Sự phát triển của các phương pháp và hệ thống tính toán hiện đại đang thúc đẩy ngày càng nhiều nghiên cứu dự báo mối nguy hiểm tại nơi làm việc. Công nghệ dự báo cũng có xu hướng chuyển dần từ phân tích thống kê truyền thống qua các phương pháp luận mới như học máy hay dựa trên hành vi, nhằm đưa ra cảnh báo kịp thời hơn bằng cách sử dụng dữ liệu theo thời gian thực.
Xu hướng nghiên cứu công nghệ dự báo mối nguy hiểm qua dữ liệu sáng chế
Theo Báo cáo toàn cảnh công nghệ về Sức khỏe và an toàn nghề nghiệp (Patent Landscape Report - Occupational Health and Safety (OHS)), mặc dù tỷ lệ họ sáng chế về công nghệ dự báo mối nguy hiểm tại nơi làm việc chỉ chiếm 3,3% (tương ứng với 14.777 họ sáng chế) trên tổng số sáng chế được công bố trên toàn thế giới liên quan đến công nghệ hỗ trợ an toàn lao động, tuy nhiên công nghệ dự báo đã có sự tăng trưởng đáng kể về số lượng đăng ký sáng chế từ năm 2018 đến năm 2023. Tốc độ tăng trưởng kép hàng năm (CAGR) trong giai đoạn này đạt mức 26,4%, cao hơn nhiều so với mức tăng trưởng CAGR 2,7% ở tất cả các lĩnh vực công nghệ trên toàn thế giới, cho thấy sự quan tâm ngày càng tăng trong lĩnh vực này.
Xu hướng đăng ký sáng chế liên quan đến công nghệ dự báo mối nguy hiểm tại nơi làm việc
(Nguồn: Biên dịch từ “Patent Landscape Report - Occupational Health and Safety” (WIPO, 2025))
WIPO chia công nghệ dự báo mối nguy hiểm tại nơi làm việc thành 3 lĩnh vực công nghệ chính:
- Phân tích dựa trên thống kê (Statistics-based analysis): với 7.941 họ sáng chế, phương pháp này sử dụng dữ liệu lịch sử và các phương pháp thống kê để dự đoán rủi ro và cải thiện an toàn lao động. Bằng cách phân tích các sự cố trong quá khứ và liên hệ với điều kiện làm việc, có thể giúp đưa ra quyết định để giảm thiểu các mối nguy hiểm trước khi chúng xảy ra.
- An toàn dựa trên hành vi (Behavior-based safety): với 4.808 họ sáng chế tập trung vào các giải pháp được thiết kế để phân tích và tác động đến hành vi của người lao động. Bằng cách xác định các hành vi không an toàn và khuyến khích hành vi tích cực thông qua đào tạo, phản hồi và can thiệp, các tổ chức có thể thúc đẩy văn hóa an toàn và giảm thiểu rủi ro liên quan đến yếu tố con người.
- Học máy (Machine learning): có 4.325 họ sáng chế đề cập đến các phương pháp tiếp cận dựa trên trí tuệ nhân tạo (AI), sử dụng các thuật toán tiên tiến trong xử lý một lượng lớn dữ liệu để dự đoán hiệu quả hơn và cải thiện các quy trình an toàn. Phương pháp này đặc biệt hiệu quả trong việc xác định các mối quan hệ phức tạp, phi tuyến tính mà phương pháp thống kê truyền thống có thể bỏ qua.
Lĩnh vực Phân tích dựa trên thống kê dù chiếm số lượng lớn đăng ký sáng chế nhưng mức độ tăng trưởng đã dần chững lại từ năm 2021. Thay vào đó, các công nghệ An toàn dựa trên hành vi và Học máy đang ngày càng phát triển, với số lượng đăng ký bằng sáng chế tăng đều đặn qua từng năm, đặc biệt là trong năm 2023.
Bảo hộ sáng chế về công nghệ dự báo ở quy mô quốc tế
Phân tích các Họ sáng chế quốc tế (International Patent Families - IPFs) giúp lọc ra những sáng chế ít tác động hoặc mang tính cục bộ, để lại một tập dữ liệu sáng chế có sức ảnh hưởng lớn, phản ánh khả năng tồn tại lâu dài về mặt công nghệ và thương mại hóa ở quy mô toàn cầu. Theo thống kê của WIPO, công nghệ dự báo có tổng cộng 1.449 họ sáng chế được đăng ký bảo hộ tại nhiều quốc gia/khu vực trên thế giới (chiếm tỷ lệ 9%), còn lại là các họ sáng chế chỉ được đăng ký bảo hộ tại một nơi duy nhất. Mặc dù số lượng họ sáng chế trong công nghệ dự báo liên tục tăng nhưng sự tăng trưởng chủ yếu tập trung ở Trung Quốc, nơi phần lớn sáng chế chỉ nộp trong nước. Do đó, tốc độ tăng trưởng của IPFs gần như bằng 0% trong giai đoạn 2018-2023 và duy trì ổn định với mức từ 120-160 IPFs được nộp hàng năm.
Xu hướng đăng ký sáng chế quốc tế (IPF) và sáng chế nội địa, giai đoạn 2004 - 2023
(Nguồn: Biên dịch từ “Patent Landscape Report - Occupational Health and Safety” (WIPO, 2025))
Theo lĩnh vực công nghệ, phân tích IPFs cho thấy có sự chuyển dịch rõ ràng ở các nghiên cứu quy mô quốc tế. Trong khi các phương pháp tiếp cận truyền thống như phân tích dựa trên thống kê và hành vi đang suy giảm, các giải pháp có sự tham gia của AI để dự đoán tai nạn tiếp tục tăng trưởng mạnh mẽ và bền vững, bắt đầu từ năm 2016, đạt đỉnh 75 họ sáng chế vào năm 2022 và duy trì ở mức cao vào năm 2023.
Theo khu vực đăng ký bảo hộ, IPFs được ưu tiên nộp tại những thị trường có quy mô toàn cầu, các khu vực có hệ sinh thái công nghệ mạnh mẽ và tiềm năng thương mại lớn. Trong đó, Mỹ là quốc gia dẫn đầu số lượng với 798 IPFs được bảo hộ, tiếp đến là Cơ quan sáng chế Châu Âu (European Patent Office - EPO), Trung Quốc, Nhật Bản và Hàn Quốc. Dữ liệu của WIPO cũng cho thấy, Trung Quốc có đến 8.948 họ sáng chế, nhưng chỉ có 490 họ sáng chế được mở rộng đăng ký ở quy mô quốc tế, cho thấy các giải pháp chủ yếu nhằm đáp ứng nhu cầu của thị trường trong nước, thay vì hướng đến phạm vi toàn cầu.
Nghiên cứu công nghệ dự báo có sự tham gia của nhiều đối tượng, từ các tập đoàn công nghiệp lớn đến các doanh nghiệp công nghệ mới nổi. Theo đó, 81% tổ chức nộp đơn là doanh nghiệp (nắm giữ 84% IPFs), 11% từ các tổ chức học thuật (nắm giữ 10% IPFs), còn lại là cá nhân. Trong đó, Tập đoàn 3M (Mỹ) dẫn đầu với 20 IPFs, Công ty Chengdu QinChuan IoT Technology (Trung Quốc) đứng thứ 2 với 17 IPFs, Tập đoàn NEC (Nhật Bản) đứng thứ 3 với 15 IPFs.
Tổng quan về tình hình đăng ký bảo hộ IPFs, theo lĩnh vực công nghệ, khu vực bảo hộ và tổ chức nộp đơn
(Nguồn: Biên dịch từ “Patent Landscape Report - Occupational Health and Safety” (WIPO, 2025))
Bảo hộ sáng chế về công nghệ dự báo theo ngành công nghiệp
Các ngành xây dựng, dịch vụ và sản xuất dẫn đầu về xu hướng cấp bằng sáng chế, phản ánh mức độ quan tâm cao vào các giải pháp dự báo mối nguy hiểm nhằm nâng cao an toàn lao động trong các ngành này. Các ngành logistics, nông nghiệp và khai khoáng cũng có sự tăng trưởng đáng kể, còn ngành chăm sóc sức khỏe mặc dù không tăng trưởng nhanh bằng các ngành trên nhưng vẫn duy trì sự ổn định qua các năm.
Xu hướng đăng ký sáng chế trong công nghệ dự báo theo ngành công nghiệp, giai đoạn 2014-2023
(Nguồn: Biên dịch từ “Patent Landscape Report - Occupational Health and Safety” (WIPO, 2025))
Các nghiên cứu về công nghệ dự báo mối nguy hiểm đã thực hiện tại Việt Nam
Theo ghi nhận từ các cơ sở dữ liệu sáng chế, đề tài khoa học và bài nghiên cứu công bố trên các tạp chí khoa học trong nước, chỉ có một số ít kết quả nghiên cứu đã công bố về các mô hình dự báo mối nguy hiểm tại nơi làm việc, chủ yếu trong lĩnh vực xây dựng và sản xuất.
Mô hình BBN đánh giá khả năng xảy ra tai nạn ngã cao trong xây dựng
Nhằm phát triển một mô hình dự báo, ngăn ngừa khả năng xảy ra tai nạn ngã cao tại các công trình xây dựng, PGS.TS. Lưu Trường Văn cùng các cộng sự tại Viện nghiên cứu Khoa học lãnh đạo và Quản trị doanh nghiệp đã tiến hành nghiên cứu “Mô hình BBN (Bayesian Belief Network) cho việc đánh giá khả năng xảy ra tai nạn ngã cao trong xây dựng”, kết quả nghiên cứu đã được Sở Khoa học và Công nghệ TP.HCM nghiệm thu năm 2017.
Nghiên cứu được thực hiện theo trình tự: (1) Khảo sát 105 kỹ sư xây dựng và người phụ trách an toàn đang làm việc tại các công trường ở TP.HCM để đưa ra 13 nhân tố có ảnh hưởng đáng kể đến tai nạn ngã cao trên công trình xây dựng (Các kỹ năng của công nhân; Nhận thức an toàn; Tinh thần công nhân; Thiết bị an toàn và PPE; Thiết bị điều khiển; Các điều kiện về môi trường; Đào tạo huấn luyện; Quản lý/giám sát; Tiền hoạch định; Quản lý sức khỏe và an toàn; Văn hóa công ty; Thiết kế cho an toàn; Các yêu cầu pháp luật); (2) Thiết lập mô hình BBNs thông qua đánh giá sơ bộ và khảo sát 9 chuyên gia có kinh nghiệm trong ngành xây dựng về mối quan hệ nhân quả trực tiếp và gián tiếp giữa 13 nhân tố dẫn đến hậu quả “Té ngã trên cao”; (3) Đưa các nhân tố và quan hệ giữa chúng vào phần mềm MSBNx (Microsoft Bayesian Network Editor) để xây dựng mô hình đánh giá rủi ro xảy ra tai nạn ngã cao trong xây dựng; (4) Lựa chọn 4 công trình xây dựng tại TP.HCM để thu thập dữ liệu và hiệu chỉnh lại mô hình BBN cho phù hợp, theo ý kiến của kỹ sư xây dựng và chuyên gia đang thực hiện công trình.
Mô hình BBN và kết quả đánh giá rủi ro tai nạn ngã cao tại 4 công trình xây dựng
(Nguồn: Kết quả nghiên cứu)
Kết quả thử nghiệm cho thấy, hầu như xác suất dự báo xảy ra tai nạn ở 4 công trình đều thấp, tuy nhiên theo nhóm nghiên cứu có sự khác biệt giữa cảm nhận từ quan sát thực tế với kết quả dự báo của mô hình. Bên cạnh đó, đánh giá về mối quan hệ nhân quả của các nhân tố còn mang tính chủ quan, phụ thuộc vào ý kiến của chuyên gia và kỹ sư xây dựng. Do đó, để mô hình mang tính thực tế, cần có sự kết hợp với các công cụ, phương pháp khác để khắc phục nhược điểm, gán thêm các biến rủi ro và điều chỉnh cho phù hợp với từng công trình.
Kiểm soát an toàn công tác lắp đặt hệ mặt dựng bằng thuật toán YOLOv8
Hệ thống mặt dựng thuộc các công trình cao tầng được thi công lắp đặt và vận chuyển trên cao gây ra hàng loạt những rủi ro, đòi hỏi người lao động cần trang bị các thiết bị chuyên dụng như áo chống rơi toàn thân, dây giảm chấn và giày bảo hộ để đảm bảo an toàn. Tuy nhiên, vẫn còn tồn tại những người lao động có ý thức kém và không tuân thủ các quy tắc an toàn, bên cạnh đó công tác huấn luyện về an toàn lao động bằng hình thức giám sát trực tiếp vẫn còn nhiều hạn chế. Do đó, nhằm giúp chủ động kiểm soát an toàn, PGS.TS. Trần Đức Học và các cộng sự tại Trường Đại học Bách khoa (Đại học Quốc gia TP.HCM) đã tiến hành nghiên cứu “Kiểm soát an toàn công tác lắp đặt hệ mặt dựng bằng phương pháp lai ghép trí tuệ nhân tạo”, ứng dụng thuật toán YOLOv8 (You only look once - YOLO) với các tính năng nhận diện thiết bị bảo hộ lao động trong quá trình thi công lắp đặt hệ mặt dựng.
Bộ dữ liệu hình ảnh về thiết bị bảo hộ cá nhân chủ yếu được thu thập bởi các camera giám sát ngoài trời tại các công trường xây dựng và thông qua trình thu thập dữ liệu web Shutterstock. Các video cũng được thu thập từ những người làm việc ở độ cao khác nhau có liên quan đến công tác lắp đặt hệ mặt dựng. Nghiên cứu này cũng xác định thiết bị bảo hộ lao động cần nhận diện bao gồm: giày, quần áo bảo hộ, nón bảo hộ và thiết bị chống rơi.
Để kiểm chứng độ chính xác của mô hình được đề xuất, nhóm nghiên cứu trích xuất dữ liệu đầu vào từ một video thực tế từ công trường xây dựng của dự án The 678 Tower (67 Hoàng Văn Thái, Phường Tân Phú, Q.7, TP.HCM). Video thu được hiển thị thông tin về các trang thiết bị bảo hộ yêu cầu trong quá trình thi công và số lượng người lao động tham gia vào công tác thi công lắp đặt hệ mặt dựng. YOLOv8 mang lại hiệu quả khá tối ưu trong bài toán nhận diện thiết bị bảo hộ lao động và kiểm soát số lượng công nhân, với độ chính xác (Precision) là 93,9%, chỉ số gợi nhớ (Recall) là 99%, giá trị chính xác trung bình (mAP) là 98,4%, và F1 Score là 97% (F1 Score càng cao cho ra kết quả mô hình càng chính xác). Về thời gian và tốc độ nhận diện, mô hình cũng đạt kết quả khá tốt, với tốc độ xử lý 6 khung hình/giây và tần suất xử lý 5 khung hình/lần.
Ứng dụng thuật toán YOLOv8 trên camera để nhận diện thiết bị bảo hộ cá nhân
(Nguồn: Kết quả nghiên cứu)
Theo nhóm nghiên cứu, mô hình dự báo được đề xuất với sự kết hợp giữa thiết bị ghi hình cảm biến và AI, cho thấy sự vượt trội so với các nghiên cứu hiện có về độ chính xác và tốc độ xử lý hình ảnh tiệm cận nhất với thời gian thực. Kết quả từ nghiên cứu sẽ giúp người quản lý có góc nhìn tổng quát hơn trong quá trình thi công, giúp tiết kiệm thời gian và đưa ra các giải pháp ứng cứu kịp thời thông qua các công tác huấn luyện về an toàn để cải thiện về nhận thức, văn hóa an toàn tại nơi làm việc của người lao động.
Công nghệ dự báo rủi ro về an toàn tư thế lao động theo thời gian thực
Sáng chế “Môđun thị giác gửi tín hiệu cảnh báo, kiểm soát và dự báo rủi ro về an toàn tư thế lao động theo thời gian thực” được Công ty TNHH LEAN HELPER đăng ký bảo hộ tại Cục Sở hữu trí tuệ Việt Nam (Số đơn: VN 1-2023-08242, ngày công bố: 25/7/2024). Quy trình xử lý của môđun: camera ghi hình tư thế vận hành của người lao động (cổ, lưng, tay, cổ tay, chân) và xử lý theo từng khung ảnh bởi máy tính nhúng (trích xuất tọa độ, góc và điểm rủi ro an toàn các tư thế vận hành); camera được điều khiển theo hướng người lao động, thông tin được xuất qua cổng âm thanh để cảnh báo tư thế nguy hại, cổng hình ảnh hiển thị trực quan biểu đồ kiểm soát và dự báo điểm rủi ro về an toàn tư thế lao động và cổng USB được sử dụng để truy xuất tập tin báo cáo rủi ro.
Sản phẩm công nghệ đã được doanh nghiệp thương mại hóa trên thị trường với tên gọi Ergo AI, với các tính năng: phân tích tư thế lao động theo thời gian thực với camera hỗ trợ AI, theo dõi, đo lường, ngăn ngừa tư thế nguy hiểm, đảm bảo an toàn cho nhân viên một cách tự động mà không làm gián đoạn quy trình sản xuất, từ đó đưa ra các giải pháp cải tiến, tăng năng suất và giảm chi phí lao động.
Công nghệ AI-Enabled Ergonomics dự báo rủi ro về an toàn tư thế lao động theo thời gian thực
(Nguồn: https://leanhelper.vn/ergo-ai/)
***
Có thể thấy, dù số lượng nghiên cứu tại Việt Nam còn khiêm tốn và phân bố chưa đều giữa các ngành, nhưng các nhà khoa học đã bước đầu ứng dụng hiệu quả thuật toán học máy vào công nghệ dự báo mối nguy hiểm, nhất là trong các ngành có nguy cơ tai nạn lao động cao như xây dựng và sản xuất. Với sự phát triển nhanh chóng của camera AI, khả năng thu thập và xử lý dữ liệu lớn, có thể kỳ vọng rằng trong thời gian tới, các nghiên cứu sẽ không chỉ gia tăng về số lượng mà còn mở rộng sang nhiều lĩnh vực công nghiệp khác, góp phần quan trọng vào việc xây dựng môi trường làm việc an toàn và thông minh hơn.
Duy Sang
----------------------------------------
Tài liệu tham khảo chính:
[1] CSDL WIPO Publish. https://wipopublish.ipvietnam.gov.vn/
[2] WIPO. Patent Landscape Report - Occupational Health and Safety (OHS).
[3] Công nghệ AI-Enabled Ergonomics. https://leanhelper.vn/ergo-ai/
[4] PGS.TS Trần Đức Học và các cộng sự. Kiểm soát an toàn công tác lắp đặt hệ mặt dựng bằng phương pháp lai ghép trí tuệ nhân tạo. Tạp chí Xây dựng, 102-106.
[5] Sở Khoa học và Công nghệ TP.HCM. Báo cáo kết quả nghiên cứu "Mô hình BBN (Bayesian Belief Network) cho việc đánh giá khả năng xảy ra tai nạn ngã cao trong xây dựng".