Ljudupptagning upptäcker avvikelser i tillverkningsprocessen
Sedan industrialismens uppkomst har fabriksproduktion varit en viktig del av vårt samhälle och dess ekonomi. I fabriker producerar maskiner varor på löpande band, medan mänskliga maskinoperatörer antingen övervakar processen, eller själva styr maskinerna. Hur varje maskin är uppbyggd skiljer sig, och därvid skiljer sig även hur avvikelser i processen bäst registreras. Artificiell Intelligens kan på olika sätt användas vid analys av avvikelser, där ljud kan vara en viktig aspekt att analysera.
I de delprocesser hos maskiner där hörseln är ett viktigt observationsverktyg kan AI vara ett par extra öron som antingen ger bekräftelse om något maskinoperatören redan observerat, eller varnar om fel som operatören själv inte lyckats upptäcka. Detta skulle kunna bidra till ökad social hållbarhet hos operatörer med nedsatt hörsel på grund av ålder eller skador. Oerfarna operatörer kan vidare få stöd i sitt beslutsfattande, vilket skulle kunna ge ökad trygghet i arbetet. Dessutom finns en möjlighet att minska tråkiga arbetsuppgifter om AI helt kan ta över uppgiften, vilket kan bidra till förbättrad hälsa då studier visat att kronisk uttråkning i arbetet kan orsaka depression, ångest, stress och sömnlöshet.
Utifrån en säkerhetsaspekt kan AI dessutom upptäcka små fel innan de hinner bli stora. Ett litet fel är ofta enkelt att korrigera, medan större fel, särskilt i större maskiner, kan resultera i att produktionen stoppas och en arbetare är tvungen att gå in i själva maskinen för att korrigera felet. Även med säkerhetsföreskrifter kan dessa arbetsmoment medföra risker för arbetare, som hade kunnat undvikas om felet upptäckts tidigare.
Följande projekt skedde utifrån en kurs i hållbar utveckling och etik inom datateknik, i samarbete mellan Göteborgs Tekniska College och elever på Chalmers Tekniska Högskola. Projektets mål utgick från att konstruera en prototyp till en produkt som i realtid analyserar inkommande ljud och därefter avgör om en avvikelse har skett eller ej. Prototypen har konstruerats i två delar, där en del implementerades genom maskininlärning och en annan del implementerades genom en mer klassisk analys av frekvensspektrum. De båda metoderna har jämförts och en analys utifrån hållbarhet och etik har utförts, med fokus på vilken påverkan prototypen skulle kunna tänkas ha på arbetare, företag och samhälle.
Rapporten i sin helhet finns att läsa här.
Sammanfattningen och rapporten är skriven av Agnes Brogeby, Victor Ebbesson, Elliot Hultgren, Andreas Nilsson, Sebastian Rizk Gustavsson, Max Vallin Ek som läser Datateknik på Chalmers.
Taggar
Artikeln är taggad med följande taggar. Klicka på en tagg för att se alla artiklar med samma taggning.