AR19 S.R.L.
Via Palmanova, 4 | 20132 – Milano
Telefono: +39 340 5763798 | Email: info@ar19.eu | PEC: info.ar19@pec.it
P.Iva/C.F.: 10732020960
CLIENT SECTOR E GEOGRAFIA
Chimica di Base, Italia
SFIDA
Presso una multinazionale leader mondiale nella produzione chimica, migliorare con tecniche innovative data driven la comprensione e gestione dei rischi operativi basata sui records dell’organizzazione, al fine di prevenire incidenti sul luogo di lavoro in modo predittivo e dinamico. Effettuare una prima ricognizione dei dati per scoprire, attraverso tecniche statistiche avanzate, potenziali correlazioni tra possibili precursori e fattori di contesto associabili in modo predittivo a potenziali gravi accadimenti. Testate una prima potenziale applicazione di tecniche di Machine Learning e Artificial Intelligence per la profilazione predittiva del Rischio che consenta il tempestivo riconoscimento di situazioni di potenziale rischio occupazionale per i lavoratori e suggerisca azioni di mitigazione.
STRUMENTI
Analisi statistica generali e sito specifiche dei date set disponibili, applicazione di tecniche di Topic Modeling, Machine Learning e Natural Language Processing. Report degli insights.
APPROCCIO
Attività di data analytics su dati relativi alla sicurezza dei lavoratori e alla sicurezza di processo in Italia forniti da una multinazionale leader mondiale nella produzione chimica tramite i propri database sugli incidenti e sulle osservazioni/near miss. Analsi Statistica, prime applicazioni di machine learning per l’impostazione di un approccio predittivo strutturato di Artificial Intelligence. Combinazione di data analytics con algoritimi predittivi (cosa potrebbe succedere) e prescrittivi (cosa fare nel caso).
BENEFICI
Identificazione di «regole di accadimento» per potenziali incidenti significativi, scoperta di correlazioni controintuitive ruspetto a casue, luoghi e significatività degli incidenti e dei near miss, insights per orientare future iniziative di analisi e promozione di comportamenti sicuri. Identificazione delle principali fattispecie e relativi precursori di rischio percepiti in Azienda, identificazione di correlazioni utili a scoprire nuove considerazioni predittive sui precursori e rispetto alle attuali modalità di strutturazione e raccolta dei dati. Soluzioni di miglioramento delle modalità di raccolta dati.
