在工業應用中,人機介面(HMI)的使用促進了高效、安全的工作環境。這是透過將從一台或多台電腦生成的資料合併到一個介面中來實現。在單個介面中,由於所需的資料輸入量減少,可減少錯誤產生。例如,如果必須將資料點輸入到多台電腦中,則與HMI的一次互動可以快速、安全地確保在整個系統中進行正確的調整。

控制和監測整體系統的能力也可以提供更安全的工作環境,因為它提供了對整體系統更全面的認識。如果對工作區域進行更好的監視和控制,任何故障或異常都不太可能被忽視。需要克服的障礙之一是可用性,在這一領域,人工智慧(AI)和機器學習(ML)的結合將是有益的。與AI/ML整合的HMI不僅能夠適應使用者,而且能夠充當一種故障保護機制,以防止操作員出錯。帶有AI/ML的HMI還可以收集和分析系統和操作員資訊,還可以大大提高HMI的生產率,以及安全保護系統的強度。

工業中的HMI

在工業環境中使用HMI可以提醒操作員注意機器系統中的一些問題。根據HMI運作的環境,複雜程度會有所不同,以滿足操作員的需求。無論是像觸控式螢幕、全鍵盤和滑鼠一樣複雜,還是像一排按鈕一樣直覺,HMI都能協助操作員同時控制多台機器和流程。同樣,HMI的強大功能也是可擴展的,以滿足運營商的需求。例如,在最極端的條件下與HMI的互動可能僅限於手勢檢測(如手勢訊號),在這種情況下,HMI必須配備攝影機和動作感測器來檢測操作員的命令。在這種情況下,處理能力將專門用於臉部辨識和手勢檢測等功能。這與可能需要將處理能力重新分配給運行觸控式螢幕介面而不是辨識視覺刺激的系統不同。

無論HMI的複雜性如何,提醒操作員出錯仍然很重要。當HMI必須提醒操作員一個錯誤,雖然觸覺和聲音回饋是可能的,視覺回饋(例如閃爍的光或警報)是最有效的方法。在這種環境中使用HMI有助於防止重大損壞,因為它持續監測機器的運作狀況,確保在發生重大損壞之前解決任何預防性修復問題。這保證了維修的停機時間減少,維修成本保持在最低限度。HMI可以利用異常檢測來辨識系統中的錯誤,無論HMI檢測到故障零件,還是檢測到操作員不存在,系統都配備了自我維護的設備。

當HMI收集和分析資料時,可以檢測到一個異常點並向操作員發出警報,並有可能在操作員必須干預之前採取行動,此故障保護協定還可以減少損壞並提高工作環境的安全性。HMI還可以收集有關發生損壞的條件的資料,並確定今後是否可以避免這些條件。對於即時應用程式,可以在邊緣處理收集的資料,以便最快地評估和實現資料。在HMI使用資料後,可以將其移動到雲端中進行儲存和將來的分析。這種混合方法提高了HMI處理資料的速度,同時使資料易於從雲端訪問,同時確保了資料的安全。

整合AI優勢

•減少錯誤

將AI與HMI整合可以減少系統運作中出現的錯誤量。使用AI/ML的首要優勢是添加了故障保護,這可以應用於人為生成的錯誤或系統中發生的錯誤,而無需操作員干預。如果操作員不在(例如由於緊急情況),系統可以自動關閉或進入緊急協定。此外,AI系統與培訓一起,可以瞭解故障或緊急情況發生前存在的條件,從而能夠先發制人地採取行動。

AI整合的HMI還可以學習適應實體環境的變化,以及操作員與之對話模式的變化。使用能夠檢測運動、溫度和濕度的感測器可以為系統提供更多有關工作環境及其變化的資訊。將這些資料傳遞給操作員也可能有助於檢測容易出錯的情況。如前所述,操作人員在HMI中也是AI系統需要考慮的一條重要資訊。在此應用程式中,缺乏一個通用的決策流,它的能力來綜合多個條件和權衡每個輸入的重要性。

可以透過HMI使用的其他感測器還有麥克風。AI/ML系統可以加入辨識手勢,這可能比使用鍵盤或按下按鈕更快、更直覺,系統和操作員的更快回應將減少遇到的錯誤數量。此外,使用這一技術可以使人們深入瞭解操作人員的狀況,從昏昏欲睡的駕駛檢測中借用技術並在工業環境中實現這些演算法,可以讓HMI知道操作員是否仍然適合工作。

•提高生產力

如前所述,從機器和HMI操作員生成的資料可以透過AI/ML系統進行收集和分析,資料的收集還可用於將來的最佳化和培訓將來在HMI中實施AI。例如,關於系統中的單個電腦的資訊隨著時間的推移一直以較低的標準運作,可以提醒操作員注意可能的問題。

AI/ML實現還可以利用消除不必要的進程來產生更高的效率。AI系統不是通過迴圈持續運行輸入,而是瞭解哪些進程可能是多餘的,然後可以從處理鏈中消除它們。

•使用者體驗

透過整合AI/ML系統可以提供的功能,可以使操作員與HMI的互動盡可能簡單。其中一個特徵是HMI終端的臉部辨識,使用臉部辨識可以簡化操作人員與HMI的互動操作。HMI可以使用臉部辨識作為操作員的辨識和登錄形式,而不是使用鍵盤,這在某些環境中是不可能的,這也增加了一層安全性,以及簡化的互動操作。

在設計具有此級別的與AI/ML功能整合的HMI時,必須仔細考慮處理資源。例如,在沒有臉部辨識和其他此類功能的情況下,低階MCU可能足以滿足基本的HMI,但在實現HMI與AI/ML(以及更複雜的圖形化使用者介面)時,需要更多的運算能力。可擴展的處理器組合很適合這種環境,能夠處理更簡單、要求更低的節點,同時保持應用程式對高階多輸入機器介面的可攜性。

將啟發式的概念考慮到使用者體驗中,將發現在HM中實現AI/ML是非常有益的。啟發式、捷徑或經驗法則,增加了心理處理速度,減少了認知負荷。在與HMI互動時,人類傾向於尋找減少精神壓力的捷徑和方法,在HMI中使用AI系統可以減少這種認知負荷,並透過適應獨特的使用者偏好和習慣來增加使用者互動。此外,它還可以透過瞭解使用者如何與系統本身互動來提高預測使用者決策的準確性。

•隱私與安全

無論資料是以何種方式或在何處儲存,收集的資料和系統的安全性都是最令人關切的問題。關鍵的安全措施(如端到端加密)是利用硬體和軟體實現,但AI/ML的實現可以提高系統的安全性。使用AI檢測伺服器內的異常活動是確保資料和系統軟體都未被篡改的關鍵,這將有助於確保外部軟體不會將資料傳輸到未知方,並確保系統的軟體沒有以任何方式被覆制或更改。AI的使用可用於驗證每個HMI啟動時作業系統和軟體的真實性,從而降低系統被破壞或被複製的可能性。AI/ML既可以檢測威脅,又可以防止安全性漏洞,從而確保資料和HMI的安全性。

結語

AI和ML的整合使HMI變得更快、更強大、更安全。使用AI/ML整合系統可以提高資料處理的精準度。最終,整合AI/ML與HMI在工作環境中的多個應用程式中提供了巨大的潛力。HMI可以使用AI/ML以更大的自主性運行,從而使操作員能夠專注於更多的任務。頻繁使用和依賴這些系統將帶來更多的資料,可用於更好地教育未來的系統。HMI系統中的AI和ML解決方案為更安全、更高效的工業應用帶來了未來的前景,並將在未來幾年內在整個產業中無處不在。

參考資料

[1] E. Normanyo, F. Husinu, O.R. Agyare, “Developing a Human Machine Interface (HMI) for Industrial Automated Systems using Siemens Simatic WinCC Flexible Advanced Software,” Journal of Emerging Trends in Computing and Information Sciences, vol. 5, no. 2, Feb., pp. 134-144, 2014.

[2] Institute of Electrical and Electronics Engineers, “Artificial Intelligence and Machine Learning Applied to Cybersecurity,” Institute of Electrical and Electronics Engineers, 2017. [Online]. Available: https://www.ieee.org/content/dam/ieee-org/ieee/web/org/about/industry/ieee_confluence_report.pdf?utm_source=lp-link-text&utm_medium=industry&utm_campaign=confluence-paper. [Accessed: March 10, 2019].