Cedera dan teknologi di tempat kerja: Memprediksi dan mencegah kecelakaan karyawan berikutnya

KREDIT GAMBAR:
Gambar kredit
iStock

Cedera dan teknologi di tempat kerja: Memprediksi dan mencegah kecelakaan karyawan berikutnya

Cedera dan teknologi di tempat kerja: Memprediksi dan mencegah kecelakaan karyawan berikutnya

Teks subjudul
Kecerdasan buatan dan perangkat yang dapat dikenakan bekerja sama untuk memberi perusahaan analitik yang mereka butuhkan untuk membantu meminimalkan cedera di tempat kerja.
    • Penulis:
    • nama penulis
      Pandangan ke Depan Qutumrun
    • November 23, 2022

    Ringkasan wawasan

    Analisis prediktif mengubah keselamatan di tempat kerja, dengan perusahaan mengadopsi teknologi untuk memprediksi dan mencegah kecelakaan, sehingga meningkatkan keselamatan dan efisiensi. Tren ini melibatkan penggunaan perangkat yang dapat dikenakan dan sensor untuk pengumpulan dan analisis data secara real-time, sehingga menghasilkan strategi keselamatan yang lebih tepat dan mengurangi risiko cedera. Pergeseran menuju langkah-langkah keselamatan berbasis teknologi mengubah cara perusahaan mendekati kesejahteraan karyawan dan proses operasional.

    Konteks cedera di tempat kerja AI

    Ketika kecelakaan kerja menimbulkan kerugian finansial dan reputasi yang signifikan pada sektor industri dan manufaktur, perusahaan semakin memanfaatkan analisis prediktif. Pendekatan ini membantu dalam mengidentifikasi potensi risiko, meningkatkan langkah-langkah keselamatan, dan memprediksi insiden di masa depan. Perusahaan konsultan Deloitte melaporkan bahwa pada tahun 2022, cedera di tempat kerja menyebabkan kerugian bagi perusahaan di Kanada sekitar USD $20 miliar setiap tahunnya. Dalam perekonomian AS, biaya yang terkait dengan kompensasi karyawan dan cuti kerja berjumlah sekitar USD $2 miliar per minggu. Selain dampak finansial, cedera di tempat kerja juga menyebabkan hilangnya bakat dan rusaknya reputasi perusahaan.

    Kebutuhan untuk mengatasi masalah ini telah menyebabkan dunia usaha beralih ke analisis data sebagai solusinya. Perusahaan kini secara aktif mengumpulkan dan menganalisis laporan insiden untuk menentukan area yang menjadi perhatian dan memprediksi kejadian di masa depan. Proses ini melibatkan penggunaan perangkat yang dapat dikenakan dan sensor untuk mengumpulkan data secara real time, yang kemudian dipusatkan dalam database. Basis data ini memungkinkan manajemen di berbagai tingkatan untuk memahami tren insiden, menginformasikan pengembangan langkah-langkah keselamatan yang lebih baik, dan mengidentifikasi zona-zona yang berpotensi berisiko tinggi.

    Penerapan analisis prediktif dalam keselamatan tempat kerja mewakili pergeseran menuju manajemen risiko proaktif. Dengan memanfaatkan wawasan berbasis data, bisnis tidak hanya dapat mengurangi frekuensi dan tingkat keparahan kecelakaan kerja namun juga mengoptimalkan proses operasional mereka. Hasilnya, perusahaan tidak hanya melindungi tenaga kerjanya namun juga meningkatkan produktivitas dan reputasi mereka secara keseluruhan. 

    Dampak yang mengganggu

    Penyesuaian pengumpulan data berdasarkan peran tertentu dan faktor spesifik lokasi memungkinkan pendekatan yang lebih tepat sasaran dalam mengelola risiko. Misalnya saja pada tahun 2019, NIPO Corporation, sebuah perusahaan konstruksi di Jepang, membekali pekerjanya dengan tombol SOS. Perangkat ini memungkinkan pekerja untuk segera memperingatkan orang lain jika terjadi cedera atau penyakit, sehingga memfasilitasi respons cepat dan berpotensi mengurangi tingkat keparahan insiden.

    Kemajuan dalam teknologi wearable semakin meningkatkan efektivitas analisis prediktif di tempat kerja. Pada tahun 2020, Soter Analytics, sebuah perusahaan teknologi ergonomis, mengembangkan SoterSpine, perangkat yang dapat dikenakan yang melacak gerakan otot dan memberikan umpan balik real-time mengenai postur tubuh. Teknologi semacam ini membantu pekerja melakukan penyesuaian segera terhadap aktivitas mereka, sehingga mengurangi risiko cedera jangka panjang. 

    Manfaat ekonomi dari analisis prediktif dalam keselamatan di tempat kerja sangatlah signifikan. Pada tahun 2022, sebuah perusahaan listrik melaporkan pengurangan biaya kompensasi hingga 66 persen selama dua tahun, berkat penerapan analisis prediktif. Tren ini diharapkan dapat mendorong lebih banyak perusahaan untuk mengadopsi teknologi serupa, sehingga mengarah pada praktik industri yang lebih aman dan efisien.

    Implikasi penerapan analitik tingkat lanjut terhadap kesehatan dan keselamatan

    Implikasi yang lebih luas untuk menerapkan analitik tingkat lanjut pada kesehatan dan keselamatan tempat kerja dapat mencakup:

    • Karyawan diharuskan memakai gadget seperti jam tangan pintar dan perangkat yang dapat dikenakan lainnya untuk memantau pergerakan, memperingatkan kemungkinan kecelakaan, dan mengatasi kebiasaan tempat kerja yang bermasalah. 
    • Analitik prediktif digunakan untuk memperkirakan kecelakaan fisik dan untuk mengimplementasikan inisiatif kesehatan mental seperti mengantisipasi musim, kuartal, atau proyek yang memicu kecemasan.
    • Produsen wearable perawatan kesehatan menggunakan analitik prediktif untuk menawarkan gadget yang lebih canggih, seperti kursi yang dapat disesuaikan berdasarkan data karyawan waktu nyata. 
    • Penyedia asuransi mempromosikan sensor yang dapat dikenakan untuk pelacakan informasi pekerja. 
    • Meningkatkan peluang bisnis bagi produsen perangkat wearable untuk mengembangkan perangkat pelacakan karyawan waktu nyata.
    • Pengembangan aplikasi keselamatan spesifik industri menggunakan analisis prediktif, yang mengarah pada penurunan kecelakaan kerja di sektor berisiko tinggi.
    • Integrasi realitas virtual (VR) dalam program pelatihan keselamatan, meningkatkan kesiapsiagaan dan keterampilan respons di dunia nyata di lingkungan kerja yang berbahaya.

    Pertanyaan untuk dipertimbangkan

    • Bagaimana perangkat prediktif dapat mengganggu pergerakan sehari-hari karyawan?
    • Apa manfaat lain dari bisa mengantisipasi di mana dan kapan kecelakaan bisa terjadi?

    Referensi wawasan

    Tautan populer dan institusional berikut dirujuk untuk wawasan ini: