機器人產品質量安全監測預警平臺研究及應用

鐘遠生, 陳向志*, 唐力華, 高曉東

(1.廣東產品質量監督檢驗研究院, 廣州 510670; 2.國家市場監管重點實驗室(智能機器人安全), 廣州 510670)

現代產業和人工智能技術的發展為機器人市場的快速增長提供了強大的動力,工業機器人、服務機器人和特種機器人的應用場景和應用領域不斷擴展,隨著機器人走進人們的生產生活,機器人產品的質量安全性也備受關注。然而,對于市場監督管理單位,因缺乏機器人產品質量安全相關數據的支撐,導致難以形成對機器人相關產品和行業的系統監管方案;對于生產企業,由于缺乏自身及類似產品安全情況的系統認知,難以快速做出反應提出針對性改進方案;對于消費者,由于缺乏可靠的產品質量數據指導,在購買和使用機器人產品時個人權益容易受到損害。因此,研究機器人產品安全監測預警平臺對豐富機器人產品質量安全監管手段、促進機器人產品技術發展、保障消費者權益具有重要意義。

基于大數據和云平臺的監測和預警技術在應急管理、安全生產和設備監控等領域獲得廣泛研究和應用。曹之玉等[1]基于云服務模式設計了一種國家突發事件預警信息發布平臺,解決了數據接入、共享等問題,實現資源彈性部署、數據可靠傳輸。王雷[2]融合多種智能感知設備建立了社會安全事件綜合監測預警系統,解決了時空尺度大、多異構信息融合和多因素耦合問題,提高了社會安全事件預警能力。盧振禮等[3]研究了公路團霧影響因素模型,建立了高速公路團霧視頻監測預警平臺,推動了團霧分級預警工作的開展。安小宇等[4]對隧道掘進機的拆裝裝置在作業過程中數據進行兩級信息融合處理,獲得最優加權組合模型,對裝置狀態進行有效判斷和預警。Liu等[5]研究了基于深度學習的食品安全預警系統,并以乳制品為例研究供應鏈相關因素對食品安全的影響。Lei等[6]利用物聯網技術,通過多傳感器融合和多信息處理,建立了對電氣設備運行監控預警平臺,提高了電力系統的穩定性。路亞彬等[7]基于法律法規和相關標準,結合多種設備數據,研究建立了危險化學品裝卸運輸安全風險預警平臺,提高了危化品裝卸運輸安全水平,為監管單位提供了有效工具。疏禮春[8]基于大數據技術,設計了邊緣和云端一體化計算架構,建立了煤礦安全生產風險監測預警平臺,提升了事故預警和監管監察的準確性和可靠性。王浩林等[9]從軟硬件方面綜合設計,開發了數控機床故障預警與診斷平臺,實現了機床的狀態顯示、故障診斷和性能預報,有效降低了設備停機維護時間。由此可見,基于大數據和云平臺的監測和預警技術的應用為各行業提質增效提供了重要的支撐。而以上研究也為機器人產品質量安全監測預警平臺架構設計、數據采集和分析模型的建立提供了重要參考。

鑒于此,以機器人質量安全數據為核心,綜合市場監管機構、生產企業、消費者應用需求,層次化設計了預警系統架構,根據國家標準和機器人市場信息,構建了機器人安全指標庫、產品類型庫、生產企業信息庫、信息采集庫和安全風險庫等包含機器人產品屬性和安全屬性的數據庫,研究基于抽樣檢測數據、網絡輿情數據、消費投訴數據等多種類型數據的采集、分析和應用流程及方法,開發機器人產品質量安全監測預警平臺,以實現機器人質量安全事件和信息的實時采集、智能評估、系統監測和及時預警。

1 機器人產品質量安全監測預警平臺架構

機器人產品質量安全監測預警平臺整體架構如圖1所示。預警平臺整體由基礎層、數據層和應用層構成。基礎層包括網絡、服務器、操作系統和基礎應用,為平臺的建設提供軟硬件支撐。數據層是預警平臺的技術核心及業務核心,包含數據支撐、數據服務和數據管理三大功能模塊,其中數據支撐模塊由機器人基礎數據庫、安全風險庫、安全指標庫、產品類型庫、企業信息庫和信息來源庫構成,包含了機器人產品基礎數據、屬性數據、安全數據;數據服務模塊由數據采集、數據挖掘、數據分析和數據共享子模塊構成,提供機器人安全數據從采集到分析再到共享的方法和接口;數據管理模塊提供對機器人數據支撐模塊和數據服務模塊中的所有對象的管理接口。在數據層之上的應用層提供對機器人安全信息展示及交互接口,包含機器人安全預警大屏、機器人質量大屏、機器人安全公眾號、機器人安全小程序和機器人安全專業網站,其中機器人安全預警大屏通過一張圖的形式展示機器人安全事件統計分析情況和地區分布情況,在出現嚴重事件或地區、產品安全事件超過閾值時出現彈窗預警;機器人質量大屏根據機器人產品類型,動態展示產品安全統計數據;機器人產品安全預警信息及統計數據定期通過機器人安全公眾號和機器人安全專業網站發布;同時,提供機器人安全小程序作為機器人產品質量安全事件上報通道。

圖1 預警平臺架構Fig.1 Architecture diagram of early warning platform

2 預警平臺數據庫構建

2.1 機器人安全指標庫

機器人安全指標是用于對機器人安全風險進行分類以及危害等級判別。以《機器人安全總則》(GB/T 38244—2019)[10]為基礎,結合不同類型機器人產品標準中涉及安全部分的指標,將機器人安全分為機械安全、電氣安全、功能安全、信息安全和其他安全五大類共523條安全指標,其中電氣安全包含電磁兼容相關指標,各指標分布如圖2所示,可以看出,機器人相關標準在信息安全領域涉及較少,在后續的機器人安全技術研究中應重點關注。

圖2 機器人安全指標分布Fig.2 Distribution of robot safety indicators

同時,通過《消費品安全 風險評估導則》(GB/T 22760—2020)[11]中風險評估的方法,根據安全風險發生的概率、危害程度對各指標的風險等級進行劃分,分為微弱、一般、嚴重和非常嚴重四級,在進行數據分析時,嚴重和非常嚴重的風險須重點關注,一般級別風險的安全指標的統計數量若超過閾值且出現增加的趨勢,說明該風險發生的概率在增大,背后存在產品的共性問題,也須重點關注。

2.2 機器人產品類型庫

機器人產品類型庫用于對機器人安全風險數據進行規范化分類,使每條風險信息都具有對應的機器人產品,通過對各類型機器人產品的風險統計數據進行分析,可以獲得需要重點關注的機器人產品及應用領域。在《機器人分類》(GB/T 39405—2020)[12]的基礎上,根據機器人應用領域,結合各領域的主流應用場景和應用對象,將機器人分為工業機器人、服務機器人、特種機器人三大類,詳細分類如圖3所示。

圖3 機器人產品分類Fig.3 Classification of robot products

工業機器人進一步細分為搬運/上下料機器人、焊接機器人、噴涂機器人、裝配機器人等7種類型;服務機器人進一步細分為家務機器人、教育機器人、餐飲機器人、導引機器人等12種類型;特種機器人進一步細分為搜救機器人、檢修機器人、巡檢機器人等6種類型。

2.3 機器人生產企業信息庫

機器人生產企業信息一方面用于對機器人安全風險事件進行追溯,從而明確責任對象,另一方面,當統計某公司生產的產品出現的安全風險項高于閾值時,間接反應該公司在質量管理或產品設計上存在問題,可針對性的發送預警信息到該公司,促進產品質量提升。企業信息庫內容包括企業名稱、稅號、地址和聯系方式。機器人生產企業信息庫由基礎庫和附加庫組成。通過對企業注冊信息進行分析,收集其中涉及機器人研發、生產、銷售的企業組成基礎信息庫。附加庫是通過機器人安全預警平臺微信小程序上報時填寫的不在基礎信息庫中的企業數據,作為基礎信息庫的拓展部分,在對附加庫中企業信息進行核實完善后即可添加到基礎信息庫中。

2.4 機器人信息采集來源庫

預警平臺各信息來源渠道統計如圖4所示。機器人信息采集來源庫用于確定數據采集通道,預警平臺所采集的數據類型具體如下。

圖4 機器人信息采集來源分布Fig.4 Distribution of robot information collection sources

(1)各級市場監督管理部門抽樣統計數據。一方面,市場監管總局、各省、市市場監管局會定期組織對市場主流產品進行抽查,其所公布的數據具有權威性和代表性。另一方面,對權威檢測機構的產品檢測數據進行脫敏處理后納入數據庫,由于檢測報告對機器人的功能性能指標判定方法、流程和依據的具有詳細的記錄,因此這類數據在分析機器人安全風險產生原因及產品質量改進方向上具有重要的作用。

(2)消費者投訴數據。廣大消費者對機器人的安全風險、產品質量具有最為直觀的感受,在遇到產品問題時會通過各種平臺進行投訴,這類數據能體現消費者關心的熱點問題和產品的質量趨勢,但同時,由于投訴者語言描述具有主觀性和口語化問題,導致這類數據的深層信息提取和挖掘較為困難。

(3)網絡輿情數據。網絡輿情數據包括新聞報道數據、行業研究數據和生產企業報道數據。主流權威媒體所報道的機器人安全事件一般是在發生傷害的情況且造成較為嚴重的負面影響,此類數據是機器人高風險預警的重要依據,且對傷害案例進行深層分析一般能夠發現系統性的安全風險,因此這類數據是機器人安全風險數據的重要補充。

2.5 機器人普通信息數據庫和安全風險庫

機器人普通信息數據庫和機器人安全風險庫所存放的都是經過數據分析后的機器人相關數據,其中機器人普通信息數據庫用于存放無安全風險的機器人數據,機器人安全風險數據庫用于存放具有安全風險的數據。存放數據如圖5所示,包括機器人數據信息、產品信息和安全信息,其中機器人數據信息包含數據來源、鏈接、標題、摘要、關鍵字、內容等;機器人產品信息包含機器人類型、生產企業、使用地域;機器人安全信息包含風險類別和風險等級。在數據應用時可以針對數據中的某種屬性進行統計和展示。

圖5 機器人信息包含內容Fig.5 Contents of robot information

3 預警平臺數據處理流程

預警平臺數據處理流程如圖6所示,包含數據采集、數據分析和數據應用步驟。數據采集階段對統計抽樣、網絡輿情、消費投訴、檢驗檢測等數據進行統一收集,形成機器人相關的原始數據集;數據分析階段對采集的原始數據進行智能分析,提取其中的產品信息、安全信息等要素,形成機器人安全風險庫;數據應用階段根據實際需求,對機器人安全風險庫中的數據進行定制化展示或生成相關報告。

圖6 預警平臺數據處理流程Fig.6 Data processing flow of early warning platform

3.1 數據采集

數據采集采用手動填報和自動采集結合的方式,流程如圖7所示。由于業務系統的檢驗檢測數據和機器人安全小程序的消費投訴數據都是通過手動填報的方式生成,格式較為統一,因此只需做簡單管理和存儲即可。數據采集的重點和難點在于對機器人信息采集來源庫中提供的各網站的機器人數據進行實時獲取。預警平臺采用Python和Java數據采集架構,針對各網站的格式設計制定對應的采集策略,對其中涉及機器人的內容進行篩選和解析,獲取來源、標題、文本內容、URL鏈接后進行格式化存儲。為保證數據的實時性,系統每隔固定時間對信息采集來源庫中的所有網站進行一次采集,獲取最新信息。所有采集的信息暫時存入機器人原始數據資源庫中用于后續數據分析。

圖7 數據采集流程Fig.7 Data collection process

3.2 數據分析

機器人數據分析流程如圖8所示。機器人相關原始數據經過文本信息預處理和文本信息特征表示后,依次由多個深度學習文本分析模型進行信息分析和提取,確定文本摘要、關鍵字、情感等內容屬性以及機器人相關產品生產信息、產品類別、風險類別和風險等級等要素。

圖8 數據分析流程Fig.8 Data analysis process

數據預處理主要包括文本清洗、文本分詞和去除停用詞[13]。文本清洗是利用正則表達式方法替換和刪除采集的文本數據中的亂碼字符、網頁鏈接、特殊符號等噪聲數據,減少不相關數據對分析結果的干擾。與英文分析不同,中文的最小表示單位是字,但詞語才具有較為完整的語義,因此需要進行分詞處理[14]。文本分詞采用Jieba開源分詞組件[15],基于詞典和統計方法對文本語句進行劃分,將文本中的段落和語句劃分為詞語,便于進行文本表示和分析。在分詞后,基于中文停用詞表和百度停用詞表,去除文中不包含有效語義信息但卻出現頻率極高的連詞、虛詞、助詞,以提高分析準確性。在預處理后,為充分利用詞語上下文語義,降低運算量,采用Word2Vec模型[16]將文本詞語映射到向量空間產生特征序列用于分析。

深度學習在文本分析處理中已經獲得大量使用并取得良好的效果。為提高機器人安全數據分析準確性,降低模型復雜程度,將數據分析分成多個子任務,采用不同的深度學習模型分別進行處理,同一數據依次經過各模型處理后,生成完整的屬性內容。有效性分析是對文本數據與機器人的是否相關進行二次分類,相關數據進入后續處理流程。摘要生成模型和關鍵字提取模型分別采用生成式和抽取式方法獲取摘要和關鍵詞[17]。產品信息提取模型在文本中抽取生產企業名稱,再與機器人生產企業信息庫進行比對確定具體信息。情感分析模型將文本情感分為正面、負面或中性,負面文本一般包含更多的安全風險[18]。產品分類模型基于機器人產品類型庫,確定機器人種類[19]。風險分析模型基于機器人安全指標庫,生成對應的風險類型和風險等級。在完成數據分析后,將數據與數據庫中已有數據進行相關性匹配,相關性低的數據保留并根據風險類型分開存儲。

3.3 數據應用

經過數據分析后存儲在機器人安全風險庫的數據包含了較為完整的機器人產品、安全相關信息,可針對不同對象進行應用,應用類型如圖9所示。針對市場監管單位,將風險信息與地域信息結合進行展示,可以反映不同地區的機器人安全風險發生情況,可為相關地區市場監管部門提供預警信息;針對檢測機構和生產企業,將風險信息與產品信息結合進行展示,可以反映不同類型機器人的產品質量發生情況,為質量抽查提供依據,以及為相關生產企業提供質量預警;針對生產企業和消費者,通過定期發布機器人質量安全報告,從生產和使用角度提供產品安全資訊。

圖9 數據應用類型Fig.9 Data application type

4 預警平臺開發及應用效果

機器人安全監測中心(圖10)是預警平臺運營管理系統,通過該系統可以查詢機器人安全監測后臺數據,并對數據采集、數據分析和數據應用等進行統一管理。預警平臺通過機器人安全預警大屏和機器人產品質量大屏(圖11)直觀展示機器人安全信息。機器人安全預警大屏采用地圖與數據協同展示的方式展示中國及歐美主要工業國家的機器人安全事件分布和數據統計情況,并動態展示采集指標及信息,對于“非常嚴重”一級的事件,通過彈窗方式進行提示。機器人產品質量大屏根據機器人產品類型分類展示工業機器人、服務機器人、特種機器人的整體風險統計數據,以及各大類機器人下的二級分類的統計數據。

圖10 機器人安全監測中心Fig.10 Robot safety monitoring center

圖11 機器人產品質量大屏Fig.11 The screen of robot product quality

截至2023年6月,預警平臺共采集市場監管、網絡輿情和消費投訴數據超過6.6×105條,分析到風險數據10 285條,其中微弱風險和一般風險等級數據約占98.6%,該部分數據涉及的機器人產品無明顯質量安全問題,嚴重以上風險等級數據約占1.4%,該部分數據主要集中在使用過程中發現的質量缺陷,如機器人充電基站故障、定位系統故障、傳感器故障等,涉及機械安全、電氣安全和功能安全,但未產生較為嚴重的安全事件,因此在市場監管時建議加大對相關產品的抽查力度,同時建議相關生產廠家分析對應的問題,提高產品可靠性,避免出現系統性質量安全問題。對比工業機器人、服務機器人和特種機器人數據,其中服務機器人風險數據較高,約占所有風險數據的76%,主要原因是:一方面是服務機器人數量基數大,另一方面是服務機器人工作于開放式動態環境中,與消費者接觸較多,因此在發現問題時會及時反饋。從市場監管角度出發,由于服務機器人具有工作范圍大、與消費者直接接觸多的特點,因此應增加服務機器人及附屬配件的抽查批次和范圍,確保服務機器人系統的質量安全水平提升和消費者權益獲得保障。

5 結論

機器人質量安全數據對市場監管機構、生產企業、消費者都具有重要的作用。主要解決了機器人產品質量安全數據的采集、分析和應用問題。得出如下結論。

(1)以國家標準和市場信息為基礎構建了機器人安全指標庫、產品類型庫、生產企業信息庫、信息采集庫和安全風險庫等知識庫和數據庫,對機器人的產品信息、數據來源信息、安全信息進行了系統定義和分類,提升了數據的精確性和準確性。

(2)建立基于抽樣檢測數據、網絡輿情數據、消費投訴數據等多種類型數據的采集、分析和應用流程及方法,實現了數據的自動采集以及多源異構信息的規范化處理;利用深度學習方法對采集數據進行多維度分析,實現風險數據的準確分類和定位,并面向不同對象采用不同方式對機器人產品質量安全數據進行展示和推送,實現不同對象能準確獲取不同維度的產品質量數據。

(3)設計了包含基礎層、數據層和應用層的預警系統架構,開發了機器人產品質量安全監測預警平臺,實現了后臺數據實時采集和分析、前端機器人質量信息和預警信息動態展示和推送,為優化機器人產品市場監管和質量提升提供了基礎數據支撐。