Avaliação de risco automatizada para movimentação de materiais na indústria manufatureira

Resumo:

Os movimentos de proximidade entre os veículos que transportam materiais nas fábricas, ou interfaces, resultam em ferimentos e mortes no trabalho. Atualmente, a avaliação de riscos para interfaces está limitada a técnicas como auditorias de segurança, originalmente projetadas para ambientes estáticos. Para ambientes dinâmicos, uma alternativa baseada no uso extensivo de dados é desejável, de maneira a quantificar riscos e possibilitar o desenvolvimento de contramedidas efetivas. Apresentamos um método para estimar o Número de Priorização de Risco (NPR) para interfaces de veículos móveis em ambientes de fabricação, com base na formulação Severidade-Ocorrência-Detecção (SOD). O Método se destaca pela estimativa da probabilidade de Ocorrência (O) de interfaces de veículos utilizando machine learning e técnicas de visão computacional. Um vetor de recursos esparsos baseado em PCA para machine learning para caracterizar a geometria do veículo de uma perspectiva top-down. A classificação supervisionada em vetores de recursos esparsos utilizando SVMs (Support Vector Machines) é empregada para detectar veículos. Técnicas de visão computacional são usadas para rastreamento de posição para identificar interfaces e calcular sua probabilidade de ocorrência (O). Isso leva a um cálculo automatizado de NPR com base na formulação do SOD. Os dados experimentais são coletados em laboratório utilizando um layout de amostra da área de trabalho e versões em escala de veículos. As interfaces e os movimentos do veículo foram fisicamente simulados para treinar e testar o modelo de machine learning. O desempenho do sistema automatizado é comparado com a anotação humana para validar a abordagem.

Palavras-chave:
Avaliação de risco; FMEA; Aprendizagem de máquina; Segurança do trabalho