[논문 리뷰] Sustainability Through Cognition Aware Safety Systems -- Next Level Human-Machine-Interaction

Juergen Mangler, Konrad Diwold외 8명|arXiv (Cornell University)|2021. 10. 13.

Human-Automation Interaction and Safety참고 문헌 37인용 수 5

한 줄 요약

이 논문은 인간의 인지 상태—주의, 스트레스, 부하 등—을 실시간으로 반영하여 산업 안전 기준을 동적으로 조정하는 AI 기반 아키텍처인 Cognition Aware Safety Systems(CASS)를 제안한다. 이는 기존의 기계적 안전 정책을 유지하면서도 불필요한 안전 정지 횟수를 줄이고, 생산성 향상과 근로자 복지를 동시에 달성한다. CASS는 AI 기반 추론과 적응형 인간-기계 상호작용을 융합하여, 안전성과 기술적 융통성을 향상시킨다.

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.

연구 동기 및 목표

• 유연하지만 엄격한 기능적 안전 기준과 현대의 인간-기계 생산 환경에서의 동적인 인지적 요구 간의 점점 커지는 괴리 문제를 해결하기 위해.
• 현재 인적 요인인 과도한 인지 부하, 무관심, 피로로 인한 안전 관련 생산 정지로 인한 비용 증가 문제를 줄이기 위해.
• 실시간으로 인간의 인지 상태를 모니터링하고 반응하는 Cognition Aware Safety System(CASS)을 개발하여 더 안전하고, 더 유연하며, 더 효율적인 인간-기계 협업 환경를 조성하기 위해.
• 경제적, 사회적, 기술적 차원을 모두 포함하는 정량적 삼중저비용 성과 측정 모델을 수립하여 CASS의 실증적 영향을 평가하기 위해.
• 실제 산업 현장에서 CASS 도입의 가능성과 영향을 평가하기 위한 체계적인 전문가 인터뷰 가이드라인을 제공하기 위해.

제안 방법

• 논문은 AI 기반의 인간 인지 부하, 스트레스, 주의 수준 모니터링을 다중 모odal 센서 및 행동 분석 기술을 활용하여 통합한 Cognition Aware Safety System(CASS) 아키텍처를 제시한다.
• CASS는 실시간 인지 상태 평가에 기반해 안전 임계치를 동적으로 조정하는 적응형 시스템 파rameter를 활용하여 불필요한 안전 정지를 줄인다.
• 고도의 인지 부하 상황에서 작업자에게 시각적, 청각적, 촉각적 피드백 메커니즘을 통합하여 상황 인식 능력을 향상시킨다.
• 증강현실 및 가상현실(AR/VR)을 활용해 현실감 있는 시나리오를 시뮬레이션하고 훈련함으로써 기술 습득 능력 향상과 오류 감소를 도모한다.
• 경제적, 운영적, 인간 중심적 영향을 평가하기 위해 ISO WD22400/2 KPI 기반의 종합적인 성과 측정 프레임워크를 제안한다.
• CASS 도입의 경제적, 임직원, 기술 관리 측면의 영향을 파악하기 위해 산업 현장의 통찰을 확보하기 위한 체계적 전문가 인터뷰 질문지를 개발한다.

실험 결과

연구 질문

• RQ1 인지 부하가 산업 생산 환경에서 인간의 성과와 안전에 어떤 영향을 미치며, 이러한 영향의 측정 가능한 결과는 무엇인가?
• RQ2 AI 기반의 인지 상태 모니터링은 기능적 안전성을 훼손하지 않으면서도 불필요한 안전 정지를 어떻게 줄일 수 있는가?
• RQ3 실제 생산 환경에서 CASS의 영향을 평가하기 위해 측정해야 할 핵심적인 경제적, 사회적, 기술적 성과 차원은 무엇인가?
• RQ4 기존 산업 안전 규정과 생산 워크플로우에 영향을 주지 않고 CASS를 유연하게 통합할 수 있는 방법은 무엇인가?
• RQ5 산업 전문가 및 의사결정자들의 관점에서 CASS 도입의 주요 장벽과 성공 요인은 무엇인가?

주요 결과

• 제안된 CASS 아키텍처는 임시적인 인지 과부하나 무관심으로 인한 불필요한 안전 정지를 줄이는 동적이고 인지 중심의 안전 적응을 가능하게 한다.
• 인간의 인지 상태를 모니터링하고 반응함으로써 CASS는 계획하지 않은 생산 정지를 줄여, 처리 능력 향상, 장비 가용성 향상, 전체 장비 효율성(OEE) 향상에 기여할 수 있다.
• 이 시스템은 작업 중 재고(WIP), 불량률, 재작업 비용, 반복적인 작업(예: 부품 장착, 세팅)에 소요되는 수동 노동 시간을 크게 줄일 잠재력이 있다.
• 전문가 인터뷰 결과, CASS는 근로자 만족도 향상, 인지 부하 감소, 더 젊고 디지털 네이티브한 노동력의 통합 지원에 큰 잠재력을 지닌 것으로 평가된다.
• 성과 측정 모델은 경제적 KPI(예: OEE, ROI, 사이클 타임), 임직원 복지, 장기적 기술 도입을 포함하는 종합적인 삼중저비용 평가를 가능하게 한다.
• 연구는 잠재적 과도한 AI 의존도와 운영자 전문성 저하 위험 등의 주요 과제를 특정하였으며, 이는 적절한 훈련과 시스템 투명성 확보를 통해 완화되어야 한다.