Samoučicí průmyslové stroje a roboty snižují riziko

Budoucí bezpečnost automatizace bude zahrnovat stroje, které se učí. Pokroky v oblasti umělé inteligence (AI) a strojového učení (ML) mohou vést roboty a další průmyslové stroje k tomu, aby se učily z obrovského množství údajů souvisejících s bezpečností.

 
 
Opatření průmyslové bezpečnosti se obvykle soustředila na co největší izolování strojů od pracovníků. Technologický pokrok v automatizačním vybavení umožnil, aby stroje – zejména kolaborativní roboty – spolupracovaly v těsné blízkosti lidí. Tyto technologie využívají prvky, jako jsou zaoblené hrany a zpětnovazební senzory, které snižují pravděpodobnost zranění při kontaktu s operátorem.

Automatizační systémy navíc přecházejí z pevné na autonomní mobilitu. Jedno z výrobních řešení, které by mohlo transformovat výrobu, zahrnuje připojení ramena kolaborativního robotu k samohybné mobilní základně. Aby mohli konstruktéři řídicí techniky využívat podobná opatření ke snížení rizika, musejí pochopit požadavky této technologie, její potenciální rizika a způsoby, jak s nimi budou operátoři pracovat.

Systémy jsou stále složitější a pro výrobce je tím pádem náročnější analyzovat všechna data, která hrají roli v plánu snižování rizika. Množství informací může být ochromující a dostupné mechanismy pro řízení rozhodovacího procesu jsou omezené. Umělá inteligence (AI) může pomoci překonat tato omezení pomocí řady možností, které konstruktér automatizace nemusel vzít v úvahu. Tato kvalita v kombinaci s čistým výpočetním výkonem činí z AI nezbytnou součást automatizačních systémů.

Stanovení bezpečnostních požadavků
Norma IEC 62061, která se zabývá bezpečnostními elektrickými, elektronickými a programovatelnými elektronickými řídicími systémy, definuje funkční bezpečnost takto: „Jde o část bezpečnosti stroje a řídicího systému stroje, která závisí na správném fungování systému SRECS (Safety-Related Electrical Control System), dalších technologických bezpečnostních systémů a selhání se snížením externího rizika.“

Tato definice dává větší smysl, když ji považujeme za cíl, kterým je navrhnout systém, jenž v případě poruchy selže předvídatelným způsobem. Výrobní průmysl si již osvojil hardwarová řešení. Bezpečnostní standardy poskytují výrobcům, integrátorům a koncovým uživatelům metodiku osvědčených postupů k dosažení přijatelné úrovně rizika pro tato řešení. Můžeme také čerpat z těchto standardů, abychom pomohli určit bezpečnostní požadavky pro vývoj technologií.

V současné době neexistují žádné bezpečnostní normy speciálně určené pro průmyslový robot integrovaný s mobilní platformou. Můžeme shromažďovat relevantní informace z existujících bezpečnostních norem, jako jsou ANSI B11.0 nebo ISO 12100 pro hodnocení rizik, ANSI RIA R15.06 nebo ISO 10218-2 pro průmyslové robotické systémy, ANSI/RIA R15.606 nebo ISO 15066 pro kolaborativní roboty, ANSI/IT SDF B56.5 nebo EN 1525 (bude nahrazeno ISO 3691-4) pro průmyslové nákladní automobily a ISO 13849-1 pro predikci a validaci poruch. Soupis zdrojů nebezpečí a doporučená opatření ke snížení rizika by měly být k dispozici v příručkách dodavatelů.

Po zjištění platných norem musí technik vyhodnotit a navrhovat s ohledem na faktory, jež mají vliv na prostor, jako je pracovní tok, překážky, přístupnost, nesprávné použití a školení. Technologie také hraje roli, protože chyba zpětné vazby může způsobit šum měření, který ovlivňuje sledování polohy, a volnost pohybu v kloubech může mít přirozeně nedeterministické chování. Technici by také měli zvážit způsoby, kterými systém pohlcuje energii, metody používané k omezení sil a použití bezpečnostních funkcí.

Integrace umělé inteligence
Hlavní výzvou pro zajištění bezpečnosti technologií blízké budoucnosti není nedostatek použitelných informací, ale spíše jejich nadbytek. Pokud je příliš mnoho proměnných, více se projevují velká omezení vývoje binárních pravidel, která mají reprezentovat minulé zkušenosti. Jak technologie postupuje, zatímco vývoj norem zaostává, konstruktérům často nezbývá než předvídat budoucí situaci. To způsobuje, že přeceňují nebo podceňují nezbytné bezpečnostní funkce.

Výrobci mohou s těmito informacemi pracovat efektivněji, pokud rozšíří sadu nástrojů podporujících procesy zpracování dat a rozhodování. Vítané řešení mohou najít zejména ve formě umělé inteligence a algoritmů strojového učení (ML). Systém umělé inteligence by mohl doporučit nové pokyny specifické pro daný systém a založené na případových studiích a výzkumných datech, jakmile budou k dispozici.

Strojové učení vynáší na světlo skryté korelace analýzou velkého množství dat a objevováním podkladových vzorců a trendů, které nejsou snadno patrné pomocí tradičních statistických nástrojů. Lidé mohou nacházet abstraktní modely vycházející z těchto korelací a provádět experimenty pro ověření, jak dobře tyto modely fungují.

Konstruktéři a technici se mohou opírat o inteligentní systém, který je bude provádět navrhováním, a mít jistotu, že začleňují ty nejlepší přístupy a zůstávají co nejblíže požadovanému řešení.

Umělá inteligence je důležitá pro odstranění předsudků, které by mohly brzdit rozhodování. Protože paměť hraje velkou roli v tom, jak se mozek rozhoduje, dojmy odborníků z minulých zkušeností mohou vést k předpojatostem, což ovlivní, jak se vypořádají s novými situacemi. Odborník by také mohl pominout, že chybí zásadní informace, nebo udělat chybu v tom, že začne s řešením koncového bodu už na začátku rozhodovacího procesu. Algoritmy strojového učení omezují tyto předpojatosti, protože dokážou najít vzorce v aktuálních datech a tyto vzorce pomáhají vyřešit konkrétní problém v rámci procesu, a to buď pomocí sady trénování pod dohledem, nebo výchozího bodu bez dohledu.

Výzvy představované daty
Hnací silou zavádění umělé inteligence do průmyslového zařízení je naprostá záplava bezpečnostních informací v dnešních výrobních závodech. Existuje tolik dat, že i zkušení pracovníci mají problémy je všechna probrat a udržet – nemluvě o začínajících pracovnících, kteří právě nastupují do svého prvního zaměstnání ve výrobě. Díky tomu, že se stroje učí samy, mohou společnosti využít výkonný nástroj pro snižování rizik, jenž nabídne jak krátkodobé, tak dlouhodobé údaje o bezpečnostních požadavcích v měnícím se prostředí.

Vše, co se dnes využívá v bezpečnostních řešeních, je založeno na tom, co se technici, operátoři a výrobci naučili z minulosti. V tomto smyslu se umělá inteligence příliš neliší. Ani lidé, ani algoritmy nezačínají tím, že neví nic o průmyslové bezpečnosti – my všichni si musíme poskládat kousky mozaiky z minulých zkušeností a aplikovat je na nové situace. Učíme se, co funguje a co nefunguje, a tyto znalosti využíváme pro budoucí rozhodování. Umělá inteligence funguje stejným způsobem.

Skladování | 16. 04. 2020
Zdroj: Control Engineering Česko