Невнимательность – причина смерти на производствах
Руслан Тельнев был сотрудником «Пермской химической компании» больше 12 лет. Работу мужчина любил, и всегда был в числе лучших: благодаря Руслану несколько лет назад один из реакторов предприятия был спасён от взрыва. В августе 2018 года, обняв жену и ребёнка, он как обычно отправился на работу. Впереди ночная смена. Руслану предстояла выгрузка газа гексафторбутадиена в ёмкости. Так называемый электронный газ чаще всего используется при создании микросхем.
В момент выгрузки газ имел свободный доступ к выходу. Несмотря на это, никаких средств специальной защиты, кроме противогаза, у мужчины не было. Какое-то время Руслан чувствовал себя вполне обычно. Но когда мужчина вышел из цеха в коридор, куда по технике безопасности газ поступать не должен, и снял противогаз, ощутил нехарактерную одышку. Оставшееся время Руслан чувствовал недомогание, но решил все-таки закончить работу, списав своё состояние на усталость из-за двух ночных смен подряд.
Читайте также:
Российские программисты создали приложение для смартфона, которое не даст водителям заснуть за рулём
На следующий день состояние мужчины ухудшилось, появилась тошнота и рвота. Родные вызвали скорую помощь. В больницу Руслана привезли уже с отёком лица. Диагноз – отравление токсичным газом. Зафиксировали производственную травму. Через две недели борьбы за жизнь мужчина скончался.
Виновным в этой ситуации оказался ответственный за соблюдение техники безопасности мастер цеха, который не обеспечил Руслана должными средствами индивидуальной защиты и по неосторожности выдал неисправный противогаз. Только спустя 14 месяцев после случившегося дело закрыли, а виновного осудили сроком на один год лишения свободы за нарушение требований охраны труда. Но Руслана уже не вернуть.
Такие ситуации – не редкость. По данным Международной организации труда, Россия является одним из лидеров по количеству смертей и травматизма на рабочем месте. Здесь на 100 тыс. населения приходится 6 погибших в год. В странах Евросоюза – от нуля до трёх. Самыми опасными сферами работы считаются промышленность и строительство. И несмотря на то, что эти сферы развиваются, внедряя новые инструменты, станки и даже роботов, один из главных факторов смертности и травматизма на производстве – человеческий.
Фото: pixabay.com
Эра искусственного интеллекта
Сейчас вместо человека многие процессы способна осуществлять нейросеть, один из вариантов реализации искусственного интеллекта. А мы могли и не подозревать о жизни без такого помощника. Ведь прорыв мог случиться ещё в 40-е годы прошлого столетия. Тогда нейропсихолог Уоррен Мак-Каллок и математик Уолтер Питтс опубликовали статью, в которой описали основные принципы функционирования нейросетей. Исследователи разработали компьютерную модель, в основе которой лежали математические алгоритмы и теория деятельности человеческого мозга.
Работа мозга строится на обмене электрическими импульсами между миллиардами простых клеток-нейронов. При этом они обладают способностью к самообучению, основанному на предыдущем опыте. Ученые предположили, что клетки-нейроны можно рассмотреть как механизмы, которые оперируют двоичной системой счисления, системой цифровых устройств, а математический аналог головного мозга должен полностью повторять функционирование прототипа – не только выполнять логические операции, но и самостоятельно обучаться.
Математически нейрон представляет собой нелинейную функцию с единственным аргументом. Множество электронных нейронов объединяются в слои, у каждого из которых своя задача. Например, входной слой должен распределить полученные данные по внутренним слоям, а выходной – сформировать конечный результат.
Созданная с нуля нейросеть, как маленький ребёнок, которого нужно обучать, то есть предоставлять информацию, загружать как можно больше данных, и объяснять, что есть что. Нейроны связаны синапсами – это связи, которые передают команды от одного нейрона к другому. У каждой связи есть свой цифровой вес. В начале обучения нейросети он распределяется в случайном порядке. Но в процессе вес связей увеличивается между теми нейронами, которые передают приоритетные данные. То есть в зависимости от полученных раз за разом результатов искусственные нейроны изменяют свои параметры и алгоритм работы, благодаря чему и происходит процесс обучения.
Фото: pixabay.com
Ромашки и одуванчики
Первый прибор, устроенный по принципу нейросети, американский ученый Фрэнк Розенблатт создал спустя всего 10 лет после появления компьютеров – в 1958 году. Персептрон Марк-1 был собран из радиоламп и резисторов и умел различать простые геометрические формы.
После этого развитие нейросетей сильно затормозилось. Существовавшие на тот момент компьютеры были недостаточно мощными для обработки огромного количества данных, да и последних было мало для полноценного обучения нейронной сети.
Когда компьютеры стали мощнее, а базы данных обширнее, о нейросетях снова заговорили. И поскольку задачи, которые выполняют нейронные сети, в основном были связаны с поиском и анализом изображений, запуск базы Image Net в 2010 году обеспечил скачок в развитии машинного обучения. Сейчас в этой базе хранятся десятки миллионов фотографий с текстовым описанием того, что на них изображено, и ссылками на источник. С помощью накопленного за десятилетия массива данных мы и можем обучить нейросеть.
Например, необходимо научить нейронную сеть отличать ромашки от одуванчиков. Для этого мы загружаем в неё изображение ромашки и изображение одуванчика с запросом найти ромашку. Нейросеть представляет эти изображения в виде числовых значений и пропускает их через слои нейронов (каждый из слоев может отвечать за отдельную характеристику ромашки – цвет, форму лепестков и т.д.). После чего она может выдать как правильный, так и неправильный ответ – выбирает наугад. Но мы знаем правильный ответ наверняка, поэтому вписываем его в программу нейросети.
Так создается обучающий набор, или датасет, который содержит примеры с правильными вариантами. Постепенно, перебирая тысячи вариантов изображений и сравнивая их с правильным, нейросеть учится отличать тысячи совершенно разных изображений ромашек от тысяч изображений одуванчиков. В конечном итоге нейросеть усвоит множество вариаций изображений одного и того же объекта и процент ошибок снизится до минимума. Такие же процессы возможны с текстом, звуком и видео.
Результатом деятельности нейросети может стать не только поиск картинки в интернете и формирование ленты рекомендаций в социальной сети, но и спасение жизни.
Увидеть все нарушения
Повысить уровень безопасности и снизить вероятность человеческих ошибок на производствах с помощью нейросети взялись сотрудники Новосибирского государственного технического университета «НЭТИ». Они разработали механизм автоматической интеллектуальной видеоаналитики.
Сейчас отслеживанием соблюдений правил техники безопасности, включая использование средств индивидуальной защиты, на производствах занимаются люди – операторы просматривают видео в режиме реального времени. Эффективно такая система контроля может применяться только на небольших заводах. Но даже здесь человеческий глаз пропускает нарушения, не говоря уже о фабриках со штатом в тысячи людей и сотнями камер наблюдения.
Предложенная исследователями «НЭТИ» система предполагает анализ видео с производства и автоматическую фиксацию нарушений. На большом наборе изображений и видео ученые обучили нейросеть распознавать правильные и неправильные образы производственной экипировки и поведения. Теперь искусственный интеллект умеет анализировать видео систем охраны труда, и, если у сотрудника отсутствует хотя бы один из элементов спецодежды, система не допустит его к работе.
Зная местоположение ключевых точек тела, нейросеть фиксирует не только наличие, например, перчаток или респиратора, но и правильное их положение. Нарушения маркируются красным цветом прямо на видео. Кроме того, искусственный интеллект научился анализировать процесс работы в динамике, а это значит, что, если на рабочем месте человек снимет что-либо из средств индивидуальной защиты, программа также моментально это зафиксирует.
Дополнительно «умная» система осуществляет биометрическую идентификацию (распознавание сотрудников по индивидуальным физическим признакам), контроль технологических операций, контроль доступа на режимные объекты и другое. При этом она находится в процессе постоянного усовершенствования. Авторы работают в том числе над изучением алгоритмов построения траекторий перемещения сотрудников. Ещё одной особенностью разработки «НЭТИ» является её простота внедрения в штатные системы безопасности, не требующая дополнительных материальных затрат.
Аналогичных готовых к использованию систем в настоящее время не существует. Специально обученная нейронная сеть позволит не только снизить уровень травматизма и смертности на производстве, но и уменьшит затраты на профилактические процедуры, а также ускорит расследования случаев нарушения правил техники безопасности и охраны труда.
