[论文解读] A Data-driven Human Responsibility Management System

Xuejiao Tang, Qiu Jiong+7 more|arXiv (Cornell University)|Dec 6, 2020

Occupational Health and Safety Research参考文献 23被引用 5

一句话总结

本文提出了一种数据驱动的人事责任管理系统，利用物联网生成的责任大数据和有向无环图（DAGs）来自动化企业中的风险评估、实时监管与责任追踪。该系统通过动态定义责任边界、可视化任务完成情况以及人员绩效排名，提升了安全管理效率，减少了事故率，通过自动化警报和实时绩效评分，在实际商场部署中实现了显著成效。

ABSTRACT

An ideal safe workplace is described as a place where staffs fulfill responsibilities in a well-organized order, potential hazardous events are being monitored in real-time, as well as the number of accidents and relevant damages are minimized. However, occupational-related death and injury are still increasing and have been highly attended in the last decades due to the lack of comprehensive safety management. A smart safety management system is therefore urgently needed, in which the staffs are instructed to fulfill responsibilities as well as automating risk evaluations and alerting staffs and departments when needed. In this paper, a smart system for safety management in the workplace based on responsibility big data analysis and the internet of things (IoT) are proposed. The real world implementation and assessment demonstrate that the proposed systems have superior accountability performance and improve the responsibility fulfillment through real-time supervision and self-reminder.

研究动机与目标

• 解决因安全管理薄弱和人为失误导致的职业伤害与死亡事故持续上升的问题。
• 克服传统依赖人工的安全系统在监督不一致和风险检测延迟方面的局限性。
• 开发一种智能、数据驱动的系统，通过物联网和大数据分析实现责任追踪、风险评估与问责的自动化。
• 通过动态定义责任边界并借助可视化评分与排名实现人员实时绩效监控，提升组织问责机制。

提出的方法

• 从物联网传感器和人工输入中收集责任大数据，包括风险预控、隐患监控和事故报告。
• 使用有向无环图（DAGs）建模责任节点（任务）与岗位之间的层级关系，明确上下级监管关系。
• 基于法律法规、任务类别和岗位特定职责定义责任边界，并实现跨部门的自动化边界生成。
• 为每个部门和岗位设置加权责任集合，综合考虑任务类型、周期（周期性/非周期性）、风险等级和触发方式。
• 采用多维评分系统，结合任务完成度、出勤率和绩效评估，通过投票或规则驱动方式实现自动或人工评分。
• 通过GUI仪表板可视化责任状态、评分与排名，包括实时曲线和带权重信息的DAG图，用于问题检测。

实验结果

研究问题

• RQ1 如何在复杂的组织层级中实现人事责任管理的自动化，以减少人为错误并提升问责性？
• RQ2 物联网生成的责任大数据在提升安全关键环境中的实时风险监控与事故响应方面，其作用有多大？
• RQ3 如何利用有向无环图（DAGs）建模与可视化责任关系，以提高问责追踪的准确性？
• RQ4 自动化绩效评分与可视化对员工责任履行及安全管理成效有何影响？

主要发现

• 在实际商场部署中，系统成功可视化了责任清单及其完成状态，实现了对安全任务的实时监控。
• 在模拟紧急情况（如火灾报警）中，系统自动触发了警报，实现了及时的人员通知与更快的响应速度。
• 人员责任评分通过时间序列曲线实现动态更新与可视化，支持绩效追踪并识别出表现不佳的员工。
• 基于DAG的可视化结合责任权重，清晰揭示了责任执行中的漏洞，提升了问责评估的准确性。
• 通过减少对人工监督的依赖并实现数据驱动的实时问责执行，系统显著提升了管理效率。
• 排名结果与绩效曲线为管理层提供了可操作的洞察，支持绩效评估与针对性干预措施。