Ferramenta P-Flash de IA Prevê Flashover, Aumentando Segurança de Bombeiros

Um fenômeno mortal conhecido como "flashover" ocorre quando materiais inflamáveis em um cômodo inflamam quase simultaneamente. Um ponto cego para bombeiros, o evento produz um incêndio limitado apenas pela quantidade de oxigênio disponível.

Uma nova ferramenta — chamada P-Flash — estima quando o flashover é iminente. A tecnologia, desenvolvida por pesquisadores do Instituto Nacional de Padrões e Tecnologia (NIST), também fornece avisos de flashover aos socorristas.

O que é um Flashover?

Flashovers são especialmente perigosos, porque há poucos sinais de alerta para ajudar bombeiros a detectá-los antecipadamente. Alguns indicadores de flashover, como calor cada vez mais intenso ou chamas rolando pelo teto, são fáceis de perder no ambiente de baixa visibilidade e alto estresse de um resgate.

"Não acho que o serviço de incêndio tenha muitas ferramentas tecnológicas que prevejam flashover no local", disse o pesquisador do NIST Christopher Brown , que também atua como bombeiro voluntário. "Nossa maior ferramenta é apenas observação, e isso pode ser muito enganoso. As coisas parecem de um jeito por fora, e quando você entra, pode ser bem diferente."

O Modelo de Previsão para Flashover, ou P-Flash, puxa dados de uma matriz de detectores de calor próximos, incluindo os em cômodos adjacentes, para recuperar dados de temperatura do cômodo de origem do incêndio e estimar potencial para flashover.

O que é P-Flash?

O modelo desenvolvido pelo NIST previu flashovers iminentes em mais de mil incêndios simulados e mais de uma dúzia de incêndios reais. Avaliação experimental, recém-publicada nos Anais da Conferência AAAI sobre Inteligência Artificial , sugere que o modelo mostra previsão confiável na antecipação de flashovers simulados.

Segundo o relatório, o desempenho do modelo é de aproximadamente 83% e 81%, respectivamente, para ocorrência de flashover atual e futuro, considerando falha do detector de calor a 150 °C.

Detectores de calor, comumente instalados em edifícios comerciais e podem ser usados em residências junto com alarmes de fumaça, são em sua maioria esperados para operar apenas em temperaturas até 150 °C (302 °F), muito abaixo dos 600 °C (1.100 °F) em que um flashover tipicamente começa a ocorrer. Para preencher a lacuna criada pelos dados ausentes, pesquisadores do NIST aplicaram uma forma de inteligência artificial conhecida como machine learning.

"Você perde os dados, mas tem a tendência até onde o detector de calor falha, e tem outros detectores. Com machine learning, você pode usar esses dados como ponto de partida para extrapolar se flashover vai ocorrer ou já ocorreu", disse o engenheiro químico do NIST Thomas Cleary, coautor do estudo.

Queimando a Casa (...Virtualmente)

Algoritmos de machine learning usam grandes quantidades de dados para prever resultados. Para obter grande quantidade de informações sobre incêndios em casas, no entanto, requer uma moradia digital: uma simulação de uma casa de três quartos, um andar, estilo rancho, queimando.

Para construir o P-Flash, Cleary e colegas alimentaram seu algoritmo com dados de temperatura de detectores de calor da casa virtual — o tipo mais comum de casa na maioria dos estados. A equipe queimou este prédio virtual repetidamente — executando 5.041 simulações, de fato — usando o Modelo Consolidado de Fogo e Transporte de Fumaça do NIST, ou CFAST , um programa de modelagem de incêndio validado por experimentos reais de fogo.

Cada uma das mais de 5.000 simulações teve variações leves, mas críticas. Janelas e portas de quartos foram configuradas aleatoriamente para abertas ou fechadas. Móveis apareceram e desapareceram, e se moveram. A porta da frente abriu e fechou.

Detectores de calor colocados nos cômodos produziram dados de temperatura até serem inevitavelmente desabilitados pelo calor intenso.

Para aprender sobre a capacidade do P-Flash de prever flashovers após falha dos detectores de calor, os pesquisadores dividiram as gravações de temperatura simuladas, permitindo que o algoritmo aprendesse de um conjunto de 4.033 enquanto mantinham os outros fora de vista. Então, a equipe testou o P-Flash em 504 simulações, ajustando o modelo com base em seus palpites.

Os pesquisadores descobriram que o modelo previu corretamente flashovers um minuto antes para cerca de 86% dos incêndios simulados. Muitas das falhas, segundo a equipe, foram falsos positivos, que previram o flash em um momento imprecisamente cedo, mas pelo menos não deram aos bombeiros uma falsa sensação de segurança.

Testando com Dados Reais (e Incêndios Reais)

Além disso, o NIST testou o P-Flash comparando seus dados de temperatura previstos com temperaturas medidas em 13 incêndios reais em casas, propositalmente acesos durante experimentos da Underwriters Laboratories (UL).

Com os dados de temperatura dos experimentos UL, o P-Flash, tentando prever flashovers até 30 segundos antes, funcionou bem quando incêndios começaram em áreas abertas como cozinha ou sala de estar. Quando incêndios começaram em um quarto, atrás de portas fechadas, no entanto, o modelo quase nunca conseguiu dizer quando o flashover era iminente.

A equipe identificou um fenômeno chamado efeito de enclausuramento como possível explicação para a queda acentuada na precisão. Quando incêndios queimam em espaços pequenos e fechados, o calor tem pouca capacidade de dissipar, então a temperatura sobe rapidamente — mais rapidamente que os incêndios em espaços abertos de laboratório que forneceram os dados iniciais de treinamento do P-Flash.

A próxima tarefa dos pesquisadores é realizar mais experimentos em escala real que foquem no efeito de enclausuramento e o representem em simulações. Com melhorias, a equipe espera incorporar o sistema em dispositivos portáteis que se comuniquem com detectores em um edifício através da nuvem, notificando socorristas de pontos de perigo e quando é hora de sair.

Em uma entrevista por e-mail com Tech Briefs, o engenheiro do NIST Thomas Cleary explica mais sobre quando espera que bombeiros possam usar o modelo. Cleary respondeu em colaboração com seus colegas Christopher Brown, Jonathan Griffin, Andy Tam e Anthony Putorti.

Tech Briefs: Como você "queima um prédio virtual"? Isso parece uma tarefa muito interessante. O que você muda no prédio a cada vez? E como isso informa seu modelo?

Thomas Cleary: Um modelo como P-Flash é treinado usando grandes conjuntos de dados de uma gama de cenários de incêndio. É irreal gerar a quantidade necessária de dados de incêndios reais, então usamos modelos de incêndio computacionais. Especificamente, o modelo de incêndio do NIST, CFAST, é usado para simular incêndios em um "prédio virtual" modelado.

Para um layout de prédio fixo, incluímos uma ampla gama de incêndios, de crescimento lento a ultra-rápido, e variamos suas localizações e condições de ventilação (ou seja, portas e janelas) para imitar o que é plausível em incêndios reais.

Aproximadamente 5000 incêndios simulados com ocorrência de flashover são usados para treinar o P-Flash de forma que ele aprenda as tendências e padrões úteis para correlacionar condições de flashover à informação limitada de temperatura.

Tech Briefs: O que inspirou esta ideia? Qual é a tecnologia atual disponível para ajudar um bombeiro a lidar com flashover?

Thomas Cleary: A inspiração para nossa pesquisa atual vem de pesquisa anterior ^[1] investigando o envio do estado do painel de controle de alarme de incêndio e informações de detectores de fumaça e calor, para o serviço de incêndio enquanto a caminho de um incêndio para que tenham noção de localização e propagação do fogo antes da chegada. Uma extensão natural é usar dados de detectores de forma preditiva para fornecer previsão. Outra pesquisa no NIST usando o modelo de incêndio CFAST em modelagem Monte Carlo de cenários de incêndio sugeriu que grandes conjuntos de dados para machine learning/IA são prontamente obtidos de modelagem computacional de incêndio.

Atualmente, bombeiros confiam em seus sentidos, treinamento, ou na melhor das hipóteses sensores térmicos portáteis ou câmeras de imagem térmica para ter uma ideia de possível transição para flashover. Infelizmente, seria necessário estar em ou perto de um cômodo que está se aproximando de flashover para ter chance de reconhecer o perigo.

Mais Tecnologia de Combate a Incêndios no Tech Briefs

Blog: Na Jaqueta de um Bombeiro, Sensor de Rastreamento Autossuficiente Enfrenta o Calor

Podcast: Olhando para Trás no Pioneiro Robô "Manny" – Amigo do Bombeiro

Tech Briefs: O que você ouviu de bombeiros sobre seus desafios com flashover?

Thomas Cleary: Atualmente, bombeiros tentam evitar flashover baseados em sua experiência interpretando pistas observacionais de flashover, como rollover, calor alto, etc., dentro da estrutura do edifício e fumaça escura saindo das janelas externas. No entanto, a transição para flashover é tipicamente dentro de segundos e, em geral, os indicadores de flashover não são fáceis de reconhecer e, se perdidos, colocariam vidas em perigo. Esperamos que nosso trabalho melhore o combate a incêndios baseado em experiência facilitando o combate a incêndios baseado em dados.

Tech Briefs: Como você transforma o modelo em uma ferramenta utilizável? Bombeiros podem usar este modelo agora?

Thomas Cleary: O foco da pesquisa foi confiar em dados de construção que são ou poderiam ser facilmente fornecidos por sensores de construção disponíveis. Uma maneira de traduzir a pesquisa em realidade é integrar o modelo em um painel de controle de alarme de incêndio inteligente que coletaria dados de temperatura de detectores de calor instalados e incluiria um módulo de computador que pode processar os dados e fazer previsões em tempo real. Do painel de controle de alarme de incêndio ou outro equipamento adequado, a previsão seria enviada ao comandante do incidente, ou bombeiros individuais se considerado adequado. O mecanismo exato de fornecer tais análises preditivas não está decidido e exigiria contribuição do serviço de incêndio para desenvolver um consenso.

Bombeiros não podem usar o modelo agora. Antes que o modelo possa ser desenvolvido e incorporado em um painel de controle de alarme de incêndio inteligente, sentimos que precisamos verificar o desempenho do modelo (previsão em tempo real) em testes de incêndio em edifícios com detectores de calor.

Tech Briefs: O que vem a seguir sobre este trabalho?

Thomas Cleary: Atualmente estamos estendendo o P-Flash para funcionar para diferentes layouts de edifícios. No próximo ano ou mais, planejamos demonstrações para experimentos de incêndio em edifícios, e começamos a envolver fabricantes de equipamentos de segurança contra incêndio (alarme) sobre as capacidades do modelo.

O que você acha? Compartilhe suas perguntas e comentários abaixo.

[1] Reneke, P. A. (2013). Towards Smart Fire Panels . NIST TN 1780. Departamento de Comércio dos EUA, Instituto Nacional de Padrões e Tecnologia, MD.