机器人产品质量安全监测预警平台研究及应用

钟远生, 陈向志*, 唐力华, 高晓东

(1.广东产品质量监督检验研究院, 广州 510670; 2.国家市场监管重点实验室(智能机器人安全), 广州 510670)

现代产业和人工智能技术的发展为机器人市场的快速增长提供了强大的动力,工业机器人、服务机器人和特种机器人的应用场景和应用领域不断扩展,随着机器人走进人们的生产生活,机器人产品的质量安全性也备受关注。然而,对于市场监督管理单位,因缺乏机器人产品质量安全相关数据的支撑,导致难以形成对机器人相关产品和行业的系统监管方案;对于生产企业,由于缺乏自身及类似产品安全情况的系统认知,难以快速做出反应提出针对性改进方案;对于消费者,由于缺乏可靠的产品质量数据指导,在购买和使用机器人产品时个人权益容易受到损害。因此,研究机器人产品安全监测预警平台对丰富机器人产品质量安全监管手段、促进机器人产品技术发展、保障消费者权益具有重要意义。

基于大数据和云平台的监测和预警技术在应急管理、安全生产和设备监控等领域获得广泛研究和应用。曹之玉等[1]基于云服务模式设计了一种国家突发事件预警信息发布平台,解决了数据接入、共享等问题,实现资源弹性部署、数据可靠传输。王雷[2]融合多种智能感知设备建立了社会安全事件综合监测预警系统,解决了时空尺度大、多异构信息融合和多因素耦合问题,提高了社会安全事件预警能力。卢振礼等[3]研究了公路团雾影响因素模型,建立了高速公路团雾视频监测预警平台,推动了团雾分级预警工作的开展。安小宇等[4]对隧道掘进机的拆装装置在作业过程中数据进行两级信息融合处理,获得最优加权组合模型,对装置状态进行有效判断和预警。Liu等[5]研究了基于深度学习的食品安全预警系统,并以乳制品为例研究供应链相关因素对食品安全的影响。Lei等[6]利用物联网技术,通过多传感器融合和多信息处理,建立了对电气设备运行监控预警平台,提高了电力系统的稳定性。路亚彬等[7]基于法律法规和相关标准,结合多种设备数据,研究建立了危险化学品装卸运输安全风险预警平台,提高了危化品装卸运输安全水平,为监管单位提供了有效工具。疏礼春[8]基于大数据技术,设计了边缘和云端一体化计算架构,建立了煤矿安全生产风险监测预警平台,提升了事故预警和监管监察的准确性和可靠性。王浩林等[9]从软硬件方面综合设计,开发了数控机床故障预警与诊断平台,实现了机床的状态显示、故障诊断和性能预报,有效降低了设备停机维护时间。由此可见,基于大数据和云平台的监测和预警技术的应用为各行业提质增效提供了重要的支撑。而以上研究也为机器人产品质量安全监测预警平台架构设计、数据采集和分析模型的建立提供了重要参考。

鉴于此,以机器人质量安全数据为核心,综合市场监管机构、生产企业、消费者应用需求,层次化设计了预警系统架构,根据国家标准和机器人市场信息,构建了机器人安全指标库、产品类型库、生产企业信息库、信息采集库和安全风险库等包含机器人产品属性和安全属性的数据库,研究基于抽样检测数据、网络舆情数据、消费投诉数据等多种类型数据的采集、分析和应用流程及方法,开发机器人产品质量安全监测预警平台,以实现机器人质量安全事件和信息的实时采集、智能评估、系统监测和及时预警。

1 机器人产品质量安全监测预警平台架构

机器人产品质量安全监测预警平台整体架构如图1所示。预警平台整体由基础层、数据层和应用层构成。基础层包括网络、服务器、操作系统和基础应用,为平台的建设提供软硬件支撑。数据层是预警平台的技术核心及业务核心,包含数据支撑、数据服务和数据管理三大功能模块,其中数据支撑模块由机器人基础数据库、安全风险库、安全指标库、产品类型库、企业信息库和信息来源库构成,包含了机器人产品基础数据、属性数据、安全数据;数据服务模块由数据采集、数据挖掘、数据分析和数据共享子模块构成,提供机器人安全数据从采集到分析再到共享的方法和接口;数据管理模块提供对机器人数据支撑模块和数据服务模块中的所有对象的管理接口。在数据层之上的应用层提供对机器人安全信息展示及交互接口,包含机器人安全预警大屏、机器人质量大屏、机器人安全公众号、机器人安全小程序和机器人安全专业网站,其中机器人安全预警大屏通过一张图的形式展示机器人安全事件统计分析情况和地区分布情况,在出现严重事件或地区、产品安全事件超过阈值时出现弹窗预警;机器人质量大屏根据机器人产品类型,动态展示产品安全统计数据;机器人产品安全预警信息及统计数据定期通过机器人安全公众号和机器人安全专业网站发布;同时,提供机器人安全小程序作为机器人产品质量安全事件上报通道。

图1 预警平台架构Fig.1 Architecture diagram of early warning platform

2 预警平台数据库构建

2.1 机器人安全指标库

机器人安全指标是用于对机器人安全风险进行分类以及危害等级判别。以《机器人安全总则》(GB/T 38244—2019)[10]为基础,结合不同类型机器人产品标准中涉及安全部分的指标,将机器人安全分为机械安全、电气安全、功能安全、信息安全和其他安全五大类共523条安全指标,其中电气安全包含电磁兼容相关指标,各指标分布如图2所示,可以看出,机器人相关标准在信息安全领域涉及较少,在后续的机器人安全技术研究中应重点关注。

图2 机器人安全指标分布Fig.2 Distribution of robot safety indicators

同时,通过《消费品安全 风险评估导则》(GB/T 22760—2020)[11]中风险评估的方法,根据安全风险发生的概率、危害程度对各指标的风险等级进行划分,分为微弱、一般、严重和非常严重四级,在进行数据分析时,严重和非常严重的风险须重点关注,一般级别风险的安全指标的统计数量若超过阈值且出现增加的趋势,说明该风险发生的概率在增大,背后存在产品的共性问题,也须重点关注。

2.2 机器人产品类型库

机器人产品类型库用于对机器人安全风险数据进行规范化分类,使每条风险信息都具有对应的机器人产品,通过对各类型机器人产品的风险统计数据进行分析,可以获得需要重点关注的机器人产品及应用领域。在《机器人分类》(GB/T 39405—2020)[12]的基础上,根据机器人应用领域,结合各领域的主流应用场景和应用对象,将机器人分为工业机器人、服务机器人、特种机器人三大类,详细分类如图3所示。

图3 机器人产品分类Fig.3 Classification of robot products

工业机器人进一步细分为搬运/上下料机器人、焊接机器人、喷涂机器人、装配机器人等7种类型;服务机器人进一步细分为家务机器人、教育机器人、餐饮机器人、导引机器人等12种类型;特种机器人进一步细分为搜救机器人、检修机器人、巡检机器人等6种类型。

2.3 机器人生产企业信息库

机器人生产企业信息一方面用于对机器人安全风险事件进行追溯,从而明确责任对象,另一方面,当统计某公司生产的产品出现的安全风险项高于阈值时,间接反应该公司在质量管理或产品设计上存在问题,可针对性的发送预警信息到该公司,促进产品质量提升。企业信息库内容包括企业名称、税号、地址和联系方式。机器人生产企业信息库由基础库和附加库组成。通过对企业注册信息进行分析,收集其中涉及机器人研发、生产、销售的企业组成基础信息库。附加库是通过机器人安全预警平台微信小程序上报时填写的不在基础信息库中的企业数据,作为基础信息库的拓展部分,在对附加库中企业信息进行核实完善后即可添加到基础信息库中。

2.4 机器人信息采集来源库

预警平台各信息来源渠道统计如图4所示。机器人信息采集来源库用于确定数据采集通道,预警平台所采集的数据类型具体如下。

图4 机器人信息采集来源分布Fig.4 Distribution of robot information collection sources

(1)各级市场监督管理部门抽样统计数据。一方面,市场监管总局、各省、市市场监管局会定期组织对市场主流产品进行抽查,其所公布的数据具有权威性和代表性。另一方面,对权威检测机构的产品检测数据进行脱敏处理后纳入数据库,由于检测报告对机器人的功能性能指标判定方法、流程和依据的具有详细的记录,因此这类数据在分析机器人安全风险产生原因及产品质量改进方向上具有重要的作用。

(2)消费者投诉数据。广大消费者对机器人的安全风险、产品质量具有最为直观的感受,在遇到产品问题时会通过各种平台进行投诉,这类数据能体现消费者关心的热点问题和产品的质量趋势,但同时,由于投诉者语言描述具有主观性和口语化问题,导致这类数据的深层信息提取和挖掘较为困难。

(3)网络舆情数据。网络舆情数据包括新闻报道数据、行业研究数据和生产企业报道数据。主流权威媒体所报道的机器人安全事件一般是在发生伤害的情况且造成较为严重的负面影响,此类数据是机器人高风险预警的重要依据,且对伤害案例进行深层分析一般能够发现系统性的安全风险,因此这类数据是机器人安全风险数据的重要补充。

2.5 机器人普通信息数据库和安全风险库

机器人普通信息数据库和机器人安全风险库所存放的都是经过数据分析后的机器人相关数据,其中机器人普通信息数据库用于存放无安全风险的机器人数据,机器人安全风险数据库用于存放具有安全风险的数据。存放数据如图5所示,包括机器人数据信息、产品信息和安全信息,其中机器人数据信息包含数据来源、链接、标题、摘要、关键字、内容等;机器人产品信息包含机器人类型、生产企业、使用地域;机器人安全信息包含风险类别和风险等级。在数据应用时可以针对数据中的某种属性进行统计和展示。

图5 机器人信息包含内容Fig.5 Contents of robot information

3 预警平台数据处理流程

预警平台数据处理流程如图6所示,包含数据采集、数据分析和数据应用步骤。数据采集阶段对统计抽样、网络舆情、消费投诉、检验检测等数据进行统一收集,形成机器人相关的原始数据集;数据分析阶段对采集的原始数据进行智能分析,提取其中的产品信息、安全信息等要素,形成机器人安全风险库;数据应用阶段根据实际需求,对机器人安全风险库中的数据进行定制化展示或生成相关报告。

图6 预警平台数据处理流程Fig.6 Data processing flow of early warning platform

3.1 数据采集

数据采集采用手动填报和自动采集结合的方式,流程如图7所示。由于业务系统的检验检测数据和机器人安全小程序的消费投诉数据都是通过手动填报的方式生成,格式较为统一,因此只需做简单管理和存储即可。数据采集的重点和难点在于对机器人信息采集来源库中提供的各网站的机器人数据进行实时获取。预警平台采用Python和Java数据采集架构,针对各网站的格式设计制定对应的采集策略,对其中涉及机器人的内容进行筛选和解析,获取来源、标题、文本内容、URL链接后进行格式化存储。为保证数据的实时性,系统每隔固定时间对信息采集来源库中的所有网站进行一次采集,获取最新信息。所有采集的信息暂时存入机器人原始数据资源库中用于后续数据分析。

图7 数据采集流程Fig.7 Data collection process

3.2 数据分析

机器人数据分析流程如图8所示。机器人相关原始数据经过文本信息预处理和文本信息特征表示后,依次由多个深度学习文本分析模型进行信息分析和提取,确定文本摘要、关键字、情感等内容属性以及机器人相关产品生产信息、产品类别、风险类别和风险等级等要素。

图8 数据分析流程Fig.8 Data analysis process

数据预处理主要包括文本清洗、文本分词和去除停用词[13]。文本清洗是利用正则表达式方法替换和删除采集的文本数据中的乱码字符、网页链接、特殊符号等噪声数据,减少不相关数据对分析结果的干扰。与英文分析不同,中文的最小表示单位是字,但词语才具有较为完整的语义,因此需要进行分词处理[14]。文本分词采用Jieba开源分词组件[15],基于词典和统计方法对文本语句进行划分,将文本中的段落和语句划分为词语,便于进行文本表示和分析。在分词后,基于中文停用词表和百度停用词表,去除文中不包含有效语义信息但却出现频率极高的连词、虚词、助词,以提高分析准确性。在预处理后,为充分利用词语上下文语义,降低运算量,采用Word2Vec模型[16]将文本词语映射到向量空间产生特征序列用于分析。

深度学习在文本分析处理中已经获得大量使用并取得良好的效果。为提高机器人安全数据分析准确性,降低模型复杂程度,将数据分析分成多个子任务,采用不同的深度学习模型分别进行处理,同一数据依次经过各模型处理后,生成完整的属性内容。有效性分析是对文本数据与机器人的是否相关进行二次分类,相关数据进入后续处理流程。摘要生成模型和关键字提取模型分别采用生成式和抽取式方法获取摘要和关键词[17]。产品信息提取模型在文本中抽取生产企业名称,再与机器人生产企业信息库进行比对确定具体信息。情感分析模型将文本情感分为正面、负面或中性,负面文本一般包含更多的安全风险[18]。产品分类模型基于机器人产品类型库,确定机器人种类[19]。风险分析模型基于机器人安全指标库,生成对应的风险类型和风险等级。在完成数据分析后,将数据与数据库中已有数据进行相关性匹配,相关性低的数据保留并根据风险类型分开存储。

3.3 数据应用

经过数据分析后存储在机器人安全风险库的数据包含了较为完整的机器人产品、安全相关信息,可针对不同对象进行应用,应用类型如图9所示。针对市场监管单位,将风险信息与地域信息结合进行展示,可以反映不同地区的机器人安全风险发生情况,可为相关地区市场监管部门提供预警信息;针对检测机构和生产企业,将风险信息与产品信息结合进行展示,可以反映不同类型机器人的产品质量发生情况,为质量抽查提供依据,以及为相关生产企业提供质量预警;针对生产企业和消费者,通过定期发布机器人质量安全报告,从生产和使用角度提供产品安全资讯。

图9 数据应用类型Fig.9 Data application type

4 预警平台开发及应用效果

机器人安全监测中心(图10)是预警平台运营管理系统,通过该系统可以查询机器人安全监测后台数据,并对数据采集、数据分析和数据应用等进行统一管理。预警平台通过机器人安全预警大屏和机器人产品质量大屏(图11)直观展示机器人安全信息。机器人安全预警大屏采用地图与数据协同展示的方式展示中国及欧美主要工业国家的机器人安全事件分布和数据统计情况,并动态展示采集指标及信息,对于“非常严重”一级的事件,通过弹窗方式进行提示。机器人产品质量大屏根据机器人产品类型分类展示工业机器人、服务机器人、特种机器人的整体风险统计数据,以及各大类机器人下的二级分类的统计数据。

图10 机器人安全监测中心Fig.10 Robot safety monitoring center

图11 机器人产品质量大屏Fig.11 The screen of robot product quality

截至2023年6月,预警平台共采集市场监管、网络舆情和消费投诉数据超过6.6×105条,分析到风险数据10 285条,其中微弱风险和一般风险等级数据约占98.6%,该部分数据涉及的机器人产品无明显质量安全问题,严重以上风险等级数据约占1.4%,该部分数据主要集中在使用过程中发现的质量缺陷,如机器人充电基站故障、定位系统故障、传感器故障等,涉及机械安全、电气安全和功能安全,但未产生较为严重的安全事件,因此在市场监管时建议加大对相关产品的抽查力度,同时建议相关生产厂家分析对应的问题,提高产品可靠性,避免出现系统性质量安全问题。对比工业机器人、服务机器人和特种机器人数据,其中服务机器人风险数据较高,约占所有风险数据的76%,主要原因是:一方面是服务机器人数量基数大,另一方面是服务机器人工作于开放式动态环境中,与消费者接触较多,因此在发现问题时会及时反馈。从市场监管角度出发,由于服务机器人具有工作范围大、与消费者直接接触多的特点,因此应增加服务机器人及附属配件的抽查批次和范围,确保服务机器人系统的质量安全水平提升和消费者权益获得保障。

5 结论

机器人质量安全数据对市场监管机构、生产企业、消费者都具有重要的作用。主要解决了机器人产品质量安全数据的采集、分析和应用问题。得出如下结论。

(1)以国家标准和市场信息为基础构建了机器人安全指标库、产品类型库、生产企业信息库、信息采集库和安全风险库等知识库和数据库,对机器人的产品信息、数据来源信息、安全信息进行了系统定义和分类,提升了数据的精确性和准确性。

(2)建立基于抽样检测数据、网络舆情数据、消费投诉数据等多种类型数据的采集、分析和应用流程及方法,实现了数据的自动采集以及多源异构信息的规范化处理;利用深度学习方法对采集数据进行多维度分析,实现风险数据的准确分类和定位,并面向不同对象采用不同方式对机器人产品质量安全数据进行展示和推送,实现不同对象能准确获取不同维度的产品质量数据。

(3)设计了包含基础层、数据层和应用层的预警系统架构,开发了机器人产品质量安全监测预警平台,实现了后台数据实时采集和分析、前端机器人质量信息和预警信息动态展示和推送,为优化机器人产品市场监管和质量提升提供了基础数据支撑。