När den tidigare Scania-entreprenören Jonas Svanholm såg statistiken över hur benägna lastbilschaufförer var att råka ut för olyckor och arbetsskador, tog han och hans team sig an utmaningen att göra sådana arbetsplatser säkrare för alla yrkesverksamma genom att göra säkerhetsvästen som chaufförerna är skyldiga att bära utanför fordonet till något smartare och mer hjälpsamt i farliga situationer.
Att vara yrkeschaufför toppar listan över de mest riskfyllda arbetsmiljöerna både i Sverige och globalt; av 404 dödsfall i arbetsrelaterade olyckor stod yrkeschaufförer för 66 dödsfall under perioden 2011-2020 enligt Arbetsmiljöverket.
Behovet av uppkopplad säkerhet sträcker sig naturligtvis långt bortom enbart lastbilschaufförer, den här västen kan användas i många industriella situationer; byggnation, fastighetsreparationer, stora evenemang, säkerhetsincidenter etc. Huvudsyftet är mycket rakt på sak: att göra slutanvändaren säkrare och ge ägarna insikt i hur man bygger en säkrare arbetsmiljö i nära samarbete med företag för att hitta nya affärsmodeller och nya produkter att sälja.
Hur fungerar det?
Lastbilschaufförer upplever ofta långa arbetstider, regelbundet med potentiellt stressiga situationer samt krävande väderförhållanden, och det var viktigt att arbeta utifrån den plattform de redan hade. Västarna måste uppfylla säkerhetsstandarden EN 471 klass 2, även när de är utrustade med smart teknik och bli Alert Vest.
Västen övervakar i princip alla fall som bäraren kan råka ut för, dessutom kan datan som ledde fram till fallet analyseras. Utöver detta har västen en lampa som börjar blinka om ett fall detekteras, vilket kan varna kollegor på plats.
 |
Fig 1. Samarbete är nyckeln, arbetare i en gruvverksamhet. Alert Vest och privata nätverk gör att arbetare kan vara säkra även djupt nere i en gruva.
Vid upptäckt av att en person faller registreras själva fallet som en händelse på en bråkdels sekund; vanligtvis med en liten förändring i rörelsemängdvektorn, följt av millisekunder av skenbar viktlöshet, och sedan en plötslig, större förändringstakt i den resulterande accelerationsvektorn, sådana är kännetecknen för ett verkligt fall.
Med en säkerhetsväst som plattform visade sig nacken vara en bra placering av sensorn för att få konsekventa avläsningar, medan allt annat som batterier och den inbyggda datorn kan placeras på endera sidan, eller båda för viktsymmetri. Inom maskininlärning finns de traditionella stegen som ska följas, var och en påverkar effektiviteten och noggrannheten hos den resulterande modellen.
I specifika applikationer, där det är svårt att hitta en datamängd som täcker det exakta användningsfallet, måste därför ytterligare träningsdata samlas in. Detta gjordes med hjälp av en Bluetooth-ansluten accelerometer med samtidig videoinspelning. Videoinspelningen, även om den inte används själv i den slutliga applikationen, möjliggör märkning av data både i realtid och i efterhand, med hjälp av Imagimob mobilapp för Android.
TESTNING BORTOM JUDO FALLNIVÅ
Vid ett tillfälle anlitades en professionell judoutövare för att utföra ett stort antal förutbestämda fall, men kunde inte utlösa algoritmerna i den smarta västen, eftersom de utförda fallen var för mjuka (judo som betyder “den mjuka vägen” kan vara en del av förklaringen). Därefter införskaffades en krockdocka på 70 kg som en mindre skicklig fallagent, och som fick genomgå ett antal prövningar, alltför många för att nämnas, från ett brett spektrum av startpositioner och fallhöjder.
Den anslutna västen är också utrustad med en tydlig tryckknapp på framsidan för att uppmärksamma om en operatör fastnar, kilas fast eller på annat sätt blir inklämd i en arbetssituation utan att kunna ringa någon via telefon. Det kanske inte blir något fall alls, och detta utgör ett sekundärt sätt att begära hjälp som komplement till AI-detektionsalgoritmen.
Artikel ursprungligen publicerad i FörsäkringsKanten, 2022-11-02
