အမေရိကန် အလုပ်သမားဌာနရဲ့ အဆိုအရ လုပ်ငန်းခွင်မှာ ထိခိုက်ဒဏ်ရာရ၊ ပေးရ တစ်နှစ်လျှင် ဒေါ်လာ ၁၆၁.၅ ဘီလီယံခန့် ရှိသည်။ လက်လီလက်ကား ကုန်သွယ်မှုတွင် (WRT) လုပ်ငန်းခွင် ၊ အလုပ်ခွင် ဆုံးရှုံးရခြင်း သည် ချော်လဲခြင်း၊ ခရီးထွက်ခြင်း နှင့် ပြုတ်ကျခြင်းတို့ကြောင့် ဖြစ် သည်။ 2020 မှာ အမေရိကန်ပြည်ထောင်စုရဲ့ လေ့လာမှုတစ်ခုက တွေ့ရှိခဲ့ပါတယ်။ ရေတံခွန် မသေဆုံးနိုင်သောဒဏ်ရာများ၏ 33% သည် ကြိုတင်ကာကွယ်နိုင်သော အမြင့်ဆုံးအကြောင်းရင်းဖြစ်သည်။ လုပ်ငန်းခွင်အတွင်း မသေဆုံးနိုင်သော ဒဏ်ရာများ. ထို့အပြင် ပြုတ်ကျမှုသည် ၂၁ ရာခိုင်နှုန်းတွင် ကာကွယ်နိုင်သော လုပ်ငန်းခွင်အတွင်း ထိခိုက်သေဆုံးမှု၏ တတိယအများဆုံး အကြောင်းရင်းဖြစ်သည်။
လုပ်ငန်းခွင်ဘေးအန္တရာယ်ကင်းရှင်းရေးနှင့် ကျန်းမာရေးဆိုင်ရာ အမျိုးသားအင်စတီကျု၏ အဆိုအရNIOSH) လုပ်ငန်းခွင် ထိခိုက်ဒဏ်ရာရစေနိုင်တဲ့ အချက်တွေ ပါဝင်ပါတယ်။
- အလုပ်ခွင်အကြောင်းအချက်များ- ချော်နေသောမျက်နှာပြင်၊ ကြမ်းပြင်အဖုံးများ ချောင်နေခြင်း၊ သေတ္တာများ သို့မဟုတ် ကွန်တိန်နာများမှ အမြင်အာရုံများ ပိတ်ဆို့နေခြင်း၊ အလင်းရောင်အားနည်းခြင်း၊ လမ်းလျှောက်မျက်နှာပြင်များ ပြုပြင်ထိန်းသိမ်းမှု မရှိခြင်း။
- အလုပ်အဖွဲ့အစည်းအကြောင်းအချက်များ - အလုပ်သမားများကို အလျင်စလိုဖြစ်စေနိုင်သော အလုပ်များအရှိန်အဟုန်မြင့်မားခြင်း၊ မျက်နှာပြင်ချောစေသော ချောဆီဖြစ်စေသော အရည် သို့မဟုတ် အရည်များကို ကိုင်တွယ်ခြင်းဆိုင်ရာ အလုပ်များ။
- တစ်ဦးချင်းအချက်များ - အသက်အရွယ်၊ အလုပ်သမား ပင်ပန်းနွမ်းနယ်မှုနှင့် မျက်စိမှုန်ခြင်းတို့သည် အမြင်အာရုံနှင့် ဟန်ချက်ညီမှုကို ထိခိုက်စေနိုင်ပြီး မသင့်လျော်သောဖိနပ်များသည် ချော်လဲခြင်း သို့မဟုတ် ချော်လဲခြင်းတို့ကို ဖြစ်စေနိုင်သည်။
သို့သော်၊ WRT အဆောက်အအုံအများစုသည် ဝန်ထမ်းများနှင့် ဖောက်သည်များက လိုက်နာရမည့် ကျန်းမာရေးနှင့် ဘေးကင်းရေး ပရိုတိုကောအားလုံးကို သေချာစေရန် အခက်အခဲရှိသည်။ လူအသွားအလာ ထူထပ်သော သိပ်သည်းဆမြင့်မားသော ပတ်ဝန်းကျင်တွင် ပြဿနာ တိုးလာသည်။ မန်နေဂျာများသည် WRT စတိုးများတွင် ရိုးရာဖြေရှင်းနည်းများကို ဖြည့်စွက်ရန် ဆန်းသစ်သောနည်းလမ်းများကို ကျင့်သုံးနေကြသည်။
Artificial Intelligence (AI)၊ Internet of Things (IoT) နှင့် Machine Learning (ML) တို့သည် လုပ်ငန်းခွင်အတွင်း အန္တရာယ်များကို ရှာဖွေနိုင်၊ ခွဲခြမ်းစိတ်ဖြာရန်၊ သတိပေးရန်နှင့် ကာကွယ်ရန် ပေါင်းစပ်ထားသည်။ အချိန်နှင့်တပြေးညီ တုံ့ပြန်မှုများကို အသုံးပြု၍ လုပ်ငန်းခွင်ဘေးကင်းရေးသည် သိသိသာသာ တိုးတက်လာပါသည်။
Computer ကိုရူပါရုံကို
ကွန်ပြူတာအမြင်သည် ရုပ်ပုံများနှင့် ဗီဒီယိုများမှ ဒစ်ဂျစ်တယ် သွင်းအားစုများကို အသုံးပြုကာ ကွန်ပျူတာအတွက် အဓိပ္ပာယ်ရှိသော အချက်အလက်များကို ရယူသည်။ ထို့နောက် ကွန်ပြူတာသည် ချို့ယွင်းချက်များကို သိရှိရန် အချက်အလက်များကို ပိုင်းခြားစိတ်ဖြာသည်။
ပြောင်းလဲကြည့်ပါ။ (AI provider) နှင့် Keymakr Inc. Inc. (ဒေတာမှတ်စုဝန်ဆောင်မှုပေးသူ) သည် လက်ရှိ CCTV ကင်မရာများကို အသုံးပြု၍ ခြေချော်မှုများ၊ ခရီးများနှင့် ပြုတ်ကျခြင်းကို ကာကွယ်ရာတွင် AI ကို အသုံးချရန် ပူးပေါင်းဆောင်ရွက်သည် Asda (ယူကေရှိ စူပါမားကတ်ဆိုင်ခွဲ) စတိုးဆိုင်များ။ Keymakr ၏ SaaS ပလပ်ဖောင်းသည် SeeChange ကို အားကောင်းစေသည်။ SpillDetect အရည်ယိုဖိတ်မှုကို အလိုအလျောက် ထောက်လှမ်းရန် ကိရိယာ။ ထို့နောက် စနစ်သည် အန္တရာယ်ရှိသော နေရာတွင် ဝန်ထမ်းများထံ အကြောင်းကြားချက် ပေးပို့သည်။
Keylabs၊ Keymakr ၏ Saas ပလပ်ဖောင်း၏ CEO ဖြစ်သူ Michael Abramov ၏ ပြောကြားချက်အရ “AI သည် မတော်တဆမှုများ ဖြစ်ပွားလာသည်နှင့်တပြိုင်နက် သိရှိနိုင်စေရန်နှင့် AI-based smart checkout စနစ်များသည် လူသားအမှားအယွင်းများကို ဖယ်ရှားပေးနိုင်ပါသည်။ AI ကို အကောင်အထည်ဖော်ခြင်းသည် ဝယ်သူများနှင့် လုပ်ငန်းပိုင်ရှင်များကို ထိုအန္တရာယ်များမှ ကယ်တင်နိုင်သည်”
Abramov က AI သည် ပင်ပန်းနွမ်းနယ်မှုကို မခံစားရဘဲ မရပ်မနား စောင့်ကြည့်နိုင်သည်ဟု ဆိုသည်။
“စင်ပေါ်ရှိ ကုန်ပစ္စည်းများ၏ အနေအထား (အန္တရာယ်များသော နေရာချထားမှု သတိပေးချက်)၊ ကြမ်းပြင်များ၏ အခြေအနေ (နှင့် မည်သည့် အဖြစ်အပျက်များမဆို (ဖိတ်စင်သော ကုန်ပစ္စည်းများ၊ စင်ပေါ်မှ ပြုတ်ကျသော ကုန်ပစ္စည်းများ)))။ AI ထောက်လှမ်းရေးစနစ်များသည် ဆိုင်တစ်ခုလုံးကို စောင့်ကြည့်နိုင်ပြီး ဖောက်သည်များ၏အပြုအမူများကို ထိုးထွင်းသိမြင်နားလည်မှုနှင့် ခိုးယူမှုများကို ကာကွယ်နိုင်သောကြောင့် ၎င်းအားလုံးမဟုတ်ပေ။
relEYEble ဖြေရှင်းချက်များသည် ကွန်ပြူတာအမြင် ဝန်ဆောင်မှုများကို ပေးဆောင်ပြီး စတိုးဆိုင်အတွင်း အသွားအလာ အမြင့်ဆုံးနေရာများကို ရှာဖွေရန်နှင့် ဝုဏ်အတွင်း ဝင်ရောက်မှုကို စောင့်ကြည့်ရန်အတွက် လက်ရှိကင်မရာများနှင့် ပေါင်းစပ်ထားသည်။ ဤအင်္ဂါရပ်သည် လူများများပြားခြင်းနှင့် အရေးပေါ်အခြေအနေများတွင် အဆောက်အအုံတစ်ခုသို့ ဝင်ရောက်ခြင်းနှင့် ထွက်ပေါက်များ ကန့်သတ်ခြင်းတို့ကြောင့် ဖြစ်ပေါ်လာသော ထိခိုက်ဒဏ်ရာရမှုများကို လျှော့ချပေးသည်။
မီးရှာဖွေရေးစနစ်များသည် အစဉ်အလာအားဖြင့် မီးလောင်မှုဖြစ်ပွားပြီးနောက် 3-5 မိနစ်အတွင်း တုံ့ပြန်မှုရှိသည်။ ဤအချိန်သည် အထူးသဖြင့် ကြီးမားပြီး လျင်မြန်စွာ ပျံ့နှံ့နေသော မီးသတ်များအတွက် အရေးကြီးသော အချိန်ဖြစ်ပြီး မီးသတ်တုံ့ပြန်မှုအချိန်ကို လျှော့ချနိုင်သည်။ ကွန်ပြူတာအမြင်သည် မီတာ 50 အကွာအဝေးမှ မီးများကို ထောက်လှမ်းနိုင်ပြီး 10-15 စက္ကန့်အတွင်း သတိပေးချက်ပေးနိုင်သည်။ PA စနစ်သို့ ချိတ်ဆက်သောအခါ၊ စနစ်သည် မီး၏တည်နေရာအတိအကျနှင့် အကောင်းဆုံးထွက်ပေါက်လမ်းကြောင်းကို ပေးဆောင်သည့် ချက်ချင်းကြေငြာနိုင်သည်။
Ergonomic အာရုံခံကိရိယာများ
အလုပ်များကို ကိုယ်တိုင်ကိုင်တွယ်ခြင်းမှ ဒဏ်ရာများကို အလုပ်သမားများ၏ ergonomic လေ့ကျင့်ပေးခြင်းဖြင့် လျော့ပါးစေပါသည်။ အကောင်းဆုံး လှုပ်ရှားမှုသည် မိမိကိုယ်ကို မှန်ကန်စေရန် အလုပ်သမားထံ ပေးပို့ပြီး အပြုအမူ အပြောင်းအလဲအတွက် လမ်းခင်းပေးသည်။
ဤဖြေရှင်းချက်ကို ပေးဆောင်သော ကုမ္ပဏီတစ်ခုဖြစ်သည်။ Soter Analytics. ပခုံး၊ နားကြပ်၊ ဦးထုပ်၊ နှင့်/သို့မဟုတ် နောက်ကျောတွင် ဝတ်ဆင်ထားသော Soter ကိရိယာများသည် ထိခိုက်ဒဏ်ရာရနိုင်ခြေကို အချိန်နှင့်တပြေးညီ စောင့်ကြည့်သည်။ အဆိုပါ gadget များကို သီးခြားအလုပ်တစ်ခုအတွက် သီးခြားလုပ်သားတစ်ဦးထံ အံဝင်ခွင်ကျဖြစ်အောင် လေ့ကျင့်ပေးနိုင်ရန် မိုဘိုင်းအပလီကေးရှင်းတစ်ခုနှင့် ချိတ်ဆက်ထားသည်။ လေ့လာမှုများအရ အန္တရာယ်ရှိသော လှုပ်ရှားမှုကို 30-70% လျှော့ချပေးကြောင်း သိရသည်။ မန်နေဂျာများသည် soter စက်ပစ္စည်းများမှ ဒေတာများကို အချိန်နှင့်တပြေးညီ ဝင်ရောက်အသုံးပြုနိုင်ပါသည်။ ထို့နောက် မန်နေဂျာများသည် ဒေတာကို သုံးနိုင်သည်-
- အန္တရာယ်များကို ဖော်ထုတ်ပါ။
- လုပ်ငန်းတာဝန်၊ ဌာန သို့မဟုတ် တစ်ဦးချင်းအလိုက် ဘေးအန္တရာယ်အန္တရာယ်ကို စစ်ထုတ်ပါ။
- ပိုမိုအာရုံစိုက်ရန်လိုအပ်သော ဦးစားပေးကဏ္ဍများကို ခွဲခြားသတ်မှတ်ပါ။
Coca-Cola ၏ ပြောကြားချက်အရ သိရသည်။
ခန့်မှန်းချက်ဒေတာနှင့် ခွဲခြမ်းစိတ်ဖြာမှု
ကြိုတင်ခန့်မှန်းပိုင်းခြားစိတ်ဖြာချက်များသည် အဖွဲ့အစည်းမှရရှိသော အချက်အလက်အမျိုးမျိုးကို အသုံးပြုပြီး ဖြစ်နိုင်ခြေရှိသော အခြေအနေများကို ခန့်မှန်းရန် ထိုဒေတာကို ပိုင်းခြားစိတ်ဖြာပါသည်။ ခွဲခြမ်းစိတ်ဖြာမှုတွင် စုဆောင်းအသုံးပြုသည့် ဒေတာများတွင် အရင်းခံအကြောင်းတရားများနှင့် တိုင်ကြားမှုများနှင့် အကြံပြုချက်များ ပါဝင်သည်။
HGS ဒစ်ဂျစ်တယ်ဖြေရှင်းချက် ထိခိုက်ဒဏ်ရာရရသည့် အကြောင်းရင်းများကို ဆုံးဖြတ်ရန်နှင့် ပြဿနာကို လျော့ပါးသက်သာစေရန် မှန်ကန်သောလုပ်ဆောင်ချက်ကို ပံ့ပိုးပေးရန်အတွက် စုဆောင်းခြင်း၊ ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် လုပ်ဆောင်ခြင်းများ၊ ပရိုဂရမ်ထဲသို့ ဒေတာကို ထည့်သွင်းပြီးနောက်၊ ကိရိယာသည် ပရိုဂရမ်မတင်ဘဲ အချက်အလက်များကို ပိုင်းခြားစိတ်ဖြာမည်ဖြစ်သည်။
ကိစ္စစီမံခန့်ခွဲမှုဆော့ဖ်ဝဲ
i-Sight HGS Digital Solution နှင့် ဆင်တူသော case management software တစ်ခုဖြစ်သည်။ HGS နှင့်မတူဘဲ၊ I-Sight ကသာ စုဆောင်း၊ ခြေရာခံပြီး ပြည့်စုံသော အစီရင်ခံစာများကို ပံ့ပိုးပေးကာ လုပ်ငန်းခွင်ထိခိုက်ဒဏ်ရာရမှုများကို ကာကွယ်ရန် ဤအချက်အလက်ကို သင်အသုံးပြုရမည်ဖြစ်သည်။ I- မျက်မြင်ခြေရာခံပြီး အစီရင်ခံသည် ၊
- ယာဉ်မတော်တဆမှု
- ဒဏ်ရာ
- ချော်လဲခြင်း၊
- သေဆုံးမှု
- အနီးနား
- အန္တရာယ်ရှိသော ထိတွေ့မှုများ
မန်နေဂျာများသည် အဖြစ်အပျက် အစီရင်ခံစာများနှင့် ဖြစ်နိုင်ခြေရှိသော လမ်းကြောင်းများကို စောင့်ကြည့်ရန် i-Sight ဒက်ရှ်ဘုတ်ကို အသုံးပြု၍ အန္တရာယ်များသော နေရာများ သို့မဟုတ် ဝန်ထမ်းများကို အရေးတကြီး အာရုံစိုက်ရန် လိုအပ်သော အန္တရာယ်များကို ခွဲခြားသတ်မှတ်နိုင်သည်။
ကိုယ်ပိုင်ဘရိတ်တွန်းလှည်းများ
ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်များ (AV) များသည် အများအားဖြင့် ကားများနှင့် ဆက်စပ်နေသည်။ Anthony Ireson ထံမှ သိရသည်။ ဥရောပ Fordစူပါမားကတ်တွေမှာ တွန်းလှည်းတွေလည်း နည်းပညာကို အသုံးပြုနိုင်ပါတယ်။
တွန်းလှည်းသည် ဖောက်သည်များ မတော်တဆမှုမှ ရှောင်ရှားရန် သို့မဟုတ် ယာဉ်တိုက်မှု၏ အကျိုးသက်ရောက်မှုကို လျှော့ချရန် ဖောက်သည်များကို ကူညီရန်အတွက် ယာဉ်တိုက်မှုမတိုင်မီ အထောက်အကူတစ်ခုပါရှိသည်။ တွန်းလှည်းပေါ်ရှိ အာရုံခံကိရိယာများသည် ၎င်း၏လမ်းကြောင်းရှိ လူများနှင့် အရာဝတ္ထုများကို ထောက်လှမ်းသည်။ ယာဉ်တိုက်မှုဖြစ်နိုင်ချေကို တွေ့ရှိရသောအခါ အလိုအလျောက်ဘရိတ်ဖမ်းသည့်တွန်းလှည်းသည် ဘရိတ်များကို အလိုအလျောက်အသုံးပြုသည်။
တွန်းလှည်းသည် Ford ဆိုင်တွင် ရှေ့ပြေးပုံစံဖြစ်နေဆဲဖြစ်သော်လည်း ၎င်း၏အသုံးချပရိုဂရမ်သည် ပြေးသွားသည့်တွန်းလှည်းများကို အတိတ်က မတော်တဆမှုများကို လျှော့ချပေးမည်ဖြစ်သည်။
စက်ရုပ်
အင်ဂျင်နီယာများထံမှ သိရသည်။ အနောက်ဗာဂျီးနီးယားတက္ကသိုလ် အလုပ်သမားများ လုပ်ငန်းခွင်အန္တရာယ်မှ ကာကွယ်ရန် စက်ရုပ်များကို တီထွင်ထုတ်လုပ်လျက်ရှိသည်။ စက်ရုပ်များသည် WRT စက်ရုံများရှိ ကြမ်းပြင်မျက်နှာပြင်များပေါ်တွင် တွေ့ရှိရသည့် အန္တရာယ်များကို ရှာဖွေတွေ့ရှိသည်။ အခြေအနေဆိုင်ရာ အသိပညာပေးမှုများအပြင် စက်ရုပ်များသည် လမ်းလျှောက်ရလွယ်ကူသောမြေပုံများကို ပံ့ပိုးပေးကာ အန္တရာယ်များကို အဆက်မပြတ်စောင့်ကြည့်မည်ဖြစ်သည်။ စက်ရုံတွင် ရှိပြီးသား CCTV ကင်မရာများကို အသုံးပြုသည့် အခြားသော ကွန်ပျူတာ အမြင်စနစ်များနှင့် မတူဘဲ၊ စက်ရုပ်များသည် မျက်နှာပြင်အသွင်အပြင်မှ လှည့်စားမှုကို လျှော့ချရန် စက်ရုပ်များတွင် ထည့်သွင်းထားသော ကင်မရာများ တပ်ဆင်ထားမည်ဖြစ်သည်။ စက်ရုပ်များသည် စလစ်အန္တရာယ်ကို ပိုမိုကောင်းမွန်စွာ အကဲဖြတ်ရန် မျက်နှာပြင်ပေါ်တွင်လည်း မောင်းနှင်မည်ဖြစ်သည်။
စက်ရုပ်များ ဖွံ့ဖြိုးတိုးတက်ရေးတွင် အဓိကအချက် သုံးခုကို အာရုံစိုက်သည်-
- လုပ်ငန်းခွင်အတွင်း စက်ရုပ်များ၏ လည်ပတ်မှုဆိုင်ရာ အလုံးစုံသော အန္တရာယ်များကို ဖော်ထုတ်ခြင်းနှင့် အကဲဖြတ်ခြင်း။
- စျေးဝယ်လမ်းညွှန်များကဲ့သို့သော အခြားကဏ္ဍများတွင် စက်ရုပ်များကို အသုံးပြုခြင်း။
- လမ်းလျှောက်နိုင်မှု မြေပုံများနှင့် စက်ရုပ်များသည် ဝန်ထမ်းများ၏ ထိခိုက်မှုအန္တရာယ်အပေါ် သက်ရောက်မှုရှိသည်။
အရင်းအမြစ်- https://www.forbes.com/sites/dennismitzner/2022/12/08/how-new-innovations-are-helping-prevent-retail-injuries/