P-Flash Menggunakan A.I. untuk Melawan Kebakaran

Fenomena mematikan yang dikenal sebagai "flashover" terjadi ketika bahan yang mudah terbakar di sebuah ruangan menyala hampir bersamaan. Titik buta bagi petugas pemadam kebakaran, acara tersebut menghasilkan kobaran api yang hanya dibatasi oleh jumlah oksigen yang tersedia.

Alat baru — disebut P-Flash — memperkirakan kapan flashover akan segera terjadi. Teknologi yang dibuat oleh para peneliti di National Institute of Standard and Technology (NIST), juga memberikan peringatan flashover kepada responden.

Apa itu Flashover?

Flashover sangat berbahaya, karena hanya ada sedikit tanda peringatan untuk membantu petugas pemadam kebakaran mendeteksinya terlebih dahulu. Beberapa indikator flashover, seperti panas yang semakin tinggi atau nyala api yang menjalar di langit-langit, mudah terlewatkan di lingkungan penyelamatan dengan visibilitas rendah dan stres tinggi.

“Saya tidak berpikir dinas pemadam kebakaran memiliki banyak alat dari segi teknologi yang memprediksi flashover di tempat kejadian,” kata peneliti NIST Christopher Brown , yang juga menjabat sebagai petugas pemadam kebakaran sukarela. “Alat terbesar kami hanyalah observasi, dan itu bisa sangat menipu. Hal-hal terlihat satu arah di luar, dan ketika Anda masuk ke dalam, itu bisa sangat berbeda.”

Model Prediksi untuk Flashover, atau P-Flash, mengambil data dari berbagai detektor panas terdekat, termasuk yang ada di ruangan yang berdekatan, untuk memulihkan data suhu dari ruangan asal api dan memperkirakan potensi flashover.

Apa itu P-Flash?

Model yang dikembangkan NIST memprediksi kilatan kilat yang akan segera terjadi di lebih dari seribu kebakaran simulasi dan lebih dari selusin kebakaran di dunia nyata. Evaluasi eksperimental, baru saja diterbitkan di Prosiding Konferensi AAAI tentang Kecerdasan Buatan , menyarankan model menunjukkan prediksi yang andal dalam mengantisipasi simulasi flashovers.

Menurut laporan tersebut, kinerja model masing-masing sekitar 83% dan 81%, untuk kejadian flashover saat ini dan di masa mendatang, dengan mempertimbangkan kegagalan detektor panas pada 150 C.

Detektor panas, yang biasanya dipasang di gedung komersial dan dapat digunakan di rumah bersama alarm asap, sebagian besar diharapkan hanya beroperasi pada suhu hingga 150 C (302 derajat Fahrenheit), jauh di bawah 600 C (1.100 derajat Fahrenheit). ) di mana flashover biasanya mulai terjadi. Untuk menjembatani kesenjangan yang diciptakan oleh data yang hilang, peneliti NIST menerapkan bentuk kecerdasan buatan yang dikenal sebagai pembelajaran mesin.

“Anda kehilangan data, tetapi Anda memiliki tren di mana detektor panas gagal, dan Anda memiliki detektor lain. Dengan pembelajaran mesin, Anda dapat menggunakan data tersebut sebagai titik awal untuk memperkirakan apakah flashover akan terjadi atau sudah terjadi,” kata insinyur kimia NIST Thomas Cleary, salah satu penulis studi tersebut.

Membakar Rumah (...Hampir)

Algoritme pembelajaran mesin menggunakan data dalam jumlah besar untuk memprediksi hasil. Namun, untuk mendapatkan banyak informasi tentang kebakaran rumah, diperlukan hunian digital:simulasi pembakaran rumah bergaya peternakan satu lantai dengan tiga kamar tidur.

Untuk membangun P-Flash, Cleary dan rekannya memasukkan data suhu algoritme mereka dari detektor panas dari rumah virtual — jenis rumah paling umum di sebagian besar negara bagian. Tim membakar gedung virtual ini berulang kali — menjalankan 5.041 simulasi, sebenarnya— menggunakan Model Konsolidasi Transportasi Api dan Asap NIST, atau CFAST , program pemodelan api yang divalidasi oleh eksperimen api nyata.

Masing-masing dari 5.000 lebih simulasi memiliki sedikit, tetapi variasi kritis. Jendela dan pintu kamar tidur dikonfigurasi secara acak untuk dibuka atau ditutup. Perabotan datang dan pergi, dan berpindah-pindah. Pintu depan terbuka dan tertutup.

Detektor panas yang ditempatkan di ruangan menghasilkan data suhu hingga akhirnya dinonaktifkan oleh panas yang hebat.

Untuk mempelajari tentang kemampuan P-Flash untuk memprediksi flashover setelah detektor panas gagal, para peneliti membagi rekaman suhu yang disimulasikan, memungkinkan algoritme untuk belajar dari set 4.033 sambil menjaga yang lain tidak terlihat. Kemudian, tim menanyai P-Flash pada 504 simulasi, mengubah model berdasarkan tebakannya.

Para peneliti menemukan bahwa model dengan tepat memprediksi semburan api satu menit sebelumnya untuk sekitar 86% dari simulasi kebakaran. Banyak dari kesalahan tersebut, menurut tim, adalah hasil positif palsu, yang memperkirakan kilatan pada saat awal yang tidak akurat, tetapi setidaknya tidak memberikan rasa aman yang salah kepada petugas pemadam kebakaran.

Pengujian dengan Data Nyata (dan Kebakaran Nyata)

Selain itu, NIST menguji P-Flash lebih lanjut dengan membandingkan data suhu yang diprediksi dengan suhu yang diukur di 13 kebakaran rumah nyata, yang sengaja dinyalakan selama eksperimen Underwriters Laboratories (UL).

Dengan data suhu dari eksperimen UL, P-Flash, yang mencoba memprediksi kilatan berlebih hingga 30 detik sebelumnya, bekerja dengan baik saat kebakaran dimulai di area terbuka seperti dapur atau ruang tamu. Namun, ketika kebakaran dimulai di kamar tidur, di balik pintu tertutup, model tersebut hampir tidak pernah tahu kapan flashover akan segera terjadi.

Tim mengidentifikasi sebuah fenomena yang disebut efek enklosur sebagai penjelasan yang mungkin untuk penurunan tajam dalam akurasi. Saat kebakaran terjadi di ruang kecil yang tertutup, panas memiliki sedikit kemampuan untuk menghilang, sehingga suhu naik dengan cepat — lebih cepat daripada kebakaran di ruang lab terbuka yang menyediakan data pelatihan awal P-Flash.

Tugas peneliti selanjutnya adalah melakukan lebih banyak eksperimen skala penuh yang membidik pada efek enklosur dan merepresentasikannya dalam simulasi. Dengan penyempurnaan, tim berharap untuk menyematkan sistem di perangkat genggam yang berkomunikasi dengan detektor di gedung melalui cloud, memberi tahu responden tentang titik bahaya dan kapan waktunya untuk keluar.

Dalam wawancara email dengan Tech Briefs, Insinyur NIST Thomas Cleary, menjelaskan lebih lanjut tentang kapan ia mengharapkan petugas pemadam kebakaran dapat menggunakan model tersebut. Cleary menjawab bekerja sama dengan rekan-rekannya Christopher Brown, Jonathan Griffin, Andy Tam, dan Anthony Putorti.

Ringkasan Teknologi :Bagaimana Anda “membakar gedung virtual?” Sepertinya itu tugas yang sangat menarik. Apa yang Anda ubah di gedung setiap kali? Dan bagaimana hal itu memberi tahu model Anda?

Thomas Cleary: Model seperti P-Flash dilatih menggunakan kumpulan data besar dari berbagai skenario kebakaran. Tidak realistis untuk menghasilkan jumlah data yang diperlukan dari kebakaran nyata, jadi kami menggunakan model kebakaran komputer. Secara khusus, model kebakaran NIST, CFAST, digunakan untuk mensimulasikan kebakaran di gedung “virtual” yang dimodelkan.

Untuk tata letak bangunan tetap, kami menyertakan berbagai kebakaran, dari api yang tumbuh lambat hingga sangat cepat, dan memvariasikan lokasinya, dan kondisi bukaan ventilasi (yaitu, pintu dan jendela) untuk meniru apa yang masuk akal dalam kebakaran nyata.

Sekitar 5000 simulasi kebakaran dengan terjadinya flashover digunakan untuk melatih P-Flash sedemikian rupa sehingga mempelajari tren dan pola yang berguna untuk menghubungkan kondisi flashover dengan informasi suhu yang terbatas.

Ringkasan Teknologi : Apa yang menginspirasi ide ini? Apa teknologi saat ini yang tersedia untuk membantu pemadam kebakaran mengatasi flashover?

Thomas Cleary: Inspirasi untuk penelitian kami saat ini berasal dari penelitian sebelumnya ^[1] menyelidiki pengiriman keadaan panel kontrol alarm kebakaran dan informasi dari detektor asap dan panas, ke dinas kebakaran saat dalam perjalanan ke api sehingga mereka memiliki rasa lokasi kebakaran dan menyebar sebelum kedatangan. Perpanjangan alami adalah dengan menggunakan data dari detektor dengan cara prediktif untuk memberikan peramalan. Penelitian lain di NIST menggunakan model kebakaran CFAST di Monte Carlo pemodelan skenario kebakaran menyarankan set data besar untuk pembelajaran mesin/AI mudah dicapai dari pemodelan kebakaran komputer.

Saat ini, petugas pemadam kebakaran mengandalkan indra mereka, pelatihan, atau sensor termal genggam terbaik atau kamera pencitraan termal untuk mendapatkan ide tentang kemungkinan transisi ke flashover. Sayangnya, seseorang harus berada di atau di dekat ruangan yang mendekati flashover untuk memiliki kesempatan mengenali bahayanya.

Lebih Banyak Teknologi Pemadam Kebakaran di Ringkasan Teknis

Blog :Pada Jaket Pemadam Kebakaran, Sensor Pelacakan Bertenaga Sendiri Membawa Panas

Podcast :Melihat Kembali Robot "Manny" Perintis – Teman Petugas Pemadam Kebakaran

Ringkasan Teknologi :Apa yang Anda dengar dari petugas pemadam kebakaran tentang tantangan mereka dengan flashover?

Thomas Cleary: Saat ini, petugas pemadam kebakaran mencoba untuk menghindari flashover berdasarkan pengalaman mereka dengan menafsirkan petunjuk pengamatan flashover, seperti rollover, panas tinggi, dll, di dalam struktur bangunan dan asap gelap keluar dari jendela luar. Namun, transisi ke flashover biasanya dalam hitungan detik dan, secara umum, indikator flashover tidak mudah dikenali dan jika terlewatkan, akan membahayakan nyawa. Kami berharap pekerjaan kami akan meningkatkan pemadaman kebakaran berbasis pengalaman dengan memfasilitasi pemadaman kebakaran berbasis data.

Ringkasan Teknologi : Bagaimana Anda mengubah model menjadi alat yang dapat digunakan? Bisakah petugas pemadam kebakaran menggunakan model ini sekarang?

Thomas Cleary: Fokus penelitian ini adalah mengandalkan data bangunan yang tersedia atau dapat dengan mudah disediakan dari sensor bangunan yang tersedia. Salah satu cara untuk menerjemahkan penelitian menjadi kenyataan adalah dengan mengintegrasikan model ke dalam panel kontrol alarm kebakaran pintar yang akan mengumpulkan data suhu dari detektor panas yang terpasang dan menyertakan modul komputer yang dapat memproses data dan membuat prediksi waktu nyata. Dari panel kontrol alarm kebakaran atau peralatan lain yang sesuai, prediksi akan dikirim ke komandan insiden, atau petugas pemadam kebakaran individu jika dianggap cocok. Mekanisme yang tepat untuk menyediakan analitik prediktif tersebut belum diputuskan dan akan membutuhkan masukan dari dinas pemadam kebakaran untuk mengembangkan konsensus.

Petugas pemadam kebakaran tidak dapat menggunakan model sekarang. Sebelum model dapat dikembangkan dan dimasukkan ke dalam panel kontrol alarm kebakaran pintar, kami merasa perlu memverifikasi kinerja model (prediksi waktu nyata) dalam pengujian kebakaran gedung dengan detektor panas.

Ringkasan Teknologi : Apa selanjutnya tentang pekerjaan ini?

Thomas Cleary: Kami sedang memperluas P-Flash untuk bekerja untuk tata letak bangunan yang berbeda. Pada tahun depan atau lebih, kami merencanakan demonstrasi untuk membuat eksperimen kebakaran, dan telah mulai melibatkan produsen peralatan keselamatan kebakaran (alarm) tentang kemampuan model tersebut.

Bagaimana menurutmu? Bagikan pertanyaan dan komentar Anda di bawah.

[1] Reneke, P.A. (2013). Menuju Panel Smart Fire . NIST TN 1780. Departemen Perdagangan AS, Institut Nasional Standar dan Teknologi, MD.