由工业 4.0 技术驱动的工业安全系统的未来 -凯发app官网登录

了解工业中的安全问题

在如今的场景中，增加的复杂性几乎等同于人工智能 (ai) 和机器学习 (ml) 与云计算和物联网 (iot) 的整合。任何能够通过感知环境来优化达到目标的机会的动因都能看到人工智能的身影。机器学习是对可以通过经验和数据自动改进的计算机算法的研究。这些系统正在被快速整合，以帮助实现新工业革命的主要目标，即通过升级系统来改善制造业。

升级机械的一个例子是移动机器人。与当今工业中使用的标准机器人相比，它们具有更高的灵活性。使用人工智能和机器学习，它们能够实时计算出完成任务的最有效路线。这条路线肯定会与和这些机器人共享工厂车间的人类元素交叉，因此会出现潜在的意外情况，这将给公司及其工人带来社会和经济成本。这就需要为这种具有嵌入式人工智能和机器学习的机器人制定严格的安全标准。

（来源：green world group）

ai 和 ml 的另一个应用是自主车辆，其中损失的风险很高。自主车辆必须通过其算法处理多个数据点（例如，速度、与其他车辆的相对位置、道路上的障碍物等）。这需要稳健的测试标准，确保上述算法的误差在允许的限度内，因为任何误差都可能对数百辆在道路上行驶的车辆造成危险。此外，嵌入式人工智能系统会随着时间的推移调整其功能，这可能会导致出现与最初实施的流程和产品完全不同的流程和产品，因此需要随着时间的推移修改风险评估。

所有这些因素结合在一起，形成一个不断演变的环境，这种演变现在给负责制定安全标准的机构带来了压力，因为随着流程和实体功能的每次变化，确保每个相关实体安全的步骤也会发生变化。除了因故障造成物理损坏的明显风险之外，工业 4.0 的互联性质还带来了新的威胁，而这些威胁在工业环境中考虑时曾经很少受到关注，包括侵犯隐私、网络威胁、连接问题等。这意味着安全标准现在必须包括所有这些新的潜在安全问题领域。

工业 4.0 如何响应提高安全性的呼声

新工业中安全系统的一个例子是使用边缘计算和嵌入式人工智能实现的。边缘计算，即数据收集本身发生的计算，为安全系统打开了新的大门。当与嵌入这些系统的 ai 和 ml 系统一起使用时，可对数据进行处理而不将其发送到云端，可以实现实时决策。这些技术确保了快速行动，而且拯救生命的潜力巨大。这种嵌入式安全人工智能程序本身需要强大的标准，以确保这些关键组件出现故障的可能性最低。

在技术方面，符合安全相关定义的风险评估、测试和绘制标准是确保新工业革命在安全措施方面的可行性的最关键步骤。不断确保标准与技术的快速发展保持同步，将成为负责确保采用这些新技术的实体安全的委员会的最大挑战。

因祸得福？

除了改变机器本身的工作方式外，工业 4.0 还改变了一项关键资源的管理方式，即人力资源。夸张点说，能够模仿人类决策的智能机器和设备已经开始在许多领域取代人类工人，同时也为有能力设计、导航、故障排除和维护不断变化的制造机械情形的熟练劳动力提供了需求。

随着体力劳动任务以及现场决策和监控被委托给智能自主机器，由工业中的人为因素执行的任务的性质正在迅速改变。如前所述，越来越多涉及设计和故障排除等智力任务的岗位正在开放，迫使员工更新他们的技能组合。人类所从事的工作性质的这种转变改变了两件事：一是工作变得不那么单调，更具创造性、挑战性和满足感；二是职业健康和安全标准。健康和安全标准的变化意味着心理压力、整体健康将开始作为主要的健康参数获得更多的重视，最终导致个人的心理需求与他/她的身体健康处于相同的水平。