Author :
Abstract
Günümüzdeki teknolojik ve küresel gelişmeler, iş sağlığı ve güvenliği sektörünün önemini artırmıştır. Çalışanların güvenliği sağlamak için geliştirilen Kişisel Koruyucu Donanımların (KKD) kullanımı, üretici sayısının çoğalması, firmaların ve ürün özelliklerinin artması ve ürün özelliklerinin değişkenliği sebebiyle ürün seçimi için çok kriterli karar verilmesi ihtiyacını doğurabilmektedir. Araştırma kapsamında iş yerinde iş güvenliği amacıyla alınacak olan baretlerin seçim kararını etkileyen faktörleri belirlemek ve tercih sıralama önerisi sunmak için örnek çalışma yapılmıştır. İlgili araştırma kapsamına Trendyol ve Hepsiburada sitelerinde baret kategorisinde en çok satılan 40 ürün dahil edilmiştir. Yapılan uygulamada seçim yapılırken TOPSIS yöntemi kullanılmış ve sonuçlar karşılaştırılarak değerlendirilmiştir. TOPSIS yöntemi için Python kodlamaları ile sonuçlar kontrol edilmiştir. kullanıcı puanı, favoriye ekleme, yorum sayısı, fiyat, yorum sayısı/kullanıcı puanı ve fiyat/kullanıcı puanı özelliklerine göre tercih önerileri sunulmuştur.
Keywords
Abstract
The technological and global changes experienced today have made the occupational health and safety sector gain a higher importance. The use of Personal Protective Equipment (PPE) developed to ensure the safety of employees may lead to the need for multi-criteria decision making for product selection due to the increase in the number of manufacturers, the increase in companies and product features, and the variability of product features. Within the scope of the research, a case study was conducted to determine the factors affecting the selection decision of the helmets to be purchased for the purpose of occupational safety at the workplace and to present a preference ranking proposal. The 40 best-selling products in the helmet category on Trendyol and Hepsiburada sites were included in the scope of the relevant research. The TOPSIS method was used while making the selection in the application and the results were evaluated by comparing. The results were checked with Python coding for the TOPSIS method. Preference suggestions are presented according to the features of user rating, adding to favorites, number of comments, price, number of comments/user points and price/user points.
