物联网传感器将为工人带来更有保障的安全

过去几十年，随着机器和工艺安全的进步，延伸到工业机器人的协作技术，工业生产已经变得安全，但工人的安全仍存在风险。随着新型互联技术在工业领域的发展，工人们的流动性也越来越强，这意味着人员在设施设备中间移动，他们个人的安全风险也在不断变化。

作为工业4.0和工业物联网计划的一部分，联网传感器收集设备数据正在更多的应用在工人身上，以保护他们的安全。例如，一种旨在捕捉工人移动数据的工业级轻型物联网传感器设备和平台就有这样的作用。工人佩戴的传感器每秒读取12.5倍的数据，也就是说，在8小时的轮班班次中，读取次数约为30万次。

传感器包含一个9轴惯性测量单元，可以检测到组成用户安全评分的5个主要部分的准确读数。安全评分的5个部分来自William Marras博士的腰部运动监测风险模型，包括平均最大屈曲、平均扭转速度、平均最大横向速度、抬升率和最大弯矩。

每个设备收集的数据上传到云端，平台的专有机器学习算法分析穿戴者的肌肉骨骼损伤风险。而传感器被设计成具有多个集成传感器的单一设备。

至于传感器获取的数据如何转化为针对工人的纠正措施，负责人说，这些数据使专业人员能够真正深入地研究数据中的各种趋势和异常。通过使用平台数据表单的核心特性，能够了解在哪些地方可以应用培训和实时反馈等行为进行改进。同时，平台还能够识别需要改进的领域，并指出可能需要实施工程控制或物理约束的地方。

例如，在一家大型零售商的配送中心，在仓库的某个特定区域，安全得分一直很低。经过与客户的分析和讨论，了解到该仓库存在一处环境上的限制，没法做到安全并恰当的动作。所以，仓库相应改变了工作环境。而此次部署中的数据和经验也被收集到选项库中，并在客户档案中进行改进，以便将来适用于其他客户。

这种应用给工业领域带来了对工人进行安全评估的重大变化。目前的人体工程学和安全评估通常是由训练有素的人体工程学专家或安全专家，带着纸、相机、卷尺和视觉观察来完成的。可以想象，这种方法有几个弊端：

1）只能在特定的时间范围内观察那么多人；

2）观察的性质会使正在进行的工作发生某种变化，即所谓的“霍桑效应”（即，当人们在意识到自己正在被关注或者观察的时候，会刻意去改变一些行为或者是言语表达的效应）。

对用户来说，该应用最直接的利益就是减少工人伤害，并减少因受伤引发的索赔。

对于那些担心可穿戴设备可能会被追踪的员工也不必担心，设备的目的是保护工人，并专注于数据如何为他们解决特定的风险，并不会追踪工人的工作效率，也不会因工作加以惩罚因素和泄露隐私。