Preskoči na sadržaj

TÜV SÜD и Accenture унапређују сертификацију безбедности индустријске вештачке интелигенције уз NVIDIA технологију

TÜV SÜD and Accenture Advance Industrial AI Safety Certification with NVIDIA Technology

Novi pristup sertifikaciji industrijske veštačke inteligencije

TÜV SÜD i Accenture sarađuju na ubrzavanju procene bezbednosti i pripreme za sertifikaciju robota pokretanih veštačkom inteligencijom i sistema industrijske automatizacije. Njihov predlog, predstavljen na događaju NVIDIA GTC Berlin 2026, pod nazivom Physical AI Safety Suite objedinjuje digitalne blizance, agente veštačke inteligencije i tehnologije simulacije kako bi pomogao proizvođačima da ranije u inženjerskom procesu procene automatizovane sisteme.

Ova inicijativa bavi se sve većim izazovom u pametnoj proizvodnji: kako uvesti autonomnu opremu u proizvodne pogone bez ugrožavanja bezbednosti radnika ili odlaganja puštanja u rad. Prema navodima TÜV SÜD-a, delimična digitalizacija pripreme za sertifikaciju mogla bi da omogući da proizvodni pogoni počnu s radom do 30% ranije.

Za industrijske inženjere, značaj ovog razvoja prevazilazi bržu sertifikaciju. On ukazuje na integrisaniji pristup, u kojem bezbednost postaje sastavni deo projektovanja automatizacije, planiranja rasporeda i validacije sistema, umesto završne provere pre puštanja u rad.

Zašto je za sertifikaciju industrijske automatizacije potreban drugačiji postupak

Autonomni mobilni roboti (AMR), flote robota i druge inteligentne mašine sve se češće koriste u fabrikama i skladištima u kojima ljudi i automatizovana oprema dele radni prostor. U takvim okruženjima treba razmotriti bezbednost saobraćajnih ruta, rizik od sudara, zaustavni put, radne zone i međusobno delovanje mašina.

Standardi kao što je ISO 3691-4 utvrđuju bezbednosne zahteve za industrijske kamione bez vozača i njihove sisteme. Međutim, dokazivanje usaglašenosti podrazumeva više od provere pojedinačnog robota prema specifikaciji. Inženjeri moraju da uzmu u obzir i radno okruženje, predviđenu primenu i međusobno delovanje tokom uobičajenih i neuobičajenih uslova rada.

Prema navodima TÜV SÜD-a, aktivnosti procene bezbednosti u proizvodnom pogonu srednje veličine mogu trajati nekoliko nedelja. Ako se opasnosti otkriju nakon instalacije opreme, korektivne mere mogu obuhvatati redizajn rasporeda, izmenu radnih procesa, prilagođavanje parametara robota ili ponavljanje aktivnosti validacije.

Raniji početak procene bezbednosti u projektu može smanjiti ova kašnjenja koja se mogu izbeći. U praksi, što ranije inženjerski tim utvrdi da se putanja robota preklapa sa trasom kojom se kreću pešaci, lakše je ispraviti problem pre nego što dovede do skupih izmena na lokaciji.

Digitalni blizanci uvode procenu bezbednosti u fazu projektovanja

Predloženi Physical AI Safety Suite koristi virtuelne prikaze industrijskih okruženja za procenu opreme i radnih scenarija pre fizičkog uvođenja. Biblioteke NVIDIA Omniverse, NVIDIA Cosmos i NVIDIA Isaac Sim deo su tehnološkog skupa opisanog za ovaj pristup.

Digitalne simulacije mogu pomoći inženjerskim timovima da ispitaju raspored fabrike, putanje robota, zahteve za slobodnim prostorom i zajedničke radne zone. One takođe omogućavaju testiranje radnih scenarija koje bi bilo teško, dugotrajno ili skupo ponoviti na fizičkoj proizvodnoj liniji.

Ovaj pristup mogao bi biti naročito koristan kada pogon uvodi više AMR-ova, menja rute za rukovanje materijalom ili proširuje postojeću automatizovanu proizvodnu ćeliju. Inženjeri mogu da ispitaju kako predložene izmene utiču na protok saobraćaja i bezbednosne zone pre nego što se obavežu na konačnu instalaciju.

Međutim, digitalni blizanac je koristan samo onoliko koliko su korisne informacije na kojima se zasniva. Tačna geometrija, realistično ponašanje mašina, reprezentativni radni uslovi i proverene pretpostavke neophodni su da bi rezultati simulacije mogli da doprinesu smislenim odlukama o bezbednosti. Zato bi virtuelno testiranje trebalo da dopunjuje fizičku proveru i zvaničnu procenu usaglašenosti, a ne da ih automatski zamenjuje.

NVIDIA tehnologije podržavaju troslojnu procenu bezbednosti

Predloženi paket organizuje procenu bezbednosti oko tri povezana sloja: okruženja pogona, interakcija između flota robota i ponašanja pojedinačnih robota. TÜV SÜD obavlja nezavisnu procenu i pruža garanciju, zadržavajući odgovornost za sertifikaciju.

1. Raspored pogona i radne zone

Prvi sloj ispituje fizičko okruženje u kojem radi automatizacija. Koristeći tehnologije NVIDIA Omniverse, NVIDIA Cosmos i NVIDIA Isaac Sim, inženjerski timovi mogu da modeluju rute, slobodan prostor, radne zone i mesta na kojima se mogu ukrštati putanje zaposlenih i mašina.

Ova faza može pomoći u otkrivanju sukoba u projektovanju pre instalacije. Na primer, predložena ruta AMR-a može prolaziti kroz pešački prelaz ili ostavljati premalo prostora za prolaz u blizini radne ćelije. Otkrivanje ovih problema tokom planiranja rasporeda pruža inženjerima više mogućnosti da ih isprave bez ometanja proizvodnje.

2. Koordinacija flote robota i interakcija sa ljudima

Drugi sloj razmatra kako međusobno deluje više autonomnih mašina, radnika i okolne infrastrukture.

Najavljeni pristup objedinjuje NVIDIA Halos bezbednosne tehnologije i NVIDIA IGX Thor platformu za rubnu veštačku inteligenciju. Navodi se i da kamere postavljene u pogonu i AI agenti pomažu u ranijem otkrivanju potencijalno opasnih situacija, uključujući rizike koji možda nisu vidljivi u vidnom polju pojedinačnog robota.

Iz inženjerske perspektive, procena na nivou flote je važna jer bezbednost pojedinačnih mašina ne garantuje nužno bezbedno ponašanje njihovog zajedničkog sistema. Zakrčene raskrsnice, ukrštanje ruta, promenljivo kretanje pešaka i kašnjenja u komunikaciji mogu stvoriti rizike koji postaju očigledni tek kada se proceni širi sistem.

Praktična vrednost ovog sloja zavisiće od toga koliko efikasno sistem otkriva relevantne opasnosti, koliko brzo reaguje i koliko se njegovi izlazi dobro integrišu sa uspostavljenim funkcijama bezbednosti mašina.

3. Uslovi rada pojedinačnih robota

Treći sloj procenjuje pojedinačne robote u različitim radnim uslovima, uključujući nosivost, brzinu kretanja, podne površine i uslove osvetljenja.

Simulacija omogućava inženjerima da istraže širi raspon scenarija nego što je to možda praktično samo fizičkim testiranjem. To može pomoći u prepoznavanju ograničenja u ponašanju robota, preciznijem podešavanju radnih parametara i usmeravanju izmena dizajna pre nego što se uloži u prototipove ili proizvodnu opremu.

Ipak, obuhvat simulacije ne potvrđuje automatski bezbednost u svim uslovima u stvarnom svetu. Rezultate je i dalje potrebno proceniti u odnosu na primenljive zahteve, validirane modele i dokaze koji se očekuju za predviđenu primenu.

Šta bi ova saradnja mogla da znači za proizvođače

TÜV SÜD procenjuje da bi delimična digitalizacija procene i pripreme za sertifikaciju mogla da omogući da proizvodni pogoni počnu sa radom do 30% ranije. Ovo je mogući ishod, a ne garantovano smanjenje trajanja za svaku fabriku ili projekat automatizacije.

Konkretne koristi zavisiće od složenosti projekta, kvaliteta inženjerskih podataka, zrelosti simulacionih modela, obima procene i stepena u kom se priprema za sertifikaciju može integrisati u postojeće procese.

Za proizvođače, potencijalne prednosti obuhvataju ranije prepoznavanje opasnosti, manje izmena dizajna u kasnoj fazi, sistematičnije testiranje scenarija i bolju koordinaciju između inženjera za automatizaciju i stručnjaka za bezbednost.

Ovaj pristup može biti naročito relevantan za pogone koji uvode više autonomnih mobilnih robota (AMR), robotske primene zasnovane na veštačkoj inteligenciji ili menjaju raspored proizvodnje uz istovremeno održavanje postojećih operacija.

Rukovodstvo kompanije Accenture za lance snabdevanja i inženjering ukazalo je na čestu slabost tradicionalnih projektnih procesa: koncepti automatizacije ponekad se procenjuju prema industrijskim standardima tek pošto su oprema, rasporedi i operativne procedure već utvrđeni. Razmatranje ovih aspekata u ranijoj fazi omogućava inženjerskim timovima da reše probleme dok su izmene dizajna još uvek relativno jednostavne.

Perspektiva iz inženjerstva: Dokazi iz simulacije moraju ostati sledljivi

Najvažnije pitanje nije samo da li AI može da prepozna potencijalnu opasnost u virtuelnoj fabrici. Pitanje je da li se dokazima dobijenim simulacijom može verovati, da li se mogu ponovo dobiti i pregledati, kao i povezati sa primenljivim bezbednosnim zahtevima.

Po mom mišljenju, sertifikacija industrijske AI tehnologije zavisiće od kvaliteta ovog lanca dokaza isto koliko i od sofisticiranosti simulacione tehnologije. Koristan proces procene trebalo bi da dokumentuje konfiguraciju modela, pretpostavke, scenarije testiranja, verzije sistema, utvrđene opasnosti, korektivne mere i rezultate verifikacije.

Inženjeri bi takođe trebalo da razlikuju detekciju opasnosti uz pomoć AI tehnologije od bezbednosnih funkcija koje zahtevaju definisane performanse, predvidljivo ponašanje i odgovarajuću validaciju. AI agent koji prepoznaje mogući rizik od sudara može da doprinese boljoj operativnoj informisanosti, ali sama ta sposobnost ne dokazuje da zaštitne funkcije robota ispunjavaju zahtevani nivo bezbednosti.

Ova razlika je važna kada autonomna oprema radi u blizini ljudi. Simulacija može da unapredi projektne odluke i pruži dodatne dokaze, ali procena bezbednosti i dalje mora da obuhvati ponašanje u stvarnim uslovima, situacije otkaza i zahteve koji važe za čitav sistem.

Budućnost fizičke AI tehnologije u proizvodnji

Saradnja kompanija TÜV SÜD i Accenture odražava širi zaokret ka integrisanju simulacije, veštačke inteligencije i bezbednosnog inženjerstva u projekte industrijske automatizacije od samog početka.

Procena rasporeda postrojenja, flota robota i pojedinačnih mašina u okviru povezanog pristupa ima za cilj da predloženi Physical AI Safety Suite učini pripremu za bezbednosnu procenu sistematičnijom i smanji kašnjenja izazvana izmenama u kasnijim fazama.

Potencijalne koristi su značajne, ali za uvođenje će biti potrebni jasne metode procene, reprezentativni simulacioni modeli, sledljivi dokazi i odgovarajuća fizička verifikacija. Proizvođači bi takođe trebalo da potvrde kako se predloženi proces primenjuje na njihovu konkretnu opremu, radno okruženje i zahteve za sertifikaciju.

Ako se ovi elementi uzmu u obzir, procena bezbednosti zasnovana na simulaciji mogla bi da postane praktičan deo inženjerskih procesa u sve autonomnijim fabrikama. Cilj ne bi trebalo da bude uklanjanje ljudskog nadzora iz procesa sertifikacije, već da se inženjerima i nezavisnim proceniteljima pruže kvalitetniji dokazi u ranijoj fazi, kada mogu najviše da doprinesu bezbednosti i smanjenju troškova projekta.

TÜV SÜD i Accenture unapređuju sertifikaciju bezbednosti industrijske AI tehnologije uz NVIDIA tehnologiju