Kamera litar tertutup di kilang itu sedang menjelma menjadi juruaudit keselamatan pekerjaan: ambang sebenar untuk melaksanakan penglihatan komputer

Pukul 7:40 pagi, syif siang sebuah kilang pemprosesan logam baru sahaja bertukar tangan. Sebuah forklift berundur keluar dari kawasan rak bahan, dan seorang operator yang baru tiga minggu bekerja menunduk sambil menatal telefon, melangkah keluar dari selekoh — laluan kedua-duanya akan bersilang dalam tiga saat.

Jika kilang ini memasang sistem penglihatan komputer keselamatan pekerjaan, pembesar suara di siling akan berbunyi lebih dahulu pada saat ini. Jika tidak, kesudahan perkara ini terpaksa diserahkan kepada nasib.

Beberapa tahun kebelakangan ini, produk yang "mengubah kamera litar tertutup menjadi juruaudit keselamatan AI" semakin banyak, dengan tarikan jualan yang sama: tidak perlu tukar perkakasan, cukup sambungkan pada kamera sedia ada dan ia boleh terus digunakan. Kedengaran seperti ambang yang rendah sehingga sukar dipercayai. Tetapi apabila saya benar-benar bertanya kepada beberapa buah kilang yang pernah melaksanakannya, tempat yang tersekat itu berbeza sama sekali daripada apa yang tertera dalam pembentangan pembekal.

Latar belakang isu

Pasaran ini terbentuk lebih pantas daripada yang dijangka. Intenseye secara rasmi mendakwa memproses 22 bilion bingkai imej setiap hari, dengan senarai pelanggan merangkumi Swire Coca-Cola, Siemens, Unilever dan Heineken; kes Swire Coca-Cola menunjukkan kadar kecederaan hari hilang kerja menurun 27%. Voxel mengetengahkan pelaksanaan dalam 48 jam dan keserasian dengan lebih 95% kamera IP sedia ada, dengan pelanggan melaporkan kos pampasan kemalangan pekerjaan turun sehingga 73%. Protex AI pula mengambil pendekatan pengkomputeran tepi (edge computing) dan menegaskan imej tidak keluar dari kilang.

Laluan teknologinya sebenarnya lebih kurang sama: aliran kamera disuap kepada model penglihatan komputer untuk mengenal pasti beberapa kategori tingkah laku berisiko tinggi seperti tidak memakai alat pelindung, memasuki kawasan larangan, pertembungan orang dengan kenderaan, dan panjatan yang tidak selamat, lalu mencetuskan amaran atau tiket kerja. Perbezaannya terletak pada kedalaman item pengesanan, sama ada pengkomputeran diletakkan di awan atau di tepi, serta aliran kerja yang disambungkan selepas masalah ditemui.

Di Malaysia, daya penggerak datang dari dua arah. Pertama, penguatkuasaan dan denda terhadap kemalangan pekerjaan besar semakin ketat dari tahun ke tahun. Kedua, kilang semakin sukar mendapatkan tenaga kerja — apabila pekerja mahir bersara dan kadar pusing ganti pekerja baharu tinggi, pengurusan keselamatan tradisional yang bergantung pada "pekerja berpengalaman memantau dengan mata" semakin gagal.

Sorotan utama

• Pelaburan perkakasan sifar itu benar, tetapi kerja kejuruteraan sifar itu palsu. Keserasian dengan kamera sedia ada memang menjimatkan kos penggantian, tetapi sudut, ketinggian dan resolusi kamera adalah hal yang lain.
• Nisbah isyarat-hingar item pengesanan lebih penting daripada bilangannya. Mengesan 50 jenis pelanggaran belum tentu lebih berguna daripada mengesan 5 risiko besar.
• Pilihan antara awan dan tepi ialah isu keselamatan data, bukan kecenderungan teknikal. Sama ada imej boleh keluar dari kilang atau tidak merupakan syarat mutlak dalam rantaian bekalan yang tertakluk pada audit pelanggan.
• Jika tiada sesiapa mengendalikan amaran selepas ia dibunyikan, keseluruhan sistem itu sia-sia. Inilah corak kegagalan yang paling lazim.
• Komunikasi majikan-pekerja ialah pemboleh ubah penentu kejayaan pelaksanaan, dan tiada ciri perisian yang mampu menyelesaikannya.

Analisis kesan pasaran

Untuk pengguna di Malaysia (kakitangan di lapangan)

Rungutan paling realistik yang pernah saya dengar datang daripada seorang penyelia kilang: "Minggu pertama sistem beroperasi ia mengesan lebih 400 pelanggaran, minggu kedua kami terus matikan bunyi amarannya."

Ini bukan salah produk, tetapi salah pengurusan jangkaan. Mana-mana sistem penglihatan komputer keselamatan pekerjaan yang baru dilancarkan pasti akan mengesan longgokan pelanggaran yang anda sendiri tidak sedar sebelum ini — kerana pelanggaran itu memang sentiasa wujud, cuma tiada sesiapa nampak. Masalahnya, jika tiada aliran kerja pengendalian yang sepadan, 400 tugasan tertangguh hanya akan membuatkan kakitangan lapangan merasakan sistem ini datang untuk mencari salah.

Pendekatan praktikal ialah berperingkat: bulan pertama hanya buka dua atau tiga item pengesanan berisiko paling tinggi (pertembungan orang-kenderaan, memasuki kawasan larangan), lancarkan aliran kerja pengendalian sehingga lancar, barulah tambah secara beransur-ansur. Membuka semua sekaligus adalah membunuh diri.

Satu lagi masalah di peringkat lapangan ialah kamera. Kamera litar tertutup di kilang kebanyakannya dipasang untuk mencegah kecurian — sudutnya mengarah ke pintu masuk, kedudukannya terlalu tinggi, dan cahaya latarnya menyilaukan. Untuk menilai sama ada seseorang memakai topi keledar, lensa mesti dapat melihat kepalanya; untuk menilai jarak antara forklift dengan manusia, lensa perlukan sudut tunduk yang sesuai. Serasi bukan bererti kelihatan jelas, dan hal ini tidak akan disebut dalam pembentangan pembekal.

Untuk aplikasi perusahaan

Dari sudut perolehan syarikat, pulangan pelaburan sistem sebegini sebenarnya lebih mudah dikira daripada sangkaan kebanyakan orang. Kos satu kemalangan pekerjaan besar bukan sekadar denda, tetapi termasuk kerugian gangguan operasi, penyitaan peralatan, kehilangan mata dalam audit pelanggan, serta risiko liabiliti jenayah pihak pengurusan. Apabila semua ini dijumlahkan, yuran tahunan sistem biasanya bukanlah angka yang paling besar.

Yang sepatutnya dibincangkan ialah logik pemilihan. Jika titik kesakitan anda ialah "mahu mengesahkan dengan cepat sama ada benda ini benar-benar berguna", pelaksanaan 48 jam Voxel memastikan projek tidak mati pada peringkat permulaan; jika anda berada dalam rantaian bekalan semikonduktor atau pertahanan yang imejnya sama sekali tidak boleh keluar kilang, seni bina tepi Protex AI ialah satu-satunya pilihan; jika kilang anda sudah mempunyai sistem pengurusan keselamatan pekerjaan yang matang dan yang diperlukan ialah menyambungkan pengesanan kepada tindakan perlindungan sebenar, sokongan Intenseye untuk terus mencetuskan hentian kecemasan peralatan wajar dinilai. Bagi industri besi dan metalurgi dengan persekitaran melampau (suhu tinggi, habuk, cahaya kuat), lihat pula penyelesaian seperti Everguard.ai yang menggabungkan peranti boleh pakai dengan penderiaan IoT.

Untuk pembangun

Bidang ini sebenarnya menawarkan peluang untuk pasukan tempatan. Model pembekal antarabangsa dilatih dengan data kilang di Eropah dan Amerika, sedangkan kepadatan pergerakan, model jentera dan tabiat kerja di kilang tempatan semuanya berbeza; belum lagi senario tapak pembinaan yang bersifat sementara, yang jauh berbeza daripada kilang yang berstruktur. Model pengesanan yang dilokalkan, serta penyepaduan dengan sistem MES atau sistem pengurusan keselamatan pekerjaan sedia ada, ialah kerja halus yang tidak akan dilakukan oleh syarikat asing.

Dari segi teknikal, perkara yang perlu diberi perhatian ialah ketaksimetrian kos amaran palsu. Terlepas satu pengesanan mungkin meragut nyawa, tetapi seratus amaran palsu akan menyebabkan sistem dimatikan — namun kos kedua-duanya sering dianggap simetri semasa latihan model. Ketika mereka bentuk model untuk senario tempatan, cara menala ambang dan sama ada perlu memperkenalkan semakan manual jauh lebih penting daripada mengejar satu titik perpuluhan kadar ketepatan.

Aliran perkembangan masa depan

Saya berpendapat dua tiga tahun akan datang akan menuju ke tiga arah.

Pertama, daripada pengesanan kepada kawalan. Kini kebanyakan sistem hanya membunyikan amaran lalu berhenti, tetapi Intenseye sudah pun mencetuskan hentian kecemasan secara terus. Jika laluan ini diteruskan, AI keselamatan pekerjaan akan bertukar daripada alat pemantauan menjadi sebahagian daripada gelung keselamatan, dan pengagihan tanggungjawab serta reka bentuk mod kegagalan akan menjadi isu baharu — siapa yang menanggung kerugian jika sistem tersilap menghentikan barisan pengeluaran?

Kedua, kepelbagaian penderia. Siling kemampuan yang hanya bergantung pada kamera biasa akan cepat dicapai; gabungan pengimejan haba, kamera kedalaman, penentududukan UWB dan peranti boleh pakai akan menjadi kelengkapan standard, terutamanya di kawasan yang banyak halangan dan cahaya yang lemah.

Ketiga, penyelarasan dengan peraturan keselamatan pekerjaan. Buat masa ini, data yang dihasilkan sistem sebegini belum mempunyai kedudukan perundangan, tetapi apabila ia mengumpul kes yang cukup, "ada atau tidak dipasang" mungkin menjadi soalan yang ditanya dalam siasatan kemalangan pekerjaan pada masa depan. Ini merupakan tekanan bagi pengusaha, sekali gus pemangkin pasaran.

Rumusan dan komen TheAI Academy

Jujurnya, pendirian saya terhadap AI keselamatan pekerjaan sentiasa "teknologi bukan masalah, organisasi barulah masalah". Kemampuan pengesanan beberapa pembekal ini sudah mencapai tahap yang boleh diguna pakai, dan yang sebenarnya menentukan kejayaan ialah tiga perkara: sama ada sudut kamera betul, sama ada majikan dan pekerja telah berbincang lebih dahulu, dan sama ada ada sesiapa yang mengendalikan amaran apabila ia berbunyi. Ketiga-tiga perkara ini berlaku di luar perisian.

Saya ingin menegaskan komunikasi majikan-pekerja secara khusus. Yang dirakam kamera ialah manusia, dan reaksi pertama pekerja pasti "ini untuk menangkap saya datang lewat dan balik awal". Sebaik sahaja persepsi ini terbentuk, yang berlaku seterusnya ialah kamera dipusingkan, amaran diabaikan dan sistem dipinggirkan. Hanya ada satu cara untuk mengatasinya: sebelum pelaksanaan, berikan janji yang jelas bahawa imej hanya digunakan untuk keselamatan pekerjaan dan bukan asas penilaian prestasi, serta catatkan janji itu dalam minit mesyuarat majikan-pekerja. Janji lisan tidak berguna.

Komen: penglihatan komputer keselamatan pekerjaan sudah pun teknologi yang matang, tetapi ia adalah satu projek kejuruteraan organisasi, bukan sekadar urusan perolehan. Sebelum membeli, tanya diri sendiri satu soalan — apabila amaran berbunyi, siapa yang akan mengendalikannya? Jika tidak dapat menjawab, jangan beli dahulu.

Cadangan konkrit untuk pembaca di Malaysia: jika anda bertanggungjawab atas keselamatan pekerjaan dalam industri pembuatan, lakukan tiga perkara dahulu. Pertama, buat inventori sudut dan kualiti imej kamera sedia ada, dan pilih tiga hingga lima buah yang benar-benar dapat menangkap kawasan berisiko tinggi. Kedua, pilih pembekal yang sanggup menjalankan POC berskala kecil, buka hanya dua item pengesanan dan lancarkannya selama sebulan. Ketiga, adakan mesyuarat majikan-pekerja untuk menerangkan tujuan dan sempadannya sebelum POC bermula. Selepas tiga langkah ini selesai, anda akan lebih hampir kepada kejayaan berbanding 80% kes pelaksanaan. Untuk membandingkan alat dalam bidang ini, lihat susunan di bawah kategori AI Keselamatan Awam dan Tindak Balas, atau cari senario aplikasi yang serupa dari Panduan Tugasan AI.

Sumber rujukan

• Laman rasmi Intenseye
• Laman rasmi Voxel
• Pentadbiran Keselamatan dan Kesihatan Pekerjaan

(Artikel ini disusun berdasarkan maklumat awam; spesifikasi produk dan angka kes pelanggan adalah tertakluk pada pendedahan rasmi pembekal.)