Chương 2 THỰC TRẠNG CÔNG TÁC AN TOÀN LAO ĐỘNG VÀ SỨC KHỎETHỰC TRẠNG CÔNG TÁC AN TOÀN LAO ĐỘNG VÀ SỨC KHỎE
3.2. Đề xuất ứng dụng AI trong xây dựng bộ tài liệu đào tạo, huấn luyện An toàn vệ sinh lao độngđào tạo, huấn luyện An toàn vệ sinh lao động
Việc ứng dụng trí tuệ nhân tạo (AI) trong việc xây dựng bộ tài liệu đào tạo và huấn luyện An toàn, Sức khỏe và Môi trường sẽ có thể giúp mang lại những lợi ích rõ rệt, không chỉ nâng cao hiệu quả đào tạo mà còn tạo ra một môi trường làm việc an toàn, giảm thiểu tai nạn lao động và bảo vệ sức khoẻ người lao động. AI không chỉ giúp cải thiện chất lượng và tính linh hoạt của các chương trình đào tạo mà còn hỗ trợ trong việc xây dựng các tài liệu đào tạo phù hợp với nhu cầu thực tế của người lao động, đặc biệt trong một môi trường làm việc như công trường xây dựng, nơi luôn tiềm ẩn các nguy cơ rủi ro cao.
3.2.1. Đề xuất ứng dụng AI vào hệ thống Camera giám sát phục vụ thu thập dữ liệu và sử dụng làm tài liệu huấn luyện thực tế
Việc ứng dụng trí tuệ nhân tạo (AI) trong việc xây dựng bộ tài liệu đào tạo và huấn luyện An toàn, Sức khỏe và Môi trường sẽ có thể giúp mang lại những lợi ích rõ rệt, không chỉ nâng cao hiệu quả đào tạo mà còn tạo ra một môi trường làm việc an toàn, giảm thiểu tai nạn lao động và bảo vệ sức khoẻ người lao động. AI không chỉ giúp cải thiện chất lượng và tính linh hoạt của các chương trình đào tạo mà còn hỗ trợ trong việc xây dựng các tài liệu đào tạo phù hợp với nhu cầu thực tế của người lao động, đặc biệt trong một môi trường làm việc như công trường xây dựng, nơi luôn tiềm ẩn các nguy cơ rủi ro cao.
3.2.1.1. Căn cứ đề xuất giải pháp
Việc ứng dụng trí tuệ nhân tạo (AI) trong xây dựng bộ tài liệu đào tạo và huấn luyện An toàn vệ sinh lao động (ATVSLĐ) xuất phát từ thực trạng và nhu cầu cấp thiết của ngành xây dựng hiện nay. Trong bối cảnh các dự án xây dựng ngày càng mở rộng và phức tạp, người lao động thường xuyên phải đối mặt với những rủi ro tiềm ẩn về tai nạn lao động và các vấn đề sức khỏe.
Theo thống kê từ Tạp chí Lao động & Xã hội, năm 2022, cả nước ghi nhận hơn 7.700 vụ tai nạn lao động, trong đó ngành xây dựng chiếm tỷ lệ cao nhất, với nhiều trường hợp gây thiệt hại nghiêm trọng về người và tài sản. Điều này không chỉ gây ảnh hưởng lớn đến đời sống người lao động mà còn làm tăng chi phí bảo hiểm, bồi thường và giảm uy tín của doanh nghiệp.
Nếu được ứng dụng phù hợp, tiềm năng của hệ thống Camera AI trong giám sát và huấn luyện là rất lớn, hệ thống Camera giám sát tích hợp trí tuệ nhân tạo (AI) mang lại nhiều lợi ích vượt trội so với các phương pháp truyền thống, bao gồm:
Giám sát thời gian thực: AI có khả năng nhận diện các hành vi không tuân thủ PPE (mũ bảo hộ, áo phản quang, giày bảo hộ) và phát cảnh báo ngay lập tức, giảm thiểu nguy cơ tai nạn.
- Tự động thu thập và lưu trữ dữ liệu: Video và hình ảnh từ hệ thống Camera AI có thể được sử dụng để phân tích và tạo tài liệu đào tạo thực tế.
- Tạo nội dung huấn luyện thực tế: Các tình huống vi phạm an toàn được trích xuất từ dữ liệu Camera AI sẽ giúp minh họa sinh động trong các buổi đào tạo, tăng hiệu quả truyền đạt và ý thức tuân thủ của người lao động.
Việc ứng dụng AI trong Camera giám sát không chỉ tăng cường an toàn lao động mà còn mang lại hiệu quả kinh tế dài hạn:
- Giảm chi phí tai nạn lao động: Phát hiện và xử lý sớm các nguy cơ giúp giảm thiểu chi phí phát sinh từ tai nạn và gián đoạn công việc.
- Tăng cường hiệu quả đào tạo: Các video và hình ảnh thực tế giúp tiết kiệm thời gian và chi phí soạn thảo nội dung đào tạo, đồng thời cải thiện chất lượng huấn luyện.
Dựa vào những ý trên, tác giả đề xuất việc ứng dụng AI vào hệ thống Camera giám sát phục vụ thu thập dữ liệu và sử dụng làm tài liệu huấn luyện thực tế.
3.2.1.2. Nội dung của giải pháp
Công nghệ trí tuệ nhân tạo (AI) hiện nay cho phép giám sát tự động
việc tuân thủ sử dụng thiết bị bảo hộ cá nhân (PPE) tại các công trường xây dựng thông qua hệ thống nhận diện hình ảnh từ camera. AI có thể phân tích video theo thời gian thực, phát hiện và cảnh báo nếu người lao động không mặc đúng PPE như mũ bảo hộ, áo phản quang hay giày bảo hộ. Dữ liệu thu thập từ hệ thống này không chỉ hỗ trợ việc quản lý an toàn lao động mà còn được sử dụng để làm nội dung đào tạo thực tế, trực quan hơn. Việc ứng dụng này giúp nâng cao ý thức của nhân viên về việc tuân thủ quy định, đồng thời giảm thiểu các nguy cơ tai nạn lao động nhờ vào các cảnh báo kịp thời và các bài học thực tiễn.
Hình 3.1. AI được tích hợp vào camera nhằm nhận diện tình trạng tuân thủ PPE của công nhân tại công trường
Nguồn: Phần mềm theo dõi quản lý Always AI Thông qua việc nhận diện sự không tuân thủ từ dữ liệu của AI thông qua các camera, có thể kịp thời đưa ra cảnh báo và sử dụng làm tài liệu đào tạo kịp thời, cải thiện những sai phạm đang tồn tại tại công trường đó
Để ứng dụng AI vào camera nhận diện tuân thủ PPE tại công trường, có thể sử dụng các công cụ và nền tảng sau:
OpenCV
Mô tả: OpenCV (Open Source Computer Vision Library) là thư viện
mã nguồn mở phổ biến để xử lý hình ảnh và video. Kết hợp với các mô hình học máy hoặc học sâu (Deep Learning), OpenCV có thể được sử dụng để nhận diện và phân loại các loại thiết bị bảo hộ cá nhân (PPE).
Ứng dụng: Xử lý hình ảnh thời gian thực từ camera, phát hiện mũ bảo hộ, áo phản quang, găng tay, giày bảo hộ, v.v.
YOLO (You Only Look Once)
Mô tả: YOLO là một thuật toán nhận diện đối tượng thời gian thực mạnh mẽ. Các mô hình YOLO (YOLOv4, YOLOv5, YOLOv8, v.v.) có thể được huấn luyện để nhận diện PPE như mũ bảo hộ, áo phản quang, và các thiết bị khác.
Ưu điểm: Tốc độ nhanh, hiệu suất cao. Dễ dàng huấn luyện mô hình mới trên tập dữ liệu tùy chỉnh.
Google Cloud Vision AI
Mô tả: Dịch vụ của Google Cloud cung cấp khả năng nhận diện đối tượng và phân tích hình ảnh bằng AI. Vision AI có thể được sử dụng để tích hợp vào hệ thống camera tại công trường.
Ưu điểm: Không yêu cầu phát triển mô hình từ đầu, dễ dàng tích hợp với các hệ thống hiện có.
TensorFlow và PyTorch
Mô tả: Đây là hai thư viện phổ biến để phát triển và triển khai các mô hình học sâu. TensorFlow và PyTorch hỗ trợ việc tạo ra các mô hình tùy chỉnh để nhận diện PPE thông qua hình ảnh từ camera.
Ứng dụng: Huấn luyện mô hình phân loại và nhận diện đối tượng dựa trên tập dữ liệu PPE cụ thể.
Amazon Rekognition
Mô tả: Một dịch vụ của Amazon Web Services (AWS) hỗ trợ nhận diện đối tượng, phân loại hình ảnh và phân tích video. Có thể được sử dụng để giám sát sự tuân thủ PPE trong thời gian thực.
Ưu điểm: Hỗ trợ tích hợp sẵn với các nền tảng đám mây và quy mô lớn.
IBM Watson Visual Recognition
Mô tả: Một dịch vụ AI của IBM hỗ trợ nhận diện hình ảnh, phù hợp để xây dựng hệ thống nhận diện PPE.
Ứng dụng: Phân tích hình ảnh từ camera để phát hiện các thiết bị bảo hộ cá nhân.
NVIDIA DeepStream SDK
Mô tả: SDK của NVIDIA hỗ trợ xây dựng các ứng dụng AI phân tích video thời gian thực. DeepStream SDK được tối ưu hóa cho các hệ thống nhận diện đối tượng, bao gồm nhận diện PPE từ luồng camera.
Ưu điểm: Hiệu năng cao, phù hợp cho các ứng dụng chạy trên GPU NVIDIA.
Edge AI với Jetson Nano hoặc Raspberry Pi
Mô tả: Các thiết bị Edge AI như NVIDIA Jetson Nano hoặc Raspberry Pi có thể triển khai các mô hình nhận diện PPE để phân tích video ngay tại camera, giảm độ trễ và không cần phụ thuộc vào đám mây.
Ứng dụng: Hệ thống giám sát chi phí thấp, triển khai tại các công trường.
Hình 3.2. Ứng dụng AI trong nhận diện tuân thủ PPE tại công trường
Nguồn : Hệ thống giám sát Total Để xây dựng một hệ thống tích hợp AI phục vụ giám sát và đào tạo tuân thủ thiết bị bảo hộ cá nhân (PPE) tại công trường xây dựng, cần triển khai một cách toàn diện các công cụ công nghệ hiện đại. Hệ thống này không chỉ phát hiện vi phạm mà còn đóng vai trò quan trọng trong việc nâng cao hiệu quả đào tạo và xây dựng văn hóa an toàn lao động bền vững.
* Thu thập dữ liệu video chất lượng cao
Mục đích: Cung cấp hình ảnh và video làm nguồn dữ liệu đầu vào để vừa giám sát tuân thủ PPE, vừa tạo nội dung đào tạo thực tế.
Công cụ: Camera AI tích hợp (AI-powered Cameras) với khả năng tự động phân tích hình ảnh.
Ứng dụng trong đào tạo: Lưu trữ video thực tế tại các điểm vi phạm để làm ví dụ minh họa trong các buổi đào tạo. Phát hiện các mẫu vi phạm lặp đi lặp lại để thiết kế nội dung đào tạo tập trung vào những vấn đề phổ biến.
* Tích hợp AI nhận diện PPE trong thời gian thực
Công cụ: YOLO hoặc TensorFlow để nhận diện các loại PPE (mũ bảo hộ, găng tay, áo phản quang). NVIDIA DeepStream SDK để tối ưu hóa xử lý hình ảnh video thời gian thực.
Ứng dụng trong đào tạo: Sử dụng AI để thu thập các số liệu về tần suất vi phạm, nhóm PPE thường bị bỏ qua, và phân loại theo từng khu vực làm việc. Xây dựng chương trình đào tạo tập trung vào các thiết bị PPE cụ thể hoặc các quy trình chưa được tuân thủ.
* Tạo nội dung đào tạo cá nhân hóa
AI được sử dụng để cá nhân hóa chương trình đào tạo dựa trên dữ liệu vi phạm của từng nhân viên, công nhân hoặc từng nhóm lao động.
Công cụ: Hệ thống học trực tuyến (LMS - Learning Management System) tích hợp AI, như Moodle AI, để tạo lộ trình học tập cá nhân hóa.
Nền tảng AI phân tích dữ liệu (ví dụ: Amazon SageMaker) để xây dựng báo cáo về hiệu suất và nhu cầu đào tạo của từng cá nhân.
Ứng dụng trong đào tạo: Phân loại, nhận diện, xây dựng và cung cấp nội dung học tập phù hợp với từng đối tượng dựa trên các lỗi vi phạm đã ghi nhận. Tạo bài kiểm tra hoặc bài thực hành chuyên sâu để cải thiện các kỹ năng còn thiếu.
* Phân tích dữ liệu vi phạm và đưa ra đề xuất cải thiện
Mô tả: AI phân tích dữ liệu thu thập từ camera và hệ thống giám sát để nhận diện các xu hướng, khu vực hoặc đối tượng vi phạm thường xuyên.
Công cụ: Phần mềm phân tích dữ liệu như Power BI, Tableau kết hợp với AI để trực quan hóa thông tin. Hệ thống phân tích nâng cao như Google Cloud AI hoặc IBM Watson AI.
Ứng dụng trong đào tạo: Tạo báo cáo chi tiết về các nhóm PPE thường bị bỏ qua, thời gian xảy ra vi phạm, và tỷ lệ tuân thủ theo từng khu vực. Định hướng các buổi đào tạo nhằm cải thiện nhận thức và thực hành tại các khu vực hoặc nhóm lao động có tỷ lệ vi phạm cao.
* Giám sát và điều chỉnh nội dung đào tạo
Mô tả: AI không chỉ giúp giám sát mà còn liên tục đánh giá hiệu quả của các chương trình đào tạo.
Công cụ: Nền tảng AI tự học (Machine Learning) để phân tích hiệu quả đào tạo dựa trên dữ liệu thực tế từ công trường.
Ứng dụng trong đào tạo: Điều chỉnh nội dung đào tạo phù hợp hơn với tình hình thực tế và nhu cầu của nhân viên. Tối ưu hóa thời gian và chi phí đào tạo bằng cách tập trung vào những vấn đề quan trọng nhất.
3.2.1.3. Điều kiện thực hiện giải pháp
Việc triển khai giải pháp ứng dụng tài liệu số trong cung cấp tài liệu đào tạo An toàn, Sức khỏe và Môi trường đòi hỏi các điều kiện về hạ tầng công nghệ, nguồn lực nhân sự, tài chính, sự cam kết từ lãnh đạo và văn hóa doanh nghiệp. Những điều kiện này đóng vai trò nền tảng để đảm bảo giải pháp được thực hiện hiệu quả và mang lại lợi ích lâu dài.
Hạ tầng công nghệ hiện đại
Hệ thống máy móc và thiết bị: Công ty cần đầu tư vào cơ sở hạ tầng công nghệ, bao gồm hệ thống máy chủ mạnh mẽ, cần lắp đặt các Camera có khả năng ghi hình độ phân giải cao (Full HD hoặc 4K) và hỗ trợ xử lý thời gian thực., đồng thời đảm bảo hoạt động ổn định của nền tảng học tập trực tuyến. Camera cần có khả năng hoạt động tốt trong các điều kiện khắc nghiệt tại công trường (chịu nhiệt, chống bụi, chống nước).
Kết nối internet: Đảm bảo kết nối internet tốc độ cao, ổn định tại các văn phòng, công trường và khu vực làm việc của người lao động. Điều này rất quan trọng để đảm bảo quá trình truy cập camera không bị gián đoạn
Nền tảng học tập trực tuyến (LMS): Lựa chọn hoặc phát triển một hệ thống quản lý học tập (Learning Management System - LMS) với các tính năng hiện đại như: quản lý nội dung đào tạo, theo dõi tiến độ học tập, đánh giá kết quả và phân tích dữ liệu. Hệ thống cần thân thiện với người dùng và dễ dàng tích hợp với các công nghệ như thực tế ảo (VR) hoặc thực tế tăng cường (AR).
Nguồn lực nhân sự
Đội ngũ chuyên gia công nghệ: Công ty cần tuyển dụng hoặc hợp tác với các chuyên gia có kinh nghiệm trong lĩnh vực công nghệ thông tin và phát triển nội dung đào tạo số. Họ sẽ chịu trách nhiệm xây dựng, vận hành và duy trì hệ thống tài liệu số, đảm bảo các tài liệu được cập nhật thường xuyên và phù hợp với nhu cầu thực tế.
Nhân viên đào tạo HSE: Các nhân sự phụ trách đào tạo cần được đào tạo chuyên sâu về sử dụng nền tảng e-learning, quản lý dữ liệu và ứng dụng các công cụ hỗ trợ như VR/AR. Họ sẽ đóng vai trò hướng dẫn và hỗ trợ người lao động trong quá trình tiếp cận và sử dụng tài liệu số.
Người lao động: Bản thân người lao động cần có khả năng sử dụng các thiết bị công nghệ cơ bản như máy tính hoặc điện thoại thông minh để truy cập tài liệu đào tạo. Công ty có thể tổ chức các buổi hướng dẫn ngắn hạn để giúp người lao động làm quen với hệ thống.
Công nghệ AI và phần mềm hỗ trợ
Việc triển khai AI vào hệ thống Camera yêu cầu các phần mềm nhận diện đối tượng mạnh mẽ, có khả năng phát hiện vi phạm về an toàn lao động, như không đeo mũ bảo hộ, áo phản quang, hoặc giày bảo hộ. Các công cụ như YOLO, TensorFlow, và PyTorch là lựa chọn phù hợp để phát triển các mô hình nhận diện.
Ngoài ra, hệ thống cần tích hợp các phần mềm quản lý và phân tích dữ liệu như Google Cloud AI, Amazon Rekognition, hoặc IBM Watson để lưu trữ và trực quan hóa thông tin. Để phục vụ đào tạo, các công cụ như Synthesia, Vyond hoặc Pictory AI có thể được sử dụng để chuyển đổi dữ liệu thành tài liệu học tập trực quan và sinh động.
Tài chính và nguồn lực
Chi phí đầu tư ban đầu: Việc xây dựng hệ thống đòi hỏi khoản đầu tư lớn ban đầu, bao gồm chi phí mua sắm thiết bị, phát triển phần mềm, và đào tạo nhân sự. Công ty cần lập kế hoạch ngân sách chi tiết để đảm bảo nguồn tài chính ổn định.
Chi phí vận hành: Ngoài chi phí ban đầu, công ty cần dự trù các khoản chi phí vận hành hàng năm như bảo trì hệ thống, nâng cấp phần mềm, và cập nhật tài liệu đào tạo. Một phần ngân sách cũng cần được phân bổ cho việc thuê các chuyên gia tư vấn hoặc tổ chức các khóa đào tạo nâng cao.
Đội ngũ nhân sự là yếu tố quyết định sự thành công của hệ thống. Công ty cần nhân sự chuyên môn về công nghệ thông tin, đặc biệt là các kỹ sư AI, để vận hành, bảo trì và khai thác hệ thống Camera giám sát. Bên cạnh đó, đội ngũ giảng viên phụ trách đào tạo cần được đào tạo thêm về cách sử dụng dữ liệu thu thập từ hệ thống để thiết kế nội dung đào tạo thực tế, phù hợp với nhu cầu của người lao động.
Cam kết từ lãnh đạo
Tầm nhìn dài hạn: Ban lãnh đạo cần nhận thức rõ tầm quan trọng của