面向发展中国家制造业员工的基于AI的安全系统
计算机与社会
2018-11-30 v1 机器学习
摘要
本文中，作者提出一种基于马尔可夫决策过程（MDP）的算法，用于工业物联网（IIoT）中作为人在回路系统的安全合规层。尽管部分产业正迈向工业4.0，并尝试利用机器人尽可能实现系统自动化，但在印度等发展中国家，人在回路系统仍十分普遍。凡有人机交互需求之处，便存在健康隐患。本工作中，我们为这样一家企业开发了基于MDP的系统。该系统所用算法从经验中学习状态转移概率，并通过引入迁移学习概念使系统适应新变化。系统在使用39个传感器连接至一台计算机数控（CNC）机床的数据集上进行了评估，该机床在7×24场景下每秒推送数据。状态变化通常由人工指示，进而引发某些有意或无意的失误与错误。所提系统向操作员发出警报以警示，操作员可能根据其对系统当前状况的判断选择留意或忽略。操作员对特定状态转移警告的反复忽略会引导系统重新训练模型。我们观察到所述系统发出的警报中95.61%被操作员处理，3.2%的警报源于系统变化并由此用于重训模型，1.19%为误报。由于无可用真值，我们无法计算由人工操作员失误引起的错误。
引用
@article{arxiv.1811.12185,
title = {AI based Safety System for Employees of Manufacturing Industries in Developing Countries},
author = {Abhisek Das and Satanik Panda and Suman Datta and Soumitra Naskar and Pratep Misra and Tanushyam Chattopadhyay},
journal= {arXiv preprint arXiv:1811.12185},
year = {2018}
}
备注
Presented at NIPS 2018 Workshop on Machine Learning for the Developing World