Data analyse is duidelijk in opkomst en transformatiestrategieën zijn met jaren versneld. Waarbij initiatieven bijna uitsluitend zijn gericht op efficiëntie en verbeterde besluitvorming rond activiteiten, zoals productie, verkoop, toeleveringsketen en boekhouding.
Ondertussen is het meeste veiligheidsbeheer nog steeds grotendeels niet geautomatiseerd, met behulp van Excel-spreadsheets en archiefkasten vol papieren dossiers. Waarmee vaak pas wordt gereageerd op incidenten in plaats van ze in de eerste plaats te voorkomen. Maar als het om veiligheid gaat, is mitigatie naar data analyse meestal too little, too late.
Letsel op de werkplek kost een land als de verenigde staten $ 171 miljard per jaar, waarbij er in dat bedrag ook een groot aantal vermijdbare dodelijke arbeidsongevallen zijn. Niet alleen zijn alle kosten hoog, maar letsel op de werkplek brengt ook op andere manieren schade toe. Met name een machine die betrokken is bij een ernstig ongeval zal een week of langer niet werken, waardoor de productie wordt vertraagd en klanten mogelijk naar andere productiebronnen gaan.
Arbeidsongevallen dragen ook bij aan een negatief beeld van de maakindustrie, wat werving en aanwerving kan belemmeren. Dit draagt bij aan de hindernissen waarmee fabrikanten al te maken hebben bij het concurreren om talent met bedrijven die hogere lonen aanbieden en bonussen ondertekenen.
Het wijst allemaal op de noodzaak om voorspellende, data gestuurde veiligheid een Industrie 4.0-mijlpaal te maken als je effectief willen concurreren om werknemers en klanten.
Het goede nieuws is dat we al beschikken over ten minste enkele van de technologieën om belangrijke veiligheidsgegevens te verzamelen. Zoals realtime monitoring, waarbij sensoren worden gebruikt om bij te houden of een machineonderdeel zodanig versleten is dat het defecte producten gaat produceren of helemaal niet meer werkt. Hierdoor kan het onderdeel vervangen worden voordat het gevolgen heeft voor de kwaliteit of productieschema’s.
Evenzo kunnen gegevens van machinesensoren detecteren worden gebruikt om het risico een werknemer loopt. Met dergelijke inzichten kan men onderhoud of reparatie plannen voordat er een probleem ontstaat.
Analyse- en rapportagefunctionaliteit stelt ons in staat te profiteren van AI en machine learning voor diepere inzichten in de bescherming van de werknemers.
De juiste gegevens voor zinvolle inzichten
Naast het structureren van gegevens, moeten we er ook voor zorgen dat we de juiste informatie verzamelen. De ervaring van één geeft vaak niet het inzicht in een aantal veelvoorkomende fouten van de ander.
De les is dat het beter is om meer en meer gedetailleerde gegevens te verzamelen, in plaats van te proberen te anticiperen op hoe je deze wil groeperen bij het uitvoeren van rapporten of het analyseren van de informatie.
Het vastleggen van gedetailleerde gegevens wordt nog belangrijker, aangezien toepassingen steeds vaker kunstmatige intelligentie (AI) en machine learning-mogelijkheden bevatten die duizenden gegevenspunten kunnen scannen om associaties te vinden die mensen waarschijnlijk zullen missen.
Met gedetailleerde gegevens bij de hand kun je profiteren van de analyse- en rapportagefunctionaliteit in applicaties om incidenten te voorkomen en naleving door de overheid en de industrie te vergemakkelijken. En ze zullen goed gepositioneerd zijn om te profiteren van AI en machine learning voor nog diepere inzichten in het proactief beschermen van werknemers in de toekomst.