چگونه نوآوری های جدید به جلوگیری از آسیب های خرده فروشی کمک می کنند

به گفته وزارت کار ایالات متحده، آسیب های محل کار هزینه سالانه 161.5 میلیارد دلار تخمین زده می شود. در تجارت عمده و خرده (WRT) موسسات، صدمات روز کاری از دست رفته عمدتاً در اثر لغزش، سقوط و سقوط ایجاد می شود. یک مطالعه در ایالات متحده در سال 2020 نشان داد که سقوط 33 درصد از صدمات غیرکشنده را به خود اختصاص داده است، که آن را به بالاترین علت قابل پیشگیری تبدیل می کند صدمات غیر کشنده محل کار. علاوه بر این، زمین خوردن با 21 درصد سومین علت صدمات کشنده قابل پیشگیری در محل کار بود.

طبق گزارش موسسه ملی ایمنی و بهداشت شغلی (نیوشعواملی که می تواند منجر به آسیب های محل کار شود عبارتند از:

• عوامل محل کار - سطح لغزنده، شل بودن پوشش کف، مانع دید توسط جعبه ها یا ظروف، نور ضعیف، عدم نگهداری سطوح پیاده روی.
• عوامل سازماندهی کار - سرعت کار بالا که ممکن است باعث عجله کارگران شود، کارهایی که شامل کار با مواد چرب یا مایع است که ممکن است سطوح را لغزنده کند.
• عوامل فردی - سن، خستگی کارگر و بینایی ضعیف ممکن است بینایی و تعادل را تحت تاثیر قرار دهد و کفش نامناسب می تواند باعث زمین خوردن یا لیز خوردن شود.

با این حال، اکثر مؤسسات WRT در حصول اطمینان از رعایت همه پروتکل‌های ایمنی و بهداشتی هم توسط کارکنان و هم توسط مشتریان مشکل دارند. این مشکل در یک محیط با تراکم بالا با ترافیک سنگین انسان افزایش می یابد. مدیران در حال اتخاذ روش های نوآورانه برای تکمیل راه حل های سنتی در فروشگاه های WRT هستند.

هوش مصنوعی (AI)، اینترنت اشیا (IoT) و یادگیری ماشین (ML) برای شناسایی، تجزیه و تحلیل، هشدار و جلوگیری از خطرات در محل کار ترکیب شده‌اند. ایمنی محل کار با استفاده از پاسخ های زمان واقعی به طور قابل توجهی بهبود یافته است.

بینش کامپیوتری

بینایی کامپیوتر از ورودی های دیجیتال از تصاویر و ویدئوها برای استخراج اطلاعات معنی دار برای کامپیوتر استفاده می کند. سپس کامپیوتر اطلاعات را برای تشخیص نقص تجزیه و تحلیل می کند.

تغییر را ببینید (ارائه دهنده هوش مصنوعی) و شرکت Keymakr شرکت (ارائه‌دهنده خدمات حاشیه‌نویسی داده‌ها) با استفاده از دوربین‌های مداربسته موجود در این کشور برای استفاده از هوش مصنوعی در جلوگیری از لغزش، سقوط و سقوط شریک شد. آیسدا (سوپرمارکت های زنجیره ای در انگلستان) فروشگاه ها. پلت فرم SaaS Keymakr به SeeChange قدرت می دهد SpillDetect ابزاری برای تشخیص نشت مایعات به صورت خودکار. سپس سیستم اطلاعیه هایی را در مورد محل خطر برای کارکنان ارسال می کند.

به گفته مایکل آبراموف، مدیر عامل Keylabs، پلتفرم Saas Keymakr، «هوش مصنوعی می‌تواند برای شناسایی تصادفات به محض وقوع آنها استفاده شود و سیستم‌های پرداخت هوشمند مبتنی بر هوش مصنوعی می‌توانند عامل خطای انسانی را حذف کنند. پیاده سازی هوش مصنوعی می تواند خریداران و صاحبان مشاغل را از چنین خطراتی نجات دهد.

آبراموف می گوید که هوش مصنوعی از خستگی رنج نمی برد و می تواند بی وقفه نظارت کند.

"موقعیت محصولات در قفسه ها (و هشدار از موقعیت خطرناک) وضعیت طبقات (و گزارش هر گونه حادثه (محصولات ریخته شده، محصولاتی که از قفسه ها افتاده اند)). این همه چیز نیست زیرا سیستم‌های نظارتی هوش مصنوعی می‌توانند کل فروشگاه را تحت نظر داشته باشند و بینشی در مورد رفتارهای مشتری ارائه دهند و از سرقت جلوگیری کنند.

reLEYEble راه حل ها خدمات بینایی کامپیوتری را ارائه می دهند و با دوربین های موجود ادغام می شوند تا مناطقی را با بیشترین ترافیک در فروشگاه شناسایی کنند و دسترسی به محل را نظارت کنند. این ویژگی به کاهش آسیب های ناشی از ازدحام بیش از حد و محدودیت دسترسی و خروجی به ساختمان در مواقع اضطراری کمک می کند.

سیستم های تشخیص حریق به طور سنتی زمان پاسخ 3-5 دقیقه پس از تشخیص آتش سوزی دارند. این زمان ممکن است بسیار مهم باشد، به ویژه برای آتش سوزی های بزرگ و سریع، که زمان واکنش اطفای حریق را کاهش می دهد. بینایی کامپیوتری می تواند آتش را از فاصله 50 متری تشخیص دهد و در عرض 10 تا 15 ثانیه هشدار دهد. هنگامی که به یک سیستم PA متصل می‌شود، سیستم می‌تواند فوراً اعلام کند که مکان دقیق آتش‌سوزی و بهترین مسیر خروج را ارائه می‌کند.

سنسورهای ارگونومیک

صدمات ناشی از دست زدن به کارها از طریق آموزش ارگونومیک کارگران کاهش می یابد. حرکت بهینه به کارگر فرستاده می شود تا خود را اصلاح کند و راه را برای تغییر رفتار هموار کند.

یکی از شرکت هایی که این راه حل را ارائه می دهد Soter Analytics. دستگاه‌های سوتر که روی شانه، هدست، کلاه ایمنی و/یا پشت استفاده می‌شوند، خطر آسیب را در زمان واقعی کنترل می‌کنند. این ابزارها با یک برنامه تلفن همراه جفت می شوند تا مربیگری مناسب را برای یک کارگر خاص برای یک کار خاص ارائه دهند. مطالعات نشان داده است که حرکت خطرناک 30-70٪ کاهش می یابد. مدیران همچنین به داده های دستگاه های سوتر در زمان واقعی دسترسی دارند. سپس مدیران می توانند از داده ها برای موارد زیر استفاده کنند:

• خطرات را شناسایی کنید.
• ریسک خطر را بر اساس وظیفه، بخش یا فرد فیلتر کنید.
• حوزه های اولویت دار که نیاز به تمرکز بیشتری دارند را شناسایی کنید.

به گفته کوکاکولاKO
Amatil Limited (CCA)، آنها پس از استفاده از Soter's خطر حمل دستی را تقریباً 35٪ کاهش دادند. SoterCoach و راهکارهای Clip&Go به مدت شش ماه. آقای شاون راش از عقاب غول پیکر بیان کرد که خطر حرکت خطرناک برای اعضای تیمی که در این فرآیند شرکت کردند تقریباً 50٪ کاهش یافت.

داده های پیش بینی و تجزیه و تحلیل

تجزیه و تحلیل پیش بینی کننده از داده های مختلف به دست آمده از سازمان استفاده می کند و آن داده ها را برای پیش بینی سناریوهای بالقوه تجزیه و تحلیل می کند. داده‌های جمع‌آوری‌شده و مورد استفاده در تحلیل‌ها شامل علل ریشه‌ای و شکایات و پیشنهادات است.

راه حل های دیجیتال HGS سناریوهای what-if را جمع آوری، تجزیه و تحلیل و اجرا می کند تا دلایل آسیب را مشخص کند و اقدامات اصلاحی را برای کاهش مشکل ارائه دهد. پس از وارد کردن داده ها به برنامه، ابزار بدون برنامه ریزی اطلاعات را تجزیه و تحلیل می کند.

نرم افزار مدیریت پرونده

i-Sight یک نرم افزار مدیریت کیس مشابه HGS Digital Solution است. برخلاف HGS، I-Sight فقط گزارش‌های جامع را جمع‌آوری، پیگیری و ارائه می‌کند و شما باید از این اطلاعات برای جلوگیری از آسیب‌های محیط کار استفاده کنید. I- sight حوادثی مانند:

• حوادث
• صدمات
• سقوط می کند
• تلفات
• تقریبا رد می شود
• مواجهه های خطرناک

مدیران می‌توانند از داشبورد i-Sight برای نظارت بر گزارش‌های حوادث و روندهای احتمالی برای شناسایی مناطق پرخطر یا کارمندانی که نیاز به توجه فوری دارند، استفاده کنند.

چرخ دستی های خود ترمز شونده

وسایل نقلیه خودمختار (AV) معمولاً با خودروها مرتبط هستند. به گفته آنتونی آیرسون از فورد اروپا، چرخ دستی های سوپر مارکت نیز می توانند از این فناوری استفاده کنند.

این چرخ دستی با کمک پیش از برخورد به مشتریان کمک می کند تا از تصادف جلوگیری کنند یا اثر برخورد را کاهش دهند. حسگرهای موجود در واگن برقی افراد و اشیاء پیش رو در مسیر آن را تشخیص می دهند. چرخ دستی ترمز خودکار هنگامی که برخورد احتمالی را تشخیص دهد به طور خودکار ترمز می گیرد.

اگرچه این چرخ دستی هنوز یک نمونه اولیه در فروشگاه فورد است، اما استفاده از آن باعث می‌شود چرخ دستی‌های فراری به گذشته تبدیل شود و تصادفات را کاهش دهد.

رباتیک

مهندسان از دانشگاه ویرجینیای غربی در حال توسعه ربات هایی برای محافظت از کارگران در برابر خطرات محل کار هستند. ربات ها خطرات موجود در سطوح کف در موسسات WRT را تشخیص می دهند. ربات‌ها علاوه بر آگاهی از موقعیت، نقشه‌های پیاده‌روی را ارائه می‌کنند و به طور مستمر خطرات را رصد می‌کنند. برخلاف سایر سیستم‌های بینایی رایانه‌ای که از دوربین‌های مداربسته موجود در تاسیسات استفاده می‌کنند، ربات‌ها به دوربین‌های داخلی مجهز می‌شوند تا فریب ظاهر را کاهش دهند. ربات ها همچنین روی سطح حرکت می کنند تا خطر لغزش را بهتر ارزیابی کنند.

توسعه ربات ها بر سه عامل کلیدی تمرکز دارد:

• شناسایی و ارزیابی ریسک های کل نگر مربوط به عملکرد ربات ها در فضاهای کاری.
• استفاده از ربات ها در جنبه های دیگر مانند راهنمای خرید.
• تأثیر نقشه های راه رفتن و ربات ها بر خطر آسیب کارکنان