teknisk rapport basie v10ltu.diva-portal.org/smash/get/diva2:1050900/fulltext01.pdf · 2016. 11....
TRANSCRIPT
2016-‐11-‐30 version 1.0
1
Teknisk rapport BASIE Bärbara sensorer för ökad personsäkerhet
Författare Dr. Ulf Bodin Luleå tekniska universitet Institutionen för system-‐ och rymdteknik Avdelning; Datavetenskap Forskningsämne; Distribuerade datorsystem Epost; [email protected]
Dr. Camilla Grane Luleå tekniska universitet Institutionen för ekonomi, teknik och samhälle Avdelning; Arbetsvetenskap Forskningsämne; Teknisk psykologi Epost; [email protected]
Joel Lööw Luleå tekniska universitet Institutionen för ekonomi, teknik och samhälle Avdelning; Arbetsvetenskap Forskningsämne; Industriell produktionsmiljö Epost; [email protected]
Innehåll
SAMMANFATTNING 2
INLEDNING 3
BAKGRUND 3
STATE-‐OF-‐THE-‐ART 4 GENERELLT 4 GRUVINDUSTRIN 5 TEKNIKLÖSNINGAR 7 DETEKTERING AV TRÖTTHET/UTMATTNING 7 ANVÄNDNING AV RÄTT UTRUSTNING 7 ERGONOMI I ARBETSMOMENT 8 VARNINGAR KOPPLAT TILL LUFTKVALITET OCH PÅKALLANDE AV HJÄLP 8 SYSTEM FÖR INDUSTRIELLA BÄRBARA SENSORER 9 LÖSNINGAR FÖR HÄLSO-‐ OCH SJUKVÅRD 9
ANALYS OCH REFLEKTIONER 10 JÄMFÖRELSE MED HÄLSO-‐ OCH SJUKVÅRDSRELATERADE LÖSNINGAR 10 BEARBETNING AV DATA TILL INFORMATION 10
SLUTSATS BETRÄFFANDE MÖJLIGA TILLÄMPNINGAR 12
REFERENSER 14
2016-‐11-‐30 version 1.0
2
Sammanfattning Industriella arbetsmiljöer utgör trots omfattande säkerhetsarbete fortfarande en risk för hälsa och välbefinnande för arbetstagarna. Moderna sensorer och tekniker möjliggör att upptäcka risker och olyckor i tid och därmed öka säkerheten inom industrier. Industriella miljöer utrustas idag ofta med vältäckande trådlösa kommunikationsnät som möjliggör positionering och kommunikation med sensorer som bärs av personal. Den här rapporten beskriver aktuella tillämpningar och tekniklösningar. Förstudien har inte identifierat någon särskild tillämpning som kraftfullt driver utveckling av bärbara sensorer för industriella miljöer. Däremot har ett flertal lovande tillämpningar hittats som för närvarande provas av industrier eller finns kommersiellt tillgängliga som tidiga produkter. Några initiativ kan stödja flera tillämpningar och/eller funktioner med samma arkitektur och hårdvara. Flera lösningar bygger på positionering och i viss mån kontextanpassning. För fortsatt arbete föreslås utvärdera tillämpningar såsom (1) insamling av information för bättre uppföljning och analys av tillbud och olyckor, (2) stöd för genomförande av säkerhetsförbättrande åtgärder, baserat på analys av tillbud/olycka eller av annan anledning, samt (3) automatisk larmning vid ensamarbete och/eller särskilt riskfyllt arbete. Som ansats för fortsatt arbete föreslås att (A) definiera en flexibel arkitektur som möjliggör tester med olika typer av sensorer för olika tillämpningar, och etablera ett sådant testsystem, (B) identifiera existerande system till vilka integration behövs, samt (C) definiera återanvändbara funktioner för att säkert skydda den personliga integriteten efter behov som styrs av aktuell tillämpning och överenskommelse med företrädare för personal (dvs. fackföreningar), samt (D) hitta tydliga och väl avgränsade tillämpningar som kan provas praktiskt i målmiljöer.
2016-‐11-‐30 version 1.0
3
Inledning Den här rapporten har tagits fram som del av förstudien BASIE. BASIE har finansierats av Vinnova, Energimyndigheten och Formas inom ramen för det strategiska innovationsprogrammet PiiA (Processindustriell IT och Automation) samt HLRC (Hjalmar Lundbom Research Centre) vid Luleå tekniska universitet.
Syftet med rapporten är att tillhandahålla information om vilka tillämpningar och lösningar med bärbara sensorer som finns idag och som används inom bygg, tillverknings-‐ och/eller processindustrin eller skulle kunna användas inom sådan industri (dvs. state-‐of-‐art). Rapporten syftar även till att presentera möjliga tillämpningar och tekniska lösningar för svensk industri.
Rapporten har tagits fram av projektgruppen för BASIE som bestått av personal från följande ämnen:
• Distribuerade datorsystem (Ulf Bodin) • Teknisk psykologi (Camilla Grane) • Industriell produktionsmiljö (Joel Lööw)
Samarbetet över ämnesgränserna har möjliggjort bredare angreppsätt än vad som varit möjligt inom ett enskilt ämne.
Bakgrund Arbetsmiljöer såsom byggarbetsplatser, kemiska fabriker, tung processindustri och gruvor utgör trots omfattande säkerhetsarbete fortfarande en risk för hälsa och välbefinnande för arbetstagarna. Sådana arbetsmiljöer är relativt vanliga i Norrbottensregionen med företag såsom Boliden, LKAB, SSAB samt flera företag inom byggbranschen samt skogs-‐ och massa-‐ och pappersindustrin. Dessa miljöer innebär en ökad risk på grund av svårdetekterade föroreningar i luft och material som arbetare kan komma i kontakt med. Vissa arbetsmoment medför också en ökad risk för fall-‐ och klämskador. Många industriella arbetsmiljöer innehåller sammantaget risker som kan ge såväl yttre som inre skador. Nedsatt hälsa hos individuella arbetstagare utgör därtill ökad risk när plötsliga sjukdomstillstånd inte upptäcks i tid. Genom att utnyttja de moderna sensorer och tekniker som finns tillgängliga idag möjliggörs nya lösningar som kan användas för att upptäcka risker och olyckor i tid och därmed öka säkerheten inom regionens industrier såväl som inom svensk industri i stort.
Industriella miljöer utrustas idag ofta med vältäckande trådlösa kommunikationsnät som möjliggör kontinuerlig övervakning och styrning av maskiner och produktion såväl som kommunikation med personal. Samtidigt utvecklas teknik och tillämpningar av bärbara sensorer snabbt inom hälsovårdsområdet där realtidsmonitorering på distans är en nyckelapplikation, Shen et al. (2011). Därmed finns goda förutsättningar att utveckla lösningar för monitorering av personal i utsatta industriella miljöer genom att kombinera teknik, kunskap och erfarenheter inom hälsosektorn med lösningar som används inom industrier för övervakning av arbetsmiljö. Mätning av luftkvalité och detektering av föroreningar orsakade av oavsiktliga utsläpp görs ofta kontinuerligt idag i utsatta arbetsmiljöer, t.ex. i underjordsgruvor, stålindustri och fabriker med kemiska processer.
2016-‐11-‐30 version 1.0
4
Positionering av personal baserat på IEEE 802.11 WLAN har nyligen införts i gruvmiljö av Boliden Mines AB och används för att räkna in personal i räddningskammare i händelse av olycka, Mobilaris (2015), Nilsson (2014). LKAB arbetar för närvarande med att införa en liknande lösning. Positionering av utrustning, maskiner och personal kan användas för att utveckla nya och förbättra befintliga lösningar för planering och styrning av industriella processer och aktiviteter för förbättrad säkerhet. Ett tydligt exempel är att undvika att personal blir påkörda av arbetsmaskiner som arbetar autonomt eller fjärrstyrs, WROOMM (2014), AUTOMATED SAFE AND EFFICIENT TRANSPORT SYSTEM (2015). Bärbara sensorer tillsammans med lösningar för ljud, video och textbaserad kommunikation med personal som vistas i industriella miljöer är ett högintressant område som möter trenden för ökad användning av IT för bättre säkerhet i industriella miljöer. Exempel på den trenden inkluderar förutom den positioneringslösning som införts i Bolidens gruvor en arbetsjacka som utvecklats med anledning av nyliga olyckor i Chilenska gruvor, Science Daily (2013). Existerande lösningar kombinerar dock inte fullt ut teknik, kunskap och erfarenheter inom hälsosektorn med lösningar för industriella tillämpningar. Utvecklingen av bärbara sensorer drivs idag framförallt av idrottsrelaterade tillämpningar och av hälso-‐ och sjukvårdsindustrin. Bärbara sensorer för industriella tillämpningar i farliga miljöer är också en realitet i dag, även om sådana tillämpningar typiskt används för olika typer av prov och piloter, Financial Times (2016).
State-‐of-‐the-‐art
Generellt
Forskningsområdet för kroppsnära sensorer växer. Även om mycket forskning har fokus på den systemtekniska sidan börjar allt fler artiklar behandla kroppsnära sensorers möjlighet att på olika sätt förbättra säkerheten. Ett antal artiklar har visat på möjligheten att praktiskt använda kroppsnära sensorer för att direkt minska osäkra beteenden. Vignais m.fl. (2013) mäter i realtid potentiellt skadliga kroppspositioner med hjälp av goniometrar och IMU (inertial measurement unit). Genom att i realtid varsko operatören om när en kroppsställning blir potentiellt skadlig kunde operatörens kroppsställning förbättras utan att signifikant öka tiden för uppgiftens utförande.
Pancardo m.fl. (2015) beskriver ett utvecklat system som i realtid mäter risken för värmeslag med hjälp av kroppsnära sensorer. Systemet tar hänsyn till både operatörens och omgivningens faktorer och kan på så vis ge personliga mätningar istället för allmänna. Ett annat system utvecklat och beskrivet av Senyurek m.fl. (2011) mäter operatörens rörelser. Om operatören inte visar någon aktivitet och ligger horisontellt mer än en given tid, eller om häftig rörelse upptäcks, går ett larm i ett säkerhetscentra och säkerhetspersonal skickas ut. De kroppsnära sensorerna kan även ge information om var larmet går vilket kan underlätta undsättningen.
2016-‐11-‐30 version 1.0
5
Reyes-‐Muñoz m.fl. (2016) skiljer aningen från ovan tillämpningar. De fokuserar istället på förutsättningar som orsakar bilolyckor: sömnighet, berusning, känslomässiga tillstånd, och distraktioner. Deras översikt visar att det är möjligt att mäta alla dessa faktorer till någon grad med hjälp av kroppsnära sensorer. Författarna designade ett system som lyckades mäta nivån av uppmärksamhet hos bilförare.
Potentialen för förbättrad säkerhet och arbetsmiljö med hjälp av kroppsnära sensorer kan också mer indirekt diskuteras – t.ex. diskuterar Hopkins (2009) vad som kallas processindikatorer. Även om processindikatorer fokuserar på faktorer på en högre nivå – så som antalet oplanerade gasutsläpp eller spontana eldsvådor – har kroppsnära sensorer eventuellt en möjlighet att kartlägga sådana oplanerade händelser. För att återanvända det tidigare exemplet: att upptäcka oplanerade gasutsläpp kräver ju att sensorer finns och att de är placerade på rätt ställe – kroppsnära sensorer kan fungera som en redundans eller för täcka upp områden där stationära sensorer inte finns. Ett annat perspektiv kommer från Hollnagel (2014) som menar att säkerhet ”finns” då olyckor inte sker, respektive inte ”finns” då de sker. Därav menar han att man bör mäta vad som finns eller sker när säkerhet finns (alltså då olyckor inte sker). Detta tillför ett intressant perspektiv till användningen av kroppsnära sensorer. En stor fokus tycks nämligen vara på att mäta vad som inte är rätt, t.ex. när en operatör får värmeslag (Pancardo m.fl., 2015) eller när en operatör misstänkts råkat ut för något (Senyurek m.fl., 2011). Med Hollnagels (2014) perspektiv bör man snarare mäta vad ”går rätt”. Ett exempel skulle kunna vara att man mäter vad som är normal puls och gångmönster, där larm då kan avges om något avviker från detta normala. Hollnagels perspektiv är särskilt relevant i det proaktiva och långsiktiga arbetet. Har man länge mätt vad som är normalt kan en påbörjad avvikelse från detta fungera en signal för exempelvis företagshälsovården att någon form av insatts krävs.
Gruvindustrin
Ingen artikel har direkt diskuterat användningen av kroppsnära sensorer i gruvindustrin. Däremot dyker rekommendationer kring olika slags sensorer frekvent upp som ett sätt att öka säkerheten inom gruvindustrin. Från dessa rekommendationer är det dock möjligt att extrapolera till kroppsnära sensorer.
McBride (2004) gör en genomgång av hörselrelaterade arbetsskador i gruvindustrin och nämner att varningssignaler för hög ljudnivåer potentiellt kan öka användningen av hörselskydd. Detta skulle kunna åstadkommas med kroppsnära sensorer.
På ett liknande sätt går McPhee (2004) igenom ergonomiska problem i gruvindustrin. Värt att nämna här är de problem som är relaterade till vibrationer. Här rekommenderar han att kontinuerliga mätningar av vibrationsnivåer görs. Detta kan relateras till kroppsnära sensorer på två sätt. För det första kan, likt rekommendationen, vibrationsnivåerna kontinuerligt mätas med de kroppsnära sensorerna. Dessa mätningar kan användas proaktivt av exempelvis företagshälsovården. Dessutom kan mätningarna knytas till både specifika maskiner och fysisk position. På så sätt är det möjligt att ta reda på om en specifik maskin är problematisk eller behöver underhåll, eller om en viss väg
2016-‐11-‐30 version 1.0
6
är dåligt underhållen. För det andra kan kroppsnära sensorer användas för att avge en varningssignal när vibrationsnivåerna eller exponeringen blir för hög. Kecojevic m.fl. (2007) och Ruff m.fl. (2011) har studerat maskinrelaterade olyckor specifikt inom den amerikanska gruvindustrin. Även om Kecojevic m.fl. (2007) är relativt oprecisa i deras rekommendationer belyser de behovet av övervakning och kontroll för att öka maskinsäkerheten. De nämner t.ex. ”närhetsvarningssystem”, GPS och peer-‐to-‐peer-‐kommunikation, vilka kan knytas an till kroppsnära sensorer. De kroppsnära sensorerna kan informera om operatörernas position och närhet till maskiner. De har även möjlighet att kommunicera denna information. Ruff m.fl. (2011) är mer specifika i deras rekommendationer. De menar att underhåll och reparationer är särskilt farliga moment inom gruvindustrin. De menar att det finns många vinster gällande säkerhet att göra om man kan förbättra metoder för att upptäcka operatörer som befinner sig i farliga områden eller nära farliga komponenter. Även här finns en potential för kroppsnära sensorer. De kan användas just för att varna om operatören befinner sig inom ett farligt område eller nära en farlig komponent. Ruff m.fl. diskuterar också förbättrade ”lockoutsystem” vilka förhindrar att maskiner startar om de repareras av en operatör. Kroppsnära sensorer kan här bidra med en redundans.
Två andra typer av olycksstudier inom gruvindustrin har också genomförts (Lenné m.fl., 2012; Patterson och Shappell, 2010). De använder sig av ett mer djupgående analytiskt ramverk och kan därför bättre analysera orsakerna till olyckorna. De två studierna visar på liknande resultat, t.ex. att runt nio av tio olyckor innefattar operatörens beteende. Kroppsnära sensorer måste här hjälpa avsvärja vissa beteenden eller varna om vissa beteenden förekommer. Specifikt ger Patterson och Shappell (2010) förslaget att på olika sätt öka operatörens vaksamhet, speciellt då utmattning och tristess påverkar utförande – t.ex. under nattetid eller vid enformiga och repetitiva uppgifter. Här har kroppsnära sensorer en funktion att fylla, speciellt om man har i åtanke de faktorer Reyes-‐Muñoz m.fl. (2016) beskriver som mätbara.
Patterson och Shappell (2010) har även rekommendationer liknande Ruff m.fl. (2011) i det att båda diskuterar möjligheten för varningar när en operatör närmar sig en farlig maskin eller ett farligt område. De diskuterar båda även olika sätt att försäkra att åtkomsten till särskilda områden, men här går Patterson och Shappell (2010) längre. De beskriver fall där operatörer måste begära tillstånd innan de beträder ett särskilt område. I de fall när svaret inte kommer direkt händer det att operatören beträder området av ren vana, även fast ett svar inte erhållits. Sensorer som varnar när detta händer kan vara av nytta. Lenné m.fl. (2012) pekar på de många olyckor som beror av negativa mentala och känslomässiga tillstånd och menar att system bör utvecklas som kan upptäcka och varna för detta. Detta kan jämföras med Reyes-‐Muñoz m.fl. (2016). Ett alternativt perspektiv som inte direkt fokuserar på ökad säkerhet eller förbättrade arbetsplatser handlar om att möjliggöra vidare teknisk utveckling och implementationen av tekniska koncept i gruvindustrin. Perspektivet presenteras av Ruiz-‐del-‐Solar m.fl. (2015) där de ifrågasätter det tidigare väletablerade paradigmet med gruvbrytning helt utan mänsklig närvaro (se t.ex. Bäckblom m.fl., 2010). Ruiz-‐del-‐Solar m.fl. (2015) menar att detta inte är
2016-‐11-‐30 version 1.0
7
realistiskt, utan att autonoma maskiner och människor måste kunna samverka inom samma områden (där de idag är strikt åtskilda). För detta vore i så fall kroppsnära sensorer viktiga eftersom att det krävs flera redundanta system som identifierar både maskiner och operatörers position. Detta kan å andra sidan sägas gå emot framförallt rekommendationerna från Ruff m.fl. (2011), men även till en viss del Patterson och Shappell (2010). Ruiz-‐del-‐Solar m.fl. (2015) menar dock själva att deras koncept ökar säkerhet så väl som produktivitet.
Tekniklösningar
Det finns i dag ett flertal tekniska lösningar för bärbara sensorer som provas i industriella sammanhang. Tekniskt är dessa lösningar prototyper som används för fältprov eller en tidig produkt som relativt nyligen börjat säljas kommersiellt. Lösningarna fokuserar typiskt på en begränsad mängd tillämpningar. Följande exempel har hittats:
• Detektering av trötthet och utmattning hos maskinoperatörer • Kontroll av att rätt utrustning tagits med för aktuell uppgift och plats • Kontroll och uppföljning av att arbete utförs ergonomiskt riktigt • Varningar för olika typer av faror och risker kopplat till luftkvalité • Påkallande av hjälp vid olycka eller akut fara
Detektering av trötthet/utmattning
Inom gruvindustrin använder företaget Rio Tinto SmartCap för att detektera trötthet hos maskinoperatörer, RioTinto (2013), SmartCap (2016). SmartCap-‐systemet övervakar fordonsförare eller operatörer av tunga fordon för att detektera trötthet. Systemet är baserat på mätningar av elektrisk hjärnaktivitet (EEG) och bearbetar den informationen för att avgöra en persons nivå av vakenhet och trötthet. Mätningen är integrerad med en keps (Figur 1) som använder Bluetooth för att överföra data till en display i förarhytten. Studier har visat att 69 procent av alla olyckor med truckar vid gruvdrift är relaterat till utmattning hos förare, Zhang och Kecojevic (2016). Det verkar dock saknas publicerade resultat som visar att lösningen fungerar tillfredställande, Abbood m.fl. (2015).
Figur 1 SmartCap med display för att visa trötthetsnivå
Användning av rätt utrustning
Det har utvärderats system för att säkerhetsställa att personal har med sig rätt säkerhetsutrustning beroende på uppgift och plats. Kritzler m.fl. (2015) beskriver
2016-‐11-‐30 version 1.0
8
en studie med ett testsystem som består av taggar som sätts fast på olika typer av personlig säkerhetsutrustning. Systemet består av en databas som används för att hålla rätt på vilken utrustning som behövs, taggar och ett program för Samsung Galaxy Gear Live som listar utrustningen och indikerar om någon utrustning saknas (Figur 2). ActiveBlue (ActiveBlue (2016)) erbjuder ett kommersiellt system med taggar som stödjer både iBeacon och Eddystone som båda bygger på s.k. Bluetooth low energy (BLE) proximity sensing. ActiveBlue hävdar att deras sensorer har upp mot 4 års batteritid. BLE proximity sensorer finns idag att köpa från ungefär 100 kr styck och uppåt.
Figur 2 Testsystem för personlig säkerhetsutrustning, Siemens taggar och Samsung Galaxy Gear Live
Ergonomi i arbetsmoment
Bärbara sensorer kan användas för att detektera bristande ergonomi och skadliga rörelser i olika arbetsmoment. Sådana sensorer och system har en tydlig koppling till lösningar för hälso-‐ och sjukvård samt idrottsutövning. Ett exempel är dorsaVi som erbjuder lösningar för arbetsplatser, hälso-‐ och sjukvård samt för idrottande, dorsaVi (2016). Lösningarna bygger på två olika typer av bärbara sensorer som mäter rörelse respektive muskelaktivitet. Systemet har bl.a. använts av VINCI Construction UK för att minska risken för ryggskador och öka produktiviteten, CeTechTrends (2016).
Varningar kopplat till luftkvalitet och påkallande av hjälp
Faror och risker kopplat till luftkvalitet mäts ofta sedan länge i industriella miljöer, dels med fasta sensorer men även med bärbara sådana. De bärbara sensorerna som typiskt används idag är dock sällan uppkopplade för övervakning i realtid eller nära realtid. Ett ökat intresse för luftkvalitet i andra sammanhang driver utvecklingen av uppkopplade sensorer som mäter luftkvalitet. Det ökande intresset drivs av oro för kvaliteten på bearbetad inomhusluft och växande medvetenhet om luftföroreningar, AZO Sensors (2015). Det finns lösningar för industrier där bärbara sensorer används för att detektera olika typer av gasutsläpp. Ett exempel är en lösning som Accenture har levererat till Marathon Petroleum för att mäta gasutsläpp och koppla mätningarna till GPS position, Accenture (2011).
Accentures lösning omfattar även detektering av arbetare som inte rör sig för att snabbt kalla på hjälp vid olycka eller akut sjukdom. Den lösningen påminner om lösningar för detektering av fall för äldre och handikappade som används inom hälso-‐ och sjukvård. Positionering är förstås en mycket viktig del i en sådan lösning.
2016-‐11-‐30 version 1.0
9
Ett annat exempel är SmartWatch, ett smart arbandsur som Tata Group utvecklar för fabriksarbetare, Financial Times (2016). Det har ett två-‐vägs larm så att bäraren kan meddela eller varnas för farliga situationer. Klockan har även sensorer som övervakar hälso-‐ och miljörisker såsom hjärtfrekvens och förekomst av skadliga gaser. Klockan testas av kranförare vid Tata Steel i Jamshedpur, Indien.
System för industriella bärbara sensorer
Flera leverantörer har eller arbetar för att ta fram systemlösningar för bärbara sensorer. Honeywell och Intel samarbetar om en prototyp till systemlösning för bärbara sensorer i industriella miljöer, Honeywell (2015) och Intel (2015). Lösningen består av bärbara sensorer och utrustning som kommunicerar via BLE till en s.k. Mobile Hub som bearbetar data och skickar vidare information för vidare bearbetning med molntjänster (Figur 3). Mobile Hub hanterar även positionering av personen som bär sensorerna och utrustningen.
Figur 3 Honywell and Intel prototype för bärbara sensorer
Lösningar för hälso-‐ och sjukvård
Lösningar för övervakning av hälsotillstånd som används för sjukvård kännetecknas av mycket höga krav på tillförlitlighet, vilket typiskt leder till lösningar som inte kan användas för monitorering av hälsoläge hos personal i industriella miljöer. De lösningar som tas fram för sjukvård präglas ofta av att möte rigorösa krav kopplat till att övervaka människor som är under vård snarare än monitorering av personer med förhöjd risk för sjukdom eller skada. Lösningarna är också ofta mycket dyra. Alam och Hamida (2014) beskriver ett antal skillnader mellan att använda bärbara sensornätverk (WBANs) inom sjukvård och industri som ber beaktas och skapar särskilda utmaningar för den industriella användningen. Därtill skapar miljön i sig speciella krav. Sensorer i tyngre industrier bör klara en okänslig hantering, väta, smuts och annat som utmärker den industriella miljön. En person i arbete skiljer sig också mycket från en sjuk person. På sjukhus kan sensorer fästas på många punkter utan att
2016-‐11-‐30 version 1.0
10
det stör eftersom patienten ofta ligger still. Sensorer som används på personer i arbete bör vara enkla att sätta på själv och de bör inte vara känsliga för rörelse eller svettning.
En viktig skillnad mellan bärbara sensornätverk inom sjukvård och industri är den elektroniska överföringen av information. En patient kan ofta ha kablad uppkoppling medan en person i arbete behöver ha rörelsefrihet och således bör kommunikationen vara trådlös. Trådlös kommunikation ställer i sin tur krav på att information från personer som sitter nära varandra inte blandas ihop. Johny och Anpalagan (2014) lyfter just den utmaningen och beskriver möjligheten att koppla information till individer genom att utgå ifrån individernas vanliga fysiologiska värden.
Analys och reflektioner
Jämförelse med hälso-‐ och sjukvårdsrelaterade lösningar
En strategi som diskuterats inom projektgruppen för BASIE är att anpassa datainsamlingen utifrån den kontextuella miljön. När två personer är så nära varandra att deras personliga mätdata inte kan åtskiljas kan datainsamling anses onödig. Inom sjukhusmiljön är det viktigt att ha kontinuerlig kontroll över patienters hälsa även då de ligger nära varandra i samma rum. På industrigolven är det främst vid ensamarbete som behovet av mätningar av personligt hälsotillstånd är speciellt gynnsam. Det gäller dock inte förändringar i miljön. Den informationen är inte direkt kopplad till individen och därmed är en sammanblandning av information inte ett problem. Den datainsamlingen bör dessutom vara kontinuerlig eftersom gaser och andra hälsorisker kan vara svåra att upptäcka både vid ensamarbete och vid arbete i grupp.
En annan kategori lösningar kopplat till hälsosektorn är sådana som är kopplade till monitorering av personer med förhöjd risk för sjukdom eller skada. Vanliga värden som mäts för sådana syften är kroppstemperatur, puls, andningsfrekvens och blodtryck. Värden som är tydligt intressanta för monitorering av hälsoläge hos personal i industriella miljöer kan vara kroppstemperatur och puls. Dessa värden kan mätas med den experimentlösning som ABB tidigare utvecklat och uppdaterat för BASIE. En ytterligare kategori som är högintressant för monitorering av personal i industriella miljöer är lösningar för självvald övervakning utanför den organiserade sjukvården. Sådana lösningar omfattar bland annat falldetektering som t.ex. äldre personer kan värdesätta för att undvika att bli liggande utan att kunna tillkalla hjälp på grund av medvetslöshet. Denna kategori av lösningar kan troligen återanvändas för monitorering av personal i industriella miljöer.
Bearbetning av data till information
Den information som kan insamlas med bärbara sensorer kan delas in i tre kategorier, dvs. omgivning, personlig hälsa och position (Figur 4). Information om omgivning och personlig hälsa kan sättas i kontext med hjälp av positionsinformation och annan information såsom vilken aktivitet personen i fråga utför, vilken situation personen befinner sig i och vad som i övrigt sker i den industriella processen för stunden. Projektgruppen för BASIE anser att kontextanpassning av data till användbar information är en nyckelfråga för att
2016-‐11-‐30 version 1.0
11
åstadkomma nytta med bärbara sensorer. Det kan till exempel finnas arbetssituationer där förhöjda värden är förväntade och anpassade för med skyddsutrustning som därmed behöver medföras och användas. Särskilt position anses vara viktigt för att effektivt kunna använda sensordata för förbättrad personsäkerhet.
Figur 4 Kategorier av information från bärbara sensorer
Projektgruppen för BASIE har använt en referensarkitektur som liknar den lösning som Honywell och Intel använder (Intel 2015). Figur 5 visar den referensarkitektur som använts i BASIE. Det är också den referensarkitektur som ABB implementerat i den prototyp som utvecklats tidigare och som uppdateras för BASIE, Figur 6.
Figur 5 BASIE referensarkitektur för bärbara senorer
2016-‐11-‐30 version 1.0
12
Figur 6 ABB arkitektur för bärbara sensorer
En skillnad mellan Honywells/Intels och ABBs/BASIEs arkitekturer är den bärbara enhet som används för att bearbeta sensordata och skicka vidare information. Projektgruppen för BASIE beaktar valet av vilken typ av bärbar enhet som används som viktigt eftersom det påverkar batteritid och vilket GUI som kan erbjudas personal som använder bärbara sensorer. Projektgruppen anser att en mobiltelefon kan vara ett tveksamt val på grund av svårighet att hitta en produkt som erbjuder tillräcklig robusthet, batteritid samtidigt med hög kapacitet att bearbeta och kommunicera data. En lösning med en dedikerad enhet för detta bör alltså övervägas.
En ytterst viktig fråga kopplat till bärbara sensorer är den personliga integriteten. Den frågan diskuteras dock generellt mindre i litteraturen än vad projektgruppen för BASIE förväntade sig. Däremot lyfts säkerhet som en viktig aspekt. En tolkning av detta kan vara att medvetenhet om den personliga integriteten på arbetsplatser är högre i Sverige jämfört med flera andra länder (detta återstår dock att bekräftas).
Slutsats beträffande möjliga tillämpningar Slutsatsen från BASIE är att det inte finns någon tillämpning som kraftfullt driver utveckling av bärbara sensorer för industriella miljöer. I stället finns det ett flertal lovande tillämpningar som för närvarande provas av industrier eller finns kommersiellt tillgängliga som tidiga produkter. Några initiativ bygger också en lösning som kan stödja flera tillämpningar och/eller funktioner med samma arkitektur och hårdvara (t.ex. Honywells och Intels lösning, Honywell (2015), Intel (2015)). Flera lösningar bygger på positionering och i viss mån kontextanpassning.
Möjliga tillämpningar med bärbara sensorer för industriella miljöer omfattar:
• Insamling av information för bättre uppföljning och analys av tillbud och olyckor (t.ex. har faktorer i omgivning eller personlig hälsa påverkat vid tillbud/olycka)
• Stöd för genomförande av säkerhetsförbättrande åtgärder, baserat på analys av tillbud/olycka eller av annan anledning (t.ex. kontroll av att rätt utrustning används, specifik information till personal som vistas i områden med förhöjd risk, etc.)
• Automatisk larmning vid ensamarbete och/eller särskilt riskfyllt arbete (t.ex. automatiskt larm när person inte rör sig och är liggande i ett område där annan personal kanske inte finns).
2016-‐11-‐30 version 1.0
13
Projektgruppen för BASIE föreslår följande ansats för fortsatt arbete:
• Definiera en flexibel arkitektur som möjliggör tester med olika typer av sensorer för olika tillämpningar, och etablera ett sådant testsystem
o Sensorer/taggar som använder BLE och skickar till en bärbar enhet för positionering, bearbetning av data till information och vidare kommunikation över WiFi och 3/4G, bärbart GUI, samt en enhet i kontrollrum kopplat till annan process information och med GUI
• Identifiera existerande system till vilka integration behövs för att nyttja positioneringsfunktioner när GPS inte finns tillgängligt och för att få tillgång till process information (t.ex. situation, aktivitet, etc.)
o Mobilaris system som används för tjänster kopplat till positionering är ett exempel, ABB 800xA som används för process kontroll och övervakning ett annat.
• Definiera återanvändbara funktioner för att säkert skydda den personliga integriteten efter behov som styrs av aktuell tillämpning och överenskommelse med företrädare för personal (dvs. fackföreningar)
o Etablerade protokoll för säker datorkommunikation tillsammans med klart definierade rättigheter för användare av lösningen
• Hitta tydliga och väl avgränsade tillämpningar som kan provar praktiskt i målmiljöer
o Behöver identifieras i dialog med företag som kan delta i tester och tillhandahålla målmiljöer för tester
• Undersöka och identifiera behove, risker och acceptans för bärbara sensorer inom olika industrier och användargrupper
o Identifiera risker som kan undvikas med sensorer o Undersöka upplevda behov genom intervjuer med ansvarig
personal och operatörer o Undersöka acceptansen för att använda bärbara sensorer och
undersöka hur operatörer ser på integritet kontra säkerhet
2016-‐11-‐30 version 1.0
14
Referenser Min Chen, Sergio Gonzalez, Athanasios Vasilakos, Huasong Cao, and Victor C.
Leung. (2011). Body Area Networks: A Survey. Mob. Netw. Appl. 16, 2 (April 2011), 171-‐193.
Mobilaris (2015). Mobilaris mining intelligence -‐ white paper. http://www.mining-‐technology.com/downloads/ whitepapers/resource/mobilaris-‐mining-‐intelligence-‐support/-‐ URL visited 2015-‐04-‐26.
WROOMM (2014). Projekt finansierat av Vinnova. URL: http://www.vinnova.se/sv/Resultat/Projekt/Effekta/2014-‐00599/Wireless-‐and-‐remote-‐-‐operation-‐of-‐mobile-‐machines-‐WROOMM/
AUTOMATED SAFE AND EFFICIENT TRANSPORT SYSTEM (2015). Projekt finansierat av Vinnova. URL: http://www.vinnova.se/sv/Resultat/Projekt/Effekta/2009-‐02186/AUTOMATED-‐SAFE-‐AND-‐EFFICIENT-‐TRANSPORT-‐SYSTEM/
Science Daily. (2013). Mining Jacket a Wearable Warning System for Workers Underground URL: http://www.sciencedaily.com/videos/628911.htm
Nilsson, R. (2014). Radiokanalmätningar i Aitik-‐gruvans öppna dagbrott. Research report. Luleå University of Technology, Sweden
Bäckblom G, Forssberg E, Haugen S, Johansson J, Naartijärvi T och Öhlander B (2010). Smart mine of the future: conceptual study 2009–2010 final report. Luleå.
Hollnagel E (2014). Is safety a subject for science? Safety Science 67: 21-‐24.
Hopkins A (2009). Thinking about process safety indicators. Safety Science 47: 460-‐465.
Kecojevic V, Komljenovic D, Groves W och Radomsky M (2007). An analysis of equipment-‐related fatal accidents in U.S. mining operations: 1995–2005. Safety Science 45: 864-‐874.
Lenné MG, Salmon PM, Liu CC och Trotter M (2012). A systems approach to accident causation in mining: An application of the HFACS method. Accident Analysis and Prevention 48: 111-‐117.
McBride DI (2004). Noise-‐induced hearing loss and hearing conservation in mining. Occupational Medicine 54: 290-‐296.
McPhee B (2004). Ergonomics in mining. Occupational Medicine 54: 297-‐303.
Pancardo P, Acosta F, Hernández-‐Nolasco J, Wister M och López-‐de-‐Ipiña D (2015). Real-‐Time Personalized Monitoring to Estimate Occupational Heat Stress in Ambient Assisted Working. Sensors 15: 16956-‐16980.
Patterson JM och Shappell SA (2010). Operator error and system deficiencies: Analysis of 508 mining incidents and accidents from Queensland, Australia using HFACS. Accident Analysis and Prevention 42: 1378-‐1385.
2016-‐11-‐30 version 1.0
15
Reyes-‐Muñoz A, Domingo M, López-‐Trinidad M och Delgado J (2016). Integration of Body Sensor Networks and Vehicular Ad-‐hoc Networks for Traffic Safety. Sensors 16: 107.
Ruff T, Coleman P och Martini L (2011). Machine-‐related injuries in the US mining industry and priorities for safety research. International journal of injury control and safety promotion 18: 11-‐20.
Ruiz-‐del-‐Solar J, Widzyk-‐Capehart E, Vallejos P och Asenjo R (2015). Synergistic Collaboration of Humans and Automated Systems -‐ Innovative Steps Toward Fully Autonomous and Continuous Mining Systems, i Proceedings Third International Future Mining Conference: 83-‐93. Sydney, Australia,
Senyurek L, Hocaoglu K, Sezer B och Urhan O (2011). Monitoring workers through wearable transceivers for improving work safety, i Proceedings IEEE 7th International Symposium on Intelligent Signal Processing (WISP): Floriana, Malta, 19–21 September 2011.
Vignais N, Miezal M, Bleser G, Mura K, Gorecky D och Marin F (2013). Innovative system for real-‐time ergonomic feedback in industrial manufacturing. Applied Ergonomics 44: 566-‐574.
H. Abbood, W. Al-‐Nuaimy, A. Al-‐Ataby, S. A. Salem and H. S. AlZubi (2015), "Prediction of driver fatigue: Approaches and open challenges," 2014 14th UK Workshop on Computational Intelligence (UKCI), Bradford, 2014, pp. 1-‐6., URL: http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6930193&isnumber=6930143
SmartCap (2016), Homepage, URL: http://www.smartcaptech.com/, [Online; accessed 8-‐Aug-‐2016].
RioTinto (2013), Homepage/News release, URL: http://www.riotinto.com/media/media-‐releases-‐237_8713.aspx [Online; accessed 8-‐Aug-‐2016].
Mareike Kritzler, Martin Bäckman, Anders Tenfält, and Florian Michahelles. (2015). Wearable technology as a solution for workplace safety. In Proceedings of the 14th International Conference on Mobile and Ubiquitous Multimedia (MUM '15). ACM, New York, NY, USA, 213-‐217.
ActiveBlue (2016), Homepage, URL: http://www.activeblu.com [Online; accessed 9-‐Aug-‐2016].
dorsaVi (2016), Homepage, URL: http:// http://dorsavi.com [Online; accessed 9-‐Aug-‐2016].
CeTechTrends (2016), Web, URL: https://enewsletters.constructionexec.com/techtrends/2016/05/wearable-‐technology-‐can-‐improve-‐workplace-‐safety [Online; accessed 9-‐Aug-‐2016].
AZO Sensors (2015), Web/article, URL: http://www.azosensors.com/article.aspx?ArticleID=629 [Online; accessed 9-‐Aug-‐2016].
2016-‐11-‐30 version 1.0
16
Accenture (2011), Homepage/News release, URL: https://newsroom.accenture.com/subjects/client-‐winsnew-‐contracts/accenture-‐life-‐safety-‐solution-‐deployed-‐at-‐robinson-‐illinois-‐refinery.htm [Online; accessed 9-‐Aug-‐2016].
Honeywell (2015), Homepage/News release, URL: http://www.honeywell.com/newsroom/pressreleases/2015/11/honeywell-‐and-‐intel-‐demonstrate-‐prototype-‐of-‐wearable-‐iot-‐connected-‐safety-‐solutions-‐for-‐industrial-‐workers-‐and-‐first-‐responders [Online; accessed 9-‐Aug-‐2016].
Intel (2015), Homepage/Article, URL: http://www.intel.se/content/www/se/sv/industrial-‐automation/industrial-‐applications/honeywell-‐industrial-‐wearables-‐solution-‐brief.html [Online; accessed 9-‐Aug-‐2016].
Financial Times (2016), Homepage/Article, URL: https://next.ft.com/content/d0bfea5c-‐f820-‐11e5-‐96db-‐fc683b5e52db [Online; accessed 9-‐Aug-‐2016].
Alam, M. M. & Hamida, E. B. (2014). Surveying wearable human assistive technology for life and safety critical applications: Standards, challenges and opportunities. Sensors, 14, 9153-‐9209.
Johny, B. & Anpalagan, A. (2014). Body area sensor networks: Requirements, operations, and challenges. IEEE Potentials, 33(2), 21-‐25.
Meng Zhang and Vladislav Kecojevica (2016), “Intervention strategies to eliminate truck-‐related fatalities in surface coal mining in West Virginia”, International Journal of Injury Control and Safety Promotion, pages 115-‐129, Volume 23, Issue 2, 2016