Визначення ризиків застосування штучного інтелекту у розв'язанні питань безпеки праці

Автор(и)

  • Вячеслав Володимирович Березуцький Національний технічний університет «Харківський політехнічний інститут», Україна https://orcid.org/0000-0002-7318-1039

DOI:

https://doi.org/10.15587/2706-5448.2025.339322

Ключові слова:

штучний інтелект, охорона праці, управління ризиками, етика, правова відповідальність, автоматизація

Анотація

У роботі розглянуто можливості, переваги та ризики впровадження штучного інтелекту (ШІ) в систему управління охороною праці. Зазначено, що використання інтелектуальних технологій сприяє підвищенню рівня безпеки на виробництві завдяки функціям автоматичного моніторингу умов праці, виявлення та прогнозування аварійних ситуацій, аналізу поведінки працівників у реальному часі. Розкрито потенціал ШІ у виявленні порушень безпеки, контролі за використанням засобів індивідуального захисту, реагуванні на небезпечні події та організації профілактичних заходів. Окрему увагу приділено технічним, правовим, етичним та організаційним ризикам, пов’язаним із впровадженням ШІ на підприємствах. У роботі проаналізовано ризики, пов’язані з використанням систем ШІ у сфері охорони праці на прикладі харчового підприємства з автоматизованою пакувальною лінією. Проведено аналіз інциденту травмування працівника внаслідок невиявлення його присутності системою ШІ, яка відповідає за візуальний контроль і координацію маніпуляторів. Застосування методу FMEA (failure modes
and effects analysis) дозволило визначити основні джерела ризику: невиявлення людини в зоні дії системи (RPN = 270), відсутність інтеграції ШІ із системами аварійного зупину (RPN = 192), втрата зв’язку між модулями (RPN = 140). Усі ризики перевищують поріг RPN > 100, що свідчить про їх високий пріоритет. Обґрунтовано доцільність мультисенсорного підходу, впровадження fail-safe протоколів, а також необхідність модернізації проєктних рішень з урахуванням взаємодії людина – машина. Проведено порівняння методу FMEA з методикою PTSR (Probability – Time – Severity Risk), яка враховує фактор тривалості небезпеки, що підвищує точність оцінки ризику в умовах динамічного середовища. Запропоновано комбінований підхід до управління ризиками, який поєднує превентивний аналіз (FMEA) і оперативну оцінку в реальному часі (PTSR), що підвищує ефективність контролю безпеки при використанні адаптивних ШІ-систем.

Біографія автора

Вячеслав Володимирович Березуцький, Національний технічний університет «Харківський політехнічний інститут»

Доктор технічних наук, професор

Кафедра безпеки праці та навколишнього середовища

Посилання

  1. Falsk, R. (2023). AI for Predictive Maintenance in Industrial Systems. Handbuch Ansehen. https://doi.org/10.13140/RG.2.2.27313.35688
  2. Xu, S., Wang, J., Shou, W., Ngo, T., Sadick, A.-M., Wang, X. (2020). Computer Vision Techniques in Construction: A Critical Review. Archives of Computational Methods in Engineering, 28 (5), 3383–3397. https://doi.org/10.1007/s11831-020-09504-3
  3. Chen, K., Wang, C., Chen, L., Niu, X., Zhang, Y., Wan, J. (2020). Smart safety early warning system of coal mine production based on WSNs. Safety Science, 124, 104609. https://doi.org/10.1016/j.ssci.2020.104609
  4. Cebulla, A., Szpak, Z., Howell, C., Knight, G., Hussain, S. (2022). Applying ethics to AI in the workplace: the design of a scorecard for Australian workplace health and safety. AI & SOCIETY, 38 (2), 919–935. https://doi.org/10.1007/s00146-022-01460-9
  5. Fernández Peñalver, M. (2024). The Foundations of AI Safety: Ensuring Technical Robustness. Nemko. Available at: https://www.nemko.com/blog/ai-safety-and-robustness
  6. Alateeq, M. M., Rajeena, F. P. P., Ali, M. A. S. (2023). Construction Site Hazards Identification Using Deep Learning and Computer Vision. Sustainability, 15 (3), 2358. https://doi.org/10.3390/su15032358
  7. Nagda, P. (2025). Legal Liability and Accountability in AI Decision-Making: Challenges and Solutions. International Journal of Innovative Research in Technology, 11 (11). Available at: https://ijirt.org/publishedpaper/IJIRT174899_PAPER.pdf
  8. Čartolovni, A., Tomičić, A., Lazić Mosler, E. (2022). Ethical, legal, and social considerations of AI-based medical decision-support tools: A scoping review. International Journal of Medical Informatics, 161, 104738. https://doi.org/10.1016/j.ijmedinf.2022.104738
  9. Fernández, J. (2024). Integrating AI into Functional Safety Management. Safe and Explainable. Critical Embedded Systems based on AI. Available at: https://safexplain.eu/integrating-ai-into-functional-safety-management/
  10. Berezutskyi, P. S., Horbenko, S. V. (2017). Otsenka rycka ot KhPY. Okhrana truda, 11, 14–16. Available at: https://www.researchgate.net/publication/394486032_Formiruem_risk-orientirovannoe_myslenie
  11. Mahdavinejad, M. S., Rezvan, M., Barekatain, M., Adibi, P., Barnaghi, P., Sheth, A. P. (2018). Machine learning for internet of things data analysis: a survey. Digital Communications and Networks, 4 (3), 161–175. https://doi.org/10.1016/j.dcan.2017.10.002
  12. AI in worker management: involving people to prevent risks (2025). ENSHPO. Available at: https://www.enshpo.eu/ai-in-worker-management-involving-people-to-prevent-risks/
  13. Lialiuk, O., Osypenko, R. (2023). Features of the implementation of artificial intelligence in construction. Modern Technology, Materials and Design in Construction, 35 (2), 172–176. https://doi.org/10.31649/2311-1429-2023-2-172-176
  14. Implementing safer AI worker management through policy and prevention (2024). European Agency for Safety and Health at Work (EU-OSHA). Available at: https://osha.europa.eu/en/oshnews/implementing-safer-ai-worker-management-through-policy-and-prevention
  15. Chauhan, S., Vashishtha, G., Zimroz, R. (2024). Analysing Recent Breakthroughs in Fault Diagnosis through Sensor: A Comprehensive Overview. Computer Modeling in Engineering & Sciences, 141 (3), 1983–2020. https://doi.org/10.32604/cmes.2024.055633
  16. ISO 21448:2022. Road vehicles – Safety of the intended functionality (2022). ISO. Available at: https://www.iso.org/standard/77490.html
  17. Ryan, P., Porter, Z., Al-Qaddoumi, J., McDermid, J., Habli, I. (2023). What's my role? Modelling responsibility for AI-based safety-critical systems. arXiv:2401.09459. https://doi.org/10.48550/arXiv.2401.09459
  18. AI Risk Management Framework (AI RMF 1.0) (2023). NIST. Available at: https://www.nist.gov/itl/ai-risk-management-framework
  19. Gunning, D. (2017). XAI: Explainable Artificial Intelligence. DARPA. Available at: https://www.darpa.mil/program/explainable-artificial-intelligence
  20. Epelboim, M. (2025). Cursor Rules: Why Your AI Agent Is Ignoring You (and How to Fix It). Available at: https://sdrmike.medium.com/cursor-rules-why-your-ai-agent-is-ignoring-you-and-how-to-fix-it-5b4d2ac0b1b0
  21. ISO/IEC TR 24028:2020. Information technology – Artificial intelligence Overview of trustworthiness in artificial intelligence (2020). ISO. Available at: https://www.iso.org/standard/77608.html
  22. Recommendation of the Council on Artificial Intelligence (2019). Paris: OECD Publishing. Available at: https://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449
  23. Kusche, I. (2024). Possible harms of artificial intelligence and the EU AI act: fundamental rights and risk. Journal of Risk Research, 1–14. https://doi.org/10.1080/13669877.2024.2350720
  24. An Occupational Safety and Health Perspective on Human in Control and AI (2022). BauA. Available at: https://www.baua.de/EN/Service/Publications/Essays/article3454
  25. Huibregtse, A. (2025). AI provides innovative ways to improve compliance with labour laws. ILO. Available at: https://www.ilo.org/resource/article/ai-provides-innovative-ways-improve-compliance-labour-laws
  26. Volkswagen robot kills worker in Germany (2015). The Guardian. Available at: https://www.theguardian.com/world/2015/jul/02/robot-kills-worker-at-volkswagen-plant-in-germany
  27. Yang, X., Li, Y., Chen, Y., Li, Y., Dai, L., Feng, R., Duh, Y.-S. (2020). Case study on the catastrophic explosion of a chemical plant for production of m-phenylenediamine. Journal of Loss Prevention in the Process Industries, 67, 104232. https://doi.org/10.1016/j.jlp.2020.104232
  28. Tim, B., Zoë, D., Gerald, P. (2019). Mineworker fatigue: A review of what we know and future decisions. Minerals Engineering, 70 (3), 33. Available at: https://pmc.ncbi.nlm.nih.gov/articles/PMC5983045/
  29. Reports of Fatalities and Catastrophes – Archive. OSHA. Available at: https://www.osha.gov/fatalities/reports/archive
  30. Travmatyzm. Statystyka. Prychyny. Derzhavna sluzhba Ukrainy z pytan pratsi. Available at: https://dsp.gov.ua/category/diyalnist/travmatyzm-statystyka-prychyny/
Assessing the risks of applying artificial intelligence to occupational safety

##submission.downloads##

Опубліковано

2025-10-30

Як цитувати

Березуцький, В. В. (2025). Визначення ризиків застосування штучного інтелекту у розв’язанні питань безпеки праці. Technology Audit and Production Reserves, 5(2(85), 26–32. https://doi.org/10.15587/2706-5448.2025.339322

Номер

Том 5 № 2(85) (2025): Інформаційно-керуючі системи

Розділ

Системи та процеси керування

Ліцензія

Авторське право (c) 2025 Viacheslav Berezutskyi

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.