Inteligentna ocena ryzyka i wczesne ostrzeganie dla sprzężenia człowiek–maszyna–środowisko w zakładach przeróbki węgla

Dlaczego bezpieczeństwo zakładów przeróbki węgla ma znaczenie

Zakłady przeróbki węgla to miejsca, gdzie surowy węgiel jest oczyszczany i sortowany zanim zostanie spalony w elektrowniach lub użyty w przemyśle. Te instalacje są wypełnione szybko poruszającymi się maszynami, pyłem, hałasem i wodą — warunki, które łatwo mogą narazić pracowników na niebezpieczeństwo. Badanie to analizuje, jak połączenie usystematyzowanej analizy ryzyka z nowoczesnym widzeniem komputerowym może przekształcić tradycyjne kamery nadzoru w inteligentnych strażników, którzy mierzą odległości między ludźmi a maszynami i ostrzegają pracowników, zanim wydarzy się wypadek.

Ukryte zagrożenia na zatłoczonym stanowisku pracy

W zakładzie przeróbki węgla niebezpieczeństwo może pojawić się z wielu stron jednocześnie. Kruszarki i przesiewacze mogą wyrzucać ciężkie bryły węgla lub odłamywać części; systemy średnioszczelne tłoczą abrazujący zawiesinę przez rury pod wysokim ciśnieniem, co może powodować silne wycieki. Urządzenia wysokiego napięcia znajdują się w wilgotnych pomieszczeniach, gdzie izolacja może zawieść, a przenośniki i magazyny mogą wypełniać się drobnym pyłem węglowym, który przy zapaleniu może eksplodować. Baseny, zagęszczacze i prasy filtracyjne wprowadzają ryzyko utonięcia i zmiażdżenia. Długotrwała ekspozycja na pył może też uszkodzić płuca pracowników. Autorzy zastosowali usystematyzowaną listę kontrolną znaną jako rama 4M1E — analizując ludzi, maszyny, materiały, metody i środowisko — by zmapować te różnorodne ryzyka w całym zakładzie.

Uszeregowanie zagrożeń najgroźniejszych dla ludzi

Ponieważ nie wszystkie urządzenia są równie niebezpieczne, zespół postanowił systematycznie ocenić poziomy ryzyka. Zbudowali drzewo usterek — rodzaj diagramu logicznego, który zaczyna się od poważnego wypadku, takiego jak pracownik zraniony w wyniku niespodziewanego uruchomienia przenośnika, i cofa się do kombinacji drobnych błędów, które to umożliwiły. To pomogło uwypuklić słabe ogniwa, takie jak pomijane procedury blokowania, usterki sterowania elektrycznego i brakujące osłony fizyczne. Z użyciem międzynarodowych standardów zarządzania ryzykiem, połączyli następnie prawdopodobieństwo zdarzenia z ciężkością jego skutków i zastosowali metodę ważenia, aby zrównoważyć czynniki związane ze sprzętem, warunkami środowiskowymi i zachowaniem ludzi. Wynikiem było uszeregowanie w stylu „sygnalizacji świetlnej”, w którym na przykład przenośniki taśmowe i przesiewacze wibracyjne zostały oznaczone jako elementy o najwyższym ryzyku wymagające najsurowszych środków kontroli.

Nauka kamer obserwowania odległości

Aby przejść od analizy papierowej do działania, badacze udoskonalili zwykłe kamery nadzoru za pomocą nowoczesnego algorytmu wykrywania obiektów znanego jako YOLOv10. Oprogramowanie to umożliwia komputerowi rozpoznawanie ludzi i maszyn w każdej klatce wideo w czasie rzeczywistym. Ponieważ zakłady przeróbki węgla są zapylone, przyciemnione i zagracone rurami oraz konstrukcjami, zespół wzbogacił algorytm o moduły uwagi, które pomagają mu koncentrować się na najbardziej informacyjnych częściach obrazu, oraz o inteligentniejsze sposoby łączenia informacji z obiektów o różnych rozmiarach. Doprecyzowali także sposób, w jaki system ocenia zgodność między przewidywanymi a rzeczywistymi pozycjami, aby upewnić się, że ramki otaczające pracowników i maszyny są stabilne i dokładne nawet w trudnych warunkach.

Od pikseli do alarmów na hali

Wykrywanie obiektów to tylko połowa zadania; system musi też wiedzieć, kiedy ludzie znajdują się zbyt blisko niebezpieczeństwa. Zamiast stosować kosztowne kamery 3D lub skanery laserowe, zespół zastosował sprytne obejście: pojedyncza kamera jest skalibrowana za pomocą obiektu o znanej szerokości, tak że odległości w pikselach na obrazie można przeliczyć na przybliżone odległości rzeczywiste na podłodze. W takim układzie oprogramowanie ciągle mierzy odstęp między każdą osobą a pobliskimi maszynami. Jeśli pracownik wejdzie w strefę ostrzegawczą, na ekranie pojawia się wizualne ostrzeżenie; wejście w węższą strefę niebezpieczeństwa wywołuje alarm dźwiękowy oraz automatyczne migawki i wpisy w dzienniku, tworząc zapis, kto co zrobił, kiedy i gdzie. W testach kontrolowanych system mógł szacować odległości ze średnim błędem około sześciu centymetrów i wywoływać alarmy w około trzech dziesiątych sekundy.

Wdrożenie inteligentnego ostrzegania w praktyce

System został przetestowany pilotażowo w rzeczywistym zakładzie przeróbki węgla, koncentrując się na korytarzach przenośników i obszarach pras filtracyjnych ocenionych jako wysokiego ryzyka. W typowy dzień generował około piętnastu ważnych ostrzeżeń, wykrywając niebezpieczne zachowania, takie jak zbliżanie się pracowników do pracujących maszyn lub brak kasków. Ponieważ każde zdarzenie było dokumentowane zdjęciami i znacznikami czasu, menedżerowie ds. bezpieczeństwa mogli ustalić, kiedy i gdzie naruszenia występowały najczęściej — na przykład podczas przekazywania zmian — i dostosować harmonogramy nadzoru. W ciągu miesiąca odnotowane naruszenia w tych szczytowych okresach zmniejszyły się o około 40%, co sugeruje, że połączenie powiadomień w czasie rzeczywistym i możliwości weryfikacji zmieniło zachowanie na hali.

Co to oznacza dla bezpieczniejszej eksploatacji węgla

Mówiąc prosto, badanie pokazuje, że sparowanie systematycznego rangowania ryzyka z inteligentnymi kamerami może pomóc zakładom przeróbki węgla przejść od reagowania po wypadkach do zapobiegania im w czasie rzeczywistym. Metoda nie twierdzi, że uchwyci każdy zwrot ludzkiego zachowania czy kulturę organizacyjną, a jej dokładność zależy od rozmieszczenia kamer, oświetlenia i lokalnego retreningu modelu detekcji. Mimo to, dzięki wyraźnemu wskazaniu najniebezpieczniejszego sprzętu, automatycznemu monitorowaniu odległości pracowników i zapisywaniu każdego ostrzeżenia, podejście oferuje praktyczną drogę przekształcenia istniejących systemów wizyjnych w aktywnych partnerów bezpieczeństwa — z potencjałem ratowania życia i zmniejszania liczby urazów w jednym z najbardziej wymagających środowisk przemysłowych.

Cytowanie: 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

Słowa kluczowe: bezpieczeństwo w przeróbce węgla, monitorowanie widzeniem komputerowym, ocena ryzyka przemysłowego, interakcja człowiek–maszyna, systemy wczesnego ostrzegania