KR20210006434A - 비교 안전 이벤트 평가를 위한 개인 보호 장비 및 안전 관리 시스템 - Google Patents

Abstract

하나의 예에서, 시스템은 작업자에 의해 착용되도록 각각 구성된 하나 이상의 개인 보호 장비(PPE) 디바이스들을 포함하며, PPE 디바이스들은 하나 이상의 작업 환경들 내에서 동작하는 작업자들의 활동들을 나타내는 활동 데이터를 생성하는 하나 이상의 센서들을 각각 포함한다. 시스템은 또한 컴퓨팅 디바이스를 포함하며, 컴퓨팅 디바이스는, 적어도 활동 데이터에 기초하여, 하나 이상의 엔티티들의 복수의 클러스터들을 식별하고 - 엔티티들 중 각각의 엔티티는 작업자들 중 한 명 이상과 연관됨 -; 안전 이벤트들에 관한 타겟 엔티티에 의한 성과와 안전 이벤트들에 관한 타겟 엔티티를 포함하는 클러스터에 의한 성과 간의 차이의 표시를 출력하도록 구성된다.

Description

비교 안전 이벤트 평가를 위한 개인 보호 장비 및 안전 관리 시스템

본 개시는 작업자 안전 및 작업자 안전의 개선에 관련된 컴퓨팅 시스템들에 관한 것이다.

많은 작업 환경들은 주어진 환경 내에서 작업하는 사람들을 추락, 오염된 공기의 흡입, 온도 관련 부상(예를 들어, 열사병, 동상 등) 등과 같은 안전 이벤트에 노출시킬 수 있는 위험들을 포함한다. 작업자들은 작업자들을 피해 또는 부상으로부터 보호하는 것을 돕기 위해 개인 보호 장비(PPE)를 이용할 수 있다. 작업 환경들을 운용하는 회사들은 작업 환경들 내에서 동작하는 작업자들의 안전과 관련된 안전 이벤트들에 관한 메트릭(metric)들을 추적한다. 안전 이벤트들의 예는 우발적인 사망, 부상, 니어미스(near-miss), 위험에 대한 계획된 또는 계획되지 않은 노출, 노동력의 손실, 및 사고 비용을 포함한다.

일반적으로, 본 개시는 엔티티(entity)들의 클러스터(cluster)들을 식별하고, 경험된 안전 이벤트들에 관하여, 엔티티들 및 엔티티들의 클러스터들의 상대적 성과들을 비교하기 위한 기술들을 설명한다. 비교되는 엔티티들은, 예를 들어, 상이한 작업 환경들, 작업자들의 그룹들, 또는 개별 작업자들을 나타낼 수 있다.

작업자는 작업 환경 내의 작업자의 대응하는 생리학적 조건들, 움직임들 또는 다른 생리학적 특성들을 모니터링하고 생리학적 특성들을 나타내는 생리학적 데이터를 작업자 안전 관리 시스템에 제공하는 하나 이상의 생리학적 센서들을 포함하는 개인 보호 장비(PPE)를 이용할 수 있다. 작업자 안전 관리 시스템은 엔티티들에 의해 경험되는 안전 이벤트들에 영향을 미칠 수 있고 차원들에 의해 정의된 차원 공간에서 엔티티들을 클러스터링하는 데 사용될 수 있는 하나 이상의 상이한 차원들을 따른 다양한 엔티티들의 특성들을 설명하는 데이터를 수신할 수 있다. 차원들을 따른 다양한 특성들은, 예를 들어, 한 명 이상의 작업자들에 대한 생리학적 데이터, 엔티티에 의해 또는 엔티티 내에서 사용되는 (PPE와 같은) 안전 제품들의 유형들, 엔티티들에 의한 안전 제품들의 이용, 지리적 위치, 작업자들의 수 및/또는 작업자 인구통계학적 정보, 작업자 스케줄링, 훈련 데이터, 수행되는 작업들의 볼륨들 및 유형들, 및 엔티티에 의해 경험되는 안전 이벤트들의 발생의 유형들 및 수들을 포함할 수 있다. 특성들은 카테고리 및/또는 연속 데이터를 포함할 수 있다. 작업자 안전 관리 시스템은 수신된 데이터를 처리하여 차원들에 의해 정의된 공간에서 엔티티들의 클러스터들을 식별하며, 이때 그러한 식별된 클러스터들은 특성들에 관하여 서로 유사한 하나 이상의 엔티티들에 대응한다.

작업자 안전 관리 시스템은 안전 이벤트들에 관한 성과에 있어서의 차이들을 결정하고 출력하기 위해 엔티티들 및 엔티티들의 클러스터들을 서로 비교할 수 있다. 예를 들어, 작업자 안전 관리 시스템은, 작업자에 의해 경험되는 부상들에 관하여, 타겟 엔티티(target entity)가 타겟 엔티티를 포함하는 클러스터 내의 엔티티들 간의 평균에 비해 낫다고 결정할 수 있다. 작업자 안전 관리 시스템은 이러한 비교의 표시를 사용자 또는 다른 분석 시스템에 출력할 수 있다. 사용자 또는 다른 분석 시스템은 이러한 표시를 사용하여 안전 이벤트 발생에 상관되는 엔티티들의 그러한 특성들을 식별하는 데 도움을 줄 수 있다.

본 개시에 설명된 기술들은 하나 이상의 기술적 이점을 제공할 수 있다. 예를 들어, 기술들은 엔티티 특성들의 많은 차원들을 따른 엔티티들에 있어서의 차이들을 설명하는 엔티티들 간의 비교들을 가능하게 함으로써 작업자 안전 관리를 개선할 수 있다. 이것은 그렇지 않으면 글로벌 비교가 사용되는 경우, 즉 엔티티 모집단 내의 모든 다른 엔티티들과 타겟 엔티티 사이에서 사용되는 경우 발생할 수 있는 안전 이벤트 평가들의 거짓 양성들 및 거짓 음성들 둘 모두를 감소시킬 수 있다. 예를 들어, 타겟 엔티티를 포함하는 엔티티들의 제1 그룹은 작업자 안전 관리 시스템이 엔티티들의 제1 그룹을 제1 클러스터로 클러스터링하게 하는 유사한 특성들을 가질 수 있고, 엔티티들의 제2 그룹은 작업자 안전 관리 시스템이 엔티티들의 제2 그룹을 제2 클러스터로 클러스터링하게 하는 유사한 특성들을 가질 수 있다. 엔티티들의 제1 클러스터에 대해 안전 이벤트들에 관한 타겟 엔티티의 성과를 평가함으로써, 기술들은 유사한 엔티티들의 비교들을 가능하게 할 수 있고 더 정확한 평가를 제공할 수 있으며, 이는 작업자 안전에 대한 개선을 용이하게 할 수 있다.

하나의 예에서, 시스템은 작업자에 의해 착용되도록 각각 구성된 하나 이상의 개인 보호 장비(PPE) 디바이스들을 포함하며, PPE 디바이스들은 하나 이상의 작업 환경들 내에서 동작하는 작업자들의 활동들을 나타내는 활동 데이터를 생성하는 하나 이상의 센서들을 각각 포함한다. 시스템은 또한 컴퓨팅 디바이스를 포함하며, 컴퓨팅 디바이스는, 적어도 활동 데이터에 기초하여, 하나 이상의 엔티티들의 복수의 클러스터들을 식별하고 - 엔티티들 중의 각각의 엔티티는 작업자들 중 한 명 이상과 연관됨 -; 안전 이벤트들에 관한 타겟 엔티티에 의한 성과와 안전 이벤트들에 관한 타겟 엔티티를 포함하는 클러스터에 의한 성과 간의 차이의 표시를 출력하도록 구성된다.

다른 예에서, 컴퓨팅 디바이스는 적어도 하나의 프로세서; 및 명령어들을 포함하는 메모리를 포함하고, 명령어들은, 실행될 때, 적어도 하나의 프로세서로 하여금, 안전 이벤트들에 관한 하나 이상의 엔티티들에 의한 성과를 나타내는 엔티티 데이터를 수신하고; 엔티티 데이터로부터, 엔티티들에 대한 각자의 d차원 벡터들을 생성하고 - d차원 벡터들 각각은 대응하는 엔티티에 대한 차원에서의 값을 나타내는 d개의 차원들 중의 각각의 차원에 대한 대응하는 값을 가짐 -; 클러스터링 알고리즘(clustering algorithm)을 사용하여 d차원 벡터들을 처리하여 하나 이상의 엔티티들의 복수의 클러스터들을 식별하고 - 엔티티들 중의 각각의 엔티티는 한 명 이상의 작업자들과 연관됨 -; 안전 이벤트들에 관한 타겟 엔티티에 의한 성과와 안전 이벤트들에 관한 타겟 엔티티를 포함하는 클러스터에 의한 성과 간의 차이의 표시를 출력하게 한다.

다른 예에서, 컴퓨팅 디바이스는 적어도 하나의 프로세서; 및 명령어들을 포함하는 메모리를 포함하고, 명령어들은, 실행될 때, 적어도 하나의 프로세서로 하여금, 적어도 작업자에 의해 착용되도록 각각 구성된 하나 이상의 개인 보호 장비(PPE) 디바이스들에 포함된 하나 이상의 센서들에 의해 생성된 활동 데이터 - 활동 데이터는 하나 이상의 작업 환경들 내에서 동작하는 작업자들의 활동들을 나타냄 - 에 기초하여, 하나 이상의 엔티티들의 복수의 클러스터들을 식별하고 - 엔티티들 중의 각각의 엔티티는 한 명 이상의 작업자들과 연관됨 -; 안전 이벤트들에 관한 타겟 엔티티에 의한 성과와 안전 이벤트들에 관한 타겟 엔티티를 포함하는 클러스터에 의한 성과 간의 차이의 표시를 출력하게 한다.

본 개시의 하나 이상의 예에 대한 상세 사항이 첨부 도면 및 이하의 설명에 기술된다. 본 개시의 다른 특징, 목적 및 이점이 설명 및 도면으로부터, 그리고 청구범위로부터 명백할 것이다.

도 1은 본 개시의 다양한 기술들에 따른, 작업자 안전 관리 시스템을 포함하는 예시적인 시스템을 예시하는 블록도이다.
도 2는 도 1에 도시된 안전 관리 시스템의 동작 관점을 상세히 예시하는 블록도이다.
도 3은 본 개시의 기술들에 따른, 작업자 안전 관리 시스템의 예시적인 사용자 인터페이스를 예시한다.
도 4는 본 개시의 기술들에 따른, 작업자 안전 관리 시스템의 예시적인 사용자 인터페이스를 예시한다.
도 5는 본 개시의 기술들에 따른, 작업자 안전 관리 시스템의 예시적인 사용자 인터페이스를 예시한다.
도 6은 본 개시에 설명된 기술들에 따른, 작업자 안전 관리 시스템에 대한 예시적인 동작 모드를 예시하는 흐름도이다.
도 7은 본 개시에 설명된 기술들에 따른, 작업자 안전 관리 시스템에 대한 예시적인 동작 모드를 예시하는 흐름도이다.
본 발명의 범위로부터 벗어남이 없이 실시예가 이용될 수 있고 구조적 변경이 이루어질 수 있음이 이해되어야 한다. 도면들은 반드시 일정한 축척으로 작성된 것은 아니다. 도면들에서 사용되는 동일한 도면 부호들은 동일한 컴포넌트들을 지시한다. 그러나, 주어진 도면에서 소정 컴포넌트를 지시하기 위한 도면 부호의 사용은 동일한 도면 부호로 표지된 다른 도면 내의 그 컴포넌트를 제한하도록 의도되지 않음이 이해될 것이다.

도 1은 본 개시에 설명된 기술들에 따른, 엔티티들의 클러스터들을 식별하고, 경험된 안전 이벤트들에 관하여, 엔티티들 및 엔티티들의 클러스터들의 상대적 성과들을 비교하기 위한 작업자 안전 관리 시스템(SMS)(6)을 포함하는 예시적인 시스템(2)을 예시하는 블록도이다. 비교되는 엔티티들은, 예를 들어, 작업 환경들, 설비들, 작업자들의 그룹들, 또는 개별 작업자들을 나타낼 수 있다.

일반적으로, SMS(6)는 데이터 획득, 모니터링, 활동 로깅, 보고, 예측 분석, 안전 조건 식별, 및 경보 생성을 제공할 수 있다. 예를 들어, SMS(6)는 본 명세서에 설명된 다양한 예에 따른 기본 분석 및 안전 관리 엔진 및 경보 시스템을 포함한다. 일반적으로, SMS(6)는 엔티티들 간의 상위들을 식별하는 것을 도울 수 있고, 그에 의해 엔티티들(예를 들어, 작업자들, 작업 환경들, 하나 이상의 작업 환경들을 포함하는 설비들 등)의 클러스터들을 식별하고 다른 엔티티들에 대한 타겟 엔티티의 안전 성과 간의 차이를 결정함으로써 작업자들에 대한 위험들을 완화하는 것을 도울 수 있다. SMS(6)는 타겟 엔티티를 포함하는 엔티티들의 클러스터에 대한 안전 이벤트들의 발생들에 대한, 타겟 엔티티에 대한 안전 이벤트들의 발생들 간의 차이를 결정할 수 있으며, 엔티티들은 대응하는 다차원 공간에서의 엔티티들의 카테고리 및/또는 연속 엔티티 특성들의 차원들에 따라 클러스터링된다.

예를 들어, SMS(6)는 특정 작업 환경 내의 다른 작업자들에 대한, 타겟 작업자에 대한 안전 이벤트들에 관한 성과 간의 차이를 결정하고, 다른 작업 환경들에 대한, 타겟 작업 환경에 대한 안전 이벤트들에 관한 성과 간의 차이를 결정하고, 작업자들의 다른 그룹들에 대한, 작업자들의 타겟 그룹에 대한 안전 이벤트들에 관한 성과 간의 차이를 결정하고, 그리고/또는 다른 작업 환경에 대한, 타겟 작업 환경에 대한 안전 이벤트들에 관한 성과 간의 차이를 결정할 수 있다. 안전 이벤트들의 예들은 작업자 활동들, 개인 보호 장비(PPE)의 물품들의 사용에 관한 조건들 또는 이벤트들, 위험한 환경 조건들, 우발적인 사망들, 질병 또는 부상, 니어미스, 위험들에 대한 계획된 또는 계획되지 않은 노출, 노동력의 손실, 및 사고들의 비용들을 포함할 수 있다. 예를 들어, 청력, 시력, 또는 머리 보호 장비의 컨텍스트에서, 안전 조건은 그러한 보호 장비가 대기 구성에 있는 것일 수 있다. 위험 장비의 컨텍스트에서, 안전 조건은 위험 장비에 대한 작업자의 근접일 수 있다. 작업자 질병 또는 부상은, 다른 예들 중에서도, 온도 관련 질병 또는 부상, 심장 관련 질병 또는 부상, 호흡기 관련 질병 또는 부상, 또는 눈 또는 청력 관련 부상 또는 질병을 포함할 수 있다. 안전 이벤트들의 추가적인 예들은 추락, 오염된 공기의 호흡, 방사선 또는 화학물질들에 대한 노출 등을 포함한다. 안전 이벤트들은, 어떤 경우에, 유형, 예를 들어 "작업자 부상들", "모든 안전 이벤트들", "노출" 등에 의해 분류될 수 있다.

일부 예들에서, SMS(6)는, 몇 가지만 예로 들자면, 모션 센서들, 생리학적 센서들, 장비 센서들과 같은 센서들로부터 센서 데이터를 수신한다. 작업자들, 작업 환경들, 또는 이들 둘 모두와 연관된 안전 이벤트들 및 센서 데이터를 분석함으로써, SMS(6)는, 그러한 예들에서, 안전 이벤트들 및 성과에 상관될 수 있는 많은 상이한 데이터 스트림들 및 데이터 스트림들에 포함된 데이터의 상이한 유형들을 설명하는 방식으로 작업자들에 대한 위험을 관리하기 위해 본 명세서에 설명된 클러스터링 및 분석 기술들을 적용할 수 있다.

이하에서 더 설명되는 바와 같이, SMS(6)는 건설 현장들, 창고들, 제조 현장들, 또는 임의의 물리적 환경일 수 있는 하나 이상의 작업 환경들(8) 내의 작업자들(10)에 대한 위험을 관리하기 위한 통합형 엔드-투-엔드 시스템을 제공할 수 있다. 설비는 하나 이상의 작업 환경을 포함할 수 있다. 작업 환경은 임의의 봉쇄된 설비 외부에 위치될 수 있고, 그러한 설비와 연관되지 않을 수 있다. 본 개시의 기술들은 시스템(2)의 다양한 부분 내에서 실현될 수 있다.

도 1의 예에 도시된 바와 같이, 시스템(2)은 복수의 작업 환경(8A, 8B)(집합적으로, 작업 환경(8)) 내의 컴퓨팅 디바이스(들)가 하나 이상의 컴퓨터 네트워크(4)를 통해 SMS(6)와 전자적으로 통신하는 컴퓨팅 환경을 포함한다. 작업 환경들(8) 각각은 작업자들(10)과 같은 한 명 이상의 개인들이 작업 환경 내의 작업들 또는 활동들에 참여하는 물리적 환경을 나타낸다.

이 예에서, 작업 환경(8A)은 일반적으로 작업자들(10)을 갖는 것으로 도시되는 반면, 작업 환경(8B)은 더 상세한 예를 제공하기 위해 확대된 형태로 도시된다. 도 1의 예에 예시된 바와 같이, 작업 환경(8B)은 작업 환경 및 작업 환경(8B) 내의 작업자들(10)을 모니터링하도록 구성된 다양한 센서들을 포함한다. 예를 들어, 작업 환경(8B)은 생리학적 센서들(22), 모션 센서들(23), 환경 감지 스테이션(environmental sensing station)들(21) 등을 포함할 수 있다.

모션 센서들(23A-23N)(집합적으로, 모션 센서들(23))은 각자의 작업자(10A-10N)의 모션을 검출하도록 구성된다. 모션 센서들(23)은 가속도계, 자이로스코프, 자기계, 또는 다른 유형의 모션 센서를 포함할 수 있다. 일부 예들에서, 모션 센서들(23)은 하나 이상의 차원들에서의 가속도를 나타내는 데이터를 생성하고 출력한다. 유사하게, 모션 센서들(23)은 하나 이상의 차원들에서의 작업자(10)의 배향(예를 들어, 방향)에 있어서의 변화를 나타내는 데이터를 생성하고 출력할 수 있다. 모션 센서들(23)은 작업자들(10) 중의 각자의 작업자가 행한 걸음들, 오른 계단들, 또는 수행한 들어올림들의 양을 나타내는 데이터를 출력할 수 있다.

일부 예들에서, 하나 이상의 생리학적 센서들(22A-22D)(집합적으로, 생리학적 센서들(22))은 한 명 이상의 작업자들(10)의 하나 이상의 생리학적 특성들을 검출하도록 구성된다. 생리학적 센서들(22)의 예들은, 다른 예들 중에서도, (예를 들어, 작업자(10A)의 맥박을 검출하거나 심박수를 결정하도록 구성된) 심박수 센서, (예를 들어, 호흡 속도를 검출하도록 구성된) 호흡 센서, (예를 들어, 작업자(10A)의 온도를 검출하도록 구성된) 온도 센서, (예를 들어, 얼마나 많은 작업자(10A)가 땀을 흘리고 있는지를 검출하도록 구성된) 땀 센서, 피부 또는 피하 분석물 센서를 포함한다. 생리학적 센서들(22)은 한 명 이상의 작업자(10)로부터 검출된 하나 이상의 생리학적 특성을 나타내는 생리학적 데이터를 생성하고 출력한다. 예를 들어, 생리학적 센서(22A)가 심박수 센서를 포함할 때, 심박수 센서는 작업자(10A)의 심박수를 나타내는 데이터를 출력할 수 있다. 다른 예로서, 생리학적 센서(22A)가 온도 센서를 포함할 때, 온도 센서는 작업자(10A)의 온도(예를 들어, 코어 체온 또는 피부 온도)를 나타내는 데이터를 출력할 수 있다. 일부 예들에서, 생리학적 센서들(22)은 개인 보호 장비의 일부로서 포함될 수 있다. 예를 들어, 도 1에 예시된 바와 같이, PPE(13A-13N)는 각각 하나 이상의 생리학적 센서(22A-22N)를 포함한다. 일부 예들에서, 생리학적 센서들(22) 중 하나 이상은 개인 보호 장비의 임의의 물품들로부터 분리된 것일 수 있다. 예를 들어, 도 1에 예시된 바와 같이, 생리학적 센서(22D)는 개인 보호 장비의 임의의 물품들과는 물리적으로 별개이다. 생리학적 센서(22D)는 작업자(10A)에 의해 착용될 수 있거나(예를 들어, 소위 스마트 워치 또는 활동 추적기), 작업자(10A)로부터 물리적으로 분리된 원격 센서일 수 있다(예를 들어, 한 명 이상의 작업자(10)의 체온을 모니터링하는 적외선 카메라).

도 1의 예에 도시된 바와 같이, 작업 환경(8B)은 또한 작업 환경 내의 정확한 위치 데이터를 제공하는, 비컨들(17A-17B)과 같은, 하나 이상의 무선 인에이블드 비컨을 포함할 수 있다. 예를 들어, 비컨들(17A-17B)은 각자의 비컨 내의 제어기가 각자의 비컨의 위치를 정확하게 결정하는 것이 가능할 수 있도록 GPS 인에이블될 수 있다. 비컨들(17) 중 하나 이상과의 무선 통신에 기초하여, 작업자(10)에 의해 착용되는 PPE(13), 센서들(22, 23, 26), 또는 통신 허브(14)는 작업 환경(8B) 내의 작업자의 위치를 결정하도록 구성된다. 이러한 방식으로, SMS(6)에 보고되는 이벤트 데이터는 SMS에 의해 수행되는 해석, 보고 및 분석을 돕기 위해 위치 데이터로 스탬핑될 수 있다.

게다가, 작업 환경(8B)은 또한 감지 스테이션들(21A, 21B)과 같은 하나 이상의 무선 인에이블드 감지 스테이션을 포함할 수 있다. 각각의 감지 스테이션(21)은 하나 이상의 센서 및 감지된 환경 조건들을 나타내는 데이터를 출력하도록 구성된 제어기를 포함한다. 더욱이, 감지 스테이션들(21)은 환경 데이터를 SMS(6)에 보고할 때 각자의 위치를 결정하고 그러한 위치 데이터를 포함하도록 작업 환경(8B)의 각자의 지리적 영역 내에 위치되거나 달리 비컨들(17)과 상호 작용할 수 있다. 그렇기 때문에, SMS(6)는 감지된 환경 조건들을 특정 영역들과 상관시키도록 구성될 수 있고, 그에 따라 PPE(13), 감지 스테이션들(21), 생리학적 센서들(22), 또는 모션 센서들(23)로부터 수신된 이벤트 데이터를 처리할 때 캡처된 환경 데이터를 이용할 수 있다. 예를 들어, SMS(6)는 PPE(13)에 대한 경보 또는 다른 명령의 생성을 돕기 위해, 그리고 소정의 환경 조건들(예컨대, 열, 습도, 가시성)과 비정상적인 작업자 행동 또는 증가된 안전 이벤트들 사이의 임의의 상관관계들을 결정하는 것과 같은 예측 분석을 수행하기 위해 환경 데이터를 이용할 수 있다. 그렇기 때문에, SMS(6)는 현재의 환경 조건들을 이용하여 임박한 안전 이벤트의 예측 및 회피를 도울 수 있다. 감지 스테이션들(21)에 의해 감지될 수 있는 예시적인 환경 조건들은 온도, 습도, 다양한 기체들의 존재, 압력, 가시성, 바람, 주변 광, 주변 잡음, 방사선, 공기 질 등을 포함하지만, 이들로 제한되지 않는다. 다시 말해서, 감지 스테이션들(21)은 온도 센서, 습기 및/또는 습도 센서, 기체 센서, 압력 센서, 광 센서, 오디오 센서, 방사선 센서 등을 포함할 수 있다. 일부 예들에서, 감지 스테이션들(21)은 작업자들(10)이 각자의 작업 환경들(8)에서 동작하고 있는 동안 작업자들(10)의 움직임들을 모니터링하도록 구성된 카메라를 포함할 수 있다.

도 1의 예에서, 복수의 작업자(10A-10N)는 PPE(13A-13N)를 이용하는 것으로 도시된다. 그러나, 일부 예들에서, 본 개시의 기술들은 PPE를 이용하고 있지 않은 작업자들에게 적용된다. 도 1의 예에서 PPE(13)가 호흡기로서 예시되지만, 본 명세서에 설명된 기술들은 청력 보호, 시력 보호, 및 머리 보호를 위한 것들과 같은 다른 유형의 PPE뿐만 아니라, 보호복, 외상 보호, 보조/보호 호흡을 위한 다른 PPE 등에 적용된다. 일부 예들에서, PPE(13)는 허브(14), 시계(예를 들어, 스마트 워치), 피트니스 추적기, 안경, 헤드폰, 모바일 폰, 심박수 모니터, 펄스 옥시미터, 또는 하나 이상의 생리학적 센서(22)를 포함할 수 있는 다른 웨어러블 디바이스와 같은 컴퓨터화된 디바이스들을 포함한다.

PPE(13) 각각은, 일부 예들에서, 사용자(예컨대, 작업자)가 PPE를 이용(예를 들어 착용)하면서 활동에 참여할 때 실시간으로 데이터(데이터로도 지칭됨)를 캡처하도록 구성된 내장 센서 또는 모니터링 디바이스 및 처리 전자장치를 포함할 수 있다. PPE(13)는 그러한 컴포넌트들의 동작을 감지하거나 제어하기 위한 다수의 장비 센서들(26)을 포함할 수 있다. 헤드 탑은 예로서 헤드 탑 바이저 위치 센서, 헤드 탑 온도 센서, 헤드 탑 모션 센서, 헤드 탑 충격 검출 센서, 헤드 탑 위치 센서, 헤드 탑 배터리 레벨 센서, 헤드 탑 헤드 검출 센서, 주변 소음 센서 등을 포함할 수 있다. 송풍기는 예로서 송풍기 상태 센서, 송풍기 압력 센서, 송풍기 동작 시간 센서, 송풍기 온도 센서, 송풍기 배터리 센서, 송풍기 모션 센서, 송풍기 충격 검출 센서, 송풍기 위치 센서 등을 포함할 수 있다. 필터는 예로서 필터 존재 센서, 필터 유형 센서 등을 포함할 수 있다. 위에 언급된 장비 센서들 각각은 예를 들어 장비의 각자의 물품의 동작 상태(예를 들어, 많은 예들 중에서도, 온, 오프, 개방, 폐쇄, 동작, 오작동, 남은 예상 실행 시간의 양, 사용 중인 총 실행 시간)를 나타낼 수 있는 사용 데이터를 생성할 수 있다. 일부 예들에서, 작업자들(10)에 의해 착용되는 PPE의 하나 이상의 물품들은 하나 이상의 생리학적 센서들(22), 모션 센서들(23) 또는 이들 둘 모두를 포함한다. 일부 예들에서, 작업자들(10)에 의해 착용되는 PPE의 하나 이상의 물품들은 하나 이상의 감지 스테이션들(21)을 포함한다.

또한, PPE(13) 각각은 PPE(13)의 동작을 나타내는 데이터를 출력하고/하거나 각자의 작업자(10)에게 통신을 생성 및 출력하기 위한 하나 이상의 출력 디바이스를 포함할 수 있다. 예를 들어, PPE(13)는 가청 피드백(예컨대, 하나 이상의 스피커), 시각 피드백(예를 들어, 하나 이상의 디스플레이, 발광 다이오드(LED) 등) 또는 촉각 피드백(예를 들어, 진동하거나 다른 햅틱 피드백을 제공하는 디바이스)을 생성하기 위한 하나 이상의 디바이스를 포함할 수 있다.

SMS(6)는 하나 이상의 엔티티와 연관된 엔티티 데이터(28)를 포함할 수 있다. 엔티티는 예를 들어 작업 환경들(8) 중의 특정 작업 환경, 작업자들(10) 중의 특정 작업자, 작업 환경, 또는 작업자들의 그룹을 나타낼 수 있다. 도 1의 예에서, 엔티티 데이터(28)는 작업 환경들의 특성들을 나타내는 작업 환경 데이터(29A) 및 작업자들(10)의 특성들을 나타내는 작업자 데이터(29B)를 포함한다. 일부 예들에서, 작업 환경 데이터(29A) 및 작업자 데이터(29B)는 하나 이상의 센서들(21, 22, 23 및 26)로부터의 활동 데이터를 포함한다. 예를 들어, SMS(6)는 다양한 센서들로부터 활동 데이터를 수신하고 활동 데이터를 작업 환경 데이터(29A), 작업자 데이터(29B), 또는 이들 둘 모두 내에 저장할 수 있다. SMS(6)는 엔티티 데이터(28)를 국지적으로 저장할 수 있다. 일부 예들에서, SMS(6)는 (예를 들어, 외부 컴퓨팅 시스템 또는 데이터 저장소에 의해) 별도로 저장된 엔티티 데이터(28)에 액세스할 수 있다.

작업자 데이터(29B)는 작업자들(10)과 연관된 활동 데이터를 포함할 수 있다. 일부 예들에서, 활동 데이터는 모션 센서(23), 생리학적 센서(22), 장비 센서(26), 또는 그 안에서의 조합에 의해 생성된 센서 데이터를 포함한다. 예를 들어, SMS(6)는 작업자(10A)가 행한 걸음들, 작업자(10A)가 오른 계단들, 작업자(10A)가 경험한 추락들, 작업자(10A)가 수행한 들어올림들 등의 양(예를 들어, 수)을 나타내는 모션 데이터를 모션 센서(23A)로부터 수신할 수 있다. 유사하게, SMS(6)는 작업자(10A)의 온도(예를 들어, 코어 온도, 피부 온도, 또는 이들 둘 모두), 작업자(10A)의 심박수, 작업자(10A)의 호흡 속도 등을 나타내는 생리학적 데이터를 생리학적 센서들(22)로부터 수신할 수 있다. 다른 예로서, SMS(6)는, 다른 예들 중에서도, 바이저가 열린 횟수, 작업자(10A)에 의해 소비된 산소의 양, 소비된 배터리의 양과 같은, 장비(예를 들어, PPE)의 물품이 이용된 사용의 빈도 및/또는 지속시간을 나타내는 장비 사용 데이터를 수신할 수 있다. 일부 예들에서, 활동 데이터는 작업자들(10)에 의한 활동들에서 소비된 시간, 활동당 작업자들(10)에 의해 소비된 연속 시간, 작업자들(10)에 의한 듀티 사이클(duty cycle)들, 및 활동 패턴들을 포함한다. SMS(6)는 데이터를 SMS(6)에 직접적으로 또는 이하에서 더 상세히 설명되는 바와 같이 하나 이상의 통신 디바이스들(예를 들어, 허브들(14))을 통해 간접적으로 통신하는 통신 능력들을 포함할 수 있는, 모션 센서들(23), 생리학적 센서들(22), 및/또는 장비 센서들(26)에 의해 생성된 활동 데이터를 수신할 수 있다.

일부 예들에서, 작업자 데이터(29B)는 인구통계학적 데이터, 작업자 유형 데이터(예를 들어, 용접공, 도장공 등과 같은 작업자의 유형을 나타냄), 작업 경험 데이터(예를 들어, 각자의 작업자들(10)에 대한 경험의 햇수를 나타냄), 또는 훈련 데이터(예를 들어, 각자의 작업자들(10)에 의해 획득된 기량들 또는 훈련들을 나타냄), 성과 검토들, 부상 기록들, 안전 위반 기록들 등과 같은, 작업 환경과 연관된 작업자들(10)에 대응하는 전기 데이터(biographical data)를 포함한다.

일부 예들에서, 작업 환경 데이터(29A)는 각자의 작업 환경(8)의 특성들을 나타내는 데이터를 포함한다. 예를 들어, 작업 환경 데이터(29A)는 작업 환경(예를 들어, 창고, 사무실 공간, 건설 현장 등)의 크기(예를 들어, 건물 크기, 로트 크기 등), 위치(예를 들어, 주소, GPS 좌표), 유형, 또는 각자의 작업 환경 각각에서 수행되는 작업의 유형을 나타낼 수 있다. 일부 예들에서, 작업 환경 데이터(29A)는 안전 이벤트 통계를 포함한다. 안전 이벤트 통계는, 다른 것들 중에서도, 경험된 추락의 횟수, 노출(예를 들어, 과도한 사운드, 방사선 등) 사건의 횟수, 총 사건 횟수와 같은, 각각의 작업 환경에서의 안전 이벤트들 또는 사고들의 양의 표시를 포함할 수 있다. 일부 예들에서, 작업 환경 데이터(29A)는, 다른 유형의 데이터 중에서도, 작업 환경들(8) 중의 각자의 작업 환경 각각에서의 작업자들의 양, 각자의 작업 환경 각각에서의 평균 계약 기간, 계약들의 양, 각각의 작업 환경에서 수행되는 작업의 유형들, 보험 데이터(예를 들어, 보험금 청구들의 양, 보험금 청구들의 비용들), 각각의 작업 환경에서 제공되는 훈련들을 나타내는 데이터를 포함한다. 일부 예들에서, 작업 환경 데이터(29A)는 PPE의 유형, PPE 제공자 또는 제조자, PPE 연령 등과 같은, 작업 환경을 갖는 장비를 나타내는 데이터를 포함한다.

일반적으로, 작업 환경들(8) 각각은 모션 센서(23), 생리학적 센서(22), 감지 스테이션(21), 비컨(17) 및/또는 PPE(13)(예를 들어, 장비 센서(26)를 포함함)가 SMS(6)와 통신할 수 있게 하는 컴퓨팅 장비(예를 들어, 근거리 네트워크)를 포함한다. 예를 들어, 작업 환경들(8)은 802.11 무선 네트워크, 802.15 지그비 네트워크 등과 같은 무선 기술로 구성될 수 있다. 도 1의 예에서, 작업 환경(8B)은 네트워크(4)를 통해 SMS(6)와 통신하기 위한 패킷 기반 전송 매체를 제공하는 로컬 네트워크(7)를 포함한다. 작업 환경(8B)은 무선 통신을 지원하기 위한 무선 액세스 포인트(19)를 포함할 수 있다. 일부 예들에서, 작업 환경(8B)은 환경 전역에 지리적으로 분산되어 작업 환경 전반에 걸쳐 무선 통신에 대한 지원을 제공할 수 있는 복수의 무선 액세스 포인트(19)를 포함할 수 있다.

일부 예들에서, 각각의 작업자(10)는 SMS(6)와 모션 센서들(23), 생리학적 센서들(22), 감지 스테이션들(21), 비컨들(17) 및/또는 PPE(13) 사이의 무선 통신을 가능하게 하고 용이하게 하는 웨어러블 통신 허브들(14A-14N) 중 대응하는 하나의 웨어러블 통신 허브를 구비할 수 있다. 예를 들어, 모션 센서들(23), 생리학적 센서들(22), 감지 스테이션들(21), 비컨들(17) 및/또는 PPE(13)는 무선 통신(예를 들어, 블루투스 또는 다른 단거리 프로토콜)을 통해 각자의 통신 허브(14)와 통신할 수 있고, 통신 허브들은 무선 액세스 포인트(19)에 의해 처리되는 무선 통신을 통해 SMS(6)와 통신할 수 있다. 웨어러블 디바이스로서 도시되지만, 허브(14)는 작업 환경(8B) 내에 배치된 독립형 디바이스로서 구현될 수 있다.

일반적으로, 허브들(14) 각각은 로컬 경보 규칙들이 클라우드에 대한 접속을 요구함이 없이 설치 및 실행될 수 있도록 SMS(6)를 통해 프로그래밍될 수 있다. 그렇기 때문에, 허브들(14) 각각은 모션 센서들(23), 생리학적 센서들(22), 감지 스테이션들(21), 비컨들(17) 및/또는 PPE(13)로부터의 활동 데이터의 중계를 제공하고, SMS(6)와의 통신이 두절되는 경우에 이벤트들의 스트림들에 기초한 국지적 경보를 위한 로컬 컴퓨팅 환경을 제공한다.

예시적인 구현들에서, 작업 환경(8B)과 같은 환경은 환경 전역에 걸쳐 분산된 하나 이상의 안전 스테이션(safety station)(15)을 또한 포함할 수 있다. 안전 스테이션(15)은 작업자들(10) 중 한 명이 PPE(13) 및/또는 다른 안전 장비를 체크하고, 안전 장비가 작업 환경들(8) 중 특정한 하나의 환경에 적절한지를 검증하고, 그리고/또는 데이터를 교환할 수 있게 할 수 있다. 안전 스테이션들(15)은 작업자들(10)이 장비 센서들(26), 모션 센서들(23), 생리학적 센서들(22), 감지 스테이션들(21) 및/또는 비컨들(17)로부터 데이터를 수신하고 전송할 수 있게 할 수 있다. 예를 들어, 안전 스테이션들(15)은 경보 규칙들, 소프트웨어 업데이트들 또는 펌웨어 업데이트들을 PPE(13) 또는 다른 장비, 예를 들어 모션 센서(23), 생리학적 센서들(22), 감지 스테이션들(21) 및/또는 비컨들(17)에 송신할 수 있다. 안전 스테이션들(15)은 또한 PPE(13), 허브들(14), 모션 센서들(23), 생리학적 센서들(22), 감지 스테이션들(21), 비컨들(17) 및/또는 다른 안전 장비 상에 캐싱된 데이터를 수신할 수 있다. 즉, 모션 센서들(23), 생리학적 센서들(22), 감지 스테이션들(21), 비컨들(17), PPE(13), 및/또는 데이터 허브들(14)과 같은 장비는 전형적으로 실시간으로 또는 거의 실시간으로 네트워크(4)를 통해 데이터를 송신할 수 있지만, 그러한 장비는 일부 경우들, 상황들, 또는 조건들에서 네트워크(4)에 대한 접속성을 갖지 못할 수 있다. 그러한 경우들에서, 모션 센서들(23), 생리학적 센서들(22), 감지 스테이션들(21), 비컨들(17), PPE(13), 및/또는 데이터 허브들(14)은 데이터를 국지적으로 저장하고 네트워크(4)에 대한 접속성을 회복할 때 데이터를 안전 스테이션들(15)에 송신할 수 있다. 이어서 안전 스테이션들(15)은 모션 센서들(23), 생리학적 센서들(22), 감지 스테이션들(21), 비컨들(17), PPE(13), 및/또는 데이터 허브들(14)로부터 데이터를 획득할 수 있다.

또한, 작업 환경들(8) 각각은 네트워크(4)를 통해 SMS(6)와 상호 작용하기 위한 최종 사용자 컴퓨팅 디바이스(16)를 위한 동작 환경을 제공하는 컴퓨팅 설비를 포함할 수 있다. 예를 들어, 작업 환경들(8) 각각은 전형적으로 환경 내에서의 안전 준수의 감시를 담당하는 하나 이상의 안전 관리자를 포함한다. 일반적으로, 각각의 사용자(20)는 컴퓨팅 디바이스(16)와 상호 작용하여 SMS(6)에 액세스한다. 작업 환경들(8) 각각은 시스템을 포함할 수 있다. 유사하게, 원격 사용자들(24)은 컴퓨팅 디바이스(18)를 사용하여 네트워크(4)를 통해 SMS(6)와 상호 작용할 수 있다. 예의 목적으로, 최종 사용자 컴퓨팅 디바이스들(16)은 랩톱, 데스크톱 컴퓨터, 태블릿 또는 소위 스마트폰과 같은 모바일 디바이스 등일 수 있다.

사용자들(20, 24)은 SMS(6)와 상호 작용하여, 사용 기록, 분석 및 보고의 액세스 및 관찰과 같은, 작업자(10)에 의해 이용되는 안전 장비의 많은 태양을 제어하고 능동적으로 관리한다. 예를 들어, 사용자들(20, 24)은 SMS(6)에 의해 획득되고 저장된 사용 데이터를 검토할 수 있으며, 여기서 사용 데이터는 일정 지속 시간(예를 들어, 1일, 1주일 등)에 걸친 시작 및 종료 시간을 지정하는 데이터, PPE(13) 바이저의 들어올림, 작업자(10)로부터의 PPE(13)의 제거, PPE(13)의 동작 파라미터에 대한 변화, PPE(13)의 컴포넌트에 대한 상태 변화(예컨대, 배터리 저하 이벤트), 작업자(10)의 모션, PPE(13) 또는 허브(14)에 대한 검출된 충격과 같은 특정 이벤트 동안 수집된 데이터, 사용자로부터 획득된 감지된 데이터, 환경 데이터 등을 포함할 수 있다. 또한, 사용자들(20, 24)은 SMS(6)와 상호 작용하여 자산 추적을 수행하고 개개의 안전 장비 피스(piece)들, 예를 들어 PPE들(13)에 대한 유지 보수 이벤트를 스케줄링하여 임의의 절차 또는 규정의 준수를 보장할 수 있다. SMS(6)는 사용자들(20, 24)이 유지 보수 절차와 관련하여 디지털 체크리스트를 생성 및 완성하고 컴퓨팅 디바이스(16, 18)로부터 SMS(6)로 절차의 임의의 결과를 동기화할 수 있게 수 있다.

또한, SMS(6)는 모션 센서(23), 생리학적 센서(22), 감지 스테이션(21), 비컨(17), PPE(13), 및/또는 데이터 허브(14)와 같은, 디지털 방식으로 인에이블되는 디바이스들로부터의 수천 개 또는 심지어 수백만 개의 동시적인 이벤트 스트림을 처리하도록 구성된 이벤트 처리 플랫폼을 통합할 수 있다. SMS(6)의 기본 분석 엔진은 인바운드 스트림들에 이력 데이터 및 모델들을 적용하여, 작업자(10)의 조건 또는 행동 패턴에 기초하여 안전 이벤트의 식별된 이상(anomaly) 또는 예측된 발생과 같은 표명들을 계산할 수 있다.

또한, SMS(6)는 작업자(10) 및/또는 사용자(20, 24)에게 임의의 예측된 이벤트, 이상, 경향 등을 통지하는 실시간 경보 및 보고를 제공할 수 있다. SMS(6)의 분석 엔진은, 일부 예들에서, 분석을 적용하여 감지된 작업자 데이터, 환경 조건, 지리적 영역 및 다른 인자 간의 관계 또는 상관관계를 식별하고 안전 이벤트에 대한 영향을 분석할 수 있다. SMS(6)는, 작업자들(10)의 모집단들에 걸쳐 획득된 데이터에 기초하여, 가능하게는 소정의 지리적 영역 내의 어느 특정 활동들이 안전 이벤트들의 유난히 높은 발생을 유발하거나 유발할 것으로 예측되는지를 결정할 수 있다.

이러한 방식으로, SMS(6)는 데이터 획득, 모니터링, 활동 로깅, 보고, 행동 분석 및 경보 생성을 제공하기 위해 기본 분석 엔진 및 통신 시스템을 갖는 개인 보호 장비를 관리하기 위한 포괄적인 도구들을 긴밀하게 통합할 수 있다. 또한, SMS(6)는 시스템(2)의 다양한 요소들에 의한 그리고 그들 사이에서의 동작 및 이용을 위한 통신 시스템을 제공할 수 있다. 사용자(20, 24)는 SMS에 액세스하여 작업자(10)로부터 획득된 데이터에 대해 SMS(6)에 의해 수행된 임의의 분석에 대한 결과를 볼 수 있다. 일부 예들에서, SMS(6)는 웹 서버(예를 들어, HTTP 서버)를 통해 웹 기반 인터페이스를 제시할 수 있거나, 클라이언트측 애플리케이션이 사용자(20, 24)에 의해 사용되는 컴퓨팅 디바이스(16, 18)의 디바이스, 예컨대 데스크톱 컴퓨터, 랩톱 컴퓨터, 스마트폰 및 태블릿과 같은 모바일 디바이스 등에 대해 배치될 수 있다.

일부 예들에서, SMS(6)는 SMS(6)에 직접 질의하여 획득된 안전 데이터, 준수 데이터 및 분석 엔진의 임의의 결과를, 예를 들어 대시보드, 경보 통지, 보고 등에 의해 보기 위한 데이터베이스 질의 엔진을 제공할 수 있다. 즉, 사용자(20, 24) 또는 컴퓨팅 디바이스(16, 18) 상에서 실행되는 소프트웨어는 SMS(6)에 질의를 제출하고, 하나 이상의 보고 또는 대시보드의 형태로 제시하기 위해 질의에 대응하는 데이터를 수신할 수 있다. 그러한 대시보드는 작업자 모집단들에 걸친 기준선("정상") 동작, 잠재적으로 작업자를 위험에 노출시킬 수 있는 비정상적인 활동에 참여하는 임의의 이례적인 작업자의 식별, 유난히 이례적인(예컨대, 높은) 안전 이벤트들이 발생하였거나 발생할 것으로 예측되는 작업 환경들(8) 내의 임의의 지리적 영역의 식별, 다른 환경에 비해 안전 이벤트들의 이례적인 발생을 나타내는 작업 환경들(8) 중 임의의 것의 식별 등과 같은 시스템(2)에 관한 다양한 통찰을 제공할 수 있다.

아래에 상세히 예시되는 바와 같이, SMS(6)는 모니터링을 맡은 개인에 대한 작업 흐름을 간소화하고 엔티티 또는 환경에 대한 안전 준수를 보장할 수 있다. 즉, SMS(6)는 능동적인 안전 관리를 가능하게 하고, 조직이 작업 환경(8) 내의 소정 영역, 특정 안전 장비 피스 또는 개개의 작업자(10)에 대해 예방 또는 수정 액션을 취하고 정의할 수 있게 할 수 있으며, 또한 엔티티가 기본 분석 엔진에 의해 데이터 구동되는 작업 흐름 절차를 구현할 수 있게 할 수 있다.

하나의 예로서, SMS(6)의 기본 분석 엔진은 주어진 작업 환경(8) 내에서 또는 조직 전체에 대한 다수의 작업 환경에 걸쳐 작업자 모집단에 대한 고객 정의 메트릭(customer-defined metric)을 계산하고 제시하도록 구성될 수 있다. 예를 들어, SMS(6)는 작업자 모집단에 걸쳐(예를 들어, 작업 환경들(8A, 8B) 중 하나 또는 둘 모두의 작업자들(10)에 걸쳐) 데이터를 획득하고 집계된 성과 메트릭(performance metric) 및 예측된 행동 분석을 제공하도록 구성될 수 있다. 또한, 사용자(20, 24)는 임의의 안전 사건의 발생에 대한 벤치 마크를 설정할 수 있고, SMS(6)는 개인들 또는 정의된 작업자 모집단들에 대한 벤치 마크에 관하여 실제 성과 메트릭을 추적할 수 있다.

다른 예로서, SMS(6)는 또한, 예를 들어 PPE(13) 중 하나와 같은 안전 장비의 검사 또는 서비스를 가속화하기 위해, 조건들의 소정 조합들이 존재하는 경우 경보를 트리거할 수 있다. 이러한 방식으로, SMS(6)는 메트릭이 벤치 마크를 충족시키지 못하는 개별 PPE(13) 또는 작업자(10)를 식별하고, 벤치 마크에 관한 메트릭을 개선하기 위한 절차들을 중재 및/또는 수행하여서, 준수를 보장하고 작업자(10)에 대한 안전을 능동적으로 관리하도록 사용자에게 프롬프트할 수 있다.

본 개시의 기술들에 따르면, SMS(6)는, 적어도 부분적으로, 설비들의 작업자들 또는 안전 관리자들, 및/또는 다른 작업자들에 비해 더 위험한 작업자들, 및/또는 전체로서 엔티티들의 모집단보다 타겟 엔티티와 더 유사한 작업 환경들에 알리기 위해 타겟 엔티티를 포함하는 엔티티들의 클러스터의 안전 성과에 대한, 주어진 타겟 엔티티의 안전 성과 간의 차이를 결정함으로써 작업 환경 내에서 동작하는 작업자에 대한 위험을 관리할 수 있다.

SMS(6)는 한 명 이상의 작업자(10)와 각각 연관된 엔티티들의 클러스터들을 식별한다. SMS(6)는 작업 환경들(8) 중 하나 이상 내에서 동작하는 작업자들(10)의 활동들을 나타내는 활동 데이터에 적어도 부분적으로 기초하여 하나 이상의 엔티티들의 복수의 클러스터를 식별할 수 있다. SMS(6)는 하나 이상의 규칙에 기초하여 엔티티들의 복수의 클러스터를 식별할 수 있다. 일부 경우에, 규칙들은 사전 프로그래밍될 수 있다. 다른 예로서, 하나 이상의 규칙은 기계 학습을 이용하여 하나 이상의 모델에 의해 생성될 수 있거나, 그 자체가 클러스터들을 식별하고 타겟 엔티티들을 클러스터들에 매핑하기 위한 기계 학습 모델을 나타낼 수 있다. 따라서, 분석을 위한 타겟 엔티티와 같은 다른 엔티티를 "포함하는" 엔티티들의 클러스터에 관한 본 명세서에서의 설명은, 엔티티들의 클러스터를 식별하기 위해 SMS(6)에 의해 엔티티가 사용되었든지 또는 사용되지 않았든지 간에, 엔티티를 엔티티들의 클러스터에 매핑하는 규칙들을 참조할 수 있다.

예를 들어, 하나 이상의 모델은 클러스터링 알고리즘(예를 들어, k-평균, k-평균++, 스펙트럼 클러스터링, 계층적 클러스터링 및 DBSCAN)을 이용하여 서로 유사한 엔티티들의 클러스터들을 결정하거나 식별한다. SMS(6)는 작업자들(10)을 서로 유사한 작업자들의 상이한 그룹들로 그룹화 또는 클러스터링하거나, 작업 환경들(8)을 서로 유사한 작업 환경들의 상이한 그룹들로 그룹화 또는 클러스터링하거나, 이들 둘 모두를 할 수 있다. 하나 이상의 모델이 클러스터링 알고리즘들을 사용하는 경우에, SMS(6)는 하나 이상의 모델을 적용하여 작업자들(10) 또는 작업 환경들(8)을 특정 수의 클러스터로 클러스터링할 수 있다. 그러한 경우에, 클러스터들의 수는 미리 정의되거나 실험적으로 결정될 수 있다. 일부 예들에서, 각각의 클러스터는 상이한 수의 엔티티들을 포함할 수 있다.

일부 예들에서, SMS(6)는 유사성 알고리즘(예를 들어, k-NN 또는 코사인 유사성)을 이용하여 타겟 엔티티와 유사한 엔티티들의 클러스터들을 식별할 수 있다. 예를 들어, SMS(6)는 하나 이상의 모델을 적용하여, 특정 타겟 엔티티가 주어지면, 타겟 엔티티와 가장 유사한 엔티티들의 클러스터를 결정할 수 있다. 유사성 알고리즘이 사용되는 일부 경우들에서, 클러스터는 미리 결정된 수의 유사한 엔티티들(예를 들어, 타겟 엔티티에 대한 상위 10개의 가장 유사한 엔티티들)을 포함할 수 있다. 다시 말해서, 일부 시나리오들에서, SMS(6)는 타겟 작업자 또는 작업 환경의 표시를 하나 이상의 모델에 입력할 수 있고, 하나 이상의 모델에 기초하여, 타겟 작업자 또는 작업 환경과 가장 유사한 것으로 결정된, 각각, 작업자들 또는 작업 환경들의 표시를 출력할 수 있다.

하나 이상의 모델들은 타겟 엔티티와 연관된 엔티티 데이터(29), 타겟 엔티티와 연관된 (예를 들어, 모션 센서들(23), 생리학적 센서들(22), 및/또는 장비 센서들(26)로부터의) 활동 데이터, 또는 그 안에서의 조합의 표시를 입력들로서 수신할 수 있고, 입력들에 기초하여 클러스터들의 표시를 출력할 수 있다. 일부 예들에서, SMS(6)는 타겟 작업자(10A)와 연관된 활동 데이터 및 다른 작업자들(10)과 연관된 활동 데이터에 기초하여 타겟 작업자(예를 들어, 작업자(10A))와 유사한 작업자들의 클러스터를 결정하거나 식별한다. 예를 들어, 작업자(10A)와 연관된 활동 데이터는 작업자(10A)가 매일 평균 10,000 걸음을 걷고 평균 100개의 계단을 오른다는 것을 나타낼 수 있다. SMS(6)는 작업자(10A)에 대한 활동 데이터와 가장 유사한 활동 데이터를 갖는 작업자들(10)의 서브세트를 식별하기 위해 작업자(10A) 및 다른 작업자들(10)과 연관된 활동 데이터에 하나 이상의 모델을 적용할 수 있다. 하나의 시나리오에서, SMS(6)는 타겟 작업 환경(8B)과 연관된 활동 데이터 및 다른 작업 환경들(8)과 연관된 활동 데이터에 기초하여 타겟 작업 환경(예를 들어, 작업 환경(8B))과 유사한 작업 환경의 클러스터를 식별할 수 있다. 예를 들어, 작업 환경(8B)과 연관된 활동 데이터는 작업 환경(8B) 내에서 작업하는 작업자들이 전형적으로 (예를 들어, SCBA 탱크로부터의) 18L의 가압 산소를 소비한다는 것을 나타낼 수 있다. 그러한 시나리오들에서, SMS(6)는 작업 환경(8B)과 가장 유사한 작업 환경들(8)의 서브세트를 식별하기 위해 작업 환경(8B)과 연관된 활동 데이터에 하나 이상의 모델을 적용할 수 있다.

일부 경우들에서, SMS(6)는 타겟 엔티티와 연관된 엔티티 데이터에 하나 이상의 모델을 적용하여 유사한 엔티티들을 식별할 수 있다. 예를 들어, 엔티티 데이터가 타겟 작업자(예를 들어, 작업자(10A))와 연관된 전기 데이터를 포함할 때, SMS(6)는 작업자들(10)에 대한 전기 데이터에 기초하여 타겟 작업자(10A)와 가장 유사한 작업자들(10)의 서브세트를 식별할 수 있다. 다른 예로서, 엔티티 데이터가 작업 환경 데이터를 포함할 때, SMS(6)는 타겟 작업 환경(예를 들어, 작업 환경(8B))과 연관된 작업 환경 데이터에 하나 이상의 모델을 적용할 수 있고, 작업 환경들(8)에 대한 작업 환경 데이터에 기초하여 타겟 작업 환경(8B)과 가장 유사한 작업 환경들(8)의 서브세트를 식별할 수 있다.

엔티티들의 클러스터를 식별하는 것에 응답하여, SMS(6)는 안전 이벤트들에 관한 타겟 엔티티에 의한 성과와 타겟 엔티티를 포함하는 클러스터의 성과 간의 차이를 결정할 수 있다. 예를 들어, SMS(6)는 안전 이벤트들에 관한 타겟 엔티티에 의한 성과와 안전 이벤트들에 관한 타겟 엔티티를 포함하는 클러스터의 성과 간의 차이를 결정할 수 있다. 다시 말해서, SMS(6)는 유사한 엔티티들의 클러스터에 대한, 타겟 엔티티의 안전 성과에 있어서의 차이들을 결정할 수 있다. 일부 예들에서, SMS(6)는 타겟 엔티티를 포함하는 엔티티들의 클러스터 내의 각각의 엔티티에 대한 성과를 결정함으로써 클러스터의 성과에 대한, 타겟 엔티티에 의한 성과 간의 차이를 결정할 수 있다. 예를 들어, SMS(6)는 엔티티들의 클러스터 내의 각각의 엔티티에 대한 안전 메트릭(safety metric)을 결정할 수 있다. 다시 말해서, SMS(6)는 작업자들(10)의 클러스터 내의 각각의 작업자에 대한, 작업 환경들(8)의 클러스터 내의 각각의 작업 환경에 대한, 또는 이들 둘 모두에 대한 안전 메트릭을 결정할 수 있다. 일부 예들에서, SMS(6)는 엔티티 데이터(28)에 저장된 안전 데이터에 기초하여 안전 메트릭을 결정한다. 예를 들어, 작업 환경 데이터(29A) 및/또는 작업자 데이터(29B)는, 각각, 각각의 작업 환경 또는 작업자와 연관된 안전 이벤트들의 양을 나타내는 데이터를 포함할 수 있다. 일부 예들에서, 안전 데이터는 작업자 사망의 수, 작업자 사고의 수, 작업자 사고의 총 비용, 작업자 사고로 인한 손실 시간 등을 나타낸다. 일부 예들에서, 안전 데이터는 SMS(6) 외부에 저장될 수 있고, SMS(6)가 액세스 가능할 수 있다. SMS(6)는 안전 데이터에 기초하여 안전 이벤트들에 관한 클러스터(타겟 엔티티를 포함하는 클러스터) 내의 각각의 엔티티의 성과를 결정할 수 있다. 즉, 타겟 작업 환경(8B)이 50개의 유사한 작업 환경들의 클러스터에 포함되는 예에서, SMS(6)는 50개의 작업 환경 각각에 대한 안전 메트릭을 결정할 수 있다.

타겟 엔티티를 포함하는 엔티티들의 클러스터 내의 각각의 엔티티에 대한 안전 메트릭을 결정하는 것에 응답하여, SMS(6)는 타겟 엔티티의 성과와 클러스터의 성과 간의 차이의 표시를 출력할 수 있다. 예를 들어, 도 3에 더 예시된 바와 같이, SMS(6)는 엔티티들(302)의 클러스터의 평균(예를 들어, 애버리지) 성과 및 엔티티들(302)의 클러스터에 매핑되는 타겟 엔티티(320)의 성과의 표시를 포함하여, 엔티티들(302)의 클러스터의 각각의 엔티티에 대한 성과를 나타내는 그래픽 사용자 인터페이스(300)를 출력할 수 있다.

일부 예들에서, SMS(6)는 작업자들(10)과 연관된 작업들에 관한 타겟 엔티티를 포함하는 엔티티들의 클러스터의 성과에 대한, 타겟 엔티티의 성과 간의 차이를 결정할 수 있다. 다시 말해서, SMS(6)는 타겟 엔티티와 유사한 엔티티들의 클러스터에 대한, 타겟 엔티티의 작업 성과에 있어서의 차이들을 결정할 수 있다. 일부 예들에서, SMS(6)는 작업자들(10)에 대한 하나 이상의 성과 메트릭을 나타내는 활동 데이터를 수신할 수 있다. 예를 들어, 활동 데이터는 작업자들(10)에 의해 수행된 작업들을 나타낼 수 있다. 일부 예들에서, 활동 데이터는 장비의 물품이 턴 온/오프되는 때를 나타내는 장비 데이터를 포함하며, 따라서 SMS(6)는 장비의 특정 물품이 턴 온 또는 턴 오프되는 때를 검출함으로써 장비 데이터에 기초하여 작업자(10A)가 특정 시간에 특정 작업을 수행하고 있는지를 결정할 수 있다. 그러한 예들에서, SMS(6)는 작업자(10A)가 장비의 특정 물품에 대응하는 작업을 수행하는 동안 작업자(10A)와 연관된, 작업자 생산성과 같은, 성과 메트릭을 결정할 수 있다.

일부 예들에서, 활동 데이터는 작업자(10A)와 연관된 하나 이상의 모션 센서에 의해 생성된 모션 데이터를 포함할 수 있다. 예를 들어, SMS(6)는 작업자(10A)에 의해 착용된 모션 추적기(예를 들어, 걸음 카운터)로부터 모션 데이터를 수신할 수 있고, 모션 데이터에 기초하여 작업자(10A)가 작업을 수행하는 시간의 양을 결정할 수 있다. 유사하게, SMS(6)는 다른 작업자들(10)에 대한 성과 메트릭(예를 들어, 작업을 수행하는 시간의 양)을 결정할 수 있다.

다른 예로서, SMS(6)는 작업 환경(8B)을 포함하는 작업 환경들(8)의 클러스터에 대한, 타겟 작업 환경(8B)과 연관된 성과 메트릭을 결정할 수 있다. 예를 들어, SMS(6)는 타겟 작업 환경(8B) 내의 장비(예를 들어, 건설 현장의 크레인)의 특정 물품이 (예를 들어, 다른 장비가 방해함으로 인해) 소정 양의 시간만 동작한다는 것을 나타내는 활동 데이터를 수신하고, 장비(예를 들어, 크레인들과 같은, 동일한 유형의 장비)의 유사한 대응하는 물품들이 작업 환경(8B)(예를 들어, 다른 건설 현장들)을 포함하는 작업 환경들의 클러스터 내의 작업 환경에서 동작하는 시간의 양을 결정할 수 있다.

타겟 엔티티에 대한 성과 메트릭 및 관련 엔티티들의 클러스터 내의 다른 엔티티들에 대한 성과 메트릭을 결정하는 것에 응답하여, SMS(6)는 타겟 엔티티의 성과와 타겟 엔티티를 포함하는 엔티티들의 클러스터의 성과 간의 차이의 표시를 출력할 수 있다. 하나의 예로서, SMS(6)는, 디스플레이 디바이스에 의한 표시를 위해, 타겟 엔티티에 대한 성과 메트릭, 클러스터에 대한 성과 메트릭(예를 들어, 클러스터에 대한 평균), 클러스터 내의 각각의 엔티티에 대한 성과 메트릭, 클러스터들의 시각화, 또는 이들의 조합을 나타내는 그래픽 사용자 인터페이스를 출력할 수 있다. SMS(6)는 엔티티를 포함하는 엔티티들의 클러스터에 대한 타겟 엔티티의, 차이에 관한, 순위, 절대적 차이, 상대적 차이, 시각화, 또는 차이의 다른 표시를 출력할 수 있다. 표시는 안전 이벤트들과 같은, 작업자 활동들에 관한 성과에 상관되는 엔티티들의 특성들을 식별하기 위해 사용자 또는 분석 시스템에 의해 사용될 수 있다.

이러한 방식으로, 본 개시의 기술들은 엔티티 특성들의 하나 이상의 차원들을 따른 엔티티들에 있어서의 차이들을 설명하는 엔티티들 간의 비교들을 가능하게 하는 본 명세서에 설명된 비교 기술들에 대한 기술적 개선들을 사용하여 작업자 안전 관리 시스템이 작업자 안전 관리를 개선하는 것을 가능하게 한다. 엔티티들 간의 차이들을 설명하는 엔티티들의 특성들의 관점에서 엔티티들을 비교함으로써, 작업자 안전 관리 시스템은 안전 이벤트 평가들의 거짓 양성들 및 거짓 음성들 둘 모두를 감소시킬 수 있다. 이러한 방식으로, 본 개시의 기술들은, 작업자 안전에 대한 개선들을 촉진할 수 있는, 작업자 안전 관리 시스템이 안전 이벤트들의 보다 정확한 평가를 제공하는 것을 가능하게 할 수 있는 기술적 특징들을 설명한다.

도 2는 본 명세서에 설명된 기술들에 따른, 작업자들(10)의 전체 모집단을 갖는 다수의 별개의 작업 환경들(8)을 지원할 수 있는 클라우드 기반 플랫폼으로서 호스팅되는 때의 SMS(6)의 동작 관점을 제공하는 블록도이다. 도 2의 예에서, SMS(6)의 컴포넌트들은 본 개시의 기술을 구현하는 다수의 논리 계층에 따라 배열된다. 각각의 계층은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구성된 하나 이상의 모듈에 의해 구현될 수 있다.

도 2에서, 안전 장비(62)는 개인 보호 장비(PPE)(13), 비컨들(17), 감지 스테이션들(21), 생리학적 센서들(22), 및 모션 센서들(23)을 포함한다. 안전 장비(62), 허브들(14), 안전 스테이션들(15)뿐만 아니라 컴퓨팅 디바이스들(60)은 인터페이스 계층(64)을 통해 SMS(6)와 통신하는 클라이언트들(63)로서 동작한다. 컴퓨팅 디바이스(60)는 전형적으로 데스크톱 애플리케이션, 모바일 애플리케이션 및 웹 애플리케이션과 같은 클라이언트 소프트웨어 애플리케이션을 실행한다. 컴퓨팅 디바이스(60)는 도 1의 컴퓨팅 디바이스들(16, 18) 중 임의의 것을 나타낼 수 있다. 컴퓨팅 디바이스(60)의 예는, 몇 가지만 예를 들자면, 휴대용 또는 모바일 컴퓨팅 디바이스(예를 들어, 스마트폰, 웨어러블 컴퓨팅 디바이스, 태블릿), 랩톱 컴퓨터, 데스크톱 컴퓨터, 스마트 텔레비전 플랫폼 및 서버를 포함할 수 있지만 이로 제한되지 않는다.

컴퓨팅 디바이스(60) 상에서 실행되는 클라이언트 애플리케이션은 SMS(6)와 통신하여 서비스(68)에 의해 검색, 저장, 생성 및/또는 달리 처리되는 데이터를 전송 및 수신할 수 있다. 예를 들어, 클라이언트 애플리케이션은 SMS(6)에 저장되고/되거나 그에 의해 관리되는 분석 데이터를 포함하는 안전 이벤트 데이터를 요청 및 편집할 수 있다. 일부 예들에서, 클라이언트 애플리케이션은 안전 장비(62)로부터 획득되고/되거나 SMS(6)에 의해 생성된 안전 이벤트 및 대응하는 데이터의 다수의 개별 인스턴스를 요약하거나 달리 집계하는 집계 안전 이벤트 데이터를 요청 및 표시할 수 있다. 클라이언트 애플리케이션은 SMS(6)와 상호 작용하여, 몇 가지만 예를 들자면, 과거 및 예측된 안전 이벤트, 작업자(10)의 행동 경향에 관한 분석 데이터를 질의할 수 있다. 일부 예들에서, 클라이언트 애플리케이션은 SMS(6)로부터 수신된 데이터를 표시를 위해 출력하여 클라이언트(63)의 사용자에 대해 그러한 데이터를 시각화할 수 있다. 아래에서 더 예시되고 설명되는 바와 같이, SMS(6)는 클라이언트 애플리케이션에 데이터를 제공할 수 있으며, 이 클라이언트 애플리케이션은 사용자 인터페이스에서의 표시를 위해 출력한다.

컴퓨팅 디바이스(60) 상에서 실행되는 클라이언트 애플리케이션은 상이한 플랫폼을 위해 구현될 수 있지만, 유사하거나 동일한 기능을 포함할 수 있다. 예를 들어, 클라이언트 애플리케이션은 데스크톱 운영 체제 상에서 실행되도록 컴파일된 데스크톱 애플리케이션, 또는 모바일 운영 체제 상에서 실행되도록 컴파일된 모바일 애플리케이션일 수 있다. 다른 예로서, 클라이언트 애플리케이션은 SMS(6)로부터 수신된 웹 페이지를 표시하는 웹 브라우저와 같은 웹 애플리케이션일 수 있다. 웹 애플리케이션의 예에서, SMS(6)는 웹 애플리케이션(예를 들어, 웹 브라우저)으로부터 요청을 수신하고, 요청을 처리하고, 하나 이상의 응답을 다시 웹 애플리케이션으로 전송할 수 있다. 이러한 방식으로, 웹 페이지, 클라이언트측 처리 웹 애플리케이션, 및 SMS(6)에 의해 수행되는 서버측 처리의 모음은 집합적으로 본 개시의 기술을 수행하는 기능을 제공한다. 이러한 방식으로, 클라이언트 애플리케이션은 본 개시의 기술에 따라 SMS(6)의 다양한 서비스를 사용하고, 애플리케이션은 다양한 상이한 컴퓨팅 환경(예를 들어, 몇 가지만 예를 들자면, PPE의 내장 회로 또는 프로세서, 데스크톱 운영 체제, 모바일 운영 체제 또는 웹 브라우저) 내에서 동작할 수 있다.

도 2에 도시된 바와 같이, SMS(6)는 SMS(6)에 의해 제시되고 지원되는 애플리케이션 프로그래밍 인터페이스(API) 또는 프로토콜 인터페이스의 세트를 나타내는 인터페이스 계층(64)을 포함한다. 인터페이스 계층(64)은 초기에 SMS(6)에서의 추가의 처리를 위해 클라이언트들(63) 중 임의의 것으로부터 메시지를 수신한다. 이에 따라 인터페이스 계층(64)은 클라이언트(63)에서 실행되는 클라이언트 애플리케이션이 이용 가능한 하나 이상의 인터페이스를 제공할 수 있다. 일부 예들에서, 인터페이스는 네트워크를 통해 액세스 가능한 애플리케이션 프로그래밍 인터페이스(API)일 수 있다. 인터페이스 계층(64)은 하나 이상의 웹 서버로 구현될 수 있다. 하나 이상의 웹 서버는 착신 요청을 수신하고, 요청으로부터의 데이터를 처리하고/하거나 서비스(68)로 전달하고, 서비스(68)로부터 수신된 데이터에 기초하여, 하나 이상의 응답을 초기에 요청을 전송한 클라이언트 애플리케이션에 제공할 수 있다. 일부 예들에서, 인터페이스 계층(64)을 구현하는 하나 이상의 웹 서버는 하나 이상의 인터페이스를 제공하는 프로그램 로직을 배치하기 위한 런타임 환경을 포함할 수 있다. 아래에서 더 설명되는 바와 같이, 각각의 서비스는 인터페이스 계층(64)을 통해 액세스 가능한 하나 이상의 인터페이스의 그룹을 제공할 수 있다.

일부 예들에서, 인터페이스 계층(64)은 서비스와 상호 작용하고 SMS(6)의 리소스를 조작하기 위해 HTTP 방법을 사용하는 표현 상태 전달(RESTful) 인터페이스를 제공할 수 있다. 그러한 예에서, 서비스(68)는 인터페이스 계층(64)이 초기 요청을 제출한 클라이언트(60)의 클라이언트 애플리케이션으로 다시 전송하는 자바스크립트 객체 표기법(JSON) 메시지를 생성할 수 있다. 일부 예들에서, 인터페이스 계층(64)은 클라이언트 애플리케이션으로부터의 요청을 처리하기 위해 단순 객체 액세스 프로토콜(SOAP)을 사용하는 웹 서비스를 제공한다. 또 다른 예들에서, 인터페이스 계층(64)은 클라이언트(63)로부터의 요청을 처리하기 위해 원격 절차 호출(RPC)을 사용할 수 있다. 하나 이상의 서비스(68)를 사용하기 위한 클라이언트 애플리케이션으로부터의 요청을 수신하면, 인터페이스 계층(64)은 서비스(68)를 포함하는 애플리케이션 계층(66)으로 데이터를 전송한다.

도 2에 도시된 바와 같이, SMS(6)는 또한 SMS(6)의 기본 동작들 중 다수를 구현하기 위한 서비스들의 모음을 나타내는 애플리케이션 계층(66)을 포함한다. 애플리케이션 계층(66)은 클라이언트 애플리케이션으로부터 수신된 요청에 포함된 데이터를 수신하고, 또한 요청에 의해 호출된 서비스들(68) 중 하나 이상에 따라 데이터를 처리한다. 애플리케이션 계층(66)은 하나 이상의 애플리케이션 서버, 예컨대 물리 또는 가상 기계 상에서 실행되는 하나 이상의 개별 소프트웨어 서비스로서 구현될 수 있다. 즉, 애플리케이션 서버는 서비스(68)의 실행을 위한 런타임 환경을 제공한다. 일부 예들에서, 전술한 바와 같은 기능 인터페이스 계층(64) 및 애플리케이션 계층(66)의 기능은 동일한 서버에서 구현될 수 있다.

애플리케이션 계층(66)은 예를 들어 일례로서 논리적 서비스 버스(70)를 통해 통신하는 하나 이상의 개별적인 소프트웨어 서비스(68), 예를 들어 프로세스를 포함할 수 있다. 서비스 버스(70)는 일반적으로 상이한 서비스가 예컨대 발행/구독 통신 모델에 의해 다른 서비스에 메시지를 전송할 수 있게 하는 논리적 상호 접속 또는 인터페이스들의 세트를 나타낸다. 예를 들어, 서비스들(68) 각각은 각자의 서비스에 대한 기준 세트에 기초하여 특정 유형의 메시지를 구독할 수 있다. 서비스가 서비스 버스(70) 상에 특정 유형의 메시지를 발행할 때, 그 유형의 메시지를 구독하는 다른 서비스는 메시지를 수신할 것이다. 이러한 방식으로, 서비스들(68) 각각은 데이터를 서로 통신할 수 있다. 다른 예로서, 서비스들(68)은 소켓 또는 다른 통신 메커니즘들을 사용하여 점대점 방식으로 통신할 수 있다. 서비스들(68) 각각의 기능을 설명하기 전에, 계층이 여기서 간략하게 설명된다.

SMS(6)의 데이터 계층(72)은 하나 이상의 데이터 저장소(74)를 사용하여 SMS(6) 내의 데이터에 대한 지속성을 제공하는 데이터 저장소를 나타낸다. 데이터 저장소는 일반적으로 데이터를 저장 및/또는 관리하는 임의의 데이터 구조 또는 소프트웨어일 수 있다. 데이터 저장소의 예는, 몇 가지만 예를 들자면, 관계형 데이터베이스, 다차원 데이터베이스, 맵 및 해시 테이블을 포함하지만 이로 제한되지 않는다. 데이터 계층(72)은 데이터 저장소(74) 내의 데이터를 관리하기 위해 관계형 데이터베이스 관리 시스템(RDBMS) 소프트웨어를 사용하여 구현될 수 있다. RDBMS 소프트웨어는 구조화 질의 언어(SQL)를 사용하여 액세스될 수 있는 하나 이상의 데이터 저장소(74)를 관리할 수 있다. 하나 이상의 데이터베이스 내의 데이터는 RDBMS 소프트웨어를 사용하여 저장, 검색 및 수정될 수 있다. 일부 예들에서, 데이터 계층(72)은 객체 데이터베이스 관리 시스템(ODBMS), 온라인 분석 처리(OLAP) 데이터베이스 또는 다른 적합한 데이터 관리 시스템을 사용하여 구현될 수 있다.

도 2에 도시된 바와 같이, 서비스들(68A-68J)("서비스(68)") 각각은 SMS(6) 내에서 모듈 형태로 구현된다. 각각의 서비스에 대한 개별적인 모듈들로서 도시되지만, 일부 예들에서는 둘 이상의 서비스의 기능이 단일 모듈 또는 컴포넌트로 조합될 수 있다. 서비스들(68) 각각은 소프트웨어, 하드웨어, 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 또한, 서비스(68)는 독립형 디바이스, 별개의 가상 기계 또는 컨테이너, 프로세스, 스레드, 또는 일반적으로 하나 이상의 물리적 프로세서에서의 실행을 위한 소프트웨어 명령어로서 구현될 수 있다. 일부 예들에서, 서비스들(68) 중 하나 이상은 각각 인터페이스 계층(64)을 통해 노출되는 하나 이상의 인터페이스를 제공할 수 있다. 따라서, 컴퓨팅 디바이스(60)의 클라이언트 애플리케이션은 서비스들(68) 중 하나 이상의 하나 이상의 인터페이스를 호출하여 본 개시의 기술을 수행할 수 있다.

본 개시의 기술에 따르면, 서비스(68)는 이벤트 종점 프론트엔드(68A), 이벤트 선택기(68B), 이벤트 프로세서(68C), 고 우선순위(HP) 이벤트 프로세서(68D), 통지 서비스(68E), 및 클러스터 및 분석 서비스(CAS)(68F)를 포함하는 이벤트 처리 플랫폼을 포함할 수 있다.

이벤트 종점 프론트엔드(68A)는 허브들(14) 및 안전 장비(62)와 통신을 교환하기 위한 프론트엔드 인터페이스로서 동작한다. 다시 말해서, 이벤트 종점 프론트엔드(68A)는 작업 환경(8) 내에 배치되고 작업자(10)에 의해 이용되는 안전 장비에 대한 프론트 라인 인터페이스로서 동작한다. 일부 예들에서, 이벤트 종점 프론트엔드(68A)는 안전 장비(62)에 의해 감지 및 캡처된 데이터를 포함하는 이벤트 스트림(69)의 개별 인바운드 통신들을 수신하기 위해 생성된 복수의 태스크 또는 잡(job)으로서 구현될 수 있다. 예를 들어, 이벤트 스트림(69)을 수신할 때, 이벤트 종점 프론트엔드(68A)는 태스크를 생성하여, 이벤트로 지칭되는 인바운드 통신을 신속하게 큐잉하고, 통신 세션을 닫고, 이에 의해 고속 처리 및 확장성을 제공할 수 있다. 각각의 착신 통신은 예를 들어 일반적으로 이벤트로 지칭되는 감지된 조건, 모션, 온도, 액션 또는 다른 데이터를 나타내는 최근 캡처된 데이터를 운반할 수 있다. 이벤트 종점 프론트엔드(68A)와 안전 장비(62) 및/또는 허브(14) 사이에서 교환되는 통신은 통신 지연 및 연속성에 따라 실시간 또는 의사 실시간 통신일 수 있다.

이벤트 선택기(68B)는 프론트엔드(68A)를 통해 안전 장비(62) 및/또는 허브(14)로부터 수신된 이벤트들(69)의 스트림에 대해 동작하고, 규칙 또는 분류에 기초하여, 착신 이벤트와 관련된 우선순위를 결정한다. 예를 들어, 안전 규칙들은 주어진 환경에 대한 부정확한 장비의 사건들, PPE들의 부정확한 사용, 또는 작업자의 바이탈 사인들과 연관된 센서 데이터의 결여가 높은 우선순위 이벤트들로서 취급되어야 함을 나타낼 수 있다. 우선순위에 기초하여, 이벤트 선택기(68B)는 이벤트 프로세서(68C) 또는 고 우선순위(HP) 이벤트 프로세서(68D)에 의한 후속 처리를 위해 이벤트들을 큐잉한다. PPE의 부정확한 사용, 바이탈 사인의 결여 등과 같은 중대한 이벤트에 대한 응답을 보장하기 위해 추가의 계산 리소스 및 객체가 HP 이벤트 프로세서(68D)에 전용화될 수 있다. 고 우선순위 이벤트를 처리하는 것에 응답하여, HP 이벤트 프로세서(68D)는 통지 서비스(68E)를 즉시 호출하여 안전 장비(62), 허브(14), 또는 사용자(20, 24)에 의해 사용되는 디바이스로 출력될 경보, 명령, 경고 또는 다른 유사한 메시지를 생성할 수 있다. 고 우선순위로 분류되지 않은 이벤트는 이벤트 프로세서(68C)에 의해 소비되고 처리된다.

일반적으로, 이벤트 프로세서(68C) 또는 고 우선순위(HP) 이벤트 프로세서(68D)는 착신 이벤트 스트림에 대해 동작하여 하나 이상의 데이터 저장소(74)를 업데이트한다. 예를 들어, 일부 경우들에서, 작업 환경 데이터(74A) 및/또는 작업자 데이터(74C)는 감지 스테이션(21), 생리학적 센서(22), 모션 센서(23), 및/또는 장비 센서(26)로부터 획득된 활동 데이터의 전체 스트림을 포함할 수 있다. 다른 경우들에서, 작업 환경 데이터(74A) 및/또는 작업자 데이터(74C)는, 예를 들어 특정 기간과 연관된, 그러한 데이터의 서브세트를 포함할 수 있다.

이벤트 프로세서들(68C, 68D)은 데이터 저장소들(74)에 저장되는 이벤트 데이터를 생성, 판독, 업데이트 및 삭제할 수 있다. 예를 들어, 작업 환경 데이터(74A) 및/또는 작업자 데이터(74C)는 활동 데이터를 행/열 포맷으로 지정된 데이터 테이블들과 같은, 데이터의 명칭/값 쌍들을 포함하는 구조로서 각자의 데이터베이스 레코드 내에 저장할 수 있다. 예를 들어, 명칭(예컨대, 열)은 "작업자 ID"일 수 있고 값은 고용인 식별 번호일 수 있다. 이벤트 레코드는 안전 장비(62)의 하나 이상의 물품들(예를 들어, 감지 스테이션들(21), 생리학적 센서들(22), 모션 센서들(23), 및/또는 장비 센서들(26))로부터 수신된 작업자 식별, 취득 타임스탬프(들) 및 데이터와 같은, 그러나 이들로 제한되지 않는, 데이터를 포함할 수 있다.

본 개시의 기술들에 따르면, CAS(68F)는 타겟 엔티티를 포함하는 엔티티들의 클러스터의 성과에 대한, 주어진 타겟 엔티티의 성과 간의 차이를 결정할 수 있다. 예를 들어, CAS(68F)는 타겟 엔티티를 포함하는 엔티티들의 클러스터를 결정하고, 타겟 엔티티의 성과 및 클러스터의 성과를 결정하고, 성과 간의 차이의 표시를 출력할 수 있다.

일부 예들에서, CAS(68F)는 각자의 엔티티 프로파일들에 기초하여 엔티티들의 클러스터들을 결정한다. CAS(68F)는 작업 환경 데이터(74A), 작업자 데이터(74C), 또는 이들 둘 모두에 기초하여 엔티티 프로파일을 생성한다. 다시 말해서, CAS(68F)는 작업자들(10) 중의 각자의 작업자 각각과 연관된 작업자 프로파일, 또는 작업 환경들(8) 중의 각각의 작업 환경과 연관된 작업 환경 프로파일을 생성할 수 있다. 예를 들어, CAS(68F)는 특정 작업자와 연관된 데이터(예를 들어, 활동 데이터를 포함할 수 있는, 작업 환경 데이터 및/또는 작업자 데이터)를 각자의 작업자 각각과 연관된 d차원 벡터로 전처리하거나 변환함으로써 작업자와 연관된 엔티티 프로파일을 생성할 수 있으며, 여기서 d는 양의 정수이다. 일부 예들에서, CAS(68F)는, 다른 것들 중에서도, 원-핫 인코딩(one-hot encoding)(예를 들어, 작업 환경 데이터 및/또는 작업자 데이터가 카테고리 변수를 포함할 때), 자연어 처리 기술(예를 들어, 작업 환경 데이터 및/또는 작업자 데이터가 텍스트 데이터를 포함할 때), 데이터 정규화(예를 들어, 모든 데이터에 대해 제로 평균 및 단위 분산을 행함)와 같은 기술들을 이용하여 작업 환경 데이터 및/또는 작업자 데이터를 변환할 수 있다. 이러한 방식으로, CAS(68F)는 각자의 엔티티 각각을 나타내는 d차원 벡터로서 엔티티 프로파일을 생성하며, 여기서 d개의 차원 각각은 주어진 엔티티와 연관된 변수를 나타내며, 이때 d개의 차원은 다양한 엔티티들의 성과에 있어서의 차이들을 결정하기 위해 CAS(68F)에 의해 사용된다. d개의 차원의 변수들은 카테고리 데이터(예를 들어, 작업 환경의 유형, 우편 번호, 소유자) 또는 연속 데이터(예를 들어, 작업자들의 수, 작업자 연령, 최근 작업자 활동들, 훈련 데이터)를 포함할 수 있다.

CAS(68F)는 d x n 차원 행렬을 생성할 수 있으며, 여기서 d는 각각의 엔티티에 대한 데이터의 차원들 또는 변수들의 수를 나타내고 n은 엔티티들의 수를 나타낸다. 다시 말해서, CAS(68F)는 분석될 각각의 엔티티에 대한 활동 데이터 및 엔티티 데이터를 나타내는 행렬 M을 생성하기 위해 n개의 엔티티에 대한 각자의 d차원 벡터들을 결합할 수 있다.

일부 예들에서, CAS(68F)는 타겟 엔티티를 포함하는 엔티티들의 클러스터를 식별한다. CAS(68F)는 하나 이상의 규칙에 적어도 부분적으로 기초하여 타겟 엔티티에 기초한 엔티티들의 클러스터를 결정하도록 구성될 수 있다. 다른 기술들이 사용될 수 있지만, 일부 예들에서, 하나 이상의 규칙들은 기계 학습을 사용하여 생성된다. 즉, CAS(68F)는 타겟 엔티티와 연관된 엔티티들의 클러스터를 결정하기 위해 기계 학습의 적용에 의해 생성된 실행 가능 코드를 포함할 수 있다. 실행 가능 코드는 소프트웨어 명령어들 또는 규칙 세트들의 형태를 취할 수 있으며, 일반적으로 활동 데이터, 엔티티 데이터, 또는 이들 둘 모두에 후속적으로 적용될 수 있는 모델로 지칭된다. 성과 모델(74B)을 생성하기 위해 이용될 수 있는 예시적인 기계 학습 기술은 감독 학습(supervised learning), 비감독 학습, 및 반감독 학습(semi-supervised learning)과 같은 다양한 학습 스타일을 포함할 수 있다. 알고리즘들의 예시적인 유형들은 클러스터링 알고리즘들 또는 유사성 알고리즘들을 포함한다. 알고리즘의 추가적인 유형은 베이지안 알고리즘, 의사 결정 트리 알고리즘, 정규화 알고리즘, 회귀 알고리즘, 인스턴스 기반 알고리즘, 인공 신경망 알고리즘, 심층 학습 알고리즘, 차원 감소 알고리즘 등을 포함한다. 특정 알고리즘의 다양한 예는 베이지안 선형 회귀, 강화된 의사 결정 트리 회귀, 및 신경망 회귀, 역전파 신경망, 연역 알고리즘, K-평균 클러스터링, k-최근접 이웃(kNN), 학습 벡터 양자화(LVQ), 자기 조직 맵(SOM), 국지적 가중 학습(LWL), 리지 회귀, 최소 절대 수축 및 선택 연산자(LASSO), 탄성 네트, 및 최소 각도 회귀(LARS), 주요 컴포넌트 분석(PCA) 및 주요 컴포넌트 회귀(PCR)를 포함한다.

CAS(68F)는, 일부 예들에서, 특정 작업자, 작업자들(10)의 특정 모집단, 특정 작업 환경, 작업 환경들(8)의 특정 모집단, 또는 이들의 조합들에 대한 별개의 모델들을 생성할 수 있다. CAS(68F)는 작업자들(10) 중 한 명 이상, 작업 환경들(8) 중 하나 이상, 또는 이들의 조합과 연관된 작업 환경 데이터(74A) 및/또는 작업자 데이터(74C)에 기초하여 모델들을 업데이트할 수 있다. 예를 들어, CAS(68F)는 데이터(74A 또는 74C)에 저장된 이력 활동 데이터(예를 들어, 생리학적 센서(22)에 의해 생성된 생리학적 데이터)에 기초하여 하나 이상의 모델(74B)을 업데이트할 수 있다.

CAS(68F)는 하나 이상의 성과 모델(74B)을 작업 환경 데이터(74A) 및/또는 작업자 데이터(74C)에 적용하는 것에 적어도 부분적으로 기초하여 타겟 엔티티를 포함하는 엔티티들의 클러스터를 식별할 수 있다. 예를 들어, CAS(68F)는 작업자들(10)과 연관된 작업자 데이터(74C)에 모델들(74B)을 적용함으로써 도 1의 작업자(10A)와 유사한 작업자들(10)의 클러스터를 식별할 수 있다. 그러한 예들에서, 작업자들의 클러스터는 타겟 작업자(10A) 및 작업자들(10)의 서브세트를 포함하며, 작업자들의 서브세트는 작업자(10A)와 유사한 것으로 CAS(68F)에 의해 결정된 작업자들을 포함한다. 다른 예로서, CAS(68F)는 작업 환경들(8)과 연관된 작업 환경 데이터(74A)에 모델들(74B)을 적용함으로써 작업 환경(8B)과 유사한 작업 환경들(8)의 클러스터를 식별할 수 있다. 그러한 예들에서, 작업 환경들의 클러스터는 타겟 작업 환경(8B) 및 작업 환경들(8)의 서브세트를 포함하며, 작업 환경들의 서브세트는 작업 환경(8B)과 유사한 것으로 결정된 작업 환경들을 포함한다.

일부 예들에서, CAS(68F)는 한 번, 시간 경과에 따라 추가적인 엔티티들이 데이터세트에 추가되는 것을 설명하기 위해 주기적으로, 또는 시간 경과에 따라 추가적인 엔티티들이 데이터세트에 추가되는 것을 설명하기 위해 각각의 타겟 엔티티 매핑 전에, 하나 이상의 성과 모델들(74B)(예를 들어, 클러스터링 알고리즘을 이용함)의 적용에 기초하여 엔티티들의 클러스터를 생성할 수 있다. CAS(68F)는 클러스터링 알고리즘을 수행하여 엔티티들을 한 번 이상 분석하고 분석에 기초하여 각각의 엔티티를 특정 클러스터에 할당할 수 있다. 이러한 방식으로, CAS(68F)는 CAS(68F)가 다른 유사한 엔티티들에 대한, 타겟 엔티티의 성과를 결정할 때마다 클러스터링 알고리즘을 재실행할 필요가 없을 수 있다. 그러한 예들에서, 새로운 엔티티(예를 들어, 새로운 작업자 또는 새로운 작업 환경)에 대한 데이터를 수신할 때, CAS(68F)는 클러스터링 알고리즘을 재실행함이 없이 어느 클러스터에 새로운 엔티티를 할당할지를 결정할 수 있다.

CAS(68F)가 유사성 알고리즘을 이용하여 클러스터링을 생성하는 예에서, CAS(68F)는 타겟 엔티티를 포함하는 엔티티들의 클러스터를 생성하기 위해 타겟 엔티티와 가장 유사한 미리 결정된 양의 엔티티를 결정할 수 있다. 일부 예들에서, CAS(68F)는 새로운 엔티티에 대한 데이터를 수신하는 것에 응답하여 유사성 알고리즘을 재실행하여 어느 클러스터에 새로운 엔티티를 할당할지를 결정할 수 있다.

타겟 엔티티를 포함하는 엔티티들의 클러스터를 식별하는 것에 응답하여, CAS(68F)는 타겟 엔티티에 의한 성과와 엔티티들의 클러스터 내의 하나 이상의 엔티티들의 성과 간의 차이를 결정할 수 있다. 일부 예들에서, CAS(68F)는, 예를 들어, 주기적으로(예를 들어, 매시간, 매일, 매주 등) 성과 간의 차이를 자동으로 결정할 수 있다. 다른 예로서, CAS(68F)는 컴퓨팅 디바이스들(60)의 사용자로부터 질의를 수신하는 것에 응답하여 성과 간의 차이를 결정할 수 있다.

일부 경우들에서, CAS(68F)는 안전 이벤트들에 관한 성과 간의 차이를 결정한다. 예를 들어, 컴퓨팅 디바이스들(60)의 사용자로부터 비교를 위해 타겟 엔티티 및 안전 메트릭(예를 들어, 사고들의 양, 부상들의 양, 보험금 청구들의 양 등)을 나타내는 질의를 수신하는 것에 응답하여 성과 간의 차이를 결정할 수 있다. CAS(68F)는, 예를 들어, 작업 환경 데이터(74A) 및/또는 작업자 데이터(74C)에 저장된 안전 데이터에 기초하여 타겟 엔티티에 대한 안전 메트릭에 대한 값을 결정할 수 있다. 유사하게, CAS(68F)는 타겟 엔티티를 포함하는 엔티티들의 클러스터에 대한 안전 메트릭에 대한 값, 엔티티들의 클러스터 내의 각자의 엔티티 각각에 대한 안전 메트릭에 대한 값, 또는 이들 둘 모두를 결정할 수 있다.

일부 시나리오들에 따르면, CAS(68F)는 작업자들(10)과 연관된 작업들에 관한 성과 간의 차이를 결정할 수 있다. CAS(68F)는 타겟 작업자(10A)에 의해 수행되는 하나 이상의 작업을 결정할 수 있다. 일부 예들에서, CAS(68F)는 작업자(10A)와 연관된 하나 이상의 센서(예를 들어, 모션 센서(23) 또는 생리학적 센서(22))에 의해 생성된 활동 데이터에 기초하여 타겟 작업자(10A)에 의해 수행되는 작업을 결정한다. 일례로서, CAS(68F)는 기계 학습을 이용하여 센서 데이터를 작업자들(10)에 의해 수행되는 다양한 작업들로 분류할 수 있다. 예를 들어, CAS(68F)는 타겟 작업자(10A)와 연관된 활동 데이터(예를 들어, 작업자 데이터(74C)에 저장됨)에 하나 이상의 모델(74B)을 적용하여, 특정 시간에 작업자(10A)와 연관된 모션 데이터가 작업자(10A)가 특정 시간에 무거운 장비를 들어올리고 있었다는 것을 나타내는 것으로 결정할 수 있다. 본 개시 전체에 걸쳐 사용되는 바와 같이, "시간"은 순간이기보다는, 1분, 수 분, 1시간 등과 같은, 기간을 지칭한다.

일 예에 따르면, CAS(68F)는 감지 스테이션들(21)로부터의 데이터에 기초하여 한 명 이상의 작업자들(10A)에 의해 수행되는 하나 이상의 작업들을 결정한다. 예를 들어, 감지 스테이션들(21)은 카메라 및/또는 마이크로폰을 포함할 수 있다. 그러한 예들에서, 감지 스테이션들(21)은 장비의 하나 이상의 물품에 의해 생성된 사운드들을 검출할 수 있고, CAS(68F)는, 작업자들(10)이 어떤 작업들을 수행하고 있는지를 나타낼 수 있는, 작업자들(10A)이 어떤 장비를 이용하고 있는지를 결정하기 위해 감지 스테이션들(21)로부터의 오디오 데이터를 분석함으로써 작업자들(10)이 어떤 작업들을 수행하고 있는지를 결정할 수 있다. 다른 예로서, 감지 스테이션들(21)은 카메라들을 사용하여 작업 환경(8B) 내의 작업자들(10)의 움직임들을 모니터링할 수 있고, 이미지 인식 기술들 및/또는 모션 추적 기술들을 이용하여 작업자들(10A)이 어떤 작업들을 수행하고 있는지를 결정할 수 있다. 예를 들어, CAS(68F)는 작업자들(10)에 의해 수행되는 작업들을 식별하기 위해 분류자들(예를 들어, 랜덤 포레스트, SVM 등)과 페어링된 특징 추출(예를 들어, SIFT, SURF, 가버 필터들, LBP, GIST 등)의 비전 방법들을 이용할 수 있다.

일부 예들에서, CAS(68F)는 장비(예를 들어, PPE(13)) 사용, 위치 데이터, 또는 이들 둘 모두에 기초하여 작업자(10A)에 의해 수행되는 작업을 결정한다. 예를 들어, CAS(68F)는 작업자(10A)와 연관된 PPE(13A)가 턴 온되었다는 표시를 수신할 수 있으며, 따라서 CAS(68F)는 작업자(10A)가 PPE(13A)와 연관된 특정 작업을 수행하고 있었다고 결정할 수 있다. 다른 예로서, CAS(68F)는 장비의 물품이 특정 시간에 동작하고 있었다는 표시를 수신하고, 작업자(10A)에 대응하는 위치 데이터(예를 들어, GPS 좌표들)에 기초하여, 작업자(10A)의 위치가 장비의 특정 물품의 위치에 대응한다고 결정할 수 있다. 이에 응답하여, CAS(68F)는 작업자(10A)가 장비의 특정 물품과 연관된 작업을 수행하고 있었다고 결정할 수 있다.

CAS(68F)는, 작업자(10A)를 포함하는 작업자들(10)의 클러스터 내의 각각의 작업자에 대해, 특정 작업과 연관된 성과 메트릭을 결정할 수 있다. CAS(68F)는 모션 센서들(23), 생리학적 센서들(22), 감지 스테이션들(21), PPE(13)(예를 들어, 장비 센서들(26)을 포함함), 비컨들(17), 또는 그 안에서의 조합으로부터의 데이터에 적어도 부분적으로 기초하여 성과 메트릭을 결정할 수 있다. 일부 예들에서, 성과 메트릭은, 다른 것들 중에서도, 소정 활동들 동안 소비된 전체 시간, 하나의 활동에 소비된 연속 시간, 듀티 사이클, 휴식들의 패턴 또는 활동들의 체인을 나타낸다.

일부 예들에서, 성과 메트릭은 작업을 수행하기 위해 작업자(10A)에 의해 이용된 시간의 양을 나타낸다. 예를 들어, CAS(68F)는 작업자(10A)의 위치(예를 들어, 작업자(10A)에 의해 착용된 GPS 인에이블드 디바이스로부터의 GPS 좌표들)의 표시, 작업자(10A)에 의해 착용된 PPE(13)의 표시를 수신하고, 작업자(10A)가 적절한 PPE를 이용하고 있는지(예를 들어, 위치가 주어지면), 각각의 작업자가 그 위치에서 소비하는 시간의 양, 또는 이들 둘 모두를 결정할 수 있다. 다른 예로서, 성과 메트릭이 타겟 작업자(10A)가 작업을 수행하기 위해 이용하는 시간의 양을 나타내고 작업자(10A)가 작업을 수행하기 위해 PPE(13)의 하나 이상의 물품들을 이용하는 경우, CAS(68F)는 PPE(13A)가 턴 온된 시간의 양 또는 이용된 PPE 리소스들(예를 들어, 배터리 수명, 산소 등)의 양을 나타내는 데이터를 PPE(13A)(예를 들어, SCBA 탱크)로부터 수신할 수 있다. 이러한 방식으로, CAS(68F)는 타겟 작업자(10A)가 작업하고 있었던 시간의 양을 결정할 수 있다. 따라서, 예를 들어, 기간이 주어지면, CAS(68F)는 작업자가 각각의 작업에 소비한 시간의 백분율을 계산할 수 있다.

일부 예들에서, CAS(68F)에 의해 수신된 활동 데이터는 작업자가 활동적일 수 있었을 때 그 또는 그녀가 활동하지 않았다고 나타낼 수 있다. 예를 들어, CAS(68F)에 의해 수신된 활동 데이터는 작업자가 1분 휴식을 취했다는 것을 나타낼 수 있는, 활동의 2개의 10분 기간 사이의 "비활동"의 1분 기간을 나타낼 수 있거나, 작업자가 이 21분 기간 동안 작업하고 있었더라도 1분 동안의 활동 데이터에서의 갭을 나타낼 수 있다. 따라서, 일부 예들에서, CAS(68F)는 성과 메트릭을 결정하기 위해 필터링 또는 평활화 방법들을 활동 데이터에 적용할 수 있다.

일부 시나리오들에서, CAS(68F)는 복수의 소스들로부터의 데이터에 적어도 부분적으로 기초하여 성과 메트릭을 결정한다. 예를 들어, CAS(68F)는 모션 센서(23A) 및 PPE(13A)로부터의 데이터에 기초하여 작업자(10A)가 작업하고 있는 시간의 양을 결정할 수 있다. 예를 들어, CAS(68F)는 언제 작업자(10A)가 활동하고 있었고(예를 들어, 육체적으로 움직이고 있었고) PPE(13)가 턴 온되었는지를 결정하여, 작업자(10A)가 작업을 수행하고 있었던 시간의 양을 결정할 수 있다. 이러한 방식으로, 일부 예들에서, CAS(68F)는 성과 메트릭을 더 정확하게 결정할 수 있으며, 이는 예를 들어 하나의 소스로부터의 데이터가 작업자 성과를 나타내지 않는 경우 에러들을 감소시킬 수 있다(예를 들어, 부주의로 점심 휴식 동안 PPE(13)를 턴 온된 상태로 놔두는 것은 작업자 효율을 부정적으로 왜곡할 수 있음). 예를 들어, CAS(68F)는 작업자(10A)의 듀티 사이클을 더 정확하게 결정할 수 있다.

일부 예들에서, 안전 이벤트는 작업자에 의해 수행되는 활동의 유형에 대응하고, 안전 이벤트들에 관한 성과는 작업자가 특정 유형의 활동을 수행하는 빈도에 대응한다. 예를 들어, 혹사 부상들과 같은 소정의 안전 이벤트들은 활동이 수행되는 빈도에 대응할 수 있다. 따라서, 일부 예들에서, CAS(68F)는 빈번히 수행되는 활동들에 대응하는 혹사 부상들에 관한 타겟 엔티티의 성과를 결정한다. 유사하게, CAS(68F)는 특정 유형의 활동을 수행하는 빈도에 대응하는 안전 이벤트들에 관한, 타겟 엔티티를 포함하는 클러스터의 성과를 결정할 수 있다.

CAS(68F)는 하나 이상의 작업 환경들에 대한 성과 메트릭을 결정할 수 있다. 일부 예들에서, 작업 환경에서의 모든 작업자들(10)의 성과를 결정하기 위해 개별 작업자들(10A)의 성과가 집계될 수 있다. 예를 들어, CAS(68F)는, 다른 것들 중에서도, 장비의 물품의 설치 또는 작업 환경의 오염 제거와 같은 주어진 작업을 수행하기 위해 상이한 작업 환경들에서 작업자들에 의해 이용되는 시간의 양을 결정할 수 있다.

타겟 엔티티에 대한 성과 메트릭을 결정하는 것에 응답하여, 통지 서비스(68E)는 타겟 엔티티에 의한 성과와 타겟 엔티티를 포함하는 엔티티들의 클러스터의 성과 간의 차이의 표시를 출력할 수 있다. 예를 들어, 도 5에 더 예시된 바와 같이, 통지 서비스(68E)는 타겟 엔티티(예를 들어, 작업자(10A) 또는 작업 환경(8B))의 성과 및 타겟 엔티티를 포함하는 엔티티들의 클러스터의 성과를 나타내는 그래픽 사용자 인터페이스의 표시를 출력한다(예를 들어, 컴퓨팅 디바이스들(60) 중 하나에 의한 표시를 위해). 일부 예들에서, 그래픽 사용자 인터페이스의 표시는 엔티티들의 클러스터 내의 각각의 엔티티의 성과의 표시를 포함한다. 일부 경우들에서, 그래픽 사용자 인터페이스는 안전 성과, 작업 성과, 또는 이들 둘 모두의 표시를 포함한다. 예를 들어, 그래픽 사용자 인터페이스는 타겟 엔티티에 대한 안전 메트릭과 타겟 엔티티를 포함하는 안전 메트릭 간의 차이의 그래픽 표시, 타겟 엔티티에 대한 성과 메트릭과 타겟 엔티티를 포함하는 성과 메트릭 간의 차이의 그래픽 표시, 또는 이들 둘 모두를 포함할 수 있다.

CAS(68F)는, 일부 예들에서, 타겟 엔티티에 대한 성과 메트릭이 성과 메트릭에 대한 임계치를 충족시키는지를 결정할 수 있다. 예를 들어, 성과 메트릭이 작업 효율을 나타내는 시나리오들에서, CAS(68F)는 작업자(10A)에 대한 작업 효율이 임계 작업 효율을 충족시키는지를 결정할 수 있다. 일례에서, 성과 메트릭에 대한 임계치는 미리 정의될 수 있다. 일부 예들에서, 성과 메트릭에 대한 임계치는 타겟 엔티티를 포함하는 엔티티들의 클러스터에 대한 성과 메트릭에 기초한다. 예를 들어, CAS(68F)는 타겟 엔티티를 포함하는 엔티티들의 클러스터의 성과에 대한, 타겟 엔티티의 성과 간의 차이가 임계 차이(예를 들어, 하나의 표준 편차)를 충족시키는지를 결정할 수 있다. 예를 들어, CAS(68F)는 작업 환경(8B)에 의해 경험되는 안전 이벤트들의 수와 작업 환경(8B)을 포함하는 작업 환경들의 클러스터에 의해 경험되는 안전 이벤트들의 평균 수 간의 차이가 안전 이벤트들의 임계 수보다 큰지를 결정할 수 있다. 유사하게, CAS(68F)는 타겟 작업자(10A)를 포함하는 작업자들의 클러스터의 효율에 대한, 타겟 작업자(10A)의 효율 간의 차이가 임계 효율보다 큰지를 결정할 수 있다.

타겟 엔티티에 대한 성과 메트릭이 성과 메트릭에 대한 임계치를 충족시키거나, 타겟 엔티티를 포함하는 엔티티들의 클러스터의 성과에 대한, 타겟 엔티티의 성과 간의 차이가 임계 차이를 충족시킨다고 결정하는 것에 응답하여, CAS(68F)는 차이에 기여하는 하나 이상의 인자를 결정할 수 있다. 예를 들어, CAS(68F)는 타겟 엔티티의 성과 메트릭을 개선하기 위해 하나 이상의 활동들을 결정할 수 있다.

CAS(68F)는 적어도 하나의 성과 모델(74B)의 적용에 기초하여 타겟 엔티티에 대한 성과 메트릭을 개선할 가능성이 있는 하나 이상의 활동을 결정할 수 있다. 일부 예들에서, 성과 모델들(74B)은 작업자들(10)에 대한 이력 활동 데이터를 사용하여 훈련된 하나 이상의 모델들을 포함할 수 있다. 예를 들어, CAS(68F)는, 성과 모델(74B)에 기초하여, 작업 환경(8B)에 있는 작업자들이 다른 작업 환경들에 있는 작업자들보다 빠르게 작업을 수행하는 것을 가능하게 하는 작업자 움직임들의 패턴을 결정할 수 있다. CAS(68F)는 모션 감지 및/또는 위치에 기초하여 수행되고 있는 작업을 구별하고, 이어서 후속 센서 데이터를 구별된 작업과 연관되는 것으로서 기록할 수 있다. 또는, 시스템은 모든 모션 센서 데이터를 각각의 작업자의 타임 스탬핑된 정보로서 저장하고, 나중에 분석되도록 모든 다른 센서들(신체 착용, 도구, 환경, 또는 클라우드 기반)로부터의 타임 스탬핑된 데이터를 저장할 수 있다. 일부 경우들에서, 작업자의 성과는 센서 데이터로부터 결정될 수 있다. 일부 경우들에서, 작업자의 성과는 성과 검토, 부상 기록, 안전 위반 기록 등과 같은 다른 기록들의 자동화된 데이터 마이닝에 의해 결정될 수 있다. 일부 경우들에서, 클라우드 기반 환경 센서 데이터는 신뢰되는 IoT 센서들로부터 유래하고 작업 환경 데이터(74A)에 저장될 수 있다.

CAS(68F)는 개선 사이클에 한 사람만 있는 상태로 시간 경과에 따른 단일 작업자(10)의, 그 동일 작업자에 대한 성과를 비교하여, 가장 생산적인 기간들과 상관되는 모션들 및 액션들을 장려할 수 있다. CAS(68F)는 대안적으로 또는 추가적으로 단일 작업자(10)를 동일 작업 환경(8) 내의 다른 작업자들과, 작업자들(10) 회사에 걸친, 그리고/또는 다수의 회사들에 걸친 다른 작업자들과 비교할 수 있다.

다른 예로서, CAS(68F)는 작업자들이 특정 유형의 활동을 수행하는 빈도에 대응하는 안전 이벤트들에 기여하는 활동들을 결정할 수 있다. 예를 들어, CAS(68F)는 특정 유형의 활동(예를 들어, 아이템들을 들어올림)을 빈번하게 수행함으로써 유발되는 혹사 부상들에 기여하는 움직임들을 결정할 수 있다. CAS는, 예를 들어, 시간 경과에 따른 작업자(10A)의 움직임들을 추적하고 하나 이상의 성과 모델들(74B)을 움직임들에 적용함으로써 특정 작업자(10A)에 의해 경험되는 혹사 부상들에 기여하는 움직임들을 결정할 수 있다. CAS(68F)는, 성과 모델들(74B)을 움직임들에 적용하는 것에 기초하여, 작업자(10A)가 특정 유형의 활동을 수행하는 빈도에 대응하는 안전 이벤트들(예를 들어, 혹사 부상들)을 감소시킬 가능성이 있는 대안적인 움직임들을 식별할 수 있다.

다른 예에서, CAS(68F)는 작업 환경(8B)이 평균 수보다 많은 안전 이벤트들을 경험하게 하는 활동들을 식별하고 안전 이벤트들의 수를 감소시킬 수 있는 교정 활동들을 식별하기 위해 작업 환경들(8)과 연관된 활동 데이터를 분석할 수 있다. 또 다른 예로서, CAS(68F)는 작업자(10A)가 유사한 작업자들에 비해 특정 작업에서 더 생산적인 것을 가능하게 하는 하나 이상의 활동들을 결정할 수 있다.

타겟 엔티티의 성과를 증가시킬 가능성이 있는 하나 이상의 활동들을 결정하는 것에 응답하여, 통지 서비스(68E)는 하나 이상의 활동들의 표시를 출력할 수 있다. 예를 들어, 통지 서비스(68E)는, 컴퓨팅 디바이스(60) 중 하나에 의한 표시를 위해, 타겟 엔티티에 대한 성과 메트릭 및 타겟 엔티티에 대한 성과 메트릭을 개선할 가능성이 있는 하나 이상의 활동들을 나타내는 그래픽 사용자 인터페이스를 출력할 수 있다.

일부 예들에서, CAS(68F)는 성과에 있어서의 차이에 기초하여 하나 이상의 모델들(74B)을 업데이트할 수 있다. 예를 들어, 새로운 작업을 모델들(74B)에 추가하는 것에 응답하여, CAS(68F)는 모델들(74B)을 업데이트하여 다른 유사한 작업들을 수행하는 시간에 기초하여 새로운 작업을 수행하는 시간의 양을 추정할 수 있다.

일부 예들에서, 타겟 엔티티를 유사한 엔티티들의 클러스터와 비교하기보다는, CAS(68F)는 특정 엔티티의 현재 성과를 그 엔티티의 이력 성과와 비교할 수 있다. 예를 들어, CAS(68F)는 시간 경과에 따른 작업자(10A)의 성과와 비교된 작업자(10A)의 성과 간의 차이를 결정할 수 있고, 작업자(10A)가 성과를 개선하는 것을 가능하게 할 수 있는 동작 변경들을 결정할 수 있다. 예를 들어, CAS(68F)는 작업자(10A)가 가장 생산적이었던 기간들을 식별하고, 더 높은 생산성의 그러한 기간들에 기여한 활동들을 결정하고, 작업자(10A)를 코치하기 위해 그러한 활동들의 표시를 출력할 수 있다. 전술한 바와 같이, 작업자의 성과는 센서 데이터에 기초할 수 있다.

도 3은 본 개시의 기술들에 따른, 작업자 안전 관리 시스템을 위한 예시적인 그래픽 사용자 인터페이스를 예시한다. 예를 들어, 도 1 및 도 2의 SMS(6)는 타겟 엔티티(예를 들어, 작업자 또는 작업 환경)에 의한 성과와 타겟 엔티티를 포함하는 엔티티들의 클러스터에 의한 성과 간의 차이의 표시를 출력할 수 있다. 다시 말해서, SMS(6)는 유사한 엔티티들의 클러스터의 성과에 대한 타겟 엔티티의 성과의 표시를 출력할 수 있다.

SMS(6)는, 표시를 위해, 엔티티들의 하나 이상의 클러스터들을 나타내는 그래픽 사용자 인터페이스(300)를 출력할 수 있다. 도 3의 예에서, 그래픽 사용자 인터페이스(300)는 엔티티들의 제1 클러스터(302)를 나타내는 그래픽 요소들(예를 들어, 아이콘들) 및 엔티티들의 제2 클러스터(304)를 나타내는 그래픽 요소들을 포함한다. 일부 예들에서, 클러스터(302)는 타겟 엔티티(320)를 포함한다. SMS(6)는 클러스터(302) 내의 각각의 엔티티의 성과의 그래픽 표시를 출력할 수 있다. 도 3의 예에서, 그래픽 사용자 인터페이스(300)는 타겟 엔티티(320)의 성과를 나타내는 그래픽 요소를 포함하여, 클러스터(302) 내의 각각의 엔티티의 성과를 나타내는 그래픽 요소들을 포함한다.

그래픽 사용자 인터페이스(300)는 안전 이벤트들에 관한 성과에 대한 메트릭(예를 들어, 사고 수)을 나타내는 수직축, 및 설비의 설명적 변수(예를 들어, 작업자의 수, 작업의 수, 작업의 길이 등)를 나타내는 수평축을 갖는 그래프를 표시한다. 그래프는 엔티티들의 상이한 그룹들 및 각각의 엔티티에 의한 안전 이벤트들에 관한 성과의 다양한 표시들을 포함한다.

그래픽 사용자 인터페이스(300)는 타겟 엔티티(320)의 성과와 클러스터(302)의 성과 간의 차이의 표시를 포함한다. 일부 예들에서, 그래픽 사용자 인터페이스(300)는 엔티티들의 제1 클러스터의 성과를 나타내는 그래픽 요소(308)(예를 들어, 라인) 및 엔티티들의 제2 클러스터의 성과를 나타내는 그래픽 요소(310)를 포함한다. 예를 들어, 그래픽 표시들(308, 310)은, 각각, 제1 클러스터(302) 및 제2 클러스터(304)의 애버리지(예를 들어, 평균, 중위, 또는 최빈(mode)) 성과를 나타낼 수 있다. 일부 예들에서, 클러스터(308)의 성과를 나타내는 그래픽 요소(308)의 위치에 대한 타겟 엔티티(302)의 성과를 나타내는 그래픽 요소의 위치는 타겟 엔티티(320)의 성과와 클러스터(302)의 성과 간의 차이를 나타낸다.

그래픽 사용자 인터페이스(300)에 표시되는 데이터는 본 개시의 기술적 이점을 예시한다. (클러스터(302)의 멤버들로서 식별되는 삼각형들 및 클러스터(304)의 멤버들로서 식별되는 원들에 의해 표현되는) 포인트들 각각은 엔티티들(이 경우에, 상이한 설비들)을 나타낸다. 클러스터(302)의 대부분의 포인트들은 (그래픽 요소(306)에 의해 표시된) 모든 포인트들의 메트릭 평균 아래에 있는 반면, 클러스터(304)의 대부분의 포인트들은 모든 포인트들의 메트릭 평균 위에 있다. 그러나, 타겟 엔티티(320)와 같은, 클러스터(302)의 많은 포인트들은 그래픽 요소(308)에 의해 표시된 클러스터(302)의 메트릭 평균 위에 그러나 그래픽 요소(306)에 의해 표시된 메트릭 아래에 있다. 그러한 포인트들은 모든 설비들의 평균보다 낮지만 그의 그룹 평균보다 큰 메트릭을 갖는 설비들을 나타낸다. 타겟 설비(320)는, 예를 들어, 모든 설비들과 비교해 안전 메트릭에 관해 양호하게 동작하지만, 그의 클러스터(302) 내의 설비들과 비교할 때 평균 아래이다(즉, 더 높은 메트릭을 갖는다). 이것은 위에서 그래픽 사용자 인터페이스(300)에 표시된 메트릭이 부정적인 메트릭(예를 들어, 설비에 대한 사고의 수)이다는 것을 가정한다.

일부 예들에서, 안전 이벤트들에 관한 엔티티들의 타겟 엔티티(320)에 의한 성과와 안전 이벤트들에 관한 타겟 엔티티(320)를 포함하는 클러스터(302)에 의한 성과 간의 차이의 표시는 그래픽 사용자 인터페이스(300)에서와 같이 그래프가 아닐 수 있으며, 표시는 대신에 타겟 엔티티(320)에 대한 값과 클러스터(302)에 대한 값(예를 들어, 그의 멤버들인 모든 엔티티들의 평균) 간의 차이, 타겟 엔티티(320) 및 클러스터(302)의 다른 엔티티들에 대한 순위, 타겟 엔티티(320)에 대한 값이 클러스터(302)에 대한 값보다 더 큰지/더 작은지, 더 높은지/더 낮은지, 또는 다른 최상급의 비교의 표시, 또는 다른 표시로서 계산되고 출력될 수 있다.

도 4는 본 개시의 기술들에 따른, 작업자 안전 관리 시스템의 예시적인 사용자 인터페이스를 예시한다. 도 4는 도 1 및 도 2에서 설명된 바와 같은 작업자 안전 관리 시스템(6)을 참조하여 설명된다.

SMS(6)는 엔티티 성과 질의를 나타내는 그래픽 사용자 인터페이스(400)를 출력할 수 있다. 도 4의 예에서, 그래픽 사용자 인터페이스(400)는 컴퓨팅 디바이스들(16, 18)의 사용자들(20, 24)이 타겟 엔티티를 식별할 수 있게 하는 그래픽 요소(402), 사용자들(20, 24)이 기간을 식별할 수 있게 하는 그래픽 요소(404), 및 사용자들(20, 24)이 하나 이상의 성과 메트릭을 선택할 수 있게 하는 그래픽 요소(406-412)를 포함한다.

SMS(6)는 그래픽 요소들(402, 404)에서 데이터를 입력하고 하나 이상의 그래픽 요소(406-412)를 선택하는 사용자 입력을 수신할 수 있다. 일부 예들에서, SMS(6)는, 본 개시에서 설명된 바와 같이, 사용자 입력을 수신하는 것에 응답하여 타겟 엔티티를 포함하는 엔티티들의 클러스터를 결정할 수 있다. 사용자 입력을 수신하는 것에 응답하여, SMS(6)는, 도 5에 더 예시된 바와 같이, 타겟 엔티티의 성과, 클러스터 내의 다른 엔티티들의 성과를 결정하고, 클러스터의 성과를 결정하고, 성과의 표시를 출력할 수 있다.

도 5는 본 개시의 기술들에 따른, 작업자 안전 관리 시스템의 예시적인 사용자 인터페이스를 예시한다. 도 5는 도 1 및 도 2에서 설명된 바와 같은 작업자 안전 관리 시스템(6)을 참조하여 설명된다.

SMS(6)는 타겟 엔티티에 의한 성과와 타겟 엔티티를 포함하는 클러스터에 의한 성과 간의 차이의 표시를 출력할 수 있다. 다시 말해서, SMS(6)는 타겟 엔티티와 유사한 엔티티들의 클러스터의 성과에 대한 타겟 엔티티의 성과 간의 차이의 표시를 출력할 수 있다.

SMS(6)는, 표시를 위해, 하나 이상의 안전 메트릭에 관한 유사한 엔티티들의 클러스터에 대한 타겟 엔티티의 성과 간의 차이, 성과 메트릭에 관한 유사한 엔티티들의 클러스터에 대한 타겟 엔티티 간의 차이, 또는 이들 둘 모두를 나타내는 그래픽 사용자 인터페이스를 출력할 수 있다. 예를 들어, 도 5에 예시된 바와 같이, 그래픽 사용자 인터페이스(500)는 총 손실 시간과 같은, 성과 메트릭에 관한 유사한 엔티티들의 클러스터에 대한 타겟 엔티티 간의 차이를 나타내는 그래픽 요소(510)(예를 들어, 차트)를 포함한다. 그래픽 요소(510)는 타겟 엔티티의 성과(예를 들어, 손실 시간의 양)를 나타내는 그래픽 요소(512) 및 타겟 엔티티를 포함하는 엔티티들의 클러스터의 성과를 나타내는 그래픽 요소(514)를 포함한다. 예를 들어, 그래픽 요소(514)는 클러스터의 평균 성과(예를 들어, 손실 시간의 평균 양)를 나타낼 수 있다.

유사하게, 도 5의 예에 예시된 바와 같이, 그래픽 사용자 인터페이스(500)는 사고들의 수와 같은, 안전 메트릭에 관한 유사한 엔티티들의 클러스터에 대한 타겟 엔티티의 성과 간의 차이를 나타내는 그래픽 요소(520)(예를 들어, 차트)를 포함한다. 그래픽 요소(520)는 타겟 엔티티의 성과(예를 들어, 사고들의 수)를 나타내는 그래픽 요소(522) 및 타겟 엔티티를 포함하는 엔티티들의 클러스터의 성과를 나타내는 그래픽 요소(524)를 포함한다. 예를 들어, 그래픽 요소(524)는 클러스터의 평균 성과(예를 들어, 평균 사고 수)를 나타낼 수 있다.

도 6은 본 개시에 설명된 기술들에 따른, 작업자 안전 관리 시스템에 대한 예시적인 동작 모드를 예시하는 흐름도이다. 도 6은 도 1 및 도 2에서 설명된 바와 같은 작업자 안전 관리 시스템(6)을 참조하여 설명된다.

SMS(6)는 하나 이상의 센서에 의해 생성된 활동 데이터를 수신할 수 있으며, 여기서 활동 데이터는 하나 이상의 작업 환경 내에서 동작하는 한 명 이상의 작업자의 활동을 나타낸다(602). 예를 들어, SMS(6)는 대략 실시간으로 하나 이상의 센서로부터 활동 데이터를 수신할 수 있고/있거나, 작업 환경 데이터(74A) 또는 작업자 데이터(74C)와 같은 하나 이상의 데이터 저장소로부터 활동 데이터를 수신할 수 있다. 하나 이상의 센서는 한 명 이상의 작업자에 의해 착용된 개인 보호 장비(PPE) 디바이스 내에 포함될 수 있다.

SMS(6)는, 작업 환경들(8) 내에서 동작하는 작업자들(10)의 활동들을 나타내는 활동 데이터에 적어도 부분적으로 기초하여, 하나 이상의 엔티티들을 각각 포함하는 복수의 클러스터들을 식별할 수 있다(604). 각각의 엔티티는 한 명 이상의 작업자와 연관될 수 있다. 예를 들어, 엔티티는 작업자들(10) 중의 작업자 또는 작업 환경들(8) 중의 작업 환경을 지칭할 수 있으며, 여기서 각각의 작업 환경은 한 명 이상의 작업자들(10)과 연관된다. 복수의 클러스터를 식별하기 위해, SMS(6)는, 엔티티 데이터로부터, 엔티티들에 대한 각자의 d차원 벡터들을 생성할 수 있으며, 여기서 d차원 벡터들 각각은 대응하는 엔티티에 대한 차원에서의 값을 나타내는 d개의 차원들 중의 각각의 차원에 대한 대응하는 값을 갖는다. 이어서 SMS(6)는 클러스터링 알고리즘을 이용하여 d차원 벡터들을 처리하여 하나 이상의 엔티티들의 복수의 클러스터를 식별할 수 있으며, 여기서 엔티티들 중의 각각의 엔티티는 한 명 이상의 작업자들과 연관된다.

SMS(6)는 하나 이상의 성과 모델(74B)에 기초하여 복수의 클러스터를 식별할 수 있다. SMS(6)는 기계 학습 클러스터링 알고리즘 또는 유사성 알고리즘을 이용하여 성과 모델들(74B)을 훈련할 수 있다. 일부 예들에서, SMS(6)는 작업 환경 데이터(74A), 작업자 데이터(74C), 또는 이들 둘 모두에 기초하여 성과 모델들(74B)을 훈련할 수 있다. 또한, SMS(6)는 서로 유사한 엔티티들의 클러스터들을 결정하기 위해 성과 모델들(74B)을 활동 데이터(예를 들어, 작업 환경 데이터(74A), 작업자 데이터(74C), 또는 이들 둘 모두에 저장된 데이터)에 적용할 수 있다.

일부 예들에서, SMS(6)는 타겟 엔티티에 의한 성과와 타겟 엔티티를 포함하는 클러스터에 의한 성과 간의 차이의 표시를 출력한다(606). 일부 예들에서, 타겟 엔티티의 성과 및 타겟 엔티티를 포함하는 클러스터의 성과는 안전 이벤트들에 관한 성과와 연관된다. 다시 말해서, 일부 예들에서, SMS(6)는 클러스터의 안전 성과에 대한 타겟 엔티티의 안전 성과에 있어서의 차이의 표시를 출력한다. 예를 들어, SMS(6)는, 표시를 위해, 안전에 관한 타겟 엔티티의 성과를 나타내고 타겟 엔티티를 포함하는 엔티티들의 클러스터의 성과(예를 들어, 평균 성과)를 나타내는 그래픽 사용자 인터페이스를 출력할 수 있고, 따라서 그래픽은 타겟 엔티티의 성과와 유사한 엔티티들의 클러스터의 성과 간의 차이를 더 나타낸다. 예를 들어, 그래픽 사용자 인터페이스는 클러스터 내의 각자의 엔티티(예를 들어, 타겟 엔티티를 포함함) 각각에 의해 경험된 안전 이벤트들의 수, 및 클러스터 내의 엔티티들에 의해 경험된 안전 이벤트들의 평균 수를 나타낼 수 있다.

도 7은 본 개시에 설명된 기술들에 따른, 작업자 안전 관리 시스템에 대한 예시적인 동작 모드를 예시하는 흐름도이다. 도 7은 도 1 및 도 2에서 설명된 바와 같은 작업자 안전 관리 시스템(6)을 참조하여 설명된다.

SMS(6)는 안전 이벤트들에 관한 하나 이상의 엔티티들의 성과를 나타내는 엔티티 데이터를 수신할 수 있다(702). 예를 들어, SMS(6)는 작업 환경 데이터(74A) 또는 작업자 데이터(74C)와 같은 하나 이상의 데이터 저장소로부터 엔티티 데이터를 수신할 수 있다. 일부 예들에서, 엔티티 데이터는 하나 이상의 센서들에 의해 생성된 활동 데이터, 또는 작업자들(10)과 연관된 전기 데이터와 같은, 작업자 데이터(74C)를 포함한다. 하나 이상의 센서는 한 명 이상의 작업자에 의해 착용된 개인 보호 장비(PPE) 디바이스 내에 포함될 수 있다. 전기 데이터는 인구통계학적 데이터, 작업자 유형 데이터, 훈련 데이터, 안전 데이터(예를 들어, 부상들, 안전 위반들 등의 수)를 포함할 수 있다. 작업 환경 데이터(74A)는 안전 이벤트 통계, 작업 환경 특성(예를 들어, 크기, 위치, 작업 환경의 유형, 수행되는 작업의 유형 등)을 포함할 수 있다. 일부 예들에서 작업 환경 데이터(74A)는 작업 환경에 있는 장비, 작업자들의 수, 보험 데이터 등을 나타내는 데이터를 포함하는 정보를 포함한다.

작업 환경 데이터(74A) 및 작업자 데이터(74C)는 도 1의, 각각, 작업 환경 데이터(29A) 및 작업자 데이터(29B)의 예시적인 예들을 나타낼 수 있다. 작업 환경 데이터(74A) 및 작업자 데이터(74C)는 구조화되지 않은 데이터, 구조화된 데이터, 및/또는 구조화되지 않은 데이터로부터 생성된 구조화된 데이터를 포함할 수 있다.

SMS(6)는, 엔티티 데이터에 적어도 부분적으로 기초하여, 하나 이상의 엔티티들을 각각 포함하는 복수의 클러스터들을 식별할 수 있다(704). 각각의 엔티티는 한 명 이상의 작업자와 연관될 수 있다. 예를 들어, 엔티티는 작업자들(10) 중의 작업자 또는 작업 환경들(8) 중의 작업 환경을 지칭할 수 있으며, 여기서 각각의 작업 환경은 한 명 이상의 작업자들(10)과 연관된다. 복수의 클러스터를 식별하기 위해, SMS(6)는, 엔티티 데이터로부터, 엔티티들에 대한 각자의 d차원 벡터들을 생성할 수 있으며, 여기서 d차원 벡터들 각각은 대응하는 엔티티에 대한 차원에서의 값을 나타내는 d개의 차원들 중의 각각의 차원에 대한 대응하는 값을 갖는다. 이어서 SMS(6)는 클러스터링 알고리즘을 이용하여 d차원 벡터들을 처리하여 하나 이상의 엔티티들의 복수의 클러스터를 식별할 수 있으며, 여기서 엔티티들 중의 각각의 엔티티는 한 명 이상의 작업자들과 연관된다.

SMS(6)는 하나 이상의 성과 모델(74B)에 기초하여 복수의 클러스터를 식별할 수 있다. SMS(6)는 기계 학습 클러스터링 알고리즘 또는 유사성 알고리즘을 이용하여 성과 모델들(74B)을 훈련할 수 있다. 일부 예들에서, SMS(6)는 작업 환경 데이터(74A), 작업자 데이터(74C), 또는 이들 둘 모두와 같은 엔티티 데이터에 기초하여 성과 모델들(74B)을 훈련할 수 있다. 또한, SMS(6)는 서로 유사한 엔티티들의 클러스터들을 결정하기 위해 성과 모델들(74B)을 엔티티 데이터(예를 들어, 작업 환경 데이터(74A), 작업자 데이터(74C), 또는 이들 둘 모두에 저장된 데이터)에 적용할 수 있다.

일부 예들에서, SMS(6)는 안전 이벤트들에 관한 타겟 엔티티에 의한 성과와 안전 이벤트들에 관한 타겟 엔티티를 포함하는 클러스터에 의한 성과 간의 차이의 표시를 출력한다(706). 다시 말해서, 일부 예들에서, SMS(6)는 클러스터의 안전 성과에 대한 타겟 엔티티의 안전 성과에 있어서의 차이의 표시를 출력한다. 예를 들어, SMS(6)는, 표시를 위해, 안전에 관한 타겟 엔티티의 성과를 나타내고 타겟 엔티티를 포함하는 엔티티들의 클러스터의 성과(예를 들어, 평균 성과)를 나타내는 그래픽 사용자 인터페이스를 출력할 수 있고, 따라서 그래픽은 타겟 엔티티의 성과와 유사한 엔티티들의 클러스터의 성과 간의 차이를 더 나타낸다. 예를 들어, 그래픽 사용자 인터페이스는 클러스터 내의 각자의 엔티티(예를 들어, 타겟 엔티티를 포함함) 각각에 의해 경험된 부상들의 수, 및 클러스터 내의 엔티티들에 의해 경험된 부상들의 평균 수를 나타낼 수 있다.

하기의 번호가 붙은 예들은 본 개시의 하나 이상의 태양들을 예시할 수 있다:

예 1. 방법으로서, 컴퓨팅 시스템에 의해, 적어도 하나 이상의 센서들에 의해 생성되고 하나 이상의 작업 환경들 내에서 동작하는 작업자들의 활동들을 나타내는 활동 데이터에 기초하여, 하나 이상의 엔티티들의 복수의 클러스터들을 식별하는 단계 - 엔티티들 중의 각각의 엔티티는 한 명 이상의 작업자들과 연관됨 -; 및, 컴퓨팅 시스템에 의해, 안전 이벤트들에 관한 타겟 엔티티에 의한 성과와 안전 이벤트들에 관한 타겟 엔티티를 포함하는 클러스터에 의한 성과 간의 차이의 표시를 출력하는 단계를 포함하는, 방법.

예 2. 예 1에 있어서, 활동 데이터는 작업자들에 대한 PPE 사용 데이터 및 생리학적 데이터 중 하나 이상을 포함하는, 방법.

예 3. 예 1에 있어서, 컴퓨팅 시스템에 의해, 엔티티들 각각에 대한 엔티티 데이터를 수신하는 단계 - 엔티티 데이터는 작업자들의 특성들 및 엔티티들에 대응하는 작업 환경들의 특성들 중 적어도 하나를 나타냄 -; 및, 컴퓨팅 시스템에 의해, 적어도 엔티티 데이터에 기초하여, 하나 이상의 엔티티들의 복수의 클러스터들을 식별하는 단계를 더 포함하는, 방법.

예 4. 예 3에 있어서, 엔티티 데이터는 작업자들에 대한 인구통계학적 데이터 및 작업 환경들의 안전 이벤트 통계들 중 하나 이상을 포함하는, 방법.

예 5. 예 3에 있어서,

컴퓨팅 시스템에 의해, 활동 데이터 및 엔티티 데이터로부터, 엔티티들에 대한 각자의 d차원 벡터들을 생성하는 단계 - d차원 벡터들 각각은 대응하는 엔티티에 대한 차원에서의 값을 나타내는 d개의 차원들 중의 각각의 차원에 대한 대응하는 값을 가짐 -; 컴퓨팅 시스템에 의해, 클러스터링 알고리즘을 사용하여 d차원 벡터들을 처리하여 하나 이상의 엔티티들의 복수의 클러스터들을 식별하는 단계를 더 포함하는, 방법.

예 6. 예 1에 있어서, 활동 데이터는 작업자들에 의한 활동들에서 소비된 시간, 활동당 작업자들에 의해 소비된 연속 시간, 작업자들에 의한 듀티 사이클들, 및 활동 패턴들 중 하나 이상을 포함하는, 방법.

예 7. 예 1에 있어서, 엔티티들 중의 각각의 엔티티는 한 명 이상의 작업자들 중의 작업자인, 방법.

예 8. 예 1에 있어서, 엔티티들 중의 각각의 엔티티는 엔티티와 연관된 한 명 이상의 작업자들이 동작하고 있는 하나 이상의 작업 환경들 중의 작업 환경인, 방법.

예 9. 예 1에 있어서, 활동 데이터는 작업자들에 대한 하나 이상의 안전 메트릭들을 나타내고, 컴퓨팅 시스템에 의해, 복수의 클러스터들 및 하나 이상의 엔티티들에 기초하여, 타겟 엔티티에 대한 안전 메트릭 및 타겟 엔티티를 포함하는 클러스터에 대한 안전 메트릭을 계산하는 단계를 더 포함하며, 차이의 표시를 출력하는 단계는 타겟 엔티티에 대한 안전 메트릭과 타겟 엔티티를 포함하는 클러스터에 대한 안전 메트릭 간의 차이의 표시를 출력하는 단계를 포함하는, 방법.

예 10. 예 1에 있어서, 활동 데이터는 작업자들에 대한 하나 이상의 성과 메트릭들을 나타내고, 방법은

컴퓨팅 시스템에 의해, 복수의 클러스터들 및 하나 이상의 엔티티들에 기초하여, 타겟 엔티티에 대한 성과 메트릭 및 타겟 엔티티를 포함하는 클러스터에 대한 성과 메트릭을 계산하는 단계를 더 포함하며, 차이의 표시를 출력하는 단계는 타겟 엔티티에 대한 성과 메트릭과 타겟 엔티티를 포함하는 클러스터에 대한 성과 메트릭 간의 차이의 표시를 출력하는 단계를 포함하는, 방법.

예 11. 예 1에 있어서, 활동 데이터는 작업자들에 대한 하나 이상의 성과 메트릭들을 나타내고, 방법은

컴퓨팅 시스템에 의해, 타겟 엔티티의 성과 메트릭이 성과 메트릭에 대한 임계치를 충족시키는지를 결정하는 단계; 성과 메트릭이 성과 메트릭에 대한 임계치를 충족시키지 않는다고 결정하는 것에 응답하여, 컴퓨팅 시스템에 의해, 적어도 작업자들에 대한 이력 활동 데이터를 사용하여 훈련된 활동 모델에 기초하여, 타겟 엔티티의 성과 메트릭을 개선할 가능성이 있는 하나 이상의 활동들을 결정하는 단계; 및 컴퓨팅 시스템에 의해, 하나 이상의 활동들의 표시를 출력하는 단계를 더 포함하는, 방법.

예 12. 예 1에 있어서, 안전 이벤트들은 작업자에 의해 수행되는 활동의 유형에 대응하고, 안전 이벤트들에 관한 타겟 엔티티에 의한 성과는 타겟 엔티티와 연관된 한 명 이상의 작업자들이 활동의 유형을 수행하는 빈도에 대응하고,

안전 이벤트들에 관한 타겟 엔티티를 포함하는 클러스터에 의한 성과는 타겟 엔티티를 포함하는 클러스터의 하나 이상의 엔티티들과 연관된 한 명 이상의 작업자들이 활동의 유형을 수행하는 빈도에 대응하는, 방법.

예 13. 예 1에 있어서, PPE 디바이스들 중 적어도 하나는 컴퓨팅 디바이스를 포함하는 통신 허브인, 방법.

예 14. 방법으로서, 컴퓨팅 디바이스에 의해, 안전 이벤트들에 관한 하나 이상의 엔티티들에 의한 성과를 나타내는 엔티티 데이터를 수신하는 단계; 컴퓨팅 디바이스에 의해, 적어도 엔티티 데이터에 기초하여, 하나 이상의 엔티티들의 복수의 클러스터들을 식별하는 단계 - 엔티티들 중의 각각의 엔티티는 한 명 이상의 작업자들과 연관됨 -; 및 컴퓨팅 디바이스에 의해, 안전 이벤트들에 관한 타겟 엔티티에 의한 성과와 안전 이벤트들에 관한 타겟 엔티티를 포함하는 클러스터에 의한 성과 간의 차이의 표시를 출력하는 단계를 포함하는, 방법.

예 15. 예 14에 있어서, 엔티티들 중의 각각의 엔티티는 엔티티와 연관된 한 명 이상의 작업자들이 동작하고 있는 하나 이상의 작업 환경들 중의 작업 환경이고, 엔티티 데이터는 작업 환경들의 특성들 및 작업 환경들의 안전 이벤트 통계들을 나타내는, 방법.

예 16. 예 14에 있어서, 엔티티들 중의 각각의 엔티티는 한 명 이상의 작업자들 중의 작업자이고, 엔티티 데이터는 작업자들의 특성들 및 작업자들의 안전 이벤트 통계들을 나타내는, 방법.

예 17. 예 14에 있어서, 컴퓨팅 디바이스에 의해, 엔티티 데이터로부터, 엔티티들에 대한 각자의 d차원 벡터들을 생성하는 단계 - d차원 벡터들 각각은 대응하는 엔티티에 대한 차원에서의 값을 나타내는 d개의 차원들 중의 각각의 차원에 대한 대응하는 값을 가짐 -; 및 컴퓨팅 디바이스에 의해, 클러스터링 알고리즘을 사용하여 d차원 벡터들을 처리하여 하나 이상의 엔티티들의 복수의 클러스터들을 식별하는 단계를 더 포함하는, 방법.

예 18. 예 14에 있어서, 안전 이벤트들에 관한 타겟 엔티티를 포함하는 클러스터에 의한 성과는 타겟 엔티티를 포함하는 클러스터의 하나 이상의 엔티티들의 평균 성과에 기초하는, 방법.

본 개시의 방법 및 시스템이 특정한 예시적인 실시예와 관련하여 설명되었지만, 당업자는 본 개시의 사상 및 범위로부터 벗어남이 없이 그에 대해 변경 및 수정이 이루어질 수 있음을 쉽게 인식할 것이다.

바람직한 실시예에 대한 본 상세한 설명에서, 본 발명이 실시될 수 있는 특정 실시예를 예시하는 첨부 도면을 참조한다. 예시된 실시예는 본 발명에 따른 모든 실시예를 총망라하고자 하는 것은 아니다. 본 발명의 범위로부터 벗어남이 없이 다른 실시예가 이용될 수 있고 구조적 또는 논리적 변화가 이루어질 수 있음이 이해되어야 한다. 따라서, 하기의 상세한 설명은 제한적인 의미로 받아들여지지 않아야 하며, 본 발명의 범위는 첨부된 청구범위에 의해 한정된다.

달리 지시되지 않는 한, 본 명세서 및 청구범위에 사용되는 특징부 크기, 양, 및 물리적 특성을 표현하는 모든 수치는 모든 경우에 용어 "약"에 의해 수식되는 것으로 이해되어야 한다. 따라서, 반대로 지시되지 않는 한, 상기의 명세서 및 첨부된 청구범위에 기재된 수치 파라미터는 본 명세서에 개시된 교시 내용을 이용하는 당업자가 얻고자 하는 원하는 특성에 따라 달라질 수 있는 근사치이다.

본 명세서 및 첨부된 청구범위에 사용되는 바와 같이, 단수 형태("a", "an" 및 "the")는, 그 내용이 명백하게 달리 지시하지 않는 한, 복수의 지시 대상을 갖는 실시예를 포함한다. 본 명세서 및 첨부된 청구범위에 사용되는 바와 같이, 용어 "또는"은 일반적으로, 그 내용이 명백히 달리 지시하지 않는 한, 그것의 의미에 있어서 "및/또는"을 포함하는 것으로 사용된다.

본 명세서에 사용되는 경우, "근접", "말단", "하부", "상부", "밑", "아래", "위", 및 "상부에"를 포함하지만 이로 제한되지 않는, 공간적으로 관련된 용어는 설명의 용이함을 위해 소정 요소(들)의 다른 요소에 대한 공간적 관계를 기술하는 데 이용된다. 그러한 공간적으로 관련된 용어는 도면에 도시되고 본 명세서에 기술된 특정 배향에 더하여, 사용 또는 동작 시의 디바이스의 상이한 배향들을 포함한다. 예를 들어, 도면에 도시된 물체가 반전되거나 뒤집히면, 다른 요소들 아래에 또는 밑에 있는 것으로 이전에 기술된 부분이 그때는 그 다른 요소들 위에 또는 상부에 있을 것이다.

본 명세서에 사용된 바와 같이, 예를 들어 요소, 컴포넌트 또는 층이 다른 요소, 컴포넌트 또는 층과 "일치하는 계면"을 형성하는 것으로, 또는 "그 상에" 있거나, "그에 연결"되거나, "그와 결합"되거나, "그 상에 적층"되거나, "그와 접촉"하는 것으로 기술될 때, 그것은, 예를 들어 그 특정 요소, 컴포넌트 또는 층 상에 직접 있을 수 있거나, 그에 직접 연결될 수 있거나, 그와 직접 결합될 수 있거나, 그 상에 직접 적층될 수 있거나, 그와 직접 접촉할 수 있거나, 개재되는 요소, 컴포넌트 또는 층이 그 특정 요소, 컴포넌트 또는 층 상에 있을 수 있거나, 그에 연결될 수 있거나, 그와 결합될 수 있거나, 그와 접촉할 수 있다. 예를 들어, 요소, 컴포넌트 또는 층이 "직접 다른 요소 상에" 있거나, "그에 직접 연결"되거나, "그와 직접 결합"되거나, "그와 직접 접촉"하는 것으로 지칭될 때, 예를 들어 개재되는 요소, 컴포넌트 또는 층이 존재하지 않는다. 본 개시의 기술은 서버, 랩톱 컴퓨터, 데스크톱 컴퓨터, 노트북 컴퓨터, 태블릿 컴퓨터, 핸드-헬드 컴퓨터, 스마트폰 등과 같은 매우 다양한 컴퓨터 디바이스에서 구현될 수 있다. 임의의 컴포넌트, 모듈 또는 유닛은 기능적 태양을 강조하기 위해 기술되었고, 반드시 상이한 하드웨어 유닛에 의한 실현을 필요로 하지는 않는다. 본 명세서에서 설명된 기술은 또한 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 임의의 조합으로 구현될 수 있다. 모듈, 유닛 또는 컴포넌트로서 기술된 임의의 특징부는 통합 로직 디바이스로 함께 구현될 수 있거나, 또는 별개이지만 상호운용 가능한 로직 디바이스로서 개별적으로 구현될 수 있다. 일부 경우에, 다양한 특징부가 집적 회로 칩 또는 칩셋과 같은 집적 회로 디바이스로서 구현될 수 있다. 추가로, 대부분이 고유의 기능을 수행하는 다수의 별개의 모듈이 본 설명 전반에 걸쳐 기술되었지만, 모든 모듈의 모든 기능은 단일 모듈로 조합될 수 있거나 또는 심지어 추가의 부가적인 모듈로 분할될 수 있다. 본 명세서에서 기술된 모듈은 단지 예시적이며, 더 나은 이해의 용이함을 위해 그와 같이 기술되었다.

소프트웨어로 구현되는 경우, 본 기술은, 프로세서에서 실행될 때, 전술된 방법들 중 하나 이상을 수행하는 명령어를 포함하는 컴퓨터 판독 가능 매체에 의해 적어도 부분적으로 실현될 수 있다. 컴퓨터 판독 가능 매체는 유형의(tangible) 컴퓨터 판독 가능 저장 매체를 포함할 수 있으며, 패키징 재료를 포함할 수 있는 컴퓨터 프로그램 제품의 일부를 형성할 수 있다. 컴퓨터 판독 가능 저장 매체는 동기식 동적 랜덤 액세스 메모리(SDRAM)와 같은 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM), 비휘발성 랜덤 액세스 메모리(NVRAM), 전기적 소거가능 프로그램 가능 판독 전용 메모리(EEPROM), 플래시(FLASH) 메모리, 자기 또는 광 데이터 저장 매체 등을 포함할 수 있다. 컴퓨터 판독 가능 저장 매체는 또한 하드 디스크, 자기 테이프, 콤팩트 디스크(CD), 디지털 다용도 디스크(DVD), 블루-레이 디스크, 홀로그래픽 데이터 저장 매체, 또는 다른 비휘발성 저장 디바이스와 같은 비휘발성 저장 디바이스를 포함할 수 있다.

본 명세서에서 사용된 바와 같은 용어 "프로세서"는 전술한 구조 또는 본 명세서에 설명된 기술의 구현에 적합한 임의의 다른 구조 중 임의의 것을 지칭할 수 있다. 또한, 일부 태양에서, 본 명세서에서 설명된 기능은 본 개시의 기술을 수행하기 위해 구성된 전용 소프트웨어 모듈 또는 하드웨어 모듈 내에 제공될 수 있다. 소프트웨어로 구현되는 경우에도, 본 기술은 소프트웨어를 실행하기 위한 프로세서, 및 소프트웨어를 저장하기 위한 메모리와 같은 하드웨어를 사용할 수 있다. 임의의 그러한 경우에, 본 명세서에 설명된 컴퓨터는 본 명세서에 설명된 특정 기능을 실행할 수 있는 특정 기계를 정의할 수 있다. 또한, 본 기술은 프로세서로 또한 간주될 수 있는 하나 이상의 회로 또는 로직 요소로 완전히 구현될 수 있다.

Claims (30)

1. 시스템으로서,
   작업자에 의해 착용되도록 각각 구성된 하나 이상의 개인 보호 장비(PPE) 디바이스 - 상기 PPE 디바이스는 하나 이상의 작업 환경 내에서 동작하는 작업자의 활동을 나타내는 활동 데이터를 생성하는 하나 이상의 센서를 각각 포함함 - 와,
   컴퓨팅 디바이스를 포함하며, 상기 컴퓨팅 디바이스는
   적어도 상기 활동 데이터에 기초하여, 하나 이상의 엔티티(entity)의 복수의 클러스터(cluster)를 식별하고 - 상기 엔티티 중의 각각의 엔티티는 상기 작업자 중 한 명 이상과 연관됨 -,
   안전 이벤트에 관한 타겟 엔티티(target entity)에 의한 성과와 안전 이벤트에 관한 상기 타겟 엔티티를 포함하는 상기 클러스터에 의한 성과 간의 차이의 표시를 출력하도록 구성되는
   시스템.
2. 제1항에 있어서,
   상기 활동 데이터는 상기 작업자에 대한 PPE 사용 데이터 및 생리학적 데이터 중 하나 이상을 포함하는
   시스템.
3. 제1항에 있어서,
   상기 컴퓨팅 디바이스는
   상기 엔티티 각각에 대한 엔티티 데이터를 수신하고 - 상기 엔티티 데이터는 상기 작업자의 특성 및 상기 엔티티에 대응하는 작업 환경의 특성 중 적어도 하나를 나타냄 -,
   적어도 상기 엔티티 데이터에 기초하여, 상기 하나 이상의 엔티티의 복수의 클러스터를 식별하도록 더 구성되는
   시스템.
4. 제3항에 있어서,
   상기 엔티티 데이터는 상기 작업자에 대한 인구통계학적 데이터 및 상기 작업 환경의 안전 이벤트 통계 중 하나 이상을 포함하는
   시스템.
5. 제3항에 있어서,
   상기 컴퓨팅 디바이스는
   상기 활동 데이터 및 엔티티 데이터로부터, 상기 엔티티에 대한 각자의 d차원 벡터를 생성하고 - 상기 d차원 벡터 각각은 대응하는 엔티티에 대한 차원에서의 값을 나타내는 d개의 차원 중의 각각의 차원에 대한 대응하는 값을 가짐 -,
   클러스터링 알고리즘(clustering algorithm)을 사용하여 상기 d차원 벡터를 처리하여 상기 하나 이상의 엔티티의 복수의 클러스터를 식별하도록 더 구성되는
   시스템.
6. 제1항에 있어서,
   상기 활동 데이터는 상기 작업자에 의한 활동에서 소비된 시간, 활동당 작업자에 의해 소비된 연속 시간, 작업자에 의한 듀티 사이클(duty cycle), 및 활동 패턴 중 하나 이상을 포함하는
   시스템.
7. 제1항에 있어서,
   상기 엔티티 중의 각각의 엔티티는 상기 한 명 이상의 작업자 중의 작업자인
   시스템.
8. 제1항에 있어서,
   상기 엔티티 중의 각각의 엔티티는 상기 엔티티와 연관된 상기 한 명 이상의 작업자가 동작하고 있는 상기 하나 이상의 작업 환경 중의 작업 환경인
   시스템.
9. 제1항에 있어서,
   상기 활동 데이터는 상기 작업자에 대한 하나 이상의 안전 메트릭(safety metric)을 나타내고,
   상기 컴퓨팅 디바이스는, 상기 복수의 클러스터 및 상기 하나 이상의 엔티티에 기초하여, 상기 타겟 엔티티에 대한 안전 메트릭 및 상기 타겟 엔티티를 포함하는 상기 클러스터에 대한 안전 메트릭을 계산하도록 구성되고,
   상기 차이의 표시를 출력하기 위해, 상기 컴퓨팅 디바이스는 상기 타겟 엔티티에 대한 상기 안전 메트릭과 상기 타겟 엔티티를 포함하는 상기 클러스터에 대한 상기 안전 메트릭 간의 차이의 표시를 출력하도록 구성되는
   시스템.
10. 제1항에 있어서,
    상기 활동 데이터는 상기 작업자에 대한 하나 이상의 성과 메트릭(performance metric)을 나타내고,
    상기 컴퓨팅 디바이스는, 상기 복수의 클러스터 및 상기 하나 이상의 엔티티에 기초하여, 상기 타겟 엔티티에 대한 성과 메트릭 및 상기 타겟 엔티티를 포함하는 상기 클러스터에 대한 성과 메트릭을 계산하도록 구성되고,
    상기 차이의 표시를 출력하기 위해, 상기 컴퓨팅 디바이스는 상기 타겟 엔티티에 대한 상기 성과 메트릭과 상기 타겟 엔티티를 포함하는 상기 클러스터에 대한 상기 성과 메트릭 간의 차이의 표시를 출력하도록 구성되는
    시스템.
11. 제1항에 있어서,
    상기 활동 데이터는 상기 작업자에 대한 하나 이상의 성과 메트릭을 나타내고,
    상기 컴퓨팅 디바이스는 상기 타겟 엔티티의 성과 메트릭이 상기 성과 메트릭에 대한 임계치를 충족시키는지를 결정하도록 더 구성되고,
    상기 컴퓨팅 디바이스는, 상기 성과 메트릭이 상기 성과 메트릭에 대한 상기 임계치를 충족시키지 않는다고 결정하는 것에 응답하여,
    적어도 작업자에 대한 이력 활동 데이터를 사용하여 훈련된 활동 모델에 기초하여, 상기 타겟 엔티티의 상기 성과 메트릭을 개선할 가능성이 있는 하나 이상의 활동을 결정하고,
    상기 하나 이상의 활동의 표시를 출력하도록 더 구성되는
    시스템.
12. 제1항에 있어서,
    상기 안전 이벤트는 작업자에 의해 수행되는 활동의 유형에 대응하고,
    안전 이벤트에 관한 상기 타겟 엔티티에 의한 상기 성과는 상기 타겟 엔티티와 연관된 한 명 이상의 작업자가 상기 활동의 유형을 수행하는 빈도에 대응하고,
    안전 이벤트에 관한 상기 타겟 엔티티를 포함하는 상기 클러스터에 의한 성과는 상기 타겟 엔티티를 포함하는 상기 클러스터의 상기 하나 이상의 엔티티와 연관된 한 명 이상의 작업자가 상기 활동의 유형을 수행하는 빈도에 대응하는
    시스템.
13. 제1항에 있어서,
    상기 PPE 디바이스 중 적어도 하나는 상기 컴퓨팅 디바이스를 포함하는 통신 허브인
    시스템.
14. 컴퓨팅 디바이스로서,
    적어도 하나의 프로세서와, 명령어를 포함하는 메모리를 포함하고, 상기 명령어는, 실행될 때, 상기 적어도 하나의 프로세서로 하여금
    안전 이벤트에 관한 하나 이상의 엔티티에 의한 성과를 나타내는 엔티티 데이터를 수신하고,
    상기 엔티티 데이터로부터, 상기 엔티티에 대한 각자의 d차원 벡터를 생성하며 - 상기 d차원 벡터 각각은 대응하는 엔티티에 대한 차원에서의 값을 나타내는 d개의 차원 중의 각각의 차원에 대한 대응하는 값을 가짐 -,
    클러스터링 알고리즘을 사용하여 상기 d차원 벡터를 처리하여 상기 하나 이상의 엔티티의 복수의 클러스터를 식별하고 - 상기 엔티티 중의 각각의 엔티티는 한 명 이상의 작업자와 연관됨 -,
    안전 이벤트에 관한 타겟 엔티티에 의한 성과와 안전 이벤트에 관한 상기 타겟 엔티티를 포함하는 상기 클러스터에 의한 성과 간의 차이의 표시를 출력하게 하는
    컴퓨팅 시스템.
15. 제14항에 있어서,
    상기 엔티티 중의 각각의 엔티티는 상기 엔티티와 연관된 상기 한 명 이상의 작업자가 동작하고 있는 하나 이상의 작업 환경 중의 작업 환경이고,
    상기 엔티티 데이터는 상기 작업 환경의 특성 및 상기 작업 환경의 안전 이벤트 통계를 나타내는
    컴퓨팅 디바이스.
16. 제14항에 있어서,
    상기 엔티티 중의 각각의 엔티티는 상기 한 명 이상의 작업자 중의 작업자이고,
    상기 엔티티 데이터는 상기 작업자의 특성 및 상기 작업자의 안전 이벤트 통계를 나타내는
    컴퓨팅 디바이스.
17. 제14항에 있어서,
    안전 이벤트에 관한 상기 타겟 엔티티를 포함하는 상기 클러스터에 의한 상기 성과는 상기 타겟 엔티티를 포함하는 상기 클러스터의 상기 하나 이상의 엔티티의 평균 성과에 기초하는
    컴퓨팅 디바이스.
18. 컴퓨팅 디바이스로서,
    적어도 하나의 프로세서와, 명령어를 포함하는 메모리를 포함하고, 상기 명령어는, 실행될 때, 상기 적어도 하나의 프로세서로 하여금
    적어도 작업자에 의해 착용되도록 각각 구성된 하나 이상의 개인 보호 장비(PPE) 디바이스에 포함된 하나 이상의 센서에 의해 생성된 활동 데이터 - 상기 활동 데이터는 하나 이상의 작업 환경 내에서 동작하는 작업자의 활동을 나타냄 - 에 기초하여, 하나 이상의 엔티티의 복수의 클러스터를 식별하고 - 상기 엔티티 중의 각각의 엔티티는 한 명 이상의 작업자와 연관됨 -,
    안전 이벤트에 관한 타겟 엔티티에 의한 성과와 안전 이벤트에 관한 상기 타겟 엔티티를 포함하는 상기 클러스터에 의한 성과 간의 차이의 표시를 출력하게 하는
    컴퓨팅 디바이스.
19. 제18항에 있어서,
    상기 활동 데이터는 상기 작업자에 대한 PPE 사용 데이터 및 생리학적 데이터 중 하나 이상을 포함하는
    컴퓨팅 디바이스.
20. 제18항에 있어서,
    상기 명령어의 실행은 또한 상기 적어도 하나의 프로세서로 하여금
    상기 엔티티 각각에 대한 엔티티 데이터를 수신하고 - 상기 엔티티 데이터는 상기 작업자의 특성 및 상기 엔티티에 대응하는 작업 환경의 특성 중 적어도 하나를 나타냄 -,
    적어도 상기 엔티티 데이터에 기초하여, 상기 하나 이상의 엔티티의 복수의 클러스터를 식별하게 하는
    컴퓨팅 디바이스.
21. 제20항에 있어서,
    상기 엔티티 데이터는 상기 작업자에 대한 인구통계학적 데이터 및 상기 작업 환경의 안전 이벤트 통계 중 하나 이상을 포함하는
    컴퓨팅 디바이스.
22. 제21항에 있어서,
    상기 명령어의 실행은 또한 상기 적어도 하나의 프로세서로 하여금
    상기 활동 데이터 및 엔티티 데이터로부터, 상기 엔티티에 대한 각자의 d차원 벡터를 생성하고 - 상기 d차원 벡터 각각은 대응하는 엔티티에 대한 차원에서의 값을 나타내는 d개의 차원 중의 각각의 차원에 대한 대응하는 값을 가짐 -,
    클러스터링 알고리즘을 사용하여 상기 d차원 벡터를 처리하여 상기 하나 이상의 엔티티의 복수의 클러스터를 식별하게 하는
    컴퓨팅 디바이스.
23. 제18항에 있어서,
    상기 활동 데이터는 상기 작업자에 의한 활동에서 소비된 시간, 활동당 작업자에 의해 소비된 연속 시간, 작업자에 의한 듀티 사이클, 및 활동 패턴 중 하나 이상을 포함하는
    컴퓨팅 디바이스.
24. 제18항에 있어서,
    상기 엔티티 중의 각각의 엔티티는 상기 한 명 이상의 작업자 중의 작업자인
    컴퓨팅 디바이스.
25. 제18항에 있어서,
    상기 엔티티 중의 각각의 엔티티는 상기 엔티티와 연관된 상기 한 명 이상의 작업자가 동작하고 있는 상기 하나 이상의 작업 환경 중의 작업 환경인
    컴퓨팅 디바이스.
26. 제18항에 있어서,
    상기 활동 데이터는 상기 작업자에 대한 하나 이상의 안전 메트릭을 나타내고,
    상기 명령어의 실행은 또한 상기 적어도 하나의 프로세서로 하여금, 상기 복수의 클러스터 및 상기 하나 이상의 엔티티에 기초하여, 상기 타겟 엔티티에 대한 안전 메트릭 및 상기 타겟 엔티티를 포함하는 상기 클러스터에 대한 안전 메트릭을 계산하게 하고,
    상기 명령어의 실행은 또한, 적어도 상기 적어도 하나의 프로세서로 하여금 상기 타겟 엔티티에 대한 상기 안전 메트릭과 상기 타겟 엔티티를 포함하는 상기 클러스터에 대한 상기 안전 메트릭 간의 차이의 표시를 출력하게 함으로써, 상기 적어도 하나의 프로세서로 하여금 상기 차이의 표시를 출력하게 하는
    컴퓨팅 디바이스.
27. 제18항에 있어서,
    상기 활동 데이터는 상기 작업자에 대한 하나 이상의 성과 메트릭을 나타내고,
    상기 명령어의 실행은 또한 상기 적어도 하나의 프로세서로 하여금, 상기 복수의 클러스터 및 상기 하나 이상의 엔티티에 기초하여, 상기 타겟 엔티티에 대한 성과 메트릭 및 상기 타겟 엔티티를 포함하는 상기 클러스터에 대한 성과 메트릭을 계산하게 하고,
    상기 명령어의 실행은 또한, 적어도 상기 적어도 하나의 프로세서로 하여금 상기 타겟 엔티티에 대한 상기 성과 메트릭과 상기 타겟 엔티티를 포함하는 상기 클러스터에 대한 상기 성과 메트릭 간의 차이의 표시를 출력하게 함으로써, 상기 적어도 하나의 프로세서로 하여금 상기 차이의 표시를 출력하게 하는
    컴퓨팅 디바이스.
28. 제18항에 있어서,
    상기 활동 데이터는 상기 작업자에 대한 하나 이상의 성과 메트릭을 나타내고,
    상기 명령어의 실행은 또한 상기 적어도 하나의 프로세서로 하여금 상기 타겟 엔티티의 성과 메트릭이 상기 성과 메트릭에 대한 임계치를 충족시키는지를 결정하게 하고,
    상기 명령어의 실행은 또한 상기 적어도 하나의 프로세서로 하여금, 상기 성과 메트릭이 상기 성과 메트릭에 대한 상기 임계치를 충족시키지 않는다고 결정하는 것에 응답하여,
    적어도 작업자에 대한 이력 활동 데이터를 사용하여 훈련된 활동 모델에 기초하여, 상기 타겟 엔티티의 상기 성과 메트릭을 개선할 가능성이 있는 하나 이상의 활동을 결정하고,
    상기 하나 이상의 활동의 표시를 출력하게 하는
    컴퓨팅 디바이스.
29. 제18항에 있어서,
    상기 안전 이벤트는 작업자에 의해 수행되는 활동의 유형에 대응하고,
    안전 이벤트에 관한 상기 타겟 엔티티에 의한 상기 성과는 상기 타겟 엔티티와 연관된 한 명 이상의 작업자가 상기 활동의 유형을 수행하는 빈도에 대응하고,
    안전 이벤트에 관한 상기 타겟 엔티티를 포함하는 상기 클러스터에 의한 성과는 상기 타겟 엔티티를 포함하는 상기 클러스터의 상기 하나 이상의 엔티티와 연관된 한 명 이상의 작업자가 상기 활동의 유형을 수행하는 빈도에 대응하는
    컴퓨팅 디바이스.
30. 제18항에 있어서,
    상기 PPE 디바이스 중 적어도 하나는 상기 컴퓨팅 디바이스를 포함하는 통신 허브인
    컴퓨팅 디바이스.

Images