Nutzung von Daten zur Verbesserung des Arbeitsschutzes

Bewältigung von Herausforderungen im Bereich Arbeitsschutz mit erweiterten Analysen

Noch nie war die Fähigkeit, einen sicheren Arbeitsplatz in der Fertigung zu bieten und die Compliance effizient zu unterstützen, wichtiger als heute. Die Arbeitgeber von heute haben gelernt, dass es nicht nur wichtig ist, die alltägliche Sicherheit am Arbeitsplatz zu gewährleisten, sondern auch darauf vorbereitet zu sein, den Arbeitsschutz während schwerer Ereignisse wie Kriege, Naturkatastrophen und Pandemien zu wahren. Und obwohl Sicherheit in der Fertigungsumgebung schon immer von entscheidender Bedeutung war, gewinnt sie im Kontext der Fertigung 4.0 nun noch mehr an Bedeutung.

Aufgrund der zunehmenden Integration digitaler Technologien und Automatisierungssysteme sowie der Einführung fortschrittlicher Technologien wie Robotik, künstlicher Intelligenz und dem Internet of Things werden Mitarbeiter immer mehr mit automatisierten Systemen interagieren sowie miteinander verbundene Geräte, Sensoren und automatisierte Maschinen nutzen müssen. Die Einhaltung geeigneter Sicherheitsstandards und -protokolle für diese Technologien ist entscheidend, um die Mitarbeiter zu schützen und Vorfälle wie Geräteausfälle, elektrische Gefährdungen sowie unerwartete und ungeplante Interaktionen zwischen Mensch und Maschine zu vermeiden.

Neben dem Potenzial, die Lebensqualität eines Mitarbeiters zu beeinträchtigen, sind solche Vorfälle zudem auch noch kostspielig. Die direkten Kosten, einschließlich der Arbeitnehmerentschädigung sowie medizinischer und juristischer Leistungen, können einerseits beträchtlich sein, aber auch die indirekten Kosten eines solchen Vorfalls sollten nicht unterschätzt werden. Zu diesen gehören die Kosten für Umschulungen, Untersuchungen, Korrekturmaßnahmen, Produktivitätsverluste, Schäden an der Ausrüstung, Reputationsrisiken und Kosten im Zusammenhang mit einer geringeren Arbeitsmoral, Fehlzeiten und der Mitarbeiterbindung.

Beim Thema Arbeitsschutz verfolgen Hersteller eine Reihe von Schlüsselkennzahlen, wie z. B.

• die Gesamthäufigkeit der gemeldeten Verletzungen (die Anzahl der Verletzungen an einem Arbeitsplatz pro 100.000 Arbeitsstunden),
• die Anzahl der Vorfälle pro Monat,
• vorbeugende sicherheitsrelevante Vorfälle oder erforderliche Maßnahmen, die von den Mitarbeitern zu ergreifen sind,
• die durchschnittliche Zeit zur Lösung von Vorfällen,
• die Arten der Vorfälle.

Viele Unternehmen tun sich jedoch schwer, rechtzeitig über Vorfälle im Bereich Arbeitsschutz benachrichtigt zu werden, geschweige denn, ihre Daten zu nutzen, um potenzielle Risiken in ihren Produktionsumgebungen zu modellieren und vorausschauend zu erkennen. Es ist dennoch unerlässlich, diese Fähigkeiten zu erwerben – und die richtige Datenplattform kann dabei helfen. Durch den Einsatz von Daten und Analysen zur Ermittlung potenzieller Gefahren und zur Umsetzung von Präventivmaßnahmen können Unternehmen Risiken mindern, Unfälle und Zwischenfälle verhindern und die Wahrscheinlichkeit von Produktionsunterbrechungen, finanziellen Verlusten und Reputationsschäden verringern.

In diesem Anwendungsfall wird die Architektur der Datenanalyse beschrieben, die erforderlich ist, um Daten zu erfassen, zu speichern, zu verwalten und aus ihnen Erkenntnisse zu gewinnen sowie um den Arbeitsschutz im Fertigungssektor zu verbessern.

Eine umfassende Datenplattform kann Ihnen helfen, die Sicherheit am Arbeitsplatz zu erhöhen

Die hier dargestellte Architektur umfasst die am häufigsten empfohlenen Oracle Komponenten, mit denen eine Analysearchitektur erstellt wird, die den gesamten Lebenszyklus von Datenanalysen abdeckt – von der Erkennung bis zur Messung und Maßnahme. Die Hersteller unterscheiden sich zwar hinsichtlich ihrer Art und Komplexität, aber im Allgemeinen kommen die hier beschriebenen Dienste beim Aufbau von Datenanalyse-Architekturen ins Spiel, die sich auf die breite Auswahl der Faktoren zur Förderung des Arbeitschutzes konzentrieren.

Diese Abbildung zeigt, wie Oracle Data Platform für die Fertigung zur Unterstützung des Arbeitsschutzes verwendet werden kann. Die Plattform umfasst die folgenden fünf Pillar:

1. 1. Datenquellen, erkennen
2. 2. Aufnehmen, transformieren
3. 3. Ausharren, kuratieren, schaffen
4. 4. Analysieren, lernen, prognostizieren
5. 5. Messen, handeln

Der Pillar „Datenquellen, Entdeckung“ umfasst zwei Datenkategorien.

1. Die Geschäftsdaten umfassen Daten aus HCM, Umwelt-, Gesundheits- und Sicherheitssystemen (EHS), HR & Schulungssystemen, Produktionsprozessen, Systemen zur Meldung von Zwischenfällen und Sicherheitssystemen.
2. Zu den technischen Eingabedaten gehören Bilder, E-Mails, Videos, Papierdokumente (OCR), diskrete Ereignisse (Notausschaltung der Produktionslinie).

Der Pillar „Aufnehmen, transformieren“ umfasst drei Funktionen.

1. 1. Die Batch-Ingestion verwendet OCI Data Integration, Oracle Data Integrator und DB-Tools.
2. 2. Die Massenübertragung verwendet OCI FastConnect, OCI Data Transfer, MFT und OCI CLI.
3. 3. Die Datenänderungserfassung verwendet OCI GoldenGate.

Alle drei Funktionen verbinden sich unidirektional mit dem zugrunde liegenden Datenspeicher und dem Cloud-Speicher innerhalb des Pillars „Beibehalten, kurieren, erstellen“.

Der Pillar „Beibehalten, kurieren, erstellen“ umfasst fünf Funktionen.

1. 1. Der zugrunde liegende Datenspeicher verwendet Oracle Autonomous Data Warehouse und Exadata Cloud Service.
2. 2. Der Cloud-Speicher verwendet OCI Object Storage.
3. 3. Governance verwendet OCI Data Catalog.

Diese Funktionen sind innerhalb des Pillars miteinander verbunden. Der Cloud-Speicher ist unidirektional mit dem bereitstellenden Datenspeicher und dem verwalteten Hadoop und außerdem bidirektional mit der Batchverarbeitung verbunden.

Eine Funktion ist mit dem Pillar „Analysieren, lernen, prognostizieren“ verbunden. Der bereitstellende Datenspeicher ist sowohl mit der Analyse- und Visualisierungsfunktion als auch mit den Datenprodukten und API-Funktionen verbunden.

Der Pillar „Analysieren, lernen, prognostizieren“ umfasst zwei Funktionen.

1. 1. Analysen und Visualisierungen verwenden Oracle Analytics Cloud, GraphStudio und ISVs.
2. 2. Datenprodukte, APIs verwenden OCI API Gateway und OCI Functions.

Der Pillar „Messen, handeln“ erfasst, wie die Datenanalyse verwendet werden kann: von Mitarbeitern und Partnern sowie von Anwendungen und Modellen.

„Mitarbeiter und Partner“ umfasst historische Daten, Heatmaps für Vorfallsberichte, Beinahe-Vorfälle, Compliance-Berichte, Ursachenanalysen, Risikoidentifizierung und -bewertung.

„Anwendungen und Modelle“ ist eigenständig und implementierungsspezifisch.

Die drei zentralen Pillar – Aufnehmen, transformieren; Ausharren, kuratieren, schaffen; und Analysieren, lernen, prognostizieren – werden durch Infrastruktur, Netzwerk, Sicherheit und IAM unterstützt.

Daten verbinden, aufnehmen und transformieren

Unsere Lösung besteht aus drei Pillar, die jeweils spezifische Datenplattformfunktionen unterstützen. Der erste Pillar bietet die Möglichkeit, Daten zu verbinden, aufzunehmen und zu transformieren.

Es gibt im Wesentlichen drei Möglichkeiten, um Daten in eine Architektur einzuspeisen, die es Fertigungsunternehmen ermöglicht, den Arbeitsschutz zu verbessern.

• Um unseren Prozess zu starten, werden wir, falls erforderlich, die Massenübertragung von betrieblichen Transaktionsdaten aktivieren. Bulk-Transfer-Services werden in Situationen verwendet, in denen große Datenmengen zum ersten Mal in die Oracle Cloud Infrastructure (OCI) verschoben werden müssen, z. B. Daten aus vorhandenen On-Premises-Analyse-Repositorys oder anderen Cloud-Quellen . Im Allgemeinen sind die Datensätze zum Thema Arbeitsschutz nicht sehr umfangreich. Die Massenübertragung wird hier als potenzielle Komponente für den seltenen Fall aufgeführt, dass umfangreiche historische Daten On-Premises gespeichert sind und in die Cloud verschoben werden müssen oder wenn diese Daten mit einem größeren historischen On-Premises-Data Warehouse zusammengeführt werden, das auf OCI verschoben wird. Welcher Massenübertragungsdienst verwendet wird, hängt vom Speicherort der Daten und der Häufigkeit der Übertragung ab. Mit OCI Data Transfer Service oder OCI Data Transfer Appliance können wir beispielsweise ein großes Volumen an On-Premises-Daten aus historischen Planungs- oder Data Warehouse-Repositorys laden. Wenn große Datenmengen kontinuierlich verschoben werden müssen, empfehlen wir die Verwendung von OCI FastConnect, das eine dedizierte private Netzwerkverbindung mit hoher Bandbreite zwischen dem Data Center eines Kunden und OCI bietet.
• Datenquellen, die zur Messung und Berichterstattung über den Arbeitsschutz verwendet werden, haben in der Regel einen zugrunde liegenden relationalen Datenspeicher. OCI GoldenGate kann verwendet werden, um Daten aus Meldesystemen für Zwischenfälle nahezu in Echtzeit zu erfassen. OCI GoldenGate nutzt die Erfassung von Änderungsdaten, um Änderungsereignisse in der zugrunde liegenden Struktur der Systeme zu erkennen, die die Produktionsumgebung überwachen (z. B. Temperatur, Lärm, Notabschaltung der Produktionslinie, Wartungsarbeiten usw.), und sendet die Daten in Echtzeit an einen Persistenz-Layer und/oder den Streaming-Layer. In diesem Anwendungsfall werden die Daten jedoch im Allgemeinen durch Batch-ETL-Prozesse verschoben.
• Auch wenn sich die Streaming- und Echtzeitanforderungen rasant weiterentwickeln, ist der häufigste Extract aus Betriebs-, Planungs-, Wartungs-, Personalverwaltungs-, HR-, Schulungs- und Sicherheitsmanagementsystemen eine Art Batch-Ingestion mithilfe eines ETL-Prozesses. Die Batch-Ingestion wird verwendet, um Daten aus Systemen zu importieren, die kein Daten-Streaming unterstützen. Diese Daten befinden sich in der Regel in den Systemen für Umwelt- und Arbeitsschutz, in den Personal- und Schulungssystemen sowie in den Systemen zur Meldung von Zwischenfällen. Diese Extracts können häufig aufgenommen werden, so oft wie alle 10 oder 15 Minuten. Sie sind jedoch immer noch in Batch-Form, da Transaktionsgruppen extrahiert und verarbeitet werden und nicht einzelne Transaktionen. OCI bietet verschiedene Services für die Batch-Ingestion, wie z. B. den nativen OCI Data Integration-Service und Oracle Data Integrator, die auf einer OCI Compute-Instanz ausgeführt werden. Die Wahl des Services würde in erster Linie eher auf Kundenpräferenzen als auf technischen Anforderungen basieren.

Daten beibehalten, verarbeiten und kuratieren

Die Datenpersistenz und -verarbeitung basiert auf zwei (optional drei) Komponenten. Einige Kunden werden alle verwenden, und andere wiederum nur einen Teil. Je nach Volumes und Datentypen können Daten in den Objektspeicher oder direkt in eine strukturierte relationale Datenbank zur dauerhaften Speicherung geladen werden. Wenn wir die Anwendung von Data Science-Funktionen erwarten, werden Daten, die aus Datenquellen in ihrer Rohform (als unverarbeitete native Datei oder Extrakt) abgerufen werden, in der Regel erfasst und von Transaktionssystemen in den Cloud-Speicher geladen.

• Der Cloud-Speicher ist die häufigste Datenpersistenzschicht für unsere Datenplattform. Er kann sowohl für strukturierte als auch für unstrukturierte Daten verwendet werden. OCI Object Storage, OCI Data Flow und Oracle Autonomous Data Warehouse sind (ADW) die grundlegenden Bausteine. Aus Datenquellen im Rohformat abgerufene Daten werden erfasst und in den OCI Object Storage geladen. OCI Object Storage ist die primäre Datenpersistenzebene.
• Wir verwenden jetzt einen zugrunde liegenden Datenspeicher, um unsere kuratierten Daten in einer für die Abfrageleistung und Analysen optimierten Form zu speichern. Wir können direkt von Oracle Autonomous Data Warehouse auf unsere im Objektspeicher gespeicherten Rohdaten zugreifen, indem wir eine externe Tabelle erstellen, die den in OCI Object Storage gespeicherten Datendateien zugeordnet ist. Eine externe Tabelle bietet eine virtuelle Sicht auf die Daten im Objektspeicher, ohne dass wir die Daten physisch auf Autonomous Data Warehouse verschieben oder laden müssen. Daten, die als wertvoll für weitere Analysen identifiziert wurden, können nun in den zugrunde liegenden Datenspeicher geladen werden, der eine persistente relationale Ebene darstellt, die dazu dient, hochwertige kuratierte Daten über SQL-basierte Tools direkt an die Endnutzer zu liefern. Bei dieser Lösung wird Autonomous Data Warehouse als zugrunde liegender Datenspeicher für das Enterprise Data Warehouse und, falls erforderlich, für spezialisierte Data Marts auf Domänenebene eingesetzt.
• Außerdem kann ADW die Datenquelle für Data Science-Projekte oder das für Oracle Machine Learning erforderliche Repository sein. Der zugrunde liegende Datenspeicher kann alternativ eine von mehreren Gestalten annehmen, einschließlich Oracle Database Cloud Service oder Oracle Database Exadata Cloud Service.

Daten analysieren; lernen und vorhersagen

Die Fähigkeit, zu analysieren, zu lernen und Vorhersagen zu treffen, wird durch zwei Dienste erleichtert, die drei Analyseansätze und den Zugriff auf die modellierten Daten ermöglichen.

• Erweiterte Analysefunktionen werden immer wichtiger, um eine sichere Produktionsumgebung zu gewährleisten und den Produktionsprozess zu optimieren. In diesem Anwendungsfall verlassen wir uns für die Bereitstellung von Analysen und Visualisierungen auf Oracle Analytics Cloud. So können Sie deskriptive Analysen (Beschreibung aktueller Trends mit Histogrammen und Diagrammen), prädiktive Analysen (Vorhersage zukünftiger Ereignisse, Ermittlung von Trends und Bestimmung der Wahrscheinlichkeit ungewisser Ergebnisse) und präskriptive Analysen (Vorschläge für geeignete Maßnahmen zur Unterstützung einer optimalen Entscheidungsfindung) nutzen.

  • Deskriptive Analysen können Herstellern helfen, potenzielle Risiken und Gefahren zu erkennen, indem sie historische Daten, Berichte über Vorfälle und Beinahe-Vorfälle analysieren. Durch die Erkennung von Mustern und Trends können Analysen Bereiche hervorheben, die Aufmerksamkeit erfordern, und Ihnen helfen, Prioritäten bei der Risikominderung zu setzen. Darüber hinaus können Analysen eine kontinuierliche Verbesserung des Arbeitsschutzes ermöglichen. Durch die längerfristige Analyse von Leistungskennzahlen und Sicherheitsdaten können Hersteller verbesserungswürdige Bereiche identifizieren, Benchmarks festlegen und die Fortschritte bei der Erreichung der Sicherheitsziele verfolgen.

    Wenn es zu Unfällen oder Zwischenfällen kommt, kann die deskriptive Analyse dazu beitragen, die Ursachen und zugrunde liegenden Faktoren zu untersuchen. Durch die Analyse von Vorfallsberichten, Zeugenaussagen und anderen relevanten Daten lassen sich Muster und Trends erkennen, die Ihnen helfen, gezielte Maßnahmen zu ergreifen, um ähnliche Vorfälle in Zukunft zu verhindern.

  • Vorhersageanalysen nutzen Sicherheitsdaten, um Muster, Trends und potenzielle Risiken zu erkennen, damit Hersteller ihre Sicherheitsmaßnahmen verbessern sowie Unfälle und Zwischenfälle vermeiden können. Durch die Analyse historischer Sicherheitsdaten können Prognosemodelle langfristige Trends und Muster erkennen – z. B. steigende Unfallraten, neu auftretende Sicherheitsrisiken oder Bereiche, in denen sich Sicherheitsmaßnahmen bewährt haben – und verschiedenen Aktivitäten, Prozessen oder Bedingungen Risikowerte zuweisen. Anhand dieser Werte können anschließend Ressourcen und Maßnahmen für Bereiche mit höherem Risiko priorisiert werden. Anomalien in den Sicherheitsdaten, wie z. B. ungewöhnliche Muster oder Ausreißer, können auf potenzielle Sicherheitsprobleme oder Abweichungen von den normalen Betriebsbedingungen hinweisen und ermöglichen eine frühzeitige Erkennung sowie sofortige Korrekturmaßnahmen.
  • Vorausschauende Analysen unterstützen die Aus- und Weiterbildungsbemühungen, indem sie Bereiche identifizieren, in denen zusätzlicher Schulungsbedarf besteht. Durch die Analyse sicherheitsrelevanter Daten – z. B. Beinahe-Zwischenfälle oder Abweichungen von Standardbetriebsverfahren – können Hersteller Lücken im Kenntnisstand der Mitarbeiter oder bei der Einhaltung von Sicherheitsprotokollen aufdecken und gezielte Schulungsmaßnahmen durchführen.
• Daten-Governance ist eine entscheidende Komponente. Dies wird von OCI Data Catalog ausgeführt, einem kostenlosen Service, der Data Governance und Metadatenverwaltung (sowohl für technische als auch geschäftliche Metadaten) für alle Datenquellen im Datenplattform-Ökosystem bereitstellt. OCI Data Catalog ist ebenso eine wichtige Komponente für Abfragen von Oracle Autonomous Data Warehouse an OCI Object Storage, da damit Daten unabhängig von der Speichermethode schnell lokalisiert werden können. Dadurch können Endbenutzer, Entwickler und Data Scientists eine gemeinsame Zugriffssprache (SQL) für alle persistenten Datenspeicher in der Architektur verwenden.
• Unsere kuratierten, getesteten und qualitativ hochwertigen Daten und Modelle können mit Governance-Regeln und -Richtlinien versehen sowie als Datenprodukt (API) über das OCI API Gateway innerhalb einer Data-Mesh-Architektur für die Verteilung von sicherheitsrelevanten Daten und Analysen im gesamten Fertigungsunternehmen bereitgestellt werden.

Die Vorteile der Nutzung von Daten zur Verbesserung des Arbeitsschutzes in der Fertigungsindustrie

Die Hersteller sind verpflichtet, der Gesundheit und dem Wohlbefinden ihrer Mitarbeiter Priorität einzuräumen. Ein sicheres Arbeitsumfeld ist nicht nur eine rechtliche und ethische Anforderung, sondern wirkt sich auch auf die Arbeitsmoral, die Arbeitszufriedenheit und das allgemeine Wohlbefinden der Mitarbeiter aus. Die Priorisierung des Arbeitsschutzes trägt zu einer positiven Arbeitskultur bei, fördert das Engagement der Mitarbeiter und verringert das Risiko von Arbeitsunfällen sowie Verletzungen. Die Gewährleistung eines gesunden und sicheren Arbeitsumfelds stellt jedoch in der Fertigungsindustrie eine besondere Herausforderung dar, und die Herausforderungen werden in den kommenden Jahren aufgrund der Industrie 4.0 wahrscheinlich noch stärker zunehmen.

In diesem dynamischen Umfeld müssen die Hersteller nicht nur sicherstellen, dass Arbeitsschutzsmaßnahmen vorhanden sind, sondern auch kontinuierlich Möglichkeiten zur Verbesserung dieser Maßnahmen ermitteln und Präventivmaßnahmen ergreifen, um Unfälle, Verletzungen und Berufskrankheiten zu vermeiden. Dazu benötigen sie robuste daten- und analysegestützte Gesundheits- und Sicherheitsprozesse, die von Technologien unterstützt werden und es ihnen ermöglichen,

• wichtige Veranstaltungsinformationen zu erfassen und zu verwalten sowie die gesamte Dokumentation und alle Fotos in einer einzigen Umgebung zu verwalten,
• Compliancedaten erfassen, um regulatorisches Reporting zu unterstützen
• Gefahrendaten zu verwalten, einschließlich Informationen zu Vorfällen, Beinahe-Vorfällen und unsicheren Bedingungen,
• die Grundursachen zu erkennen, den Vorfall zu untersuchen und sofort darauf zu reagieren,
• die Sicherheit mithilfe erweiterter Analysen zu verfolgen und zu analysieren, um den Fortschritt zu überwachen sowie Trends und Muster zu erkennen.

Letztlich tragen diese Maßnahmen dazu bei, die körperliche Gesundheit und Sicherheit der Arbeitnehmer zu schützen, die Wahrscheinlichkeit von Fehlzeiten und Krankheitskosten zu verringern und die Produktivität und betriebliche Kontinuität zu erhalten.