工业爆炸事故频发，AI 已经看不下去了
By 超神经
场景描述：对于工业生产安全的问题，用机器学习、物联网和 AI 技术的使用，能够有效监测员工以及环境状态，降低事故发生率。
关键词：工厂，安全事故，物联网，传感器
「这里发生爆炸我并不意外，大大小小的都问题早已露出端倪。」一名曾多次接触过响水生态化工园工程师如是说。
3月21日，盐城响水化工厂爆炸，据媒体报道，事故已致78人遇难。短短几天后，昆山工厂又发生爆炸，目前已导致7人死亡，令人痛心。
据统计数据，大约每 15 秒就会发生 178 起工业事故，每年有超过 278 万人死于与工作有关的疾病或工伤。据美国劳工部估计，每年与工伤以及职业疾病相关的年度费用总计达 1700 亿美元。
这些数字令人震惊，背后包含的是对员工造成的巨大伤害，以及企业为此付出的高昂代价。
如果企业做好巡检、环境管理、事故预防措施，工人增强安全意识、规范操作，是不是就能避免这些灾难的发生？
然而没有如果。
伤痛之后，是采取行动，以避免下一次事故的发生。
在现代化的工厂，借助物联网技术，AI 已经在试图改变现状。
揪出造成意外事故的「元凶」
为了避免事故，我们首先需要先了解事故发生的原因。在一些调查中，发现原因有这如下五个：
人为错误：走捷径，过度自信，缺乏培训
根据不完整的信息去操作
忽视安全程序或使用设备不当
在不适或睡眠不足等情况下疲劳作业
缺乏准备
从本质上讲，这五个原因可以分为两大类：
1、内部因素（工人健康状况，准备和培训）
2、外部因素（工作条件，设备）
要解决安全问题，就需要针对这些因素做到准确的掌握。
把事故「元凶」扼杀在摇篮里
我们可以通过计算机视觉等技术，与物联网结合，对运行设备，环境进行实时的监控，在意外发生之前就提出预警。 具体应用场景如下：
1. 监测设备运行与员工状态
通过设备上的传感器收集数据，再通过创建不同的场景，算法可以分辨出安全和不安全之间的区别。从而对异常情况进行处理。
此外，使用物联网传感器管理电网，在经济高效的同时，能够有效的避免电力带来的事故。比如到收集有关张力，电压，焦耳效应的数据，可以防止由于短路引起的过度充电，停电甚至火灾，帮助处理电路的各种不同信号并检测异常活动。
工厂利用传感器实时收集工人以及环境数据进行监测
而通过可穿戴设备（例如头盔，夹克和手表）收集数据，并将其与环境传感器相结合，以确保工人的健康状况和工作环境状态。通过跟踪心跳和皮肤温度等身体健康指标，传感器可以帮助提醒那些出现紧张或其他潜在问题迹象的员工，及时采取预防措施。
2.监测环境变化
如果有事故发生的诱因， AI 也能及时的探测到，通过对一氧化碳水平，天气情况，温度和振动等许多其他数据的监控，在数据异常时去实施安全措施。
如果传感器检测到气体泄漏，温度升高或不需要的湿度，工作可以立即停止或至少通知楼层管理员。
热和烟雾传感器已经成为所有工业环境中标准安全设备的一部分。这些可以补充预防措施，如红外摄像机。例如，如果设备过热并引发火灾，则可以在红外摄像机上预先观测到它并在它引发大火之前停止。
3. 实现自动化
对于一些危险的或者繁琐的情形，可以通过自动化设备，甚至是机器人去完成工作，避免工人在危险的环境里工作。
应用机器人员工不仅能够为企业规避员工工伤风险，还能提高生产效率、降低生产成本。目前已经被应用与化工行业的机器人分类就有灭火机器人、巡检机器人、焊接机器人等。
无人机，自动驾驶车辆，通过安装高分辨率传感器，也可以扫描周边并检测任何结构变化。在煤矿，盐矿或石油开采场所等高压力环境中，显得尤为重要。
如果，响水、昆山工厂使用更多的机器人工作，就会有更多的工人活下来。
AI 避免事故，行动刻不容缓
在欧洲，很多企业已经进入智慧园区阶段，而我们与其还有很大差距。无论是环境保护，还是员工培训，还是现代化技术的普及，都需要我们去学习。
位于休斯顿的商业废物处理公司 Nation Waste 就与 IBM 合作，使用基于可穿戴传感器的解决方案来监控工作环境、检测已经发生的事故和潜在隐患，及时提供反馈，以保证工人的安全。
Smartvid.io，智能文字和图像识别的媒体管理平台，使用机器学习从施工现场自动扫描拍摄的图像和视频，并标记安全问题。它从现场工作人员的电话和项目管理软件中收集数据，使用机器学习分析和分类安全问题，确保安全专业人员不会错过任何工作现场潜在的风险。
Smartvid 通过机器学习对建筑工人图像进行分析
项目可视化公司 SiteAware ，专注于具有自主情境感知无人机的 3D 可视化。他们通过使用无人机在作业现场扫描和捕获图像来实现项目监控和站点管理功能。通过这些图像，SiteAware 可以生成 4-D 模型，自动检测模型的变化，允许现场物流决策，站点位置调查以及作业现场进度分析。
移动研发机器人供应商 Clearpath Robotics 为工作现场提供机器人希望将所有最脏、最致命的工作自动化。他们提供一系列水上，空中和地面机器人，可以在狭窄和不安全的环境中航行，同时收集、跟踪和分析当前环境的数据。使用机器学习将这些车辆引导到特定地点并分析图像数据以查找可能的缺陷。
Clearpath Robotics 的工业机器人
可在地面、水面等多种环境工作
物联网，人工智能和机器学习等技术即将以令人难以置信的方式改变我们的生活，不断发展 EHS 计划也不例外。据介绍，借助云软件，企业能够将伤害和事故率降低50％以上。
对于最近的两次爆炸事故，我们了解到，在事故发生之前，就有过多次的隐患事件，但却一直没有及时、合理地解决，直到爆炸那一刻，追悔莫及。
虽然技术已经在帮助工厂避免安全事故的发生，但却仍未在国内工厂普及。
退一步来说，即使已经普及，可如果管理者被什么东西蒙住了眼睛，即便是再准确再智能的检测预警，恐怕也会被他们视而不见。
也许，我们缺的不是技术，而是良知。
超神经百科
阈值移动 Threshold-moving
阈值移动是指根据实际情况调整划分类别的的阈值，常用来解决类别不平衡问题。
如对于分类问题，可以不直接预测实例的类标号，而是预测一个概率值，然后指定一个阈值来将实例分为正类和负类。
通常情况下，指定阈值为 0.5，但是可以根据实际的情况，对阈值进行移动，从而增加某一个类的权重，而达到解决类不平衡的目的。
历史文章（点击图片阅读）
愚人节的背后：技术在一面打假，一面造假
图灵奖的背后：他们30年前就选对了赛道，押对了场景
大数据中心散热难？看谷歌和 DeepMind 如何用 AI 搞定它
AI 百科
教程
数据集
商店
更多
http://hyper.ai