Ứng dụng dữ liệu lớn trong công tác an toàn, vệ sinh lao động
Luật Dữ liệu số 60/2024/QH15 được Quốc hội thông qua ngày 30/11/2024, sẽ có hiệu lực thi hành từ ngày 01/07/2025 đã thể hiện rõ tầm quan trong của dữ liệu trong giai đoạn hiện nay. Trong lĩnh vực an toàn, vệ sinh lao động, dữ liệu lớn và phân tích cho thấy triển vọng trong việc dự đoán và phòng ngừa thương tích nơi làm việc, cho phép tổ chức đưa ra các quyết định “dựa trên dữ liệu” để điều chỉnh quy trình, cải tiến thủ tục và cuối cùng là đạt được nơi làm việc an toàn và lành mạnh hơn.
Theo Luật Dữ liệu số 60/2024/QH15 định nghĩa: Dữ liệu số: là dữ liệu về sự vật, hiện tượng, sự kiện, bao gồm một hoặc kết hợp các dạng âm thanh, hình ảnh, chữ số, chữ viết, ký hiệu được thể hiện dưới dạng kỹ thuật số; Cơ sở dữ liệu là tập hợp các dữ liệu được sắp xếp, tổ chức để truy cập, khai thác, chia sẻ, quản lý và cập nhật.
Theo wikipedia: “Dữ liệu lớn (Big data) là một thuật ngữ chỉ tập hợp dữ liệu có kích thước rất lớn, đa dạng hoặc phức tạp mà các phương pháp truyền thống không đủ để xử lý có hiệu quả dữ liệu này”.
Dữ liệu lớn đề cập đến các tập hợp dữ liệu có cấu trúc, không có cấu trúc và bán cấu trúc cực kỳ lớn và đa dạng, liên tục tăng theo cấp số nhân theo thời gian. Các tập dữ liệu này rất lớn và phức tạp về khối lượng, tốc độ và tính đa dạng, đến mức các hệ thống quản lý dữ liệu truyền thống không thể lưu trữ, xử lý và phân tích chúng.
Dữ liệu lớn có ảnh hưởng quan trọng đến quản lý an toàn trong nhiều lĩnh vực, nơi ứng dụng của nó đang trở nên phổ biến hơn. Việc tích hợp dữ liệu lớn vào công tác an toàn, vệ sinh lao động (ATVSLĐ) đã cách mạng hóa an toàn tại nơi làm việc bằng cách cho phép phân tích dự đoán, phát hiện mối nguy hiểm theo thời gian thực và đào tạo cá nhân hóa. Những tiến bộ này giúp các tổ chức chủ động giảm thiểu rủi ro và cải thiện ATVSLĐ cho người lao động. Dưới đây là một số ứng dụng chính của dữ liệu lớn trong ATVSLĐ:
Phân tích dự đoán để phòng ngừa rủi ro:
Trong môi trường làm việc năng động ngày nay, phân tích dự đoán đã trở thành một công cụ hiệu quả để dự đoán và giảm thiểu rủi ro tiềm ẩn trước khi chúng trở thành sự cố hoặc tai nạn. Bằng cách kết hợp các kỹ thuật thống kê, thuật toán học máy và dữ liệu lịch sử từ các nguồn khác nhau như hồ sơ tai nạn lao động, thông tin về môi trường làm việc, và dữ liệu giám sát từ các thiết bị IoT, hồ sơ sức khỏe…, phân tích dự đoán giúp tiếp cận ATVSLĐ một cách chủ động. Điều này không chỉ giúp xác định các mối nguy hiểm mới nổi mà còn cung cấp thông tin thực tế để cải thiện quá trình ra quyết định, tối ưu hóa hoạt động và nâng cao hiệu suất an toàn tổng thể.
Phân tích dự đoán vượt xa các biện pháp an toàn truyền thống vốn chủ yếu phản ứng sau khi sự cố xảy ra. Thay vào đó, nó tận dụng dữ liệu, công nghệ và công cụ phân tích để dự đoán rủi ro tiềm ẩn, từ đó triển khai các chiến lược phòng ngừa hiệu quả và tạo ra một môi trường làm việc an toàn hơn.
Một trong những ứng dụng quan trọng của phân tích dự đoán là phòng phòng ngừa tai nạn tại nơi làm việc. Bằng cách sử dụng dữ liệu lịch sử, các tổ chức có thể giám sát hiệu suất thiết bị, điều kiện môi trường và hành vi của người lao động theo thời gian thực, chẳng hạn như thói quen làm việc không an toàn, hỏng hóc thiết bị hoặc rủi ro môi trường. Ví dụ, các công ty sản xuất có thể sử dụng phân tích do AI điều khiển để theo dõi chuyển động của nhân viên và xác định các nhiệm vụ lặp đi lặp lại có thể dẫn đến rối loạn cơ xương. Từ đó, các công ty có thể điều chỉnh quy trình làm việc và áp dụng các giải pháp ecgônômi để ngăn ngừa thương tích trước khi chúng xảy ra. Cách tiếp cận chủ động này giúp xác định các điểm yếu và xử lý trước khi chúng trở thành các sự cố nghiêm trọng, từ đó giảm thiểu tai nạn và đảm bảo môi trường làm việc an toàn hơn.
Đồng thời, bằng cách nghiên cứu dữ liệu lịch sử về các yếu tố gây ra tai nạn, suýt xảy ra tai nạn và vi phạm an toàn, các mô hình học máy có thể xác định các tình huống có thể xảy ra tai nạn cao. Khả năng này cho phép các tổ chức phát triển các chương trình an toàn dựa trên dữ liệu, tối ưu hóa phân bổ nguồn lực và triển khai các biện pháp phòng ngừa nhằm giảm rủi ro, tạo ra một môi trường làm việc an toàn và bền vững hơn.
Phát hiện và giám sát mối nguy hiểm theo thời gian thực
Việc sử dụng các cảm biến Internet vạn vật (IoT) và thiết bị đeo được cho phép phát hiện mối nguy hiểm theo thời gian thực tại nơi làm việc. Các công nghệ này liên tục thu thập và phân tích dữ liệu môi trường như chất lượng không khí, mức độ tiếng ồn, nhiệt độ và mức độ tiếp xúc với các chất độc hại. Trong các ngành công nghiệp như dầu khí, sản xuất và chế biến hóa chất, sự hiện diện của các khí độc hại gây rủi ro đáng kể cho sự an toàn của người lao động. Hệ thống giám sát khí theo thời gian thực đóng vai trò quan trọng trong việc phát hiện và quản lý những rủi ro này. Các hệ thống này sử dụng các cảm biến IoT tiên tiến và phân tích dữ liệu để liên tục giám sát không khí nhằm phát hiện nồng độ khí độc hại và kịp thời đưa ra các biện pháp khắc phục, đảm bảo môi trường làm việc an toàn hơn.
Nhiều nghiên cứu đã chỉ ra rằng các tổ chức có thể sử dụng các thiết bị đeo được để theo dõi nhiều số liệu sức khỏe khác nhau của người lao động như nhịp tim, nhiệt độ cơ thể, mức độ hoạt động thể chất và thậm chí là mức độ căng thẳng. Trong môi trường làm việc nguy hiểm như xây dựng, khai thác mỏ và sản xuất, các thiết bị đeo chuyên dụng như mũ bảo hiểm thông minh được trang bị cảm biến có thể phát hiện tình trạng mệt mỏi của công nhân và đánh giá chấn thương đầu. Dữ liệu này có thể cung cấp thông tin để xây dựng các chính sách về an toàn lao động và chương trình chăm sóc sức khỏe tại nơi làm việc.
Nâng cao hiệu quả các chương trình đào tạo ATVSLĐ
Việc sử dụng dữ liệu trong đào tạo ATVSLĐ có thể cải thiện đáng kể hiệu quả của các khóa đào tạo. Bằng cách tận dụng phân tích dữ liệu lớn trong đào tạo ATVSLĐ, các tổ chức có thể xác định chính xác các lĩnh vực mà nhân viên cần được đào tạo chuyên sâu hơn, cá nhân hóa lộ trình học tập dựa trên hiệu suất của từng cá nhân, dự đoán các mối nguy tiềm ẩn và chủ động giải quyết các vấn đề an toàn. Điều này giúp nâng cao hiệu quả và tính phù hợp của các chương trình đào tạo ATVSLĐ bằng cách điều chỉnh nội dung theo các rủi ro cụ thể và nhu cầu của người lao động. Chẳng hạn, việc sử dụng dữ liệu về tai nạn và thương tích có thể giúp xác định các lĩnh vực rủi ro chính. Dữ liệu từ các thiết bị đeo được, camera giám sát AI có thể giúp phân tích tư thế làm việc không an toàn, tần suất thực hiện công việc nguy hiểm, từ đó phát triển các chương trình đào tạo phù hợp, tập trung vào các kỹ năng và kiến thức cần thiết để giảm nguy cơ thương tích tại nơi làm việc.
Dữ liệu lớn cũng có thể hỗ trợ các chương trình đào tạo mô phỏng thực tế ảo (VR) và thực tế tăng cường (AR), cho phép công nhân thực hành ứng phó khẩn cấp trong môi trường không có rủi ro. Ví dụ, công nhân trong ngành dầu khí có thể được đào tạo xử lý các tình huống nguy hiểm hoặc hoặc công nhân xây dựng có thể được huấn luyện cách ngã từ độ cao thông qua mô phỏng VR, khiến họ không phải đối mặt với các mối nguy hiểm thực sự.
Ngoài ra, phân tích dữ liệu về các hoạt động trong khóa đào tạo, dữ liệu về biểu cảm khuôn mặt và di chuyển của học viên cũng hỗ trợ giảng viên và cán bộ quản lý trong việc đánh giá chất lượng giảng dạy, huấn luyện, từ đó đưa ra những giải pháp điều chính phù hợp.
Hệ thống đào tạo, giám sát an toàn thông minh về ATVSLĐ tại Trung tâm An toàn lao động – Viện KH An toàn Vệ sinh lao động. Ảnh: P.Long
Tuân thủ quy định về ATVSLĐ, quản lý hồ sơ và báo cáo theo quy định
Tuân thủ an toàn là mối quan tâm quan trọng đối với các tổ chức trong mọi ngành. Không tuân thủ các quy định về an toàn có thể dẫn đến hậu quả nghiêm trọng, bao gồm hình phạt pháp lý, tổn thất tài chính và gây hại cho người lao động. Dữ liệu lớn đóng vai trò quan trọng trong việc tuân thủ quy định về ATVSLĐ bằng cách cho phép các tổ chức chủ động xác định các mối nguy tiềm ẩn, theo dõi hiệu suất an toàn theo thời gian thực, phân tích xu hướng để dự đoán rủi ro và cuối cùng là thực hiện các biện pháp phòng ngừa để đảm bảo tuân thủ các quy định về an toàn, giảm thiểu tai nạn và thương tích của người lao động. Ví dụ, các công cụ hỗ trợ bởi AI có thể tự động đánh dấu các hành vi vi phạm và đề xuất các hành động khắc phục. Điều này làm giảm nguy cơ bị phạt vì không tuân thủ và cải thiện an toàn chung tại nơi làm việc.
Ngoài ra, hệ thống dữ liệu lớn đơn giản hóa việc báo cáo sự cố bằng cách tự động ghi lại và tổng hợp thông tin về các sự cố tại nơi làm việc bằng AI và các hệ thống kỹ thuật số. Điều này giúp giảm thiểu lỗi do con người, cải thiện độ chính xác, đảm bảo mọi vi phạm về an toàn đều được ghi lại theo quy định.
Thách thức và hạn chế
Sử dụng dữ liệu lớn trong ATVSLĐ có thể mang đến những thách thức và hạn chế lớn. Thách thức đầu tiên đó là tính không đồng nhất của dữ liệu. Việc tích hợp dữ liệu từ nhiều nguồn khác nhau như báo cáo sự cố an toàn, hồ sơ y tế, quan trắc môi trường có thể khó khăn do sự không nhất quán về định dạng, thuật ngữ và phương pháp ghi chép. Chất lượng dữ liệu cũng là một thách thức không nhỏ. Dữ liệu không đầy đủ, không chính xác có thể ảnh hưởng đến độ tin cậy của phân tích, đòi hỏi các quy trình làm sạch và xác thực dữ liệu mạnh mẽ. Đồng thời, việc thu thập và phân tích dữ liệu liên quan đến người lao động làm dấy lên mối lo ngại về quyền riêng tư, đòi hỏi phải tuân thủ các quy định về bảo mật dữ liệu và minh bạch trong việc sử dụng dữ liệu.
Bên cạnh đó, việc triển khai và quản lý hệ thống dữ liệu lớn đòi hỏi kỹ năng chuyên sâu về khoa học dữ liệu, phân tích dữ liệu và chi phí cao. Việc diễn giải chính xác các mô hình dữ liệu phức tạp và chuyển đổi thông tin thành các biện pháp an toàn thực tế là một trách thức lớn, đòi hỏi sự hợp tác giữa các nhà phân tích dữ liệu và chuyên gia ATVSLĐ.
Việc áp dụng dữ liệu lớn trong ATVSLĐ đánh dấu một sự chuyển đổi đáng kể trong quản lý an toàn tại nơi làm việc. Bằng cách thu thập và phân tích dữ liệu theo thời gian thực, các tổ chức có thể chủ động xác định các mối nguy hiểm, dự đoán rủi ro tiềm ẩn, triển khai các biện pháp phòng ngừa và cung cấp đào tạo an toàn được cá nhân hóa để nâng cao sự an toàn và sức khỏe của người lao động. Tuy nhiên, việc ứng dụng dữ liệu lớn trong ATVSLĐ cũng gặp phải một số thách thức như quyền riêng tư dữ liệu, độ tin cậy của dữ liệu, thiếu chuẩn hóa và khó khăn trong triển khai. Bằng cách giải quyết các thách thức trên, các tổ chức có thể tận dụng dữ liệu lớn để cải thiện ATVSLĐ, giảm thiểu tai nạn và nâng cao hiệu suất làm việc.
Tài liệu tham khảo:
1. John S.A. Shiburah (2023), Data Analysis in Health and Safety, Truy cập: 05/03/2025 từ https://www.linkedin.com/pulse/digital-osh-series-4-real-time-monitoring-occupational-safety-health-sq2lc/.
2. Immad A Shah, SukhDev Mishra (2024), Artificial intelligence in advancing occupational health and safety: an encapsulation of developments, Journal of Occupational Health, Volume 66, Issue 1, January-December 2024, https://doi.org/10.1093/joccuh/uiad017
3. Mohamed El-Helaly (2024), Artificial Intelligence and Occupational Health and Safety, Benefits and Drawbacks, Med Lav. 2024 Apr 24;115(2):e2024014. doi: 10.23749/mdl.v115i2.15835
Viện KH An toàn và Vệ sinh lao động
