29 Temmuz 2024

Tehlikeli Atık Oluşturan Birimler İçin İyileştirmeler Kuralı ve Uyum Stratejileri

— Modern Çevresel Risk İletişimi, Etiketleme ve Yönetim Esasları Üzerine Bir İnceleme —

Tehlikeli atık yönetimi, çevresel koruma ve insan sağlığının korunması açısından küresel bir öncelik hâline gelmiştir. Özellikle endüstriyel faaliyetlerin yoğun olduğu ülkelerde, atıkların doğru sınıflandırılması, etiketlenmesi ve bertarafı — yalnızca çevresel bir gereklilik değil — aynı zamanda işletme için hukuki ve operasyonel bir zorunluluk olarak gündemdedir.

Amerika Birleşik Devletleri Çevre Koruma Ajansı (EPA) tarafından yayımlanan Hazardous Waste Generator Improvements Final Rule, mevcuttaki tehlikeli atık oluşturucu mevzuatında kapsamlı bir güncelleme getirerek belirsizliklerin giderilmesini, uyum süreçlerinin sadeleştirilmesini ve risk iletişiminin güçlendirilmesini amaçlar.

Bu kapsamlı kural, endüstriyel tesislerden sağlık sektörüne; laboratuvarlardan perakendeye kadar pek çok sektörde uygulanan tehlikeli atık yönetimini yeniden şekillendirmektedir.

1. Tehlikeli Atık Oluşturucuların Kapsamı: Miktara Göre Sınıflandırma

EPA’nın tehlikeli atık oluşturucu (hazardous waste generator) kategorileri, atığın aylık üretim miktarına göre belirlenir; bu tutum mevzuatta işletmenin büyüklüğü değil, ürettiği atığın miktarının belirleyici olduğu ilkesini ortaya koyar.

Başlıca sınıflar:

Çok Küçük Miktar Oluşturucular (Very Small Quantity Generators — VSQG): Ayda 100 kg ve altı değerde tehlikeli atık üretir.
Küçük Miktar Oluşturucular (Small Quantity Generators — SQG): Ayda 100–1000 kg arasında.
Büyük Miktar Oluşturucular (Large Quantity Generators — LQG): Ayda 1000 kg ve üzeri veya belirli akut tehlikelilerde katı eşikler aşılırsa bu sınıfa girer.

Bu sınıflandırma, bir işletmenin dönemsel üretim profile göre farklı yükümlülük seviyelerine tabi olabileceğini gösterir ve “statik kategori” kavramının ötesinde sezgisel bir risk yönetimi tabanı oluşturur.

2. Risk İletişimi İçin Etiketleme ve İşaretleme Zorunluluğu

Kuralın en önemli yeniliklerinden biri; tehlikeli atık konteynerleri, tanklar ve depolama alanlarının açık ve doğru biçimde etiketlenmesi gerekliliğidir. Bu etiketler içeriklerinin tehlike yönünü yansıtmalı ve üzerinde açıkça “Hazardous Waste” (Tehlikeli Atık) ifadesi ile tehlikeye ilişkin bilgi yer almalıdır.

Bu kapsamlı risk iletişimi yaklaşımı — ABD Ulaştırma Bakanlığı (DOT) etiketleme standartları, OSHA’nın Tehlike İletişimi Standardı (29 CFR 1910.1200) veya NFPA 704 gibi sistemlerle uyumlu teknik çerçevelerle desteklenebilir. Bu, yalnızca yasal uyum değil, saha personeli ve atıkla temas eden tüm paydaşlar için anında tanınabilir risk göstergesi oluşturur.

Bu yaklaşımdaki esneklik şudur: işletmeler, risk etiketlemesi için birden fazla geçerli yöntemden birini seçebilir — metinle açıklama, tanımlayıcı hazard statement, GHS/OSHA pictogram veya NFPA kodu gibi — ancak sonuçta tehlike ile riskin net şekilde iletilmesi beklenir.

3. Düzensizlikleri Giderme: Belirsizliklerin Önlenmesi

İyileştirmeler Kuralı, tarihsel olarak tehlikeli atık mevzuatında yer alan birçok belirsizliği ortadan kaldırmak amacıyla mevzuatı yeniden düzenler ve kesintileri yok eder. Bu, hem yeni başlayan işletmeler hem de mevcut prosesleri güncelleyen büyük ölçekli tesisler için uyum süreçlerini sadeleştirir.

Kural aynı zamanda **teknik düzeltmeleri ** de içerir; yanlış atıflar, kusurlu referanslar ve tanımsal boşluklar 2023–2024 döneminde düzeltilmiştir. Bu iyileştirmeler, belirsizlik kaynaklı yanlış uygulamaları azaltmaya ve uzun vadede cezai ve hukuki riskleri düşürmeye yöneliktir.

4. Esneklik: Dönemsel (Episodic) Atık Oluşumu Yönetimi

Çoğu ulusal düzenleme, “aylık belirlenmiş atık miktarına göre sınıflandırma” usulünü esas alır. Ancak pratikte, bir tesisin rutin üretim dışında ani, olağan dışı olaylar (örneğin ürün geri çağırma, acil onarım faaliyetleri vb.) atık üretiminde ciddi dalgalanmalara yol açabilir. Bu tür durumlar geçmişte işletmeleri daha katı sınıflara taşıyarak ek yükümlülükler yaratmıştır.

Yeni kural bu belirsizliği ortadan kaldırarak, gerekli koşullar sağlandığı sürece işletmenin dönemsel atık üretimi sonrasında da asıl sınıfında kalmasına izin verir. Böylece operasyonel stabilite ve maliyetlerin önceden tahmin edilebilirliği artırılır.

5. VSQG–LQG Konsolidasyonu: Kurumsal Esneklik Modeli

Bir başka önemli esneklik maddesi, çok küçük miktar oluşturucuların (VSQG), aynı kişi/şirket kontrolündeki bir büyük miktar oluşturucuya (LQG) atıklarını taşıyarak birleştirebilmesidir. Bu, küçük tesislerin bağımsız atık yönetimi yüklerini azaltırken, tehlikeli atık akışını kontrol altına alan daha büyük ve teknik kapasitesi yüksek birim tarafından yönetilmesini sağlar.

Bu yaklaşım, entegre atık yönetimi modelleri geliştiren kuruluşlar için ciddi operasyonel avantaj sunar. Türkiye gibi farklı tesislerden atık akışının merkezi tesislerde yönetildiği entegre endüstriyel bölgelerde, bu prensip benimsenebilir ve yerel uygulamalara adapte edilebilir.

6. Yeniden Bildirim (Re-notification) Gerekliliği

Kurala göre bazı küçük miktar oluşturucuların (SQGs) her dört yılda bir EPA’ya veya yetkili çevre otoritesine yeniden bildirimde bulunması zorunludur. Bu uygulama, işletmelerin güncel atık üretim durumlarını ve faaliyetlerini doğru şekilde beyan etmelerini sağlar.

Re-notification uygulaması, kayıtların güncel ve doğrulanabilir olmasını temin ederek acil durum yanıtı, saha denetimi ve çevresel raporlamada daha güçlü bir kontrol mekanizması oluşturur.

7. Uyum Stratejileri ve Operasyonel Tavsiyeler

Bu kuralın saha pratiklerinde uygulanması, salt literatüre uyum değil — risk iletişimi, süreç entegrasyonu ve süreklilik ilkeleriyle birleşen sistematik bir yönetim yaklaşımı gerektirir:

Etiketleme Standartlarının Yerelleştirilmesi: GHS/OSHA/NFPA etiket standartlarının entegre kullanımı, konteyner, tank ve geçici depolama alanlarının risk iletişimi açısından net bir çerçeve sağlar.
Atık İzleme ve Program Entegrasyonu: ERP/ENVIS gibi sistemlerle atık üretim, transfer ve izleme süreçlerini dijitalleştirmek, kayıtların denetlenebilirliğini artırır.
Personel Eğitimi ve Saha Denetimi: Tehlikeli atık standartlarının saha operatörleri tarafından doğru anlaşılması; eğitim, denetim ve sürekli iyileştirme döngüleri ile desteklenmelidir.

8. Yorum ve Türkiye’de Uygulanabilirlik Perspektifi

EPA’nın Final Rule’u, uygun risk iletişimi, etiketleme, operasyonel esneklik ve belirsizlik giderme gibi uluslararası atık yönetimi prensiplerini pekiştirmektedir. Türkiye’de bu tür ileri atık yönetimi standartları, özellikle İSG ve çevre mevzuatının entegre edildiği tesislerde — örneğin Yüksek Riskli Endüstriyel Bölgeler, OSB’ler ve sağlık sektörü — doğrudan adapte edilebilir.

Özellikle tehlikeli atık tanımı, etiketleme ve acil durum risk iletişimi gibi konular, Çevre Kanunu (2872 sayılı) ve tehlikeli atık yönetimi mevzuatı ile uyumlu şekilde saha uygulamalarına dönüştürülmelidir. EPA’nın “esneklik” yaklaşımı, Türkiye’de Atık Yönetimi Planları ve Atık Beyan Sistemleri üzerinden yeniden yorumlanarak adaptasyon stratejilerine dönüştürülebilir.

Sonuç

EPA’nın Hazardous Waste Generator Improvements Final Rule’u, tehlikeli atık üreticileri için daha anlaşılır, esnek ama daha koruyucu bir yönetim çerçevesi sunmaktadır. Risk iletişimi, etiketleme, sınıflandırma ve süreç esnekliği gibi konularda getirilen iyileştirmeler, hem çevresel güvenlik hem de işletme verimliliği açısından önem taşır.

Bu kural, sadece ABD içindeki uygulamaları değil; uluslararası iyi uygulamaların küresel endüstriyel işletmelerde nasıl hayata geçirilebileceği konusunda da önemli bir yol haritası sunmaktadır.

⭐️⭐️⭐️⭐️⭐️⭐️⭐️⭐️

Doğal Yaşayın

Doğal Beslenin

Aklınıza Mukayet Olun

⭐️⭐️⭐️⭐️⭐️⭐️⭐️⭐️

Sayın okuyucu,

Aşağıdaki linkten yazımızda yer alan konu hakkında sorularınızı ve görüşlerinizi, merak ettiğiniz ve yazılarımıza konu olmasını istediğiniz hususları iletebilirsiniz.

Bilginin paylaştıkça çoğalacağı düşüncesi ve sizlere daha iyi hizmet verme azmi ile her gün daha da iyiye ilerlemede bizlere yorumlarınız ve katkılarınız ile yardımcı olursanız çok seviniriz. https://g.page/r/CTHRtqI0z0gjEAE/review

⭐️⭐️⭐️⭐️⭐️⭐️⭐️⭐️⭐️

Dr Mustafa KEBAT

Tetkik OSGB İş Sağlığı ve Eğitim Koordinatörü

Sınırlı Sorumluluk Beyanı:
Web sitemizin içeriği, ziyaretçiyi bilgilendirmeye yönelik hazırlanmıştır. Sitede yer alan bilgiler, hiçbir zaman bir hekim tedavisinin ya da konsültasyonunun yerini alamaz. Bu kaynaktan yola çıkarak, ilaç tedavisine başlanması ya da mevcut tedavinin değiştirilmesi kesinlikte tavsiye edilmez. Web sitemizin içeriği, asla kişisel teşhis ya da tedavi yönteminin seçimi için değerlendirilmemelidir.

Ayrıca, sitede yer alan bilgiler, hiçbir zaman bir iş güvenliği uzmanının, ilgili mühendisin ya da teknik ekibin yetki ve kararlarının yerini alamaz. Bu kaynaktan yola çıkarak, çalışma sahanız içerisindeki tehlike – risk belirlemesi ya da mevcut işleyişin değiştirilmesi kesinlikte tavsiye edilmez. Web sitemizin içeriği, asla firmanızın işleyişine müdahil olma ya da sorumlularınızın vereceği kararların yerine tutması olarak değerlendirilmemelidir. Sitede kanun içeriğine aykırı ilan ve reklam yapma kastı bulunmamaktadır.

⭐️⭐️⭐️⭐️

Daha Fazla

Genel, Makaleler29 Temmuz 2024

28 Temmuz 2024

Çan Eğrisi

Çan Eğrisi Nedir?

Çan eğrisi, bir değişken için yaygın bir dağılım türüdür ve normal dağılım olarak da bilinir. “Çan eğrisi” terimi, normal dağılımı tasvir etmek için kullanılan grafiğin simetrik bir çan şeklindeki eğriden oluşmasından kaynaklanır.

Eğrideki en yüksek nokta veya çanın tepesi, bir dizi verideki en olası olayı ( bu durumda ortalaması , modu ve medyanı ) temsil ederken, diğer tüm olası olaylar ortalama etrafında simetrik olarak dağılır ve zirvenin her iki tarafında aşağı eğimli bir eğri oluşturur. Çan eğrisinin genişliği, standart sapması ile tanımlanır .

Önemli Noktalar

Çan eğrisi, normal dağılımı gösteren, çan şeklini andıran bir grafiktir.

Eğrinin en üst kısmı toplanan verilerin ortalamasını, modunu ve medyanını gösterir.

Standart sapması, çan eğrisinin ortalama etrafındaki göreceli genişliğini gösterir.

Çan eğrileri (normal dağılımlar) istatistikte, ekonomik ve finansal verilerin analizinde yaygın olarak kullanılır.

Bir Çan Eğrisini Anlamak

“Çan eğrisi” terimi, ortalamadan standart sapmaların eğrisel çan şeklini oluşturduğu normal olasılık dağılımının grafiksel tasvirini tanımlamak için kullanılır.

Standart sapma, veri dağılımının değişkenliğini, ortalamanın etrafındaki belirli değerler kümesinde ölçmek için kullanılan bir ölçüdür. Ortalama, veri kümesindeki veya dizideki tüm veri noktalarının ortalamasını ifade eder ve çan eğrisindeki en yüksek noktada bulunur.

Örneğin, çan eğrisi gösteren hisse senetleri genellikle blue-chip hisse senetleri ve daha düşük oynaklığa ve daha öngörülebilir davranış kalıplarına sahip olanlardır. Yatırımcılar, beklenen gelecekteki getirilerle ilgili varsayımlarda bulunmak için bir hisse senedinin geçmiş getirilerinin normal olasılık dağılımını kullanırlar.

Öğretmenlerin test puanlarını karşılaştırırken çan eğrisi kullanmasına ek olarak, çan eğrisi istatistik dünyasında da yaygın olarak kullanılır ve burada yaygın olarak uygulanabilir. Çan eğrileri bazen performans yönetiminde de kullanılır ve işlerini ortalama bir şekilde yapan çalışanları grafiğin normal dağılımına yerleştirir.

Yüksek performans gösterenler ve en düşük performans gösterenler, düşen eğimle her iki tarafta temsil edilir. Daha büyük şirketler için performans değerlendirmeleri yaparken veya yönetimsel kararlar alırken faydalı olabilir.

Çan Eğrisi Örneği

Bir çan eğrisinin genişliği, bir örnekteki verilerin ortalamanın etrafındaki varyasyon seviyesi olarak hesaplanan standart sapmasıyla tanımlanır . Örneğin, ampirik kuralı kullanarak, 100 test puanı toplanıp normal olasılık dağılımında kullanılırsa, bu test puanlarının %68’i ortalamanın bir standart sapma üstünde veya altında olmalıdır.

Ortalamadan iki standart sapma uzaklaşmak, toplanan 100 test puanının %95’ini içermelidir. Ortalamadan üç standart sapma uzaklaşmak, puanların %99,7’sini temsil etmelidir (yukarıdaki şekle bakın).

100 veya 0 gibi aşırı uç değerlere sahip test puanları, sonuç olarak üç standart sapma aralığının tam dışında kalan uzun kuyruklu veri noktaları olarak değerlendirilecektir.

Çan Eğrisi ve Normal Olmayan Dağılımlar

Ancak normal olasılık dağılım varsayımı finans dünyasında her zaman geçerli değildir. Hisse senetleri ve diğer menkul kıymetlerin bazen çan eğrisine benzemeyen normal olmayan dağılımlar göstermesi mümkündür.

Normal olmayan dağılımlar, çan eğrisi (normal olasılık) dağılımından daha kalın kuyruklara sahiptir. Daha kalın bir kuyruk, yatırımcılara negatif getiri olasılığının daha yüksek olduğu yönünde olumsuz sinyaller verir.

Çan Eğrisinin Sınırlamaları

Performansı bir çan eğrisi kullanarak derecelendirmek veya değerlendirmek, insan gruplarını zayıf, ortalama veya iyi olarak kategorize etmeye zorlar. Daha küçük gruplar için, bir çan eğrisine uyması için her kategoride belirli sayıda bireyi kategorize etmek zorunda kalmak, bireylere haksızlık olacaktır.

Bazen, hepsi sadece ortalama veya hatta iyi çalışanlar veya öğrenciler olabilir, ancak derecelendirmelerini veya notlarını bir çan eğrisine uydurma ihtiyacı göz önüne alındığında, bazı bireyler zayıf gruba zorlanır. Gerçekte, veriler mükemmel derecede normal değildir.

Bazen ortalamanın üstünde ve altında düşenler arasında çarpıklık veya simetri eksikliği vardır . Diğer zamanlarda ise kalın kuyruklar ( aşırı basıklık ) vardır ve bu da kuyruk olaylarını normal dağılımın tahmin edeceğinden daha olası hale getirir.

Çan Eğrisinin Özellikleri Nelerdir?

Çan eğrisi, ölçülen tüm veri noktalarının ortalaması veya ortalaması etrafında merkezlenen simetrik bir eğridir. Çan eğrisinin genişliği standart sapma ile belirlenir; veri noktalarının %68’i ortalamanın bir standart sapması içindedir, verilerin %95’i iki standart sapma içindedir ve veri noktalarının %99,7’si ortalamanın üç standart sapması içindedir.

Finansta Çan Eğrisi Nasıl Kullanılır?

Analistler yatırım için önemli olan farklı olası sonuçları modellerken genellikle çan eğrilerini ve diğer istatistiksel dağılımları kullanırlar. Gerçekleştirilen analize bağlı olarak, bunlar gelecekteki hisse senedi fiyatlarından, gelecekteki kazanç büyüme oranlarından, olası temerrüt oranlarından veya diğer önemli olgulardan oluşabilir.

Yatırımcılar analizlerinde çan eğrisini kullanmadan önce, incelenen sonuçların gerçekte normal dağılımlı olup olmadığını dikkatlice değerlendirmelidir. Bunu yapmamak, ortaya çıkan modelin doğruluğunu ciddi şekilde zayıflatabilir.

Çan Eğrisinin Sınırlamaları Nelerdir?

Çan eğrisi çok faydalı bir istatistiksel kavram olmasına rağmen, finans alanındaki uygulamaları sınırlı olabilir çünkü beklenen borsa getirileri gibi finansal olgular normal dağılıma düzgün bir şekilde uymaz. Bu nedenle, bu olaylar hakkında tahminlerde bulunurken çan eğrisine çok fazla güvenmek güvenilmez sonuçlara yol açabilir.

Çoğu analist bu sınırlamanın farkında olsa da, alternatif olarak hangi istatistiksel dağılımın kullanılacağının çoğu zaman belirsiz olması nedeniyle bu eksikliğin üstesinden gelmek nispeten zordur.

Çan eğrisi normal bir dağılımı temsil eder ve finans ve ekonomide verileri analiz etmek ve gelecekteki performansı değerlendirmek için yaygın olarak kullanılır. Ancak yararlılığına rağmen çan eğrilerinin sınırlamaları vardır çünkü tüm veriler normal bir dağılıma uymaz.

Çan Eğrisi (Bell Curve) veya daha yaygın adıyla Normal Dağılım, istatistikte ve olasılık teorisinde çok yaygın olarak kullanılan bir dağılımdır. Çan eğrisinin şekli, genellikle bir dağılımın ortasında yoğunlaşan ve uçlara doğru azalır şekilde bir simetri gösterir. Bu eğri, pek çok doğal ve sosyal olayı modellendirirken kullanılır, örneğin boy, kilo, sınav notları gibi.

Çan eğrisinin oluşturulması, belirli bazı parametrelerin hesaplanmasına dayanır. En önemli parametreler ortalama (μ) ve **standart sapma (σ)**dır. Bu iki parametre, dağılımın şekli ve genişliği üzerinde büyük bir etkiye sahiptir. Çan eğrisini oluştururken şu adımları izleyebilirsiniz:

1. Normal Dağılımın Temel Özellikleri

Çan eğrisinin oluşturulabilmesi için, verilerin normal dağılıma uyması gereklidir. Normal dağılımın özellikleri:

Simetrik: Eğri, ortalama etrafında simetriktir.
Çan Şeklinde: Eğri, ortalama noktasında yüksek olup uçlarda giderek alçalarak sıfıra yaklaşır.
68-95-99.7 Kuralı:
- Verilerin yaklaşık %68’i, ortalamadan 1 standart sapma uzaklıkta yer alır.
- Verilerin yaklaşık %95’i, ortalamadan 2 standart sapma uzaklıkta yer alır.
- Verilerin yaklaşık %99.7’si, ortalamadan 3 standart sapma uzaklıkta yer alır.

2. Normal Dağılımın Matematiksel Denklemi

Normal dağılım, aşağıdaki frekans fonksiyonu ile matematiksel olarak ifade edilir:

Burada:

f(x): Verilen xxx değerinin frekansı (olasılığı)
μ (mu): Ortalama (mean)
σ (sigma): Standart sapma
e: Euler sayısı (yaklaşık 2.718)
π (pi): Pi sayısı (yaklaşık 3.14159)

Bu denklem, verilerin hangi değerlerde yoğunlaştığını ve dağılımın şeklini belirler.

3. Çan Eğrisinin Oluşturulması Adımları

Çan eğrisinin nasıl oluşturulacağı adım adım şöyle açıklanabilir:

Adım 1: Veri Toplama ve Analiz

Eğer elinizde bir veri seti varsa, önce verileri toplayın. Bu veriler genellikle ortalama ve standart sapma gibi temel istatistiksel parametreleri hesaplamak için kullanılacaktır.

Adım 2: Ortalama ve Standart Sapmayı Hesaplama

Ortalama (μ): Verilerin toplamının, veri sayısına bölünmesiyle elde edilir.

Burada, xi verinin her bir değeri, n ise toplam veri sayısıdır.

Standart Sapma (σ): Verilerin yayılma derecesini gösterir ve şu şekilde hesaplanır:

Adım 3: Veriyi Standartlaştırma (Opsiyonel)

Eğer verinizde çok farklı birimler varsa, veriyi standartlaştırmak (z-skoru hesaplamak) faydalı olabilir. Standartlaştırma, her veriyi ortalamadan ne kadar uzaklaştığını belirleyerek karşılaştırılabilir hale getirir. Z-skoru şu şekilde hesaplanır:

Burada, XXX herhangi bir veri noktası, μ\muμ ortalama, σ\sigmaσ ise standart sapmadır.

Adım 4: Çan Eğrisinin Grafiğini Çizme

X Eksenine: Verilerin değerleri (genellikle xxx) yerleştirilir.
Y Eksenine: Her bir xxx değeri için normal dağılım fonksiyonunun çıktısı olan olasılık yoğunluğu (f(x)) yerleştirilir.

Birçok yazılım aracı (Excel, Python, MATLAB vb.) normal dağılım eğrisini çizmek için kullanılabilir.

Adım 5: Çan Eğrisinin Görselleştirilmesi

Grafikte, ortalama genellikle eğrinin tepe noktasını oluşturur ve standart sapma eğrinin genişliğini belirler. Eğri, sağ ve sol uçlara doğru giderek azalarak sıfıra yaklaşır.

4. Python ile Çan Eğrisi (Normal Dağılım) Çizimi

Python kullanarak normal dağılımı çizmek oldukça kolaydır. İşte basit bir örnek:

pythonKopyalaimport numpy as np
import matplotlib.pyplot as plt
import scipy.stats as stats

# Ortalama ve standart sapma
mu = 0  # Ortalama
sigma = 1  # Standart sapma

# Verilerin aralığını oluşturma
x = np.linspace(-5, 5, 1000)

# Normal dağılım fonksiyonunu hesaplama
y = stats.norm.pdf(x, mu, sigma)

# Çan eğrisini çizme
plt.plot(x, y)
plt.title('Normal Dağılım (Çan Eğrisi)')
plt.xlabel('Değerler')
plt.ylabel('Olasılık Yoğunluğu')
plt.grid(True)
plt.show()

Bu kod, 0 ortalama ve 1 standart sapmaya sahip normal dağılımı çizer. X ekseninde değerler, Y ekseninde ise her bir değerin olasılık yoğunluğu yer alır.

5. Çan Eğrisinin Uygulamaları

Çan eğrisi, pek çok alanda kullanılır:

Eğitim: Sınav notları ve başarı düzeylerinin dağılımını anlamada.
Sağlık: İnsan vücudu ölçümleri, genetik araştırmalar.
Ekonomi: Piyasa hareketleri ve ekonomik verilerin modellenmesinde.
Psikoloji: Bireysel farklılıkların, zeka puanları gibi özelliklerin incelenmesinde.

Sonuç

Çan eğrisi veya normal dağılım, verilerin belirli bir ortalamaya ve yayılmaya göre nasıl dağılacağını gösteren güçlü bir araçtır. Matematiksel olarak, ortalama ve standart sapmanın doğru bir şekilde hesaplanması ile bu eğri oluşturulabilir. Eğrinin şekli ve yayılması, verinin özelliklerine göre değişir, bu nedenle verilerin normal dağılıma uyup uymadığını belirlemek önemlidir.

⭐️⭐️⭐️⭐️⭐️⭐️⭐️⭐️

Sayın okuyucu,

Aşağıdaki linkten yazımızda yer alan konu hakkında sorularınızı ve görüşlerinizi, merak ettiğiniz ve yazılarımıza konu olmasını istediğiniz hususları iletebilirsiniz.

Bilginin paylaştıkça çoğalacağı düşüncesi ve sizlere daha iyi hizmet verme azmi ile her gün daha da iyiye ilerlemede bizlere yorumlarınız ve katkılarınız ile yardımcı olursanız çok seviniriz. https://g.page/r/CTHRtqI0z0gjEAE/review

⭐️⭐️⭐️⭐️⭐️

Dr Mustafa KEBAT

Tetkik OSGB İş Sağlığı ve Eğitim Koordinatörü

Sınırlı Sorumluluk Beyanı:
Web sitemizin içeriği, ziyaretçiyi bilgilendirmeye yönelik hazırlanmıştır. Sitede yer alan bilgiler, hiçbir zaman bir hekim tedavisinin ya da konsültasyonunun yerini alamaz. Bu kaynaktan yola çıkarak, ilaç tedavisine başlanması ya da mevcut tedavinin değiştirilmesi kesinlikte tavsiye edilmez. Web sitemizin içeriği, asla kişisel teşhis ya da tedavi yönteminin seçimi için değerlendirilmemelidir. Sitede kanun içeriğine aykırı ilan ve reklam yapma kastı bulunmamaktadır.

Daha Fazla

Genel, Makaleler28 Temmuz 2024

27 Temmuz 2024

Lityum-İyon Batarya Yangınlarında Maruziyet – Güvenlik ve Değerlendirme

Lityum-iyon bataryalar modern enerji depolama sistemlerinin temel bileşenleri olarak elektrikli araçlardan taşınabilir cihazlara kadar geniş bir yelpazede kullanılmakta olup, yüksek enerji yoğunlukları nedeniyle hem verimli enerji sağlamakta hem de yangın tehlikesi barındırmaktadır.

Bu bataryalar uygun kullanım ve depolama koşullarında genellikle güvenli olsa da, yangın veya arıza durumunda ortama zararlı partikül ve gazların salınımı riski vardır.

Exposure Assessment Study on Lithium-Ion Battery Fire in Explosion Test Room in Battery Testing Facility başlıklı bilimsel çalışmada, bir batarya test tesisinde meydana gelen lityum-iyon batarya yangını sonrası çevresel maruziyet düzeylerini değerlendirmek amacıyla gerçekleştirilmiştir. Çalışma, yangından beş gün sonra yapılan ölçümleri ve analizleri içerir.

Yangın Sonrası Maruziyet Değerlendirmesi

Çalışmada özellikle aşağıdaki parametreler izlenmiştir:

Toplam askıda partikül madde (PM1, PM2.5, PM10)
Hidrojen florür (HF)
Lityum konsantrasyonu

Bu maddeler, yangın sırasında ortaya çıkabilecek potansiyel tehlikeli kirleticiler olarak seçilmiştir. Ölçümlerde hem anlık izleme hem de alan örneklemesi yapılmıştır.

Bulgular ve İş Sağlığı Değerlendirmesi

Analiz sonuçları göstermiştir ki:

Ölçülen toplam askıda parçacıklar, hidrojen florür ve lityum değerleri
Kore Çalışma Bakanlığı ve Amerikan Konferansı Hükümet Endüstriyel Hijyenistler Eşik Değerleri ile karşılaştırıldığında önerilen sınırların altında kalmıştır.
Bu nedenle, yangın sonrası ortamda çalışanların maruziyet riskleri yönetilebilir düzeyde kabul edilmiştir.

Bu sonuçlara göre, yapılan değerlendirmenin ardından çalışanlara çalışma alanına geri dönme izni verilmiştir. Bu, çalışma alanının yangın sonrası potansiyel tehlikeli maddelerin seviyelerinin güvenli kabul edilebilir sınırlar içinde olduğunun işaretidir.

Çalışmanın Önemi ve Mesleki Sağlık Perspektifi

Bu çalışma, lityum-iyon bataryaların güvenlik değerlendirmesinde “yangın sonrasında çevresel maruziyet analizi” yaklaşımının önemini ortaya koymaktadır. Batarya yangınları yalnızca alev ve ısı tehlikesi yaratmaz, aynı zamanda yangın sonrasında ortamda zararlı gaz ve partiküller meydana gelebilir. Bu maddelerin işyeri ortamında ölçülmesi ve sınır değerlerle karşılaştırılması, çalışan sağlığı açısından kritik bir güvenlik değerlendirmesidir.

Bu tür maruziyet değerlendirmeleri, yangın gibi acil durumlarda çalışanların güvenli şekilde geri dönmesi veya alanın temizlenmesi için nesnel bilgilere dayalı karar verilmesini sağlar. Hem kör noktaların belirlenmesi hem de risklerin nicel olarak görülmesi açısından bu tür çalışmalar, iş sağlığı ve güvenliği uygulamalarında giderek daha önemli hale gelmektedir.

⭐️⭐️⭐️⭐️⭐️⭐️⭐️⭐️