ผลลัพธ์ของการนำระบบตรวจสอบสถานะผู้ปฏิบัติงานมาใช้

การควบคุมเครื่องจักรทำเหมืองขนาดใหญ่เป็นงานที่ซ้ำซากจำเจ ซึ่งต้องใช้สมาธิสูงสุดตลอดกะการทำงาน 10–12 ชั่วโมง จากสถิติพบว่าอุบัติเหตุทางถนนในสถานประกอบการทำเหมืองสูงถึง 65% เกิดจากความเหนื่อยล้าของผู้ขับขี่ และการใช้โทรศัพท์มือถือขณะขับรถเพิ่มความเสี่ยงในการเกิดอุบัติเหตุถึงสี่เท่า การแก้ไขปัญหานี้จำเป็นต้องเปลี่ยนจากการใช้มาตรการทางปกครองไปสู่การควบคุมด้วยฮาร์ดแวร์อัตโนมัติ

ในการบรรยาย Eduard Bondarev ได้วิเคราะห์กรณีศึกษาขนาดใหญ่ของบริษัท Kuzbassrazrezugol เกี่ยวกับการนำระบบตรวจสอบสถานะผู้ปฏิบัติงาน (พัฒนาโดย OKO Systems) มาใช้ โครงการนี้ครอบคลุมรถบรรทุกเหมืองแร่ 683 คัน และในขั้นตอนการขยายผลได้ครอบคลุมไปถึงรถบัสโดยสาร รถรับส่งพนักงาน รถหัวลาก และรถบรรทุกน้ำมัน ปัจจุบันมีผู้ขับขี่ประมาณ 3,500 คนที่อยู่ภายใต้การตรวจสอบอย่างต่อเนื่อง ซึ่งส่วนใหญ่เดินทางบนถนนสาธารณะ

ฐานฮาร์ดแวร์และการบูรณาการเข้ากับระบบไอที

ระบบทำงานโดยใช้วิธีการทางแสงแบบไม่สัมผัสเพื่อบันทึกทิศทางการมอง ภายในห้องโดยสารมีการติดตั้งเซ็นเซอร์ออปติก อุปกรณ์แจ้งเตือนเสียง และมอเตอร์สั่นสะเทือน เมื่อตรวจพบสัญญาณของการหลับในหรือการเสียสมาธิ (เช่น การหลับตาเกิน 3 วินาที) ระบบจะเปิดใช้งานสัญญาณเสียงและการสั่นสะเทือน ซึ่งจะหยุดทำงานโดยอัตโนมัติทันทีที่ผู้ขับขี่กลับมามองถนน

ขั้นตอนสำคัญคือการบูรณาการโซลูชันเข้ากับระบบที่มีอยู่ของบริษัท การเชื่อมต่อกับระบบจัดการการเดินรถช่วยให้ได้รับข้อมูลใบสั่งงาน (ชื่อ-นามสกุล, รหัสพนักงาน) แบบเรียลไทม์ ซึ่งช่วยลดภาระงานของเจ้าหน้าที่ในพื้นที่ การบูรณาการกับระบบกล้องมองภาพรอบทิศทางช่วยลดความจำเป็นในการติดตั้งจอภาพที่สองในห้องโดยสาร โดยข้อมูลทั้งหมดจะแสดงผลในหน้าจอเดียว

การรักษาประสิทธิภาพของอุปกรณ์จำนวนมากเช่นนี้จำเป็นต้องมีฝ่ายสนับสนุนด้านเทคนิคที่มีโครงสร้างชัดเจน ทีมวิศวกรที่กระจายอยู่ตามจุดต่างๆ ช่วยให้สามารถแก้ไขข้อผิดพลาดได้ภายในเวลาไม่เกิน 96 ชั่วโมง โดยรักษาอัตราความพร้อมใช้งานของอุปกรณ์ไว้ที่ 95% นอกจากนี้คำขอบางส่วนยังสามารถปิดงานได้จากระยะไกล ในคู่มือความปลอดภัยมีการกำหนดกฎไว้อย่างเคร่งครัดว่า: ห้ามใช้งานรถยนต์ที่ระบบตรวจสอบทำงานผิดปกติโดยเด็ดขาด

วินัย การก่อวินาศกรรม และการลดอุบัติเหตุ

การควบคุมตลอด 24 ชั่วโมงโดยเจ้าหน้าที่ควบคุมของบริษัทและศูนย์ตรวจสอบของผู้พัฒนาช่วยให้ได้ผลลัพธ์ที่น่าประทับใจ อัตราการเกิดอุบัติเหตุในยานพาหนะทางเทคโนโลยีลดลง 50% ในช่วงระยะเวลาที่รายงาน ระบบสามารถป้องกันการหลับในขณะขับรถได้มากกว่า 6,000 ครั้ง และตรวจพบการเสียสมาธิจากการมองถนนมากกว่า 28,000 ครั้ง

วิทยากรกล่าวถึงปัญหาการต่อต้านจากพนักงานในช่วงเริ่มต้นอย่างเปิดเผย ระบบบันทึกเหตุการณ์การก่อวินาศกรรมโดยเจตนา (การแทรกแซงการทำงานของอุปกรณ์โดยผู้ขับขี่) ได้ 160 ครั้ง ข้อเท็จจริงทั้งหมดได้รับการพิสูจน์ด้วยคลังวิดีโอ และผู้กระทำผิดได้รับโทษทางวินัย ซึ่งช่วยปรับปรุงวัฒนธรรมการขับขี่ให้ดีขึ้นอย่างมาก

การขยายฟังก์ชันการทำงาน: จากการควบคุมการมองไปสู่การวิเคราะห์งานเหมือง

นอกเหนือจากภารกิจหลักในการควบคุมความตื่นตัวแล้ว ข้อมูลวิดีโอจำนวนมหาศาลที่สะสมไว้ (ประมาณ 20 GB ต่อคันต่อเดือน) ยังช่วยแก้ปัญหาการผลิตอื่นๆ ที่เกี่ยวข้องได้ กล้องถูกนำมาใช้เพื่อตรวจสอบสภาพถนนเทคโนโลยี หน้างานขุดเจาะ การบรรทุกของในกระบะ รวมถึงการปฏิบัติตามเวลาทำงานและเวลาพัก

ด้วยความช่วยเหลือของโครงข่ายประสาทเทียม (Neural Networks) ทำให้สามารถควบคุมการใช้เข็มขัดนิรภัยของผู้โดยสารในรถรับส่งและตรวจพบการเคลื่อนไหวของผู้คนภายในห้องโดยสารขณะรถเคลื่อนที่ได้โดยอัตโนมัติ แผนงานของบริษัทคือการใช้ข้อมูลจำนวนมหาศาลที่สะสมไว้เพื่อฝึกฝน AI โดยเฉพาะอย่างยิ่งการพัฒนาอัลกอริทึมเพื่อวิเคราะห์โปรไฟล์การบรรทุกของแพลตฟอร์มและตรวจจับการร่วงหล่นของหินบนถนนโดยอัตโนมัติ ซึ่งส่งผลโดยตรงต่ออายุการใช้งานของยางขนาดใหญ่

สิ่งที่คุณจะได้เรียนรู้จากการบรรยายนี้

• ระบบตรวจสอบความเหนื่อยล้าถูกบูรณาการเข้ากับซอฟต์แวร์จัดการการเดินรถและกล้องมองภาพรอบทิศทางอย่างไรในเชิงเทคนิค?
• มีระเบียบปฏิบัติอย่างไรเมื่อตรวจพบอุปกรณ์ทำงานผิดปกติหรือมีความพยายามก่อวินาศกรรมจากผู้ขับขี่?
• การตรวจสอบสถานะของผู้ปฏิบัติงานเครื่องจักรเหมืองแร่และเครื่องจักรสนับสนุนจำนวน 3,500 คนตลอด 24 ชั่วโมงมีการจัดระเบียบอย่างไร?
• ข้อมูลวิดีโอจากรถยนต์ถูกนำมาใช้ในการสอบสวนเหตุการณ์และควบคุมคุณภาพงานเหมืองอย่างไร?
• วิสัยทัศน์ของเครื่องจักร (Machine Vision) ช่วยควบคุมการใช้อุปกรณ์ป้องกันส่วนบุคคล (PPE) และเข็มขัดนิรภัยในรถโดยสารได้อย่างไร?