Intense competition in the automotive industry necessitates the continuous improvement culture. Employee suggestions and suggestion systems are important components of this culture. The fact that content of the suggestion systems consists of texts has made them suitable data sets for advanced text mining studies. Analyzing employee suggestions with topic modeling will make it possible to assess which subjects are most often received, which subjects should be focused on, and to make predictions about the future improvements. In this study, Latent Dirichlet Allocation (LDA), one of the topic modeling methods, was used for the analysis of the employee suggestions of an automotive company. The most common type of suggestion is “positive suggestions with no return”. These recommendations are generally related to occupational health and safety. The second most frequently given suggestions are "suggestions", those are providing profit to the company. In the 3rd rank, there are “fast kaizen from suggestion”, which are high-yielding suggestions that can be achieved in a short time. While the fourth rank most common suggestions are "referred to be evaluated", "recommendations that will not be put into action" suggestions are the least given type.
Otomotiv endüstrisindeki yoğun rekabet, sürekli iyileştirme kültürünü zorunlu hale getirmektedir. Çalışan önerileri ve öneri sistemleri bu kültürün önemli bileşenleridir. Öneri sistemlerinin içeriğinin metinlerden oluşması, onları ileri metin madenciliği çalışmaları için uygun veri setleri haline getirmiştir. Çalışan önerilerinin konu modelleme ile analiz edilmesi, en çok hangi konularda öneriler geldiğini, hangi konulara yoğunlaşılması gerektiğini ve gelecekteki iyileştirmelerle ilgili tahminler yapabilmeyi olanaklı hale getirebilecektir. Bu çalışmada, bir otomotiv firmasının çalışan önerilerinin analizi için, konu modellemeye ait yöntemlerden, “Gizli Dirichlet Ayrımı (GDA)” kullanılmıştır. En çok verilen öneri çeşidi, “getirisi olmayan olumlu” önerilerdir. Bu öneriler, genellikle iş sağlığı ve güvenliği ile ilgilidir. İkinci sıradaki en çok verilen öneriler ise “öneri”, firmaya kazanç sağlayan önerilerdir. Üçüncü sırada, “öneriden hızlı kaizene” yani kısa sürede sonuç alınabilen, getirisi yüksek öneriler bulunmaktadır. Dördüncü sırada, “değerlendirilmek üzere havale” edilen öneriler bulunurken, en az verilen öneri türünün ise “devreye alınmayacak öneriler” olduğu değerlendirilmiştir.
Primary Language | Turkish |
---|---|
Subjects | Engineering |
Journal Section | Articles |
Authors | |
Early Pub Date | June 23, 2023 |
Publication Date | June 30, 2023 |
Submission Date | May 21, 2022 |
Acceptance Date | November 16, 2022 |
Published in Issue | Year 2023 Volume: 9 Issue: 1 |