事件分析

自动化的背景与前提

事件管理是任何发展中的HSE系统的基本需求。然而，从纸质日志向数字化分析的过渡往往伴随着员工的抵触、数据的失真以及传输阶段的信息丢失。本次演讲详细探讨了由Vera Konshina领导的团队在物流设施中建立透明的事件反馈收集系统的实践经验。

指标定义与事件分类

为了正确分析数据，必须明确界定哪些事件需要记录。演讲者分析了一种将事件分为四个关键类别的方​​法：事故、微小伤害、危险情况（以前归类为未遂事故）以及工作场所的非工伤或疾病。

特别关注非工伤和员工身体不适的记录。虽然这些事件与生产因素没有直接关系，但记录它们可以保护雇主免受隐性工伤的影响，并更准确地评估员工的整体健康状况。每个事件类别都有自己的一套指标：从基本指标（日期、时间、对象）到特定指标（危险行为类型、急救箱的使用）。

数据收集工具：可访问性与透明度

记录微小伤害和危险情况的关键问题是员工不愿意报告。为了克服这一障碍，提出了一种极其简化的事件登记途径。在所有操作区域都放置了二维码，扫描后可进入简短的电子表格。

• 匿名性与术语调整：该表单允许在不登录的情况下发送数据。复杂的英文术语被替换为易懂的表述，大多数字段以按下拉列表的形式实现，以尽量减少手动输入文本信息。
• 与相关流程的整合：数据收集不仅限于员工的主动报告。当扫描急救箱上的二维码（表示发生微小伤害并需要补充物资）或装卸设备的内置系统记录到危险操作时，系统会自动生成工单。

任务路由与执行控制

演讲者通过示例展示了填写的表单如何转化为内部记录系统中的任务（工单）。处理过程是自动化的：系统根据位置自动分配负责的HSE专家，并引入相关部门（消防安全、运营服务）。

为了快速响应，系统与即时通讯软件进行了整合。重大事件的通知会立即发送给值班小组，从而可以毫不迟延地开始调查。同时，申请发起人（如果表单不是匿名填写的）可以看到其请求处理的所有阶段，这建立了对系统的信任并激发了员工进一步的参与。

数据分析与非显性洞察

积累的数据量可以揭示隐藏的规律。例如，对事件发生时间的分析表明，记录事件的高峰期在白天，而不是夜班。这是因为白天进行的巡查更多，发现的危险情况也更多，而夜间的监管则相对较弱。这一洞察促使重新审查了场地的审计计划。

此外，该系统还可以跟踪HSE部门本身的工作效率（工单关闭时间），并发现系统性问题，例如承包商违规行为长期得不到解决。未来，积累的统计数据将直接整合到职业风险评估过程中。

您将从本次网络研讨会中学到什么：

• 如何设置事件分类，使数据适用于自动化分析？
• 哪些工具可以帮助克服员工的抵触情绪，并在没有物质奖励的情况下激励员工报告微小伤害？
• 如何将生产急救箱的使用与微小伤害的自动登记联系起来？
• 如何建立从提交申请到实施纠正措施的透明工单处理算法？
• 如何利用事件统计数据来发现生产控制系统中的盲区？