The Engine Behind The System

Arsitektur Teknologi HUMANGUARD

Pendekatan multimodal yang menggabungkan IoT wearable, edge computing, dan sensor fusion AI untuk menghasilkan prediksi keselamatan dengan presisi tinggi.

4-Tier Architecture

01

Data Acquisition

Penggunaan wearable (PPG MAX30102, GSR, MPU-6050) dan Edge Vision kamera helm (PERCLOS) berfrekuensi 1Hz dan 30fps.

02

Edge Processing

Ekstraksi fitur secara lokal di perangkat menggunakan HeartPy dan MediaPipe FaceMesh tanpa mengirimkan data video asli (Privacy-First).

03

AI Engine Fusion

Algoritma Phase-Aware Contextual Weighting dan arsitektur Temporal Transformer untuk menyesuaikan analisis kondisi pekerja secara dinamis.

04

Presentation

Sistem memberikan skor HRI (0-100) ke dasbor supervisor beserta proyeksi kondisi 30 menit ke depan untuk intervensi dini.

Data Acquisition Layer

HUMANGUARD menangkap data secara non-intrusif dari tiga dimensi utama untuk memastikan integritas data tanpa mengganggu kenyamanan pekerja.

Physiological (Wearable)

Menggunakan sensor Photoplethysmography (PPG) untuk mengukur Heart Rate Variability (HRV) dan sensor Galvanic Skin Response (GSR) untuk mendeteksi tingkat stres secara kontinyu.

Behavioral (Edge Vision)

Kamera menganalisis PERCLOS (Percentage of Eye Closure) secara lokal di Edge Node untuk mendeteksi microsleep dan kelelahan visual tanpa mengirim data video.

Contextual (Operations)

Mengkorelasikan data fisik dengan jadwal shift, durasi tugas, dan tingkat risiko tugas (Critical/Non-Critical) yang diekstrak dari sistem manajemen HSE perusahaan.

Sensor Fusion AI Engine

Keunggulan utama HUMANGUARD bukan pada pembacaan sensor secara terpisah, melainkan pada bagaimana algoritma mengintegrasikan sinyal tersebut.

  • Multimodal Fusion Model

    Menghilangkan sinyal false-positive. Detak jantung tinggi akan dinilai sebagai stres bahaya jika kamera mendeteksi mata tertutup, namun dinilai aman jika pekerja berjalan cepat.

  • Time-Series Forecasting

    Bukan sekadar melapor, AI kami memprediksi lintasan penurunan kognitif untuk 30 menit ke depan, memungkinkan sistem peringatan pra-insiden yang proaktif.

AI Output Calculation CRITICAL PREDICTION
Input_1: HRV_Metric Normal (65ms)
Input_2: PERCLOS_Score Elevated (15%)
Input_3: Time_on_Shift High (10h 15m)
Predicted HRI (T+30) 49.82 - DANGER

Enterprise Technology Stack

TensorFlow & PyTorch
React.js & Tailwind
Python FastAPI
AWS IoT Core
PostgreSQL & InfluxDB

"We don't just detect fatigue — we quantify human reliability."