Data science

AI พยายามเตือนนักผจญเพลิงถึงผลกระทบ 'Flashover' ที่ร้ายแรง

เมื่อนักผจญเพลิงกำลังต่อสู้กับไฟในอาคาร อาจเกิดผลกระทบที่น่าสะพรึงกลัวที่เรียกว่า “วาบไฟ”: การจุดไฟพร้อมกันของทุกพื้นผิวที่ติดไฟได้ในพื้นที่ เกิดขึ้นจากอุณหภูมิวิกฤต (ประมาณ 1,1000 องศาฟาเรนไฮต์). Flashover อาจเป็นอันตรายถึงชีวิตสำหรับนักสู้ และตอนนี้นักวิจัยจาก National Institute of Standards and Technology (NIST) ได้พัฒนาเครื่องมือใหม่ที่ขับเคลื่อนด้วย AI เพื่อช่วยทำนาย flashover ก่อนที่มันจะเกิดขึ้น “ฉันไม่คิดว่าหน่วยดับเพลิงจะมีเครื่องมือมากมายทางเทคโนโลยีที่สามารถทำนายเหตุการณ์วาบไฟในที่เกิดเหตุได้” คริสโตเฟอร์ บราวน์ นักวิจัยจาก NIST ซึ่งเป็นอาสาสมัครดับเพลิงกล่าว “เครื่องมือที่ใหญ่ที่สุดของเราคือแค่การสังเกต และอาจหลอกลวงได้มาก สิ่งต่างๆ ภายนอกดูเป็นทางหนึ่ง และเมื่อคุณเข้าไปข้างใน มันอาจจะแตกต่างไปจากเดิมอย่างสิ้นเชิง” เครื่องมือใหม่นี้เรียกว่า P-Flash คาดการณ์การวาบไฟตามผิวโดยใช้ข้อมูลจากเครื่องตรวจจับความร้อนของอาคาร เพื่อฝึกโมเดลให้ทำนายวาบไฟแฟลชได้อย่างแม่นยำ นักวิจัยป้อนข้อมูลเซ็นเซอร์ความร้อนจากไฟจำลองในบ้านชั้นเดียวแบบสามห้องนอน โดยเลือกใช้ข้อมูลจำลองเพราะการจุดไฟในบ้านหลายพันหลังนั้น เข้าใจได้ และเป็นไปได้น้อยกว่า การจำลองดำเนินการโดยใช้ Consolidated Model of Fire and Smoke Transport (CFAST) ของ NIST ไฟจำลองลุกลามไปทั่วบ้าน ได้รับความอนุเคราะห์จาก NIST 5,041 จำลองการยิงในภายหลัง แบบจำลองได้เรียนรู้ว่าวาบไฟแฟลชได้รับผลกระทบจากการเปลี่ยนแปลงที่เล็กที่สุดอย่างไร: การเปิดและปิดประตู ตำแหน่งเฟอร์นิเจอร์ต่างๆ จากนั้นจึงทดสอบกับไฟจำลองอื่น 500 หรือมากกว่านั้น ซึ่งทำนายได้อย่างถูกต้องว่าวาบไฟตามผิวหนังเป็นเวลาหนึ่งนาทีเต็มล่วงหน้าใน 86% ของกรณีต่างๆ – และความล้มเหลวส่วนใหญ่เป็นผลบวกที่ผิดพลาด P-Flash สามารถทำงานได้แม้เครื่องตรวจจับความร้อนในอาคารเริ่มทำงานล้มเหลว โดยคาดการณ์ข้อมูลจากเซ็นเซอร์ที่เหลือ ถึงกระนั้นนักวิจัยก็ยังต้องการให้แน่ใจว่างานของพวกเขานั้นสมบูรณ์ “คุณต้องการอยู่อย่างปลอดภัยเสมอ แม้ว่าเราจะสามารถยอมรับผลบวกปลอมจำนวนเล็กน้อยได้ แต่การพัฒนาแบบจำลองของเราให้ความสำคัญกับการลดหรือกำจัดผลลบปลอม” วิศวกรเครื่องกลของ NIST และผู้เขียนที่เกี่ยวข้อง Wai Cheong Tam กล่าว เพื่อแก้ไขปัญหาดังกล่าว นักวิจัยได้ทำงานกับข้อมูลในโลกแห่งความเป็นจริงที่ผลิตโดย Underwriters Laboratories ผ่านการทดลองมากกว่าหนึ่งโหลในบ้านที่คล้ายกันกับแบบจำลองสำหรับ P-Flash เมื่อต้องเผชิญกับข้อมูลในโลกแห่งความเป็นจริง และการเกิดวาบไฟตามจริง ตัวแบบสามารถทำนายไฟแฟลชโอเวอร์จากไฟที่เริ่มต้นในพื้นที่เปิดได้ดี… แต่ไม่สามารถทำนายไฟที่เริ่มต้นจากประตูที่ปิดได้ นักวิจัยเชื่อว่า “ผลกระทบจากเปลือกหุ้ม” – อุณหภูมิที่เพิ่มขึ้นเร็วขึ้นในพื้นที่ปิด – อาจเป็นโทษสำหรับความคลาดเคลื่อนนี้เนื่องจากข้อมูล CFAST ส่วนใหญ่เกิดขึ้นจากไฟในพื้นที่เปิดโล่ง เพื่อไม่ให้ต้องตกใจ นักวิจัยกำลังผลักดันไปข้างหน้า โดยวางแผนที่จะทำการทดลองในชีวิตจริงภายในบริษัทเพื่อปรับปรุงความสามารถของ P-Flash ในการจัดการกับเอฟเฟกต์กรง

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button