Petrol ve Akaryakıt Sektöründe “Ateş Hattı” Riskleri Yapay Zekâ İle Önleniyor
Petrol ve Akaryakıt Sektöründe “Ateş Hattı” Riskleri Yapay Zekâ İle Önleniyor
İş kazalarında ölümlerin %45'i “Ateş Hattı” risklerinden kaynaklanıyor. Yapay zekâ destekli iş sağlığı ve güvenliği platformu intenseye, sunduğu çözümlerle güvenli olmayan durumları azaltan iyileştirmelerin hayata geçirilmesini sağlıyor.
Petrol ve akaryakıt sektöründe Ateş Hattı (Line of Fire - LoF) riskleri, bir kişinin çarptığı veya arasına sıkıştığı nesnelerle yaralanma durumlarını kapsıyor. Bir diğer deyişle çalışanların yanlış zamanda yanlış yerde konumlanmış olmasından doğan iş kazalarını kapsıyor. Bu tehditler; yeraltı ve yerüstü boru hatları, basınç altında depolanmış enerji, yüksek gerilim hatları, gerekli önlemlerin alınmadığı ve hareketli ekipmanların sebep olduğu beklenmedik ve iş ilerledikçe ortaya çıkabilen kazaları içeriyor.
Uluslararası Petrol ve Gaz Üreticileri Birliği'nin (IOGP) ölümlü vakaları gözden geçirme oturumunda verilen bilgilere göre 2020 yılında gerçekleşen 14 ölümlü kazadan 6'sı (%45) "Ateş Hattı" (LoF) kategorisi altında sınıflandırılıyor. 2020 yılındaki Yüksek Potansiyel Olayların (HPI) %40'ından fazlası da yine “Ateş Hattı” riskleriyle ilişkili.
LoF kurallarına uyumluluğu zorlaştıran faktörler
Bu gerçekle yola çıkan yapay zekâ destekli iş sağlığı ve güvenliği platformu intenseye, petrol ve akaryakıt şirketlerinin LoF ile alakalı artan iş kazalarına çözüm bulurken karşılaştıkları zorlukları belirledi. intenseye LoF kurallarına uyumu zorlaştıran faktörleri şu şekilde sıraladı:
- Görünmezlik: Basınç/vakum, sürat, elektrik ve gerilim gibi riskler noktasında tehlikenin işçi tarafından öngürülememesi
- Sorumlulukların paylaşılması: Sürekli ve dinamik olarak değişen bir çalışma ortamı, aynı anda aynı yerde iki veya daha fazla potansiyel olarak birbiriyle çelişen faaliyet yürütüldüğünde ortaya çıkabilen vakalara yol açar. Ör: Barikatlar olmadan veya uygunsuz barikatlar kullanılarak yüksekte gerçekleşen başka bir aktiviteden düşen bir nesnenin çarpması
- Risklerin normalleştirilmesi: Son yıllarda yapılan vaka çalışmaları, güvenli olmayan eylemlerin olaydan önce birçok kez aynı şekilde yapıldığını ve insanların risklere karşı bir süre sonra kayıtsız kaldığını ortaya koyuyor.
- Kazalardan ders çıkarma eksikliği: LoF olaylarının bir süre sonra yatay bir seyir alması, kuruluşların önceki olaylardan daha etkili bir şekilde ders çıkarması gerektiğini gösteriyor.
“Ateş Hattı” ihlalleri haftada 100'den fazla kez gerçekleşebiliyor
“Ateş Hattı” kaynaklı riskler petrol, gaz veya enerji endüstrilerinin ötesinde tüm endüstrilerin ele alması gereken bir sorun olarak öne çıkıyor. Öyle ki intenseye'ın veri analiz platformuna göre değişik sektörlerden gelen müşterilerin tesislerinde bu tarz olaylar sadece bir haftada bile 100'den fazla kez gerçekleşebiliyor. Fakat bu, çoğu zaman üstte belirtilen zorluklardan dolayı tespit dahi edilemiyor.
intenseye da müşterilerinin görünmeyeni görmesine yardımcı olabilecek çeşitli kullanım örnekleri sunuyor. Peki intenseye gerçek zamanlı iç görüleri kullanarak güvene dayalı bir İSG kültürünü nasıl teşvik ediyor?
Konuyla ilgili değerlendirmede bulunan intenseye İş Geliştirme Direktörü Gökhan Yıldız şunları söyledi: “intenseye olarak sahada çalışan ekiplerin işlerini en iyi bilen kişiler olduğuna ve kazalara karşı en iyi çözümleri kendilerinin bulacağına inanıyoruz. intenseye'ın gerçek zamanlı verileri, organizasyonel katmanlar arasındaki boşluğu kapatmaya yardımcı oluyor ve yönetim ekiplerinin daha fazla hayat kurtarmak amacıyla sistemik sorunları çözmeleri için saha ekiplerini teşvik edebileceği bir ortam hazırlayarak ilham veriyor. Örneğin, müşterilerimizden biri video görüntülerini sahada işi gerçekleştiren ekiplerle paylaştı ve herkesin katılımıyla gerçekleştirilen kök neden analizi oturumları düzenledi. Bu sayede çalışanların fikirlerini rahatça dile getirmelerine ve uyumluluğu kendileri için kolaylaştıracak çözümler bulmalarına ortam hazırlanmış oldu. Müşterimiz, intenseye'ın güvenli olmayan eylem bildirimleriyle güvensiz durum ve davranışları %80 oranında azaltan iyileştirmeleri hayata geçirdi. Ek olarak, LoF ile ilgili olayların ana nedenleri olan insan/makine etkileşimlerini gerçek zamanlı olarak kontrol etmek için akıllı cihaz entegrasyonundan büyük ölçüde yararlandılar. Böyle kapsayıcı bir yaklaşım, kuruluşun sorunların sistemik kök nedenleri belirleyerek düzeltebilmesine, işçilerin uymaları gereken kuralları sahiplenmelerine ve öğrenilen bilgilerin organizasyonun geri kalanıyla paylaşılması ve güvene dayalı bir İSG kültürünün yaygınlaşmasına olanak tanıyor.”
