ИИ может предотвращать аварии на заводах. Почему он пока этого не делает

Более 65% аварий на производстве происходит из-за ошибок людей. Привычные системы безопасности лишь фиксируют нарушения. ИИ же способен предотвратить инциденты. Как работают решения, рассказывают Михаил Смирнов (СКЗ) и Дмитрий Медведев («ЛАНИТ-Терком»)Изображение взято с сайта freepik.com

Долгое время считалось, что создание безопасных условий труда — трудоемкий процесс. В центре этого процесса находился сотрудник службы охраны труда с чек-листом. Он проверял работу контролеров, проводил инструктажи и регулярные осмотры территорий. Кроме того, на производстве устанавливались простые датчики, которые срабатывали в случае опасности. 

Потом появились системы видеонаблюдения, которые стали записывать инциденты. Однако записи по-прежнему анализировали люди.

ИИ меняет подход к безопасности

В конце 2010-х — начале 2020-х начался новый этап: системы видеонаблюдения на основе ИИ и компьютерного зрения стали активнее внедряться на промышленные объекты. Главный аргумент в пользу внедрения — экономическая целесообразность. Она обусловлена двумя факторами. 

— Высокой стоимостью простоя оборудования 

Инциденты приводят к простою оборудования, а значит, к финансовым потерям. 

Пример. На кондитерской фабрике поломка конвейера остановила линию по производству шоколада на 36 часов. Прямые упущенные доходы из-за невыпущенной продукции составили около 225 тыс. руб. К этой сумме добавились штрафы за срыв поставок, и в результате общие потери предприятия достигли почти 300 тыс. руб. 

ИИ-системы предиктивной аналитики могут помочь избежать простоев. 

— Дефицитом кадров рабочих специальностей 

Потеря работника из-за травмы в условиях нехватки промышленно-производственного персонала стоит крайне дорого из-за того, что найти подходящего по навыкам и компетенциям специалиста сегодня — максимально трудоемкая задача. 

Согласно данным исследования НИУ ВШЭ, потребность средних и крупных компаний в сотрудниках, в первую очередь рабочих специальностей, в 2024 году выросла на 17% по сравнению с 2023 годом и составила 2,6 млн человек.

Технологии готовы, производства — не совсем

По данным опроса Ассоциации менеджеров, 39% крупных предприятий России уже используют ИИ-инструменты, 25% планируют их внедрить в ближайшем будущем. По нашим наблюдениям, на рынке представлено множество стартапов, разрабатывающих системы промышленной безопасности на базе ИИ, однако реальных внедрений пока не много. 

На производствах, где уже установлены системы видеонаблюдения, пускай и без ИИ, мало кто готов обновлять оборудование или модернизировать существующие решения. Причин этому несколько. 

— Отсутствие целесообразности для предприятия. Руководство часто не расценивает риски травматизма работников как критический фактор для бизнеса. 

— Технические ограничения. Современные модели настроены на максимально простые, но надежные сценарии. Поведенческие модели, анализирующие сложные паттерны движений, еще недостаточно надежны. Поэтому фокус смещен на то, что объективно хорошо распознается: распознавание человека как объекта, а также хорошо видимой защитной атрибутики — защитных касок или спецодежды.

Таким образом, основной спрос по-прежнему сосредоточен на базовых функциях: 

— записи,

— каталогизации видео,

— инструментах для ускоренного просмотра, позволяющих быстро переходить к моментам, отмеченным системой как подозрительные или опасные.

Однако мы уверены: в будущем технологии все изменят. И вот в чем будет состоять настоящий прогресс: система перестанет быть просто «штрафным» инструментом. Она начнет работать на опережение: предсказывать, кто и где может ошибиться, и давать персональные рекомендации, чтобы эту ошибку не допустить.

От контроля к прогнозированию

В сфере промышленной безопасности популярна концепция «пирамиды безопасности» (известная как пирамида или «треугольник Гейнриха»). Ее суть в том, что, если предприятие не борется с мелкими несоблюдениями правил, это неизбежно ведет к увеличению количества нарушений средних и серьезных, вплоть до фатальных. 

ИИ-технологии способны: 

— автоматически учитывать индивидуальные особенности каждого сотрудника и условия конкретного предприятия; 

— постоянно обновлять правила безопасности с учетом изменения не только общих нормативов, но и рабочих процессов; 

— выстраивать непрерывный цикл обучения и обратной связи; 

— предупреждать мелкие нарушения 

— например, неиспользование средств индивидуальной защиты (касок, масок, очков и т.д): 

• работник на высокоскоростном фрезерном станке снимает защитные очки из-за запотевания, рискуя получить травму глаза от летящей стружки; 
• сборщик конструкции не надевает диэлектрические перчатки при подключении оборудования, пытаясь ускорить процесс, и подвергает себя риску поражения электрическим током; 
• работник в зоне с постоянным шумом свыше 85 дБ периодически снимает наушники, чтобы поговорить с коллегой, постепенно теряя слух, что со временем не позволит выполнять обязанности по медицинским показаниям. 

Такой подход называется проактивным: внимание сосредоточено на предупреждении даже небольших отклонений от норм, чтобы избежать больших аварий. Чем меньше мелких ошибок допускают сотрудники, тем ниже риск появления крупных проблем.

Системы на базе ИИ и компьютерного зрения позволяют перейти от реагирования на инциденты к их предотвращению. Результаты уже впечатляют: по данным «К2 НейроТех», нефтегазовые и перерабатывающие компании отмечают рост выпуска продукции на 10–15% за счет уменьшения аварийных остановок благодаря ИИ-моделям, предсказывающим отказ оборудования. 

Но ИИ способен на большее, нежели простой контроль.

ИИ-технологии на производстве

Помимо систем на базе компьютерного зрения внедряются решения на основе других технологий искусственного интеллекта. Их объединяет общая цель — перейти от реагирования к предупреждению инцидентов. 

Предиктивная аналитика 

Эта технология использует ИИ для анализа данных (исторических и актуальных). 

— Может применяться для оценки состояния оборудования (потребность в ремонте, уровень износа). Модели машинного обучения способны обрабатывать показания с датчиков вибрации, температуры и т.д.

Например, они могут предсказать, когда критический элемент оборудования может выйти из строя, и запланировать ремонт до того, как произойдет авария. 

— ИИ способен анализировать огромные массивы разрозненных данных: журналы инцидентов, метеосводки, графики работы персонала и телеметрию оборудования. 

— Система выявляет скрытые корреляции и факторы риска, отследить которые человек не в состоянии. 

Например, она может установить, что риск нарушений повышается в конце длительной смены при определенной температуре в цеху. 

Обработка естественного языка (NLP) 

Технология обработки естественного языка позволяет анализировать описания инцидентов, классифицировать их по типам, причинам и уровню критичности. 

Это помогает быстро выявлять системные, а не разовые проблемы безопасности производства. 

Цифровые двойники и робототехника

Цифровой двойник — виртуальная копия физического объекта, процесса или системы. В промышленности он позволяет безопасно моделировать последствия нарушений техники безопасности или аварийных ситуаций на цифровой копии завода, чтобы заранее оценить риски и в соответствии с ними разработать внутренние документы. 

Что касается робототехники, то автономные системы и дроны, оснащенные камерами и датчиками, могут взять на себя задачи в опасных зонах (нефтехранилищах, трубопроводах и высотных конструкциях). 

VR-тренажеры 

Позволяют работникам без какого-либо риска для здоровья и остановки производства обучаться и отрабатывать навыки в смоделированных аварийных ситуациях — от тушения пожара до остановки конвейера в нештатном режиме. 

ИИ-алгоритмы могут оценивать скорость реакции, правильность действий. На основе этого анализа может формироваться персонализированная программа обучения для ликвидации индивидуальных пробелов в знаниях и навыках.

Этапы внедрения решений

Если вы, как руководитель предприятия, заинтересованы в снижении уровня травматизма на производстве, начните с этих шагов. 

1. Просчитайте экономику внедрения ИИ-систем. 

Определите, на какие затраты компания готова пойти, посчитайте, когда они окупятся с учетом ряда факторов: 

— внедрения технологий, 

— обучения персонала, включая внутрикорпоративные коммуникационные кампании и программы мотивации; 

— технической поддержки; 

— интеграции с другими системами (например, настройка рассылки отчетов по почте, управление правами доступа). 

Затраты могут варьироваться от нескольких миллионов рублей для пилотного проекта до 20 млн руб. и выше для полноценного внедрения. Ежегодные расходы на техническую поддержку и обновление систем, по нашей оценке, составляют 15–25% от первоначальных инвестиций. Подобные системы внедряются надолго, поэтому заложите будущие расходы в бюджет. 

2. Подготовьте работников к изменениям. 

Сотрудники могут с опаской относиться к новым решениям. Поэтому разъясните им цели внедрения и то, как система способствует предотвращению травм. 

Работники обычно опасаются двух вещей: что их заменят технологии и что их начнут эффективнее ловить на нарушениях. 

Рекомендации здесь стандартны: параллельно с внедрением технологии перестраивайте рабочие процессы, чтобы люди постепенно привыкали к усилению контроля. Тогда система станет просто еще одним привычным фактором.

Пример. Вначале сотрудников информируют о том, зачем внедряется новая система, затем в течение нескольких недель она функционирует в тестовом режиме, озвучивая голосовые напоминания о необходимости надеть каску. Потом это постепенно интегрируется в рабочий процесс, а данные о соблюдении норм начинают учитываться в системе мотивации работников.

3. Внедряйте решения поэтапно. 

Начните с базовой системы. 

Например, если видеонаблюдение у вас уже есть, оцените, насколько сложно и дорого будет оснастить его модулями ИИ. Сложность и стоимость такого проекта напрямую зависят от масштабов и технического состояния вашей текущей системы, поэтому окончательная сумма всегда рассчитывается в индивидуальном порядке после проведения аудита. 

Иногда дешевле и эффективнее заменить старую систему на новую, готовую и современную, чем пытаться ее модернизировать силами заказной разработки. 

Помните: модернизация почти во всех случаях требует апгрейда вычислительных мощностей, что может свести на нет всю экономию.

От ручного контроля к анализу

Основная роль специалиста по охране труда трансформируется. Обязанности по ручному контролю заменят анализ системных причин инцидентов, прогнозирование рисков и оценка принятых мер по повышению уровня безопасности. 

Например, система сможет показать, что после тренинга количество нарушений резко снизилось, но через неделю начало расти на 20%, а еще через неделю — на 10%. Как реагировать на эту информацию, решать ответственному, который теперь сможет:

 — прогнозировать оптимальную периодичность проведения тренингов; 

— выявлять наиболее частые нарушения; 

— выделять среди них те, которые проще всего устранить. 

Вместо общих долгих тренингов для всех можно будет внедрить точечное обучение в малых группах. Эти микротренинги могут быть направлены на искоренение конкретного, самого распространенного типа нарушений. Убрав одно такое нарушение, можно резко снизить уровень травматизма на предприятии.