Hoe houden we in de toekomst onze rijvaardigheden op peil? Green Dino voorziet een toekomst waarin heftruckchauffeurs op basis van hun werkelijke rijprestaties worden gecoacht en getraind. De technologie voor deze vorm van ‘blended learning’ is inmiddels beschikbaar. Die zorgt ervoor dat training en praktijk steeds meer met elkaar zullen samenvloeien.
Welke heftruckchauffeur herkent dit niet? Tijdens de opleiding voor bijvoorbeeld een heftruckcertificaat leren we dat we niet met hooggeheven vorken mogen rijden en dat we de snelheid moeten aanpassen in de buurt van voetgangers. Maar als we terug zijn in het magazijn en de dagelijkse werkzaamheden oppakken, verflauwt de aandacht voor de geleerde lessen. Zou het dan niet goed zijn als we erop gewezen worden dat we wel erg vaak met hooggeheven vorken rijden en dat de snelheid in gebieden met voetgangers wel erg hoog ligt?
Camera’s en sensoren
Qua technologie is dat geen probleem. In moderne magazijnen wordt door het warehouse management systeem (WMS) al een schat aan data vastgelegd over het heftruckverkeer. Het fleet management systeem (FMS) legt data van heftrucks zoals de rijsnelheid vast. Die kunnen we aanvullen met data uit camera’s en sensoren die bijvoorbeeld het kijkgedrag van chauffeurs vastleggen en de hoekversnelling of stand van het voertuig meten. “In feite kunnen we alle handelingen van heftruckchauffeurs bijhouden en analyseren”, vertelt Jorrit Kuipers.
Blended learning
Kuipers is chief technology officer (CTO) en mede-eigenaar van Green Dino. Samen met zijn collega Andrea Poelstra, chief executive officer (CEO) en eveneens mede-eigenaar van Green Dino, ontwikkelt hij op dit moment een heftrucksimulator voor BLOM opleidingen. Ondertussen denkt hij alvast na over de volgende stap in het trainen en onderhouden van de rijvaardigheden van heftruckchauffeurs. Hij spreekt over ‘blended learning’, een combinatie van verschillende technologieën en methoden die nieuwe trainingsvormen mogelijk maken.
Augmented reality (AR)
Een voorbeeld is het gebruik van ‘augmented reality’ om waarschuwingen of adviezen over het rijgedrag te projecteren in het gezichtsveld van heftruckchauffeurs, net zoals nu al gebeurt bij vliegtuigpiloten. Ook de heftrucksimulator kan worden ingezet om het rijgedrag van heftruckchauffeurs bij te sturen. “Als chauffeurs meer ervaring krijgen, zien ze minder risico’s en gaan ze sneller werken. Wat wij dan kunnen doen, is die chauffeurs op de simulator een gevaarlijke situatie of een (bijna)ongeluk te laten beleven. Bijvoorbeeld door te laten ervaren hoe een heftruck kantelt als hij met een te zware pallet op de vorken met te hoge snelheid een bocht neemt. Dan voelt hij de stoel van de simulator meebewegen.”
Training en praktijk
Het verzamelen van data is cruciaal voor blended learning. Als een incident heeft plaatsgevonden, laten die data zien op welke punten het rijgedrag van de chauffeur afwijkt van de norm. Dat kan reden zijn om deze en andere chauffeurs op dat punt extra te trainen. “Wij merken bijvoorbeeld dat jonge mannen tijdens de opleiding een hoge rijvaardigheid laten zien, maar dat ze daarna in de praktijk aanzienlijk vaker betrokken raken bij ongevallen dan vrouwen. Dat is waardevolle informatie die we kunnen gebruiken om deze risicogroep extra te volgen en te trainen. Op deze manier zullen we training en praktijk veel meer in elkaar zien overlopen”, vertelt Poelstra.
Ongevallen voorkomen
De data over het rijgedrag van heftruckchauffeurs tijdens de opleiding en in de praktijk kan ook worden gebruikt om ongevallen te voorkomen. Bijvoorbeeld door geen spoedopdrachten te geven aan heftruckchauffeurs die snel in de stress schieten. Of door risicovolle opdrachten alleen toe te wijzen aan heftruckchauffeurs die zorgvuldig te werk gaan. “Door data te verzamelen kunnen we patronen ontdekken en profielen van heftruckchauffeurs opbouwen. Die kunnen we gebruiken om de veiligheid op de magazijnvloer te vergroten. Maar dat is voorlopig nog toekomstmuziek.”