未來的自動化安全將涉及機器學(xué)習(xí)。人工智能和機器學(xué)習(xí)的進步，可以促使機器人和其它工業(yè)設(shè)備從大量與安全相關(guān)的數(shù)據(jù)中學(xué)習(xí)。

工業(yè)安全措施的主要重點之一是盡可能地將機器與運行人員隔離。自動化設(shè)備的技術(shù)進步使得機器尤其是協(xié)作機器人，可以近距離與操作人員協(xié)同工作。由于采用了圓形邊緣和力反饋傳感器等功能，這些先進技術(shù)有助于減少操作人員與機器接觸時受傷的可能性。

此外，自動化系統(tǒng)正在從固定式向自主移動式過渡。一個可行的生產(chǎn)制造解決方案是將協(xié)作機械臂連接到可以自主導(dǎo)航的移動基座。為了使控制設(shè)計工程師能夠采用降低風(fēng)險的措施，進行諸如此類的創(chuàng)新，需要了解該技術(shù)的要求、其潛在的風(fēng)險以及操作人員使用該技術(shù)的方式。

隨著系統(tǒng)變得越來越復(fù)雜，制造企業(yè)分析適用于降低風(fēng)險計劃的所有數(shù)據(jù)變得越來越具有挑戰(zhàn)性。信息量可能不堪重負，并且用于控制決策過程的機制也受到限制。通過人工智能（AI）技術(shù)提供的更多選擇，可以幫助自動化設(shè)計人員克服這些限制。這種質(zhì)量加上其強大的數(shù)字處理能力使AI成為自動化系統(tǒng)的重要組成部分。

未來的工廠將使用人工智能和移動機械手來提高質(zhì)量、靈活性、效率和可追溯性。

明確安全要求

涉及安全相關(guān)的電氣、電子和可編程電子控制系統(tǒng)的IEC62061標準，將功能安全定義為：機器和機器控制系統(tǒng)整體安全的一部分，取決于安全相關(guān)電氣控制系統(tǒng)（SRECS）、其他技術(shù)安全相關(guān)系統(tǒng)和外部風(fēng)險降低措施功能的正確執(zhí)行。

重新定義目標時此定義更有意義，即在發(fā)生故障時，設(shè)計的系統(tǒng)能夠以可預(yù)測的方式發(fā)生故障。制造業(yè)已經(jīng)精通硬件解決方案。安全標準為制造商、集成商和最終用戶提供了最佳實踐方法，以達到這些解決方案可承受的風(fēng)險水平。我們還可以利用這些標準來幫助確定開發(fā)技術(shù)的安全要求。

當前，尚無專門針對與移動平臺集成的工業(yè)機器人的安全標準。我們可以從現(xiàn)有安全標準中收集相關(guān)信息，例如用于風(fēng)險評估的ANSIB11.0或ISO12100，用于工業(yè)機器人系統(tǒng)的ANSIRIAR15.06或ISO10218-2，用于協(xié)作機器人的ANSI/RIAR15.606或ISO15066，適用于工業(yè)卡車的ANSI/ITSDFB56.5或EN1525（將被ISO3691-4取代），以及用于故障預(yù)測和驗證的ISO13849-1。供應(yīng)商手冊中應(yīng)提供危險源和推薦的降低風(fēng)險措施。

在確定適用的標準之后，工程師需要對影響空間的事物進行評估和設(shè)計，例如工作流、障礙、可及性、誤用和培訓(xùn)等。技術(shù)也起著重要作用，因為反饋誤差會引起測量噪聲，從而影響位置跟蹤，并且關(guān)節(jié)的順應(yīng)性可能會具有固有地不確定性。工程師還應(yīng)考慮系統(tǒng)吸收能量的方式、限制力的方法以及安全功能的應(yīng)用。

自主移動機器人可以使用機載地圖軟件，對設(shè)施進行自主導(dǎo)航。

集成人工智能

就近期來講，確保技術(shù)安全的主要挑戰(zhàn)不是缺乏適用的信息，而是信息過多。當變量太多時，開發(fā)二進制規(guī)則以代表過去經(jīng)驗的主要局限，就變得更加明顯。由于技術(shù)進步的發(fā)展速度要快于標準的制定，設(shè)計師常常被迫預(yù)測未來的趨勢。這導(dǎo)致他們可能高估或低估了必要的安全功能。

如果制造商擴展其工具集以支持數(shù)據(jù)處理和決策過程，則可以更有效地處理此信息。特別是，他們可以通過AI和機器學(xué)習(xí)算法找到一個受歡迎的解決方案。人工智能系統(tǒng)可以根據(jù)可用的案例研究和數(shù)據(jù)分析推薦新的系統(tǒng)特定準則。

機器學(xué)習(xí)通過分析大量數(shù)據(jù)來發(fā)現(xiàn)隱藏的相關(guān)性，從而發(fā)現(xiàn)使用傳統(tǒng)的統(tǒng)計工具無法輕易看到的潛在模式和趨勢。人們可以從這些相關(guān)關(guān)系中找到抽象模型，并進行實驗以確定模型的運行情況。設(shè)計人員和工程師可以依靠智能系統(tǒng)來指導(dǎo)設(shè)計，以確保使用最佳方法和滿足客戶所需的解決方案。

AI對于消除可能妨礙決策的偏見至關(guān)重要。由于記憶是大腦做出決定的重要組成部分，因此專家對過去經(jīng)驗的理解會產(chǎn)生偏見，從而影響他們應(yīng)對新情況的判斷。專家也可能無法意識到關(guān)鍵信息的缺失，或者在決策過程的開始就犯了從終端解決方案入手的錯誤。機器學(xué)習(xí)算法減少了偏差，因為它們使用有監(jiān)督的訓(xùn)練集或無監(jiān)督的起點，在當前和實際數(shù)據(jù)中找到有助于解決過程中特定問題的模式。

數(shù)據(jù)驅(qū)動的挑戰(zhàn)

將AI引入工業(yè)設(shè)備背后的驅(qū)動力，是當今制造工廠中大量與安全相關(guān)的信息過剩。那里有太多數(shù)據(jù)，即使是經(jīng)驗豐富的工人，也難以學(xué)習(xí)和記憶所有數(shù)據(jù)，更不用說剛踏入制造行業(yè)的初級員工。通過讓機器自己學(xué)習(xí)，制造企業(yè)可以利用功能強大的降低風(fēng)險工具。這些工具可以在不斷變化的環(huán)境中，提供和安全要求相關(guān)的短期和長期數(shù)據(jù)。

如今，安全解決方案中應(yīng)用的所有內(nèi)容，都是基于工程師、操作人員和制造商過往的經(jīng)驗。從這個意義上講，人工智能并沒有什么不同。無論是人還是算法，一開始都不了解具體應(yīng)用情境下的工業(yè)安全知識，我們所有人都必須使用過去經(jīng)驗中的點點滴滴來建立聯(lián)系，并將其應(yīng)用于新的情況。我們需要了解哪些有效、哪些無效，然后利用這些知識做出未來的決策。AI的工作方式與此相同。
責任編輯：YYX