Innovazione: ENEA, intelligenza artificiale per una maggiore sicurezza sul lavoro
ENEA ha sviluppato nuovi strumenti basati sull’intelligenza artificiale per misurare e migliorare sicurezza ed efficienza nei luoghi di lavoro. I primi test sono stati condotti con risultati positivi in due contesti lavorativi diversi, una multinazionale farmaceutica e un’azienda italiana di lavorazione dei metalli. La ricerca è stata pubblicata sulla rivista internazionale Journal of Industrial Information Integration e rientra nel progetto internazionale “Human-Centred Safety Crowd-Sensitive Indicators”, al quale hanno partecipato ENEA (coordinamento), Sapienza Università di Roma, Middlesex University di Londra, l’azienda Human Factors Everywhere e Inail che ha finanziato la quota italiana[1].
“La metodologia e gli strumenti software che abbiamo sviluppato sono pensati per garantire l’efficienza e la sicurezza nelle imprese moderne dove i processi produttivi prevedono l’interazione tra persone, strumentazione fisica e componenti tecnologiche, tra cui robot, droni, software e sensori. In gergo tecnico, ci riferiamo a sistemi cyber-socio-tecnici”, spiega Antonio De Nicola, ricercatore del Laboratorio ENEA di Analisi e protezione delle infrastrutture critiche e coautore dello studio insieme alla collega Maria Luisa Villani, Francesco Costantino, Andrea Falegnami e Riccardo Patriarca di Sapienza Università di Roma, Mark Sujan di Human Factors Everywhere e John Watt della Middlesex University.
Il team di esperti ha definito un nuovo indicatore di resilienza[2] per cogliere il disallineamento tra procedure formali (Work-As-Imagined) e lavoro concretamente svolto dagli operatori in fabbrica e nei cantieri (Work-As-Done). “Spesso efficienza e sicurezza sono messi a rischio da questo disallineamento, in quanto nella realtà esistono più modi di ‘vedere’ lo stesso processo lavorativo e può succedere che i lavoratori possano cambiare, per necessità, quanto stabilito dal protocollo. Ma molti di questi cambiamenti possono essere potenzialmente pericolosi se si è, ad esempio, in una centrale elettrica o in un cantiere edile”, sottolinea De Nicola,
Per stimare questo indicatore, è stata sviluppata una metodologia parzialmente automatizzata basata su questionari ‘dinamici’, per cogliere le differenze tra Work-As-Imagined e Work-As-Done, e sull’intelligenza artificiale, per analizzare e quantificare il gap tra queste due modalità lavorative.
Nell’azienda di produzione di semilavorati in alluminio, l’indicatore ha permesso di individuare la tipologia di funzioni da monitorare con più attenzione per garantire ai lavoratori una maggiore sicurezza. Nell’impianto di produzione farmaceutica, invece, sono state evidenziate anche le principali azioni da intraprendere per migliorare l’efficienza delle operazioni.
“A volte il disallineamento tra procedure lavorative formali e il lavoro concreto sono ‘deprecabili’ per il mancato rispetto delle procedure di sicurezza, mentre altre volte il completamento di un processo lavorativo richiede effettivamente che i lavoratori si discostino dai protocolli formali. In ogni caso questa diversità di prospettive può causare tensioni organizzative nell’intero sistema e portare a un basso livello di prestazione o, addirittura, a incidenti legati al mancato rispetto delle procedure di sicurezza”, conclude il ricercatore ENEA.
[1] In Gran Bretagna, Middlesex University di Londra e l’azienda Human Factors Everywhere sono state finanziate da IOSH
[2] Carico allostatico