Valutazione intelligente del rischio e allerta precoce per l’accoppiamento uomo–macchina–ambiente negli impianti di preparazione del carbone

Perché mantenere sicuri gli impianti carboniferi è importante

Gli impianti di preparazione del carbone sono dove il carbone grezzo viene pulito e selezionato prima di essere bruciato nelle centrali elettriche o impiegato nell’industria. Questi stabilimenti sono pieni di macchinari in rapido movimento, polvere, rumore e acqua — condizioni che possono facilmente mettere i lavoratori in pericolo. Questo studio esplora come la combinazione di un’analisi strutturata del rischio con moderne tecniche di visione artificiale possa trasformare le telecamere di sorveglianza tradizionali in guardiani intelligenti che monitorano le distanze tra persone e macchine e avvertono i lavoratori prima che si verifichi un incidente.

Pericoli nascosti in un cantiere affollato

All’interno di un impianto di preparazione del carbone, il pericolo proviene da molte direzioni contemporaneamente. Frantumatori e vagli vibranti possono espellere pezzi pesanti di carbone o perdere parti rotte; i sistemi a medio denso spingono poltiglie abrasive attraverso tubazioni ad alta pressione, che possono fuoriuscire in getti potenti. Apparecchiature elettriche ad alta tensione si trovano in locali umidi dove l’isolamento può guastarsi, e nastri trasportatori e aree di stoccaggio possono riempirsi di polvere di carbone finissima che può esplodere se innescata. Bacini, fanghi e presse filtranti introducono rischi di annegamento e schiacciamento. L’esposizione prolungata alla polvere può inoltre danneggiare i polmoni dei lavoratori. Gli autori hanno utilizzato una checklist strutturata nota come quadro 4M1E — analizzando persone, macchine, materiali, metodi e ambiente — per mappare questi rischi eterogenei in tutto l’impianto.

Classificare ciò che può ferire di più

Poiché non tutte le apparecchiature sono ugualmente pericolose, il team ha deciso di classificare i livelli di rischio in modo sistematico. Hanno costruito un albero dei guasti — una specie di diagramma logico che parte da un incidente grave, come un lavoratore ferito quando un nastro trasportatore si avvia inaspettatamente, e risale alle combinazioni di piccoli guasti che lo rendono possibile. Questo ha evidenziato punti deboli come procedure di blocco saltate, guasti ai comandi elettrici e protezioni fisiche mancanti. Utilizzando standard internazionali di gestione del rischio, hanno poi combinato la probabilità che un evento si verifichi con la gravità delle sue conseguenze, applicando un metodo di ponderazione per bilanciare fattori relativi alle apparecchiature, alle condizioni ambientali e al comportamento umano. Il risultato è stata una graduatoria in stile “semaforo” nella quale, per esempio, nastri trasportatori e vagli vibranti sono stati segnalati come le voci a rischio più alto che richiedono i controlli più stringenti.

Insegnare alle telecamere a misurare le distanze

Per passare dall’analisi cartacea all’azione, i ricercatori hanno aggiornato le telecamere di sorveglianza ordinarie con un moderno algoritmo di rilevamento degli oggetti noto come YOLOv10. Questo software permette a un computer di identificare persone e macchine in ogni fotogramma video in tempo reale. Poiché gli impianti carboniferi sono polverosi, poco illuminati e ingombri di tubazioni e strutture, il team ha migliorato l’algoritmo con moduli di attenzione che lo aiutano a concentrarsi sulle parti più informative dell’immagine e con metodi più intelligenti per combinare informazioni provenienti da oggetti di dimensioni diverse. Hanno anche perfezionato il modo in cui il sistema valuta la corrispondenza tra posizioni previste e reali per garantire che le cornici che racchiudono lavoratori e macchine siano stabili e accurate anche in condizioni difficili.

Dai pixel agli allarmi in officina

Rilevare oggetti è solo metà del problema; il sistema deve anche riconoscere quando le persone sono troppo vicine al pericolo. Invece di usare costose telecamere 3D o scanner laser, il team ha adottato una soluzione ingegnosa: una singola telecamera viene calibrata usando un oggetto di larghezza nota in modo che le distanze in pixel nell’immagine possano essere convertite in approssimative distanze reali sul pavimento. Con questa configurazione, il software misura continuamente lo spazio tra ogni persona e le macchine vicine. Se un lavoratore entra in una zona di cautela, sullo schermo compare un avviso visivo; entrando in una zona di pericolo più stretta si attiva un allarme sonoro e vengono scattate istantanee automatiche e registrazioni di log, creando una traccia di chi ha fatto cosa, quando e dove. In test controllati, il sistema è stato in grado di stimare le distanze con una precisione media di circa sei centimetri e di lanciare allarmi in circa tre decimi di secondo.

Mettere in pratica l’allerta intelligente

Il sistema è stato sperimentato in un reale impianto di preparazione del carbone, concentrandosi su corridoi di nastri trasportatori e aree con presse filtranti classificate come ad alto rischio. In una giornata tipica ha generato circa quindici avvisi validi, rilevando comportamenti non sicuri come lavoratori che si avvicinavano a macchine in funzione o che non indossavano elmetti. Poiché ogni evento veniva documentato con immagini e marcature temporali, i responsabili della sicurezza potevano individuare quando e dove le violazioni erano più frequenti — ad esempio durante i cambi turno — e adeguare i programmi di supervisione. Nel giro di un mese, le violazioni registrate durante questi momenti critici sono diminuite di circa il 40%, suggerendo che la combinazione di stimoli in tempo reale e prove tracciabili ha modificato i comportamenti sul campo.

Cosa significa per operazioni del carbone più sicure

In termini semplici, questa ricerca dimostra che abbinare una classificazione sistematica del rischio a telecamere intelligenti può aiutare gli impianti di preparazione del carbone a passare da una reazione post-incidente a una prevenzione in tempo reale. Il metodo non pretende di catturare ogni sfumatura del comportamento umano o della cultura organizzativa, e la sua accuratezza dipende dal posizionamento delle telecamere, dall’illuminazione e dal riaddestramento locale del modello di rilevamento. Tuttavia, identificando chiaramente le apparecchiature più pericolose, monitorando automaticamente quanto si avvicinano i lavoratori e registrando ogni avviso, l’approccio offre una via pratica per trasformare i sistemi video esistenti in partner attivi della sicurezza — con potenziale per salvare vite e ridurre gli infortuni in uno degli ambienti industriali più impegnativi.

Citazione: 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

Parole chiave: sicurezza negli impianti di preparazione del carbone, monitoraggio con visione artificiale, valutazione del rischio industriale, interazione uomo–macchina, sistemi di allerta precoce