RISULTATI 1 Logica Fuzzy

A titolo esemplificativo, sono riportati i risultati riguardanti un infortunio del tipo: “…

mentre sollevavo una bobina di filo metallico avvertivo dolore alla schiena...”; l’infortunio in esame è caratterizzato da una frequenza di accadimento e da una gravità normalizzate rispettivamente pari a 0,8 e a 0,17 (corrispondenti rispettivamente a 9,44*10-5 per giorno per lavoratore e a 5 giorni di assenza dal lavoro) e da un fattore di contatto unitario, visto che l’esposizione di un lavoratore al suddetto rischio d’infortunio coincide con la durata del turno. La variabile L invece non è applicabile per la tipologia di infortunio considerato, poi-ché per l’operazione di movimentazione dei materiali in lavorazione, quali sollevare, spin-gere, tirare, ecc., non è prevista alcuna misura protettiva. La dinamica infortunistica è descritta da più regole, quindi il risultato finale sarà dato dall’aggregazione dei contributi di ciascuna di essa ed è pari a 0,6 (Murè, 2006).

Con riferimento alla Tabella 1 si può rilevare come il valore R = 0,6 ricada nella fascia di rischio “Alto”. Trattandosi di un infortunio legato alla movimentazione manuale dei carichi un’efficace misura preventiva potrebbe essere l’uso di attrezzi agevolatori che aiutino il lavoratore nella movimentazione delle bobine; il risultato atteso è una riduzione di F e di E. Se si esaminano più nel dettaglio i dati, emerge una periodicità d’infortunio, vale a dire che uno stesso lavoratore, già vittima di un infortunio da sforzo sarà verosimilmente vitti-ma di un altro infortunio con la medesivitti-ma causa e con la stessa dinamica. Come vitti-mai? La risposta risiede nella constatazione, emersa dalle indagini svolte, che i lavoratori a fronte di un infortunio già occorso, mantengano un livello di attenzione momentaneamente aumentato solo per una breve durata. Alla fine di questo periodo, circa sei mesi, il lavora-tore è nuovamente a rischio d’infortunio, anche se formato e informato al momento del-l’assunzione o subito dopo il primo infortunio, necessita di un richiamo periodico della for-mazione per mantenere costantemente alto il livello di attenzione. Se questa prassi con relative procedure fosse attuata e se il richiamo di formazione avesse una cadenza seme-strale, si ritiene che la frequenza di accadimento F possa ridursi del 50% rispetto al valore annuale, vale a dire F=0,4, per cui si otterrebbe una riduzione di R pari a circa 0,35, valore di rischio “Medio” che richiede ancora interventi di riduzione. Nel caso in cui si adottino attrezzi agevolatori, la previsione dell’efficacia dell’intervento potrebbe essere ancora più ottimistica della precedente, anche se risulta più difficile valutarla. Infatti, occorrerebbe prima individuare tutte le postazioni di lavoro interessate e poi predisporre gli agevolatori necessari, senza introdurre altri rischi per i lavoratori legati alla presenza e all’utilizzo degli attrezzi stessi. Si osservi inoltre come tale misura ridurrebbe il tempo di esposizione dei lavoratori al rischio di sforzo fisico, fino ad annullarlo se tutte le operazioni di movimen-tazione dei carichi avvenissero con l’ausilio degli agevolatori. In questo caso, la nuova valu-tazione del rischio ipotizza F pari a 0,24, stimando quindi una riduzione della frequenza di accadimento del 70 %, S vale sempre 0,17 e E si ammette pari a 0,125, ciò vale a dire che l’esposizione dei lavoratori al rischio d’infortunio si prevede pari ad un’ora. In questo caso il valore del rischio risulta pari a 0.1 ed è giudicato pienamente tollerabile.

A

ATTTTII 55°° SSEEMMIINNAARRIIOO DDEELLLLAA CCOONNTTAARRPP

3.2 Reti Neurali

I risultati ottenuti mediante l’analisi dei casi di infortunio con una rete neurale SOM possono essere visualizzati nella mappa in Figura 1.A.

Sulla mappa sono visualizzate le unità di output. I differenti colori (o toni di grigio) corri-spondono a differenti valori di distanza tra le unità. Queste ultime infatti non sono equidi-stanziate le une con le altre, bensì, in seguito al lavoro della rete, che ne ha modificato i valori, si sono create zone della mappa ( quelle con toni di grigio più scuro) in cui le unità sono molto vicine tra di loro. Le unità vicine tra di loro hanno valori simili e rappresenta-no quindi dati di input con valori simili ossia con dinamiche di infortunio analoghe. La mappa è stata pertanto suddivisa in 5 aree, come è illustrato in Figura 1.B. Ciascuna area include un gruppo di unità molto vicine tra loro che quindi rappresentano casi di infortunio occorsi con la medesima dinamica. In Tabella 6 è illustrata la dinamica di infortunio che caratterizza ciascuna area. Ogni area presenta pertanto una sua peculiare criticità, per cui è possibile suggerire interventi organizzativi, tecnici e procedurali mirati a risolvere ciascu-na delle 5 criticità riscontrate.

ASSICURAZIONE E PREVENZIONE: DAL CONFRONTO UN PERCORSO CONDIVISO

Figura 1.A: Mappa di output Figura 1.B: Suddivisione della mappa

Tabella 6: Dinamica dell’infortunio riscontrata in ciascuna area della mappa

AREA DINAMICA

1 Durante la lavorazione di un utensile, a causa della perdita di controllo dell’utensile, il lavo-ratore si è infortunato per contatto con parti taglienti/appuntite/abrasive

2 Durante il trasporto di un carico , a causa della perdita di controllo del carico stesso, il lavo-ratore si è infortunato perché è rimasto incastrato dal carico

3 Durante il trasporto, la manipolazione o l’imballaggio di pezzi lavorati, a causa di un movi-mento errato o della perdita di controllo del materiale stesso, il lavoratore si è infortuna-to perché è rimasinfortuna-to schiacciainfortuna-to, incastrainfortuna-to, ha urtainfortuna-to con il pezzo stesso o è venuinfortuna-to a con-tatto con sue parti taglienti/appuntite/ abrasive

4 Durante un’operazione con una macchina, a causa di una perdita di controllo o di un movi-mento inopportuno, il lavoratore si è infortunato perché è rimasto schiacciato o è venuto a contatto con sue parti taglienti/appuntite/ abrasive

5 Mentre camminava o trasportava materiali, a causa di un movimento inopportuno o di una caduta, il lavoratore si è infortunato perché è rimasta schiacciata una parte del corpo o è venuto a contatto con materiali taglienti/appuntiti/ abrasivi

4. CONCLUSIONI

Questa ricerca si è sviluppata traendo spunto dalla necessità di costruire uno strumento meto-dologico decisionale, al fine di stimare “a priori” l’esposizione dei lavoratori al rischio d’infor-tunio negli ambienti di lavoro. A tale proposito sono state sviluppate due metodologie innova-tive che consentono di condurre una valutazione del rischio infortunistico con un diverso livel-lo di dettaglio. In particolare, la Logica Fuzzy consente di:

• valutare il rischio d’infortunio per comparto, mansione, lavoratore partendo da una buona conoscenza delle dinamiche infortunistiche;

• quantificare l’efficacia degli interventi preventivi atti a ridurre il rischio sopra valutato.

Tale metodologia, nonostante la particolarità dell’applicazione presentata, è facilmente esten-dibile a qualsiasi azienda con il solo limite di disporre di un sufficiente e omogeneo numero di registrazioni infortuni ben documentate, in modo da istruire correttamente il software e otti-mizzare (tuning) i parametri di riferimento. Pertanto, si è reso necessario lo sviluppo di una metodologia che consentisse da una parte di considerare un numero più elevato di condizioni al contorno che descrivono un infortunio e che interagiscono in modo complesso, e dall’altra di effettuare delle valutazioni partendo da registrazioni infortuni per lo più disomogenee e scarsamente documentate.

Si osservi come lo sviluppo di una metodologia di analisi degli infortuni basata sull’approccio neuronale abbia permesso di raggruppare per un ampio settore i casi di infortunio in classi di similarità sotto il profilo della dinamica dell’infortunio e quindi di individuare per ogni classe una criticità su cui è necessario intervenire per ridurre il livello di rischio. Questo risultato ha gettato le basi di una terza fase della ricerca condotta finora che si pone come obiettivo la valutazione delle criticità di un settore lavorativo mediante l’approccio neuronale e successi-vamente la quantificazione dell’efficacia degli interventi di riduzione del rischio con l’approc-cio fuzzy.

A

ATTTTII 55°° SSEEMMIINNAARRIIOO DDEELLLLAA CCOONNTTAARRPP

BIBLIOGRAFIA

M.V.P. Aaltonen, E. Uusa Rauva, J. Saari, M. Anti-Poika, T. Rusanen, K. Vinni: The accident consequence tree method and its application by real-time data collection in the finnish furni-ture industry, Safety Science, 1996, 23, n 1, 11-26.

H.Chung-Chian: Generalizing Self-Organizing Map for Categorical Data. IEEE Transactions on Neural Networks, 2006, 17 ( 2): 294-304.

Directorate General Employment and Social Affairs series 2001: European statistics on acci-dents at work (ESAW) - Methodology . Catalogue No KE-36-019-60EN-C, 2001.

S. Garavaglia: A Heuristic Self-Organizing Map Trained Using the Tanimoto Coefficient. Proceedings of the International Joint Conference on Neural Networks, Anchorage, AK, 4-9 May 1998.

S. Garavaglia: Health Care Customer Satisfaction Survey Analysis Using Self-Organizing Maps and "Exponentially Smeared" Data Vectors. Proceedings of the International Joint Conference on Neural Networks, Como, Italy, 24-27 July, 2000.