AIと機械学習を活用して工場の安全を守る

自動化されたセキュリティの将来には機械学習が関与するでしょう。人工知能と機械学習の進歩により、ロボットやその他の産業機器は大量の安全関連データから学習できるようになります。

[[330480]]

産業安全対策の主な焦点の 1 つは、機械とそれを操作する人々とを可能な限り分離することです。自動化機器の技術的進歩により、機械、特に協働ロボットが人間のオペレーターの近くで作業できるようになりました。これらの高度なテクノロジーは、丸みを帯びたエッジや力フィードバックセンサーなどの機能により、機械に接触した際にオペレーターが負傷する可能性を軽減するのに役立ちます。

さらに、自動化システムは固定型から自律型モバイル型に移行しています。考えられる製造ソリューションの 1 つは、協働ロボットアームを自律的に移動できる移動ベースに接続することです。制御設計エンジニアがこのようなリスク低減策やイノベーションを採用するには、技術の要件、潜在的なリスク、オペレーターが技術を使用する方法を理解する必要があります。

システムが複雑になるにつれて、リスク低減の取り組みに適用されるすべてのデータを製造業者が分析することがますます困難になります。情報量が膨大になる可能性があり、意思決定プロセスを制御できるメカニズムは限られています。人工知能 (AI) テクノロジによって提供されるより多くのオプションにより、自動化設計者はこれらの制限を克服できるようになります。この特性と強力な数値処理能力を組み合わせることで、AI は自動化システムに不可欠な要素になります。

将来の工場では、品質、柔軟性、効率、トレーサビリティを向上させるために人工知能と移動ロボットが活用されます。

安全要件を明確にする

安全関連の電気、電子、およびプログラム可能な電子制御システムを対象とする IEC 62061 規格では、機能安全を、安全関連電気制御システム (SRECS)、その他の技術的な安全関連システム、および外部リスク低減対策の機能の正しいパフォーマンスに依存する、機械および機械制御システムの全体的な安全性の一部として定義しています。

この定義は、障害が発生したときに予測可能な方法で障害が発生するようにシステムを設計するという目標を再定義すると、より意味をなします。製造業界はハードウェアソリューションに精通するようになりました。安全基準は、製造元、インテグレーター、エンドユーザーに、これらのソリューションの許容可能なリスクレベルを達成するためのベストプラクティスを提供します。これらの標準は、開発技術のセキュリティ要件を決定する際にも役立ちます。

現在、モバイルプラットフォームと統合された産業用ロボットに特化した安全基準は存在しません。リスク評価用の ANSI B11.0 または ISO 12100、産業用ロボットシステム用の ANSI RIA R15.06 または ISO 10218-2、協働ロボット用の ANSI/RIAR15.606 または ISO 15066、産業用トラック用の ANSI/IT SDF B56.5 または EN 1525 (ISO3691-4 に置き換えられる予定)、および障害予測と検証用の ISO 13849-1 など、既存の安全規格から関連情報を収集できます。サプライヤーマニュアルには、危険性と推奨されるリスク低減対策が記載されている必要があります。

適用可能な基準を決定した後、エンジニアは、ワークフロー、障害物、アクセシビリティ、誤用、トレーニングなど、スペースに影響を与える要素を評価し、設計する必要があります。フィードバックエラーによって位置追跡に影響する測定ノイズが発生したり、関節のコンプライアンスが本質的に不確実になったりする可能性があるため、テクノロジーも重要な役割を果たします。エンジニアは、システムがエネルギーを吸収する方法、力を制限する方法、安全機能の適用についても考慮する必要があります。

自律移動ロボットは、搭載されたマッピングソフトウェアを使用して施設内を自律的に移動できます。

統合人工知能

短期的には、テクノロジーのセキュリティを確保する上での主な課題は、適切な情報の不足ではなく、情報の過剰です。過去の経験を表すバイナリルールを開発する際の主な制限は、変数が多すぎる場合により顕著になります。技術の進歩は標準の開発よりも速いため、設計者は将来のトレンドを予測しなければならないことがよくあります。その結果、必要な安全機能を過大評価したり、過小評価したりする可能性があります。

メーカーは、データ処理と意思決定プロセスをサポートするツールセットを拡張することで、この情報をより効率的に処理できます。特に、AI と機械学習アルゴリズムを通じて人気のあるソリューションを見つけることができます。 AI システムは、利用可能なケーススタディとデータ分析に基づいて、システム固有の新しいガイドラインを推奨できます。

機械学習は、大量のデータを分析して隠れた相関関係を明らかにし、従来の統計ツールでは簡単には確認できない根本的なパターンや傾向を発見します。これらの相関関係から抽象的なモデルを見つけ、そのモデルがどの程度うまく機能するかを判断するための実験を行うことができます。設計者とエンジニアは、インテリジェントなシステムを利用して設計をガイドし、顧客のニーズを満たすベストプラクティスとソリューションを確保できます。

AIは意思決定を妨げる可能性のある偏見を排除するために不可欠です。記憶は脳の意思決定において重要な部分であるため、専門家の過去の経験に対する理解は偏り、新たな状況での判断に影響を与える可能性がある。専門家は、重要な情報が欠けていることに気づかなかったり、意思決定プロセスの最初に最終解決策から始めるという間違いを犯したりする可能性もあります。機械学習アルゴリズムは、教師ありトレーニングセットまたは教師なし開始点のいずれかを使用して、プロセス内の特定の問題を解決するのに役立つ現在の実際のデータ内のパターンを見つけるため、バイアスが軽減されます。

データ主導の課題

産業機器へのAI導入の原動力となっているのは、今日の製造工場における安全関連情報の過剰です。世の中には膨大なデータが存在するため、製造業に携わったばかりの若手社員はもちろん、経験豊富な従業員であってもすべてを学習して記憶するのは困難です。機械が自ら学習できるようにすることで、製造企業は強力なリスク低減ツールを活用できます。これらのツールは、絶えず変化する環境におけるセキュリティ要件に関連する短期および長期のデータを提供できます。

今日の安全ソリューションに適用されているものはすべて、エンジニア、オペレーター、メーカーの過去の経験に基づいています。この意味では、AI も例外ではありません。人間もアルゴリズムも、最初は特定のアプリケーションシナリオにおける産業安全に関する知識を持っていないため、過去の経験から断片的に得た知識を結び付けて新しい状況に適用する必要があります。何がうまくいったか、何がうまくいかなかったかを理解し、その知識を将来の決定に役立てる必要があります。 AIも同じように動作します。

重要な概念: