鐘遠(yuǎn)生, 陳向志*, 唐力華, 高曉東

(1.廣東產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)研究院, 廣州 510670; 2.國家市場監(jiān)管重點(diǎn)實(shí)驗(yàn)室(智能機(jī)器人安全), 廣州 510670)

現(xiàn)代產(chǎn)業(yè)和人工智能技術(shù)的發(fā)展為機(jī)器人市場的快速增長提供了強(qiáng)大的動力,工業(yè)機(jī)器人、服務(wù)機(jī)器人和特種機(jī)器人的應(yīng)用場景和應(yīng)用領(lǐng)域不斷擴(kuò)展,隨著機(jī)器人走進(jìn)人們的生產(chǎn)生活,機(jī)器人產(chǎn)品的質(zhì)量安全性也備受關(guān)注。然而,對于市場監(jiān)督管理單位,因缺乏機(jī)器人產(chǎn)品質(zhì)量安全相關(guān)數(shù)據(jù)的支撐,導(dǎo)致難以形成對機(jī)器人相關(guān)產(chǎn)品和行業(yè)的系統(tǒng)監(jiān)管方案;對于生產(chǎn)企業(yè),由于缺乏自身及類似產(chǎn)品安全情況的系統(tǒng)認(rèn)知,難以快速做出反應(yīng)提出針對性改進(jìn)方案;對于消費(fèi)者,由于缺乏可靠的產(chǎn)品質(zhì)量數(shù)據(jù)指導(dǎo),在購買和使用機(jī)器人產(chǎn)品時個人權(quán)益容易受到損害。因此,研究機(jī)器人產(chǎn)品安全監(jiān)測預(yù)警平臺對豐富機(jī)器人產(chǎn)品質(zhì)量安全監(jiān)管手段、促進(jìn)機(jī)器人產(chǎn)品技術(shù)發(fā)展、保障消費(fèi)者權(quán)益具有重要意義。

基于大數(shù)據(jù)和云平臺的監(jiān)測和預(yù)警技術(shù)在應(yīng)急管理、安全生產(chǎn)和設(shè)備監(jiān)控等領(lǐng)域獲得廣泛研究和應(yīng)用。曹之玉等[1]基于云服務(wù)模式設(shè)計(jì)了一種國家突發(fā)事件預(yù)警信息發(fā)布平臺,解決了數(shù)據(jù)接入、共享等問題,實(shí)現(xiàn)資源彈性部署、數(shù)據(jù)可靠傳輸。王雷[2]融合多種智能感知設(shè)備建立了社會安全事件綜合監(jiān)測預(yù)警系統(tǒng),解決了時空尺度大、多異構(gòu)信息融合和多因素耦合問題,提高了社會安全事件預(yù)警能力。盧振禮等[3]研究了公路團(tuán)霧影響因素模型,建立了高速公路團(tuán)霧視頻監(jiān)測預(yù)警平臺,推動了團(tuán)霧分級預(yù)警工作的開展。安小宇等[4]對隧道掘進(jìn)機(jī)的拆裝裝置在作業(yè)過程中數(shù)據(jù)進(jìn)行兩級信息融合處理,獲得最優(yōu)加權(quán)組合模型,對裝置狀態(tài)進(jìn)行有效判斷和預(yù)警。Liu等[5]研究了基于深度學(xué)習(xí)的食品安全預(yù)警系統(tǒng),并以乳制品為例研究供應(yīng)鏈相關(guān)因素對食品安全的影響。Lei等[6]利用物聯(lián)網(wǎng)技術(shù),通過多傳感器融合和多信息處理,建立了對電氣設(shè)備運(yùn)行監(jiān)控預(yù)警平臺,提高了電力系統(tǒng)的穩(wěn)定性。路亞彬等[7]基于法律法規(guī)和相關(guān)標(biāo)準(zhǔn),結(jié)合多種設(shè)備數(shù)據(jù),研究建立了危險化學(xué)品裝卸運(yùn)輸安全風(fēng)險預(yù)警平臺,提高了?；费b卸運(yùn)輸安全水平,為監(jiān)管單位提供了有效工具。疏禮春[8]基于大數(shù)據(jù)技術(shù),設(shè)計(jì)了邊緣和云端一體化計(jì)算架構(gòu),建立了煤礦安全生產(chǎn)風(fēng)險監(jiān)測預(yù)警平臺,提升了事故預(yù)警和監(jiān)管監(jiān)察的準(zhǔn)確性和可靠性。王浩林等[9]從軟硬件方面綜合設(shè)計(jì),開發(fā)了數(shù)控機(jī)床故障預(yù)警與診斷平臺,實(shí)現(xiàn)了機(jī)床的狀態(tài)顯示、故障診斷和性能預(yù)報(bào),有效降低了設(shè)備停機(jī)維護(hù)時間。由此可見,基于大數(shù)據(jù)和云平臺的監(jiān)測和預(yù)警技術(shù)的應(yīng)用為各行業(yè)提質(zhì)增效提供了重要的支撐。而以上研究也為機(jī)器人產(chǎn)品質(zhì)量安全監(jiān)測預(yù)警平臺架構(gòu)設(shè)計(jì)、數(shù)據(jù)采集和分析模型的建立提供了重要參考。

鑒于此,以機(jī)器人質(zhì)量安全數(shù)據(jù)為核心,綜合市場監(jiān)管機(jī)構(gòu)、生產(chǎn)企業(yè)、消費(fèi)者應(yīng)用需求,層次化設(shè)計(jì)了預(yù)警系統(tǒng)架構(gòu),根據(jù)國家標(biāo)準(zhǔn)和機(jī)器人市場信息,構(gòu)建了機(jī)器人安全指標(biāo)庫、產(chǎn)品類型庫、生產(chǎn)企業(yè)信息庫、信息采集庫和安全風(fēng)險庫等包含機(jī)器人產(chǎn)品屬性和安全屬性的數(shù)據(jù)庫,研究基于抽樣檢測數(shù)據(jù)、網(wǎng)絡(luò)輿情數(shù)據(jù)、消費(fèi)投訴數(shù)據(jù)等多種類型數(shù)據(jù)的采集、分析和應(yīng)用流程及方法,開發(fā)機(jī)器人產(chǎn)品質(zhì)量安全監(jiān)測預(yù)警平臺,以實(shí)現(xiàn)機(jī)器人質(zhì)量安全事件和信息的實(shí)時采集、智能評估、系統(tǒng)監(jiān)測和及時預(yù)警。

1 機(jī)器人產(chǎn)品質(zhì)量安全監(jiān)測預(yù)警平臺架構(gòu)

機(jī)器人產(chǎn)品質(zhì)量安全監(jiān)測預(yù)警平臺整體架構(gòu)如圖1所示。預(yù)警平臺整體由基礎(chǔ)層、數(shù)據(jù)層和應(yīng)用層構(gòu)成?；A(chǔ)層包括網(wǎng)絡(luò)、服務(wù)器、操作系統(tǒng)和基礎(chǔ)應(yīng)用,為平臺的建設(shè)提供軟硬件支撐。數(shù)據(jù)層是預(yù)警平臺的技術(shù)核心及業(yè)務(wù)核心,包含數(shù)據(jù)支撐、數(shù)據(jù)服務(wù)和數(shù)據(jù)管理三大功能模塊,其中數(shù)據(jù)支撐模塊由機(jī)器人基礎(chǔ)數(shù)據(jù)庫、安全風(fēng)險庫、安全指標(biāo)庫、產(chǎn)品類型庫、企業(yè)信息庫和信息來源庫構(gòu)成,包含了機(jī)器人產(chǎn)品基礎(chǔ)數(shù)據(jù)、屬性數(shù)據(jù)、安全數(shù)據(jù);數(shù)據(jù)服務(wù)模塊由數(shù)據(jù)采集、數(shù)據(jù)挖掘、數(shù)據(jù)分析和數(shù)據(jù)共享子模塊構(gòu)成,提供機(jī)器人安全數(shù)據(jù)從采集到分析再到共享的方法和接口;數(shù)據(jù)管理模塊提供對機(jī)器人數(shù)據(jù)支撐模塊和數(shù)據(jù)服務(wù)模塊中的所有對象的管理接口。在數(shù)據(jù)層之上的應(yīng)用層提供對機(jī)器人安全信息展示及交互接口,包含機(jī)器人安全預(yù)警大屏、機(jī)器人質(zhì)量大屏、機(jī)器人安全公眾號、機(jī)器人安全小程序和機(jī)器人安全專業(yè)網(wǎng)站,其中機(jī)器人安全預(yù)警大屏通過一張圖的形式展示機(jī)器人安全事件統(tǒng)計(jì)分析情況和地區(qū)分布情況,在出現(xiàn)嚴(yán)重事件或地區(qū)、產(chǎn)品安全事件超過閾值時出現(xiàn)彈窗預(yù)警;機(jī)器人質(zhì)量大屏根據(jù)機(jī)器人產(chǎn)品類型,動態(tài)展示產(chǎn)品安全統(tǒng)計(jì)數(shù)據(jù);機(jī)器人產(chǎn)品安全預(yù)警信息及統(tǒng)計(jì)數(shù)據(jù)定期通過機(jī)器人安全公眾號和機(jī)器人安全專業(yè)網(wǎng)站發(fā)布;同時,提供機(jī)器人安全小程序作為機(jī)器人產(chǎn)品質(zhì)量安全事件上報(bào)通道。

圖1 預(yù)警平臺架構(gòu)Fig.1 Architecture diagram of early warning platform

2 預(yù)警平臺數(shù)據(jù)庫構(gòu)建

2.1 機(jī)器人安全指標(biāo)庫

機(jī)器人安全指標(biāo)是用于對機(jī)器人安全風(fēng)險進(jìn)行分類以及危害等級判別。以《機(jī)器人安全總則》(GB/T 38244—2019)[10]為基礎(chǔ),結(jié)合不同類型機(jī)器人產(chǎn)品標(biāo)準(zhǔn)中涉及安全部分的指標(biāo),將機(jī)器人安全分為機(jī)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(biāo),其中電氣安全包含電磁兼容相關(guān)指標(biāo),各指標(biāo)分布如圖2所示,可以看出,機(jī)器人相關(guān)標(biāo)準(zhǔn)在信息安全領(lǐng)域涉及較少,在后續(xù)的機(jī)器人安全技術(shù)研究中應(yīng)重點(diǎn)關(guān)注。

圖2 機(jī)器人安全指標(biāo)分布Fig.2 Distribution of robot safety indicators

同時,通過《消費(fèi)品安全 風(fēng)險評估導(dǎo)則》(GB/T 22760—2020)[11]中風(fēng)險評估的方法,根據(jù)安全風(fēng)險發(fā)生的概率、危害程度對各指標(biāo)的風(fēng)險等級進(jìn)行劃分,分為微弱、一般、嚴(yán)重和非常嚴(yán)重四級,在進(jìn)行數(shù)據(jù)分析時,嚴(yán)重和非常嚴(yán)重的風(fēng)險須重點(diǎn)關(guān)注,一般級別風(fēng)險的安全指標(biāo)的統(tǒng)計(jì)數(shù)量若超過閾值且出現(xiàn)增加的趨勢,說明該風(fēng)險發(fā)生的概率在增大,背后存在產(chǎn)品的共性問題,也須重點(diǎn)關(guān)注。

2.2 機(jī)器人產(chǎn)品類型庫

機(jī)器人產(chǎn)品類型庫用于對機(jī)器人安全風(fēng)險數(shù)據(jù)進(jìn)行規(guī)范化分類,使每條風(fēng)險信息都具有對應(yīng)的機(jī)器人產(chǎn)品,通過對各類型機(jī)器人產(chǎn)品的風(fēng)險統(tǒng)計(jì)數(shù)據(jù)進(jìn)行分析,可以獲得需要重點(diǎn)關(guān)注的機(jī)器人產(chǎn)品及應(yīng)用領(lǐng)域。在《機(jī)器人分類》(GB/T 39405—2020)[12]的基礎(chǔ)上,根據(jù)機(jī)器人應(yīng)用領(lǐng)域,結(jié)合各領(lǐng)域的主流應(yīng)用場景和應(yīng)用對象,將機(jī)器人分為工業(yè)機(jī)器人、服務(wù)機(jī)器人、特種機(jī)器人三大類,詳細(xì)分類如圖3所示。

圖3 機(jī)器人產(chǎn)品分類Fig.3 Classification of robot products

工業(yè)機(jī)器人進(jìn)一步細(xì)分為搬運(yùn)/上下料機(jī)器人、焊接機(jī)器人、噴涂機(jī)器人、裝配機(jī)器人等7種類型;服務(wù)機(jī)器人進(jìn)一步細(xì)分為家務(wù)機(jī)器人、教育機(jī)器人、餐飲機(jī)器人、導(dǎo)引機(jī)器人等12種類型;特種機(jī)器人進(jìn)一步細(xì)分為搜救機(jī)器人、檢修機(jī)器人、巡檢機(jī)器人等6種類型。

2.3 機(jī)器人生產(chǎn)企業(yè)信息庫

機(jī)器人生產(chǎn)企業(yè)信息一方面用于對機(jī)器人安全風(fēng)險事件進(jìn)行追溯,從而明確責(zé)任對象,另一方面,當(dāng)統(tǒng)計(jì)某公司生產(chǎn)的產(chǎn)品出現(xiàn)的安全風(fēng)險項(xiàng)高于閾值時,間接反應(yīng)該公司在質(zhì)量管理或產(chǎn)品設(shè)計(jì)上存在問題,可針對性的發(fā)送預(yù)警信息到該公司,促進(jìn)產(chǎn)品質(zhì)量提升。企業(yè)信息庫內(nèi)容包括企業(yè)名稱、稅號、地址和聯(lián)系方式。機(jī)器人生產(chǎn)企業(yè)信息庫由基礎(chǔ)庫和附加庫組成。通過對企業(yè)注冊信息進(jìn)行分析,收集其中涉及機(jī)器人研發(fā)、生產(chǎn)、銷售的企業(yè)組成基礎(chǔ)信息庫。附加庫是通過機(jī)器人安全預(yù)警平臺微信小程序上報(bào)時填寫的不在基礎(chǔ)信息庫中的企業(yè)數(shù)據(jù),作為基礎(chǔ)信息庫的拓展部分,在對附加庫中企業(yè)信息進(jìn)行核實(shí)完善后即可添加到基礎(chǔ)信息庫中。

2.4 機(jī)器人信息采集來源庫

預(yù)警平臺各信息來源渠道統(tǒng)計(jì)如圖4所示。機(jī)器人信息采集來源庫用于確定數(shù)據(jù)采集通道,預(yù)警平臺所采集的數(shù)據(jù)類型具體如下。

圖4 機(jī)器人信息采集來源分布Fig.4 Distribution of robot information collection sources

(1)各級市場監(jiān)督管理部門抽樣統(tǒng)計(jì)數(shù)據(jù)。一方面,市場監(jiān)管總局、各省、市市場監(jiān)管局會定期組織對市場主流產(chǎn)品進(jìn)行抽查,其所公布的數(shù)據(jù)具有權(quán)威性和代表性。另一方面,對權(quán)威檢測機(jī)構(gòu)的產(chǎn)品檢測數(shù)據(jù)進(jìn)行脫敏處理后納入數(shù)據(jù)庫,由于檢測報(bào)告對機(jī)器人的功能性能指標(biāo)判定方法、流程和依據(jù)的具有詳細(xì)的記錄,因此這類數(shù)據(jù)在分析機(jī)器人安全風(fēng)險產(chǎn)生原因及產(chǎn)品質(zhì)量改進(jìn)方向上具有重要的作用。

(2)消費(fèi)者投訴數(shù)據(jù)。廣大消費(fèi)者對機(jī)器人的安全風(fēng)險、產(chǎn)品質(zhì)量具有最為直觀的感受,在遇到產(chǎn)品問題時會通過各種平臺進(jìn)行投訴,這類數(shù)據(jù)能體現(xiàn)消費(fèi)者關(guān)心的熱點(diǎn)問題和產(chǎn)品的質(zhì)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(dǎo)致這類數(shù)據(jù)的深層信息提取和挖掘較為困難。

(3)網(wǎng)絡(luò)輿情數(shù)據(jù)。網(wǎng)絡(luò)輿情數(shù)據(jù)包括新聞報(bào)道數(shù)據(jù)、行業(yè)研究數(shù)據(jù)和生產(chǎn)企業(yè)報(bào)道數(shù)據(jù)。主流權(quán)威媒體所報(bào)道的機(jī)器人安全事件一般是在發(fā)生傷害的情況且造成較為嚴(yán)重的負(fù)面影響,此類數(shù)據(jù)是機(jī)器人高風(fēng)險預(yù)警的重要依據(jù),且對傷害案例進(jìn)行深層分析一般能夠發(fā)現(xiàn)系統(tǒng)性的安全風(fēng)險,因此這類數(shù)據(jù)是機(jī)器人安全風(fēng)險數(shù)據(jù)的重要補(bǔ)充。

2.5 機(jī)器人普通信息數(shù)據(jù)庫和安全風(fēng)險庫

機(jī)器人普通信息數(shù)據(jù)庫和機(jī)器人安全風(fēng)險庫所存放的都是經(jīng)過數(shù)據(jù)分析后的機(jī)器人相關(guān)數(shù)據(jù),其中機(jī)器人普通信息數(shù)據(jù)庫用于存放無安全風(fēng)險的機(jī)器人數(shù)據(jù),機(jī)器人安全風(fēng)險數(shù)據(jù)庫用于存放具有安全風(fēng)險的數(shù)據(jù)。存放數(shù)據(jù)如圖5所示,包括機(jī)器人數(shù)據(jù)信息、產(chǎn)品信息和安全信息,其中機(jī)器人數(shù)據(jù)信息包含數(shù)據(jù)來源、鏈接、標(biāo)題、摘要、關(guān)鍵字、內(nèi)容等;機(jī)器人產(chǎn)品信息包含機(jī)器人類型、生產(chǎn)企業(yè)、使用地域;機(jī)器人安全信息包含風(fēng)險類別和風(fēng)險等級。在數(shù)據(jù)應(yīng)用時可以針對數(shù)據(jù)中的某種屬性進(jìn)行統(tǒng)計(jì)和展示。

圖5 機(jī)器人信息包含內(nèi)容Fig.5 Contents of robot information

3 預(yù)警平臺數(shù)據(jù)處理流程

預(yù)警平臺數(shù)據(jù)處理流程如圖6所示,包含數(shù)據(jù)采集、數(shù)據(jù)分析和數(shù)據(jù)應(yīng)用步驟。數(shù)據(jù)采集階段對統(tǒng)計(jì)抽樣、網(wǎng)絡(luò)輿情、消費(fèi)投訴、檢驗(yàn)檢測等數(shù)據(jù)進(jìn)行統(tǒng)一收集,形成機(jī)器人相關(guān)的原始數(shù)據(jù)集;數(shù)據(jù)分析階段對采集的原始數(shù)據(jù)進(jìn)行智能分析,提取其中的產(chǎn)品信息、安全信息等要素,形成機(jī)器人安全風(fēng)險庫;數(shù)據(jù)應(yīng)用階段根據(jù)實(shí)際需求,對機(jī)器人安全風(fēng)險庫中的數(shù)據(jù)進(jìn)行定制化展示或生成相關(guān)報(bào)告。

圖6 預(yù)警平臺數(shù)據(jù)處理流程Fig.6 Data processing flow of early warning platform

3.1 數(shù)據(jù)采集

數(shù)據(jù)采集采用手動填報(bào)和自動采集結(jié)合的方式,流程如圖7所示。由于業(yè)務(wù)系統(tǒng)的檢驗(yàn)檢測數(shù)據(jù)和機(jī)器人安全小程序的消費(fèi)投訴數(shù)據(jù)都是通過手動填報(bào)的方式生成,格式較為統(tǒng)一,因此只需做簡單管理和存儲即可。數(shù)據(jù)采集的重點(diǎn)和難點(diǎn)在于對機(jī)器人信息采集來源庫中提供的各網(wǎng)站的機(jī)器人數(shù)據(jù)進(jìn)行實(shí)時獲取。預(yù)警平臺采用Python和Java數(shù)據(jù)采集架構(gòu),針對各網(wǎng)站的格式設(shè)計(jì)制定對應(yīng)的采集策略,對其中涉及機(jī)器人的內(nèi)容進(jìn)行篩選和解析,獲取來源、標(biāo)題、文本內(nèi)容、URL鏈接后進(jìn)行格式化存儲。為保證數(shù)據(jù)的實(shí)時性,系統(tǒng)每隔固定時間對信息采集來源庫中的所有網(wǎng)站進(jìn)行一次采集,獲取最新信息。所有采集的信息暫時存入機(jī)器人原始數(shù)據(jù)資源庫中用于后續(xù)數(shù)據(jù)分析。

圖7 數(shù)據(jù)采集流程Fig.7 Data collection process

3.2 數(shù)據(jù)分析

機(jī)器人數(shù)據(jù)分析流程如圖8所示。機(jī)器人相關(guān)原始數(shù)據(jù)經(jīng)過文本信息預(yù)處理和文本信息特征表示后,依次由多個深度學(xué)習(xí)文本分析模型進(jìn)行信息分析和提取,確定文本摘要、關(guān)鍵字、情感等內(nèi)容屬性以及機(jī)器人相關(guān)產(chǎn)品生產(chǎn)信息、產(chǎn)品類別、風(fēng)險類別和風(fēng)險等級等要素。

圖8 數(shù)據(jù)分析流程Fig.8 Data analysis process

數(shù)據(jù)預(yù)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(dá)式方法替換和刪除采集的文本數(shù)據(jù)中的亂碼字符、網(wǎng)頁鏈接、特殊符號等噪聲數(shù)據(jù),減少不相關(guān)數(shù)據(jù)對分析結(jié)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(jìn)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(tǒng)計(jì)方法對文本語句進(jìn)行劃分,將文本中的段落和語句劃分為詞語,便于進(jìn)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(xiàn)頻率極高的連詞、虛詞、助詞,以提高分析準(zhǔn)確性。在預(yù)處理后,為充分利用詞語上下文語義,降低運(yùn)算量,采用Word2Vec模型[16]將文本詞語映射到向量空間產(chǎn)生特征序列用于分析。

深度學(xué)習(xí)在文本分析處理中已經(jīng)獲得大量使用并取得良好的效果。為提高機(jī)器人安全數(shù)據(jù)分析準(zhǔn)確性,降低模型復(fù)雜程度,將數(shù)據(jù)分析分成多個子任務(wù),采用不同的深度學(xué)習(xí)模型分別進(jìn)行處理,同一數(shù)據(jù)依次經(jīng)過各模型處理后,生成完整的屬性內(nèi)容。有效性分析是對文本數(shù)據(jù)與機(jī)器人的是否相關(guān)進(jìn)行二次分類,相關(guān)數(shù)據(jù)進(jìn)入后續(xù)處理流程。摘要生成模型和關(guān)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(guān)鍵詞[17]。產(chǎn)品信息提取模型在文本中抽取生產(chǎn)企業(yè)名稱,再與機(jī)器人生產(chǎn)企業(yè)信息庫進(jìn)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(fù)面或中性,負(fù)面文本一般包含更多的安全風(fēng)險[18]。產(chǎn)品分類模型基于機(jī)器人產(chǎn)品類型庫,確定機(jī)器人種類[19]。風(fēng)險分析模型基于機(jī)器人安全指標(biāo)庫,生成對應(yīng)的風(fēng)險類型和風(fēng)險等級。在完成數(shù)據(jù)分析后,將數(shù)據(jù)與數(shù)據(jù)庫中已有數(shù)據(jù)進(jìn)行相關(guān)性匹配,相關(guān)性低的數(shù)據(jù)保留并根據(jù)風(fēng)險類型分開存儲。

3.3 數(shù)據(jù)應(yīng)用

經(jīng)過數(shù)據(jù)分析后存儲在機(jī)器人安全風(fēng)險庫的數(shù)據(jù)包含了較為完整的機(jī)器人產(chǎn)品、安全相關(guān)信息,可針對不同對象進(jìn)行應(yīng)用,應(yīng)用類型如圖9所示。針對市場監(jiān)管單位,將風(fēng)險信息與地域信息結(jié)合進(jìn)行展示,可以反映不同地區(qū)的機(jī)器人安全風(fēng)險發(fā)生情況,可為相關(guān)地區(qū)市場監(jiān)管部門提供預(yù)警信息;針對檢測機(jī)構(gòu)和生產(chǎn)企業(yè),將風(fēng)險信息與產(chǎn)品信息結(jié)合進(jìn)行展示,可以反映不同類型機(jī)器人的產(chǎn)品質(zhì)量發(fā)生情況,為質(zhì)量抽查提供依據(jù),以及為相關(guān)生產(chǎn)企業(yè)提供質(zhì)量預(yù)警;針對生產(chǎn)企業(yè)和消費(fèi)者,通過定期發(fā)布機(jī)器人質(zhì)量安全報(bào)告,從生產(chǎn)和使用角度提供產(chǎn)品安全資訊。

圖9 數(shù)據(jù)應(yīng)用類型Fig.9 Data application type

4 預(yù)警平臺開發(fā)及應(yīng)用效果

機(jī)器人安全監(jiān)測中心(圖10)是預(yù)警平臺運(yùn)營管理系統(tǒng),通過該系統(tǒng)可以查詢機(jī)器人安全監(jiān)測后臺數(shù)據(jù),并對數(shù)據(jù)采集、數(shù)據(jù)分析和數(shù)據(jù)應(yīng)用等進(jìn)行統(tǒng)一管理。預(yù)警平臺通過機(jī)器人安全預(yù)警大屏和機(jī)器人產(chǎn)品質(zhì)量大屏(圖11)直觀展示機(jī)器人安全信息。機(jī)器人安全預(yù)警大屏采用地圖與數(shù)據(jù)協(xié)同展示的方式展示中國及歐美主要工業(yè)國家的機(jī)器人安全事件分布和數(shù)據(jù)統(tǒng)計(jì)情況,并動態(tài)展示采集指標(biāo)及信息,對于“非常嚴(yán)重”一級的事件,通過彈窗方式進(jìn)行提示。機(jī)器人產(chǎn)品質(zhì)量大屏根據(jù)機(jī)器人產(chǎn)品類型分類展示工業(yè)機(jī)器人、服務(wù)機(jī)器人、特種機(jī)器人的整體風(fēng)險統(tǒng)計(jì)數(shù)據(jù),以及各大類機(jī)器人下的二級分類的統(tǒng)計(jì)數(shù)據(jù)。

圖10 機(jī)器人安全監(jiān)測中心Fig.10 Robot safety monitoring center

圖11 機(jī)器人產(chǎn)品質(zhì)量大屏Fig.11 The screen of robot product quality

截至2023年6月,預(yù)警平臺共采集市場監(jiān)管、網(wǎng)絡(luò)輿情和消費(fèi)投訴數(shù)據(jù)超過6.6×105條,分析到風(fēng)險數(shù)據(jù)10 285條,其中微弱風(fēng)險和一般風(fēng)險等級數(shù)據(jù)約占98.6%,該部分?jǐn)?shù)據(jù)涉及的機(jī)器人產(chǎn)品無明顯質(zhì)量安全問題,嚴(yán)重以上風(fēng)險等級數(shù)據(jù)約占1.4%,該部分?jǐn)?shù)據(jù)主要集中在使用過程中發(fā)現(xiàn)的質(zhì)量缺陷,如機(jī)器人充電基站故障、定位系統(tǒng)故障、傳感器故障等,涉及機(jī)械安全、電氣安全和功能安全,但未產(chǎn)生較為嚴(yán)重的安全事件,因此在市場監(jiān)管時建議加大對相關(guān)產(chǎn)品的抽查力度,同時建議相關(guān)生產(chǎn)廠家分析對應(yīng)的問題,提高產(chǎn)品可靠性,避免出現(xiàn)系統(tǒng)性質(zhì)量安全問題。對比工業(yè)機(jī)器人、服務(wù)機(jī)器人和特種機(jī)器人數(shù)據(jù),其中服務(wù)機(jī)器人風(fēng)險數(shù)據(jù)較高,約占所有風(fēng)險數(shù)據(jù)的76%,主要原因是:一方面是服務(wù)機(jī)器人數(shù)量基數(shù)大,另一方面是服務(wù)機(jī)器人工作于開放式動態(tài)環(huán)境中,與消費(fèi)者接觸較多,因此在發(fā)現(xiàn)問題時會及時反饋。從市場監(jiān)管角度出發(fā),由于服務(wù)機(jī)器人具有工作范圍大、與消費(fèi)者直接接觸多的特點(diǎn),因此應(yīng)增加服務(wù)機(jī)器人及附屬配件的抽查批次和范圍,確保服務(wù)機(jī)器人系統(tǒng)的質(zhì)量安全水平提升和消費(fèi)者權(quán)益獲得保障。

5 結(jié)論

機(jī)器人質(zhì)量安全數(shù)據(jù)對市場監(jiān)管機(jī)構(gòu)、生產(chǎn)企業(yè)、消費(fèi)者都具有重要的作用。主要解決了機(jī)器人產(chǎn)品質(zhì)量安全數(shù)據(jù)的采集、分析和應(yīng)用問題。得出如下結(jié)論。

(1)以國家標(biāo)準(zhǔn)和市場信息為基礎(chǔ)構(gòu)建了機(jī)器人安全指標(biāo)庫、產(chǎn)品類型庫、生產(chǎn)企業(yè)信息庫、信息采集庫和安全風(fēng)險庫等知識庫和數(shù)據(jù)庫,對機(jī)器人的產(chǎn)品信息、數(shù)據(jù)來源信息、安全信息進(jìn)行了系統(tǒng)定義和分類,提升了數(shù)據(jù)的精確性和準(zhǔn)確性。

(2)建立基于抽樣檢測數(shù)據(jù)、網(wǎng)絡(luò)輿情數(shù)據(jù)、消費(fèi)投訴數(shù)據(jù)等多種類型數(shù)據(jù)的采集、分析和應(yīng)用流程及方法,實(shí)現(xiàn)了數(shù)據(jù)的自動采集以及多源異構(gòu)信息的規(guī)范化處理;利用深度學(xué)習(xí)方法對采集數(shù)據(jù)進(jìn)行多維度分析,實(shí)現(xiàn)風(fēng)險數(shù)據(jù)的準(zhǔn)確分類和定位,并面向不同對象采用不同方式對機(jī)器人產(chǎn)品質(zhì)量安全數(shù)據(jù)進(jìn)行展示和推送,實(shí)現(xiàn)不同對象能準(zhǔn)確獲取不同維度的產(chǎn)品質(zhì)量數(shù)據(jù)。

(3)設(shè)計(jì)了包含基礎(chǔ)層、數(shù)據(jù)層和應(yīng)用層的預(yù)警系統(tǒng)架構(gòu),開發(fā)了機(jī)器人產(chǎn)品質(zhì)量安全監(jiān)測預(yù)警平臺,實(shí)現(xiàn)了后臺數(shù)據(jù)實(shí)時采集和分析、前端機(jī)器人質(zhì)量信息和預(yù)警信息動態(tài)展示和推送,為優(yōu)化機(jī)器人產(chǎn)品市場監(jiān)管和質(zhì)量提升提供了基礎(chǔ)數(shù)據(jù)支撐。