InnerWeb
Przejdź do treści

Przypadek: AI w hucie stali a analiza zdarzeń

Huta stali z kilkunastoma wydziałami zbiera co miesiąc setki zgłoszeń zagrożeń i uwag z obchodów, a służba BHP nie ma czasu, by każde zestawić z poprzednimi. W tym przypadku model AI grupuje zgłoszenia w powtarzające się wzorce i podpowiada priorytet, natomiast decyzję o działaniu podejmuje człowiek. Liczby czasu analizy to kalkulacja przykładowa na jawnych założeniach.

ok. 20 h
miesięcznie mniej czasu analizy w przykładzie
Źródło: kalkulacja przykładowa
220
zgłoszeń i uwag z obchodów miesięcznie w założeniach
Źródło: kalkulacja przykładowa
14
klastrów tematycznych miesięcznie w założeniach
Źródło: kalkulacja przykładowa

Punkt wyjścia: dużo zgłoszeń, mało czasu na wzorce

Przypadek dotyczy huty stali, czyli zakładu o ruchu ciągłym, z kilkunastoma wydziałami, piecami, walcowniami i rozległym zapleczem utrzymania ruchu. Zgłoszenia zagrożeń wpływają z hal codziennie: pęknięta osłona, wyciek oleju, uszkodzona balustrada, zagrożenie na drodze transportowej. Każdy zgłaszający opisuje to własnymi słowami, ze zdjęciami i lokalizacją.

W InnerWeb każdy zalogowany użytkownik może zgłosić zagrożenie, usterkę lub zdarzenie potencjalnie wypadkowe z lokalizacją ze słownika zakładu, typem, opisem i zdjęciami (funkcja zgłoszeń zagrożeń i zdarzeń). Zgłoszenie trafia do zespołu, który je przejmuje i zamyka. Zgłoszenia wystawione podczas jednego obchodu hali są grupowane w audyt z nazwą, datą, halą i audytorem, a jego podsumowanie jest dostępne jako PDF (funkcja audytów z grupowaniem zgłoszeń). Obchody definiuje się jako punkty kontrolne na mapie z listami kontrolnymi, składane w trasy per wydział.

Problem nie leży w zbieraniu danych, tylko w ich czytaniu. Służba BHP widzi pojedyncze zgłoszenia, a trudniej jej dostrzec, że dwadzieścia z pozoru niezwiązanych uwag dotyczy tej samej drogi transportowej przy tej samej walcowni. Analiza taka zajmuje godziny i bywa odkładana do końca miesiąca.

Rozwiązanie: AI jako asystent analityka, nie decydent

W scenariuszu przypadku obok systemu zgłoszeń działa lokalny model AI, uruchomiony na serwerze zakładu, bez wysyłania treści zgłoszeń do chmury. Model czyta nowe zgłoszenia i uwagi z obchodów, grupuje je w klastry tematyczne (np. drogi transportowe, osłony maszyn, instalacje energetyczne) i dla każdej grupy podpowiada priorytet wraz ze streszczeniem podstaw: które zgłoszenia, z jakich miejsc i z jakiego okresu.

Granica odpowiedzialności jest zapisana w procedurze. Model nie zamyka zgłoszeń, nie wstrzymuje prac i nie zmienia statusu audytu. Priorytet jest propozycją. Specjalista BHP przegląda każdą grupę, zatwierdza lub zmienia priorytet i zapisuje uzasadnienie przy zmianie. Taki podział wspiera wymóg nadzoru człowieka, który w ujęciu AI Act należy do podmiotu stosującego system, a omawia go osobny poradnik o zasadach nadzoru człowieka nad AI w BHP.

Na etapie wdrożenia zakład zadał jedno pytanie: czy model może pomylić się w niebezpieczny sposób. Odpowiedź: tak, dlatego zgłoszenia opisujące ryzyko życia lub zdrowia oznaczone przez zgłaszającego jako pilne omijają kolejkę grupowania i trafiają do człowieka od razu.

Czas analizy zgłoszeń miesięcznie w przykładzie

Czas analizy zgłoszeń miesięcznie w przykładzieRęczna analiza 1760 minut miesięcznie wobec 570 minut z grupowaniem przez AI i weryfikacją przez człowieka.0500100015002000minRęczne zestawienie (Analiza zgłoszeń): 1760 min1760 minGrupowanie przez AI i decyzja człowieka (Analiza zgłoszeń): 350 min350 minAnaliza zgłoszeńRęczne zestawienie (Weryfikacja priorytetów): 0 min0 minGrupowanie przez AI i decyzja człowieka (Weryfikacja priorytetów): 220 min220 minWeryfikacja priorytetów
  • Ręczne zestawienie
  • Grupowanie przez AI i decyzja człowieka
Źródło: Kalkulacja przykładowa na założeniach z sekcji Kalkulacja przykładowa czasu analizy

Kalkulacja przykładowa czasu analizy

Poniższy rachunek to kalkulacja przykładowa, a nie wynik pomiaru w konkretnym zakładzie. Założenia: 220 zgłoszeń i uwag z obchodów miesięcznie. Ręczne zestawienie z poprzednimi zgłoszeniami i ocena priorytetu zajmuje średnio 8 minut na pozycję, czyli 1760 minut miesięcznie (ok. 29 godzin).

Po wprowadzeniu grupowania model tworzy około 14 klastrów miesięcznie. Analiza jednego klastra przez specjalistę trwa 25 minut (350 minut), a sprawdzenie podpowiedzi priorytetu dla każdej z 220 pozycji po 1 minucie dodaje kolejne 220 minut. Razem 570 minut, czyli około 9,5 godziny. Różnica to 1190 minut, około 20 godzin miesięcznie.

Przy stawce 95 zł/h daje to w przykładzie około 1900 zł miesięcznie czasu, który służba BHP może przeznaczyć na obchody i rozmowy w terenie. Ważniejsze od kwoty jest to, że analiza wzorców odbywa się co tydzień, a nie raz w miesiącu.

Efekt: wzorce zamiast pojedynczych uwag

W przykładzie pierwsza grupa z grupowania obejmowała jedenaście zgłoszeń dotyczących nawierzchni i oznakowania na jednej drodze transportowej. Pojedynczo każde wyglądało na drobiazg, razem wskazywały na problem organizacji ruchu. Specjalista zatwierdził wysoki priorytet, a kierownik wydziału zmienił trasę wózków na czas remontu nawierzchni.

Drugi efekt dotyczy obchodów. Uwagi z audytu wewnętrznego hali były zestawiane z wcześniejszymi, co pozwoliło zobaczyć, że ten sam punkt kontrolny wraca na liście od trzech obchodów. Tu trzeba uczciwie zaznaczyć granicę opisu: funkcje obchodów dokumentują definiowanie punktów i tras, więc zakład stosuje je do planu, a przebieg i potwierdzenia zbiera zgodnie z własną procedurą.

Zasady, które zakład spisał przed startem

Przed uruchomieniem zakład przyjął krótki zestaw reguł, które dziś służą jako wzór dla kolejnych wydziałów.

  • model działa lokalnie, a treść zgłoszeń nie opuszcza sieci zakładu
  • zgłoszenia pilne omijają grupowanie i trafiają do człowieka od razu
  • każda grupa ma podpis zatwierdzającego i przy zmianie priorytetu krótkie uzasadnienie
  • raz w miesiącu specjalista przegląda próbkę zgłoszeń, które model uznał za niskie ryzyko
  • osoby pracujące z modelem przeszły szkolenie z jego ograniczeń (AI literacy, art. 4)
  • system trafił do rejestru systemów AI z klasyfikacją i datą następnego przeglądu

Wnioski dla innych zakładów

Po pierwsze, zaczynaj od zadania, w którym błąd modelu jest tani: grupowanie i streszczanie zgłoszeń to dobry start, bo człowiek i tak czyta wynik. Po drugie, nie sprzedawaj wewnątrz zakładu AI jako „systemu, który decyduje”. Akceptacja załogi zależy od tego, czy BHP czuje się właścicielem decyzji. Po trzecie, mierz czas analizy przed wdrożeniem, bo bez linii bazowej nie udowodnisz efektu.

Wdrożenie nie zwalnia z obowiązków regulacyjnych. AI literacy obowiązuje od 2 lutego 2025 r., a zakład, który w przyszłości użyje AI jako komponentu bezpieczeństwa w zarządzaniu infrastrukturą krytyczną, wejdzie w reżim wysokiego ryzyka (systemy z załącznika III: od 2 grudnia 2027 r. wg Digital Omnibus, publikacja niepotwierdzona). Dobre praktyki użycia AI w BHP opisuje osobna strona; o rozmowie z danymi zakładu piszemy przy module InnerMan.

Kalkulacja przykładowa

Czas analizy zgłoszeń z grupowaniem przez AI

Założenia
ParametrWartość
Zgłoszenia i uwagi z obchodów220 szt./mies.
Ręczna analiza jednej pozycji8 min
Klastry tworzone przez model14 szt./mies.
Analiza jednego klastra25 min
Sprawdzenie podpowiedzi priorytetu1 min/pozycję
Stawka95 zł/h

Wynik: 1760 minut wobec 570 minut: różnica 1190 minut, ok. 20 godzin i ok. 1900 zł miesięcznie

Uwaga: Kalkulacja przykładowa na jawnych założeniach; nie jest wynikiem pomiaru w konkretnym zakładzie.

Materiał wideo

Często zadawane pytania

Czy AI może samodzielnie zmienić priorytet zgłoszenia w systemie?

W opisanym przypadku nie. Model tylko proponuje priorytet, a zmianę zatwierdza specjalista BHP, który zapisuje uzasadnienie. Dzięki temu odpowiedzialność za decyzję pozostaje po stronie człowieka.

Dlaczego model działa lokalnie, a nie w chmurze?

Treść zgłoszeń w zakładzie przemysłowym zawiera lokalizacje, opisy instalacji i zdjęcia. Model lokalny pozwala zachować te dane w sieci zakładu, co upraszcza ocenę ryzyka i wymagania NIS2.

Jak sprawdzić, czy grupowanie nie przeoczyło groźnych zgłoszeń?

Zgłoszenia pilne omijają grupowanie, a raz w miesiącu specjalista przegląda próbkę pozycji ocenionych jako niskie ryzyko. Wyniki przeglądu służą do korekty modelu.

Źródła

Zobaczmy Państwa zgłoszenia i obchody

Zapraszamy na rozmowę z zespołem InnerWeb. Policzymy czas analizy zdarzeń na Państwa liczbach i ustalimy zasady nadzoru.

Porozmawiajmy