Ayon sa US Department of Labor, mga pinsala sa lugar ng trabaho gastos tinatayang $161.5 bilyon taun-taon. Sa Wholesale at Retail Trade (WRT) mga establisyimento, ang mga nawalang pinsala sa araw ng trabaho ay pangunahing sanhi ng mga pagkadulas, mga biyahe, at pagkahulog. Nalaman iyon ng isang pag-aaral sa United States noong 2020 talon umabot sa 33% ng mga hindi nakamamatay na pinsala, na ginagawa itong pinakamataas na sanhi ng maiiwasan mga hindi nakamamatay na pinsala sa lugar ng trabaho. Bukod dito, ang pagbagsak ay ang ikatlong pinakamataas na sanhi ng maiiwasang nakamamatay na pinsala sa lugar ng trabaho sa 21%.
Ayon sa The National Institute for Occupational Safety and Health (NIOSH), ang mga salik na maaaring humantong sa mga pinsala sa lugar ng trabaho ay kinabibilangan ng:
- Mga salik sa lugar ng trabaho – Madulas na ibabaw, maluwag na mga panakip sa sahig, nakaharang sa paningin ng mga kahon o lalagyan, mahinang ilaw, kawalan ng pagpapanatili ng mga ibabaw ng paglalakad.
- Mga salik ng organisasyon ng trabaho – Mataas na bilis ng pagtatrabaho na maaaring magdulot ng pagmamadali ng mga manggagawa, mga gawaing may kinalaman sa paghawak ng mga mamantika o likidong materyales na maaaring maging madulas sa ibabaw.
- Mga indibidwal na kadahilanan - Ang edad, pagkapagod ng manggagawa, at mahinang paningin ay maaaring makaapekto sa paningin at balanse, at ang hindi naaangkop na kasuotan sa paa ay maaaring maging sanhi ng pagkadapa o pagkadulas.
Gayunpaman, karamihan sa mga establisyimento ng WRT ay nahihirapang tiyakin na ang lahat ng mga protocol sa kalusugan at kaligtasan ay sinusunod ng mga empleyado at mga customer. Ang problema ay tumataas sa isang high-density na kapaligiran na may mabigat na trapiko ng tao. Gumagamit ang mga manager ng mga makabagong paraan upang umakma sa mga tradisyonal na solusyon sa mga tindahan ng WRT.
Ang Artificial Intelligence (AI), ang Internet of Things (IoT), at Machine Learning (ML) ay pinagsama upang makita, suriin, alerto, at maiwasan ang mga panganib sa lugar ng trabaho. Ang kaligtasan sa lugar ng trabaho ay makabuluhang napabuti gamit ang mga real-time na tugon.
Pangitain sa computer
Gumagamit ang computer vision ng mga digital input mula sa mga larawan at video upang makakuha ng impormasyong makabuluhan sa isang computer. Pagkatapos ay sinusuri ng computer ang impormasyon upang makita ang mga depekto.
Tingnan angBaguhin (AI provider) at Keymakr Inc. Inc. (data-annotation service provider) ay nakipagsosyo sa paggamit ng AI sa pagpigil sa mga madulas, biyahe, at pagkahulog gamit ang mga kasalukuyang CCTV camera sa Asda (chain ng supermarket sa UK) na mga tindahan. Ang platform ng SaaS ng Keymakr ay nagbibigay ng kapangyarihan sa SeeChange's SpillDetect tool upang awtomatikong makita ang mga likidong spills. Pagkatapos ay nagpapadala ang system ng mga abiso sa kawani sa lokasyon ng panganib.
Ayon kay Michael Abramov, CEO ng Keylabs, ang platform ng Saas ng Keymakr, “Maaaring magamit ang AI upang matukoy ang mga aksidente sa sandaling mangyari ang mga ito at maaaring alisin ng mga AI-based na smart checkout system ang human-error factor. Ang pagpapatupad ng AI ay makakapagligtas sa mga mamimili at may-ari ng negosyo mula sa mga ganitong panganib."
Sinabi ni Abramov na ang AI ay hindi nagdurusa sa pagkapagod at maaaring masubaybayan ang walang tigil.
“Ang posisyon ng mga produkto sa mga istante (at alerto sa isang mapanganib na pagpoposisyon) Ang kalagayan ng mga sahig (at iulat ang anumang mga insidente (mga natapon na produkto, mga produktong nahulog mula sa mga istante)). Hindi lang iyon dahil masusubaybayan ng mga AI surveillance system ang buong tindahan, na nagbibigay ng mga insight sa mga gawi ng customer at maiwasan ang mga pagnanakaw.”
relEYEble nag-aalok ang mga solusyon ng mga serbisyo sa computer vision at isinasama sa mga kasalukuyang camera upang makita ang mga lugar na may pinakamataas na trapiko sa tindahan at subaybayan ang pag-access sa lugar. Nakakatulong ang feature na ito na mabawasan ang mga pinsalang dulot ng pagsisikip at limitadong pag-access at paglabas sa isang gusali kung sakaling magkaroon ng mga emerhensiya.
Ang mga sistema ng pagtuklas ng sunog ay tradisyonal na may oras ng pagtugon na 3-5 minuto pagkatapos matukoy ang sunog. Ang oras na ito ay maaaring maging mahalaga, lalo na para sa malaki at mabilis na pagkalat ng apoy, na binabawasan ang oras ng pagtugon sa sunog. Ang computer vision ay maaaring makakita ng mga sunog mula sa halos 50m ang layo at magbigay ng alerto sa loob ng 10-15 segundo. Kapag nakakonekta sa isang PA system, ang system ay maaaring gumawa ng isang agarang anunsyo na nagbibigay ng eksaktong lokasyon ng sunog at ang pinakamahusay na ruta ng paglabas.
Mga ergonomic na sensor
Ang mga pinsala mula sa manu-manong paghawak ng mga gawain ay nababawasan sa pamamagitan ng ergonomic na pagsasanay ng mga manggagawa. Ang pinakamainam na paggalaw ay ipinadala sa manggagawa upang itama ang sarili, na nagbibigay daan para sa pagbabago ng pag-uugali.
Ang isang naturang kumpanya na nag-aalok ng solusyon na ito ay Soter Analytics. Ang mga soter device na isinusuot sa balikat, headset, helmet, at/o likod ay sinusubaybayan ang panganib ng pinsala sa real-time. Ang mga gadget ay ipinares sa isang mobile application upang maghatid ng pinasadyang pagtuturo sa isang partikular na manggagawa para sa isang partikular na gawain. Ipinakita ng mga pag-aaral na ang mapanganib na paggalaw ay nabawasan ng 30-70%. May access din ang mga manager sa data mula sa mga soter device sa real-time. Maaaring gamitin ng mga tagapamahala ang data upang:
- Kilalanin ang mga panganib.
- I-filter ang panganib sa panganib ayon sa gawain, departamento, o indibidwal.
- Tukuyin ang mga priyoridad na lugar na nangangailangan ng higit na pagtuon.
Ayon sa Coca-Cola
Predictive data at analytics
Gumagamit ang predictive analytics ng iba't ibang data na nakuha mula sa organisasyon at sinusuri ang data na iyon upang hulaan ang mga potensyal na sitwasyon. Ang data na nakolekta at ginamit sa analytics ay kinabibilangan ng mga ugat na sanhi at reklamo at mungkahi.
Mga solusyon sa HGS Digital nangongolekta, nagsusuri, at nagpapatakbo ng mga what-if na mga sitwasyon upang matukoy ang mga dahilan ng pinsala at magbigay ng pagwawasto upang mabawasan ang problema. Matapos ipasok ang data sa programa, susuriin ng tool ang impormasyon nang hindi na-program.
Software sa pamamahala ng kaso
i-Sight ay isang case management software na katulad ng HGS Digital Solution. Hindi tulad ng HGS, ang I-Sight ay nangongolekta, sumusubaybay, at nagbibigay lamang ng mga komprehensibong ulat, at kailangan mong gamitin ang impormasyong ito upang maiwasan ang mga pinsala sa lugar ng trabaho. I-sight track at nag-uulat ng mga insidente tulad ng:
- aksidente
- Pinsala
- Nadulas at nahuhulog
- Fatalities
- Malapit na nakaligtaan
- Mapanganib na pagkakalantad
Maaaring gamitin ng mga tagapamahala ang dashboard ng i-Sight upang subaybayan ang mga ulat ng insidente at posibleng mga uso upang matukoy ang mga lugar na may mataas na peligro o empleyado na nangangailangan ng agarang atensyon.
Mga troli ng self-braking
Mga awtomatikong sasakyan (AVs) ay karaniwang nauugnay sa mga kotse. Ayon kay Anthony Ireson mula sa Ford ng Europa, maaari ding gamitin ng mga supermarket troli ang teknolohiya.
Ang troli ay may kasamang pre-collision assist upang matulungan ang mga customer na maiwasan ang mga aksidente o mabawasan ang epekto ng isang banggaan. Nakikita ng mga sensor sa troli ang mga tao at bagay na nasa unahan nito. Awtomatikong inilalapat ng self-braking trolley ang mga preno kapag may nakita itong potensyal na banggaan.
Bagama't ang troli ay isang prototype pa rin sa Ford shop, ang paggamit nito ay gagawing isang bagay ng nakaraan ang mga run-away na troli na nagbabawas ng mga aksidente.
Robotics
Mga inhinyero mula sa West Virginia University ay gumagawa ng mga robot upang pangalagaan ang mga manggagawa mula sa mga panganib sa lugar ng trabaho. Nakikita ng mga robot ang mga panganib na makikita sa mga ibabaw ng sahig sa mga establisyemento ng WRT. Bukod sa pagbibigay ng kamalayan sa sitwasyon, ang mga robot ay magbibigay ng mga mapa ng walkability at patuloy na susubaybayan ang mga panganib. Hindi tulad ng ibang mga computer vision system na gumagamit ng mga umiiral na CCTV camera sa establisyimento, ang mga robot ay nilagyan ng mga in-built na camera upang mabawasan ang panlilinlang mula sa hitsura sa ibabaw. Ang mga robot ay magda-drive din sa ibabaw upang mas mahusay na masuri ang panganib ng madulas.
Ang pagbuo ng mga robot ay nakatuon sa tatlong pangunahing mga kadahilanan:
- Pagkilala at pagsusuri ng mga holistic na panganib na kinasasangkutan ng pagpapatakbo ng mga robot sa mga working space.
- Paggamit ng mga robot sa iba pang aspeto, gaya ng mga gabay sa pamimili.
- Epekto ng mga mapa ng walkability at ang mga robot sa panganib sa pinsala ng mga empleyado.
Pinagmulan: https://www.forbes.com/sites/dennismitzner/2022/12/08/how-new-innovations-are-helping-prevent-retail-injuries/