Kecerdasan Buatan sebagai Asisten Masa Depan bagi Spesialis HSE

Saat ini, kecerdasan buatan merupakan salah satu arah penelitian ilmiah yang paling populer. Selama 10 tahun terakhir, investasi di bidang ini terus tumbuh secara stabil, dan pada tahun 2021, tercatat rekor investasi dari investor swasta sebesar sekitar $125,4 miliar. Pada tahun 2022-2023, volume investasi swasta di bidang AI meningkat 18 kali lipat dibandingkan tahun 2013. Teknologi jenis ini digunakan secara aktif di banyak bidang: mulai dari urusan militer hingga bisnis restoran.

Menurut hasil penelitian, pada tahun 2022 pangsa perusahaan yang menggunakan teknologi kecerdasan buatan meningkat lebih dari dua kali lipat dibandingkan tahun 2017. Perusahaan-perusahaan Rusia secara aktif mengikuti tren global di bidang ini dan tidak tertinggal. Volume pasar kecerdasan buatan Rusia pada tahun 2022 mencapai 647 miliar rubel, yang berarti 17,3% lebih besar dibandingkan tahun sebelumnya. Banyak pengembangan dari perusahaan IT Rusia digunakan dalam operasional perusahaan industri domestik. Pada tahun 2022, sekitar 17% perusahaan Rusia telah menggunakan kecerdasan buatan atau sedang menerapkannya, dan sebagian besar di antaranya adalah perusahaan besar.

Pasar global untuk peralatan keselamatan kerja diprediksi akan tumbuh dalam beberapa tahun mendatang. Pada tahun 2022, nilainya mencapai sekitar 14,2 miliar dolar AS, dan pada tahun 2027 diperkirakan akan tumbuh menjadi 26,7 miliar dolar AS. Pertumbuhan pasar ini akan terjadi rata-rata sebesar 13,5% setiap tahunnya dalam periode 2022 hingga 2027.

Sehubungan dengan permintaan masyarakat akan kerja yang aman, serta optimalisasi biaya internal yang berkelanjutan di sebagian besar perusahaan, solusi IT untuk kontrol otomatis terhadap kepatuhan persyaratan keselamatan industri dan HSE menjadi semakin populer di dunia. Sistem kontrol kualitas untuk persiapan produk dan layanan berbasis analitik video juga menjadi relevan. Saat ini, arah utama pengembangan digital dalam industri dan manufaktur adalah penerapan solusi komprehensif untuk mendeteksi pelanggaran persyaratan HSE, yang didasarkan pada penggunaan visi komputer dan pembelajaran mesin, serta pengembangan metode untuk mencegah potensi masalah.

Dalam menjelaskan prinsip kerja teknologi kecerdasan buatan yang aktual dan tersedia saat ini di bidang HSE, termasuk visi komputer dan pembelajaran mesin, teknologi tersebut mudah dibagi berdasarkan waktu penerapannya. Terkait dengan insiden dan(atau) kejadian, terdapat tiga zona waktu tersebut:

• Prediksi – penggunaan model analitik prediktif untuk meramalkan probabilitas terjadinya kecelakaan kerja berdasarkan analisis data besar dari pengalaman masa lalu dalam kasus-kasus serupa.

Agar model tersebut dapat berfungsi dengan sukses, data tentang insiden masa lalu perlu dikumpulkan, termasuk informasi tentang tempat kerja (jenis pekerjaan, peralatan, kondisi kerja, dll.), informasi tentang pekerja (usia, pengalaman kerja, adanya masalah kesehatan, dll.) dan informasi langsung tentang kecelakaan itu sendiri (jenis, tingkat keparahan, penyebab, dll.). Setelah mengumpulkan data ini selama periode waktu yang lama, sebuah model dibuat untuk menganalisis data yang terkumpul dan mengidentifikasi pola serta hubungan antara berbagai faktor. Misalnya, model tersebut dapat menunjukkan bahwa jenis pekerjaan tertentu adalah yang paling berbahaya, atau bahwa pekerja pada usia tertentu dengan masalah kesehatan tertentu lebih rentan terhadap kecelakaan.

• Analitik waktu nyata – pengambilan keputusan operasional melalui perolehan data terkini.

Untuk mendeskripsikan teknologi ini, dapat diberikan contoh kecerdasan buatan yang mengenali ketiadaan alat pelindung diri yang diperlukan pada pekerja dan memberikan sinyal melalui saluran komunikasi dan peringatan yang telah disiapkan sebelumnya. Sistem seperti ini saat ini mampu mendeteksi dan mencatat 95-98% pelanggaran yang dimasukkan ke dalam algoritma kerja kecerdasan buatan. Selain itu, untuk pemahaman yang lebih baik tentang cara kerja teknologi ini, dapat dipertimbangkan contoh proyek penerapan sistem informasi tentang keberadaan personel di zona berbahaya.

• Pasca-analitik dan pencarian penyebab – saat mengevaluasi pengalaman masa lalu, pola penyebab yang berulang dan keteraturan yang tidak terlihat dapat dan harus dicari.

Misalnya, di sebuah perusahaan mungkin sering terjadi kecelakaan kerja, seperti yang terkait dengan jatuhnya benda dari ketinggian. Setelah mengumpulkan dan menganalisis data tentang kejadian tersebut serta melatih model, dapat terungkap bahwa semuanya terjadi pada waktu yang sama dalam sehari – selama jam istirahat makan siang, ketika pekerja pergi beristirahat dan tidak mengontrol situasi di tempat kerja. Situasi yang ditawarkan oleh model tersebut bisa bersifat eksplisit maupun implisit, yang memungkinkan pandangan baru terhadap masalah lama.

Kecerdasan buatan memiliki potensi besar untuk diterapkan dalam industri dan manufaktur. Kita sudah melihat hasil dari penggunaan teknologi ini di perusahaan-perusahaan besar. Industri dan manufaktur baru saja memulai perjalanannya dalam digitalisasi besar-besaran, dan dalam persaingan, mereka yang pertama kali menerapkan teknologi baru akan menang. Terlepas dari biaya implementasi solusi berbasis visi komputer dan pembelajaran mesin yang tampak tinggi, ini merupakan investasi jangka panjang dalam pengembangan bisnis. Sebab, sistem ini tidak hanya memungkinkan penghematan uang untuk perbaikan peralatan yang mahal, meminimalkan waktu henti, tetapi juga memungkinkan transisi ke metodologi baru untuk mengurangi cedera di kalangan pekerja.

Di satu sisi, mungkin tampak bahwa bidang ini terlalu rumit untuk dipahami oleh spesialis di bidang HSE, dan bahkan mungkin dianggap berlebihan. Namun secara bertahap, penerapan luas dari sarana dan metode progresif ini, serta penyederhanaan penulisan dan persiapan model semacam itu, pasti akan memicu permintaan internal perusahaan untuk perubahan. Oleh karena itu, menurut pendapat saya, spesialis HSE modern harus meningkatkan kualifikasi mereka di bidang ini mulai sekarang, agar dapat berbicara dalam bahasa yang sama dengan spesialis perusahaan IT dan layanan IT mereka sendiri saat menyelesaikan masalah yang kompleks.