ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ СОЗДАНИЯ БЕЗОПАСНОЙ СРЕДЫ НА ПРОИЗВОДСТВЕ

АННОТАЦИЯ

Целью статьи является анализ реагирования нейронных сетей на ситуации, которые могут привести к аварии на производстве.

Ключевые слова: аварийная ситуация, несчастный случай, нейронная сеть.

Согласно статистике Международной организации труда, более 2 миллионов человек ежегодно становятся жертвами несчастных случаев на производстве из-за получения травм или возникновения профессиональных заболеваний, что насчитывает около 6 тысяч смертельных исходов ежедневно.

Однако, развитие технологического прогресса не стоит на месте, из-за чего появляются новые решения данной проблемы с возможностью дальнейшего усовершенствования. Одним из таких технологических прорывов стало изобретение нейронных сетей. Нейронная сеть — математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Однако, нейронная сеть не предсказатель, суть ее работы — аппроксимация. Это означает, что она может по результатам анализа предшествующих данных аппроксимировать (то есть рассчитать с некоторой погрешностью) следующие. Работает это только в том случае, если эти результаты вообще поддаются аппроксимации. Но, как уже показало время, данные алгоритмы способны обучаться, из чего следует, что их возможно обучить прогнозировать риски возникновения аварийных ситуаций на производстве. На основе собранных данных нейронная сеть составляет прогноз и в случае шанса возникновения аварийной ситуации оповещает работника.

Как пример использования нейронных сетей в обеспечении безопасности на производстве можно рассмотреть следующие ситуации:

Контроль за обеспечением и правильным использованием работниками средств индивидуальной защиты с помощью электронных средств.

Работникам, согласно специальной оценке условий труда или занятых работами повышенной опасности выдаются средства индивидуальной защиты (далее – СИЗ). Средства индивидуальной защиты — средства, используемые работником для предотвращения или уменьшения воздействия вредных и опасных производственных факторов, а также для защиты от загрязнения. Применяются в тех случаях, когда безопасность работ не может быть обеспечена конструкцией оборудования, организацией производственных процессов, архитектурно-планировочными решениями и средствами коллективной защиты. Данная экипировка позволяет минимизировать риски получения травм или предотвратить летальный исход. На практике, не все люди соблюдают правила техники безопасности, в следствии чего возникает потребность за контролем правильного использования СИЗ. После этого может возникнуть вопрос: «Кто же будет этим заниматься?». Как раз в этом случае и может помочь нейронная сеть. Заточенные под эту задачу алгоритмы есть, например, у российской компании VisionLabs. Они построены на основе сверточных нейронных сетей и позволяют следить за ношением касок, капюшонов, перчаток и жилетов — базовых элементов СИЗ на многих предприятиях. Если сотрудник появится на рабочем месте без защиты, система отправит оповещение в ответственные службы.

Прогнозирование и предотвращение несчастных случаев на производстве.

По данным Международной организации труда, для стран СНГ, количество зарегистрированных несчастных случаев составляет 5850 случаев. В связи с этим, необходимо принять меры по предотвращению подобных ситуаций в будущем. В этом нам снова сможет помочь нейронная сеть.

В дальнейшем, возможно обучить нейронные сети с возможностью распознавания лиц на допуск сотрудника к определенным видам работ. Алгоритмы будут считывать информацию о работнике, определять его уровень допуска и предупреждать о возможных ситуациях, которые могут привести к несчастному случаю и способах их предотвращения, а также прогнозировать риск возникновения данных ситуаций.

Анализ состояния производственного оборудования при помощи видеоаналитики, для предотвращения аварийных ситуаций.

В настоящее время весомая часть технологических процессов на производстве претерпела автоматизацию. Однако человек также остается неотъемлемой частью производственной деятельности.

На любом производстве находится сложное техническое оборудование, которое при неправильной эксплуатации может получить повреждения. В связи с этим, заранее предугадать поломку практически невозможно. Данное происшествие может привести к возникновению несчастных случаев.

При помощи обучения нейронных сетей, использующих методы видеофиксации, на основе анализа больших объемов данных, можно заранее вычислить вероятность возникновения поломки оборудования, что позволит предотвратить возникновение аварийной ситуации в режиме реального времени и сохранить здоровье работников, путем автоматизированного контроля оборудования и оповещающих сигналов.

Благодаря анализу различных параметров производственного оборудования и отслеживанию надлежащего использование средств индивидуальной защиты, нейронная сеть позволяет прогнозировать возникновение будущих рисков, предупреждать о возможных аварийных ситуациях и предлагать способы их предотвращения для сохранения жизни и здоровья работников. Таким образом, использование нейронных сетей на производстве снизит риск возникновения аварийных ситуаций.

Список литературы:

1. Контроль функционирования автоматизированных и роботизированных производств [Электронный ресурс] URL: https://studme.org/1281041928659/bzhd/kontrol_funktsionirovaniya_avtomatizirovannyh_robotizirovannyh_proizvodstv (дата обращения 07.06.2024)
2. Обеспечение охраны труда в автоматизированном и роботизированном производстве [Электронный ресурс] URL: https://studfile.net/preview/4508118/page:16/ (дата обращения 07.06.2024)
3. Повышение безопасности персонала на производстве за счет внедрения искусственного интеллекта [Электронный ресурс] URL: https://cyberleninka.ru/article/n/povyshenie-bezopasnosti-personala-na-proizvodstve-za-schet-vnedreniya-iskusstvennogo-intellekta/viewer (дата обращения 08.06.2024)
4. Википедия – свободная энциклопедия [Электронный ресурс] URL: https://ru.wikipedia.org/wiki/%D0%A1%D1%80%D0%B5%D0%B4%D1%81%D1%82%D0%B2%D0%B0_%D0%B8%D0%BD%D0%B4%D0%B8%D0%B2%D0%B8%D0%B4%D1%83%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B9_%D0%B7%D0%B0%D1%89%D0%B8%D1%82%D1%8B