0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

人工智能和机器学习可促进工业安全

姚小熊27 来源:人工智能实验室 作者:人工智能实验室 2020-10-12 09:43 次阅读

未来的自动化安全将涉及机器学习人工智能和机器学习的进步,可以促使机器人和其它工业设备从大量与安全相关的数据中学习。

工业安全措施的主要重点之一是尽可能地将机器与运行人员隔离。自动化设备的技术进步使得机器尤其是协作机器人,可以近距离与操作人员协同工作。由于采用了圆形边缘和力反馈传感器等功能,这些先进技术有助于减少操作人员与机器接触时受伤的可能性。

此外,自动化系统正在从固定式向自主移动式过渡。一个可行的生产制造解决方案是将协作机械臂连接到可以自主导航的移动基座。为了使控制设计工程师能够采用降低风险的措施,进行诸如此类的创新,需要了解该技术的要求、其潜在的风险以及操作人员使用该技术的方式。

随着系统变得越来越复杂,制造企业分析适用于降低风险计划的所有数据变得越来越具有挑战性。信息量可能不堪重负,并且用于控制决策过程的机制也受到限制。通过人工智能(AI)技术提供的更多选择,可以帮助自动化设计人员克服这些限制。这种质量加上其强大的数字处理能力使AI成为自动化系统的重要组成部分。

未来的工厂将使用人工智能和移动机械手来提高质量、灵活性、效率和可追溯性。

明确安全要求

涉及安全相关的电气电子和可编程电子控制系统的IEC62061标准,将功能安全定义为:机器和机器控制系统整体安全的一部分,取决于安全相关电气控制系统(SRECS)、其他技术安全相关系统和外部风险降低措施功能的正确执行。

重新定义目标时此定义更有意义,即在发生故障时,设计的系统能够以可预测的方式发生故障。制造业已经精通硬件解决方案。安全标准为制造商、集成商和最终用户提供了最佳实践方法,以达到这些解决方案可承受的风险水平。我们还可以利用这些标准来帮助确定开发技术的安全要求。

当前,尚无专门针对与移动平台集成的工业机器人的安全标准。我们可以从现有安全标准中收集相关信息,例如用于风险评估的ANSIB11.0或ISO12100,用于工业机器人系统的ANSIRIAR15.06或ISO10218-2,用于协作机器人的ANSI/RIAR15.606或ISO15066,适用于工业卡车的ANSI/ITSDFB56.5或EN1525(将被ISO3691-4取代),以及用于故障预测和验证的ISO13849-1。供应商手册中应提供危险源和推荐的降低风险措施。

在确定适用的标准之后,工程师需要对影响空间的事物进行评估和设计,例如工作流、障碍、可及性、误用和培训等。技术也起着重要作用,因为反馈误差会引起测量噪声,从而影响位置跟踪,并且关节的顺应性可能会具有固有地不确定性。工程师还应考虑系统吸收能量的方式、限制力的方法以及安全功能的应用。

自主移动机器人可以使用机载地图软件,对设施进行自主导航。

集成人工智能

就近期来讲,确保技术安全的主要挑战不是缺乏适用的信息,而是信息过多。当变量太多时,开发二进制规则以代表过去经验的主要局限,就变得更加明显。由于技术进步的发展速度要快于标准的制定,设计师常常被迫预测未来的趋势。这导致他们可能高估或低估了必要的安全功能。

如果制造商扩展其工具集以支持数据处理和决策过程,则可以更有效地处理此信息。特别是,他们可以通过AI和机器学习算法找到一个受欢迎的解决方案。人工智能系统可以根据可用的案例研究和数据分析推荐新的系统特定准则。

机器学习通过分析大量数据来发现隐藏的相关性,从而发现使用传统的统计工具无法轻易看到的潜在模式和趋势。人们可以从这些相关关系中找到抽象模型,并进行实验以确定模型的运行情况。设计人员和工程师可以依靠智能系统来指导设计,以确保使用最佳方法和满足客户所需的解决方案。

AI对于消除可能妨碍决策的偏见至关重要。由于记忆是大脑做出决定的重要组成部分,因此专家对过去经验的理解会产生偏见,从而影响他们应对新情况的判断。专家也可能无法意识到关键信息的缺失,或者在决策过程的开始就犯了从终端解决方案入手的错误。机器学习算法减少了偏差,因为它们使用有监督的训练集或无监督的起点,在当前和实际数据中找到有助于解决过程中特定问题的模式。

数据驱动的挑战

将AI引入工业设备背后的驱动力,是当今制造工厂中大量与安全相关的信息过剩。那里有太多数据,即使是经验丰富的工人,也难以学习和记忆所有数据,更不用说刚踏入制造行业的初级员工。通过让机器自己学习,制造企业可以利用功能强大的降低风险工具。这些工具可以在不断变化的环境中,提供和安全要求相关的短期和长期数据。

如今,安全解决方案中应用的所有内容,都是基于工程师、操作人员和制造商过往的经验。从这个意义上讲,人工智能并没有什么不同。无论是人还是算法,一开始都不了解具体应用情境下的工业安全知识,我们所有人都必须使用过去经验中的点点滴滴来建立联系,并将其应用于新的情况。我们需要了解哪些有效、哪些无效,然后利用这些知识做出未来的决策。AI的工作方式与此相同。
责任编辑:YYX

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 人工智能
    +关注

    关注

    1800

    文章

    48083

    浏览量

    242163
  • 机器学习
    +关注

    关注

    66

    文章

    8460

    浏览量

    133412
  • 工业安全
    +关注

    关注

    0

    文章

    38

    浏览量

    9934
收藏 人收藏

    评论

    相关推荐

    人工智能机器学习以及Edge AI的概念与应用

    人工智能相关各种技术的概念介绍,以及先进的Edge AI(边缘人工智能)的最新发展与相关应用。 人工智能机器学习是现代科技的核心技术
    的头像 发表于 01-25 17:37 421次阅读
    <b class='flag-5'>人工智能</b>和<b class='flag-5'>机器</b><b class='flag-5'>学习</b>以及Edge AI的概念与应用

    【「具身智能机器人系统」阅读体验】+数据在具身人工智能中的价值

    嵌入式人工智能(EAI)将人工智能集成到机器人等物理实体中,使它们能够感知、学习环境并与之动态交互。这种能力使此类机器人能够在人类社会中有效
    发表于 12-24 00:33

    嵌入式和人工智能究竟是什么关系?

    领域,如工业控制、智能家居、医疗设备等。 人工智能是计算机科学的一个分支,它研究如何使计算机具备像人类一样思考、学习、推理和决策的能力。人工智能
    发表于 11-14 16:39

    人工智能机器学习和深度学习存在什么区别

    人工智能指的是在某种程度上显示出类似人类智能的设备。AI有很多技术,但其中一个很大的子集是机器学习——让算法从数据中学习
    发表于 10-24 17:22 2593次阅读
    <b class='flag-5'>人工智能</b>、<b class='flag-5'>机器</b><b class='flag-5'>学习</b>和深度<b class='flag-5'>学习</b>存在什么区别

    《AI for Science:人工智能驱动科学创新》第6章人AI与能源科学读后感

    、优化等方面的应用有了更清晰的认识。特别是书中提到的基于大数据和机器学习的能源管理系统,通过实时监测和分析能源数据,实现了能源的高效利用和智能化管理。 其次,第6章通过多个案例展示了人工智能
    发表于 10-14 09:27

    AI for Science:人工智能驱动科学创新》第4章-AI与生命科学读后感

    很幸运社区给我一个阅读此书的机会,感谢平台。 《AI for Science:人工智能驱动科学创新》第4章关于AI与生命科学的部分,为我们揭示了人工智能技术在生命科学领域中的广泛应用和深远影响。在
    发表于 10-14 09:21

    《AI for Science:人工智能驱动科学创新》第一章人工智能驱动的科学创新学习心得

    人工智能:科学研究的加速器 第一章清晰地阐述了人工智能作为科学研究工具的强大功能。通过机器学习、深度学习等先进技术,AI能够处理和分析海量
    发表于 10-14 09:12

    risc-v在人工智能图像处理应用前景分析

    RISC-V和Arm内核及其定制的机器学习和浮点运算单元,用于处理复杂的人工智能图像处理任务。 四、未来发展趋势 随着人工智能技术的不断发展和普及,RISC-V在
    发表于 09-28 11:00

    报名开启!深圳(国际)通用人工智能大会将启幕,国内外大咖齐聚话AI

    呈现、产业展览、技术交流、学术论坛于一体的世界级人工智能合作交流平台。本次大会暨博览会由工业和信息化部政府采购中心、广东省工商联、前海合作区管理局、深圳市工信局等单位指导,深圳市人工智能产业协会主办
    发表于 08-22 15:00

    FPGA在人工智能中的应用有哪些?

    FPGA(现场可编程门阵列)在人工智能领域的应用非常广泛,主要体现在以下几个方面: 一、深度学习加速 训练和推理过程加速:FPGA可以用来加速深度学习的训练和推理过程。由于其高并行性和低延迟特性
    发表于 07-29 17:05

    人工智能大模型在工业网络安全领域的应用

    随着人工智能技术的飞速发展,人工智能大模型作为一种具有强大数据处理能力和复杂模式识别能力的深度学习模型,已经在多个领域展现了其独特的优势和广阔的应用前景。在工业网络
    的头像 发表于 07-10 14:07 1101次阅读

    人工智能机器学习和深度学习是什么

    在科技日新月异的今天,人工智能(Artificial Intelligence, AI)、机器学习(Machine Learning, ML)和深度学习(Deep Learning,
    的头像 发表于 07-03 18:22 1712次阅读

    5G智能物联网课程之Aidlux下人工智能开发(SC171开发套件V2)

    ://t.elecfans.com/v/27221.html *附件:初学者完整学习流程实现手写数字识别案例_V2-20240506.pdf 人工智能 语音对话机器人案例 26分03秒 https
    发表于 05-10 16:46

    机器学习怎么进入人工智能

    人工智能已成为一个热门领域,涉及到多个行业和领域,例如语音识别、机器翻译、图像识别等。 在编程中进行人工智能的关键是使用机器学习算法,这是
    的头像 发表于 04-04 08:41 455次阅读

    5G智能物联网课程之Aidlux下人工智能开发(SC171开发套件V1)

    *附件:初学者完整学习流程实现手写数字识别案例.pdf 人工智能 语音对话机器人案例 26分03秒 https://t.elecfans.com/v/27185.html *附件:语音对话
    发表于 04-01 10:40