Энергетика

26.02.2021

ЦИФРОВОЙ МОНИТОРИНГ ПОВЫШАЕТ БЕЗОПАСНОСТЬ В АТОМНОЙ ЭНЕРГЕТИКЕ В ДЕСЯТЬ РАЗ

Василий Долгов, CEO компании VizorLabs, рассказал проекту «Первый цифровой» о системе видеоанализа соблюдения техники безопасности на базе искусственного интеллекта для Кольской АЭС концерна «Росэнергоатом».

Как появился проект


Мы разрабатываем технологии компьютерного зрения для промышленности около пяти лет, в 2018 году начали сотрудничать с технопарком «Сколково», зарегистрировали там компанию.


Кто-то из общих коллег рассказал концерну «Росэнергоатом» про наш проект. Поначалу они не поверили, похожих решений просто не было на рынке. Попросили нас самих провести презентацию.


Мы предложили прислать образцы спецодежды и СИЗ (касок и пр.), чтобы сделать бесплатный прототип конкретно для «Росэнергоатома». Три недели ушло на создание MVP, после демонстрации которого начались переговоры о разработке пилотного решения для одной станции – Кольской АЭС.


Какую проблему мы решали


В атомной энергетике безопасность является одним из ключевых приоритетов, и особо выделяется обеспечение безопасности персонала при использовании атомной энергии.

В «Росатоме» частота несчастных случаев в пять раз ниже средней по России (0,25 против 1,3 на 1000 работников), а показатель LTFIR на порядок ниже, чем у крупнейшего в мире оператора атомных станций EDF (0,12 против 1,35).


Компания стремится к дальнейшему снижению этих показателей и практическому воплощению концепции «нулевого травматизма» в атомной отрасли, в том числе продвигает в России международную инициативу Vision Zero.


Один из ключевых инструментов снижения травматизма – это поддержание строгой трудовой дисциплины в части соблюдения норм техники безопасности и промышленной безопасности (ТП и ПБ). В этой сфере очень многое зависит от человеческого фактора – от поведения каждого конкретного работника.


По статистике, на одну тяжелую травму приходится десять случаев легкого травматизма, около 30 серьезных нарушений ТБ, а также, по разным оценкам, 300–600 мелких нарушений, которые обходятся без последствий. При этом на большинстве производств регистрируются только серьезные нарушения и травмы.


Традиционные методы – обучение, аттестация, взыскания – неэффективны для контроля мелких нарушений, а главное, они не позволяют предотвращать инциденты, профилактика ведется преимущественно в реактивном режиме. До недавнего времени никто не брался автоматизировать эту сферу.


Задачи пилотного проекта для VizorLabs концерн «Росэнергоатом» сформулировал так:


• минимизировать влияние человеческого фактора на технологический процесс;

• снизить число нарушений ТБ и ПБ и несчастных случаев;

• изменить модель поведения работников и повысить трудовую дисциплину в части безопасности;

• перейти от реактивной модели управления ТБ и ПБ к предотвращению несчастных случаев в режиме реального времени.


В частности, важно было обеспечить безопасность персонала при работе в помещении комплектно-распределительных устройств (КРУ) на 6 кВ, где риск получения тяжелой или летальной электротравмы очень высок.


Бизнес-процесс до проекта


До внедрения системы на Кольской АЭС регистрировалось около 80 нарушений ПБ и ТБ в неделю. Контроль соблюдения правил ТБ и ПБ осуществлялся с помощью диспетчеров, которые просматривали видео с камер наблюдения.


Диспетчер физически не может эффективно контролировать нарушения ТБ с нескольких десятков камер одновременно. Малый размер и низкое качество изображения на мониторе не позволяет увидеть мелкие нарушения, например не полностью опущенный лицевой щиток или не до конца застегнутый ворот защитного костюма. Также известно, что концентрация внимания диспетчера не превышает 30 минут.


Основной формой контроля и профилактики был разбор нарушений и взыскания постфактум, а также расследование инцидентов по архивным видеозаписям. Автоматической системы фиксации и предупреждения нарушений не было.


Описание проекта


Система видеоанализа на основе искусственного интеллекта автоматизирует процесс контроля соблюдения требований ТБ и ПБ, регистрирует до 98% нарушений, полностью заменяет контроль изображения с камер диспетчером и предупреждает несчастные случаи в реальном времени. После внедрения системы число нарушений снизилось в десять раз – до восьми в неделю.


Бизнес-эффект от внедрения системы состоит в сокращении прямых расходов на контроль ТБ и ПБ в виде зарплаты диспетчеров и сокращении потерь от простоев производства из-за травматизма.


На Кольской АЭ была развернута сеть около 100 камер во всех производственных помещениях с высоковольтным оборудованием. Камеры фиксируют перемещение персонала и передают сигнал на сервер видеоаналитики. Нейронная сеть анализирует изображение с камер, автоматически регистрирует нарушения ТБ и ПБ и формирует отчеты с видеофиксацией нарушения, места и времени инцидента.


Система распознает 26 элементов СИЗ на видео разрешением 640 × 480 при размере лица от 20 пикселей в высоту, во всех ракурсах при угле наклона камеры относительно пола до 70 градусов, на расстоянии до объекта до 25 м.


Минимальный набор признаков соблюдения ТБ и ПБ, детектируемый системой:


• ношение каски и подбородного ремня;

• ношение и положение защитного щитка (опущен, поднят, частично поднят);

• ношение специальных перчаток, брюк, обуви;

• спецодежда полностью застегнута, рукава не закатаны;

• различение нескольких типов спецодежды;

• трекинг положения работника относительно щитов КРУ.


Информация о нарушениях передается мгновенным сообщением на рабочую станцию и (или) мобильное устройство начальника смены, который по цифровой радиосвязи останавливает работы до устранения нарушений. Система также позволяет отправлять полностью автоматизированные команды на остановку и продолжение работ.


Система представляет собой кластер нейронных сетей или детекторов, которые выполняют определенные задачи. Первый детектор ищет в кадре объекты, похожие на человека, второй определяет его принадлежность к той или иной группе персонала по типу спецодежды, третий ищет объекты СИЗ и нарушения в использовании СИЗ, обязательных для этой группы работников.


Встроенный модуль обучения позволяет дополнительно обучить нейронные сети распознавать новые элементы СИЗ или новый тип спецодежды.


Развитие


Путь от демонстрации прототипа до полного внедрения на Кольской АСЭ занял почти год. В 2020 году концерн «Росэнергоатом» принял решение о масштабировании решения на другие станции и определился с развитием функционала.


VizorLabs разработает специальные точные детекторы возгорания и задымления, специфичные для оборудования концерна Росэнергоатом, и расширит интеграцию с ERP системой станции по заказ-нарядам на обслуживание оборудования, чтобы контролировать комплектность бригад и проведение работ в КРУ.


Наш сайт использует файлы cookie. продолжая пользоваться сайтом, вы соглашаетесь на использование нами ваших файлов cookie.