Hasil untuk "Industrial safety. Industrial accident prevention"

Masaki Takebayashi, Chieko Kashiwado, Yudai Kaneda et al.

Objectives: In Japan, specific health guidance (SHG) — comprising intensive and motivational support — has increasingly incorporated nudges and online modalities to prevent metabolic syndrome. This practice aimed to conduct a process evaluation of an online SHG program that integrated multiple nudges by examining changes in body weight, health awareness, and health-related behaviors. Methods: A 100-day online SHG program was conducted within a health insurance association of a Japanese securities firm. The program included three group seminars, individual counseling, self-monitoring via a mobile application, and distribution of video content. In addition to health education, multiple nudges (eg, implementation intention and commitment nudges) were embedded throughout the program. Results: The analysis included 181 respondents (94 intensive; 87 motivational) who completed follow-up surveys. Improvements were observed across most outcomes; for example, 51.4% of participants experienced weight reduction (56.4% in the intensive group and 46.0% in the motivational group). Notably, the proportion of participants engaging in self-weighing more than once per week increased substantially, from 39.4% to 83.0% in intensive support group (Cohen’s h=0.93), and from 49.4% to 77.0% in motivational support group (Cohen’s h=0.58). Conclusions: The combination of multiple nudges and health education can have promoted engagement in healthy behaviors. This practice has limitations such as not assessing long-term outcomes. To overcome them, a longitudinal study using multi-year health checkup data is planned.

Lin Liu, Rita Machacy, Simi Kuniyilh

The Industrial Internet of Things (IIoT) integrates intelligent sensing, communication, and analytics into industrial environments, including manufacturing, energy, and critical infrastructure. While IIoT enables predictive maintenance and cross-site optimization of modern industrial control systems, such as those in manufacturing and energy, it also introduces significant privacy and confidentiality risks due to the sensitivity of operational data. Contrastive learning, a self-supervised representation learning paradigm, has recently emerged as a promising approach for privacy-preserving analytics by reducing reliance on labeled data and raw data sharing. Although contrastive learning-based privacy-preserving techniques have been explored in the Internet of Things (IoT) domain, this paper offers a comprehensive review of these techniques specifically for privacy preservation in Industrial Internet of Things (IIoT) systems. It emphasizes the unique characteristics of industrial data, system architectures, and various application scenarios. Additionally, the paper discusses solutions and open challenges and outlines future research directions.

Shan He, Shiliang Shi, Zhijun Lin et al.

Suhas Raghunath, Seyed Hamidreza Ghaffar

This paper presents the development and evaluation of an IoT-enabled smart helmet designed to enhance worker safety and site productivity in high-risk construction environments. The primary objective is to mitigate fall-related and heat-related risks commonly faced by laborers in the Gulf region. The proposed system integrates GPS, temperature–humidity (DHT11), and motion sensors (MPU6050 gyroscope and accelerometer) into a compact, wearable unit capable of real-time data transmission. A key technological novelty is the embedded fall detection mechanism, which analyzes sudden movement patterns to trigger instant alerts, enhancing response times during critical incidents. A fall detection algorithm was developed to identify abnormal movement patterns and trigger instant alerts, while continuous temperature monitoring addresses risks of heat stress in extreme climatic conditions such as Dubai, where temperatures exceed 45 °C. Field trials and simulations confirmed the feasibility of the system, demonstrating reliable data transmission, accurate fall detection, and effective remote monitoring. The solution is coupled with a rental-based business model, making it cost-effective and scalable for contractors. The findings suggest that the proposed helmet provides a practical and scalable safety solution.

Lu Xia, Kaiqi Zhao, Sunil Kadam et al.

Paired electrolysis at industrial current densities offers an energy-efficient and sustainable alternative to thermocatalytic chemical synthesis by leveraging anodic and cathodic valorization. However, its industrial feasibility remains constrained by system integration, including reactor assembly, asymmetric electron transfer kinetics, membrane selection, mass transport limitations, and techno-economic bottlenecks. Addressing these challenges requires an engineering-driven approach that integrates reactor architecture, electrode-electrolyte interactions, reaction pairing, and process optimization. Here, we discuss scale-specific electrochemical reactor assembly strategies, transitioning from half-cell research to full-scale stack validation. We develop reaction pairing frameworks that align electrocatalyst design with electrochemical kinetics, enhancing efficiency and selectivity under industrial operating conditions. We also establish application-dependent key performance indicators (KPIs) and benchmark propylene oxidation coupled with hydrogen evolution reaction (HER) or oxygen reduction reaction (ORR) against existing industrial routes to evaluate process viability. Finally, we propose hybrid integration models that embed paired electrolysis into existing industrial workflows, overcoming adoption barriers.

Aaron O. Feldman, D. Isaiah Harp, Joseph Duncan et al.

We develop a data-driven approach for runtime safety monitoring in flight testing, where pilots perform maneuvers on aircraft with uncertain parameters. Because safety violations can arise unexpectedly as a result of these uncertainties, pilots need clear, preemptive criteria to abort the maneuver in advance of safety violation. To solve this problem, we use offline stochastic trajectory simulation to learn a calibrated statistical model of the short-term safety risk facing pilots. We use flight testing as a motivating example for data-driven learning/monitoring of safety due to its inherent safety risk, uncertainty, and human-interaction. However, our approach consists of three broadly-applicable components: a model to predict future state from recent observations, a nearest neighbor model to classify the safety of the predicted state, and classifier calibration via conformal prediction. We evaluate our method on a flight dynamics model with uncertain parameters, demonstrating its ability to reliably identify unsafe scenarios, match theoretical guarantees, and outperform baseline approaches in preemptive classification of risk.

Sotiris Michaelides, Daniel Eguiguren Chavez, Martin Henze

With the ongoing adoption of 5G for communication in industrial systems and critical infrastructure, the security of industrial UEs such as 5G-enabled industrial robots becomes an increasingly important topic. Most notably, to meet the stringent security requirements of industrial deployments, industrial UEs not only have to fully comply with the 5G specifications but also implement and use correctly secure communication protocols such as TLS. To ensure the security of industrial UEs, operators of industrial 5G networks rely on security testing before deploying new devices to their production networks. However, currently only isolated tests for individual security aspects of industrial UEs exist, severely hindering comprehensive testing. In this paper, we report on our ongoing efforts to alleviate this situation by creating an automated security testing framework for industrial UEs to comprehensively evaluate their security posture before deployment. With this framework, we aim to provide stakeholders with a fully automated-method to verify that higher-layer security protocols are correctly implemented, while simultaneously ensuring that the UE's protocol stack adheres to 3GPP specifications.

Marcela Gonçalves dos Santos, Sylvain Hallé, Fábio Petrillo

Industrial robotic systems (IRS) are increasingly deployed in diverse environments, where failures can result in severe accidents and costly downtime. Ensuring the reliability of the software controlling these systems is therefore critical. Mutation testing, a technique widely used in software engineering, evaluates the effectiveness of test suites by introducing small faults, or mutants, into the code. However, traditional mutation operators are poorly suited to robotic programs, which involve message-based commands and interactions with the physical world. This paper explores the adaptation of mutation testing to IRS by defining domain-specific mutation operators that capture the semantics of robot actions and sensor readings. We propose a methodology for generating meaningful mutants at the level of high-level read and write operations, including movement, gripper actions, and sensor noise injection. An empirical study on a pick-and-place scenario demonstrates that our approach produces more informative mutants and reduces the number of invalid or equivalent cases compared to conventional operators. Results highlight the potential of mutation testing to enhance test suite quality and contribute to safer, more reliable industrial robotic systems.

Matshidiso Moso, Oludolapo Akanni Olanrewaju

Total quality management (TQM) is a strategic philosophy that has adopted kaizen activities which drives the business to carry out activities effectively to yield the best desired output, hence, a profitable organization. The kaizen philosophy acts as a catalyst in productivity rate and integrated management systems (IMS) which results in drastic improvements. When the nonconformity arises within the process, the accuracy of the problem solving determines quality of preventive action, therefore the preventive action should be accompanied by the opportunity of improvement from the raised nonconformance. This research seeks to add more knowledge and upgrade technology of problem-solving models relating to the integrated management systems by examining various troubleshooting models for problem solving and preventive action related to quality nonconformances, safety incidents and engineering breakdowns. Hence, the aim of this research is for troubleshooting model technique enhancement for issues related to process engineering, quality management systems and occupational health and safety by creating a model which analyses kaizen projects from the corrective and preventive action analysis of nonconformances. The proposed troubleshooting model was developed using lean techniques and risk rating tools; it was then applied to the case study company for simulation and the outcomes resulted in the closure of nonconformances and continual improvement of future projects. The proposed model is more advantageous to the manufacturing industries seeking to improve their Corrective Action and Preventive Action (CAPA) systems.

Serhii Artiukh, Oleksandr Zhuk , Volodymyr Cherneha

Сьогодні активно застосовуються безпроводові сенсорні мережі для розвідки і спостереження, оперативного збору інформації про обстановку, що передається до пунктів управління для аналізу та прийняття рішень у реальному часі. Вирішення питань захисту інформації під час використання сенсорів постають на перший план у процесі ведення бойових дій. Метою статті є удосконалення класифікації атак у безпроводових сенсорних мережах тактичної ланки управління військами на основі проведеного аналізу існуючих вразливостей для забезпечення безпеки таких мереж. Під час написання статті застосовано теоретичні методи, а саме аналіз досліджень і публікацій за тематикою розвитку та впровадження безпроводових сенсорних мереж у воєнній сфері, аналіз існуючих атак на такі мережі та синтез класифікації атак на безпроводові сенсорні мережі тактичної ланки управління військами. Зазначений методологічний підхід дає змогу розробити методи протидії атакам та удосконалити механізми захисту безпроводових сенсорних мереж тактичної ланки управління. У роботі проведено аналіз вразливостей, що визначаються особливостями архітектури безпроводових сенсорних мереж і протоколами їх функціонування. Описано основні та додаткові вимоги з безпеки таких мереж. Наведено удосконалену класифікацію атак у безпроводових сенсорних мережах за такими ознаками як характер дій, рівень моделі відкритих систем, мета впливу, об’єкт управління, позиціонування відносно мережі, тип атакуючого пристрою. На основі запропонованої класифікації проведено аналіз існуючих атак у безпроводових сенсорних мережах тактичної ланки управління військами. Новизною роботи є те, що проведено удосконалення класифікації атак на мобільні радіомережі за порушенням конфіденційності, цілісності, доступності, автентифікації та виснаження ресурсів. Вперше запропоновано класифікацію атак за впливом на різні об’єкти системи управління (підсистемами управління моніторингом, топологією, маршрутизацією, енергоресурсами вузлів, радіоресурсами, якістю обслуговування). Відповідно до запропонованої класифікації розкрито сутність атак на безпроводові сенсорні мережі тактичної ланки управління військами та запропоновано механізми захисту від них. Проаналізовані вразливості та наведена класифікація сприяють поглибленню наукових знань стосовно безпеки систем управління безпроводових сенсорних мереж тактичної ланки управління військами. Прикладне використання ознак класифікації атак сприятиме розробленню архітектури побудови (функціональної моделі) підсистеми управління безпекою з урахуванням особливостей характеристик, методів побудови та організації безпроводових сенсорних мереж.

Roman Mykolaichuk , Vira Mykolaichuk , Pavlo Marchenko

Стаття присвячена вдосконаленню моделей роботизованих засобів для ефективного моніторингу інтелектуальних динамічних об'єктів. У контексті розвитку роботизованих систем моніторингу, особливо в умовах, де роботизовані засоби мають справу з інтелектуальними динамічними об'єктами моніторингу, що активно ухиляються від виявлення та ідентифікації, виникає новий виклик, що полягає у потребі розроблення складних моделей, здатних ефективно моделювати роботизовані засоби з метою протидії такій поведінці об’єктів моніторингу. Традиційні підходи до моделювання часто виявляються недостатньо гнучкими для вирішення таких завдань. Мета статті полягає у розробленні моделі роботизованих засобів для забезпечення ефективного моніторингу інтелектуальних динамічних об'єктів на основі використання методів навчання з підкріпленням. Під час проведеного дослідження були застосовані методи навчання з підкріпленням для адаптації поведінки роботизованих систем до динамічно змінюваних умов, комп’ютерного зору та згорткових нейронних мереж для визначення параметрів роботизованих засобів залежно від розташування в середовищі моделювання. Це дає змогу розробити моделі, здатні до самонавчання та самовдосконалення в реальному часі, що є ключовим для ефективного моніторингу та протидії з інтелектуальними динамічними об'єктами. Отримані результати включають розроблення моделі та відповідних алгоритмів, що демонструють здатність до швидкої адаптації, точності прогнозування поведінки об'єктів та ефективної протидії. На основі створеної моделі, був проведений експеримент, у межах якого роботизовані засоби та інтелектуальні об'єкти з випадково заданими параметрами протидіяли у контрольованому середовищі, що дало змогу зробити висновки про працездатність запропонованої моделі. Наукова новизна дослідження полягає у впровадженні сучасних методів навчання з підкріпленням для створення гнучких та адаптивних моделей роботизованих засобів для систем моніторингу, здатних до ефективної протидії з інтелектуальними об'єктами у різних умовах. Теоретична значущість полягає у розширенні розуміння можливостей машинного навчання у сфері робототехніки, а практична значущість – у потенціалі застосування розроблених моделей у військовій та технічній галузях для підвищення ефективності моніторингу та управління. В цілому, стаття розкриває важливі аспекти використання методів навчання з підкріпленням для оптимізації протидії роботизованих засобів з інтелектуальними динамічними об'єктами та надає практичні рекомендації для подальших досліджень у цій області.

Gabriele Valvano, Antonino Agostino, Giovanni De Magistris et al.

Training supervised deep neural networks that perform defect detection and segmentation requires large-scale fully-annotated datasets, which can be hard or even impossible to obtain in industrial environments. Generative AI offers opportunities to enlarge small industrial datasets artificially, thus enabling the usage of state-of-the-art supervised approaches in the industry. Unfortunately, also good generative models need a lot of data to train, while industrial datasets are often tiny. Here, we propose a new approach for reusing general-purpose pre-trained generative models on industrial data, ultimately allowing the generation of self-labelled defective images. First, we let the model learn the new concept, entailing the novel data distribution. Then, we force it to learn to condition the generative process, producing industrial images that satisfy well-defined topological characteristics and show defects with a given geometry and location. To highlight the advantage of our approach, we use the synthetic dataset to optimise a crack segmentor for a real industrial use case. When the available data is small, we observe considerable performance increase under several metrics, showing the method's potential in production environments.

Anna Vadeby, Stephen Mattingly

Rune Elvik

Mykola Dumenko

Успішне вирішення завдань щодо відбиття збройної агресії в умовах ведення збройної боротьби сучасності можуть вирішити лише добре підготовлені та укомплектовані війська. Метою статті є розробка методу розподілу людських ресурсів між військовими формуваннями для підготовки кадровими органами оперативно-тактичного та оперативно-стратегічного рівнів обґрунтованих пропозицій командувачам (начальникам) до замислу операцій (бойових дій) для ухвалення рішення щодо маневру (перерозподілу) особового складу між Об’єднаними угрупуваннями військ. Під час проведення дослідження застосовано метод динамічного програмування, за допомогою якого вирішується оптимізаційна задача щодо знаходження такого оптимального розподілу людських ресурсів за m-періодів комплектування, за яких функція укомплектованості на останньому періоді комплектування буде максимальною. Оскільки укомплектованість залежить від значної кількості параметрів, які змінюються у часі, то для оптимального розподілу людських ресурсів необхідно проаналізувати та спрогнозувати зміни параметрів укомплектованості. Для цього застосовується метод прогнозування параметрів укомплектованості військових частин, який побудовано на методі нелінійної екстраполяції. Сутністю методу прогнозування укомплектованості військових частин Збройних сил України є використання логістично-ймовірнісної моделі опорного тренду комплектування, що змінюється за часом.  Наукова новизна полягає в тому, що запропонований метод розроблений вперше, а практична значущість статті дозволяє вирішувати завдання, які постають перед Збройними силами України щоденно, проведення оптимального розподілу людських ресурсів між військовими формуваннями з урахуванням темпів мобілізаційного розгортання, обсягів надходження мобілізаційних людських ресурсів, безповоротних і санітарних втрат під час мобілізації та бойових дій.

Koki Ono, Kiyoaki Arakawa, Daisuke Yamada et al.

Objectives: This scoping review aims to examine the existing use of eye-tracking technologies being applied to measure negative mental health-related outcomes. The review was guided by the following questions: 1) What eye-tracking methods are currently in use?; and 2) What type of negative mental health-related outcomes are these methods being applied to for estimation? Results will be evaluated to determine their prospective implementation in remote work as a mental health indicator. Methods: A scoping review was conducted in order to collect data from a range of sources and evaluate many distinct research methodologies. A scoping review was chosen for this study to widely report on the research currently being conducted, rather than answer a specific question from a focused set of evidence. On May 26, 2022, a systematic search of the scientific literature was conducted to identify any eye-tracking methods that have been used to measure stress and anxiety. Results: Out of an initial 5,356 eligible articles, a total of 14 articles were included in this scoping review. Estimation outcomes also ranged from various mental health-related outcomes with the most common outcome relating to stress and fatigue. Other outcomes included sleepiness, drowsiness, arousal, frustration, hypervigilance, defensive state, peritraumatic dissociation, and anxiety. Conclusions: Preliminary results show a very promising connection between eye metrics and negative mental health-related outcomes, which are very relevant to workplace mental health as well.

Sérgio F. Chevtchenko, Elisson da Silva Rocha, Monalisa Cristina Moura Dos Santos et al.

Anomaly detection is critical in the smart industry for preventing equipment failure, reducing downtime, and improving safety. Internet of Things (IoT) has enabled the collection of large volumes of data from industrial machinery, providing a rich source of information for Anomaly Detection. However, the volume and complexity of data generated by the Internet of Things ecosystems make it difficult for humans to detect anomalies manually. Machine learning (ML) algorithms can automate anomaly detection in industrial machinery by analyzing generated data. Besides, each technique has specific strengths and weaknesses based on the data nature and its corresponding systems. However, the current systematic mapping studies on Anomaly Detection primarily focus on addressing network and cybersecurity-related problems, with limited attention given to the industrial sector. Additionally, these studies do not cover the challenges involved in using ML for Anomaly Detection in industrial machinery within the context of the IoT ecosystems. This paper presents a systematic mapping study on Anomaly Detection for industrial machinery using IoT devices and ML algorithms to address this gap. The study comprehensively evaluates 84 relevant studies spanning from 2016 to 2023, providing an extensive review of Anomaly Detection research. Our findings identify the most commonly used algorithms, preprocessing techniques, and sensor types. Additionally, this review identifies application areas and points to future challenges and research opportunities.

Shusen Wang

Recommender system (RS) is an established technology with successful applications in social media, e-commerce, entertainment, and more. RSs are indeed key to the success of many popular APPs, such as YouTube, Tik Tok, Xiaohongshu, Bilibili, and others. This paper explores the methodology for improving modern industrial RSs. It is written for experienced RS engineers who are diligently working to improve their key performance indicators, such as retention and duration. The experiences shared in this paper have been tested in some real industrial RSs and are likely to be generalized to other RSs as well. Most contents in this paper are industry experience without publicly available references.

Diego Vallarino

Using as a central instrument a new database, resulting from a compilation of historical administrative records, which covers the period 1974-2010, we can have new evidence on how industrial companies used tax benefits, and claim that these are decisive for the investment decision of the Uruguayan industrial companies during that period. The aforementioned findings served as a raw material to also affirm that the incentives to increase investment are factors that positively influence the level of economic activity and exports, and negatively on the unemployment rate.

Jiro Moriguchi, Yuko Nyuhara, Fumiko Ohashi et al.

Objectives: This study aimed to investigate the activities to support balancing treatment and the occupational life of employees provided by occupational health service organizations. We also aimed to collect suggestions from these organizations for improving support activities in enterprises. Methods: Questionnaires about support activities (status, required external support, collaborative external facilities) were sent to 121 occupational health service organizations in Japan in 2018. Completed questionnaires were collected from 76 organizations (Response rate: 63.0%). The organizations were categorized as small (fewer than 99 employees), medium (100–199 employees), and large (200 employees or more). Results: More than 20% of the organizations had already started to provide several kinds of support activities. There were no significant differences in the status of support activities by size of occupational health service organization. To promote support activities, the organizations required external support, like educational programs, for occupational health specialists (59.5%), staff in client enterprises or health insurers (50.0%), or managers in the organizations themselves (48.6%). The most common external facility for referral or cooperation was prefectural occupational health total support centers (40.0% for referral and 24.0% for cooperation). Conclusions: This study found that some occupational health service organizations have already started to provide support activities for their clients. To promote these support activities, more educational programs should be provided for occupational health specialists, managers within the organizations, and staff of their clients.