Menurut Departemen Tenaga Kerja AS, cedera di tempat kerja biaya diperkirakan $161.5 miliar per tahun. Dalam Perdagangan Besar dan Eceran (WRT) perusahaan, cedera hari kerja yang hilang terutama disebabkan oleh terpeleset, tersandung, dan jatuh. Sebuah penelitian di Amerika Serikat pada tahun 2020 menemukan hal itu air terjun menyumbang 33% dari cedera nonfatal, menjadikannya penyebab tertinggi yang dapat dicegah cedera nonfatal di tempat kerja. Selain itu, jatuh adalah penyebab tertinggi ketiga cedera fatal di tempat kerja yang dapat dicegah sebesar 21%.
Menurut Institut Nasional untuk Keselamatan dan Kesehatan Kerja (NIOSH), faktor-faktor yang dapat menyebabkan cedera di tempat kerja meliputi:
- Faktor tempat kerja – Permukaan yang licin, penutup lantai yang longgar, penglihatan yang terhalang oleh kotak atau wadah, pencahayaan yang buruk, kurangnya pemeliharaan permukaan jalan.
- Faktor organisasi kerja – Kecepatan kerja yang tinggi yang dapat menyebabkan pekerja terburu-buru, tugas yang melibatkan penanganan bahan berminyak atau cair yang dapat membuat permukaan menjadi licin.
- Faktor individu – Usia, kelelahan pekerja, dan penglihatan yang buruk dapat memengaruhi penglihatan dan keseimbangan, dan alas kaki yang tidak sesuai dapat menyebabkan tersandung atau terpeleset.
Namun, sebagian besar perusahaan WRT kesulitan memastikan semua protokol kesehatan dan keselamatan dipatuhi baik oleh karyawan maupun pelanggan. Masalahnya meningkat di lingkungan dengan kepadatan tinggi dengan lalu lintas manusia yang padat. Manajer mengadopsi cara inovatif untuk melengkapi solusi tradisional di toko WRT.
Artificial Intelligence (AI), Internet of Things (IoT), dan Machine Learning (ML) digabungkan untuk mendeteksi, menganalisis, mengingatkan, dan mencegah bahaya di tempat kerja. Keamanan tempat kerja ditingkatkan secara signifikan menggunakan respons waktu nyata.
Visi komputer
Visi komputer menggunakan input digital dari gambar dan video untuk mendapatkan informasi yang berarti bagi komputer. Komputer kemudian menganalisis informasi untuk mendeteksi cacat.
LihatUbah (penyedia AI) dan Keymakr Inc. Inc. (penyedia layanan anotasi data) bermitra untuk memanfaatkan AI dalam mencegah terpeleset, tersandung, dan jatuh menggunakan kamera CCTV yang ada di Asda (jaringan supermarket di Inggris) toko. Platform SaaS Keymakr memberdayakan SeeChange Deteksi Tumpahan alat untuk mendeteksi tumpahan cairan secara otomatis. Sistem kemudian mengirimkan pemberitahuan kepada staf tentang lokasi bahaya.
Menurut Michael Abramov, CEO Keylabs, platform Saas Keymakr, “AI dapat dimanfaatkan untuk mendeteksi kecelakaan segera setelah terjadi dan sistem smart checkout berbasis AI dapat menghilangkan faktor kesalahan manusia. Menerapkan AI dapat menyelamatkan pembeli dan pemilik bisnis dari bahaya tersebut.”
Abramov mengatakan bahwa AI tidak mengalami kelelahan dan dapat memantau tanpa henti.
“Posisi produk di rak (dan waspada terhadap posisi berbahaya) Kondisi lantai (dan laporkan setiap insiden (produk tumpah, produk jatuh dari rak)). Itu belum semuanya karena sistem pengawasan AI dapat memantau seluruh toko, memberikan wawasan tentang perilaku pelanggan dan mencegah pencurian.”
relEYEble solusi menawarkan layanan visi komputer dan mengintegrasikan dengan kamera yang ada untuk mendeteksi area dengan lalu lintas tertinggi di toko dan memantau akses ke lokasi. Fitur ini membantu mengurangi cedera yang disebabkan oleh kepadatan dan akses serta keluar yang terbatas ke gedung jika terjadi keadaan darurat.
Sistem deteksi kebakaran secara tradisional memiliki waktu respons 3-5 menit setelah mendeteksi kebakaran. Waktu ini mungkin sangat penting, terutama untuk kebakaran besar dan cepat menyebar, sehingga mengurangi waktu tanggap pemadam kebakaran. Penglihatan komputer dapat mendeteksi kebakaran dari jarak sekitar 50m dan memberikan peringatan dalam waktu 10-15 detik. Saat terhubung ke sistem PA, sistem dapat membuat pengumuman langsung dengan menyediakan lokasi api yang tepat dan rute keluar terbaik.
Sensor ergonomis
Cedera akibat penanganan tugas secara manual dikurangi melalui pelatihan pekerja yang ergonomis. Gerakan optimal dikirim ke pekerja untuk mengoreksi diri, membuka jalan bagi perubahan perilaku.
Salah satu perusahaan yang menawarkan solusi ini adalah Analisis Soter. Perangkat soter yang dikenakan di bahu, headset, helm, dan/atau punggung memantau risiko cedera secara real-time. Gadget dipasangkan dengan aplikasi seluler untuk memberikan pelatihan khusus kepada pekerja tertentu untuk tugas tertentu. Studi telah menunjukkan bahwa gerakan berbahaya berkurang 30-70%. Manajer juga memiliki akses ke data dari perangkat soter secara real-time. Manajer kemudian dapat menggunakan data untuk:
- Identifikasi bahaya.
- Saring risiko bahaya berdasarkan tugas, departemen, atau individu.
- Identifikasi area prioritas yang membutuhkan lebih banyak fokus.
Menurut Coca-Cola
Data dan analitik prediktif
Analitik prediktif menggunakan berbagai data yang diperoleh dari organisasi dan menganalisis data tersebut untuk memperkirakan skenario potensial. Data yang dikumpulkan dan digunakan dalam analitik mencakup akar penyebab dan keluhan serta saran.
Solusi HGS Digital mengumpulkan, menganalisis, dan menjalankan skenario bagaimana-jika untuk menentukan alasan cedera dan memberikan tindakan korektif untuk mengurangi masalah. Setelah memasukkan data ke dalam program, alat akan menganalisis informasi tanpa diprogram.
Perangkat lunak manajemen kasus
i-Penglihatan adalah perangkat lunak manajemen kasus yang mirip dengan HGS Digital Solution. Tidak seperti HGS, I-Sight hanya mengumpulkan, melacak, dan memberikan laporan komprehensif, dan Anda harus menggunakan informasi ini untuk mencegah cedera di tempat kerja. Saya melihat trek dan melaporkan insiden seperti:
- Kecelakaan
- Cedera
- Tergelincir dan jatuh
- Kematian
- Hampir merindukan
- Eksposur berbahaya
Manajer dapat menggunakan dasbor i-Sight untuk memantau laporan insiden dan kemungkinan tren untuk mengidentifikasi area berisiko tinggi atau karyawan yang memerlukan perhatian segera.
Troli pengereman sendiri
Kendaraan otonom (AV) biasanya diasosiasikan dengan mobil. Menurut Anthony Ireson dari Ford Eropa, troli supermarket juga bisa menggunakan teknologi tersebut.
Troli dilengkapi dengan bantuan pra-tabrakan untuk membantu pelanggan menghindari kecelakaan atau mengurangi efek tabrakan. Sensor pada troli mendeteksi orang dan benda di depan jalurnya. Troli pengereman otomatis mengaktifkan rem saat mendeteksi potensi tabrakan.
Meskipun troli ini masih berupa prototipe di toko Ford, penerapannya akan membuat troli kabur menjadi sesuatu yang mengurangi kecelakaan di masa lalu.
Robotika
Insinyur dari West Virginia University sedang mengembangkan robot untuk melindungi pekerja dari bahaya di tempat kerja. Robot mendeteksi risiko yang ditemukan di permukaan lantai di tempat WRT. Selain memberikan kesadaran situasional, robot akan memberikan peta walkability dan terus memantau risikonya. Tidak seperti sistem penglihatan komputer lain yang menggunakan kamera CCTV yang ada di pabrik, robot akan dilengkapi dengan kamera bawaan untuk mengurangi penipuan dari tampilan permukaan. Robot juga akan mengemudi di permukaan untuk menilai risiko terpeleset dengan lebih baik.
Pengembangan robot berfokus pada tiga faktor utama:
- Identifikasi dan evaluasi risiko holistik yang melibatkan pengoperasian robot di ruang kerja.
- Penggunaan robot dalam aspek lain, seperti panduan belanja.
- Pengaruh peta walkability dan robot pada risiko cedera karyawan.
Sumber: https://www.forbes.com/sites/dennismitzner/2022/12/08/how-new-innovations-are-helping-prevent-retail-injuries/