i卡會員

製造場域中包含各類可能引發人員安全風險的作業環境與機台設備，因此如何保障人員安全，一向是政府管理部門、企業、勞工都相當關注的議題。美國國家安全委員會（National Safety Council）統計，在2019年，美國各產業因為勞工傷害導致的總成本高達1,710億美元。美國勞工部統計顯示，2020年美國私部門非致命性人員傷害與疾病數達到265.4萬人次；其中製造業達37.3萬人次，占總體人次14.06%。

製造場域人員傷害，不僅會影響勞工身心健康與家庭，同時也會因為人員損害賠償、因工傷引發之產能減少，導致企業額外的營運成本及損失。因此無論是對企業或員工，維護製造場域人員安全，避免工傷事件發生，都是需要持續努力達成的目標。

在國內，依據勞動部職業安全衛生署發布的勞動檢查統計年報統計資料，2020年製造業通報人員失能傷害次數共計5,147人次。依據勞動部統計，在各類人員傷害中，比例最高的類型包括：被機器設備夾、捲傷（占比21.97%），在製造場域跌倒（占比18.22%），受到切、割、擦傷（占比16.22%），以及被撞、不當動作、與高低溫物體接觸等。

美國安全防護用品製造商Kimberly-Clark Professional曾調查發現，造成職場傷害的主要原因之一是員工未遵守穿戴安全設備的規定。有近九成的安全維護人員曾遇到工人未依規定穿戴安全裝備。而且有近三成人員表示這種情況曾發生許多次。因此從提高製造場域人員安全角度，需要有比透過安全維護人員檢查、監控，更全面、即時、持續的方法，來確保人員遵守安全規範與SOP。

以人工智慧（AI）來協助提升製造場域人員安全，具有持續、即時預警及提前偵測出潛在風險的雙重應用優勢。即使初期需要軟硬體成本投入，但相對於避免人員傷害，以及減少因工安衍生的停工、保險、賠償損失，仍是值得製造企業評估導入的應用方案。

雖然許多製造業持續導入自動化生產系統，但考量生產彈性、成本，仍有許多製程仰賴人工作業。為保持生產力與產品品質，除依據製程需要制定標準作業程序SOP外，如何確保作業人員能遵守SOP，並透過改善作業方法，持續提高生產效能，則是業者關心的議題。

借助機器視覺與人工智慧，可持續監控人員作業是否依循SOP，避免人員監管可能產生疏漏與標準不一致衍生的問題。此外，透過人員作業程序影像分析，可以協助業者找出可改善作業效能的機會與方向。因此這類應用將會愈來愈受到業界重視及採用。

結合機器視覺與人工智慧，可以為製造業者提出降低人員工安風險，保障與持續改善人員作業效能的創新應用方案。因此相關AI技術，包括製造場域環境、機具、物品、人員 標籤辨識標註識別，以及針對各種人體動作、人員行為、作業之分析演算法，還有智慧相機，都是需要持續投入研發的重要技術與產品，國內外許多研究單位、廠商都持續投入相關技術與應用方案研發。

例如日本富士通（Fujitsu）公司在2021年1月發表新的AI技術，可透過深度學習，從多個關節位置識別複雜的人類行為。德國人工智慧研究中心（DFKI）研究以AI辨識製造場域人員是否出現身體不適狀況。思科（Cisco）結合邊緣運算裝置及結合邊緣運算裝置及AI技術，辨識人員是否有依規範穿戴正確技術。

製造場域是一個相對複雜、多變的環境，因此存在諸多安全風險。無論是以人力為主的加工、組裝產線，或是充滿各類機具的自動化工廠，保障場域內人員安全，都是企業主、工廠管理人員以及勞工，需要持續努力達成的主要目標。以人工智慧AI來協助提升製造場域人員安全，具有持續、即時預警，及提前偵測出潛在風險的雙重應用優勢。即使初期需要軟硬體成本投入，但相對於避免人員傷害，以及減少因工安衍生的停工、保險、賠償損失，仍是值得製造企業評估導入的應用方案。

本文經編輯後刊載於2023年2月4日【經濟日報】
著作權所有，內容非經同意不得轉載