Forskning visar att traditionella rotorsaksanalyser har begränsningar när det gäller att utreda händelser i komplexa system. För de komplexa system som utgör dagens moderna arbetsliv krävs att analyser sker på en övergripande systemnivå, organisationsnivå, där till exempel tekniska, organisatoriska och sociala faktorer som påverkar arbetssystemet beaktas.

I takt med att rapporteringen av händelser och tillbud ökar blir mängden rapporter att hantera allt större, det krävs tekniska system och hjälpmedel för att bearbeta data. Är Informationssystem om Arbetsmiljö (IA) ett ärendehanteringssystem för att hantera enstaka ärenden eller går det att upptäcka trender och använda systemet förebyggande på en övergripande organisationsnivå i det systematiska arbetsmiljöarbetet?

Syftet med studien var att visa om användningen av ett incidentrapporteringssystem ger ett företag möjlighet att analysera arbetsmiljöbrister ur ett systemperspektiv och på så sätt öka kunskapen om risker inom företaget.

En kvalitativ fallstudie utfördes, på ett verkstadsföretag, med en abduktiv ansats med växling mellan empiri och teoretisk reflektion. Studien bygger på såväl data från IA-systemet som underlag från intervjuer av händelseansvariga på det studerade företaget samt en litteraturstudie.

Analysen visar att IA-systemet stödjer analys ur ett Människa-Teknik-Organisation-perspektiv (MTO-perspektiv) men saknar en strikt taxonomi kopplad till förståelsen av bakomliggande orsaker till händelser. Det saknas stöd för att på ett tillförlitligt sätt analysera händelser på en övergripande system- eller organisationsnivå. Inkonsekvent kategorisering av incidentrapporter försvårar effektivt utnyttjande av incidentrapporteringssystem och utvärdering av analyser påverkas negativt. Ett alternativ skulle kunna vara att utöka IA-systemet med en textanalysdel som kan hantera fritext i databasen och söka efter nyckelord. Genom att kombinera fritextanalys med taxonomi kan trender påvisas ur en stor mängd data.

Research reveals traditional root cause analysis to have limitations when used to analyse incidents in complex systems. For complex systems like modern work life environment analysis is required to be carried out on overall system level, organisational level, where technical, organizational and social factors impacting the system of work are considered.

As reporting of incidents and near misses are increasing, the corresponding number of reports to be handled are larger, which requires the assistance of technical systems in order to handle all data. Is Occupational Health and Safety Information System (IA-system) an incident reporting system just for single incidents or will it facilitate detection of trends to use the system for preventive actions on a higher organizational level to support systematic work environment management?

The purpose of the study was to show whether the use of an incident reportingsystem gives a company the opportunity to analyse work environment deficiencies from a system perspective and thus increase knowledge about risks within the company.

A qualitative case study was carried out, at a manufacturing company, with an abductive approach supported by switching between empirical and theoretical reflection. The study is based on data from the IA-system and interviews from people responsible for handling issues at the studied company as well as a literature study.

The analysis shows that the IA-system supports analysis from a Human-Technology-Organization (HTO) perspective, but lacks a strict taxonomy linked to the understanding of underlying causes of incidents. There is no support to reliably analyses of incident at an overall system or organization level. Inconsistent categorization of incident reports makes effective use of incident reporting systems difficult and evaluation of analyses is adversely affected. A solution could be to expand the IA-system with a text analysis part that can handle free text in the database and search for keywords. By combining free text analysis with taxonomy, trends can be demonstrated from a large amount of data.