ชไนเดอร์ อิเล็คทริค จดสิทธิบัตร AI ป้องกันอันตรายในโรงงานอุตสาหกรรม เสริมความปลอดภัยยุคขาดแคลนผู้เชี่ยวชาญ

อุตสาหกรรมหนักที่เต็มไปด้วยความเสี่ยง อุบัติเหตุเพียงเล็กน้อยอาจนำมาซึ่งความสูญเสียครั้งใหญ่ แต่ด้วยเทคโนโลยีที่ก้าวหน้า ปัญญาประดิษฐ์ (AI) กำลังเข้ามามีบทบาทสำคัญในการยกระดับความปลอดภัย ล่าสุด บริษัท ชไนเดอร์ อิเล็คทริค ได้รับสิทธิบัตรเทคโนโลยีสุดล้ำที่ใช้ AI เพื่อช่วยป้องกันอันตรายที่อาจเกิดขึ้นในกระบวนการผลิตของโรงงานอุตสาหกรรม

โซลูชัน EcoStruxure Triconex Safety ที่พัฒนาโดยชไนเดอร์ อิเล็คทริค สามารถวิเคราะห์อันตรายที่อาจเกิดขึ้นในกระบวนการทางอุตสาหกรรมได้โดยอัตโนมัติหรือกึ่งอัตโนมัติ เพื่อเป้าหมายสูงสุดคือการป้องกันอุบัติเหตุก่อนที่จะเกิดขึ้น โครงการนี้เป็นส่วนหนึ่งของความมุ่งมั่นของชไนเดอร์ อิเล็คทริค ในการเสริมสร้างความปลอดภัยในการทำงานผ่านการใช้ประโยชน์จากปัญญาประดิษฐ์

เพื่อทำความเข้าใจภาพรวมที่กว้างขึ้น ตั้งแต่การยอมรับของพนักงานไปจนถึงแบบจำลองข้อมูล คริส สโตเนอร์ ผู้อำนวยการอาวุโสฝ่ายบริหารจัดการผลิตภัณฑ์ของชไนเดอร์ อิเล็คทริค ผู้ดูแลความก้าวหน้าด้าน AI ของบริษัท ได้ให้ข้อมูลเชิงลึกที่น่าสนใจกับ Design & Development Today

D&DT: AI จะถูกนำมาใช้และใช้งานอย่างเต็มรูปแบบได้อย่างไร?

คริส สโตเนอร์: ปัญญาประดิษฐ์ครองพื้นที่ข่าวสารมาหลายปีแล้ว และดูเหมือนว่าโมเมนตัมนี้จะไม่มีทีท่าว่าจะหยุด AI จะเข้ามาเกี่ยวข้องกับชีวิตมนุษย์ในแทบทุกด้าน และมีการคาดการณ์มากมายเกี่ยวกับสิ่งที่ AI จะสามารถทำได้ในที่สุด ในอุตสาหกรรมหนัก บริษัทผู้ผลิตและระบบอัตโนมัติกำลังลงทุนอย่างมากเพื่อสร้างวิธีการทำงานใหม่ ๆ ที่ชาญฉลาดขึ้น สิ่งนี้ขับเคลื่อนโดยความต้องการอย่างต่อเนื่องในการเพิ่มประสิทธิภาพ แต่ยังรวมถึงการตอบสนองความต้องการ เช่น ความท้าทายด้านบุคลากรและความปลอดภัยของพนักงาน

ผู้ประกอบการในอุตสาหกรรมเคมี ปิโตรเลียมและก๊าซ และอุตสาหกรรมหนักอื่นๆ กำลังเผชิญกับความท้าทายด้านประชากรศาสตร์ที่สำคัญ นั่นคือความไม่สมดุลในอายุของพนักงาน จำนวนพนักงานที่มีอายุน้อยกว่า 55 ปีไม่เพียงพอที่จะทดแทนผู้ที่จะเกษียณอายุในอีก 10 ปีข้างหน้า ปัญหานี้ไม่สามารถแก้ไขได้ด้วยการเพิ่มจำนวนคน ดังนั้นจึงต้องแก้ไขด้วยการนำนวัตกรรมเข้ามาใช้ และนี่คือจุดที่ AI จะถูกนำมาใช้งาน

D&DT: มีปัญหาใด ๆ เกี่ยวกับการยอมรับของพนักงานหรือไม่?

คริส สโตเนอร์: การบริหารจัดการการเปลี่ยนแปลงเป็นเรื่องท้าทายเสมอ อย่างไรก็ตาม มีความเต็มใจที่จะนำ AI และเครื่องมืออื่น ๆ มาใช้ ซึ่งเป็นผลมาจากการเปลี่ยนแปลงทางดิจิทัลในแพลตฟอร์มระบบอัตโนมัติในกระบวนการผลิต แต่ไม่ใช่กรณีนี้เสมอไปเมื่อพูดถึงความปลอดภัยในกระบวนการผลิต ผู้เชี่ยวชาญในสาขานี้มักจะระมัดระวังอย่างมากในการนำนวัตกรรมใหม่ ๆ มาใช้ และด้วยเหตุผลที่ดี ในสาขาที่ผลลัพธ์ของความล้มเหลวอาจนำไปสู่การเสียชีวิตจำนวนมาก การทำให้ถูกต้องย่อมดีกว่าการทำให้รวดเร็ว

อย่างไรก็ตาม ประชากรศาสตร์ของแรงงานที่มีทักษะเป็นสิ่งที่ท้าทายอย่างยิ่งในด้านความปลอดภัยในกระบวนการผลิต จะไม่มีผู้เชี่ยวชาญเฉพาะทางในสาขานี้เพียงพอในอีก 5 ถึง 10 ปีข้างหน้า ในกรณีนี้ จำเป็นต้องนำวิธีการทำงานใหม่ ๆ มาใช้เพื่อรักษาความปลอดภัย นี่ไม่ใช่สถานการณ์ที่เป้าหมายคือการแทนที่มนุษย์ด้วยเครื่องจักร แต่เป็นสถานการณ์ที่ AI จะช่วยลดการขาดแคลนความเชี่ยวชาญและช่วยรักษาระดับความปลอดภัยที่รับประกันว่าคนงานจะปลอดภัยในสภาพแวดล้อมอุตสาหกรรมที่สำคัญและมักเป็นอันตรายเหล่านี้

D&DT: แบบจำลองข้อมูลใดที่ใช้สร้างแบบจำลอง AI?

คริส สโตเนอร์: แบบจำลอง AI ที่ได้รับการจดสิทธิบัตรของชไนเดอร์ อิเล็คทริค สร้างขึ้นบนหลักการเสริมแรง (Reinforcement Learning) โดยมีวัตถุประสงค์เพื่อทำให้การศึกษา HAZOP (Hazards and Operability Study) เป็นไปโดยอัตโนมัติ ซึ่งเป็นกระบวนการที่ใช้เวลานานมากและเกี่ยวข้องกับผู้เชี่ยวชาญเฉพาะทางจำนวนมาก พวกเขาจะประเมินว่าอะไรที่อาจผิดพลาดในสภาพแวดล้อมของโรงงาน และต้องทำอย่างไรเพื่อป้องกันผลลัพธ์ที่ไม่พึงประสงค์เหล่านี้ เครื่องมือนี้ทำงานโดยมีสองเอเจนต์ เอเจนต์หนึ่งพยายามผลักดันให้โรงงานเข้าสู่สถานะที่ไม่ปลอดภัย ในขณะที่อีกเอเจนต์หนึ่งพยายามป้องกันไม่ให้เกิดสถานะที่ไม่ปลอดภัยนั้น

แตกต่างจากการเรียนรู้แบบมีผู้สอน (Supervised Learning) หรือ Generative AI การเรียนรู้แบบเสริมแรงมีข้อดีคือไม่จำเป็นต้องได้รับการฝึกฝนล่วงหน้า เอเจนต์จะลองเปลี่ยนแปลงระบบแบบสุ่ม และจะได้รับรางวัลหรือไม่ขึ้นอยู่กับว่าเป้าหมายสำเร็จหรือไม่ ลองนึกภาพ AI ที่นำมาใช้กับเกมหมากรุก แบบจำลองที่มีผู้สอนจะต้องมีกลยุทธ์หมากรุกในระดับหนึ่งที่ตั้งโปรแกรมไว้ ในแบบจำลองที่ไม่มีผู้สอน เอเจนต์จะลองเดินหมากแบบสุ่มและเรียนรู้ เมื่อเล่นหลายเกม เอเจนต์จะรู้เสมอว่าจากการจัดเรียงกระดานแบบใด การเดินหมากแบบใดนำไปสู่โอกาสในการชนะเกมมากที่สุด

ผ่านกระบวนการทำให้ HAZOP เป็นอัตโนมัตินี้ หลังจากทำซ้ำหลายครั้ง อันตรายในโรงงานสามารถระบุได้ เช่นเดียวกับชั้นของการป้องกันที่มีประสิทธิภาพที่สุด

D&DT: ขั้นตอนต่อไปคืออะไร?

คริส สโตเนอร์: เมื่อพิจารณาถึงผลกระทบที่อาจเกิดขึ้นจากความล้มเหลว ความไว้วางใจจะต้องถูกสร้างขึ้นในเครื่องมือ AI เพื่อนำไปใช้กับกระบวนการทำงานด้านความปลอดภัยในกระบวนการผลิต ความไว้วางใจนี้ต้องใช้เวลา ซึ่งหมายความว่าเราต้องดำเนินการโดยเร็วเพื่อใช้ประโยชน์จากเวลาที่เราเหลืออยู่ก่อนที่ผู้เชี่ยวชาญด้านความปลอดภัยในกระบวนการผลิตจำนวนมากจะเกษียณอายุ ในอีกไม่กี่ปีข้างหน้า เครื่องมือ AI สามารถใช้เพื่อตรวจสอบผลลัพธ์จากวิธีการ HAZOP แบบดั้งเดิมที่นำโดยมนุษย์ จะยังคงมีความจำเป็นสำหรับผู้ที่มีความสามารถในด้านความปลอดภัยในการทำงานเพื่อลงนามรับรองผลลัพธ์ แต่เมื่อเครื่องมือได้รับการพิสูจน์แล้ว ในอนาคตบุคคลนั้นจะสามารถตรวจสอบความสมเหตุสมผลของเครื่องมือ แทนที่จะเป็นในทางกลับกัน

มีความเชื่อว่าเนื่องจากการทำ HAZOP ดำเนินการโดยผู้เชี่ยวชาญเฉพาะทาง จึงเป็นกระบวนการที่เป็นกลาง แต่ในความเป็นจริงแล้ว มันเป็นเรื่องส่วนตัวอย่างมาก และทีมต่างๆ อาจได้ผลลัพธ์ที่แตกต่างกันอย่างมากเมื่อประเมินการออกแบบที่เหมือนกัน สิ่งนี้ได้รับการพิสูจน์แล้วในองค์กรขนาดใหญ่ที่มีหน่วยกระบวนการที่เกือบจะเหมือนกันจำนวนมาก มนุษย์นำอคติและบุคลิกภาพเข้ามาในกระบวนการ ในขณะที่ AI จะไม่ทำเช่นนั้น การรวมความพยายามและประโยชน์ของความเชี่ยวชาญของมนุษย์และปัญญาประดิษฐ์เข้าด้วยกัน จะช่วยให้มั่นใจได้ว่าสภาพแวดล้อมทางอุตสาหกรรมจะยังคงสามารถทำกำไรและปลอดภัยได้ในอีกหลายทศวรรษข้างหน้า

ที่มา : https://www.manufacturing.net/artificial-intelligence/article/22939092/using-ai-to-identify-safety-hazards-at-schneider-electric

About pawarit

Check Also

Siemens เปิดตัว Industrial AI Agents ยกระดับระบบนิเวศ Industrial Copilot ในงาน Automate 2025

ในงาน Automate 2025 ที่ดีทรอยต์ Siemens ได้เปิดตัวการปรับปรุงครั้งสำคัญของกลุ่มผลิตภัณฑ์ Industrial AI ด้วย AI Agents ใหม่ที่ผสานรวมเข้ากับระบบนิเวศ Industrial Copilot ซึ่ง …

ยักษ์ใหญ่อเมริกัน ติดตั้งระบบประมวลผลภาพ AI ตรวจสอบพัดลมเครื่องยนต์ดีเซล ป้องกันความเสียหายแต่เนิ่น ๆ

บริษัทผู้ผลิตเครื่องยนต์ดีเซลรายใหญ่ในสหรัฐอเมริกาได้นำระบบประมวลผลภาพอัตโนมัติจาก Vision On Line มาใช้ในการผลิตพัดลม เพื่อตรวจจับความผิดพลาดตั้งแต่เนิ่นๆ ป้องกันความล้มเหลว และรับประกันคุณภาพของชิ้นส่วน โดยระบบนี้ถูกนำมาใช้ในการผลิตพัดลมสำหรับรถบรรทุก เครื่องจักรกลก่อสร้าง และยานพาหนะเพื่อการพาณิชย์อื่นๆ