Một nhà máy có thể đã trang bị đầy đủ camera giám sát, xây dựng quy trình an toàn lao động và tổ chức kiểm tra định kỳ nhưng vẫn xảy ra những sự cố ngoài dự kiến. Nguyên nhân không phải lúc nào cũng đến từ việc thiếu quy định hay thiết bị bảo vệ, mà có thể nằm ở những rủi ro chưa được nhận diện hoặc chưa được theo dõi đầy đủ trong quá trình vận hành.

Những khoảng trống này được gọi là Safety Blind Spots – điểm mù trong quản lý an toàn. Chúng có thể xuất hiện ở vị trí camera không quan sát được, trong khoảng thời gian không có người giám sát hoặc ngay trong quy trình tiếp nhận và xử lý cảnh báo.

Vậy Safety Blind Spots là gì, vì sao chúng vẫn tồn tại trong những nhà máy đã có hệ thống quản lý an toàn và công nghệ AI Vision có thể hỗ trợ doanh nghiệp thu hẹp những điểm mù này như thế nào?

Safety Blind Spots là gì?

Safety Blind Spots là những khu vực, thời điểm, hành vi hoặc tình huống rủi ro chưa được hệ thống quản lý an toàn nhận diện, giám sát hoặc kiểm soát đầy đủ.

Khác với điểm mù vật lý của camera, Safety Blind Spots có phạm vi rộng hơn. Một khu vực có thể nằm hoàn toàn trong tầm quan sát của camera nhưng vẫn trở thành điểm mù an toàn nếu không có ai phát hiện hành vi nguy hiểm hoặc không có quy trình xử lý khi sự cố xảy ra.

Trong môi trường sản xuất, điểm mù an toàn có thể tồn tại dưới nhiều hình thức:

• Điểm mù không gian: Những vị trí bị che khuất bởi máy móc, hàng hóa hoặc kết cấu nhà xưởng.

• Điểm mù thời gian: Các khoảng thời gian thiếu giám sát, đặc biệt trong ca đêm, giờ nghỉ hoặc thời điểm chuyển ca.

• Điểm mù hành vi: Những hành vi không an toàn diễn ra nhưng không được phát hiện hoặc ghi nhận.

• Điểm mù dữ liệu: Các sự kiện bất thường không được tổng hợp, phân tích để nhận diện xu hướng rủi ro.

• Điểm mù quy trình: Sự cố đã được phát hiện nhưng chưa có người tiếp nhận, xác minh hoặc xử lý kịp thời.

Như vậy, một hệ thống quản lý an toàn hiệu quả không chỉ cần quan sát được hiện trường mà còn phải đảm bảo thông tin về rủi ro được chuyển thành hành động phù hợp.

Vì sao nhà máy vẫn tồn tại điểm mù dù đã có hệ thống giám sát?

Nhiều doanh nghiệp đã đầu tư đáng kể vào camera CCTV, quy trình EHS, biển cảnh báo và hoạt động kiểm tra an toàn. Tuy nhiên, sự hiện diện của những công cụ này không đồng nghĩa với việc mọi rủi ro đều được kiểm soát liên tục.

Camera ghi hình nhưng không đồng nghĩa với phát hiện rủi ro

Camera CCTV truyền thống chủ yếu phục vụ việc quan sát và lưu trữ hình ảnh. Nếu nhân sự không theo dõi đúng thời điểm, những hành vi như đi vào khu vực nguy hiểm, không sử dụng thiết bị bảo hộ hoặc tiếp cận quá gần thiết bị đang vận hành có thể không được phát hiện ngay.

Video vẫn được lưu lại, nhưng thông tin chỉ trở nên hữu ích khi có người xem lại. Điều này tạo ra khoảng cách giữa việc ghi nhận sự kiện và khả năng can thiệp kịp thời.

Hoạt động kiểm tra an toàn chỉ phản ánh một phần thực tế

Kiểm tra hiện trường định kỳ là một phần quan trọng của hệ thống EHS. Tuy nhiên, kết quả kiểm tra thường phản ánh điều kiện tại thời điểm đánh giá, trong khi hoạt động sản xuất thay đổi liên tục theo ca làm việc, nhân sự, thiết bị và khối lượng công việc.

Một lối đi có thể hoàn toàn thông thoáng khi kiểm tra vào buổi sáng nhưng bị hàng hóa chiếm dụng vào buổi chiều. Tương tự, việc tuân thủ PPE tại thời điểm kiểm tra không đảm bảo hành vi đó được duy trì trong toàn bộ ca làm việc.

Sự cố nhỏ không được ghi nhận đầy đủ

Không phải mọi hành vi không an toàn đều dẫn đến tai nạn ngay lập tức. Một công nhân đi vào vùng nguy hiểm nhưng không bị thương, hoặc một xe nâng di chuyển quá gần người đi bộ mà không xảy ra va chạm, có thể bị xem là tình huống không đáng kể.

Tuy nhiên, nếu những sự kiện tương tự liên tục xuất hiện mà không được ghi nhận, doanh nghiệp có thể bỏ lỡ các dấu hiệu cho thấy biện pháp kiểm soát hiện tại chưa hiệu quả.

Thông tin bị gián đoạn giữa các bộ phận

Trong nhà máy, trách nhiệm an toàn thường được chia sẻ giữa bộ phận EHS, quản lý sản xuất, bảo trì và nhân sự vận hành.

Khi một rủi ro được phát hiện nhưng thông tin không đến đúng người, hoặc không có cơ chế theo dõi kết quả xử lý, sự cố có thể tiếp tục tồn tại dù đã được báo cáo trước đó.

Đây là điểm mù về quy trình và trách nhiệm, không thể giải quyết chỉ bằng việc lắp đặt thêm camera.

Năm điểm mù cần được nhận diện trong hệ thống quản lý an toàn nhà máy

Rủi ro xuất hiện ngoài thời gian kiểm tra

Các hoạt động sản xuất thường diễn ra liên tục, trong khi nguồn lực giám sát an toàn có giới hạn. Những thời điểm như ca đêm, giờ nghỉ, chuyển ca hoặc bảo trì ngoài kế hoạch có thể xuất hiện các rủi ro khác với điều kiện vận hành thông thường.

Chẳng hạn, một khu vực vốn chỉ dành cho nhân sự được phân quyền có thể phát sinh hoạt động ra vào trong ca đêm. Nếu không có cơ chế phát hiện và ghi nhận sự kiện, bộ phận EHS khó xác định tình huống này xảy ra khi nào và với tần suất bao nhiêu.

Những thay đổi tạm thời trong không gian sản xuất

Bố trí mặt bằng nhà máy không phải lúc nào cũng cố định. Hàng hóa được tập kết, thiết bị được di chuyển hoặc một khu vực được chuyển sang phục vụ bảo trì có thể tạo ra các nguy cơ mới.

Đặc biệt, những thay đổi tạm thời thường không được phản ánh ngay trong bản đồ rủi ro hoặc tài liệu đánh giá an toàn. Một lối đi bị thu hẹp trong vài giờ có thể không xuất hiện trong báo cáo kiểm tra định kỳ nhưng vẫn ảnh hưởng trực tiếp đến người lao động và phương tiện vận chuyển.

Những tình huống Near Miss không được báo cáo

Near Miss là những sự kiện suýt gây tai nạn nhưng chưa dẫn đến thương tích hoặc thiệt hại. Ví dụ, một xe nâng phanh gấp để tránh người đi bộ hoặc một công nhân kịp rời khỏi vùng hoạt động của thiết bị nâng hạ.

Nếu chỉ thống kê tai nạn đã xảy ra, nhà máy có thể đánh giá chưa đầy đủ mức độ rủi ro trong vận hành. OSHA cũng khuyến nghị doanh nghiệp điều tra cả những sự kiện suýt gây tai nạn, xác định nguyên nhân gốc rễ và sử dụng dữ liệu để ngăn ngừa sự cố trong tương lai.

Cảnh báo được phát hiện nhưng không được xử lý đến cùng

Một hệ thống có thể phát hiện chính xác sự kiện bất thường nhưng vẫn không tạo ra hiệu quả nếu cảnh báo không được tiếp nhận và xử lý phù hợp.

Ví dụ, hệ thống phát hiện một người đi vào khu vực nguy hiểm và gửi thông báo cho người quản lý. Tuy nhiên, nếu người này đang bận hoặc không có cơ chế chuyển tiếp khi chưa được phản hồi, sự kiện có thể không được xử lý kịp thời.

Điểm mù lúc này không nằm ở khả năng quan sát mà ở khoảng cách giữa phát hiện, xác minh, hành động khắc phục và xác nhận hoàn tất.

Có dữ liệu sự cố nhưng thiếu khả năng phân tích xu hướng

Một nhà máy có thể ghi nhận hàng trăm sự kiện an toàn mỗi tháng nhưng vẫn khó xác định khu vực nào có rủi ro cao nhất nếu dữ liệu nằm rải rác trong video, báo cáo thủ công và các hệ thống riêng biệt.

Chẳng hạn, các cảnh báo liên quan đến xe nâng thường xuyên xuất hiện tại một giao lộ trong kho. Nếu chỉ xử lý từng cảnh báo riêng lẻ, doanh nghiệp có thể bỏ qua vấn đề về thiết kế luồng di chuyển, tầm nhìn hoặc cách tổ chức giao thông nội bộ.

Đây là điểm mù dữ liệu: doanh nghiệp có thông tin nhưng chưa chuyển được thông tin đó thành cơ sở để cải thiện an toàn.

Từ phát hiện sự cố đến nhận diện xu hướng rủi ro: Vai trò của AI Vision

Để thu hẹp Safety Blind Spots, doanh nghiệp cần kết hợp nhiều biện pháp kiểm soát, trong đó AI Vision có thể bổ sung khả năng phân tích hình ảnh và ghi nhận sự kiện tại những khu vực được giám sát.

Phát hiện các sự kiện bất thường từ camera

Khác với CCTV chỉ phục vụ quan sát và lưu trữ, hệ thống AI Vision có thể phân tích luồng video để nhận diện những tình huống đáp ứng điều kiện đã cấu hình.

Tùy theo chức năng triển khai, hệ thống có thể phát hiện người đi vào vùng nguy hiểm, thiếu trang bị PPE hoặc xuất hiện quá gần phương tiện và thiết bị đang vận hành. Việc phân tích tự động giúp giảm sự phụ thuộc vào khả năng quan sát liên tục của nhân sự giám sát.

Tuy nhiên, AI Vision không thể phát hiện mọi loại nguy cơ. Những yếu tố như vật cản, ánh sáng, góc camera và giới hạn thuật toán vẫn có thể tạo ra điểm mù. Vì vậy, công nghệ cần được đánh giá trong điều kiện thực tế và kết hợp với các biện pháp bảo vệ hiện có.

Ghi nhận sự kiện để hỗ trợ phân tích

Khi phát hiện một sự kiện bất thường, hệ thống có thể lưu lại thời gian, vị trí, loại cảnh báo và hình ảnh liên quan, tùy theo cấu hình triển khai.

Dữ liệu này giúp bộ phận EHS xem xét sự kiện mà không phải tìm kiếm thủ công trong nhiều giờ video. Đồng thời, việc ghi nhận có cấu trúc cũng tạo điều kiện để tổng hợp các tình huống tương tự theo khu vực, thời gian hoặc loại rủi ro.

Hỗ trợ xác định khu vực cần ưu tiên kiểm soát

Khi dữ liệu được tích lũy đủ lâu và đảm bảo chất lượng, doanh nghiệp có thể phân tích những vị trí thường xuyên xuất hiện cảnh báo, những thời điểm có nhiều hành vi không an toàn hoặc các sự kiện lặp lại sau khi đã thực hiện biện pháp khắc phục.

Chẳng hạn, nếu một khu vực liên tục ghi nhận tình huống người lao động tiến gần xe nâng, bộ phận EHS có thể đánh giá lại việc phân tách lối đi, bố trí biển cảnh báo hoặc tổ chức hoạt động vận chuyển.

Giá trị của AI Vision vì vậy không chỉ nằm ở một cảnh báo riêng lẻ mà còn ở khả năng cung cấp thêm dữ liệu để doanh nghiệp nhận diện các vấn đề có tính hệ thống.

Làm thế nào để đánh giá và thu hẹp Safety Blind Spots?

Việc thu hẹp điểm mù an toàn nên bắt đầu từ đánh giá hiện trạng thay vì lập tức mở rộng số lượng camera. Doanh nghiệp cần xác định những rủi ro quan trọng, mức độ kiểm soát hiện tại và khoảng trống còn tồn tại.

Một quy trình đánh giá có thể được thực hiện qua bốn bước.

Rà soát khu vực và hoạt động có rủi ro cao: Doanh nghiệp cần xem xét sơ đồ nhà máy, luồng di chuyển của người và phương tiện, khu vực máy móc nguy hiểm, hoạt động bảo trì và những công việc không thường xuyên. Kết quả kiểm tra hiện trường, phản ánh của người lao động và dữ liệu sự cố trước đó là những nguồn thông tin quan trọng.

Đánh giá khả năng phát hiện và kiểm soát hiện tại: Với từng rủi ro, cần xác định hệ thống đang sử dụng biện pháp nào để phòng ngừa, phát hiện và xử lý. Camera có quan sát được khu vực hay không chỉ là một phần của đánh giá; doanh nghiệp cũng phải xem xét hàng rào bảo vệ, cảm biến an toàn, quy trình vận hành và trách nhiệm của từng bộ phận.

Bổ sung giải pháp phù hợp với từng điểm mù: Không phải điểm mù nào cũng cần AI Camera. Một số vấn đề có thể được giải quyết hiệu quả hơn bằng cách cải thiện bố trí mặt bằng, bổ sung rào chắn, điều chỉnh quy trình hoặc đào tạo nhân sự. AI Vision nên được ưu tiên tại những vị trí mà khả năng phân tích hình ảnh và cảnh báo tự động mang lại giá trị rõ ràng.

Theo dõi kết quả và cải tiến liên tục: Sau khi triển khai biện pháp kiểm soát, doanh nghiệp cần kiểm tra xem tần suất rủi ro có thay đổi hay không, cảnh báo có được xử lý đúng hạn hay không và các vấn đề đã khắc phục có tiếp tục tái diễn hay không.

OSHA nhấn mạnh rằng nhận diện mối nguy cần là một quá trình chủ động và liên tục, bao gồm kiểm tra hiện trường, điều tra sự cố, phân tích xu hướng và đánh giá hiệu quả của biện pháp khắc phục.

Những chỉ số giúp doanh nghiệp đánh giá điểm mù an toàn

Số vụ tai nạn lao động là một chỉ số quan trọng, nhưng nếu chỉ dựa vào kết quả đã xảy ra, doanh nghiệp khó đánh giá đầy đủ hiệu quả phòng ngừa.

Bên cạnh các chỉ số phản ánh sự cố trong quá khứ (Lagging Indicators), doanh nghiệp nên theo dõi thêm các chỉ số chủ động (Leading Indicators) để đánh giá hoạt động nhận diện và kiểm soát rủi ro.

Theo OSHA, các chỉ số chủ động giúp doanh nghiệp nhận biết vấn đề tiềm ẩn và đánh giá hiệu quả của chương trình an toàn trước khi xảy ra hậu quả nghiêm trọng.

Các chỉ số cần được phân tích cùng với mức độ nghiêm trọng của rủi ro, thời gian hoạt động và phạm vi giám sát. Số cảnh báo tăng không nhất thiết đồng nghĩa với việc nhà máy kém an toàn hơn, bởi nguyên nhân cũng có thể đến từ việc hệ thống phát hiện được nhiều sự kiện trước đây chưa được ghi nhận.

Tương tự, số lượng cảnh báo thấp không tự động chứng minh rằng rủi ro đã được kiểm soát tốt. Doanh nghiệp cần xem xét cả khả năng phát hiện, tỷ lệ bỏ sót và chất lượng dữ liệu trước khi đưa ra kết luận.

EYEFIRE hỗ trợ doanh nghiệp thu hẹp điểm mù an toàn bằng AI Vision

EYEFIRE phát triển các giải pháp AI Camera và AI Vision phục vụ giám sát an toàn trong môi trường công nghiệp, hướng đến việc hỗ trợ doanh nghiệp nhận diện sớm các tình huống bất thường và nâng cao khả năng phản ứng tại hiện trường.

Các ứng dụng của EYEFIRE bao gồm giám sát việc sử dụng thiết bị bảo hộ cá nhân, phát hiện người đi vào vùng nguy hiểm và nhận diện rủi ro liên quan đến hoạt động của thiết bị công nghiệp. Những chức năng này giúp bổ sung khả năng giám sát tại các vị trí mà con người khó theo dõi liên tục.

Một ví dụ là giải pháp AI Camera giám sát an toàn cầu trục được EYEFIRE giới thiệu tại nhà máy gia công thép cuộn. Hệ thống sử dụng bốn camera bố trí theo các hướng khác nhau, di chuyển cùng cầu trục để theo dõi khu vực bên dưới tải. Dữ liệu hình ảnh được đưa về AI Hub để phân tích và tạo cảnh báo theo cấu hình khi phát hiện người xuất hiện trong vùng nguy hiểm.

Trường hợp này cho thấy việc thu hẹp điểm mù không đơn giản là lắp thêm camera cố định. Với những khu vực có nguy cơ thay đổi theo chuyển động của thiết bị, doanh nghiệp cần thiết kế phạm vi quan sát và logic cảnh báo phù hợp với điều kiện vận hành thực tế.

Tuy nhiên, AI Vision chỉ là một phần của hệ thống quản lý an toàn. Hiệu quả cuối cùng còn phụ thuộc vào việc doanh nghiệp sử dụng thông tin cảnh báo như thế nào, tổ chức quy trình xác minh ra sao và có thực hiện những biện pháp khắc phục phù hợp hay không.

Khi được triển khai đúng cách, dữ liệu từ AI Camera có thể trở thành nguồn thông tin bổ sung giúp bộ phận EHS đánh giá rủi ro, ưu tiên kiểm tra và cải tiến hoạt động giám sát an toàn.

Kết luận

Safety Blind Spots không chỉ là những vị trí nằm ngoài tầm quan sát của camera. Chúng còn xuất hiện khi hành vi nguy hiểm không được ghi nhận, sự kiện bất thường không được phân tích hoặc cảnh báo không được chuyển thành hành động xử lý.

Để thu hẹp những điểm mù này, doanh nghiệp cần kết hợp giữa đánh giá rủi ro, biện pháp bảo vệ tại hiện trường, quy trình quản lý an toàn và công nghệ giám sát phù hợp. AI Vision có thể hỗ trợ nhận diện sự kiện, bổ sung dữ liệu và giúp bộ phận EHS nhìn rõ hơn những vấn đề khó quan sát bằng phương pháp truyền thống.

Một hệ thống quản lý an toàn hiệu quả không chỉ cần phát hiện được rủi ro mà còn phải đảm bảo rủi ro được đánh giá, xử lý và kiểm soát để hạn chế tái diễn.