Estimation of Occupational Accidents in the Turkish Metal Industry with Random Forest Algorithm

Journal of the Institute of Science and Technology Pub Date : 2023-06-16 DOI:10.21597/jist.1285239

Ekin KARAKAYA ÖZKAN, H. Ulas

{"title":"Estimation of Occupational Accidents in the Turkish Metal Industry with Random Forest Algorithm","authors":"Ekin KARAKAYA ÖZKAN, H. Ulas","doi":"10.21597/jist.1285239","DOIUrl":null,"url":null,"abstract":"Bu çalışmanın amacı, Çalışma ve Sosyal Güvenlik Bakanlığı (ÇSGB) tarafından kayıt altına alınan, 2013-2018 yılları arasında metal sektöründe gerçekleşen, ölümlü ve uzuv kayıplı ulusal iş kazası verilerini kullanarak makine öğrenimi (ML) yöntemiyle bir tahmin algoritması geliştirmektir. İş kazası nedenlerinin detaylı bir şekilde sınıflandırılması ve tahmin edilmesi kazaları azaltmak için gereklidir. Literatürde; iş kazalarını azaltma amacıyla kaza ile ilgili faktörleri araştırmak ve etkili tahmin modelleri oluşturmak için çeşitli ML algoritmaları kullanılmıştır. Bu çalışmada, iş kazası nedenlerini ve sonuçlarını tahmin etmek amacıyla ML yöntemlerinden birisi olan Rassal Orman (RF) algoritması kullanılmıştır. Modelin doğrulaması için 10 katlı çapraz doğrulama modeli kullanılmış ve modelin doğruluk değeri %4.7 oranında arttırılmıştır. RF algoritmasının doğruluk değeri 0.9172 olarak bulunmuştur. Metal sektöründe iş kazası nedenlerini etkileyen önemli faktörlerin analizinde özyinelemeli olarak özellik seçme (Recursive Feature Elimination - RFE) metodu kullanılmış ve en önemli özellikler kazanın ikincil tehlike kaynağı, iş günü kaybı ve kaza sebebi sapma kodu olarak bulunmuştur","PeriodicalId":17353,"journal":{"name":"Journal of the Institute of Science and Technology","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2023-06-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of the Institute of Science and Technology","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21597/jist.1285239","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Bu çalışmanın amacı, Çalışma ve Sosyal Güvenlik Bakanlığı (ÇSGB) tarafından kayıt altına alınan, 2013-2018 yılları arasında metal sektöründe gerçekleşen, ölümlü ve uzuv kayıplı ulusal iş kazası verilerini kullanarak makine öğrenimi (ML) yöntemiyle bir tahmin algoritması geliştirmektir. İş kazası nedenlerinin detaylı bir şekilde sınıflandırılması ve tahmin edilmesi kazaları azaltmak için gereklidir. Literatürde; iş kazalarını azaltma amacıyla kaza ile ilgili faktörleri araştırmak ve etkili tahmin modelleri oluşturmak için çeşitli ML algoritmaları kullanılmıştır. Bu çalışmada, iş kazası nedenlerini ve sonuçlarını tahmin etmek amacıyla ML yöntemlerinden birisi olan Rassal Orman (RF) algoritması kullanılmıştır. Modelin doğrulaması için 10 katlı çapraz doğrulama modeli kullanılmış ve modelin doğruluk değeri %4.7 oranında arttırılmıştır. RF algoritmasının doğruluk değeri 0.9172 olarak bulunmuştur. Metal sektöründe iş kazası nedenlerini etkileyen önemli faktörlerin analizinde özyinelemeli olarak özellik seçme (Recursive Feature Elimination - RFE) metodu kullanılmış ve en önemli özellikler kazanın ikincil tehlike kaynağı, iş günü kaybı ve kaza sebebi sapma kodu olarak bulunmuştur

查看原文