Uit verrassende statistieken van de Vlaamse Werkbaarheidsmonitor uit 2019 bleek dat slechts 49,6% van de Vlaamse werknemers hun werk als werkbaar zag, in 2023 steeg dit met 1.2% [1, 2]. De overige helft worstelde met zaken als psychische vermoeidheid, lichamelijke klachten, lage werkbetrokkenheid en onvoldoende leermogelijkheden. Dit toont aan dat het creëren van werkbaar werk in Vlaanderen nog steeds een grote uitdaging blijft en is een duidelijke oproep tot actie.
Onderzoek toont consequent aan dat gelukkigere werknemers meer betrokken zijn, wat leidt tot een hogere productiviteit en een lager ziekteverzuim. Een gezonde werkomgeving, gekoppeld aan een positieve werkcultuur, zorgt voor duurzame professionele relaties, beter persoonlijke welzijn waarbij pensioenleeftijden gemakkelijker te bereiken zijn. Dit alles zorgt op termijn voor een positieve invloed op de bedrijfsresultaten.
In deze blogpost tonen we de kracht van moderne technologie om werkplekken te verbeteren. We verdiepen ons eerst in een simpel kleinschalige demo waarin we sensoren gebruiken om de comfort in productieomgevingen te beoordelen en eindigen met een grootschalige toepassing van het systeem in de iGent/AA/Beacon-torens waarin we het risico voor COVID-19 overdracht beoordelen [3].
Werkbaar werk kleinschalige demo - comfortscore in een productieomgeving
Deze blogpost werd gemaakt in het kader van het project ‘Technologie voor werkbaar werk’, gefinancierd door de Vlaamse overheid. Het project wordt uitgevoerd in samenwerkingen van onderzoeksinstellingen Flanders Make, imec, Sirris en HIVA (KU Leuven). Het doel is om 3 jaar tijd 750 bedrijven te bereiken om geavanceerde technologieën zoals cobots, digitale werkinstructies en exo-skeletpakken te implementeren om het welzijn van werknemers en de arbeidsomstandigheden te verbeteren.
Om het potentieel van de technologie te demonstreren, hebben we ons gericht op het real-time monitoren van de werkomgeving met behulp van diverse sensoren op een schaalbare manier en het intuïtief visualiseren voor een operator via een dashboard. In onze workshops en presentaties hebben we een kleinschalige demo gemaakt met een Netatmo Smart Home Weerstation als illustratie. Onze oplossing is echter niet beperkt tot een specifiek sensor merk.
Deze commercieel verkrijgbare sensor communiceert via Wi-Fi en verzendt elke 10 minuten metingen. DYAMAND, een middleware die fungeert als een interoperabiliteit laag, vangt deze gegevens op en standaardiseert de communicatie tussen slimme apparaten en applicaties. De gegevens worden vervolgens doorgestuurd naar Obelisk, een schaalbaar integratieplatform dat realtime gegevens opslaat en streamt.
De sensor meet omgevingsparameters zoals CO2-niveaus, temperatuur, luchtvochtigheid, luchtdruk en geluidsniveaus in een kamer. Door deze parameters hebben we een algoritme ontwikkeld om het comfort van medewerkers te bepalen, zoals weergegeven in figuur 1. We hebben specifieke drempelwaarden, vastgesteld door de overheid, voor CO2 en geluid om een score te bepalen. Vervolgens aan de hand van de temperatuur, luchtvochtigheid en kledingisolatie van de medewerkers te analyseren, berekenen we hun thermisch comfort met behulp van de predicted mean vote algorithme (PMV). Deze aanpak houdt rekening met de typische werkkleding van medewerkers, waardoor we de luidheid-, CO2- en thermisch comfort scores finaal kunnen combineren tot één comfort score.”
De verzamelde gegevens, bestaande uit zowel ruwe data als comfort scores, zijn beschikbaar op verschillende detailniveaus. We presenteren een plattegrond van een denkbeeldige verdieping waarop we de comfort scores inzichtelijk maken door duidelijke kleuren te gebruiken (rood, oranje, groen). Bovendien verstrekken we aanvullende informatie over de specifieke redenen achter een goede of slechte comfortscore. Hierdoor ontstaat een visueel overzicht dat niet alleen de algemene comfortniveaus weergeeft, maar ook inzicht biedt in de factoren die bijdragen aan de beoordeling.
Toepassing real-time monitoring - COVID
De demo is een kleinschalig voorbeeld van een real-world toepassing zoals uitvoerig beschreven in het artikel van Vanhaeverbeke et al. (2023)[3]. Iets meer dan honderd Netatmo Smart Home Weerstations zijn geïnstalleerd in de iGent-, AA- en Beacon-torens om de realtime omgevingscondities in elke kamer van ons kantoorgebouw te meten. Om de kans op het inademen van virusdeeltjes te beoordelen en zo het actuele risico op verspreiding van COVID-19 te bepalen, zijn omgevingsparameters van de sensor en de BIM-modellen van de gebouwen gebruikt. BIM-modellen zijn vaak aanwezig in moderne gebouwen en bevatten digitale bouwinformatie zoals de grootte van een kamer. Net zoals bij de comfortscore kunnen hier de omgevingsparameters, zoals geluidsniveau, worden gebruikt om het aantal mensen dat praat te bepalen.
De COVID-risicoscore wordt vervolgens gebruikt om een specifieke lamp in de kamer te kleuren, die groen, oranje of rood kan zijn om de luchtkwaliteit aan te geven. Dit informeert medewerkers over het risico, zodat ze onmiddellijk actie kunnen ondernemen. Operators kunnen de dynamische dashboards en het geïntegreerde waarschuwingssysteem gebruiken om de situatie in verschillende kantoren te evalueren en mogelijk de ventilatie te verhogen of naar andere oplossingen te kijken als sommige kamers voortdurend hoge waarden hebben.
In de praktijktoepassing worden de gegevens van Obelisk vervolgens gestreamd naar Apache Kafka, dat fungeert als een centraal element en de toevoeging van nieuwe services vergemakkelijkt. Zodra de sensorgegevens zich op het Kafka-bus bevinden, kunnen verschillende toepassingen er nu gebruik van maken. Een voorbeeld van zo’n dienst is Streaming MASSIF, die semantische technologieën gebruikt om de sensorgegevensstroom te verwerken. Deze semantische aanpak maakt diverse toepassingen mogelijk, verder dan alleen de schatting van het COVID-19-risico, door alle gegevens semantisch te beschrijven en te koppelen.
Het dynamische dashboard reageert niet alleen op gebruikersverzoeken, maar ook op gebeurtenissen, zoals wanneer het COVID-19-risico een bepaalde drempel overschrijdt. Streaming MASSIF stuurt een gebeurtenis naar Kafka, waardoor het dashboard een nieuw tabblad met relevante informatie en visualisaties construeert. De redeneermachine van het dashboard suggereert dynamisch visualisaties op basis van geselecteerde sensoren, waarbij semantisch redeneren wordt toegepast op sensor-metadata. Het dashboard maakt bovendien gebruik van een semantische aanpak en suggereert het visualisaties door te redeneren over semantische beschrijvingen van sensoren en beschikbare visuele widgets.
Hoe kan jouw bedrijf geholpen worden?
In Vlaanderen blijft werkbaar werk een uitdaging, met ziekteverzuim en burn-outs. Ontdek hoe nieuwe technologieën en slimme arbeidsorganisaties uw bedrijf kunnen helpen via onze gratis opties. Wij kijken samen met jou hoe jouw bedrijf kan profiteren van Industrie 4.0 oplossingen voor beter welzijn van je werknemers. Neem contact op met ons via mail: tech4ww@flandersmake.be.
- https://publicaties.vlaanderen.be/view-file/33740, Vlaamse werkbaarheidsmonitor 2019 - Werknemers, Ria Bourdeaud’hui, Frank Janssens, Stephan Vanderhaegh (2019)
- https://www.vlaanderen.be/publicaties/hoe-werkbaar-is-je-job-werkbaarheidsmeting-werknemers-2023 Ria Bourdeaud’hui, Miet Lamberts, Stefanie Notebaer, Stephan Vanderhaeghe (2023)
- Vanhaeverbeke, J., Deprost, E., Bonte, P., Strobbe, M., Nelis, J., Volckaert, B., … Van Hoecke, S. (2023). Real-time estimation and monitoring of COVID-19 aerosol transmission risk in office buildings. SENSORS, 23(5). https://doi.org/10.3390/s23052459