TARIM MAKİNELERİ İMALATHANELERİ İÇİN AKUSTİK SENSÖRLÜ ARDUİNO VE LABVIEW TEMELLİ BİR SES SEVİYESİ ÖLÇÜM SİSTEMİ TASARIMI

Yıl 2024, , 220 - 226, 15.08.2024

Abdullah Beyaz , Veysel Gül

https://doi.org/10.33439/ergonomi.1428415

Öz

Tarım makineleri imalathaneleri, genellikle yüksek ses seviyesine sahip iş yerleri arasında yer almaktadır. Bu imalathanelerde günümüz şartları doğrultusunda yüksek sesli (gürültülü) ortamda çalışanların sağlıklarını korumak için düşük maliyetli ve gelişmiş teknolojik ürünlerden faydalanmak gerekliliğini ortaya çıkarmıştır. Tarım makineleri imalat sektöründe insan sağlığını olumsuz yönde etkileyen ses düzeylerinden çalışanları korumak önemli bir gereksinimdir. Bu çalışmada, tarım makinaları imalatı yapan bir işletmede ses ölçümleri, geliştirilen akustik sensör ve Arduino temelli bir sistem ile elde edilmeye çalışılmıştır. Çalışmanın amacı tarım makineleri imalathanelerinde farklılık gösteren ses verilerinin ölçümü için ticari ses ölçüm sistemlerine alternatif, otomasyona uygun düşük maliyetli bir sistem tasarımıdır. Ses ölçüm sisteminin çalışma prensibi akustik sensörün sağladığı çıkışların ses verisi olarak değerlendirilmesi ve grafikle analizi esasına dayanmaktadır. Araştırmada elde edilen veriler LabVIEW programında ölçülmüş ve R2 değeri %94,7 olarak tespit edilmiştir. Bu sistem sayesinde ses uzun süreli maruziyet sonrasında zarar eşiği olan 85 dB üzerine çıkmadan imalathanelerde bir uyarı sistemi oluşturulabilir. Bu sistem sayesinde imalathanelerde çalışanlara rahatsızlık verme başlangıcı olan 55-60 dB, rahatsızlığın belirgin şekilde artmasına sebep olan 60-65 dB ve 65 dB’in üzerinde ise davranış biçiminde bozulmalara neden olan ses seviyeleri belirlenebilecektir.

Anahtar Kelimeler

Akustik sensör, Arduino, Ses ölçümü, İş güvenliği, Tarım makineleri imalathaneleri

DESIGN OF A SOUND LEVEL MEASUREMENT SYSTEM BASED ON ARDUINO AND LABVIEW WITH ACOUSTIC SENSORS FOR AGRICULTURAL MACHINERY WORKSHOPS

Öz

Agricultural machinery workshops are generally among the workplaces with high noise levels. In line with today's conditions, these factories have revealed the necessity of using low-cost and advanced technological products to protect the health of employees in a loud (noisy) environment. It is an important requirement to protect employees from sound levels that negatively affect human health in the agricultural machinery manufacturing sector. In this study, sound measurements were tried to be obtained in a company manufacturing agricultural machinery with the developed acoustic sensor and an Arduino-based system. The study aims to design a low-cost system suitable for automation, an alternative to commercial sound measurement systems, for the measurement of sound data that varies in agricultural machinery factories. The working principle of the sound measurement system is based on evaluating the outputs provided by the acoustic sensor as sound data and analyzing them graphically. The data obtained in the research were measured in the LabVIEW program and the R2 value was determined as 94.7%. Thanks to this system, a warning system can be created in workshops before the sound exceeds 85 dB, which is the harm threshold after long-term exposure. Thanks to this system, sound levels of 55-60 dB, which start to cause discomfort to employees in workshops, 60-65 dB, which causes a significant increase in discomfort, and above 65 dB, which cause behavioral deterioration, can be determined.

Anahtar Kelimeler

Acoustic sensor, Arduino, Sound measurement, Work safety, Agricultural machinery workshops

Kaynakça

• Ateş, E. ve Alagöz, M. G. (2018). Tarım Makinaları İmalatı Yapan Bir Firmada Gürültü Analizi. Karaelmas Journal of Occupational Health and Safety, 2 (1), 13-22.
• Ateş, E. ve Arabacıoğlu, E. (2018). Çivi İmalatı yapan bir İşletmede gürültü analizi. Çanakkale Onsekiz Mart Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 5(1):99-111.
• Çalışanların Gürültü ile İlgili Risklerden Korunmalarına Dair Yönetmelik. Resmi Gazete Sayı:28721, Erişim adresi: https://www.resmigazete.gov.tr/eskiler/2013/07/20130728.pdf., Erişim tarihi: 05 Temmuz 2023.
• Darpe, A. K. (2015). Fundamentals of Noise. Department of Mechanical Engineering. IIT Delhi.
• Kalelioğlu, Ö. ve Köse, E. (2021). Çimento fabrikasında gürültü düzeylerinin belirlenmesi. Avrupa Bilim ve Teknoloji Dergisi, 25:43-49.
• Kodaloğlu, M. ve Delikanlı, K. (2021). Battaniye işletmesinde maruz kalınan gürültünün iş sağlığı ve güvenliği açısından değerlendirilmesi. Teknik Bilimler Dergisi, 11(1):33-38.
• Melemez, K. (2015). Mobilya Üretimi Yapılan İşletmelerde Gürültü, Titreşim ve Odun Tozunun Ergonomik Etkilerinin İncelenmesi. TÜBİTAK Projesi; Proje Kodu 1002/No 114Y043.
• Monti, L., Vincenzi, M., Mirri, S., Pau, G., Salomoni, P. (2020). Raveguard: A noise monitoring platform using low-end microphones and machine learning. Sensors, 20(19), 5583.
• Navarro, J. M., Martínez-España, R., Bueno-Crespo, A., Martínez, R., Cecilia, J. M. (2020). Sound levels forecasting in an acoustic sensor network using a deep neural network. Sensors, 20(3), 903.
• Nelson, D. I., Nelson, R. Y., Concha‐Barrientos, M., Fingerhut, M. (2005). The global burden of occupational noise‐induced hearing loss. American Journal of İndustrial Medicine, 48(6), 446-458.
• OECD, Future Noise Policy, Brussels, 04.11.1996.
• Polastre, J., Szewczyk, R. and Culler, D. (2005). Telos: Enabling Ultra-Low Power Wireless Research. In Proceedings of the Fourth International Symposium on Information Processing in Sensor Networks (IPSN 2005), IEEE Press, 364–369.
• Santini, S. and Vitaletti, A. (2007). Wireless Sensor Networks for Environmental Noise Monitoring. In Proceedings of the 6th GI/ITG KuVS Fachgespräch "Drahtlose Sensornetze", 98–101.
• Serin, H., Şahin, Y., Durgun, M. (2013). Küçük Ölçekli Mobilya İşletmelerinde Gürültü Analizi. Ormancılık Dergisi, 9 (2), 1-8.
• Shah, S. K., Tariq, Z., Lee, J., Lee, Y. (2020). Real-time machine learning for air quality and environmental noise detection. In 2020 IEEE International Conference on Big Data (Big Data), IEEE., 3506-3515.
• Thomas, G.W., Sousan, S., Tatum, M., Liu, X., Zuidema, C., Fitzpatrick, M., Koehler, K.A., Peters, T.M. (2018). Low-Cost, Distributed Environmental Monitors for Factory Worker Health. Sensors, 18(5):1411, https://doi.org/10.3390/s18051411
• Wang, C., Chen, G., Dong, R., Wang, H. (2013). Traffic Noise Monitoring and Simulation Research in Xiamen City Based on the Environmental Internet of Things. International Journal of Sustainable Development & World Ecology, 20 (3), 248–253.
• Williams, W., Purdy, S. C., Storey, L., Nakhla, M., Boon, G. (2007). Towards More Effective Methods for Changing Perceptions of Noise in the Workplace. Safety Science, 45 (4), 431-447.