Kun entinen Scania-intrapreneur Jonas Svanholm näki tilastot siitä, kuinka alttiita kuorma-autonkuljettajat olivat onnettomuuksille ja työtapaturmille, hän ja hänen tiiminsä päättivät tarttua haasteeseen tehdä tällaisista työpaikoista turvallisempia kaikille ammattilaisille kehittämällä ajatusmallin, jolla ajoneuvon ulkopuolella pakollista turvaliiviä voitaisiin parantaa ja tehdä siitä hyödyllisempi vaarallisissa tilanteissa.

Ammattimaiset rekkakuskit ovat todennäköisesti vaarallisimmassa työympäristössä sekä Ruotsissa että maailmanlaajuisesti; 404 kuolemaan johtaneesta työtapaturmasta rekkakuskit muodostavat 66 kuolemaa vuosina 2011-2020, kertoo Arbetsmiljöverket.

tinyML ja kaatumisen tunnistus

Yhdistetyn turvallisuuden tarve ulottuu kauas pelkästään rekkakuskien ulkopuolelle, ja vaarallisilla aloilla työskentelevien työntekijöiden valtava määrä muodosti liikkeellepanevan voiman Swanholm Technology AB:n perustamiselle, jonka tehtävänä on tarjota yhdistettyjä turvallisuustuotteita alttiille ammattilaisille. Päämäärä on hyvin suoraviivainen: tehdä loppukäyttäjästä turvallisempi ja tarjota omistajille tietoa siitä, miten rakentaa turvallisempi työympäristö tiiviissä yhteistyössä yritysten kanssa uusien liiketoimintamallien ja uusien myytävien tuotteiden löytämiseksi.

Tämä tavoite ei ollut vailla haasteita, sillä meidän oli otettava käyttöön uusi tietoturvakerros lisäämättä käyttäjälle suoritettavia tehtäviä tai mukanaan tuotavia esineitä.

Rekka-autonkuljettajat kokevat usein pitkiä työpäiviä, joihin liittyy säännöllisesti potentiaalisesti stressaavia tilanteita sekä vaativia sääolosuhteita, ja oli ensiarvoisen tärkeää hyödyntää jo olemassa olevaa alustaa. Liivin on täytettävä EN 471 luokka 2 -turvastandardi, myös älyteknologialla varustettuna, ja siitä tuli Alert Vest. Tarpeettomana on sanoa, että kysymyksiä oli paljon ja käytännön työtä tarvittiin paljon, jotta päästiin tuotevalikoimaan, jota Swanholm nykyään tarjoaa markkinoille, yli 100 myydyllä yksiköllä ja toiminnassa 5 Euroopan maassa.

Sellaisen laitteen käytännön ongelmia oli ratkaistava, mikä loi pohjan uudelle, tehostetulle turvallisuustuotteiden tyypille. Tämä herätti joukon käytännön kysymyksiä, kuten;

• Miten turvaliiviä käytetään nykyään, mikä on sen varsinainen tarkoitus?
• Mitkä anturit ovat avainasemassa ja missä anturit on parasta sijoittaa optimaalisten lukemien saamiseksi?
• Miten elektroniikka upotetaan parhaiten kankaaseen ja ompeluun?
• Kuinka usein käyttäjän pitäisi ladata sisäänrakennettuja litiumakkuja?
• Mikä on paras tapa yhdistää älyliivi älypuhelimeen tai jopa tablettiin?
• Miten laite kestää vuosien likaantumista, sadetta ja normaalia kulumaa?
• Voiko elektroniikan poistaa helposti, kun liivi täytyy pestä?
• Tunkevatko työntekijät olonsa valvotuiksi, vaikka liivi ilmoittaa sijaintinsa älypuhelimeen vain kaatumistunnistushälytyksen lauetessa?

Tämä tuotesarja kehitettiin tiiviissä yhteistyössä liivien valmistajien, sulautettujen järjestelmien insinöörien, kuljetus- ja rakennusyritysten sekä ennen kaikkea loppukäyttäjien kanssa. Näiden haastattelujen ja työpajojen rinnalla piti kehittää ja kouluttaa vaarallisten putoamisten havaitsemiseen tarkoitettu ohjelmisto, ja juuri silloin Jonas Svanholm otti yhteyttä Imagimobin tiimiin selittääkseen loppukäyttäjien tarpeet ja toiveet, antaen siten tehtävän, joka aloitti useita kehityssyklien sarjan, johtaen lopulliseen tuotteeseen ja markkinoille tuloon vuonna 2020.

Palataan teorioihin putoavan ihmisen aistimisesta; itse putoaminen rekisteröidään sekunnin murto-osana tapahtuvaksi; alkaen yleensä pienellä muutoksella liikevektorissa, jota seuraa millisekunneiksi kestävä näennäinen painottomuus, ja sitten nopeasti kasvava kiihtyvyysvektorin muutosnopeus, jotka ovat todellisen putoamisen tunnusmerkkejä.

Turvaliiviä alustana käyttäen niskan takaosa osoittautui hyväksi paikka-alueeksi anturille, jotta saatiin johdonmukaisia lukemia, kun taas kaikki muu, kuten paristot ja sulautettu tietokone, voidaan sijoittaa joko toiselle puolelle tai molemmille painon symmetrian vuoksi. Koneoppimisessa on noudatettava perinteisiä vaiheita, joista kukin vaikuttaa tuloksena olevan mallin tehokkuuteen ja tarkkuuteen.

tinyML ja datasetti

Koneoppimisprojektit alkavat datan keräämisellä jollakin tavalla, ja monilla sovellusalueilla on saatavilla avoimia aineistoja koulutukseen. Tietyissä sovelluksissa, kun taas tarkan käyttötapauksen kattava aineisto voi olla vaikea löytää, joten lisäkoulutusdataa on kerättävä. Tämä tehtiin Bluetooth-yhteydellä toimivalla kiihtyvyysanturilla ja samanaikaisella videokuvaamisella. Videokuvaamista, vaikka sitä ei itsessään käytetäkään lopullisessa sovelluksessa, mahdollistaa datan merkitsemisen sekä reaaliaikaisesti että jälkikäsittelyssä, käyttäen Imagimob-mobiilikuvaussovellusta Androidille.

Ollessaan tunnollinen tiimi, Imagimob-tiimi on suorittanut suuren määrän harjoituksia ja testejä swanholmin teknologiatoimistojen pysäköintialueella ja useissa eri maissa eri asiakaspaikoissa.

Putoaminen auton kuljettajan paikalta, takaovesta purkaessa, liukastuminen maahan, putoaminen tienvarsiojaan; putoamismahdollisuuksia on lähes loputtomasti ja on tärkeää kattaa mahdollisimman monta tapausta.

Tässä tuotteessa käytetty anturi on Bosch BMI-160, joka sisältää sekä 3-akselisen kiihtyvyysanturin että 3-akselisen gyroskoopin pienessä koossa. Se käsittelee kiihtyvyyttä aina ±16 g asti, ja sen virrankulutus on 180 μA kiihtyvyysanturille täydessä toiminnassa ja 3 µA valmiustilassa. Tämä tekee siitä hyvän vaihtoehdon sulautettuihin sovelluksiin, kun laite saa virtansa akuista.

Datan keräämisen ja merkinnän jälkeen malli luodaan ja koulutetaan, minkä jälkeen se varmennetaan testidatan avulla. Se on hieno tapa sanoa, että koulutusdatasta on osia, joita tekoäly ei ole aiemmin nähnyt, ja jossa sen ennusteita verrataan todellisuuteen.

Väärä positiivinen – kaatumisen havaitseminen, vaikka sellaista ei tapahtuisikaan – on vähintäänkin ärsyttävää ja johtaa lopulta Peter-ja-susi-ilmiöön, jossa kukaan ei enää reagoi huonosti suunnitellun järjestelmän hälytyksiin. Todellinen, havaitsematta jäänyt kaatuminen on huomattavasti pahempi, ja se vaatii vain yhden väärän negatiivisen esiintymän herättääkseen epäluottamusta ja aiheuttaakseen vakavia seurauksia yksilöille.

Luonnollisesti käyttäjän ei tarvitse olla yksin työskentelevä hyötyäkseen yhdistetyn turvaliivin käytöstä. Monet muut ammattilaisten ryhmät käyttävät liiviä nykyään, rakennustyömaat, varastot, tienvarsityöntekijät, satamatyöntekijät jne.

Yksi Swanholmin nykyisistä asiakkaista koki tapaturman ennen älyliivien käyttöönottoa miehistössään. Se oli erittäin valitettava tapahtuma, joka sattui rakennustyömaalla keskellä tiimioperaatiota, kun ihmisiä oli paljon lähellä; yksi pyöräkuorma-auton kuljettajista pyörtyi ja putosi yli 2 metrin korkeudesta ajoneuvostaan. Laskeuduttuaan tajuttomana muiden kesti täyden tunnin tajuta hänen tilanteensa, kun hän makasi yhden ison pyörän takana. Joten, vaikka työskennellään yhdessä, on hyvä pystyä jatkuvasti seuraamaan kaikkia äkillisten tapausten varalta.

Kaikki kaatumiset, kompastumiset tai hypyt eivät todellisuudessa johda vakavaan vammaan. Siksi laite on varustettu ajastimella, joka käynnistyy heti kaatumisen havaitsemisen jälkeen. Tämä antaa käyttäjälle mahdollisuuden nollata liivi armonaikana, jonka aikana kuuluu sarja varoituspiippauksia. Vasta tyypillisen 30 sekunnin kuluttua annetaan varsinainen hälytys, joka lähettää ilmoituksia vertaisille, johdolle ja/tai turvallisuushenkilöstölle. Jos sattuu todellinen onnettomuus, käyttäjän ei tarvitse tai ehkä voi tehdä mitään, joten pelkkä ajastimen odottaminen riittää, ja hälytys toteutuu odotetusti.

Yhdistetty liivi on myös varustettu selkeällä painonappikytkimellä edessä, jolla voi herättää huomiota, jos käyttäjä joutuu loukkuun, puristuksiin tai muuten puristuksiin työtilanteessa ilman mahdollisuutta soittaa puhelimella. Kaatumista ei välttämättä tapahdu lainkaan, ja tämä toimii toissijaisena apukutsutapana täydentämään tekoälyn tunnistusalgoritmia.

Swanholm-tuotesarjan toinen tärkeä vakiotoiminto on laiteohjelmiston turvallinen päivittäminen langattomasti (FOTA) älypuhelimen avulla. Tämä mahdollistaa uusien tinyML-mallien ja sovellusten päivittämisen syksyn tunnistusalgoritmien kehittyessä ilman, että laitteita tarvitsee lähettää päivitettäväksi. Lue lisää hälytysliivistä täältä.

Alkuperäisesti julkaistu FleetPoint, 2022-11-02