden 300
tanesi eğitim, 74 tanesi ise test amaçlı olarak kullanılmıştır.
YSA modeline sunulacak olan kaza puanı değerleri Heinrich kaza piramidi teorisine göre
ve çok parametreli hiyerarşik yapılı yapay risk analizi modeline göre ayrı ayrı belirlenip
için bizim uzmanlarla belirlemiş olduğumuz değerlere göre ayrı ayrı değerlendirilecektir.
Bunun için YSA modeline girdi olarak olasılık ana parametresinin 5 alt parametresi
verilmiş, çıktı olarak ise hem Heinrich metoduna göre belirlenmiş kaza puanları ve hemde
iş yerindeki yaşanmış kazalardan çıkartılan kaza puanları ayrı ayrı gösterilmiş olup bu iki
YSA modeli karşılaştırılmıştır.
82
Heinrich yasasına göre her 1 majör kaza için 29 minör kaza, 300 tane ramak kala/ucuz
atlatma olayı meydana gelmektedir. Oysaki bu tanımlamanın majör kaza kavramı için ele
alınan iş yerinin risk seviyesine göre değişecebileceği aşikardır. Örneğin madenler,
inşaatlar için majör kaza kavramı ölüm olabilirken, genel risk seviyesi daha düşük olan
işyerlerinde tekstil, hizmet sektörü, laboratuar vb. gibi yerlerdeki majör kaza kavramı daha
düşük olacak olup ve belki de 3-5 günlük istirahat gerektiren kazalar bu tür yerler için
majör kaza sayılabilecektir. Bu yüzden tüm bu etkenler dikkate alınarak yapılan çalışmada
veri toplanılan yerlerle ilgili majör kaza, minör kaza ve ucuz atlatma kavramları yeniden
tanımlanmıştır. Bu tanımlamamıza göre;
Minör Kaza; İşçinin 10 günden az istirahat almasına neden olan, işçiyi bir şekilde
yaralayan, malzemeler için fonksiyonel bozukluklara neden olan kazalar,
Ucuz Atlatma (Ramak Kala); İşçiyi yaralamayan fakat yaralamaya çok yaklaşan, malzeme
üzerinde hasar meydana getiren fakat malzemenin fonksiyonelliğini yerine devam
ettirebildiği, herhangi bir düzeltmenin gerekmediği türdeki olaylar,
olarak değerlendirilmiştir.
Çalışmanın yapıldığı yerde çalışanların işe girdikten sonra uzun yıllar çalışıyor olması,
çoğunun girdikten sonra emekli olarak ayrılması veri toplanmasını kolaylaştırmıştır.
Türkiye'nin genelinde olduğu gibi bu işyerinde de iş sağlığı ve güvenliği hizmetlerinin son
birkaç yıldır sistematik olarak yapılması dolayısıyla homojen verilere ulaşılabilmiştir. 374
adet riske ait veriler 30 yıllık olarak toplanmış, 10-15 yıl gibi sürelerdir sürdürülen
faaliyetlere ait olan az sayıdaki risk için 30 yıla genişletme yapılmıştır. Tabi bu veriler
toplanırken atölyelerdeki en tecrübeli personellerle görüşülmüştür. Burada akla şu soru
gelebilir ; Risklere ait bir kaza meydana geldiğinde o risk niye engellenmiyor? Niye
azaltılmasına yönelik önlem alınmıyor? Bunun için Şekil 5.1. incelenmelidir.
83
Risk Algısı
Ciddi Kaza
Zaman
Şekil 5.1. aslında birçok şeyi anlatmaktadır. Ciddi bir kaza yaşandıktan sonra insanların
algıları üst seviyeye çıkar. Örneğin bir insan araba sürerken bir kaza geçirdiğinde daha
dikkatli araba sürmeye başlar fakat belirli bir zaman sonra bu risk algısı azalır ve yine
normal sürüşüne devam etmeye başlar. Belki tam eskisi kadar risk algısı düşük olmayabilir
ama yinede azalma meydana gelir.
Aynı risk koşullarının devam ettiği durumlar için uzun dönemli belirlenecek olan burada
bahsettiğimiz veri toplama işlemi gerçek durumu ortaya koyabilecektir. Literatürde olasılık
değerinin tahminine yönelik bu tür bir çalışma tespit edilememiştir. Olasılık değerinin
belirlenmesine yönelik belki alt parametreler tespit edilebilir ancak bunun
doğrulanabilmesi, performansının ölçülebilmesi pek mümkün değildir. İşletmelerdeki gerek
kayıt tutma alışkanlıklarının az olması, gerek çalışanların başlarına bir şey gelebilecek
korkusuyla değil ucuz atlatmaları çoğu zaman geçirilen iş kazalarını bile saklayabilmeleri
bu tür bir çalışmayı imkansız hale getirmektedir. Çalışmanın yapıldığı yerde geçmiş
tecrübelerin aktarılması esnasında verinin kaynağı olan personele bu taahhüt verilerek
veriler toplanmıştır. Mülakat yöntemiyle doğrudan işin yapıldığı noktalarda verilerin
toplanması ile yaklaşık bir yıllık çalışma sonucunda veriler toplanabilmiştir. Veriler
84
yukarıda bahsedilen majör kaza, minör kaza ve ucuz atlatma şeklinde üç kategoride
toplanmıştır. Bu verilerden Tablo 5.1.'dan ağırlıklar yardımıyla kaza puanı elde edilmiştir.
Önerilen modeldeki ağırlıklar belirlenirken 374 adet riske ait toplam yaşanmış olan kaza,
olaylar değerlendirilerek hesaplama yapılmıştır. Buna göre çalışma yapılan 374 riske ait
169 majör kaza, 1689 minör kaza ve 11594 adet ucuz atlatma olayı meydana gelmiştir. Bu
değerler üzerinden hesaplama yapıldığında 1 majör kazaya karşılık 10 minör kaza, 69 adet
ucuz atlatma meydana gelmiştir.
Kurulan YSA modeli iki katmanlı olarak belirlenmiş log-sig,purelin (doğrusal) transfer
fonksiyonları kullanılmış, veriler 0,2-0,8 arasında normalize edilmiş, iterasyon sayısı 100,
hedef 1e-5 olarak belirlenmiştir. Eğitme fonksiyonu olarak en etkin olanını bulabilmek için
traingb, trainbfg, traincgp, traingd, traingda, traingdm, tarinlm, trainoss, trainrp ve trainscg
eğitme fonksiyonları için önerilen modele (10-1-0,15 Ağırlıkları) ait sırasıyla iterasyon
sayısına göre eğitme performansı, korelasyon grafiği ve bulunan değer-hedeflenen değer
grafikleri şekil 5.2'den şekil 5.11'e kadar verilmiştir.
85
Tablo 5.2. Önerilen kaza puanı metodu için farklı öğrenme fonksiyonlarına göre YSA
sonuçlarının karşılaştırılması
Görüldüğü gibi trainlm en iyi sonucu veren öğrenme metodudur. Trainscg, trainbfg,
traincgp ve trainrp'nin vermiş olduğu sonuçlarda azımsanmayacak derecede iyidir. Bu beş
öğrenme metodu için Heinrich'in modeline göre kaza puanı çıkarılarak YSA modelini
çalıştıracak olursak sırasıyla eğitme performansı, korelasyon grafiği ve bulunan değer-
hedeflenen değer grafiklerini Şekil 5.12'den Şekil 5.16'a kadar görebiliriz.
Heinrich kaza puanı hesaplama metoduna göre şekillerle görsel olarak sonuçları gördükten
sonra verilerle değerlendirme için Tablo 5.3.'e bakılabilir.
Tablo 5.3. Heinrich kaza puanı metodu için farklı öğrenme fonksiyonlarına göre YSA
sonuçlarının karşılaştırılması
Yukarıda verilen tablodan da görüleceği gibi Heinrich kaza puanlama metodu için YSA'da
en iyi sonucu az farkla trainscg, sonrasında trainlm, sonrasında ise trainbfg veriyor. Fakat
genel değerlendirme itibariyle bakıldığında bizim burada önermiş olduğumuz kaza puanı
modeli Heinrich'in ortaya koymuş olduğuna göre daha iyi sonuçlar vermiştir. Ancak daha
öncede belirttiğimiz gibi majör kazanın, minör kazanın sınırının neresi olduğu konusunda
ortaya atılacak fikirlere göre farklı modeller ortaya konabilir. Bizim çalışma yaptığımız
yerdeki belirlemiş olduğumuz majör, minör kaza sınırlarına göre bizim belirlemiş
olduğumuz ağırlıklar daha iyi sonuç vermiştir. Bizim kaza puanı modelimize göre en iyi
sonuç 0,92 çıkarken Heinrich modeline göre bu sonuç 0,73 çıkmıştır.
Bir önceki bölümde görüldü ki belirlemiş olduğumuz majör, minör kaza sınırlarına göre
kaza puanı hesaplamaya yönelik önermiş olduğumuz model daha iyi sonuçlar verdi. Daha
öncede bahsettiğimiz gibi YSA trainlm (Levenberg-Marquardt backpropagation) eğitim
modeliyle 0,92 gibi bir korelasyonla değerleriyle yüksek performans göstermiş olsa da
92
Modele yönelik bir formülasyonun ortaya konması için regresyon analizi yapılmıştır. YSA
çalıştırılırken olduğu gibi regresyon içinde MATLAB kullanılmıştır.
Regresyon içinde YSA'da olduğu gibi 300 veri eğitim için (katsayıların tespiti için) 74 veri
ise test için kullanılmıştır. Çoklu doğrusal regresyon olarak adlandırabileceğimiz çalışma
neticesinde aşağıdaki şekillerde sonuçları görsel olarak incelemek mümkündür. 300 verinin
performansı şekil 5.17.'deki Hedeflenen değer-bulunan değer grafiğinden, aradaki
korelasyonu şekil 5.18.'den, 74 veriye ait sonuçları yine şekil 5.19. ve Şekil 5.20.'den
görebiliriz.
Regresyon analizine ait şekillerden görüleceği üzere analiz neticesinde gerçeğe çok yakın
veriler elde edilmiştir. Gerçek değer ile regresyon analizi neticesinde hesaplanan
korelasyon değeri 0,81'dir. YSA ile bulunmuş olan en iyi korelasyon değeri de (Trainlm)
0,92 olarak bulunmuştu. Hesaplanan regresyon katsayıları Tablo 5.4.'de görülebilir.
RİSK
SALT TEZGAH/ALET/CİHAZ
SIKLIK KAYNAK KEŞFEDİLEBİLİRLİK
OLASILIK BKM.K.
SAYISI
ÖNERİLEN
0,9143 0,3473 1,6581 1,4812 ‐0,5039
MODEL
Test verisi olarak kullanılan 74 ait riske ait veriler, Önerilen kaza puanı metodu için
yaşanmış kaza olaylara ait kaza puanı, eski sistemdeki olasılık (5X5 Matris için) tahmini,
95
YSA tarafından bulunan sonuçlar ve en son regresyon analizi sonucunda bulunan değerler
Tablo 5.5'te verilmiştir.
Tablo 5.5. Test verileri, eski olasılık tahmini, gerçek durumdaki kaza puanı ve
YSA, regresyon sonuçları
KEŞFEDİLEBİLİRLİK
GERÇEK DURUM
SALT OLASILIK
REGRESYON
BKM.K.
SIKLIK
YSA
6 5 2 10 2 3 18,50 16,72 20,87
7 5 2 1 2 3 0,45 1,75 8,45
7 10 10 10 2 3 31,75 35,56 33,31
6 9 1 5 5 3 8,50 8,04 8,90
3 10 1 4 7 3 1,45 5,16 3,33
4 5 1 2 5 3 3,50 2,43 4,02
9 7 1 3 4 3 4,25 8,02 9,88
7 6 1 10 2 3 10,50 17,20 19,77
3 6 1 2 6 3 1,00 2,66 2,26
5 9 3 4 8 3 9,50 8,54 8,31
8 9 3 4 5 3 27,00 12,53 12,57
4 9 1 4 8 2 3,25 5,89 4,08
7 8 1 7 4 3 16,50 12,12 13,63
3 8 1 7 3 3 7,50 6,14 10,48
3 7 1 9 8 3 10,50 9,96 11,27
5 8 1 8 4 3 9,50 10,42 13,29
6 8 4 7 3 3 19,50 15,68 18,20
6 9 6 10 2 3 30,50 32,06 26,11
4 7 1 10 5 2 10,50 12,24 15,18
3 7 1 2 9 3 1,90 3,74 0,00
7 6 2 3 8 3 7,50 7,59 8,04
96
KEŞFEDİLEBİLİRLİK
GERÇEK DURUM
SALT OLASILIK
REGRESYON
BKM.K.
SIKLIK
YSA
9 8 3 3 5 4 11,45 11,83 12,35
4 10 4 2 9 3 4,25 6,04 5,24
2 10 6 10 2 3 14,00 18,93 22,11
10 10 8 5 8 4 41,50 39,56 22,31
3 10 5 8 7 2 13,75 16,77 15,88
7 8 2 6 6 2 15,00 12,88 12,80
8 10 1 3 7 4 7,50 8,87 6,42
1 2 1 3 2 4 0,00 0,00 5,31
1 8 1 8 3 3 0,90 5,38 10,13
7 8 1 10 2 3 22,00 18,16 19,08
3 9 1 10 2 3 8,50 10,18 15,08
6 2 1 9 3 2 10,90 11,14 18,27
3 8 1 1 2 3 0,00 1,44 2,10
3 6 2 7 6 2 1,45 7,30 11,32
5 3 1 9 4 2 9,50 10,23 16,50
6 7 1 2 6 3 1,90 4,48 4,65
8 6 1 3 7 4 7,50 7,54 7,81
7 7 1 2 6 3 2,90 5,28 5,57
5 7 1 10 4 3 17,25 13,83 16,60
8 6 1 2 7 3 2,50 6,27 6,32
3 4 1 5 3 4 2,90 2,97 8,91
3 5 1 3 3 3 0,90 1,93 5,60
5 4 1 2 9 3 1,45 3,96 3,27
5 7 1 10 6 3 7,25 14,57 15,59
2 5 1 8 3 3 0,00 5,31 12,09
3 2 1 10 3 3 7,50 7,93 17,00
8 1 1 10 2 3 14,25 17,17 22,43
6 3 1 9 5 3 15,00 12,54 16,91
97
KEŞFEDİLEBİLİRLİK
GERÇEK DURUM
SALT OLASILIK
REGRESYON
BKM.K.
SIKLIK
YSA
6 9 2 2 3 3 4,25 4,21 7,12
7 7 7 10 2 3 28,00 35,28 29,38
3 2 7 10 2 4 13,75 15,39 27,46
7 10 1 9 4 2 15,25 17,30 15,90
7 4 1 3 8 3 7,50 6,10 7,08
9 7 3 3 5 4 10,90 11,26 12,70
6 10 5 2 9 2 9,50 10,15 8,73
8 10 7 10 2 3 39,00 42,68 29,25
7 4 1 7 5 3 13,50 10,90 14,52
3 4 1 2 8 3 1,50 2,75 1,94
9 7 1 3 8 5 8,50 9,63 7,87
3 8 1 3 4 3 0,00 3,13 4,05
1 8 1 3 2 2 0,00 1,84 3,23
8 8 1 9 4 3 11,50 19,05 17,51
7 8 1 10 2 3 11,90 18,16 19,08
2 3 1 1 10 3 0,00 2,38 ‐1,11
1 3 1 10 6 3 0,00 6,97 13,32
3 3 1 8 5 3 7,50 6,37 12,69
7 3 1 3 8 1 7,50 5,76 7,43
5 9 1 2 3 3 2,50 3,41 4,55
5 7 4 10 2 3 12,75 20,64 22,57
7 9 1 9 4 3 18,50 16,89 16,25
9 6 1 3 5 3 4,25 8,06 9,73
6 10 2 2 9 3 0,15 6,86 3,76
6 10 4 10 2 3 24,00 26,24 22,45
Tüm bu değerlendirmelerden sonra eski olasılık tahmini, gerçek durum kaza değeri,YSA
sonuçları ve regresyon sonuçları arasındaki korelasyonu Tablo 5.6.'dan görebiliriz.
98
Tablo 5.6. Gerçek kaza puanı, YSA, regresyon ve eski olasılık sistemindeki
değerler arası korelasyon matrisi
YSA ile regresyon analizi sonucunda elde edilen verilerin arasındaki çizilecek bir ilişki
diyagramı YSA'nın çalışma mantığı hakkında bilgi verebilecektir. Bu ilişkiyi Şekil 5.21.'de
verilmiştir.
ÜYELİK
FONKSİYONU
DEĞER OLASILIK AÇIKLAMA DEĞERLERİ
1 Çok Düşük Kaza Puanı X < 2 (0 0 2 5)
2,3 Düşük Kaza Puanı 2≤ X<7 (1 2 7 12)
4,5,6 Orta Kaza Puanı 7≤ X<15 (5 7 15 20)
Alt parametrelerin üyelik fonksiyonları yamuk olarak belirlenmiştir. Girişlere ait üyelik
fonksiyonları ve değerleri aşağıdaki tablo ve şekillerde verilmiştir.
100
1 2 3 4 5 6 7 8 9 10
( 0, 0, 1, 2.5 )
1 Çok Az
2,3 Az (1, 2, 3, 5)
4,5,6, Orta (2.5, 4, 6, 7.5 )
7,8 Fazla (5, 7, 8, 9)
9, 10 Çok fazla (7.5, 9, 10, 10)
101
Çok Çok
Orta
Yüksek Yüksek Düşük Düşük
1 2 3 4 5 6 7 8 9 10
SALT ŞİDDET
DEĞER DEĞERİ ÜYELİK FONKSİYONU DEĞERLERİ
1 İhmal edilebilir ( 0, 0, 1, 2.5 )
2, 3 Hafif (1, 2, 3, 5)
4, 5, 6 Orta (2.5, 4, 6, 7.5 )
7, 8 Şiddetli (5, 7, 8, 9)
1 2 3 4 6 7 8 9 10
• Risk ile ilgili KKD koruyuculuğu eğer hiç yoksa yani 10 olarak belirlenmiş ise salt
şiddet alt parametresi üzerine hiç etkisi olmadan şiddet parametresi aynen
kalacaktır. KKD koruyuculuğu yüksek ise yani 1 olarak belirlenmişse salt şiddet
değeri üzerinde azalmaya neden olacaktır.
Belirlenen 125 adet kuraldan bazıları Tablo 5.12'de verilmiştir.Ayrıca belirlenen kuralların
üç boyutlu gösterimi Şekil 5.26'da verilmiştir.
Tablo 5.12. Şiddet değerinin bulunmasına yönelik bulanık mantık modeli için belirlenen
kurallardan bazıları
Belirlenen kural tabanına göre YSA' da test verisi olarak kullanan 74 adet riske ait salt
olasılık, TAPS ve KKD koruyuculuğu değerleri kullanılmıştır. MATLAB programı
kullanılarak hesaplanmış olan değerler Tablo 5.13'te verilmiştir. Tablo 5.13'te ayrıca
karşılaştırma yapılabilmesi için çalışmanın yapıldığı işyerinde daha önce yapılmış olan risk
analizinde (sadece olasılık ve şiddet parametreleri ile 5X5 skalasında yapılan) kullanılmış
olan şiddet değerleri de verilmiştir. Aralarındaki korelasyon katsayısı 0,78 olarak
bulunmuştur. Ayrıca MATLAB programına ait Fuzzy Lojic Toolbox'ının görsel sunumu
şekil 5.27'dedir.
105
Şekil 5.27. Olasılık değerinin bulanık hesabına ilişkin MATLAB programının arayüzü
Tablo 5.13 Bulanık mantıkla hesaplanan olasılık değerleri, eski modeldeki olasılık değerleri
ve kullanılan alt parametrelerin değerleri
KKD KORUYUCULUĞU
KKD KORUYUCULUĞU
SALT ŞİDDET
SALT ŞİDDET
ESKİ ŞİDDET
ESKİ ŞİDDET
ŞİDDET
ŞİDDET
TAPS
TAPS
4 1 3 2,35 2 6 2 2 3,52 3
10 2 10 9,1 5 7 1 1 2,49 4
4 1 2 2,35 3 3 1 1 0,902 2
3 1 2 1,69 2 7 2 2 4,23 3
7 1 8 6,39 4 5 1 3 2,8 3
9 1 10 9,1 5 5 1 2 2,49 3
6 1 2 3,52 2 8 2 2 5 5
6 1 2 3,52 2 4 1 2 2,35 3
106
KKD KORUYUCULUĞU
KKD KORUYUCULUĞU
SALT ŞİDDET
SALT ŞİDDET
ESKİ ŞİDDET
ESKİ ŞİDDET
ŞİDDET
ŞİDDET
TAPS
TAPS
8 1 10 7,51 5 9 1 10 9,1 5
8 1 8 7,51 5 5 1 10 5 4
5 6 2 3,83 4 9 1 2 6,39 5
5 1 8 5 3 6 1 2 3,52 4
7 1 2 4,23 3 7 1 4 4,6 4
6 1 5 3,83 3 6 1 3 3,83 4
8 1 8 7,51 3 7 1 10 6,39 5
3 1 1 0,902 3 7 1 4 4,6 5
4 1 2 2,35 2 6 1 2 3,52 4
4 1 2 2,35 2 5 1 5 2,8 3
4 10 5 6,17 3 9 1 10 9,1 5
8 10 10 9,1 4 6 1 2 3,52 4
6 1 2 3,52 3 5 1 1 0,902 3
5 1 5 2,8 4 10 5 9 9,1 5
9 1 10 9,1 5 8 2 2 5 5
2 1 2 0,902 1 7 1 9 6,39 5
8 7 2 6,72 4 6 1 2 3,52 4
9 1 6 7,65 5 3 1 1 0,902 2
6 7 2 5,16 4 6 1 2 3,52 3
8 7 3 6,72 5 7 1 10 6,39 4
9 1 10 9,1 5 6 1 2 3,52 4
10 2 8 9,1 5 4 1 1 0,902 2
6 4 2 3,52 3 6 1 2 3,52 3
5 2 4 2,8 4 7 1 6 5,16 4
4 1 3 2,35 3 6 1 3 3,83 3
3 2 1 0,902 2 7 1 4 4,6 4
8 2 9 7,51 5 5 1 5 2,8 3
7 2 2 4,23 4 9 1 10 9,1 5
7 2 2 4,23 4 5 1 2 2,49 3
107
ÜYELİK
DEĞER RİSK FONKSİYONU
DEĞERLERİ
0-10 Çok Düşük (0 0 10 20)
11-30 Düşük (5 11 30 40)
31-60 Orta (20 31 60 80)
61-80 Yüksek (45 61 80 85)
81-100 Çok Yüksek (65 81 100 100)
Tablo 5.15. Risk değerinin bulunmasına yönelik bulanık mantık modeli için
belirlenen kurallar
Belirlemiş olduğumuz 74 adet riske ait klasik yaklaşımla yapılan ve bu tezde önerdiğimiz
bulanık risk değerlendirme modeliyle yapılan değerlendirme neticesinde elde edilen
değerler Tablo 5.16'da görülmektedir. Söz konusu veriler incelenecek olursa 2 numaralı
risk bulanık değerlendirmede 9. sırada iken klasik yaklaşımda 37. sıradadır. 19 nolu risk
bulanık değerlendirme ile 7. sırada iken klasik yaklaşımda 74. yani son sırada çıkmaktadır.
Risk analizini yapan uzman personellerin görüşlerine göre klasik risk analizi modelinin
sınırlandırmalarından dolayı bu yeni modelin sonuçlarının daha tatmin edici olduğu ve
yapılacak risk azaltmaya yönelik planlamalarda daha gerçekçi sıralamalar gerçekleştirdiği
görüşü benimsenmiş olup işletmede uygulanılmak üzere yeni model tercih edilmiştir.
6. BÖLÜM
6.1. Sonuç
Olasılık değerinin tahminine yönelik olarak ortaya konan model klasik yaklaşıma göre
kıyas kabul etmeyecek derecede iyi sonuç vermiştir.Klasik yaklaşımdaki olasılık
değerinin gerçek durumla olan korelasyonu 0,07 gibi bir değer iken ortaya konan
modelde sonuç YSA' da 0,92 ,regresyon analizi neticesinde 0,81 olmuştur.Olasılk
değeri olarak önerdiğimiz modelin kullanılması hiç şüphe yok ki risk değerinin
hesaplanmasında daha iyi sonuçlar verecektir.
Sonuç olarak önerilen model risk değerlendirme aşamasında klasik risk değerlendirme
yaklaşımından daha karmaşık ve zaman alıcı gibi gözükse de, risk değerlendirme
113
6.2. Tartışma
İşte tüm bu nedenlerden dolayı risklere ait risk derecelerinin belirlenmesi işletmeler için
hayati öneme haizdir. Risk değerlendirme faaliyetleri için önerdiğimiz modelin risk
derecelendirme konusundaki başarısı sayısal olarak ta hesaplanmıştır. Ayrıca
önerdiğimiz modelin risk değerlendirme faaliyetlerinin akabinde başlayacak olan
önleyici faaliyetler için işletmelere yol gösterici olması ayrı bir öneme sahiptir.
6.3. Öneriler
Risk değerlendirme gibi bir konuda yapılacak ayrıntılı çalışmalar işletmelerin hem
verimliliğini arttıracak, hem kurumsal kimliğini olumlu yönde etkileyecek, hem
çalışanların kurumsal bağlılığını arttıracak hem de işletmelerin kazalar ve meslek
hastalıkları neticesinde karşı karşıya kalmış oldukları ağır maddi yüklerin minimum
seviyelere inmesini sağlayacaktır.
BELİR-
LENEN
SIRA ATÖLYE ADI AÇIKLAMA
RİSK
SAYISI
PARÇA
Araçların muhtelif parçalarının
1 YENİLEŞTİRME 22
yenileştirilmelerinin yapıldığı yerdir.
ATÖLYESİ
KAYNAKLAR
14. Okuyama, Y., Chang, S.E.,Introduction, pp. 1-10. İn: Modeling Spatial Economic
Impacts of Disasters,( Okuyama,Y., Chang, S.E. ) , Springer Verlag, Berlin
118
15. Andrews, J., Moss, B., 2002, Reliability and Risk Assessment, John Wiley & Sons,
London, 540 pp.
16. Bernstein, P. ,1996. Against the Gods: The Remarkable History of Risk, John Wiley
and Sons, New York, 383 pp.
17. Andaç, M., 2007, Neden risk değerlendirmesi yapmalıyız?, İş Sağlığı ve Güvenliği
Dergisi , Sayı 36, 21-26
18. Özkılıç, Ö., İş sağlığı ve güvenliğinde risk değerlendirmesi, 5.Uluslararası iş sağlığı
ve güvenliği kongresi sunumu, İstanbul 2008,
http://212.175.131.61/www.isggm.gov.tr/htdocs/article.php?article_id=207 (Erişim
tarihi:Haziran 2011)
19. MIL-STD-1629, 1974, Procedures for Performing a Failure Mode, Effects and
Criticality Analysis, Navalship Engineering Center, Washington.
20. Taşan, K.,2006, Bir Risk Değerlendirme Ve Güvenirlik Metodu Olarak Hata Türü
Ve Etkileri Analizi (HTEA) Yöntemi :Bir Otomotiv Yan Sanayi İşletmesinde
Uygulanması Dokuz Eylül Üniversitesi, Sosyal Bilimler Enstitüsü Yüksek Lisans
Tezi, İzmir, 186 s.
21. Gedikli, F.G., 2008, Risk değerlendirmesi sürecindeki yaygın hatalar (OSHA
Yayınının çevirisi), İş Sağlığı ve Güvenliği Dergisi, Sayı 38, 10-17
22. Afşar, S., 2008, Yapay Sinir Ağları ve Bulanık Mantık Yöntemleri Kullanılarak
Tava Buharlaşma Tahmini Yapılması, Erciyes Üniversitesi Fen Bilimleri Enstitüsü,
Yüksek Lisans Tezi, Kayseri, 69 s.
23. Şen, Z., 2004, Yapay Sinir Ağları İlkeleri, Su Vakfı Yayınları, 183 s.
24. Blum, A., 1992, Neural networks in C+, J. Wiley ve Sons, Inc., New York, 214 pp.
25. McCullogh, W.S. ve Pitts, W.A., 1943, A logical calculus of the ideas immanent in
nervous activity, Bull. Math. Biophysics, Vol. 5, 115-133
26. Hebb, D., 1949, The organization of behavior, Willey, New York, 335 pp.
27. Rosenblatt, F., 1958, The perceptron: a probabilistic model for information storage
ve organization in the brain, Psychological Review, 65, 386-408.
28. Widrow, G. ve Hoff, M.E., 1960, Adaptive switching circuit, IRE Western
electronic show ve convection: Convection Record, 96-104.
29. Hopfield, J.J., 1982, Neural network model which combines unsupervised ve
supervised learning, IEEE Transactions on Neural Networks, Vol. 4, 357-360.
119
30. Kohonen, T., 1982, The self-organized formation of topography correct feature
maps, Biological Cybernetics, Vol. 43, 59-69
31. Anderson, J.A., 1983, Cognitive ve psychological computation with neural models,
IEEE Transactions on Systems, Man ve Cybernetics, Vol. SMC-13, No. 5, 799-
814.
32. Şen Z. ,2004. Mühendislikte Bulanık Mantık ile Modelleme Prensipleri, Su Vakfı,
İstanbul, 190 s.
33. Aksoy, Y., Özkan, E.M. ve Karanfil, S., 2003, Bulanık Mantığa Giriş, Yıldız Teknik
Üniversitesi Yayınları, İstanbul, 290 s.
34. Elmas Ç., 2003, Bulanık Mantık Denetleyiciler, Seçkin Yayıncılık, Ankara, 230 s.
35. Karakaşoğlu, N.,2008,Bulanık Çok Kriterli Karar Verme Yöntemleri ve Uygulama,
Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Yüksek Lisans Tezi, Denizli, 247
s.
36. Baykal N., Beyan T. 2004, Bulanık Mantık Uzman Sistemler ve Denetleyiciler,
Bıçaklar Kitabevi, Ankara, 509 s.
37. Health and Safety Executive, 1999, Management of Health and Safety at Work
Regulations second ed., Approved Code of Practice and Guidance,. HSE Books
No:3242, 31 pp.
38. İş Sağlığı ve Güvenliğine İlişkin Risk Grupları Listesi Tebliği, 2004, Çalışma ve
Sosyal Güvenlik Bakanlığı R.Gazete Sayısı: 25432
39. Grassi,A., Gamberini,R., Mora,C., Rimini, B., 2009, A fuzzy multi-attribute model
for risk evaluation in workplaces, Safety Science, 47 (2009) 707–716.
40. MIL-STD-882, 1977, A Systems Safety Program Requirements, Department of
Defense Washington, DC,
41. Ford Motor Company, 1988. Potential Failure Mode and Effects Analysis in Design
(Design FMECA) and For Manufacturing and Assembly Process (Process FMECA)
İnstruction Manual. Internal Report –Detroit, USA.
42. Gürcanlı,G.E., Müngen,U., 2006, Bulanık kümeler ile inşaatlarda yeni bir iş
güvenliği risk analizi yöntemi, İTÜ Dergisi Mühendislik, 5 (4), 83-94
43. Çakıroğlu, N., 2007, İş Sağlığı ve Güvenliği Yönetim Sistemi Kapsamında Risk
Analizi, Denetim ve Bir Firma Uygulaması ,Dokuz Eylül Üniversitesi Sosyal
Bilimler Enstitüsü,Yüksel Lisans Tezi, İzmir, 123 s.
120
44. Rivera S.S., Leod J.E.N.M. , 2009, Fuzzy FMEA: A study case on a discontinuous
distillation plant, 1129-1134, In Safety, Reliability and Risk Analysis: Theory,
Methods and Applications (Martorell S., Soares C. G., Barnett J.), Taylor & Francis
Group, London, UK
45. Konstandinidou, M., Nivolianitou, Z., Simos, G., Kiranoudis, C., Markatos,
N.,2009, Operators’ response time estimation for a critical task using the fuzzy
logic theory, 281-291, In Safety, Reliability and Risk Analysis: Theory, Methods
and Applications (Martorell S., Soares C. G., Barnett J.), Taylor & Francis Group,
London, UK
46. Dağdeviren, M.,Yüksel,İ.,Kurt,M.,2008, A fuzzy analytic network process (ANP)
model to identify faulty behavior risk (FBR) in work system, Safety Science, 46
(2008) 771–783
47. Padma,T., Balasubramanie, P., 2007, Analytic hierarchy process to assess
occupational risk for shoulder and neck pain, Applied Mathematics And
Computation, 193 (2007) 321–324
48. Dağdeviren, M.,Yüksel ,2008, Developing a fuzzy analytic hierarchy process (AHP)
mode for behavior-based safety management, Information Sciences 178 (2008)
1717–1733
49. Çakar, B., İş Sağlığı Ve Güvenliği Yönetim Sistemi Kontrol Adımı Ve İnşaat
Sektörü Uygulama Deneyimleri, 5. Uluslararası İş Sağılığı ve Güvenliği Bölgesel
Konferansı, Sözel Bildiri, İstanbul, 2008,
http://212.175.131.61/www.isggm.gov.tr/htdocs/article.php?article_id=209 (Erişim
tarihi:Haziran 2011)
50. Kişisel Koruyucu Donanımlar Broşürü, Çalışma ve Sosyal Güvenlik Bakanlığı İş
Sağlığı ve Güvenliği Genel Müdürlüğü, TR/2004/IB/EC/03 numaralı AB
Eşleştirme Projesi
51. Heinrich,.H.W.,1950, Industrial Accident Prevention, McGraw Hill Book
Company ,New York, 461 pp.
ÖZ GEÇMİŞ
KİŞİSEL BİLGİLER
email: omer8317@hotmail.com
EĞİTİM
İŞ DENEYİMLERİ
YABANCI DİL
İngilizce