物聯(lián)網(wǎng)傳感器將為工人帶來更大的安全保障

（文章來源：automationworld）

過去幾十年，隨著機(jī)器和工藝安全的進(jìn)步，延伸到工業(yè)機(jī)器人的協(xié)作技術(shù)，工業(yè)生產(chǎn)已經(jīng)變得安全，但工人的安全仍存在風(fēng)險(xiǎn)。隨著新型互聯(lián)技術(shù)在工業(yè)領(lǐng)域的發(fā)展，工人們的流動(dòng)性也越來越強(qiáng)，這意味著人員在設(shè)施設(shè)備中間移動(dòng)，他們個(gè)人的安全風(fēng)險(xiǎn)也在不斷變化。

作為工業(yè)4.0和工業(yè)物聯(lián)網(wǎng)計(jì)劃的一部分，聯(lián)網(wǎng)傳感器收集設(shè)備數(shù)據(jù)正在更多的應(yīng)用在工人身上，以保護(hù)他們的安全。例如，一種旨在捕捉工人移動(dòng)數(shù)據(jù)的工業(yè)級(jí)輕型物聯(lián)網(wǎng)傳感器設(shè)備和平臺(tái)就有這樣的作用。工人佩戴的傳感器每秒讀取12.5倍的數(shù)據(jù)，也就是說，在8小時(shí)的輪班班次中，讀取次數(shù)約為30萬次。

傳感器包含一個(gè)9軸慣性測(cè)量單元，可以檢測(cè)到組成用戶安全評(píng)分的5個(gè)主要部分的準(zhǔn)確讀數(shù)。安全評(píng)分的5個(gè)部分來自William Marras博士的腰部運(yùn)動(dòng)監(jiān)測(cè)風(fēng)險(xiǎn)模型，包括平均最大屈曲、平均扭轉(zhuǎn)速度、平均最大橫向速度、抬升率和最大彎矩。

每個(gè)設(shè)備收集的數(shù)據(jù)上傳到云端，平臺(tái)的專有機(jī)器學(xué)習(xí)算法分析穿戴者的肌肉骨骼損傷風(fēng)險(xiǎn)。而傳感器被設(shè)計(jì)成具有多個(gè)集成傳感器的單一設(shè)備。

至于傳感器獲取的數(shù)據(jù)如何轉(zhuǎn)化為針對(duì)工人的糾正措施，負(fù)責(zé)人說，這些數(shù)據(jù)使專業(yè)人員能夠真正深入地研究數(shù)據(jù)中的各種趨勢(shì)和異常。通過使用平臺(tái)數(shù)據(jù)表單的核心特性，能夠了解在哪些地方可以應(yīng)用培訓(xùn)和實(shí)時(shí)反饋等行為進(jìn)行改進(jìn)。同時(shí)，平臺(tái)還能夠識(shí)別需要改進(jìn)的領(lǐng)域，并指出可能需要實(shí)施工程控制或物理約束的地方。

例如，在一家大型零售商的配送中心，在倉庫的某個(gè)特定區(qū)域，安全得分一直很低。經(jīng)過與客戶的分析和討論，了解到該倉庫存在一處環(huán)境上的限制，沒法做到安全并恰當(dāng)?shù)膭?dòng)作。所以，倉庫相應(yīng)改變了工作環(huán)境。而此次部署中的數(shù)據(jù)和經(jīng)驗(yàn)也被收集到選項(xiàng)庫中，并在客戶檔案中進(jìn)行改進(jìn)，以便將來適用于其他客戶。

這種應(yīng)用給工業(yè)領(lǐng)域帶來了對(duì)工人進(jìn)行安全評(píng)估的重大變化。目前的人體工程學(xué)和安全評(píng)估通常是由訓(xùn)練有素的人體工程學(xué)專家或安全專家，帶著紙、相機(jī)、卷尺和視覺觀察來完成的。可以想象，這種方法有幾個(gè)弊端：

1）只能在特定的時(shí)間范圍內(nèi)觀察那么多人；2）觀察的性質(zhì)會(huì)使正在進(jìn)行的工作發(fā)生某種變化，即所謂的“霍桑效應(yīng)”（即，當(dāng)人們?cè)谝庾R(shí)到自己正在被關(guān)注或者觀察的時(shí)候，會(huì)刻意去改變一些行為或者是言語表達(dá)的效應(yīng)）。對(duì)用戶來說，該應(yīng)用最直接的利益就是減少工人傷害，并減少因受傷引發(fā)的索賠。

對(duì)于那些擔(dān)心可穿戴設(shè)備可能會(huì)被追蹤的員工也不必?fù)?dān)心，設(shè)備的目的是保護(hù)工人，并專注于數(shù)據(jù)如何為他們解決特定的風(fēng)險(xiǎn)，并不會(huì)追蹤工人的工作效率，也不會(huì)因工作加以懲罰因素和泄露隱私。
（責(zé)任編輯：fqj）