تقييم مخاطر ذكي وإنذار مبكر لتكامل الإنسان-الآلة-البيئة في محطات تجهيز الفحم

لماذا الحفاظ على سلامة محطات الفحم مهم

محطات تجهيز الفحم هي المواقع التي تُنظف وتُصنَّف فيها الفحم الخام قبل حرقه في محطات الطاقة أو استخدامه في الصناعة. تمتلئ هذه المصانع بآلات سريعة الحركة، وغبار، وضوضاء، ومياه—ظروف قد تعرض العمال للخطر بسهولة. تستكشف هذه الدراسة كيف يمكن لدمج تحليل المخاطر المنظم مع رؤية الحاسوب الحديثة تحويل كاميرات المراقبة التقليدية إلى حراس ذكيين يراقبون المسافات بين الأشخاص والآلات وينذرون العمال قبل وقوع حادث.

مخاطر خفية في موقع عمل مزدحم

داخل محطة تجهيز الفحم، تأتي المخاطر من جهات متعددة في آن واحد. قد تقذف الكسارات والشاشات الاهتزازية كتلًا ثقيلة من الفحم أو تقذف أجزاء مكسورة؛ تدفع أنظمة الوسط الكثيف الملاط الكاشط عبر أنابيب تحت ضغط مرتفع، ما قد يتسرب على شكل نفاثات قوية. تتواجد معدات كهربائية عالية الجهد في غرف رطبة حيث يمكن أن يفشل العزل، وقد تمتلئ الناقلات ومناطق التخزين بغبار الفحم الناعم القابل للانفجار عند الاشتعال. تشكل البرك والمكثفات والمكابس المطبوخة مخاطر غرق وسحق. كما أن التعرض الطويل الأمد للغبار قد يضر برئة العمال. استخدم المؤلفون قائمة فحص منظمة تعرف بإطار 4M1E—النظر في الأشخاص والآلات والمواد والطرق والبيئة—لتخطيط هذه المخاطر المتنوعة عبر المحطة.

تحديد ترتيب ما قد يؤذي الناس أكثر

لأن ليس كل قطعة من المعدات خطرة بنفس الدرجة، شرع الفريق في تصنيف مستويات المخاطر بصورة منهجية. بنوا شجرة أعطال—نوع من مخططات المنطق التي تبدأ بحادث خطير، مثل إصابة عامل عند تشغيل ناقل بشكل غير متوقع، وتعمل للخلف لتبيان تراكمات الإخفاقات الصغيرة التي جعلت الحادث ممكنًا. ساعد ذلك في إيضاح نقاط الضعف مثل تخطي إجراءات القفل، أعطال التحكم الكهربائي، وغياب الحواجز الفيزيائية. باستخدام معايير إدارة المخاطر الدولية، جمعوا بعد ذلك بين احتمال وقوع حدث وشدة نتيجته، وطبقوا طريقة وزن لموازنة عوامل المعدات والظروف البيئية والسلوك البشري. كانت النتيجة ترتيبًا على غرار "إشارة المرور" حيث وُضعت ناقلات الحزام والشاشات الاهتزازية، على سبيل المثال، كعناصر عالية الخطورة تتطلب ضوابط صارمة.

تعليم الكاميرات مراقبة المسافات

للانتقال من التحليل الورقي إلى العمل الميداني، قام الباحثون بترقية كاميرات المراقبة العادية بخوارزمية اكتشاف كائنات حديثة تُعرف باسم YOLOv10. تتيح هذه البرمجية للحاسب تمييز الأشخاص والآلات في كل إطار فيديو في الوقت الحقيقي. لأن محطات الفحم تكون مغبرة ومظلمة ومزدحمة بالأنابيب والهياكل، عزز الفريق الخوارزمية بوحدات انتباه تساعدها على التركيز على الأجزاء الأكثر معلوماتية من الصورة، وبطرق أذكى لدمج المعلومات من كائنات ذات أحجام مختلفة. كما حسّنوا طريقة الحكم على مطابقة المواقع المتوقعة والفعلية لضمان ثبات ودقة الصناديق المحيطة بالعمال والآلات حتى في ظروف سيئة.

من البكسلات إلى الإنذارات في أرض المصنع

اكتشاف الكائنات هو نصف المشكلة فقط؛ يجب أن يعرف النظام متى يكون الأشخاص قريبين جدًا من الخطر. بدلاً من استخدام كاميرات ثلاثية الأبعاد باهظة الثمن أو ماسحات ليزر، اعتمد الفريق حلاً مبتكرًا: تُعاير كاميرا واحدة باستخدام جسم ذي عرض معروف بحيث يمكن تحويل المسافات بالبكسل في الصورة إلى مسافات تقريبية في العالم الحقيقي على الأرض. مع هذا الإعداد، يقيس البرنامج باستمرار الفجوة بين كل شخص والآلات القريبة. إذا دخل عامل منطقة تحذير، يظهر تحذير بصري على الشاشة؛ والدخول إلى منطقة خطر ضيقة يؤدي إلى إطلاق إنذار صوتي والتقاط لقطات آلية وتسجيلات في السجل، مما يخلق سجلًا لمن فعل ماذا ومتى وأين. في اختبارات محكمة، استطاع النظام تقدير المسافات بدقة تقارب ستة سنتيمترات في المتوسط وإطلاق الإنذارات في حوالي ثلاثة أعشار الثانية.

تطبيق الإنذار الذكي عمليًا

تم تجربة النظام تجريبيًا في محطة تجهيز فحم حقيقية، مع التركيز على ممرات الناقلات ومناطق مكابس الفلاتر التي صُنفت على أنها عالية الخطورة. في يوم نموذجي، أنتج النظام حوالي خمسة عشر تحذيرًا صالحًا، رصدت أفعالًا غير آمنة مثل اقتراب العمال من آلات تعمل أو عدم ارتداء الخوذ. وبما أن كل حدث تم توثيقه بالصور والطوابع الزمنية، تمكن مديرو السلامة من تحديد متى وأين كانت المخالفات أكثر شيوعًا—مثلًا أثناء تسليم ورديات—وضبط جداول الإشراف. خلال شهر واحد، قلت المخالفات المسجلة خلال هذه الأوقات الذروة بحوالي 40%، مما يوحي بأن مزيج التنبيهات الفورية والأدلة القابلة للتتبع غير سلوك العمل على الأرض.

ما يعنيه هذا لعمليات الفحم الأكثر أمانًا

ببساطة، تُظهر هذه الدراسة أن إقران ترتيب المخاطر المنهجي بكاميرات ذكية يمكن أن يساعد محطات تجهيز الفحم على الانتقال من رد الفعل بعد الحوادث إلى منعها في الوقت الحقيقي. لا تدّعي هذه الطريقة أنها تلتقط كل تقلبات السلوك البشري أو الثقافة التنظيمية، وتعتمد دقتها على وضعية الكاميرا والإضاءة وإعادة تدريب نموذج الكشف محليًا. ومع ذلك، من خلال تحديد أخطر المعدات بوضوح، ومراقبة مدى قرب العمال تلقائيًا، وتسجيل كل إنذار، يقدم النهج مسارًا عمليًا لتحويل أنظمة الفيديو الموجودة إلى شركاء نشطين في السلامة—مما قد ينقذ الأرواح ويقلل الإصابات في أحد أصعب بيئات الصناعة.

الاستشهاد: Zhao, Y., Hu, Y. & Shi, Q. Intelligent risk assessment and early warning for human–machine–environment coupling in coal preparation plants. Sci Rep 16, 12503 (2026). https://doi.org/10.1038/s41598-026-42874-5

الكلمات المفتاحية: سلامة تجهيز الفحم, مراقبة برؤية الحاسوب, تقييم المخاطر الصناعية, تفاعل الإنسان والآلة, أنظمة الإنذار المبكر