[論文レビュー] Sustainability Through Cognition Aware Safety Systems -- Next Level Human-Machine-Interaction

Juergen Mangler, Konrad Diwold+8 more|arXiv (Cornell University)|Oct 13, 2021

Human-Automation Interaction and Safety参考文献 37被引用数 5

ひとこと要約

本論文は、注意、ストレス、作業負荷などの人的認知状態をリアルタイムでモニタリングし、それに基づいて安全パラメータを動的に調整するAI駆動アーキテクチャ「認知認識安全システム（CASS）」を提案する。これにより、機能的安全性基準を維持しつつ、不要な安全停止を低減できる。AI推論と適応型人間-機械インタラクションを統合することで、作業者のウェルネスを向上させ、生産の中断を低減し、生産性を向上させる。既存の安全規則を変更することなく実現可能である。

ABSTRACT

Industrial Safety deals with the physical integrity of humans, machines and the environment when they interact during production scenarios. Industrial Safety is subject to a rigorous certification process that leads to inflexible settings, in which all changes are forbidden. With the progressing introduction of smart robotics and smart machinery to the factory floor, combined with an increasing shortage of skilled workers, it becomes imperative that safety scenarios incorporate a flexible handling of the boundary between humans, machines and the environment. In order to increase the well-being of workers, reduce accidents, and compensate for different skill sets, the configuration of machines and the factory floor should be dynamically adapted, while still enforcing functional safety requirements. The contribution of this paper is as follows: (1) We present a set of three scenarios, and discuss how industrial safety mechanisms could be augmented through dynamic changes to the work environment in order to decrease potential accidents, and thus increase productivity. (2) We introduce the concept of a Cognition Aware Safety System (CASS) and its architecture. The idea behind CASS is to integrate AI based reasoning about human load, stress, and attention with AI based selection of actions to avoid the triggering of safety stops. (3) And finally, we will describe the required performance measurement dimensions for a quantitative performance measurement model to enable a comprehensive (triple bottom line) impact assessment of CASS. Additionally we introduce a detailed guideline for expert interviews to explore the feasibility of the approach for given scenarios.

研究の動機と目的

• 現代の人的-機械的生産環境の動的かつ認知的に要求の高い性質と、硬直的な機能的安全性基準の間のギャップを是正すること。
• 人的認知的過負荷、不注意、疲労による安全関連の生産中止を低減し、現在の高コストなシステム停止を是正すること。
• AIを用いて人的認知状態をリアルタイムでモニタリング・応答可能な「認知認識安全システム（CASS）」を構築すること。これにより、より安全で、柔軟性があり、生産性の高い人的-機械的協働を実現すること。
• 経済的、社会的、技術的次元を網羅する定量的で三重のボトムライン（Triple-Bottom-Line）パフォーマンス評価モデルを確立すること。
• 実際の産業現場におけるCASSの実現可能性と影響を評価するための構造化された専門家インタビュー指針を提供すること。

提案手法

• 本論文は、マルチモーダルセンシングと行動分析を用いて、AIベースで人的認知負荷、ストレス、注意をモニタリングするCASSアーキテクチャを導入する。
• CASSは、リアルタイムでの認知状態評価に基づき、安全閾値を動的に調整する適応型システムパラメータを採用し、不適切な安全停止を低減する。
• 高認知負荷状態での状況認識を高めるために、視覚的、聴覚的、触覚的フィードバックメカニズムを統合する。
• 拡張現実（AR）および仮想現実（VR）を用いて、リアルなシナリオでのシミュレーションとトレーニングを実施し、スキルの定着を向上させ、エラーを低減する。
• 経済的、運用的、人的中心の影響を評価するため、ISO WD22400/2 KPIに整合した包括的なパフォーマンス評価フレームワークを提案する。
• CASS導入に伴う経済的、従業員、技術管理上の影響を把握するための構造化された専門家インタビュー用アンケートを策定する。

実験結果

リサーチクエスチョン

• RQ1 認知負荷は工業的生産環境における人的パフォーマンスと安全性にどのように影響を及ぼすか。その影響の測定可能な結果は何か。
• RQ2 AIベースの認知状態モニタリングは、機能的安全性を損なわせることなく、どのように不要な安全停止を低減できるか。
• RQ3 現実の生産環境におけるCASSの影響を評価するにあたり、測定すべき主要な経済的、社会的、技術的パフォーマンス次元は何か。
• RQ4 CASSは、規制変更を要せず、既存の産業的安全性規格および生産プロセスにどのように実現可能に統合できるか。
• RQ5 産業専門家および意思決定者視点から、CASS導入の障壁および促進要因は何か。

主な発見

• 提案されたCASSアーキテクチャにより、認知状態に応じた動的で認知認識型の安全適応が可能となり、一時的な認知的過負荷や不注意に起因する不要な安全停止が低減される。
• 人的認知状態をモニタリング・応答することで、CASSは予期しない生産中止を低減し、スループットレート、設備利用率、および総合設備効率（OEE）の向上に寄与する。
• 本システムは、在庫（WIP）、不良品率、リワーク、繰り返し作業（部品の積み込みやセットアップなど）に要する人的労働時間の大幅な削減が期待できる。
• 専門家インタビューの結果、CASSは作業者の満足度を向上させ、認知的負担を軽減し、デジタルネイティブな若年層の労働者との統合を支援する可能性が強いと示唆された。
• パフォーマンス評価モデルにより、経済的KPI（例：OEE、ROI、サイクルタイム）、従業員のウェルネス、長期的な技術採用を網羅する三重ボトムライン評価が可能となる。
• 本研究では、AIシステムへの過剰依存や、作業者の熟練度の低下といったリスクが主な課題として特定されたが、適切な訓練とシステムの透明性を確保することで、これらを緩和可能である。