利用数据改善工作场所健康和安全状况

利用高级分析应对健康与安全挑战

企业提供安全的制造工作场所和有效确保合规性的能力从未像现在这样重要。如今的雇主不仅意识到日常工作场所安全管理的重要性，还要做好准备，在发生战争、自然灾害和流行病等重大事件时保证工作场所的健康和安全。安全性在任何制造环境中无疑都是至关重要的，但在工业 4.0 浪潮的大背景下，安全的重要性变得更加突出。

随着数字技术和自动化系统的日益融合，以及机器人、人工智能和物联网等先进技术的实施，员工将与自动化系统发生更紧密的交互，更多地使用互联设备、传感器和自动化机械。因此，根据适当的安全标准和协议对这些技术进行维护对于保障员工安全和防止设备故障、电气危险以及计划外人机交互等事故至关重要。

一旦发生事故，不仅员工的生活质量可能会受到影响，企业也将承受高额损失。除了工伤赔偿、医疗和法律服务等高额的直接成本，安全事故的间接成本也不容忽视，包括再培训、调查、纠正措施、生产力损失、设备损坏、声誉风险以及员工士气低落、缺勤和保留率降低等相关成本。

因此，为了有效管理工作场所健康与安全，制造商需要跟踪一系列关键指标，例如

• 可记录工伤事故总频率（每十万工时在工作场所发生的伤害事件数量）
• 每月发生的事故数量
• 与安全相关的预防性事件或员工需要采取的措施
• 解决事故的平均时间
• 事故类型

然而，许多企业难以及时获得工作场所健康和安全事故通知，更不用说使用这些数据来建模和预测制造环境中的潜在风险了。因此，企业必须培养这些能力 — 而合适的数据平台可以提供帮助。通过使用数据和分析来识别潜在危险并采取预防措施，企业可以降低风险，防止事故发生，并降低生产中断、财务损失和声誉损害的可能性。

在该使用场景中，我们将介绍制造行业为了改善健康与安全状况，摄取、存储、管理数据并从数据中获取洞察所需的数据分析架构。

功能全面的数据平台如何帮助您提高工作场所安全性

此处介绍的架构包含用于构建分析架构最常推荐的 Oracle 组件，覆盖从探索到评估和行动的整个数据分析生命周期。制造商虽然因类型和复杂性而异，但总体而言，此处概述的服务将在构建数据分析架构时发挥重要作用，帮助制造商全面分析影响工作场所健康和安全状况的各种因素。

此图展示了面向制造业的 Oracle Data Platform 如何用于支持工作场所健康与安全。该平台包括以下五个支柱：

1. 1. 数据源、探索
2. 2. 摄取、转换
3. 3. 持久保存、整理、创建
4. 4. 分析、学习、预测
5. 5. 评估、行动

“数据源、探索”支柱包括两类数据。

1. 业务记录数据包括来自 HCM、环境健康与安全 (EHS) 系统、HR 和培训系统生产流程、事故报告系统以及安全系统的数据。
2. 技术输入数据包括图像、电子邮件、视频、纸质文档 (OCR) 和离散事件（例如生产线紧急停机）。

“摄取、转换”支柱包括三个功能。

1. 1. 批量摄取使用 OCI Data Integration、Oracle Data Integrator 和数据库工具。
2. 2. 批量传输使用 OCI FastConnect、OCI Data Transfer、MFT 和 OCI CLI。
3. 3. 更改数据捕获使用 OCI GoldenGate。

所有三种功能均单向连接到“持久保存、整理、创建”支柱中的服务数据存储和云技术存储。

“持久保存、整理、创建”支柱包括五个功能。

1. 1. 服务数据存储使用 Oracle Autonomous Data Warehouse 和 Exadata Cloud Service。
2. 2. 云端存储使用 OCI Object Storage。
3. 3. 治理使用 OCI Data Catalog。

这些功能在支柱内互联。云端存储不仅单向连接至服务数据存储和托管 Hadoop，还双向连接至批处理。

该功能连接到“分析、学习、预测”支柱。服务数据存储连接到分析和可视化功能，也连接到数据产品及 API 功能。

“分析、学习和预测”支柱包括两个功能。

1. 1. 分析和可视化使用 Oracle Analytics Cloud、GraphStudio 和 ISV。
2. 2. 数据产品 API 使用 OCI API Gateway 和 OCI Functions。

“评估、行动”支柱包含人员和合作伙伴、应用和模型如何使用数据分析。

“人员和合作伙伴”包括历史数据、事故报告热图、未遂事故、合规性报告、根本原因分析、风险识别和评估。

“应用和模型”是独立且特定实施的。

“摄取、转换”、“持久保存、整理、创建”及“分析、学习、预测”这三大核心支柱由基础设施、网络、安全和 IAM 提供支持。

连接、摄取和转换数据

我们的解决方案由三大支柱组成，每个支柱都支持特定的数据平台功能。第一个支柱提供连接、摄取和转换数据功能。

我们通过三种主要方法将数据注入架构中，帮助制造企业改善工作场所健康与安全。

• 首先，如果需要，我们将批量传输运营事务数据。当首次需要将大量数据移动到 Oracle Cloud Infrastructure (OCI) 时，可以使用批量传输服务的。这些数据来自现有本地分析存储库或其他云技术源。一般来说，与健康和安全相关的数据集规模都不大。此处将批量传输作为一种只在极少数情况下使用的潜在组件，例如需要将存储在本地部署环境中的大量历史数据迁移到云端，或数据混合在正迁移至 OCI 且拥有大量历史数据的本地部署数据仓库中。具体使用哪种批量传输服务取决于数据的位置和传输频率。例如，我们可以使用 OCI Data Transfer 服务或 OCI Data Transfer Appliance 从历史计划或数据仓库存储库中加载大量本地数据。当需要持续移动大量数据时，我们建议使用 OCI FastConnect，它可在客户的数据中心与 OCI 之间提供高带宽的专用网络连接。
• 用于衡量和报告健康和安全状况的数据源通常采用基础的关系数据存储。OCI GoldenGate 可用于从事故报告系统中近乎实时地捕获数据。OCI GoldenGate 使用更改数据捕获功能来检测用于监视生产环境的系统底层结构中的更改事件（例如温度、噪声、生产线紧急停机、运维等），并将数据实时发送到持久层和/或流处理层。但在该使用场景中，数据通常通过批处理 ETL 流程进行移动。
• 虽然流处理和实时需求正在快速演变，但从运营、计划、维护、员工管理、HR、培训和安全管理系统中提取数据最常用的方法是使用 ETL 流程的批量摄取。批量摄取用于从不支持数据流处理的系统中导入数据。这些数据通常位于环境健康和安全系统、HR 和培训系统以及事故报告系统中。这些提取可以频繁进行，通常每 10 或 15 分钟提取一次，但它们本质上仍然是批量的，因为提取和处理的是一组事务​​而不是单个事务。OCI 提供各种服务来处理批量摄取，例如在 OCI Compute 实例上运行的本机 OCI Data Integration 服务和 Oracle Data Integrator。服务选择主要基于客户偏好，而不是技术要求。

持久保存、处理和整理数据

数据持久性和处理建立在两个（可选三个）组件之上。有些客户会使用所有组件，而另一些客户则使用其中的一个子集。根据容量和数据类型，数据可以加载到对象存储中，或直接加载到结构化关系数据库中以进行永久性存储。当我们预计应用数据科学功能时，从数据源以原始形式（作为未处理的本机文件或提取）检索的数据通常会被捕获，并从事务系统加载到云端存储中。

• 云端存储是我们的数据平台常用的数据持久性层。它可用于结构化和非结构化数据。OCI Object Storage、OCI Data Flow 和 Oracle Autonomous Data Warehouse (ADW) 是基本构建块。以原始格式从数据源检索的数据将被捕获并加载到 OCI Object Storage 中。OCI Object Storage 是主要的数据持久性层。
• 我们现在将使用服务数据存储以优化的格式保存经过整理的数据，以改善查询性能和分析。我们可以创建映射到 OCI Object Storage 中存储的数据文件的外部表，直接从 Oracle Autonomous Data Warehouse 访问存储在对象存储中的原始数据。外部表提供对象存储位置中的数据的虚拟视图，无需在物理上将数据移动或加载到 Oracle Autonomous Data Warehouse 中。标识为具备进一步分析价值的数据现在可以加载到服务数据存储中，该数据存储提供了一个持久的关系层，可通过基于 SQL 的工具直接向最终用户提供经过整理的高质量数据。在此解决方案中，Oracle Autonomous Data Warehouse 被实例化为企业数据仓库的服务数据存储，如有需要，还可以被实例化为更专业的域级数据集市。
• ADW 也可以是数据科学项目的数据源或 Oracle Machine Learning 所需的存储库。服务数据存储可以采用多种形式，包括 Oracle Database Cloud Service 或 Oracle Database Exadata Cloud Service。

分析数据、学习和预测

我们通过两个服务来提高分析、学习和预测能力，这些服务支持三种分析方法并可访问模型数据。

• 高级分析功能对于维护安全的制造环境和优化生产流程越来越重要。在该使用场景中，我们依靠 Oracle Analytics Cloud 来提供分析和可视化。借助该解决方案，您将能够使用描述性分析（用直方图和图表描述当前趋势）、预测性分析（预测未来事件、确定趋势以及确定不确定结果的可能性）和规范性分析（提出合适的行动建议，为最佳决策提供支持）。

  • 描述性分析可通过分析历史数据、事故报告和未遂事故来帮助制造商识别潜在风险和危险。通过识别模式和趋势，分析可以突出显示需要关注的领域，并帮助您确定风险缓解工作的优先级。此外，分析还可以持续改进工作场所健康和安全。通过分析某段时间内的绩效指标和安全性数据，制造商可以确定有待改进的领域、设置基准并跟踪安全目标进度。

    当发生事故时，描述性分析可帮助调查根本原因和潜在因素。通过分析事故报告、证人陈述和其他相关数据，您可以发现模式和趋势，从而进行有针对性的干预，防止类似事件重演。

  • 预测性分析使用安全数据来识别模式、趋势和潜在风险，可帮助制造商加强安全措施，防范于未然。通过分析历史安全数据，预测模型可以识别长期趋势和模式，例如事故率增加、新出现的安全风险或安全措施有效的领域，还可以对不同的活动、流程或条件进行风险评分。这些评分可帮助确定资源和干预措施的优先级，及早解决高风险问题。安全数据异常（例如异常模式或离群值）可能表明存在潜在的安全问题或偏离正常运行条件，这让制造商可以提前发现并及时采取纠正措施。
  • 规范性分析可识别需要更多培训的领域，以此支持培训和教育工作。通过分析安全相关数据，例如未遂事故或偏离标准作业程序，制造商可以查明员工知识或安全协议遵从性等方面的差距，进而实施有针对性的培训干预。
• 数据治理是一个关键组件。这是一项由 OCI Data Catalog 提供的免费服务，为数据平台生态系统中的所有数据源提供数据治理和元数据管理（包括技术和业务元数据）。OCI Data Catalog 也是从 Oracle Autonomous Data Warehouse 到 OCI Object Storage 的的重要查询组件，因为它提供了一种快速查找数据的方法，无论其存储方式如何。这允许最终用户、开发人员和数据科学家在架构中的所有持久数据存储中使用通用访问语言 (SQL)。
• 您可以对经过整理、测试的高质量数据和模型应用治理规则和策略，通过 OCI API Gateway 将其作为数据网格架构中的“数据产品” (API) 公开，从而在整个制造企业中分发与安全相关的数据和分析。

制造业利用数据改善健康与安全状况的好处

制造商有责任将员工安全和福祉放在首位。安全的工作环境不仅是法律和道德要求，还会影响员工士气、工作满意度和整体幸福感。将健康与安全放在首位有助于企业培养积极的工作文化，提高员工敬业度，并降低工作场所事故和伤害风险。然而，确保健康和安全的工作环境对于制造业尤为具有挑战性 — 在未来几年，在工业 4.0 浪潮的驱动下，这些挑战可能会进一步加剧。

面对不断变化的大环境，制造商不仅必须确保采取健康和安全措施，还必须不断发现改进这些措施的机会并采取预防行动，以尽可能避免事故、伤害和职业疾病。为此，他们需要利用技术来构建数据和分析驱动的可靠的健康和安全流程，以便于

• 捕获和管理关键事件信息，并在统一环境中管理所有文档和图片
• 收集合规性数据以支持监管报告
• 管理危险数据，包括事故、未遂事故和不安全环境等信息
• 查明根本原因，调查事故，并立即做出响应
• 使用高级分析来监视进度并检测趋势和模式，以此跟踪和分析安全性

最终，这些措施将有助于保障员工的身体健康和安全，降低缺勤几率和医疗费用支出，保障企业生产力和业务连续性。