工業爆炸事故頻發，AI 已經看不下去了
對於工業生產安全的問題，用機器學習、物聯網和 AI 技術的使用，能夠有效監測員工以及環境狀態，降低事故發生率。
「這裡發生爆炸我並不意外，大大小小的都問題早已露出端倪。」一名曾多次接觸過響水生態化工園工程師如是說。
3 月 21 日，鹽城響水化工廠爆炸，據媒體報道，事故已致 78 人遇難。短短几天后，崑山工廠又發生爆炸，目前已導致 7 人死亡，令人痛心。
據統計資料，大約每 15 秒就會發生 178 起工業事故，每年有超過 278 萬人死於與工作有關的疾病或工傷。據美國勞工部估計，每年與工傷以及職業疾病相關的年度費用總計達 1700 億美元。
這些數字令人震驚，背後包含的是對員工造成的巨大傷害，以及企業為此付出的高昂代價。
如果企業做好巡檢、環境管理、事故預防措施，工人增強安全意識、規範操作，是不是就能避免這些災難的發生？
然而沒有如果。
傷痛之後，是採取行動，以避免下一次事故的發生。
在現代化的工廠，藉助物聯網技術，AI 已經在試圖改變現狀。
揪出造成意外事故的「元凶」
為了避免事故，我們首先需要先了解事故發生的原因。在一些調查中，發現原因有這如下五個：
- 人為錯誤：走捷徑，過度自信，缺乏培訓
- 根據不完整的資訊去操作
- 忽視安全程式或使用裝置不當
- 在不適或睡眠不足等情況下疲勞作業
- 缺乏準備
從本質上講，這五個原因可以分為兩大類：
1、內部因素（工人健康狀況，準備和培訓）
2、外部因素（工作條件，裝置）
要解決安全問題，就需要針對這些因素做到準確的掌握。
把事故「元凶」扼殺在搖籃裡
我們可以通過計算機視覺等技術，與物聯網結合，對執行裝置，環境進行實時的監控，在意外發生之前就提出預警。具體應用場景如下：
1.監測裝置執行與員工狀態
通過裝置上的感測器收集資料，再通過建立不同的場景，演算法可以分辨出安全和不安全之間的區別。從而對異常情況進行處理。
此外，使用物聯網感測器管理電網，在經濟高效的同時，能夠有效的避免電力帶來的事故。比如到收集有關張力，電壓，焦耳效應的資料，可以防止由於短路引起的過度充電，停電甚至火災，幫助處理電路的各種不同訊號並檢測異常活動。
而通過可穿戴裝置（例如頭盔，夾克和手錶）收集資料，並將其與環境感測器相結合，以確保工人的健康狀況和工作環境狀態。通過跟蹤心跳和面板溫度等身體健康指標，感測器可以幫助提醒那些出現緊張或其他潛在問題跡象的員工，及時採取預防措施。
2.監測環境變化
如果有事故發生的誘因，AI 也能及時的探測到，通過對一氧化碳水平，天氣情況，溫度和振動等許多其他資料的監控，在資料異常時去實施安全措施。
如果感測器檢測到氣體洩漏，溫度升高或不需要的溼度，工作可以立即停止或至少通知樓層管理員。
熱和煙霧感測器已經成為所有工業環境中標準安全裝置的一部分。這些可以補充預防措施，如紅外攝像機。例如，如果裝置過熱並引發火災，則可以在紅外攝像機上預先觀測到它並在它引發大火之前停止。
3.實現自動化
對於一些危險的或者繁瑣的情形，可以通過自動化裝置，甚至是機器人去完成工作，避免工人在危險的環境裡工作。
應用機器人員工不僅能夠為企業規避員工工傷風險，還能提高生產效率、降低生產成本。目前已經被應用與化工行業的機器人分類就有滅火機器人、巡檢機器人、焊接機器人等。
無人機，自動駕駛車輛，通過安裝高解析度感測器，也可以掃描周邊並檢測任何結構變化。在煤礦，鹽礦或石油開採場所等高壓力環境中，顯得尤為重要。
如果，響水、崑山工廠使用更多的機器人工作，就會有更多的工人活下來。
AI 避免事故，行動刻不容緩
在歐洲，很多企業已經進入智慧園區階段，而我們與其還有很大差距。無論是環境保護，還是員工培訓，還是現代化技術的普及，都需要我們去學習。
位於休斯頓的商業廢物處理公司Nation Waste就與IBM合作，使用基於可穿戴感測器的解決方案來監控工作環境、檢測已經發生的事故和潛在隱患，及時提供反饋，以保證工人的安全。
Smartvid.io，智慧文字和影象識別的媒體管理平臺，使用機器學習從施工現場自動掃描拍攝的影象和視訊，並標記安全問題。它從現場工作人員的電話和專案管理軟體中收集資料，使用機器學習分析和分類安全問題，確保安全專業人員不會錯過任何工作現場潛在的風險。
專案視覺化公司SiteAware，專注於具有自主情境感知無人機的3D視覺化。他們通過使用無人機在作業現場掃描和捕獲影象來實現專案監控和站點管理功能。通過這些影象，SiteAware可以生成4-D模型，自動檢測模型的變化，允許現場物流決策，站點位置調查以及作業現場進度分析。
移動研發機器人供應商 Clearpath Robotics 為工作現場提供機器人希望將所有最髒、最致命的工作自動化。他們提供一系列水上，空中和地面機器人，可以在狹窄和不安全的環境中航行，同時收集、跟蹤和分析當前環境的資料。使用機器學習將這些車輛引導到特定地點並分析影象資料以查詢可能的缺陷。
物聯網，人工智慧和機器學習等技術即將以令人難以置信的方式改變我們的生活，不斷髮展EHS計劃也不例外。據介紹，藉助雲軟體，企業能夠將傷害和事故率降低50％以上。
對於最近的兩次爆炸事故，我們瞭解到，在事故發生之前，就有過多次的隱患事件，但卻一直沒有及時、合理地解決，直到爆炸那一刻，追悔莫及。
雖然技術已經在幫助工廠避免安全事故的發生，但卻仍未在國內工廠普及。
退一步來說，即使已經普及，可如果管理者被什麼東西蒙住了眼睛，即便是再準確再智慧的檢測預警，恐怕也會被他們視而不見。
也許，我們缺的不是技術，而是良知。