İŞYERLERİNDEKİ ACİL DURUM TOPLANMA BÖLGELERİ SAYISININ BULANIK MANTIK TEMELLİ OPTİMİZASYONU

Year 2022, Volume: 6 Issue: 1, 1 - 12, 30.04.2022

Muhammed Fatih Pekşen Tuğrul Taşcı Yılmaz Uyaroğlu

https://doi.org/10.46519/ij3dptdi.1004949

Cited By: 1

Abstract

Sanayi sektöründe firmalar üretim, depolama, dağıtım ve idare faaliyetleri için çoğunlukla kapalı ve açık alanlara sahip büyük yerleşkelere ihtiyaç duymaktadır. Muhtemel acil durum veya afet olaylarında, çalışan kayıpları ve yaralanmaların yaşanmaması ya da istenmeyen bu durumların en aza indirilmesi amacıyla bu tip yerleşkelerde yasal zorunluluklara bağlı olarak acil toplanma bölgeleri oluşturulması ve yılda en az bir kere tatbikat yapılması gerekmektedir. Geleneksel olarak afet tatbikatlarında çalışanların sayısı toplanma noktalarındaki sorumlular tarafından listeler üzerinden kontrol edilmekle birlikte, çalışan sayısının fazla olduğu durumlarda teknolojik araçların kullanımıyla sayımların otomatik olarak yapılması gerekliliği ortaya çıkmaktadır. Alandaki uygulamalar incelendiğinde çalışan sayımı için kullanılan sürenin uluslararası standartlarla belirlenen değerlerden yüksek olduğu ve çalışanların sayımlarda olması gereken toplanma bölgesinde bulunmaması sebebiyle eksik ya da fazla sayıda çalışanın rapor edildiği görülmektedir. Firmalar açısından sayım süresinin fazla olması ya da sayımda ulaşılamayan çalışan olması ciddi problemler olarak kabul edilmektedir. Bu çalışmada, acil durum ve afet tatbikatlarında çalışanların kendilerine en yakın acil toplanma bölgesine giderek sayıma katılabilmesine olanak veren bulanık mantık temelli bir yöntem ile acil durum toplanma bölgeleri sayısı optimizasyonu sağlanmıştır. Bu sayede sayım için kullanılan sürenin %25 oranında azaltılması sağlanmıştır. Ayrıca hatalı bildirimlerde de gözle görülür azalma sağlanmıştır.

Keywords

Acil durum ve afet tatbikatı, Acil durum toplanma bölgesi, Bulanık mantık, Çalışan sayımı.

FUZZY LOGIC-BASED OPTIMIZATION OF THE NUMBER OF EMERGENCY ASSEMBLY AREAS IN WORKPLACES

Abstract

In the industrial sector, companies need large campuses with mostly indoor and outdoor areas for production, storage, distribution and administration activities. In case of possible emergencies or disasters, to avoid employee losses and injuries or to minimize these undesirable situations, emergency assembly areas should be established in such campuses in accordance with legal obligations and exercises should be held at least once a year. Traditionally, the number of employees in disaster exercises is controlled through lists by the responsible persons at the assembly points, but in cases where the number of employees is high, it becomes necessary to make the counts automatically with the use of technological tools. When the practices in the field are examined, it is seen that the time used for employee counting is higher than the values determined by international standards and that insufficient or excessive number of employees are reported because they are not in the assembly area that should be included in the censuses. In terms of companies, the long counting time or the number of employees who cannot be reached in the count are considered as serious problems. In this study, the number of emergency assembly zones was optimized with a fuzzy logic-based method that allows employees to participate in the count by going to the nearest emergency assembly area in emergency and disaster drills. In this way, the time used for counting was reduced by 25%. In addition, a noticeable reduction was achieved in false notifications.

Keywords

Emergency and disaster exercises, Emergency assembly area, Fuzzy logic, Employee count.

References

• Türkiye Cumhuriyeti Devleti, 6331 Sayılı “İş Sağlığı ve Güvenliği Kanunu”, Resmî Gazete, Sayı: 28339, 30.06.2012.
• Türkiye Cumhuriyeti Devleti, “İşyerlerinde Acil Durumlar Hakkında Yönetmelik”, Resmî Gazete Sayı: 28681, 18.06.2013.
• Türkiye Cumhuriyeti Devleti, “Sağlık ve Güvenlik İşaretleri Yönetmeliği”, Resmî Gazete Sayı: 28762, 11.06.2013.
• U.S. Department of Labor Occupational Safety and Health Administration, “How to Plan for Workplace Emergencies and Evacuations”, OSHA 3088 (Revised), 2001.
• Soner Sayar, “Dijitalleşme ile Yeni Oluşan Kavramlar: Endüstri 4.0, Iot Ve Blockchain Uygulamaları”, Yüksek Lisans Tezi, Uluslararası Ticaret ve Lojistik Yönetimi Anabilim Dalı Lojistik ve Tedarik Zinciri Yönetimi Yüksek Lisans Programı, T.C. Maltepe Üniversitesi Sosyal Bilimler Enstitüsü, sf.35, Eylül 2019.
• Cinzia Giannetti, Rajesh S.Ransing, “Risk based uncertainty quantification to improve robustness of manufacturing operations”, Computers & Industrial Engineering, Volume 101, Pages 70-80 (71), November 2016.
• Damien Lefloch, “Real-Time People Counting system using Video Camera”, Master of Computer Science, Image and Artificial Intelligence, 2007.
• M. Yasin ÖZSAĞLAM, Mehmet ÇUNKAŞ, “Optimizasyon Problemlerinin Çözümü için Parçacık Sürü Optimizasyonu Algoritması”, Politeknik Dergisi, Cilt:11 Sayı: 4 s.299-305 (299), 2008.
• Kadıoğlu M., “Afet Yönetimi Beklenilmeyeni Beklemek, En Kötüsünü Yönetmek”, T.C. Marmara Belediyeler Birliği Yayını, İstanbul, 2011.
• Friedl, W. J. und Scelsi, A., “Gebäuderäumungen: Organisation – Vorbereitung – Profi-Tipps”, Richard Boorberg Verlag, Stuttgart, ISBN 3-415- 03252-3, s.74, 2004.
• Sieber, G.M. Pank. vfdb-Zeitschrift 1Forschung und Technik im Brandschutz 1 und 2, s. 39-41, 1986.
• Lindell, M.K., Prater, C.S. and Perry, R.W. “Fundamentals of Emergency Management”. Emmitsburg MD: Federal Emergency Management Agency Emergency Management Institute. www.training.fema.gov/EMIWeb/edu/fem. asp, 2006.
• Mark McGuire Moran, “The OSHA Answer Book”, 10th Edition, ISBN 10: 1-890966- 67-3, Page 181, 2011.
• National Fire Protection Association (NFPA) 1710, “Standard for the Organization and Deployment of Fire Suppression Operations, Emergency Medical Operations, and Special Operations to the Public by Career Fire Departments”, ISBN:978-145592353-3, sf.9-16, 2020.
• Zadeh, L.A., "Fuzzy sets", Information and Control, V.8 I.3, Pages 338–353,1965.
• Wierman, M. J., "An Introduction to the Mathematics of Uncertainty: Including Set Theory, Logic, Probability, Fuzzy Sets, Rough Sets, and Evidence Theory", Center for Mathematics of Uncertainty, Creighton University, Free Textbook, Pages 105-118, 2010.
• Yılmaz, M. ve Arslan, E. “Bulanık Mantığın Jeodezik Problemlerin Çözümünde Kullanılması”, Harita ve Kadastro Mühendisleri Odası, Mühendislik Ölçmeleri STB Komisyonu 2. Mühendislik Ölçmeleri Sempozyumu, 23-25 Kasım İTÜ– İstanbul, sf.512-522, 2005.
• Juneed S.Abduljabar, “Bulanık Mantık Yöntemleri Kullanılarak Gazlı İçeceklerde Karbondioksit Kontrolü”, Yüksek Lisans Tezi, Ankara Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilim Dalı, Ankara, s.16- 17, Temmuz 2011.
• Aslan T., Yılmaz E., “Bulanık Mantık Yöntemi ile Belirsizlik Şartlarında Faaliyet- Hacim-Kar Analizi”, İşletme Araştırmaları Dergisi, Cilt.10 Sayı.2, DOI: 10.20491/isarder.2018.443, 2018.
• Schneider, U. und Kirchberger, H., “Evakuierungsberechnungen bei Brandereignissen mittels Ingenieurmethoden, in: Brandschutz Jahrbuch 2006/07 Arbeitssicherheit", Petzenkirchen, s. 62-75, 2007.
• Nelson H. E. B. and MacLennan H. A., “Emergency Movement. In: The SFPE Handbook of Fire Protection Engineering”, Sec. 3/Chap. 14, s. 3–287, 1995.
• National Fire Protection Association (NFPA) 130 “Standard for Fixed Guideway Transit and Passenger Rail Systems”, ISBN:978- 145592346-5, sf.52-66, 2020.
• Klaua, Dieter, ”Über einen Ansatz zur mehrwertigen Mengenlehre”, Monatsberichte der Dt. AdW zu Berlin, 7, S. 859-867, 1965.
• Mohammed Ali Berawi, Pekka Leviakangas , Fadhi Muhammad , Mustika Sari, Gunawan , Yandi Andri Yatmo, Muhammad Suryanegara, “ Optimizing Search And Rescue Personnel Allocation In Disaster Emergency Response Using Fuzzy Logic ”, International Journal of Technology 10(7), Pages 1416-1426, ISSN 2086-9614, 2019.
• Salehe Nematifard , Katayoun Jahangiri , Alireza Haj Qasem Khan , Hamid Reza Jamshidi Solukloei , Saeed Bahramzadeh Gandeshmin , Ghazaleh Monazami Tehrani, “Identification of Safe Assembly Points in Emergencies in a Gas Refinery of the South Pars Gas Complex Using Fuzzy Logic Model”, Sci J Rescue Relief , Volume 11; Issue 4, pg. 275-286, 2019.
• Dou Z, Zhang Y, Zhang M, Jiang J, Chen Y. Emergency response capacity assessment of a chemical industrial park based on AHP-Fuzzy method. J Saf Environ; 15: 29-34, 2015.
• Ju Y, Wang A, Liu X. Evaluating emergency response capacity by fuzzy AHP and 2-tuple fuzzy linguistic approach. Exp Syst Appl, 39(8): 6972-81, 2012.