Gezondheid en veiligheid op het werk verbeteren met behulp van data

Uitdagingen op gebied van gezondheid en veiligheid overwinnen met geavanceerde analyses

In de productiesector is het belangrijker dan ooit dat u een veilige werkomgeving kunt bieden en effectief compliance ondersteunt. Moderne werkgevers hebben geleerd hoe belangrijk het is om de dagelijkse veiligheid in de werkomgeving te beheersen. Daarnaast weten ze ook dat ze voorbereidingen moeten treffen om gezondheid en veiligheid in stand te houden tijdens ingrijpende gebeurtenissen zoals oorlog, natuurrampen en pandemieën. Natuurlijk is veiligheid altijd al cruciaal geweest in alle productieomgevingen. Maar in de context van Manufacturing 4.0 is het nog meer op de voorgrond gerukt.

De integratie van digitale technologieën en automatiseringssystemen neemt steeds verder toe en geavanceerde technologieën, zoals robotica, kunstmatige intelligentie en het Internet of Things worden steeds meer gebruikt. Dit betekent dat werknemers steeds intensiever werken met geautomatiseerde systemen en gebruikmaken van onderling verbonden apparaten, sensoren en geautomatiseerde machinesystemen. Handhaving van de juiste veiligheidsnormen en protocollen voor deze technologieën is cruciaal voor de bescherming van personeel en om incidenten te voorkomen, zoals storingen in apparatuur, elektrische risico's en onverwachte en ongeplande interacties tussen mensen en machines.

Naast dat incidenten de kwaliteit van leven van werknemers kunnen aantasten, zijn ze ook nog eens duur. De directe kosten, zoals compensatie voor personeel en medische en juridische diensten, kunnen hoog oplopen. Maar onderschat ook niet de indirecte kosten van een incident: deze omvatten omscholing, onderzoeken, corrigerende maatregelen, productiviteitsverlies, schade aan apparatuur, schade aan de reputatie en kosten die voortvloeien uit een lager moreel, verzuim en behoud van personeel.

Om gezondheid en veiligheid in stand te houden, volgen productiebedrijven een groot aantal belangrijke metrics, zoals:

• de totale frequentiegraad van registreerbare letels (het aantal letsels dat zich voordoet op de werkvloer per 100.000 gewerkte uren);
• het aantal incidenten per maand;
• preventieve veiligheidsgerelateerde incidenten of vereiste acties ondernomen door personeel;
• de gemiddelde afhandeltijd voor incidenten;
• de typen incidenten.

Veel organisaties hebben echter moeite om tijdig meldingen te krijgen van veiligheids- en gezondheidsincidenten op hun werkvloer. Om nog maar te zwijgen van gebruik van hun data om potentiële risico's in hun productieomgevingen te modelleren en predictief te identificeren. Maar het is cruciaal dat ze deze mogelijkheden ontwikkelen. En het juiste dataplatform kan hen daarbij helpen. Als bedrijven met behulp van data en analyses potentiële gevaren kunnen identificeren en preventieve maatregelen implementeren, helpt dat risico's te beperken, ongevallen en incidenten te voorkomen en de kans op productieonderbrekingen, financiële verliezen en reputatieschade te verkleinen.

In dit gebruiksscenario wordt de architectuur voor data-analyse beschreven die nodig is om data op te nemen, op te slaan en te beheren en er inzichten uit te destilleren om de gezondheid en veiligheid in de productiesector te verbeteren.

Hoe een alomvattend dataplatform u helpt de veiligheid op het werk te verbeteren

De hier getoonde architectuur omvat de vaakst aanbevolen Oracle-componenten waarmee u een analyse-architectuur samenstelt die de volledige levenscyclus van data-analyse omvat, van discovery tot meting en actie. Productiebedrijven verschillen sterk in soort en complexiteit. Maar over het algemeen worden de hier beschreven services toegepast om data-analysearchitecturen te bouwen die zich richten op de zeer uiteenlopende factoren die van invloed zijn op de gezondheid en veiligheid in de werkomgeving.

In deze afbeelding ziet u hoe het Oracle-dataplatform voor productiebedrijven kan worden toegepast om gezondheid en veiligheid te ondersteunen. Het platform omvat deze vijf pijlers:

1. 1. Databronnen, discovery
2. 2. Opnemen, transformeren
3. 3. Persistent maken, samenstellen, maken
4. 4. Analyseren, leren, voorspellen
5. 5. Meten, handelen

De pijler Databronnen, discovery omvat drie categorieën data.

1. Bedrijfsrecorddata omvat data uit HCM, systemen voor milieu en arbo, HR- en opleidingssystemen, productieprocessen, systemen voor incidentmelding en veiligheidssystemen.
2. Technische invoerdata omvat afbeeldingen, e-mails, video's, papieren documenten (OCR), discrete events (noodstops van productielijnen).

De pijler Opnemen, transformeren omvat drie functionaliteiten.

1. 1. Batchopname maakt gebruik van OCI Data Integration, Oracle Data Integrator en databasetools.
2. 2. Bulkoverdracht maakt gebruik van OCI FastConnect, OCI Data Transfer, MFT en OCI CLI.
3. 3. Wijzigingsdata vastleggen maakt gebruik van OCI GoldenGate.

Alle drie functionaliteiten verbinden unidirectioneel door naar de aanbiedende dataopslag en cloudopslag in de pijler Persistent maken, samenstellen, maken.

De pijler Persistent maken, samenstellen, maken omvat vijf functionaliteiten.

1. 1. De aanbiedende dataopslag maakt gebruik van Oracle Autonomous Data Warehouse en Exadata Cloud Service.
2. 2. Cloudopslag maakt gebruik van OCI Object Storage.
3. 3. Governance maakt gebruik van OCI Data Catalog.

Deze functionaliteiten verbinden binnen de pijler onderling naar elkaar door. Cloudopslag verbindt unidirectioneel door naar de aanbiedende dataopslag en beheerd Hadoop, en ook bidirectioneel naar Batchverwerking.

Een functionaliteit verbindt door naar de pijler Analyseren, leren, voorspellen. De aanbiedende dataopslag verbindt door naar de functionaliteiten Analyse en visualisatie en naar de functionaliteit Dataproducten, API's.

De pijler Analyseren, leren, voorspellen omvat twee functionaliteiten.

1. 1. Analyse en visualisatie maakt gebruik van Oracle Analytics Cloud, GraphStudio en ISV's.
2. 2. Dataproducten, API's maakt gebruik van OCI API Gateway en OCI Functions.

In de pijler Meten, handelen wordt vastgelegd hoe de data-analyse kan worden gebruikt: door mensen en partners en applicaties en modellen.

Mensen en partners omvat historische data, heatmaps voor incidentrapportage, bijna-ongevallen, compliancerapportage, hoofdoorzaakanalyse, risico-identificatie en -beoordeling.

Applicaties en modellen is een zelfstandig onderdeel en afhankelijk van de implementatie.

De drie centrale pijlers, Opnemen, transformeren; Persistent maken, samenstellen, maken; en Analyseren, leren, voorspellen, worden ondersteund door infrastructuur, netwerk, beveiliging en IAM.

Verbinding maken met data, ze opnemen en transformeren

Onze oplossing bestaat uit drie pijlers, die elk specifieke dataplatformfunctionaliteiten ondersteunen. De eerste pijler biedt de functionaliteit om verbinding te maken met data, ze op te nemen en te transformeren.

Er zijn vier belangrijke manieren om data in een architectuur in te voegen, zodat productiebedrijven de gezondheid en veiligheid in de werkomgeving kunnen verbeteren.

• Het proces start met het inschakelen van de bulkoverdracht van operationele transactiedata. Services voor bulkoverdracht worden gebruikt in situaties waarin grote hoeveelheden data voor het eerst naar Oracle Cloud Infrastructure (OCI) moeten worden overgebracht, zoals data uit bestaande lokale analyserepository's of andere cloudbronnen. In het algemeen zijn datasets voor gezondheid en veiligheid niet groot. Bulkoverdracht vermelden we hier als een potentiële component in het zeldzame geval dat veel historische data lokaal worden opgeslagen en naar de cloud moeten worden verplaatst, of als deze data uit een groter, historisch on-premises datawarehouse komen dat naar OCI wordt overgezet. Welke specifieke service voor bulkoverdracht we gebruiken, is afhankelijk van de locatie van de data en de frequentie waarmee ze moeten worden overgedragen. We kunnen bijvoorbeeld met OCI Data Transfer Service of OCI Data Transfer Appliance een grote hoeveelheid lokale data laden uit historische plannings- of datawarehouse-repository's. Wanneer voortduren grote hoeveelheden data moeten worden verplaatst, raden we aan dit te doen met OCI FastConnect. Dit biedt een dedicated privénetwerkverbinding met hoge bandbreedte tussen het datacenter van een klant en OCI.
• Bij databronnen die worden gebruikt voor het meten van en rapporteren over gezondheid en veiligheid, hoort doorgaans een onderliggende relationele datastore. Met OCI GoldenGate kan data vrijwel in real time worden vastgelegd uit systemen voor incidentmelding. OCI GoldenGate gebruikt Wijzigingsdata vastleggen om wijzigingsevents in de onderliggende structuur van de systemen te detecteren die de productieomgeving bewaken (bijvoorbeeld temperatuur, lawaai of een noodstop van een productielijn, onderhoud en dergelijke) en verstuurt de data in real time naar een persistentielaag en/of de streaminglaag. In dit gebruiksscenario worden data echter doorgaans via batch-processen (ETL) overgezet.
• De behoeften aan realtime data ontwikkelen zich steeds verder. Maar de meest voorkomende methode om data te extraheren uit systemen voor operations, planning, onderhoud, personeelsmanagement, HR, opleiding en veiligheidsbeheer is nog steeds een batchopname door middel van een ETL-proces (extractie, transformatie, laden). Batchopname wordt gebruikt om data te importeren uit systemen die geen datastreaming kunnen ondersteunen. Deze data bevinden zich doorgaans in systemen voor milieu, gezondheid en veiligheid (ESH), HR- en opleidingssystemen en incidentrapportagesystemen. Batchopname kan vaak gebeuren, bijvoorbeeld elke 10 of 15 minuten. Deze opnamen zijn echter nog steeds batchbewerkingen, omdat hierin groepen transacties worden geëxtraheerd en verwerkt in plaats van afzonderlijke transacties. OCI biedt verschillende services voor de verwerking van batchopnamen, zoals de native OCI Data Integration-service en Oracle Data Integrator, die wordt uitgevoerd op een OCI Compute-instance. De keuze voor een service zou in de eerste plaats gebaseerd zijn op de voorkeur van de klant, niet op technische vereisten.

Data persistent maken, verwerken en samenstellen

Datapersistentie en -verwerking zijn gebaseerd op twee (optioneel drie) componenten. Sommige klanten gebruiken al deze methoden, andere slechts een subset. Afhankelijk van de volumes en datatypen kunnen data in een objectopslag worden geladen of rechtstreeks in een gestructureerde relationele database voor persistente opslag. Wanneer we verwachten dat we datawetenschapsfunctionaliteit moeten toepassen, worden data die in onbewerkte vorm zijn opgehaald uit databronnen (als een niet-verwerkt native bestand of extractie), meestal vastgelegd vanuit transactiesystemen en geladen in de cloudopslag.

• Cloudopslag is de meest gebruikte laag voor datapersistentie voor ons dataplatform. Dit kan worden gebruikt voor zowel gestructureerde als ongestructureerde data. De basiselementen hierin zijn OCI Object Storage, OCI Data Flow en Oracle Autonomous Data Warehouse (ADW). Data die in de onbewerkte vorm zijn opgehaald uit databronnen, worden vastgelegd en in OCI Object Storage geladen. OCI Object Storage is de primaire laag voor datapersistentie.
• We maken nu met behulp van een aanbiedende dataopslag onze samengestelde data persistent in een vorm die is geoptimaliseerd voor goede queryprestaties en analyse. Vanuit Oracle Autonomous Data Warehouse hebben we rechtstreeks toegang tot onze onbewerkte data die zijn opgeslagen in de objectopslag. Dit doen we door een externe tabel te maken, die wordt toegewezen aan de databestanden in OCI Object Storage. Een externe tabel biedt een virtuele weergave van de data in de objectopslaglocatie, zonder dat we de data fysiek hoeven te verplaatsen of te laden in Autonomous Data Warehouse. Data die is aangewezen als waardevol voor verdere analyse, kunnen nu worden geladen in de aanbiedende dataopslag. Deze biedt een permanente relationele laag, van waaruit hoogwaardige samengestelde data rechtstreeks worden geleverd aan eindgebruikers met behulp van tools die gebruik maken van SQL. In deze oplossing wordt Autonomous Data Warehouse geïnstantieerd als de aanbiedende dataopslag voor het datawarehouse van de onderneming en, indien nodig, meer gespecialiseerde datamarts op domeinniveau.
• ADW kan ook dienen als de databron voor datawetenschapsprojecten of de repository die Oracle Machine Learning vereist. De aanbiedende dataopslag kan in een van meerdere vormen bestaan, zoals Oracle Database Cloud Service fo Oracle Database Exadata Cloud Service.

Data analyseren, leren en voorspellen

Het vermogen tot analyseren, leren en voorspellen wordt mogelijk gemaakt door twee services, waarmee drie analysebenaderingen en toegang tot de gemodelleerde data worden geboden.

• Geavanceerde analysefunctionaliteiten worden steeds belangrijker om de productieomgeving veilig te houden en het productieproces te optimaliseren. In dit gebruiksscenario vertrouwen we op Oracle Analytics Cloud voor analyses en visualisaties. Dit stelt u in staat om gebruik te maken van beschrijvende analyses (beschrijven de huidige trends met histogrammen en grafieken), voorspellende analyses (voorspellen toekomstige gebeurtenissen, identificeren trends en bepalen de waarschijnlijkheid van onzekere resultaten) en sturende analyses (stellen geschikte acties voor die optimale besluitvorming ondersteunen).

  • Met sturende analyses kunnen fabrikanten potentiële risico's en gevaren identificeren door analyse van historische data, incidentrapporten en bijna-ongelukken. Met analyses worden patronen en trends geïdentificeerd, waarmee gebieden worden aangewezen die aandacht vereisen en u helpen prioriteiten toe te kennen aan uw inspanningen voor risicobeperking. Bovendien kunnen analyses een mindset voor voortdurende verbetering op gebied van gezondheid en veiligheid stimuleren. Door data voor prestaties en veiligheid over langere tijd te analyseren, kunnen productiebedrijven gebieden voor verbetering identificeren, benchmarks opstellen en de voortgang richting veiligheidsdoelen volgen.

    Wanneer zich ongevallen of incidenten voordoen, kan beschrijvende analyse helpen om de hoofdoorzaken en onderliggende factoren te onderzoeken. Als u incidentrapporten, getuigenverklaringen en andere relevante data, patronen en trends analyseert, kunt u gerichte interventies ondernemen om soortgelijke incidenten in de toekomst te voorkomen.

  • Voorspellende analyses identificeren aan de hand van veiligheidsdata patronen, trends en potentiële risico's. Dit helpt productiebedrijven om veiligheidsmaatregelen te verbeteren en ongevallen en incidenten te voorkomen. Door historische veiligheidsdata te analyseren, kunnen met voorspellende modellen lange-termijntrends en -patronen worden geïdentificeerd, zoals een toename in ongevallen, nieuwe veiligheidsrisico's of gebieden waar veiligheidsmaatregelen effectief zijn geweest. Ook kunnen ze risicoscores toewijzen aan verschillende activiteiten, processen of toestanden. Deze scores helpen om prioriteiten toe te kennen aan resources en interventies, zodat gebieden met een hoger risiconiveau kunnen worden aangepakt. Anomalieën in veiligheidsdata, zoals ongebruikelijke patronen of uitschieters, kunnen wijzen op mogelijke veiligheidsproblemen of afwijkingen van normale bedrijfsomstandigheden. Dit maakt vroegtijdige detectie en snelle corrigerende maatregelen mogelijk.
  • Sturende analyses ondersteunen trainings- en opleidingsinspanningen, door gebieden te identificeren waar aanvullende training nodig is. Door data betreffende veiligheid te analyseren, zoals data over bijna-ongelukken of afwijkingen van standaardwerkprocedures, kunnen fabrikanten leemten in de kennis van werknemers of de naleving van veiligheidsprotocollen opsporen en gerichte training aanbieden.
• Een andere cruciale component is datagovernance. Dit wordt mogelijk gemaakt door OCI Data Catalog. Dit is een gratis service voor datagovernance en beheer van metadata (voor zowel technische als zakelijke metatadata) voor alle databronnen in het data lakehouse-ecosysteem. OCI Data Catalog is ook een cruciale component voor query's vanuit Oracle Autonomous Data Warehouse naar OCI Object Storage, doordat hiermee snel data kan worden opgespoord, ongeacht op welke wijze deze is opgeslagen. Dit maakt het mogelijk voor eindgebruikers, ontwikkelaars en datawetenschappers om met een gezamenlijke querytaal (SQL) te werken in alle persistente dataopslagen binnen de architectuur.
• Op onze samengestelde, geteste en hoogwaardige data en modellen kunnen governance- en beleidsregels worden toegepast. Ze kunnen met OCI API Gateway beschikbaar worden gesteld als een 'dataproduct' (API) in een data mesh-architectuur voor distributie van data en analyses over veiligheid binnen het productiebedrijf.

De voordelen van het gebruik van data voor verbetering van de gezondheid en veiligheid in de productiesector

Productiebedrijven moeten de gezondheid en het welzijn van hun personeel voor alles stellen. Een veilige werkomgeving is niet alleen een wettelijk en ethisch vereiste. Het is ook van invloed op het moreel, de tevredenheid en het algemene welzijn van het personeel. Als u prioriteit geeft aan gezondheid en veiligheid, kunt u een positieve werkcultuur scheppen, de betrokkenheid van werknemers vergroten en het risico op ongevallen en letsels in de werkomgeving verkleinen. In de productiesector is het echter geen sinecure om een gezonde en veilige werkomgeving te garanderen. De uitdagingen zullen de komende jaren waarschijnlijk toenemen, mede door de opkomst van Manufacturing 4.0.

Bij al deze ontwikkelingen moeten productiebedrijven er niet alleen voor zorgen dat er gezondheids- en veiligheidsmaatregelen worden genomen. Ook moeten ze continu mogelijkheden zoeken om deze maatregelen te verbeteren en preventieve maatregelen te nemen om ongevallen, letsels en beroepsziekten te voorkomen. Hiervoor moeten ze robuuste gezondheids- en veiligheidsprocessen hebben die zijn gebaseerd op data en analyses en door technologie worden ondersteund. Dit stelt hen in staat om:

• kritieke eventinformatie vast te leggen en te beheren en alle documentatie en foto's in één omgeving te beheren;
• data over compliance te verzamelen ter ondersteuning van wettelijk verplichte rapportage;
• data over gevaren te beheren, zoals informatie over incidenten, bijna-ongelukken en onveilige omstandigheden;
• hoofdoorzaken op te sporen, incidenten te onderzoeken en meteen hierop te reageren;
• veiligheid volgen en analyseren middels geavanceerde analyses, om de voortgang te volgen en trends en patronen te detecteren.

Uiteindelijk helpen deze acties de fysieke gezondheid en veiligheid van werknemers te beschermen, de kans op ziekteverzuim en medische kosten te verminderen en de productiviteit en operationele continuïteit in stand te houden.