AI改善施工现场安全性的10种方法

文章 (12) 2021-03-25 15:25:12

AI改善施工现场安全性的10种方法

在最近的电话会议中,与具有标准化的基于机器学习功能的远程监控系统的建筑安全保障负责人进行的电话会议中,最有价值的收获之一就是可以节省多少时间来避免错误警报。负责在迈阿密,亚特兰大和芝加哥进行中的建设项目的安全主管说,机器学习实际上消除了他的建筑工地的虚假警报。他说:“我们的团队对机器学习算法进行了微调,以适应特定的运营模式,并且几乎消除了虚假警报,并致力于更加准确地预测盗窃和闯入企图。”

根据电话会议获得的见解,以下是AI改善施工现场安全性的10种方法:

1. 减少对现场安全团队的依赖,并获得每个建筑工地的24 / 7、365天的监控视图。所有建筑安全负责人均表示,这是基于云的远程监控系统最有价值的方面,该系统能够接收来自IoT,数字,热像仪和红外热像仪的数据。拥有一支实地团队仍然是必不可少的,但是进行实时,始终在线的监控以提供数据流来训练模型是非常宝贵的。

2. 通过确定哪些工人没有穿着个人防护设备(PPE),可以减少工作场所的伤害和潜在的责任诉讼。使用受监督的机器学习算法支持的高级模式匹配,施工安全和安全负责人可以确定高风险角色和工作区域中的工人何时穿着PPE。施工现场将在Covid-19期间继续运行,在许多情况下,每个人都需要戴上口罩和口罩,以确保施工现场符合CDC准则。远程监控系统可以立即告诉哪些工作团队需要指导以保持合规性。

3. 用实时监控代替检查表,例程和其他基于手动的方法来审核安全性,该实时监控能够在几秒钟内提供趋势和图像分析。安全和安保负责人表示,他们今天最大的挑战是节省现场施工团队的宝贵时间。他们不知道他们所在项目所在的城市何时将重新引入封锁或隔离。据与会领导人说,将机器学习技术与始终可在直观仪表板上访问的站点数据相结合,将手动工作流程减少了5倍或更多。 。

4. 施工现场的实时安全监控越好,施工过程就越灵活。安全和安保负责人说,建筑工地在捕获和解释实时传感器和视频数据方面越好,它们的建筑过程就越具有适应性。最初作为一项投资来实现安全性和安全性,最初是基于新的数据洞察力而转变为过程改进收益。

5. 支持智能标签和关键事件的上下文提示的高级视频分析技术即将问世,这将进一步提高基于机器学习的远程监控系统的预测准确性。从每个视频帧获取更多上下文智能的努力正在推动整个远程监控行业的研发支出。期望明年看到定义高级模式匹配和远程监视系统的预测准确性的未来的专利。

6. 实时预测网络和物理威胁相结合对建设项目的影响,创建特定算法,为特定事件系列分配风险评分。远程监控系统中正在进行的开发工作最令人着迷的是如何将物理事件和网络事件关联起来。例如,假设在特定建筑工地的系统上发生了网络攻击。在这种情况下,可以提高攻击者针对的物理系统的监视和预测准确性,从而阻止盗窃,破坏和破坏项目本身。

7. 为每个建设项目分配风险评分,然后分析哪些因素需要改进以减少设备和材料盗窃威胁。基于与盗窃相关的数据使用机器学习来构建预测模型可以帮助预测何时会发生另一次尝试。安全和安保负责人说,这就是为什么从每个项目的一开始就拥有视频数据如此有价值的原因。它可用于训练机器学习模型并预测另一次盗窃企图。

8. 通过在没有访问凭据的工作现场中识别和跟踪入侵者的活动,减少工业间谍活动的威胁。建筑业的间谍活动可能导致数十亿美元的损失,特别是对于建造包括专有技术的芯片代工厂的高科技制造商而言。为了确保站点安全,需要从有效的基于AI的远程监视策略开始。

9. 发现建筑材料在何处,何时何地被偷窃,从而控制成本,使工地更加安全。大型建筑项目中每年有10%至25%的供应被盗和转售。停止盗窃意味着在预算内进行的建设项目之间的差异与否,这就是安全和安保负责人转向远程监控以控制此问题的原因。

10. 确保建筑工地符合OSHA和相关的政府合规要求,同时为政府审核员创建实时审核记录。安全与安全负责人表示,为OSHA审核做准备可能需要数周甚至数月的准备工作。实时监控系统可以按需生成报告,每年为政府机构节省数百小时的审核准备时间。

THE END

发表评论