Risk analysis by using artificial neural networks at a plastic production plant
| dc.contributor.author | Adnanoğlu, Omran | |
| dc.date.accessioned | 2024-08-29T07:15:21Z | |
| dc.date.available | 2024-08-29T07:15:21Z | |
| dc.date.issued | 2024 | |
| dc.date.submitted | 2024-06-19 | |
| dc.department | TAÜ, Fen Bilimleri Enstitüsü, Robotlar ve Akıllı Sistemler Ana Bilim Dalı Koleksiyonu | en_US |
| dc.description.abstract | Bu çalışma, plastik üretim tesislerinde iş sağlığı ve güvenliği risklerini belirlemeyi ve bu risklere karşı otomasyon sistemlerini kullanarak korunma sağlamayı amaçlamaktadır. Çalışmanın temel yöntemi, FMEA (Failure Mode and Effects Analysis) kullanılarak potansiyel hata modlarının tanımlanması ve kritik olanlarının önceliklendirilmesidir. Literatür taraması ve çalışan anketleriyle başlayan çalışmada, iş yerindeki riskler sistematik olarak belirlenmiş ve görüşmelerle kök nedenleri araştırılmıştır. Veriler, anketler ve görüşmeler yoluyla toplanıp bulut depolama ortamında saklanmıştır. Analizler sonucunda, makine bakımı ve iş sağlığı eğitimi gibi kritik alanlarda otomasyon sistemleri önerilmiş ve bu sistemler için Python ortamında ilgili kodlar geliştirilmiştir. Son olarak, yapay sinir ağları modelinin uygulanmasıyla çalışma tamamlanmış ve plastik üretim tesislerindeki iş sağlığı ve güvenliği yönetiminin güçlendirilmesi hedeflenmiştir. | |
| dc.description.abstract | This study aims to identify occupational health and safety risks in plastic production facilities and mitigate these risks using automation systems. The primary method employed is Failure Mode and Effects Analysis (FMEA) to identify potential failure modes and prioritize critical ones. Starting with a literature review and employee surveys, the study systematically identified workplace risks and investigated root causes through interviews. Data collected via surveys and interviews were stored in a cloud storage environment. Based on analyses, automation systems were recommended for critical areas such as machine maintenance and occupational health training, with relevant Python code developed for these systems. Finally, the study concluded with the implementation of artificial neural network models to strengthen occupational health and safety management in plastic production facilities. | |
| dc.identifier.citation | Adnanoğlu, O. (2024). Risk analysis by using artificial neural networks at a plastic production plant. Türk-Alman Üniversitesi, Fen Bilimleri Enstitüsü, Fen ve Mühendislik Yüksek Lisans Programı. | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12846/1352 | |
| dc.language.iso | en | |
| dc.publisher | Türk-Alman Üniversitesi Fen Bilimler Enstitüsü | |
| dc.relation.publicationcategory | Tez | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | Workplace safety | en_US |
| dc.subject | Risk analysis | en_US |
| dc.subject | FMEA | en_US |
| dc.subject | Automation systems | en_US |
| dc.subject | İş yeri güvenliği | en_US |
| dc.subject | Risk analizi | en_US |
| dc.subject | Otomasyon sistemleri | en_US |
| dc.title | Risk analysis by using artificial neural networks at a plastic production plant | |
| dc.title.alternative | Plastik üretim tesisinde yapay sınır ağları ile risk analizi | |
| dc.type | Master Thesis |
