P-Flash usa IA. para combater incêndios

Um fenômeno mortal conhecido como "flashover" ocorre quando materiais inflamáveis ​​em uma sala se inflamam quase simultaneamente. Um ponto cego para os 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, construída por pesquisadores do Instituto Nacional de Padrões e Tecnologia (NIST), também fornece avisos de flashover para os socorristas.

O que é Flashover?

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

“Não acho que o corpo de bombeiros 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 a observação, e isso pode ser muito enganador. As coisas parecem de um jeito do lado de fora e, quando você entra, pode ser bem diferente.”

O Modelo de Previsão para Flashover, ou P-Flash, extrai dados de uma série de detectores de calor próximos, incluindo aqueles em salas adjacentes, para recuperar dados de temperatura da sala de origem do incêndio e estimar o potencial de 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 no mundo real. Avaliação experimental, recém publicada nos Proceedings of the AAAI Conference on Artificial Intelligence , sugere que o modelo mostra uma previsão confiável na antecipação de flashovers simulados.

De acordo com 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.

Os detectores de calor, que são comumente instalados em prédios comerciais e podem ser usados ​​em residências juntamente com alarmes de fumaça, devem operar principalmente em temperaturas de até 150 ̊C (302 graus Fahrenheit), muito abaixo dos 600 ̊C (1.100 graus Fahrenheit). ) em que um flashover normalmente começa a ocorrer. Para preencher a lacuna criada pelos dados ausentes, os pesquisadores do NIST aplicaram uma forma de inteligência artificial conhecida como aprendizado de máquina.

“Você perde os dados, mas tem a tendência de onde o detector de calor falha e tem outros detectores. Com o aprendizado de máquina, você pode usar esses dados como um ponto de partida para extrapolar se o flashover ocorrerá ou já ocorreu”, disse o engenheiro químico do NIST Thomas Cleary, coautor do estudo.

Incendiando a casa (...virtualmente)

Os algoritmos de aprendizado de máquina usam grandes quantidades de dados para prever resultados. Para obter uma grande quantidade de informações sobre incêndios domésticos, no entanto, é necessária uma habitação digital:uma simulação de uma casa em chamas de três quartos e um andar em estilo rancho.

Para construir o P-Flash, Cleary e seus colegas alimentaram seus dados de temperatura de algoritmo de detectores de calor da casa virtual - o tipo mais comum de casa na maioria dos estados. A equipe queimou este edifício virtual repetidamente - executando 5.041 simulações, na verdade - usando o modelo consolidado de transporte de fogo e fumaça do NIST, ou CFAST , um programa de modelagem de incêndio validado por experimentos reais de incêndio.

Cada uma das mais de 5.000 simulações teve variações pequenas, mas críticas. As janelas e as portas dos quartos foram configuradas aleatoriamente para serem abertas ou fechadas. Móveis iam e vinham, e se moviam. A porta da frente abriu e fechou.

Os detectores de calor colocados nas salas produziam dados de temperatura até serem inevitavelmente desativados pelo calor intenso.

Para aprender sobre a capacidade do P-Flash de prever flashovers após a falha dos detectores de calor, os pesquisadores dividiram os registros de temperatura simulados, permitindo que o algoritmo aprendesse com um conjunto de 4.033, mantendo os outros fora de vista. Em seguida, a equipe questionou o P-Flash em 504 simulações, ajustando o modelo com base em suas suposições.

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

Teste com dados reais (e incêndios reais)

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

Com os dados de temperatura dos experimentos da UL, o P-Flash, tentando prever flashovers com até 30 segundos de antecedência, teve um bom desempenho quando os incêndios começaram em áreas abertas, como a cozinha ou a sala de estar. Quando os incêndios começaram em um quarto, a portas fechadas, no entanto, o modelo quase nunca sabia quando o flashover era iminente.

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

A próxima tarefa dos pesquisadores é realizar mais experimentos em grande escala que se concentrem no efeito do recinto e o representem em simulações. Com melhorias, a equipe espera incorporar o sistema em dispositivos portáteis que se comunicam com detectores em um prédio por meio da nuvem, notificando os socorristas sobre 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 os bombeiros possam usar o modelo. Cleary respondeu em colaboração com seus colegas Christopher Brown, Jonathan Griffin, Andy Tam e Anthony Putorti.

Resumos técnicos :Como você “queimar um prédio virtual?” Essa parece ser uma tarefa muito interessante. O que você está mudando no prédio a cada vez? E como isso informa seu modelo?

Thomas Cleary: Um modelo como o P-Flash é treinado usando grandes conjuntos de dados de uma variedade de cenários de incêndio. Não é realista gerar a quantidade necessária de dados de incêndios reais, por isso usamos modelos de incêndio por computador. Especificamente, o modelo de incêndio do NIST, CFAST, é usado para simular incêndios em um edifício “virtual” modelado.

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

Aproximadamente 5.000 incêndios simulados com ocorrência de flashover são usados ​​para treinar o P-Flash de modo que ele aprenda as tendências e padrões úteis para correlacionar as condições de flashover às informações de temperatura limitadas.

Resumos técnicos : O que inspirou essa ideia? Qual é a tecnologia atual disponível para ajudar um bombeiro a lidar com o flashover?

Thomas Cleary: A inspiração para nossa pesquisa atual vem de pesquisas anteriores ^[1] investigando o envio do estado do painel de controle de alarme de incêndio e informações dos detectores de fumaça e calor, para o corpo de bombeiros durante a rota para um incêndio, para que eles tenham uma noção do local e da propagação do incêndio antes da chegada. Uma extensão natural é usar os dados dos detectores de forma preditiva para fornecer previsão. Outra pesquisa no NIST usando o modelo de incêndio CFAST na modelagem de cenários de incêndio em Monte Carlo sugeriu que os grandes conjuntos de dados para aprendizado de máquina/IA são prontamente atingíveis a partir da modelagem de incêndio por computador.

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

Mais tecnologia de combate a incêndios em resumos técnicos

Blog :Na jaqueta de um bombeiro, um sensor de rastreamento autoalimentado tira o calor

Podcast :Uma retrospectiva do robô pioneiro "Manny" - um amigo do bombeiro

Resumos técnicos :O que você ouviu dos bombeiros sobre seus desafios com o flashover?

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

Resumos técnicos : Como você transforma o modelo em uma ferramenta utilizável? Os 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 a partir de 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 reuniria os dados de temperatura dos detectores de calor instalados e inclui um módulo de computador que pode processar os dados e fazer as previsões em tempo real. A partir 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 tal análise preditiva não foi decidido e exigiria a contribuição do corpo de bombeiros para desenvolver um consenso.

Os 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.

Resumos técnicos : O que vem a seguir em relação a este trabalho?

Thomas Cleary: Atualmente, estamos estendendo o P-Flash para trabalhar em diferentes layouts de construção. No próximo ano, estamos planejando demonstrações para construir experimentos de incêndio e começamos a nos envolver com 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). Rumo aos painéis de incêndio inteligentes . NIST TN 1780. Departamento de Comércio dos EUA, Instituto Nacional de Padrões e Tecnologia, MD.