المرجع في الرابط: mdpi
أصبح ضمان سلامة ورفاهية العمال أكثر أهمية من أي وقت مضى مع تطور المشهد الصناعي. إن الصناعة 5.0، وهو المفهوم الذي يؤكد على تكامل التقنيات المتقدمة لإنشاء أنظمة تصنيع مستدامة تتمحور حول الإنسان، تضع رفاهية العمال في مقدمة منهجها. يستكشف هذا المقال نظامًا مبتكرًا مصممًا لتقييم المخاطر البيئية وإدارتها بشكل فردي في مكان العمل، مع الاستفادة من قوة الذكاء الاصطناعي (AI) وإنترنت الأشياء (IoT).
وتؤدي الأسباب المرتبطة بالعمل إلى ما يقرب من 2 مليون حالة وفاة سنويًا في جميع أنحاء العالم. ويختلف معدل الوفيات في مكان العمل بشكل كبير بين البلدان المتقدمة والنامية، حيث لوحظت أعلى معدلات الوفيات في قطاعات الزراعة والغابات والتعدين والبناء، وخاصة في الشركات الصغيرة التي يعمل بها أقل من 50 موظفا. إن الأمراض المهنية، الناجمة عن التعرض للعوامل الفيزيائية والكيميائية والبيولوجية في مكان العمل، لا تؤثر على صحة العمال ونوعية حياتهم فحسب، بل تؤثر أيضاً على إنتاجية الشركة وقدرتها التنافسية وسمعتها.
في حين ركزت الصناعة 4.0 على الأتمتة والابتكار والكفاءة من خلال الأنظمة المادية السيبرانية، تهدف الصناعة 5.0 إلى تعزيز هذه التطورات من خلال إعطاء الأولوية للتصنيع المستدام الذي يركز على الإنسان. تعد التقنيات مثل إنترنت الأشياء، وإنترنت الأشياء الصناعي، والتعلم الآلي (ML) ذات أهمية محورية في هذا العصر الجديد، حيث توفر حلولاً قوية لرصد وتحسين خدمات السلامة والصحة المهنية (OSH).
يدمج النظام المقترح أجهزة مراقبة متعددة لقياس العوامل البيئية مثل الغبار والضوضاء والأشعة فوق البنفسجية والإضاءة ودرجة الحرارة والرطوبة والغازات القابلة للاشتعال. يتضمن إعداد المراقبة الشامل هذا ما يلي:
يسجل النظام التاريخ الصحي للعمال، بما في ذلك الأمراض الشائعة والأعراض المرتبطة بالعوامل المراقبة. تعتبر هذه البيانات ضرورية لنظام التوصيات المعتمد على الذكاء الاصطناعي، والذي يستخدم المصنفات لتحديد مستويات المخاطر بناءً على بيانات أجهزة الاستشعار. يتيح دمج المعلومات الصحية مع بيانات التعرض، التي يتم تحليلها من خلال خوارزميات التعلم الآلي، إنشاء تنبيهات قابلة للتنفيذ. تساعد هذه التنبيهات الشركات على تحسين عملية صنع القرار فيما يتعلق بالأنشطة المهنية وتخطيط السلامة على المدى الطويل.
ونظرًا للطبيعة الحساسة للبيانات، يضمن النظام خصوصية البيانات من خلال الاتصال المشفر والتخزين الآمن للبيانات. لا يقوم الخادم بتخزين المعرفات الشخصية، مما يضمن الامتثال للوائح حماية البيانات.
اختبرت الدراسة نماذج مختلفة للتعلم الآلي لتحديد النهج الأكثر فعالية لنظام التوصيات. برز Random Forest باعتباره النموذج الأفضل أداءً نظرًا لدقته وموثوقيته عبر أجهزة الاستشعار المختلفة. يعود نجاح النموذج إلى:
وتتضمن المرحلة التالية اختبار النظام في بيئات عمل حقيقية، وتحديداً في أنشطة الإنشاءات المدنية وصيانة المباني. ستقوم هذه الاختبارات بتقييم قابلية استخدام النظام، وتصميم أجهزة المراقبة، والانزعاج المحتمل للعاملين، والمخاوف المتعلقة بخصوصية البيانات. ستساعد التعليقات الواردة من هذه الاختبارات في تحسين النظام بشكل أكبر.
يسمح التصميم المعياري للنظام بالتوسيع السهل لتغطية العوامل والأمراض والأعراض الإضافية. هذه القدرة على التكيف تجعلها مناسبة للصناعات الأخرى عالية المخاطر مثل الزراعة وصناعة الأغذية، حيث يمكن أن يوفر دمج أجهزة الاستشعار والبيانات الجديدة رؤى قيمة لتحسين السلامة في مكان العمل.
يمثل نظام المراقبة المعتمد على الذكاء الاصطناعي تقدمًا كبيرًا في تقييم وإدارة المخاطر البيئية الشخصية. ومن خلال الجمع بين التاريخ الصحي وبيانات التعرض في الوقت الحقيقي، يقدم النظام نهجًا استباقيًا لتعزيز السلامة المهنية. ومع استمرار الصناعة 5.0 في التطور، ستلعب مثل هذه الحلول المبتكرة دورًا حاسمًا في إنشاء أماكن عمل أكثر أمانًا واستدامة، مما يساهم في نهاية المطاف في رفاهية العمال والإنتاجية الإجمالية للصناعات.