CN109416775A - 具有用于安全事件检测的分析流处理的个人防护设备(ppe) - Google Patents

Abstract

在一些示例中，一种系统包括：个人防护设备(PPE)制品，所述制品具有被配置成用于生成使用数据流的至少一个传感器；以及分析流处理部件，所述分析流处理部件包括：通信部件，所述通信部件接收所述使用数据流；存储器，所述存储器被配置成用于存储所述使用数据流的至少一部分和用于检测安全事件签名的至少一个模型，其中所述至少一个模型是至少部分地基于由与所述PPE制品相同类型的一个或多个其它PPE制品生成的一组使用数据来训练的；以及一个或多个计算机处理器，所述一个或多个计算机处理器被配置成用于：基于利用所述模型对所述使用数据流进行处理来检测所述使用数据流中的所述安全事件签名，并且响应于检测到所述安全事件签名而生成输出。

Description

具有用于安全事件检测的分析流处理的个人防护设备(PPE)

本申请要求于2016年6月23日提交的美国申请15/190,564和于2016年10月14日提交的美国临时申请62/408,634的权益，这些申请中的每者的全部内容据此明确地以引用方式并入本文。

技术领域

本公开涉及个人防护设备领域。更具体地，本公开涉及生成数据的个人防护设备。

背景技术

个人防护设备(PPE)可用于保护用户(例如，工人)免受由各种原因造成的伤害或损伤。例如，坠落防护设备对于在潜在有危害或甚至致命的高度进行操作的工人来说是重要的安全设备。为了帮助确保坠落事件中的安全性，工人通常穿戴安全吊带，这些安全吊带连接到具有坠落防护设备的支撑结构，坠落防护设备诸如系索、能量吸收器、自缩救生绳(SRL)、下降器等。SRL通常包括围绕可旋转地连接到壳体的偏置转筒缠绕的救生绳。当救生绳从壳体延伸出去和缩回到壳体中时，救生绳的移动致使转筒旋转。当在已知存在或有可能存在潜在地危害或损害健康的粉尘、烟雾、气体或其它污染物的区域中工作时，工人通常会使用呼吸器或洁净空气供应源。虽然有大量呼吸装置可供使用，但一些常用的装置包括电动空气净化呼吸器(PAPR)和自备式呼吸器(SCBA)。作为非限制性示例，其它PPE可包括听力护具、头部护具(例如，遮护件、安全帽等等)、防护服等。在一些示例中，各种个人防护设备可以生成各种类型的数据。

发明内容

本公开的技术涉及处理来自个人防护设备(PPE)诸如坠落防护设备、呼吸器、头部护具、听力护具等等的使用数据流。例如，多种PPE可装配有电子传感器，这些电子传感器生成有关PPE的状态或操作的使用数据流。根据本公开的方面，分析流处理部件可被配置成用于基于利用模型来对该使用数据流进行处理来检测该使用数据流中的安全事件签名，该模型是基于来自相同类型的其它PPE的使用数据训练的。分析流处理部件可结合在PPE、经由近程无线通信协议与PPE通信的集线器和/或被配置成用于接收使用数据流的一或多个服务器中。根据本公开的方面，可基于多种因素来确定负责处理使用数据流的特定部件。

在一些情况下，技术可用于监测和预测对应于安全事件签名的安全事件。一般来讲，安全事件可以是指PPE的用户的活动、PPE的状况或危险环境条件(仅举几个示例)。在一些示例中，安全事件可以是损伤或工人状况、工作场所危害或违规。在其它示例中，安全事件可包括以下项中的至少一者：工人行为的异常状况、PPE制品的异常状况、工作环境中的异常状况和违反安全规程。例如，在坠落防护设备的情况下，安全事件可以是坠落防护设备使用不当、坠落防护设备的用户发生坠落、或坠落防护设备发生故障。在呼吸器的情况下，安全事件可以是呼吸器使用不当、呼吸器的用户没有接收到适当质量和/或数量的空气或呼吸器发生故障。安全事件还可能与PPE所位于的环境中的危险相关联。在一些示例中，与PPE制品相关联的安全事件的发生可包括其中使用PPE的环境中的安全事件或与使用PPE制品的工人相关联的安全事件。在一些示例中，安全事件可以是PPE、工人和/或工人环境正在以是正常操作的方式操作、在使用或发挥作用的指示，其中正常操作是可接受或安全的操作、使用或活动的预定或预限定状况。

通过实现标识与工人、PPE和/或环境有关的使用数据流中安全事件的安全事件签名的模型，该系统可更快且准确地标识可能影响工人的安全、PPE制品的操作、和/或工作环境条件(仅举几个示例)的安全事件。可定义限定持续时间内的使用数据与对应于安全事件的安全事件签名的可能性之间的关系的模型不是在安全事件已经发生(并且对工人的潜在伤害已经发生)很久之后评估安全事件的起因，而是可前摄性地且预先地生成通知，和/或在安全事件发生之前或在安全事件发生时立即地改变PPE的操作。此外，本公开的系统可根据尚未用其训练模型的一组特定使用数据来灵活地预测安全事件的可能性，从而消除实施明确工作规则的需要，这些明确工作规则可能在大小上太过庞大以致无法实际实施和处理每组新的使用数据。

在一些示例中，一种系统包括：个人防护设备(PPE)制品，该制品具有被配置成用于生成使用数据流的至少一个传感器；以及分析流处理部件，该分析流处理部件包括：通信部件，该通信部件从该PPE制品的该至少一个传感器接收该使用数据流；存储器，该存储器被配置成用于存储该使用数据流的至少一部分和用于检测安全事件签名的至少一个模型，其中该至少一个模型是至少部分地基于由与该PPE制品相同类型的一个或多个其它PPE制品在接收该使用数据流之前生成的一组使用数据来训练的；以及一个或多个计算机处理器，该一个或多个计算机处理器被配置成用于：基于利用该模型对该使用数据流进行处理来检测该使用数据流中的该安全事件签名，并且响应于检测到该安全事件签名而生成输出。

在一些示例中，一种系统包括一组传感器，该组传感器生成对应于PPE制品、工人和工作环境中的至少一者的一个或多个使用数据流；以及分析流处理部件，该分析流处理部件包括：通信部件，该通信部件从该组传感器接收该一个或多个使用数据流，该组传感器生成对应于PPE制品、工人和工作环境中的至少一者的一个或多个使用数据流；存储器，该存储器被配置成用于存储该一个或多个使用数据流的至少一部分和用于检测安全事件签名的至少一个模型，其中该至少一个模型是至少部分地基于由与该PPE制品、该工人或该工作环境相同类型的一个或多个其它PPE制品、工人和工作环境在接收该一个或多个使用数据流之前生成的一组使用数据来训练的；以及一个或多个计算机处理器，该一个或多个计算机处理器被配置成用于：基于利用该模型对该一个或多个使用数据流进行处理来检测该一个或多个使用数据流中的该安全事件签名，并且响应于检测到该安全事件签名而生成输出。

在一些示例中，一种计算装置包括：存储器；以及一个或多个计算机处理器，该一个或多个计算机处理器：从PPE制品的至少一个传感器接收使用数据流，其中该PPE制品具有被配置成用于生成该使用数据流的至少一个传感器；存储该使用数据流的至少一部分和用于检测安全事件签名的至少一个模型，其中该至少一个模型是至少部分地基于由与该PPE制品相同类型的一个或多个其它PPE制品在接收该使用数据流之前生成的一组使用数据来训练的；基于利用该模型对使用数据流进行处理来检测该使用数据流中的安全事件签名；并且响应于检测到该安全事件签名而生成输出。

附图和以下描述中阐述了本公开的一个或多个示例的细节。根据说明书和附图以及权利要求书，将明白本公开的其它特征、目标和优点。

附图说明

图1是示出根据本公开的各种技术的示例性系统的框图，其中具有嵌入式传感器和通信能力的个人防护设备(PPE)在多种工作环境内使用并且由个人防护设备管理系统管理。

图2是示出图1所示的个人防护设备管理系统的操作透视图的框图。

图3是示出根据本公开的方面的自缩救生绳(SRL)的一个示例的概念图。

图4是示出根据本公开的方面的呼吸器的一个示例的概念图。

图5是示出根据本公开的方面的头部护具的一个示例的概念图。

图6是示出根据本公开的各个方面的与可穿戴数据集线器通信的PPE的示例的概念图。

图7是示出根据本公开的方面的示例性模型的图，该示例性模型由本文的个人防护设备管理系统或其它装置相对于工人活动就测量绳速度、加速度和绳长度来应用，其中该模型被布置成用于限定安全区域和预测安全事件的不安全行为的区域。

图8是示出根据本公开的方面的第二模型的示例的图，该第二模型由本文的个人防护设备管理系统或其它装置相对于工人活动就安全绳上的测量力/张力和长度来应用，其中该模型被布置成用于限定安全区域和预测安全事件的不安全行为的区域。

图9A和图9B是示出根据本公开的方面的来自工人的示例性使用数据的曲线图，该示例性使用数据由个人防护设备管理系统确定来表示低风险行为和触发警示或其它响应的高风险行为。

图10-图13示出了根据本公开的方面的用于表示来自一个或多个呼吸器的使用数据的示例性用户界面。

图14是示出根据本公开的方面的用于预测安全事件的可能性的示例性过程的流程图。

具体实施方式

图1是示出示例性计算系统2的框图，该示例性计算系统2包括用于管理个人防护设备的个人防护设备管理系统(PPEMS)6。如本文所述，PPEMS允许授权用户执行预防性职业健康和安全措施并且管理对安全防护设备的检查和维护。通过与PPEMS 6进行交互，安全员可例如管理区域检查、工人检查、工人健康和安全合规训练。

一般来讲，PPEMS 6提供数据采集、监测、活动日志记录、报告、预测分析、以及警示生成。例如，PPEMS 6包括根据本文所述的各种示例的基本分析和安全事件预测引擎和警示系统。如下文进一步所描述，PPEMS 6提供一整套个人安全防护设备管理工具，并且实施本公开的各种技术。也就是说，PPEMS 6提供了用于管理由工人10在一个或多个物理环境8内使用的个人防护设备(例如安全设备)的集成的端对端系统，该一个或多个物理环境8可以是建筑工地、采矿或制造场所或任何物理环境。本公开的技术可在计算环境2的各种部分内实现。虽然出于说明目的相对于某些类型的PPE提供了本公开的某些示例，但是本公开的系统、技术和装置适用于任何类型的PPE。

如图1的示例所示，系统2表示计算环境，其中多个物理环境8A、8B(统称为环境8)内的计算装置经由一个或多个计算机网络4与PPEMS 6进行电子通信。物理环境8中的每者表示诸如工作环境的物理环境，其中诸如工人10的一名或多名个体在相应环境内参与任务或活动时利用个人防护设备。

在这个示例中，环境8A被大体示出为具有工人10，而环境8B以扩展形式示出以提供更详细的示例。在图1的示例中，多个工人10A-10N被示出为利用PPE，诸如附接到安全支撑结构12和呼吸器13A-13N的防坠落设备(在该示例中示为自缩救生绳(SRL)11A-11N)。如本文更详细所描述，在其它示例中，工人10可利用可与本文所述的技术兼容的各种其它PPE，诸如听力护具、头部护具、安全服等等。

如本文进一步所描述，SRL 11中的每者包括嵌入式传感器或监测装置以及处理电子器件，它们被配置成用于在用户(例如，工人)在穿戴坠落防护设备时参与活动时实时地捕获数据。在一些示例中，确定钩是紧固还是未紧固到固定锚定点的智能钩也可在本公开中的坠落防护PPE的实质和范围内。例如，如相对于图3所示的示例更详细所描述，SRL可包括各种电子传感器，诸如延伸传感器、张力传感器、加速度计、位置传感器、高度计、一个或多个环境传感器、和/或用于测量SRL 11的操作的其它传感器中的一者或多者。此外，SRL11中的每者可包括一个或多个输出装置，用于输出指示SRL 11的操作的数据和/或生成通信并将其输出到相应工人10。例如，SRL 11可包括一个或多个装置，该一个或多个装置用来生成听觉反馈(例如，一个或多个扬声器)、视觉反馈(例如，一个或多个显示器、发光二极管(LED)等等)、或触觉反馈(例如，振动或提供其它触觉反馈的装置)。

呼吸器13还可包括嵌入式传感器或监测装置以及处理电子器件，它们被配置成用于在用户(例如，工人)在穿戴呼吸器时参与活动时实时地捕获数据。例如，如本文更详细所描述，呼吸器13可包括多个部件(例如，头罩、鼓风机、过滤器等等)，呼吸器13可包括用于感测或控制这类部件的操作的多个传感器。头罩可包括例如头罩遮护件位置传感器、头罩温度传感器、头罩运动传感器、头罩冲击检测传感器、头罩位置传感器、头罩电池电量传感器、头罩头部检测传感器、环境噪声传感器等等。鼓风机可包括例如鼓风机状态传感器、鼓风机压力传感器、鼓风机运行时间传感器、鼓风机温度传感器、鼓风机电池传感器、鼓风机运动传感器、鼓风机冲击检测传感器、鼓风机位置传感器等等。过滤器可包括例如过滤器存在传感器、过滤器类型传感器等等。上述传感器中的每者可生成使用数据。虽然如本文所述，图1相对于SRL 11和呼吸器13进行了描述，但是本公开的技术也可应用于各种其它PPE。

一般来讲，环境8中的每者包括SRL 11和呼吸器13能够借助以与PPEMS 6进行通信的计算设施(例如，局域网)。例如，环境8可配置有无线技术，诸如602.11无线网络、602.15ZigBee网络等等。在图1的示例中，环境8B包括本地网络7，该本地网络7提供基于分组的传输介质，以用于经由网络4与PPEMS 6进行通信。此外，环境8B包括多个无线接入点19A、19B，该多个无线接入点19A、19B可在地理上遍布于整个环境中，以在整个工作环境中提供对无线通信的支持。

SRL 11和呼吸器13中的每一者被配置成用于经由无线通信(诸如经由602.11WiFi协议、蓝牙协议等等)来传递数据，诸如所感测的运动、事件和状况。SRL 11和呼吸器13可例如与无线接入点19直接通信。又如，每名工人10可配备有可穿戴通信集线器14A-14N中的相应一者，这些可穿戴通信集线器14A-14N实现并促进SRL 11、呼吸器13和PPEMS 6之间的通信。例如，用于相应工人10的PPE可经由蓝牙或其它短程协议与相应通信集线器14进行通信，并且通信集线器可经由通过无线接入点19处理的无线通信来与PPEM 6进行通信。尽管被示出为可穿戴装置，但是集线器14可被实现为部署在环境8B内的独立装置。在一些示例中，集线器14可以是PPE制品。

一般来讲，集线器14中的每者作为用于SRL 11、呼吸器13和/或其它PPE将通信中继到PPE并从该PPE中继通信的无线装置进行操作，并且可能够在与PPEMS 6失去通信的情况下缓存使用数据。此外，集线器14中的每者可经由PPEMS 6编程，使得本地警示规则可在不需要连接到云的情况下安装并执行。因此，集线器14中的每者对来自SRL 11、呼吸器13和/或相应环境内的其它PPE的使用数据流提供中继，并且提供本地计算环境以用于在与PPEMS 6失去通信的情况下基于事件流进行本地化警示。

如图1的示例所示，诸如环境8B的环境还可包括一个或多个支持无线的信标，诸如信标17A-17C，该一个或多个支持无线的信标提供在工作环境内的准确位置信息。例如，信标17A-17C可支持GPS，使得相应信标内的控制器可能够精确地确定相应信标的位置。基于与信标17中的一者或多者的无线通信，由工人10穿戴的给定PPE制品或通信集线器14被配置成用于确定工人在工作环境8B内的位置。以此方式，报告给PPEMS 6的事件数据或使用数据可标有位置信息以有助于由PPEMS执行的分析、报告和解析。

此外，诸如环境8B的环境还可包括一个或多个支持无线的感测站，诸如感测站21A、21B。每个感测站21包括一个或多个传感器和被配置成用于输出指示所感测的环境条件的数据的控制器。此外，感测站21可定位在环境8B的相应地理区域内，或以其它方式与信标17进行交互以确定相应位置并且在向PPEMS 6报告环境数据时包括这类位置信息。因此，PPEMS6可被配置成用于使所感测的环境条件与特定区域相关，并且因此可在处理从SRL11、呼吸器13或其它PPE接收的事件数据(也称为“使用数据”)时利用所捕获的环境数据。例如，PPEMS 6可利用环境数据来帮助生成警示或用于PPE的其它指令，并且用于执行预测分析，诸如确定在某些环境条件(例如，热度、湿度、可见度)与异常工人行为或増加的安全事件之间的任何相关性。因此，PPEMS 6可利用当前环境条件来帮助预测和避免即将发生的安全事件。可由感测装置21感测的示例性环境条件包括但不限于：温度、湿度、气体的存在、压力、可见度、风、降水等等。

在示例性具体实施中，诸如环境8B的环境还可包括一个或多个安全站15，该一个或多个安全站15遍布于整个环境中以提供用于访问PPEMs 6的观察站。安全站15可允许工人10之一检查SRL 11、呼吸器13和/或其它安全设备，验证安全设备适于环境8中的特定环境和/或交换数据。例如，安全站15可将警示规则、软件更新或固件更新传输到SRL 11、呼吸器13或其它设备。安全站15还可接收缓存在SRL 11、呼吸器13、集线器14和/或其它安全设备上的数据。也就是说，虽然SRL 11和呼吸器13和/或数据集线器14通常可将使用数据传输到网络4，但是在一些情况下，SRL 11、呼吸器13和/或数据集线器14可能并未连接到网络4。在这类情况下，SRL 11和呼吸器13和/或数据集线器14可本地存储使用数据，并且在接近安全站15时将使用数据传输到安全站15。安全站15之后可上传来自设备的数据并且连接到网络4。

此外，环境8中的每者包括计算设施，这些计算设施为最终用户计算装置16提供操作环境以用于经由网络4与PPEMS 6进行交互。例如，环境8中的每者通常包括负责监督环境内的安全遵守情况的一个或多个安全管理员。一般来讲，每个用户20与计算装置16进行交互以访问PPEMS 6。环境8中的每者可包括本公开中所描述的系统。类似地，远程用户可使用计算装置18来经由网络4与PPEMS进行交互。出于举例的目的，最终用户计算装置16可以是膝上型电脑、台式计算机、诸如平板电脑或所谓的智能电话的移动装置等等。

用户20、24与PPEMS 6进行交互以控制并主动地管理由工人10利用的安全设备的许多方面，诸如访问和查看使用记录、分析和报告。例如，用户20、24可查看由PPEMS 6采集和存储的使用信息，其中使用信息可包括：指定某一持续时间(例如，一天，一周等等)内的开始时间和结束时间的数据、在特定事件(诸如，所检测到的坠落)期间收集的数据、从用户采集的感测数据、环境数据等等。此外，用户20、24可与PPEMS 6进行交互，以执行资产跟踪并为单独的安全设备件(例如SRL 11和呼吸器13)安排维护事件，以确保遵守任何规程或规定。PPEMS 6可允许用户20、24关于维护规程创建并完成数字检查表并将这些规程的任何结果从计算装置16、18同步到PPEMS 6。

另外，如本文所述，PPEMS 6集成了事件处理平台，该事件处理平台被配置成用于对来自支持数字的PPE(诸如SRL 11和呼吸器13)的数千或甚至数百万的并发事件流进行处理。PPEMS 6的基本分析引擎将入站流应用到历史数据和模型以计算断言，诸如所标识的安全事件签名，其可包括异常或基于条件或工人10的行为模式所预测的安全事件发生率。另外，PPEMS 6提供实时警示和报告，以向工人10和/或用户20、24通知任何预测的事件、异常、趋势等等。

在一些示例中，PPEMS 6的分析引擎可关于模型处理使用数据流以标识所感测的工人数据、环境条件、地理区域和其它因素之间的关系或相关性，并且分析对安全事件的影响。PPEMS 6可基于在工人10群体之中采集的数据来确定可能地在某些地理区域内的哪些特定活动会导致或被预测为会导致异常高的安全事件发生率。

以此方式，PPEMS 6紧密集成了综合工具，这些综合工具用于利用基本分析引擎和通信系统管理个人防护设备，以提供数据采集、监测、活动日志记录、报告、行为分析以及警示生成。此外，PPEMS 6在系统2的各种元件之间提供由这些元件操作和利用的通信系统。用户20、24可访问PPEMS以查看有关由PPEMS 6对从工人10采集的数据执行的任何分析的结果。在一些示例中，PPEMS 6可经由web服务器(例如，HTTP服务器)呈现基于web的界面，或可为由用户20、24使用的计算装置16、18的装置(诸如，台式计算机、膝上型计算机、诸如智能电话和平板电脑的移动装置等等)部署客户端应用程序。

在一些示例中，PPEMS 6可提供用于直接查询PPEMS 6的数据库查询引擎，以例如通过仪表板、警示通知、报告等等方式查看所采集的安全信息、遵守情况信息和分析引擎的任何结果。也就是说，用户24、26或在计算装置16、18上执行的软件可向PPEMS 6提交查询，并接收对应于这些查询的数据以便以一个或多个报告或仪表板的形式进行呈现。这类仪表板可提供有关系统2的各种见解，诸如跨工人群体的基线(“正常”)操作、对参与可能潜在地将工人暴露于危险的异常活动的任何反常工人的标识、对环境2内已经发生或预测会发生反常地异常的(例如，高)安全事件的任何地理区域的标识、对环境2中相对于其它环境展现出异常的安全事件发生率的任何环境的标识等等。

如下文详细说明的，PPEMS 6可为负责监测的个体简化工作流程并且确保实体或环境的安全遵守情况。也就是说，本公开的技术可实现主动安全管理并且允许组织相对于环境8内的某些区域、特定PPE制品或个别工人10采取预防性或校正措施，限定由基本分析引擎根据数据驱动的工作流规程，并且可进一步允许实体实施这些工作流规程。

作为一个示例，PPEMS 6的基本分析引擎可被配置成用于计算并呈现客户针对给定环境8内或跨作为整体用于组织的多个环境的工人群体限定的指标。例如，PPEMS 6可被配置成用于采集数据并提供工人群体(例如，环境8A、8B中的任一者或两者的工人10)的聚集表现指标和预测行为分析。另外，用户20、24可为任何安全事故的发生率设定基准，并且PPEMS 6可相对于这些基准跟踪个体或限定工人群体的实际表现指标。

又如，PPEMS 6可在存在某些状况组合的情况下进一步触发警示，例如以加快对安全设备(诸如SRL 11、呼吸器13等等中的一者)的检查或服务。以此方式，PPEMS 6可标识指标不满足基准的个别PPE件或工人10，并且提示用户进行干预和/或执行规程来相对于基准改进指标，从而确保遵守情况并且主动地管理工人10的安全。

根据本公开的方面，虽然相对于PPEMS 6描述了图1的某些技术，但是在其它示例中，可由集线器14、SRL 11、呼吸器13或其它PPE来实现一个或多个功能。例如，根据本公开的方面，PPEMS 6、集线器14、SRL 11、呼吸器13或其它PPE可包括相对于哪个部件负责处理使用数据流来应用规则的选择部件。如本文更详细所描述，选择规则可以是静态的，或可基于例如以下项来动态地确定：与检测安全事件签名相关联的功率消耗、与检测异常相关联的延迟、PPE制品的连接性状态、工人装置、计算装置、或至少一个服务器、PPE数据的数据类型、PPE数据的数据量、以及PPE数据的内容。

图2是提供PPEMS 6在作为基于云的平台进行托管时的操作透视图的框图，该基于云的平台能够支持具有整个工人10群体的多种不同的工作环境8，该整个工人10群体具有各种支持通信的个人防护设备(PPE)，诸如安全释放绳(SRL)11、呼吸器13、安全帽、安全头盔21、或其它安全设备。在图2的示例中，PPEMS 6的部件根据实施本公开的技术的多个逻辑层来布置。每个层可由包括硬件、软件、或硬件和软件的组合的一个或多个模块实现。

在图2中，个人防护设备(PPE)62(诸如SRL 11、呼吸器13和/或其它设备)以及计算装置60直接或通过集线器14作为客户端63进行操作，这些客户端63经由接口层64与PPEMS6进行通信。计算装置60通常执行客户端软件应用程序，诸如桌面应用程序、移动应用程序和web应用程序。计算装置60可表示图1的计算装置16、18中的任一个。计算装置60的示例可包括但不限于：便携式或移动计算装置(例如，智能电话、可穿戴计算装置、平板电脑)、漆上型计算机、台式计算机、智能电视平台以及服务器(仅举几个示例)。

如本公开中进一步所描述，PPE 62(直接或经由集线器14)与PPEMS 6进行通信，以提供从嵌入式传感器和其它监测电路采集的数据流，并且从PPEMS 6接收警示、配置和其它通信。在计算装置60上执行的客户端应用程序可与PPEMS 6进行通信，以发送和接收由服务68检索、存储、生成和/或以其它方式处理的信息。例如，客户端应用程序可请求并编辑包括存储在PPEMS 6处和/或由其管理的分析数据的安全事件信息。在一些示例中，客户端应用程序可请求并显示聚合安全事件信息，该聚合安全事件信息概括或以其它方式聚合从PPE62采集和/或由PPEMS 6生成的安全事件和对应数据的众多个别实例。客户端应用程序可与PPEMS 6进行交互，以查询关于过去和预测的安全事件、工人10的行为趋势(仅举几个示例)的分析信息。在一些示例中，客户端应用程序可输出从PPEMS 6接收的显示信息，以便使这类信息对客户端63的用户可视化。如下文进一步说明和描述的，PPEMS 6可向客户端应用程序提供信息，这些客户端应用程序输出该信息以供在用户界面中显示。

在计算装置60上执行的客户端应用程序可被实现用于不同平台，但是包括类似或相同的功能性。例如，客户端应用程序可以是被编译成用于在桌面操作系统(诸如Microsoft Windows、Apple OS X或Linux(仅举几个示例))上运行的桌面应用程序。又如，客户端应用程序可以是被编译成用于在移动操作系统(诸如Google Android、Apple iOS、Microsoft Windows Mobile或BlackBerry OS(仅举几个示例))上运行的移动应用程序。又如，客户端应用程序可以是web应用程序，诸如显示从PPEMS 6接收的web页面的web浏览器。在web应用程序的示例中，PPEMS 6可接收来自web应用程序(例如，web浏览器)的请求、处理请求并往回向web应用程序发送一个或多个响应。以此方式，web页面、客户端处理web应用程序以及由PPEMS 6执行的服务器端处理的集合集体地提供执行本公开的技术的功能性。以此方式，客户端应用程序根据本公开的技术使用PPEMS 6的各种服务，并且这些应用程序可在各种不同的计算环境(例如，仅举几个示例，PPE的嵌入式电路或处理器、桌面操作系统、移动操作系统或web浏览器)内操作。

如图2所示，PPEMS 6包括接口层64，该接口层64表示由PPEMS 6呈现和支持的一组应用程序编程接口(API)或协议接口。接口层64初始地从客户端63中的任一个接收消息以用于在PPEMS 6处进一步处理。接口层64因此可提供可供在客户端63上执行的客户端应用程序使用的一个或多个接口。在一些示例中，接口可以是可通过网络访问的应用程序编程接口(API)。接口层64可用一个或多个web服务器实现。一个或多个web服务器可接收传入请求，处理来自该请求的信息和/或将该信息转发到服务68，并且基于从服务68接收的信息来向初始地发送该请求的客户端应用程序提供一个或多个响应。在一些示例中，实现接口层64的一个或多个web服务器可包括运行时环境以部署提供一个或多个接口的程序逻辑。如下文进一步所描述，每个服务可提供可经由接口层64访问的一组一个或多个接口。

在一些示例中，接口层64可提供表述性状态传递(RESTful)接口，这些RESTful接口使用HTTP方法来与服务进行交互并且操纵PPEMS 6的资源。在这类示例中，服务68可生成JavaScript对象表示(JSON)消息，接口层64将该JSON消息发送回到提交初始请求的客户端应用程序61。在一些示例中，接口层64提供使用简单对象访问协议(SOAP)的web服务来处理来自客户端应用程序的请求。在其它示例中，接口层64可使用远程规程调用(RPC)来处理来自客户端63的请求。在从客户端应用程序接收到使用一个或多个服务68的请求时，接口层64将信息发送到应用层66，该应用层66包括服务68。

如图2所示，PPEMS 6还包括应用层66，该应用层66表示用于实现PPEMS 6的大部分基本操作的服务的集合。应用层66接收从客户端应用程序接收的请求中所包括的信息，并且根据由这些请求调用的服务68中的一者或多者来进一步处理该信息。应用层66可被实现为在一个或多个应用服务器(例如物理或虚拟机)上执行的一个或多个离散的软件服务。也就是说，应用服务器为服务68的执行提供运行时环境。在一些示例中，如上所述的接口层64的功能性和应用层66的功能性可在同一服务器处实现。

应用层66可包括一个或多个单独的软件服务68，例如，例如经由逻辑服务总线70(作为一个示例)进行通信的进程。服务总线70通常表示允许不同服务诸如通过发布/订阅通信模型向其它服务发送消息的逻辑互连或一组接口。例如，服务68中的每一个可基于针对相应服务设定的标准来订阅特定类型的消息。当服务在服务总线70上发布特定类型的消息时，订阅该类型的消息的其它服务将接收消息。以此方式，服务68中的每一个可彼此传达信息。又如，服务68可使用套接字或其它通信机制以点对点的方式进行通信。在其它示例中，可使用流水线系统架构来在软件系统服务处理数据或消息时强制执行对数据或消息的工作流和逻辑处理。在描述服务68中的每一个的功能性之前，本文简单地描述层。

PPEMS 6的数据层72表示使用一个或多个数据储存库74为PPEMS 6中信息提供持久性的数据存储库。数据储存库通常可以是存储和/或管理数据的任何数据结构或软件。数据储存库的示例包括但不限于：关系数据库、多维数据库、映射图以及散列表(仅举几个示例)。数据层72可使用管理数据储存库74中的信息的关系数据库管理系统(RDBMS)软件来实现。RDBMS软件可管理一个或多个数据储存库74，该一个或多个数据储存库74可使用结构化查询语言(SQL)来访问。一个或多个数据库中的信息可使用RDBMS软件来存储、检索和修改。在一些示例中，数据层72可使用对象数据库管理系统(ODBMS)、联机分析处理(OLAP)数据库或其它合适的数据管理系统来实现。

如图2所示，服务68A-68J(“服务68”)中的每一个在PPEMS 6内以模块化形式实现。虽然针对每个服务被示出为单独的模块，但是在一些示例中，两个或更多个服务的功能性可组合到单个模块或部件中。服务68中的每一个可以软件、硬件、或硬件和软件的组合来实现。此外，服务68可被实现为独立装置、单独的虚拟机或容器、通常用于在一个或多个物理处理器上执行的进程、线程或软件指令。

在一些示例中，服务68中的一者或多者各自可提供通过接口层64显露的一个或多个接口。因此，计算装置60的客户端应用程序可调用服务68中的一者或多者的一个或多个接口以执行本公开的技术。

根据本公开的技术，服务68可包括事件处理平台，该事件处理平台包括事件端点前端68A、事件选择器68B、事件处理器68C以及高优先级(HP)事件处理器68D。事件端点前端68A作为用于接收通信和向PPE 62和集线器14发送通信的前端接口进行操作。换句话说，事件端点前端68A作为部署在环境8内并由工人10利用的安全设备的前线接口进行操作。在一些情况下，事件端点前端68A可被实现为多个任务或作业，该多个任务或作业被衍生以从PPE 62接收携带着由传感器感测和捕获的针对工人、PPE和/或工作环境的数据的事件流69的单独入站通信。例如当接收事件流69时，事件端点前端68A可衍生使入站通信(称为事件)快速入队和关闭通信会话的任务，从而提供高速处理和可缩放性。每个传入通信可例如携带着表示所感测的状况、运动、温度、行动或其它数据(通常称为多个事件)的最近捕获的数据。根据通信延迟和连续性，在事件端点前端68A与PPE之间交换的通信可以是实时的或伪实时的。

事件选择器68B对经由前端68A从PPE 62和/或集线器14接收的事件流69进行操作，并基于规则或分类来确定与传入事件相关联的优先级。基于优先级，事件选择器68B将这些事件入队以便由事件处理器68C或高优先级(HP)事件处理器68D进行后续处理。另外的计算资源和对象可专用于HP事件处理器68D，以便确保对关键事件的响应，这些关键事件诸如未正确使用PPE、使用了基于地理位置和条件不适当的过滤器和/或呼吸器、未能恰当地紧固SRL 11等等。响应于处理高优先级事件，HP事件处理器68D可立即调用通知服务68E以生成警示、指令、警告或其它类似消息，以便输出到SRL 11、集线器14和/或远程用户20、24。未被分类为高优先级的事件由事件处理器68C消耗并处理。

一般来讲，事件处理器68C或高优先级(HP)事件处理器68D对传入事件流进行操作以更新数据储存库74内的事件数据74A。一般来讲，事件数据74A可包括从PPE 62获得的使用数据的全部或其子集。例如，在一些情况下，事件数据74A可包括从PPE 62的电子传感器获得的数据的样本的全部流。在其它情况下，事件数据74A可包括这种数据的例如与PPE 62的特定时间段或活动相关联的子集。事件处理器68C、68D可创建、读取、更新和删除存储在事件数据74A中的事件信息。事件信息可作为包括信息的名/值对的结构存储在相应数据库记录中，该结构诸如以行/列格式指定的数据表。例如，名(例如，列)可以是“工人ID”，并且值可以是雇员标识号。事件记录可包括诸如但不限于：工人标识、PPE标识、采集时间戳以及指示一个或多个感测参数的数据。

此外，事件选择器68B将传入事件流(例如，使用数据或事件数据)引导到流分析服务68F，该流分析服务68F表示被配置成用于对传入事件流执行深度处理以执行实时分析的分析引擎的示例。流分析服务68F可例如被配置成用于在接收到事件数据74A时，实时地处理多个事件数据74A流并将其与历史数据和模型74B进行比较。以此方式，流分析服务68D可被配置成用于基于条件或工人行为检测安全事件签名(例如，异常、模式等等)、转换传入事件数据值、在检测到安全问题时触发警示。历史数据和模型74B可包括例如指定安全规则、业务规则等等。以此方式，历史数据和模型74B可表征SRL 11的用户的活动，例如遵守安全规则、业务规则等等。此外，流分析服务68D可生成输出以便通过通知服务68F传达给PPPE62或通过记录管理和报告服务68D传达给计算装置60。

分析服务68F可对来自由环境8内的工人10利用的启用的安全PPE 62的入站事件流(可能地数百或数千事件流)进行处理，以应用历史数据和模型74B来计算断言，诸如所标识的安全事件签名、异常或基于条件或工人的行为模式所预测的即将发生的安全事件的发生率。分析服务68D可通过服务总线70来将断言发布到通知服务68F和/或记录管理以便输出到客户端63中的任一个。在一些示例中，至少一个传感器生成至少表征与PPE制品相关联的工人或工作环境的使用数据；并且为了检测使用流中的安全事件签名，分析服务68F处理表征与PPE制品或工作环境相关联的工人的使用数据。

以此方式，分析服务68F可被配置为预测即将发生的安全问题并提供实时警示和报告的主动安全管理系统。此外，分析服务68F可以是决策支持系统，该决策支持系统提供用于针对企业、安全专员和其他远程用户、在聚合或个体化工人和/或PPE的基础上对入站事件数据流进行处理以生成断言的技术，这些断言呈统计、结论和/或建议的形式。例如，分析服务68F可应用历史数据和模型74B来针对特定工人基于所检测的行为或活动模式、环境条件和地理位置，来确定该工人即将发生安全事件的可能性。在一些示例中，分析服务68F可确定工人当前是否例如由于疲劳、疾病或酒精/药物使用而变弱并且可能需要干预以防止安全事件。又如，分析服务68F可提供特定环境8中的工人的比较评级或安全设备的类型。

因此，分析服务68F可维持或以其它方式使用提供预测安全事件的风险指标的一个或多个模型。分析服务68F还可生成指令集、建议和质量量度。在一些示例中，分析服务68F可基于由PPEMS 6存储的处理信息生成用户界面以向客户端63中的任一个提供可行动信息。例如，分析服务68F可生成仪表板、警示通知、报告等等以便在客户端63中的任一个处输出。这类信息可提供有关以下项的各种见解：跨工人群体的基线(“正常”)操作、对参与可能潜在地将工人暴露于危险的异常活动的任何反常工人的标识、对环境内已经发生或预测会发生反常地异常的(例如，高)安全事件的任何地理区域的标识、对环境中相对于其它环境展现出异常的安全事件发生率的任何环境的标识等等。

虽然可使用其它技术，但是在一种示例性实现方式中，分析服务68F在对安全事件流进行操作时利用机器学习以便执行实时分析。也就是说，分析服务68F包括通过将机器学习应用到训练事件流和已知安全事件的数据以检测模式来生成可执行代码。可执行代码可采用软件指令或规则集的形式并且通常称为模型，事件流69可应用到该模型以用于检测类似的模式并预测即将到来的事件。

在一些示例中，分析服务68F可针对特定工人、特定工人群体、一个或多个PPE制品或PPE类型、特定环境或其组合生成单独的模型。分析服务68F可基于从PPE 62接收的使用数据来更新模型。例如，分析服务68F可基于从PPE 62接收的数据来更新用于特定工人、特定工人群体、一个或多个PPE制品或PPE类型、特定环境或其组合的模型。

在一些示例中，分析服务68F存储使用数据流的至少一部分以及用于检测安全事件签名的至少一个模型。在一些示例中，使用数据流包括针对多个PPE制品、工人和/或工作环境的指标。如本公开中所描述，至少一个模型是至少部分地基于在接收使用数据流之前由与该PPE制品相同类型的其它PPE制品生成的一组使用数据来训练的。

在一些示例中，“相同类型”可以是指完全相同但是独立的PPE示例。在其它示例中，“相同类型”可以不是指完全相同的PPE实例。例如，虽然不是完全相同，但是相同类型可以是指相同PPE类别或种类中的PPE、相同PPE型号、或相同的一组一个或多个共同的功能或物理特性(仅举几个示例)。类似地，相同类型的工作环境或工人可以是指完全相同但是独立的工作环境类型或工人类型的实例。在其它示例中，虽然不是完全相同，但是相同类型可以是指相同工人或工作环境类别或种类中的工人或工作环境，或相同的一组一个或多个共同的行为、生理、环境特性(仅举几个示例)。

在一些示例中，安全事件签名包括以下各项中的至少一项：一组使用数据中的异常、一组使用数据中的模式、限定时间段内的特定事件的一组特定发生率、限定时间段内的特定事件的一组特定类型、限定时间段内的特定事件的一组特定量值、或满足(例如，大于、等于或小于)阈值的值。在一些示例中，阈值是硬编码的、机器生成的、和/或用户可配置的。在一些示例中，安全事件签名可以是一组事件的唯一的或特别限定的配置文件。在一些示例中，每个相应事件是以相同限定间隔生成的，其中每个相应事件包括对应于一组相同限定指标的一组相应值，和/或其中不同相应事件中的多组相应值是不同的。限定间隔(其可以是硬编码的、用户可配置的、和/或机器生成的)的示例包括：500毫秒、1分钟、5分钟、10分钟、在0-30秒之间的范围内的间隔、在0-5分钟之间的范围内的间隔、在0-10分钟之间的范围内的间隔、在0-30分钟之间的范围内的间隔、在0-60分钟之间的范围内的间隔、在0-12小时之间的范围内的间隔。在一些示例中，这组限定指标包括以下中的一者或多者：时间戳、PPE制品的特性、与PPE制品相关联的工人的特性、和工作环境的特性。

在一些示例中，分析服务68F基于利用模型对使用数据流进行处理来检测使用数据流中的安全事件签名。为了用模型对使用数据流进行处理，分析服务68F可将使用数据应用到模型。为了将使用数据应用到模型，分析服务68F可生成诸如特征向量的结构，使用数据存储在该结构中。特征向量可包括对应于指标(例如，仅举几个示例，这些指标表征PPE、工人、工作环境)的一组值，其中该组值包括在使用数据中。模型可接收特征向量作为输入，并且基于由该模型限定的已经过训练的一个或多个关系(例如，概率性函数、确定性函数或在本领域的普通技术人员的知识范围内的其它函数)，该模型可输出指示基于该特征向量的安全事件的可能性的一个或多个概率或评分。基于安全事件签名，分析服务68F作为响应可生成输出。在一些示例中，至少一个安全规则映射到至少一个安全事件，该至少一个安全事件映射到安全事件签名，和/或安全事件签名对应于数据使用流的至少该部分。这样，如果使用数据流的至少一部分对应于安全事件签名，那么分析服务68F可测试和/或执行对应于映射到安全事件签名的安全事件的一个或多个安全规则。在一些示例中，数据使用流的至少该部分在一个或多个计算机处理器检测到安全事件签名之后被删除。例如，数据使用流的该部分可在阈值量的时间之后被删除，或者可在被处理以检测安全事件签名之后被删除。

在一些示例中，为了响应于检测到安全事件签名而生成输出，分析服务68F可致使PPEMS 6的一个或多个部件向PPE制品、与用户相关联且被配置成用于与PPE制品和至少一个远程计算装置通信的集线器以及与不是该用户的人员相关联的计算装置中的至少一者发送通知。在一些示例中，为了响应于检测到安全事件签名而生成输出，分析服务68F可致使PPEMS 6的一个或多个部件发送改变PPE制品的操作的通知。在一些示例中，为了响应于检测到安全事件签名而生成输出，分析服务68F可致使PPEMS 6的一个或多个部件输出用户界面以供显示，该用户界面指示与用户、工作环境和PPE制品中的至少一者相关联的安全事件。在一些示例中，为了响应于检测到安全事件签名而生成输出，该一个或多个处理器能生成用户界面，该用户界面至少部分地基于对应于安全事件签名的安全事件。在一些示例中，用户界面包括要求在阈值时间段内响应用户输入的至少一个输入控件，并且响应于该阈值时间段期满而无响应用户输入，PPEMS 6可至少部分地基于该阈值时间段期满而无响应用户输入来执行至少一个操作。在一些示例中，PPE制品包括以下各项中的至少一项：空气呼吸器系统、坠落防护装置、听力防护器、头部防护器、服装、面部防护器、眼部防护器、电焊面罩和机械护甲。

在一些示例中，在检测到安全事件签名之前，分析服务68F可至少部分地基于使用数据的数据流来确定PPE制品正在正常状态下操作。正常状态可以是基于用户输入预限定的状态，和/或是基于所确定的稳定状态或可接受的状况或使用而机器生成的。响应于检测到安全事件签名，分析服务68F可确定PPE制品不是在正常状态下操作。例如，在检测到安全事件签名之前，PPE制品(或工人和/或工人环境)已经在稳定状态或可接受状况下操作，该可接受状况之后跟着指示异常状态或正常状态之外的状态的安全事件签名。在一些示例中，使用数据流的一部分是使用数据流的第一部分，安全事件签名是第一安全事件签名，正常状态对应于第二安全事件签名，数据流的第一部分对应于第一安全事件签名，并且数据流的第二部分对应于第二安全事件签名。

在一些示例中，一组PPE制品与用户相关联。该组PPE制品中的每个PPE制品包括运动传感器，诸如加速度计、陀螺仪或可检测运动的其它装置。分析服务68F可从该组PPE制品中的每个相应PPE制品的每个相应运动传感器接收相应使用数据流。为了检测安全事件签名，分析服务68F可检测对应于相对运动的安全事件签名，该相对运动至少部分地基于来自每个相应运动传感器的相应使用数据流。也就是说，基于来自定位在同一用户的不同位置处的不同运动传感器的多个不同的使用数据流，分析服务68F可确定工人的相对运动。在一些示例中，安全事件签名对应于指示人体工程学应力的安全事件，并且在一些示例中，分析服务68F可确定人体工程学应力满足阈值(例如，大于或等于阈值)。

另选地或除此之外，分析服务68F可将所生成的代码和/或机器学习模型的全部或部分传达给集线器14(或PPE 62)以用于在其上执行，以便近实时地向PPE提供本地警示。可采用来生成模型74B的示例性机器学习技术可包括各种学习方式，诸如监督式学习、非监督式学习和半监督式学习。算法的示例性类型包括贝叶斯算法、聚类算法、决策树算法、正则化算法、回归算法、基于实例的算法、人工神经网络算法、深度学习算法、降维算法等等。特定算法的各种示例包括贝叶斯线性回归、提升决策树回归和神经网络回归、反向传播神经网络、先验算法、K均值聚类、k最近邻(kNN)、学习向量量化(LVQ)、自组织映射(SOM)、局部加权学习(LWL)、岭回归、最小绝对收缩和选择算子(LASSO)、弹性网和最小角回归(LARS)、主成分分析(PCA)以及主成分回归(PCR)。

记录管理和报告服务68G对经由接口层64从计算装置60接收的消息和查询进行处理和响应。例如，记录管理和报告服务68G可从客户端计算装置接收对与以下相关的事件数据的请求：个体工人、工人的群体或样本集、环境8的地理区域或作为整体的环境8、个体PPE62或其群组/类型。作为响应，记录管理和报告服务68G基于请求来访问事件信息。在检索事件数据时，记录管理和报告服务68G构建对初始地请求信息的客户端应用程序的输出响应。在一些示例中，数据可包括在文档(诸如HTML文档)中，或者数据可以JSON格式来编码，或者由在请求客户端计算装置上执行的仪表板应用程序呈现。例如，如本公开中进一步所描述，附图中描绘了包括事件信息的示例性用户界面。

作为另外的示例，记录管理和报告服务68G可接收对查找、分析和关联PPE事件信息的请求。例如，记录管理和报告服务68G可从客户端应用程序接收对在一定历史时间范围内的事件数据74A的查询请求，诸如用户可查看在一定时间段内的PPE事件信息和/或计算装置可分析在该时间段内的PPE事件信息。

在示例性实现方式中，服务68还可包括对用户和向PPEMS 6的请求进行认证和授权的安全服务68H。具体地，安全服务68H可从客户端应用程序和/或其它服务68接收的访问数据层72中的数据和/或在应用层66中执行处理的认证请求。认证请求可包括凭证，诸如用户名和密码。安全服务68H可查询数据层72中的安全数据以确定用户名和密码组合是否有效。配置数据74D可包括呈授权凭证的形式的安全数据、策略以及用于控制对PPEMS 6的访问的任何其它信息。如上所述，数据层72中的安全数据可包括授权凭证，诸如PPEMS 6的授权用户的有效用户名和密码的组合。其它凭证可包括被允许访问PPEMS 6的装置标识符或装置配置文件。

安全服务68H可针对在PPEMS 6处执行的操作提供审计和日志记录功能性。例如，安全服务68H可记录由服务68执行的操作和/或数据层72中由服务68访问的数据。安全服务68H可将审计信息、诸如记录的操作、访问的数据和规则处理结果存储在审计数据74C中。在一些示例中，安全服务68H可响应于满足一个或多个规则而生成事件。安全服务68H可将指示这些事件的数据存储在审计数据74C中。

在图2的示例中，安全管理员初始地可配置一个或多个安全规则。因此，远程用户24可在计算装置18处提供一个或多个用户输入，该一个或多个用户输入针对工作环境8A和8B配置一组安全规则。例如，安全管理员的计算装置60可发送限定或指定安全规则的消息。这种消息可包括用于选择或创建安全规则的条件和行动的数据。PPEMS 6可在接口层64处接收消息，该接口层64将该消息转发到规则配置部件68I。规则配置部件68I可以是提供用于规则配置的硬件和/或软件的组合，提供用于规则配置包括但不限于：提供用户界面以指定规则的条件和行动、接收、组织、存储和更新安全规则数据存储区74E中包括的规则。

安全规则数据存储区74E可以是包括表示一个或多个安全规则的数据的数据存储区。安全规则数据存储区74E可以是任何合适的数据存储区，诸如关系数据库系统、联机分析处理数据库、面向对象的数据库、或任何其它类型的数据存储区。当规则配置部件68I从安全管理员的计算装置60接收到限定安全规则的数据时，规则配置部件68I可将安全规则存储在安全规则数据存储区74E中。

在图2的示例中，PPEMS 6还包括自检部件68J、自检标准74G和工作关系数据74F。自检标准74G可包括如本公开中所描述的一个或多个自检标准。工作关系数据74F可包括对应于PPE、工人和工作环境的数据之间的映射。工作关系数据74F可以是用于存储、检索、更新和删除数据的任何合适的数据存储区。RMRS 68G可存储工人10A的唯一标识符与数据集线器14A的唯一装置标识符之间的映射。工作关系数据存储区74F还可将工人映射到环境。在图2的示例中，自检部件68J可接收或以其它方式确定来自工作关系数据74F的针对数据集线器14A、工人10A和/或与工人10A相关联或者分配给工人10A的PPE的数据。基于此数据，自检部件68J可从自检标准74G中选择一个或多个自检标准。自检部件68J可将自检标准发送到数据集线器14A。

根据本公开的方面，用于表征工人活动和检测异常的技术可由集线器14、SRL 11、呼吸器13或其它PPE来实现。例如，相对于图2，PPEMS 6包括选择规则74H，其包括用于确定用于处理使用数据的部件的规则。也就是说，规则配置部件68I或PPEMS 6的另一部件可基于选择规则74H来确定是否处理使用数据(或集线器14或PPE 62是否负责这类处理)。

选择规则74H可以是静态的，或基于例如与检测异常相关联的功率消耗来动态地确定的。例如，在用于处理使用数据所需的处理部件相对高并汲取相对大量的功率的情况下，选择规则可指示PPEMS 6负责处理使用数据，因为PPE 62和集线器14通常是电池供电的。

在延迟是因子的情况下，选择规则可指示对使用数据进行处理以检测异常是由集线器14或PPE 62在本地执行。例如，将数据传输到PPEMS 6可花费时间(例如，与经由网络4传输数据相关联)。一些安全事件可立即发生或在存在异常的短时间内发生。在这类情况下，选择规则可指示对使用数据进行处理以检测异常是由集线器14或PPE 62在本地执行。

在另一示例中，选择规则可基于PPE制品、工人装置(诸如，集线器14)、计算装置(诸如，安全站15中的一个)或PPEMS 6的连接性状态。例如，在集线器14未经由网络4连接到PPEMS 6的情况下，集线器14可负责处理使用数据并检测异常。在PPE 62未连接到集线器14(或PPEMS 6)的情况下，PPE 62可负责处理使用数据并检测异常。在一些示例中，如果PPE62和/或集线器14未连接到与PPEMS 6，那么PPE 62和/或集线器14可缓存或分批处理使用数据以发送到PPEMS 6或其它计算装置。在一些示例中，当发送缓存或分批处理的使用数据时，PPE 62和/或集线器14可仅发送阈值数量的最新事件作为使用数据和/或可仅发送阈值数量的最相关事件作为使用数据。

在另一示例中，选择规则可基于PPE数据的数据类型。例如，某些PPE 62可生成与多个部件或传感器相关联的多个数据流。在该示例中，选择规则可指定由特定实体(例如，PPE 62、集线器14和PPEMS 6中的一者)处理特定数据类型(例如，来自特定部件)，而由不同实体(例如，PPE 62、集线器14和PPEMS 6中的一者)处理另一数据类型(例如，来自不同部件)。

在另一示例中，选择规则可基于PPE数据的数据量。例如，选择规则可指定由PPEMS6处理大量的数据，例如由于潜在地更大的处理能力。在其它示例中，选择规则可指定由PPE62或集线器14处理大量的数据，例如由于与传输此类数据相关联的能量消耗。

在另一示例中，选择规则可基于PPE数据的内容。例如，PPE 62或集线器14可被配置成用于在本地处理数据，直到标识出意外的内容，诸如不同的环境、不同的PPE集等等。基于使用数据的内容，PPE 62或集线器14可将使用数据发送到PPEMS 6以用于进行远程处理。

一般来讲，选择规则74H在性质上可以是分级的。也就是说，PPEMS 6通常可负责执行某些处理。在一些情况下，选择规则74H可指定由集线器14执行用于检测异常的处理的至少一部分(诸如在数个上述示例中)。此外，选择规则74H可指定由相应PPE 62执行用于检测异常的处理的至少一部分。

图3更详细地示出了SRL 11中的一者的示例。在该示例中，SRL 11包括用于附接到锚定件的第一连接器90、救生绳92、以及用于附接到用户(未示出)的第二连接器94。SRL 11还包括容纳能量吸收和/或制动系统和计算装置98的壳体96。在所示示例中，计算装置98包括处理器100、存储装置102、通信单元104、延伸传感器106、张力传感器108、速度计109、加速度计110、位置传感器112、测高仪114、一个或多个环境传感器116以及输出单元118。

应当理解，图3所示的计算装置98(并且更广泛地，SRL 11)的架构和布置仅出于示例性目的而示出。在其它示例中，SRL 11和计算装置98可以多种其它方式被配置成与图3所示的那些相比具有另外的、更少的或另选的部件。例如，在一些示例中，计算装置98可被配置成包括仅部件的子集，诸如通信单元104和延伸传感器106。此外，虽然图3的示例将计算装置98示出为与壳体96集成，但这些技术不限于这种布置。

第一连接器90可锚定到固定结构，诸如支架或其它支撑结构。救生绳92可围绕可旋转地连接到壳体96的偏置转筒缠绕。第二连接器94可连接到用户(例如，诸如工人10(图1)中的一者)。因此，在一些示例中，第一连接器90可被配置为连接到支撑结构的锚定点，并且第二连接器94被配置成包括连接到工人的钩。在其它示例中，第二连接器94可连接到锚定点，而第一连接器90可连接到工人。当用户执行活动时，当救生绳92延伸出和缩回到壳体96中时，救生绳92的移动致使转筒旋转。

一般来讲，计算装置98可包括多个传感器，该多个传感器可捕获关于SRL 11的操作和/或其中使用SRL 11的环境的实时数据。此类数据在本文中可称为使用数据。传感器可定位在壳体96内和/或可位于SRL 11内的其它位置处，诸如邻近第一连接器90或第二连接器94。在一个示例中，处理器100被配置成实施用于在计算装置98内执行的功能性和/过程指令。例如，处理器100可能够处理由存储装置102存储的指令。处理器100可包括例如：微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或等效的离散或集成逻辑电路。

存储装置102可包括计算机可读存储介质或计算机可读存储装置。在一些示例中，存储装置102可包括短期存储器或长期存储器中的一者或多者。存储装置102可包括例如随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、磁性硬盘、光盘、闪存存储器、或电可编程存储器(EPROM)或电可擦且可编程存储器(EEPROM)的形式。

在一些示例中，存储装置102可存储操作系统(未示出)或控制计算装置98的部件的操作的其它应用程序。例如，操作系统可有利于将数据从电子传感器(例如，延伸传感器106、张力传感器108、加速度计110、位置传感器112、测高仪114和/或环境传感器116)传送到通信单元104。在一些示例中，存储装置102用于存储用于由处理器100执行的程序指令。存储装置102还可被配置成用于在操作期间将信息存储在计算装置98内。

计算装置98可使用通信单元104经由一个或多个有线或无线连接来与外部装置通信。通信单元104可包括设计用于信号调制的各种混合器、滤波器、放大器和其它部件，以及设计用于发射和接收数据的一个或多个天线和/或其它部件。通信单元104可使用任何一种或多种合适的数据通信技术来向其它计算装置发送数据和接收数据。此类通信技术的示例可包括TCP/IP、以太网、Wi-Fi、蓝牙、4G、LTE(仅举几个示例)。在一些情况下，通信单元104可根据蓝牙低能量(BLU)协议进行操作。

延伸传感器106可被配置成用于生成和输出指示救生绳92的延伸和救生绳92的缩回中的至少一者的数据。在一些示例中，延伸传感器106可生成指示救生绳92的延伸长度和救生绳92的缩回长度中的至少一者的数据。在其它示例中，延伸传感器106可生成指示延伸或缩回循环的数据。延伸传感器106可包括一个或多个旋转编码器、光学传感器、霍尔效应传感器、或用于确定位置和/或旋转的另一传感器。在一些示例中，延伸传感器106还可包括生成指示救生绳92的完全延伸或完全缩回的输出的一个或多个开关。

张力传感器108可被配置成用于生成指示救生绳92例如相对于第二连接器90的张力的数据。张力传感器108可包括与救生绳92共线放置以直接或间接测量施加到SRL 11的张力的力传感器。在一些情况下，张力传感器108可包括测量SRL 11上的静态力或静态张力的应变仪。除此之外或另选地，张力传感器108可包括具有弹簧偏置机构的机械开关，其用于基于施加到SRL 11的预定张力来建立或断开电接触点。在其它示例中，张力传感器108可包括用于确定SRL 11的摩擦制动器的旋转的一个或多个部件。例如，一个或多个部件可包括被配置成用于确定制动器的两个部件之间在制动系统的激活期间的相对运动的传感器(例如，光学传感器、霍尔效应传感器等等)。

速度计109可被配置成用于生成指示救生绳92的速度的数据。例如，速度计109可测量救生绳的延伸和/或回缩(或从延伸传感器106接收此类测量结果)，并且将延伸和/或回缩应用到时间标度(例如，除以时间)。加速度计110可被配置成用于生成指示SRL 11相对于重力的加速度的数据。加速度计110可被配置为单轴或多轴加速度计以确定加速度的大小和方向，例如，作为向量，并且可用于确定取向、坐标、加速度、振动、震动、和/或坠落。

位置传感器112可被配置成用于生成指示SRL 11在环境8之一中的位置的数据。位置传感器112可包括全球定位系统(GPS)接收器、执行三角测量(例如，使用信标和/或其它固定通信点)的元件部分、或用于确定SRL 11的相对位置的其它传感器。

测高仪114可被配置成用于生成表示SRL 11在固定水平上方的高度的数据。在一些示例中，测高仪114可被配置成用于基于大气压的测量结果来确定SRL 11的高度(例如，高度越大，压力越低)。

环境传感器116可被配置成用于生成指示环境(诸如环境8)的特性的数据。在一些示例中，环境传感器116可包括被配置成用于测量温度、湿度、颗粒含量、噪声水平、空气质量、或可其中使用SRL 11的环境的任何种类的其它特性的一个或多个传感器。

输出单元118可被配置成用于输出指示SRL 11的操作的数据，例如由SRL 11的一个或多个传感器(例如，诸如延伸传感器106、张力传感器108、加速度计110、位置传感器112、测高仪114和/或环境传感器116)所测量。输出单元118可包括可由计算装置98的处理器100执行以生成与SRL 11的操作相关联的数据的指令。在一些示例中，输出单元118可直接输出来自SRL 11的一个或多个传感器的数据。例如，输出单元118可生成包含来自SRL 11的一个或多个传感器的实时或近实时数据的一个或多个消息，以用于经由通信单元104传输到另一装置。

在其它示例中，输出单元118(和/或处理器100)可处理来自一个或多个传感器的数据并生成表征来自一个或多个传感器的数据的消息。例如，输出单元118可确定SRL 11在使用中的时间长度、救生绳92的延伸及缩回循环数(例如，基于来自延伸传感器106的数据)、用户在使用期间的速度的平均变化率(例如，基于来自延伸传感器106或位置传感器112的数据)、SRL 11的用户的瞬时速度或加速度(例如，基于来自加速度计110的数据)、救生绳92的制动器的锁定次数和/或冲击的严重程度(例如，基于来自张力传感器108的数据)。

在一些示例中，输出单元118可被配置成用于经由通信单元104实时或近实时地将使用数据传输到另一装置(例如，PPE 62)。然而，在一些情况下，通信单元104可能例如由于SRL 11所位于的环境/或网络中断而不能与此类装置通信。在此类情况下，输出单元118可将使用数据缓存到存储装置102。也就是说，输出单元118(或传感器本身)可将使用数据存储到存储装置102，这可允许在网络连接变得可用时将使用数据上传到另一装置。

输出单元118还可被配置成用于生成可由SRL 11的用户感知到的听觉、视觉、触觉或其它输出。例如，输出单元118可包括一个或多个用户界面，其包括例如各种光、显示、触觉反馈发生器、扬声器等等。在一个示例中，输出单元118可包括位于SRL 11上和/或包括在位于SRL 11的用户的视野中的远程装置(例如，指示器眼镜、护目镜等)中的一个或多个发光二极管(LED)。在另一示例中，输出单元118可包括位于SRL 11上和/或包括在远程装置(例如，听筒、头戴式耳机等等)中的一个或多个扬声器。在另一示例，输出单元118可包括产生振动或其它触觉反馈并且包括在SRL 11或远程装置(例如，手镯、头盔、听筒等等)上的触觉反馈发生器。

输出单元118可被配置成用于基于SRL 11的操作生成输出。例如，输出单元118可被配置成用于生成指示SRL 11的状态的输出(例如，SRL 11正确地操作或需要检查、修理或更换的输出)。又如，输出单元118可被配置成用于生成指示SRL 11适用于SRL 11所位于的环境的输出。在一些示例中，输出单元118可被配置成用于生成指示SRL 11所位于的环境不安全(例如，温度、颗粒水平、位置等等对于使用SRL 11的工人来说是潜在地危险的)的输出数据。

在一些示例中，SRL 11可被配置成用于存储可表征安全事件的可能性的规则(例如，诸如图2所示的安全规则74E)，并且输出单元118可被配置成用于基于SRL 11的操作(如由传感器所测量)与规则的比较来生成输出。例如，SRL 11可被配置成用于基于来自PPEMS6的上述模型和/或数据历史来将规则存储到存储装置102。在本地存储和强制执行规则可允许SRL 11确定与由PPEMS 6做出这种确定的情况和/或不存在可用网络连接性(使得与PPEMS 6的通信不可能)的情况相比具有潜在地较少延迟的安全事件的可能性。在该示例中，输出单元118可被配置成用于生成听觉、视觉、触觉或其它输出，所述输出就潜在地不安全的活动、异常行为等等警示使用SRL 11的工人。

根据本公开的方面，SRL 11可经由通信单元104接收警示数据，并且输出单元118可基于警示数据生成输出。例如，SRL 11可从集线器14中的一者、PPEMS 6(直接地或经由集线器14中的一者)、最终用户计算装置16、使用计算装置18的远程用户、安全站15、或其它计算装置接收警示数据。在一些示例中，警示数据可基于SRL 11的操作。例如，输出单元118可接收警示数据，该警示数据指示SRL 11的状态、SRL 11适用于SRL 11所位于的环境、SRL 11所位于的环境不安全等等。

在一些示例中，除此之外或另选地，SRL 11可接收与安全事件的可能性相关联的警示数据。例如，如上所述，在一些示例中，PPEMS 6可将来自SRL 11的使用数据应用到历史数据和模型以便计算断言，诸如检测安全事件签名、异常或基于环境条件或使用SRL 11的工人的行为模式预测的即将发生的安全事件的发生率。也就是说，PPEMS 6可处理使用数据流以标识以下项之间的关系或相关性：来自SRL 11的感测数据、SRL 11所位于的环境的环境条件、SRL 11所位于的地理区域、和/或其它因素。PPEMS 6可基于跨工人10群体采集的数据来确定可能地在某些环境或地理区域内的哪些特定活动会导致或被预测为会导致异常高的安全事件发生率。SRL 11可从PPEMS 6接收指示安全事件的相对高的可能性的警示数据。

输出单元118可解释警示数据并生成输出(例如，听觉、视觉或触觉输出)以向使用SRL 11的工人通知警示状况(例如，安全事件的可能性相对高，环境危险，SRL 11发生故障，SRL 11的一个或多个部件需要修理或更换等等)。在一些情况下，除此之外或另选地，输出单元118(或处理器100)可解释警示数据以修改SRL 11的操作或强制执行SRL 11的规则，以便使SRL 11的操作符合所希望/不太危险的行为。例如，输出单元118(或处理器100)可致动救生绳92上的制动器，以便防止救生绳92从壳体96延伸。

因此，根据本公开的方面，可以各种方式使用来自SRL 11的传感器的数据(例如，来自延伸传感器106、张力传感器108、加速度计110、位置传感器112、测高仪114、环境传感器116、或其它传感器的数据)。根据一些方面，使用数据可用于确定使用统计。例如，PPEMS6可基于来自传感器的使用数据来确定：SRL 11在使用中的时间量、救生绳92的延伸或缩回循环数、救生绳92在使用期间延伸或缩回的速度的平均变化率、救生绳92在使用期间延伸或缩回的瞬时速度或加速度、救生绳92的锁定次数、对救生绳92的冲击的严重程度等等。在其它示例中，上述使用统计可在本地(例如，由SRL 11或者集线器14中的一个)进行确定和存储。

根据本公开的方面，PPEMS 6可使用该使用数据来表征工人10的活动。例如，PPEMS6可建立生产和非生产时间的模式(例如，基于SRL 11的操作和/或工人10的移动)，对工人的移动进行分类，标识关键运动，和/或推断关键事件的发生。也就是说，PPEMS 6可获得使用数据，使用服务68来分析使用数据(例如，通过将使用数据与来自已知活动/事件的数据进行比较)，并且基于分析生成输出。

在一些示例中，使用统计可用于确定SRL 11何时需要维护或更换。例如，PPEMS 6可以将使用数据与指示正常操作的SRL 11的数据进行比较，以便标识缺陷或异常。在其它示例中，PPEMS 6还可将使用数据与指示SRL 11的已知使用寿命统计的数据进行比较。使用统计还可用于使产品开发人员了解工人10使用SRL 11的方式，以便改进产品设计和性能。在其它示例中，使用统计可用于收集人类表现元数据以开发产品说明书。在其它示例中，使用统计可用作竞争性基准工具。例如，可在SRL 11的顾客之间比较使用数据以评估配备有SRL 11的整个工人群体之间的指标(例如，生产率、遵守情况等等)。

除此之外或另选地，根据本公开的方面，来自SRL 11的传感器的使用数据可用于确定状态指示。例如，PPEMS 6可确定工人10连接到SRL 11或与其断开连接。PPEMS 6还可确定工人10相对于某一基准的高度和/或位置。PPEMS 6还可确定工人10正接近救生绳92的预定抽取长度。PPEMS 6还可确定工人10与环境8(图1)之一中的危险区域的接近度。在一些情况下，PPEMS 6可基于SRL 11的使用(如使用数据所指示)和/或SRL 11所位于的环境的环境条件来确定SRL 11的维护间隔。PPEMS 6还可基于使用数据来确定SRL 11是否连接到锚定件/固定结构和/或锚定件/固定结构是否是适当的。

除此之外或另选地，根据本公开的方面，来自SRL 11的传感器的使用数据可用于评定穿戴SRL 11的工人10的表现。例如，PPEMS 6可基于来自SRL 11的使用数据来识别可指示工人10即将坠落的运动。PPEMS 6还可基于来自SRL 11的使用数据来识别可指示疲劳的运动。在一些情况下，PPEMS 6可基于来自SRL 11的使用数据来推断已发生坠落或工人10已无行动能力。PPEMS 6还可在已发生坠落之后执行坠落数据分析，和/或确定温度、湿度和其它环境条件，因为它们与安全事件的可能性相关。

除此之外或另选地，根据本公开的方面，来自SRL 11的传感器的使用数据可用于确定警示和/或主动控制SRL 11的操作。例如，PPEMS 6可确定安全事件诸如坠落即将发生并激活SRL 11的制动器。在一些情况下，PPEMS 6可根据坠落动态调整止动特性。也就是说，PPEMS 6可基于安全事件的特定特性(例如，如使用数据所指示)警示施加到SRL 11的控制。

在一些示例中，PPEMS 6可在工人10接近环境8之一中的危险时(例如，基于从位置传感器112收集的位置数据)提供警告。PPEMS 6还可锁定SRL 11，使得SRL 11在SRL 11经历了冲击或需要服务之后将不进行操作。

同样，PPEMS 6可基于使用数据应用于表征SRL 11的用户的活动的一个或多个安全模型来确定上述的性能特性和/或生成警示数据。安全模型可基于历史数据或已知安全事件来进行训练。然而，虽然相对于PPEMS 6描述了这些确定，但是如本文更详细所描述，诸如集线器14或SRL 11的一个或多个其它计算装置可被配置成用于执行这类功能性的全部或其子集。

在一些示例中，使用监督式和/或强化学习技术来训练安全模型。安全学习模型可使用用于监督式和/或强化学习的任何数量的模型来实现，这些模型诸如但不限于：人工神经网络、决策树、朴素贝叶斯网络、支持向量机或k最近邻模型(仅举几个示例)。在一些示例中，PPEMS 6初始地基于对应于安全事件的指标的训练集来训练安全学习模型。训练集可包括一组特征向量，其中特征向量中的每个特征表示特定指标的值。作为进一步的示例性描述，PPEMS 6可选择包括一组训练实例的训练集，每个训练实例包括限定持续时间内的使用数据与安全事件之间的关联性。使用数据可包括表征以下各项中的至少一项的一个或多个指标：用户、工作环境、或一个或多个PPE制品。针对训练集中的每个训练实例，PPEMS 6可基于限定持续时间内的特定使用数据以及训练实例的特定安全事件来修改模型，以响应于应用到该模型的限定持续时间内的随后使用数据来改变该模型针对与安全事件相关联的特定安全事件签名所预测的可能性。在一些示例中，训练实例可基于在PPEMS 6管理一个或多个PPE制品、工人和/或工作环境的数据时生成的实时或周期性数据。这样，在PPEMS 6针对当前正在使用、正在活动或正在操作的PPE、工人和/或工作环境执行与安全事件的检测或预测相关的操作之后，可根据一个或多个PPE制品的使用生成这组训练实例中的一个或多个训练实例。在一些示例中，对模型的修改可仅在限定时间段内发生，在该限定时间段之后，该模型返回到其在基于一个或多个训练实例进行修改之前的状态。

一些示例性指标可包括本公开中所描述的与PPE、工人或工作环境(仅举几个示例)相关的任何特性或数据。例如，示例性指标可包括但不限于：工人身份、工人运动、工作位置、工人年龄、工人经验、工人生理参数(例如，心率、温度、血氧含量、血液中的化学成分、或任何其它可测量的生理参数)、工人对事件的反应时间(例如，工人对要求工人响应的事件、不要求工人响应的事件的反应时间，或任何其它对事件的反应时间)、或描述工人或工人行为的任何其它数据。示例性指标可包括但不限于：PPE类型、PPE用途、PPE年龄、PPE操作、或描述PPE或PPE使用的任何其它数据。示例性指标可包括但不限于：工作环境类型、工作环境位置、工作环境温度、工作环境危险、工作环境大小、或描述工作环境的任何其它数据。

每个特征向量还可具有至少一个对应的安全事件。如本公开中所描述，安全事件可包括但不限于：个人防护设备(PPE)的用户的活动、PPE的状况或危险环境条件(仅举几个示例)。通过基于训练集来训练安全学习模型，PPEMS 6可将安全学习模型配置成用于：在将特定特征向量应用于安全学习模型时，针对对应于与特定特征集更为相似的训练特征向量的安全事件生成更高概率或评分。以相同的方式，PPEMS 6可将安全学习模型配置成用于：在将特定特征向量应用于安全学习模型时，针对对应于与特定特征集不太相似的训练特征向量的安全事件生成更低概率或评分。因此，安全学习模型可被训练成使得在接收到指标的特征向量时，安全学习模型可输出指示基于特征向量的安全事件的可能性的一个或多个概率或评分。这样，PPEMS 6可将发生可能性选择为安全事件可能性集中的最高安全事件发生可能性。以此方式，如上所述，模型可考虑到可预测不同安全事件的许多不同的内容和/或因素或以其它方式将其考虑在内。

在一些情况下，PPEMS 6可针对PPE的组合应用本公开的分析技术。例如，PPEMS 6可表示SRL 11和/或与SRL 11一起使用的其它PPE的用户之间的相关性。也就是说，在一些情况下，PPEMS 6可不仅基于来自SRL 11的使用数据，而且根据来自与SRL 11一起使用的其它PPE的使用数据，来确定安全事件的可能性。在这类情况下，PPEMS 6可包括根据来自除了SRL 11之外的与SRL 11一起使用的一个或多个装置的已知安全事件的数据构建的一个或多个安全模型。

根据本公开的方面，虽然相对于PPEMS 6描述了图1的某些技术，但是在其它示例中，可由SRL 11实现一个或多个功能。例如，如在图2所示的示例中所示，SRL包括使用数据120、模型/规则122和警示引擎124。使用数据120可包括有关SRL 11的操作的数据，该数据可指示工人10的活动。

模型/规则122可包括历史数据和模型，诸如历史数据和模型74B(图2)。模型/规则122还可包括用于确定计算装置98是否负责处理使用数据120(或此类处理是否由另一部件诸如集线器14和/或PPEMS 6执行)的选择规则。选择规则可包括例如相对于选择规则74H(图2)所描述的任何选择规则。

警示引擎124可以是硬件和软件的组合，该组合被配置成用于将使用数据120应用到模型/规则122以便计算断言，诸如异常或基于环境条件或使用SRL 11的工人的行为模式预测的即将发生的安全事件的发生率。警示引擎124可应用选择规则以确定是否在本地执行对使用数据的处理。在其中在本地执行处理的情况下，警示引擎124可应用分析以标识以下项之间的关系或相关性：来自SRL 11的感测数据、SRL 11所位于的环境的环境条件、SRL11所位于的地理区域、和/或其它因素。警示引擎124可基于跨工人10群体采集的数据来确定可能地在某些环境或地理区域内的哪些特定活动会导致或被预测为会导致异常高的安全事件发生率。警示引擎124可基于这些确定生成警示数据以便由输出单元118输出或者传输到另一计算装置。

图4是暴露指示型供应空气呼吸器系统200的系统图。系统200表示图2所示的呼吸器13的一个示例。系统200包括头罩210、清洁空气供应源220、集线器14、环境信标240和PPEMS 250(它可以是本公开的PPEMS 6的示例)。头罩210通过软管219连接到洁净空气供应源220。洁净空气供应源220可以是任何类型的空气供应源，诸如用于电动空气净化呼吸器(PAPR)的鼓风机组件、用于自备式呼吸设备(SCBA)的储气罐、或将空气提供到头罩210的任何其它装置。在图3中，洁净空气供应源220是用于PAPR的鼓风机组件。PAPR常由在已知存在或有可能存在潜在地损害或危害健康的粉尘、烟雾或气体的区域中工作的个体所使用。PAPR通常包括鼓风机组件，该鼓风机组件包括风扇，该风扇由电动机驱动，以用于将强制空气流递送到呼吸器用户。空气通过软管219从PAPR鼓风机组件传递到头罩210的内部。

头罩210包括护目镜212，该护目镜212被设定大小以至少配合在用户的鼻部和嘴部之上。护目镜212包括通过框架组件214紧固到头盔218的透镜216。头罩还包括位置传感器211，该位置传感器211感测护目镜212相对于头盔218的位置以确定护目镜是处于打开位置还是处于关闭位置。在一些情况下，位置传感器211可检测护目镜212是否部分地打开，并且如果是这样，则检测护目镜打开到什么程度(例如，百分率或度)。作为一个示例，位置传感器210可以是计算护目镜212相对于头盔218的偏航角、俯仰角和/或横滚角(以度或弧度计)的陀螺仪。在另一示例中，位置传感器210可以是磁体。百分率可通过确定位置传感器210所感知的磁场强度或通量来就护目镜212相对于头盔218打开到什么程度来估计。“部分地打开”护目镜信息可用于表示用户可能正在接受针对危险进行的眼部和面部防护，同时仍接受合理量的呼吸保护。如果保持较短的持续时间，那么这种“部分地打开”护目镜状态可有助于用户与其他工人进行面对面交流。位置传感器211可以是各种类型的传感器，例如加速度计、陀螺仪、磁体、开关、电位计、数字定位传感器或气压传感器。位置传感器211还可以是上文所列的任何传感器的组合，或可用于检测遮护件212相对于头盔218的位置的任何其它类型的传感器。头罩210可通过悬挂件(未示出)支撑在用户的头部上。

头罩210可包括其它类型的传感器。例如，头罩210可包括检测头罩210的内部中的环境温度的温度传感器213。头罩210可包括其它传感器，诸如定位在头罩210的悬挂件附近以检测头罩210中的头部的存在，或换句话说检测在任何给定时间点是否戴着头罩210的红外头部检测传感器。头罩210还可包括其它电子部件，诸如通信模块、诸如电池的电源以及处理部件。通信模块可包括各种通信能力，诸如：射频识别(RFID)；蓝牙，包括任一代的蓝牙，诸如蓝牙低功耗(BLE)；任何类型的无线通信，诸如WiFi、Zigbee、射频或如本领域技术人员在阅读本公开时将清楚的其它类型的通信方法。

头罩210中的通信模块可与传感器(诸如位置传感器211或温度传感器213)电子地对接，使得该通信模块可将来自位置传感器211或温度传感器213的信息传输到包括集线器14的其它电子装置。

集线器14示出了图2所示的集线器14的一个示例。集线器14包括处理器、通信模块和功率源。集线器14的通信模块可包括任何所希望的通信能力，诸如：RFID、蓝牙(包括任一代的蓝牙技术)和WiFi通信能力。集线器14还可包括任何类型的无线通信能力，诸如射频或Zigbee通信。

集线器14包括电子器件模块232，该电子器件模块232具有诸如电池的电源，以向处理器和通信模块两者提供电力。可再充电电池、诸如锂离子电池可提供紧凑且长寿命的电源。集线器14可被适配成具有暴露的或可从集线器的外部触及的电触点，以允许对集线器14进行再充电。

集线器14可包括可接收、存储和处理信息的处理器。例如，集线器14中的通信模块可从头罩210中的通信模块或直接从位置传感器211接收信息，该信息指示护目镜212的位置、护目镜212是打开还是关闭、以及护目镜212的位置在什么时候发生改变。由传感器收集并传输到集线器14或从集线器14传输的任何信息可基于感测到或检测到事件的时间、基于信息传输时间或两者来加时间戳。集线器14中的处理器可存储此信息并将其与所接收的其它信息进行比较。所接收的其它信息可包括例如来自环境信标240的信息和来自PPEMS 250的信息。集线器14可进一步存储规则，诸如在生成警示之前允许护目镜212处于打开位置的时间长度以及将触发警示的污染物的水平或类型两者的阈值信息。例如，当集线器14从环境信标240接收到环境中不存在危险的信息时，护目镜212处于打开位置的阈值可以是无限的。如果环境中存在危险，那么将基于对用户的威胁的关注度来确定阈值。辐射、危险气体或有毒烟雾都将需要将阈值分配为近似一秒或更少。头罩温度的阈值可用于预测热相关疾病，并且可向用户推荐更频繁的补水和/或休息时段。阈值可用于预测电池运行时间。当电池接近可选择的剩余运行时间时，可通知/警告用户来完成其当前任务并寻找新电池。当超过特定环境危险的阈值时，可向用户给出紧急警示以撤离紧邻区域。阈值可根据护目镜的各种打开程度来定制。换言之，与处于打开位置相比，在护目镜处于部分打开位置的情况下，护目镜可打开而不触发警报的时间量的阈值可更长。

用户个体的健康状况可能是导致调整阈值的因素。如果用户处于穿脱可能花费很长时间的情境，则可调整电池通知阈值以允许有时间来穿脱PPE。达到不同阈值可导致触发不同类型的警示或警报。例如，警报可以是通知性的(不要求用户响应)、急迫的(重复的并要求来自用户的响应或确认)或紧急的(要求用户立即行动)。警示或警报的类型可针对环境进行定制。不同类型的警示和警报可结合在一起以引起用户注意。在一些情况下，用户可能够“推迟”警示或警报。

集线器14可包括用户接口，诸如显示器、灯、按钮、按键(诸如，箭头或其它指示符按键)，并且可能够以各种方式(诸如通过发出警报声或振动)来向用户提供警示。用户界面可用于多种功能。例如，用户可能够通过用户界面确认或推迟警示。用户接口还可用于控制头罩和/或用户不可直接触及的涡轮增压机外围设备的设置。例如，涡轮增压机可穿戴在下背部上，在下背部处，穿戴者在非常困难的情况下才能触及控件。

集线器14可以是便携式的，使得其可由用户携带或穿戴。集线器14也可以是个人的，使得其由个体使用并且与分配到该个体的个人防护设备(PPE)进行通信。在图4中，集线器14使用带子234紧固到用户。然而，通信集线器可以其它方式由用户携带或紧固到用户，诸如紧固到由用户穿戴的PPE，紧固到由用户所穿的其它服装，附接到皮带、环带、带扣、夹子或对本领域技术人员在阅读本公开时将显而易见的其它附接机构。

环境信标240至少包括检测危险的存在的环境传感器242以及通信模块244。环境传感器242可检测与环境信标240周围的区域有关的各种类型的信息。例如，环境传感器242可以是检测温度的温度计、检测压力的气压计、检测移动或位置变化的加速度计、空气污染物传感器，该空气污染物传感器用于检测像一氧化碳的潜在有害气体，或用于检测空气传播污染物或颗粒诸如烟气、烟灰、粉尘、霉菌、农药、溶剂(例如，异氰酸酯、氨、漂白剂等)以及挥发性有机化合物(例如，丙酮、乙二醇醚、苯、二氯甲烷等)。环境传感器242可检测例如由四气传感器检测的任何常见气体，包括：CO、O2、HS和暴露下限。在一些情况下，当污染物水平超过指定危险阈值时，环境传感器242可确定危险的存在。在一些情况下，指定危险阈值可由系统的用户或操作者配置。在一些情况下，指定危险阈值存储在环境传感器和个人通信集线器中的至少一者上。在一些情况下，指定危险阈值存储在PPEMS 250上，并且可发送到集线器14或环境信标240并本地存储在集线器14或环境信标240上。

环境信标通信模块244电子地连接到环境传感器242以从环境传感器242接收信息。通信模块244可包括各种通信能力，诸如：RFID、蓝牙(包括任一代的蓝牙技术)和WiFi通信能力。集线器14还可包括任何类型的无线通信能力，诸如射频或Zigbee通信。

在一些情况下，环境信标240可基于环境信标240的位置来存储危险信息。例如，如果环境信标240处于已知具有物理危险(诸如可能有飞行物体)的环境中，环境信标240可基于环境信标240的位置来存储这种信息并传达危险的存在。在其它情况下，指示危险的存在的信号可由环境信标240基于环境传感器242对危险的检测来生成。

该系统也可具有暴露阈值。暴露阈值可存储在PPEMS 250、集线器14、环境信标240以及头罩210的任何组合上。指定暴露阈值是在生成警示之前护目镜212在此期间可处于打开位置的时间阈值。换句话说，如果护目镜处于打开位置持续超过指定暴露阈值的时间段，则可生成警示。指定暴露阈值可由该系统的用户或操作者配置。指定暴露阈值可取决于与个体的健康、年龄或其它人口统计信息相关的个人因素，取决于用户所在环境的类型，以及取决于暴露于危险的危险性。

可在各种情形下并以各种方式生成警示。例如，可由集线器14基于从头罩210和环境传感器140接收的信息来生成警示。警示可呈传输到PPEMS 250或系统200的任何其它部件的电子信号的形式。警示可包括以下类型的信号中的一者或多者：触觉、振动、听觉、视觉、抬头显示或射频信号。

根据本公开的方面，计算装置258可被配置成用于处理使用数据以检测安全事件签名。例如，计算装置258包括使用数据260、模型/规则262和警示引擎264。使用数据260可包括有关系统200的操作的数据，该数据可指示工人10的活动。模型/规则262可包括历史数据和模型，诸如历史数据和模型74B(图2)。模型/规则262还可包括用于确定计算装置98是否负责处理使用数据120(或此类处理是否由另一部件诸如集线器14和/或PPEMS 6执行)的选择规则。选择规则可包括例如相对于选择规则74H(图2)所描述的任何选择规则。

警示引擎264可以是硬件和软件的组合，该组合被配置成用于将使用数据260应用到模型/规则262以便计算断言，诸如标识安全事件签名、异常或基于环境条件或使用系统200的工人的行为模式预测的即将发生的安全事件的发生率。警示引擎264可应用选择规则以确定是否在本地执行对使用数据的处理。在其中在本地执行处理的情况下，警示引擎264可处理使用数据260以标识以下项之间的关系或相关性：来自系统200的感测数据、系统200所位于的环境的环境条件、系统200所位于的地理区域、和/或其它因素。警示引擎264可基于跨工人10群体采集的数据来确定可能地在某些环境或地理区域内的哪些特定活动会导致或被预测为会导致异常高的安全事件发生率。警示引擎264可基于这些确定生成警示数据以便输出或者传输到另一计算装置。

图5更详细地示出了头部护具27之一的示例。头部护具27计算装置298包括处理器300、存储器302、通信单元304、加速度计310、位置传感器312、测高仪314、一个或多个环境传感器316、输出单元318、使用数据320、模型/规则322、以及警示引擎324。

应当理解，图5所示的计算装置298的架构和布置仅出于示例性目的而示出。在其它示例中，头部护具27和计算装置298可以多种其它方式被配置成与图3所示的那些相比具有另外的、更少的或另选的部件。例如，在一些示例中，计算装置298可被配置成包括仅部件的子集，诸如通信单元104和加速度计310。此外，尽管图3-5示出了各种特定类型的PPE以用于举例说明，但本公开的技术可应用于任何类型的PPE。

一般来讲，计算装置298可包括多个传感器，该多个传感器可捕获有关头部护具27的操作和/或其中使用头部护具27的环境的实时数据。此类数据在本文中可称为使用数据。在一个示例中，处理器300被配置成实现功能性和/或处理用于在计算装置298内执行的指令。例如，处理器300可能够处理由存储装置102存储的指令。处理器300可包括例如：微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或等效的离散或集成逻辑电路。

存储装置302可包括计算机可读存储介质或计算机可读存储装置。在一些示例中，存储装置302可包括短期存储器或长期存储器中的一者或多者。存储装置302可包括例如随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、磁性硬盘、光盘、闪存存储器、或电可编程存储器(EPROM)或电可擦且可编程存储器(EEPROM)的形式。

在一些示例中，存储装置302可存储操作系统(未示出)或控制计算装置298的部件的操作的其它应用程序。例如，操作系统可有利于将数据从电子传感器传送到通信单元304。在一些示例中，存储装置302用于存储用于由处理器300执行的程序指令。存储装置302还可被配置成用于在操作期间将信息存储在计算装置298内。

计算装置298可使用通信单元304经由一个或多个有线或无线连接来与外部装置通信。通信单元304可包括设计用于信号调制的各种混合器、滤波器、放大器和其它部件，以及设计用于发射和接收数据的一个或多个天线和/或其它部件。通信单元304可使用任何一种或多种合适的数据通信技术来向其它计算装置发送数据和接收数据。此类通信技术的示例可包括TCP/IP、以太网、Wi-Fi、蓝牙、4G、LTE(仅举几个示例)。在一些情况下，通信单元104可根据蓝牙低能量(BLU)协议进行操作。

加速度计310可被配置成用于生成指示头部护具27相对于重力的加速度的数据。加速度计310可被配置为单轴或多轴加速度计以确定加速度的大小和方向，例如，作为向量，并且可用于确定取向、坐标、加速度、振动、震动、和/或坠落。位置传感器312可被配置成用于生成指示头部护具27在环境8之一中的位置的数据。位置传感器312可包括全球定位系统(GPS)接收器、执行三角测量(例如，使用信标和/或其它固定通信点)的部件、或用于确定头部护具27的相对位置的其它传感器。测高仪314可被配置成用于生成表示头部护具27在固定水平上方的高度的数据。在一些示例中，测高仪314可被配置成用于基于大气压的测量结果来确定头部护具27的高度(例如，高度越大，压力越低)。

环境传感器316可被配置成用于生成指示环境、诸如环境8的特性的数据。在一些示例中，环境传感器316可包括被配置成用于测量温度、湿度、颗粒含量、噪声水平、空气质量、或可其中使用头部护具27的环境的任何种类的其它特性的一个或多个传感器。

输出单元318可被配置成用于输出指示头部护具27的操作的数据，该数据例如由头部护具27的一个或多个传感器(例如，诸如加速度计310、位置传感器312、测高仪314和/或环境传感器316)所测量。输出单元318可包括计算装置298的处理器300可执行以生成与头部护具27的操作相关联的数据的指令。在一些示例中，输出单元318可直接输出来自头部护具27的一个或多个传感器的数据。例如，输出单元318可生成包含来自头部护具27的一个或多个传感器的实时或近实时数据的一个或多个消息，以用于经由通信单元304传输到另一装置。

在一些示例中，输出单元318可被配置成用于经由通信单元304实时或近实时地将使用数据传输到另一装置(例如，PPE 62)。然而，在一些情况下，通信单元304可能例如由于头部护具27所位于的环境/或网络中断而不能与此类装置通信。在此类情况下，输出单元318可将使用数据缓存到存储装置302。也就是说，输出单元318(或传感器本身)可将使用数据存储到存储装置302例如作为使用数据320，这可允许在网络连接变得可用时将使用数据上传到另一装置。

输出单元318还可被配置成用于生成可由头部护具27的用户感知到的听觉、视觉、触觉或其它输出。例如，输出单元318可包括一个或多个用户界面，其包括例如各种光、显示、触觉反馈发生器、扬声器等等。

输出单元318可解释警示数据并生成输出(例如，听觉、视觉或触觉输出)以向使用头部护具27的工人通知警示状况(例如，安全事件的可能性相对高，环境危险，头部护具27发生故障，头部护具27的一个或多个部件需要修理或更换等等)。

根据本公开的方面，可以各种方式使用来自头部护具27的传感器的数据(例如，来自加速度计310、位置传感器312、测高仪314、环境传感器116、或其它传感器的数据)。例如，PPEMS 6可基于使用数据到表征头部护具27的用户的活动的一个或多个安全模型的应用来确定性能特性和/或生成警示数据。安全模型可基于历史数据或已知安全事件来进行训练。然而，虽然相对于PPEMS 6描述了这些确定，但是如本文更详细所描述，诸如集线器14或头部护具27的一个或多个其它计算装置可被配置成用于执行这类功能性的全部或其子集。

例如，如在图5所示的示例中所示，头部护具27包括使用数据320、模型/规则322和警示引擎324。使用数据320可包括有关头部护具27的操作的数据，该数据可指示工人10的活动。模型/规则322可包括历史数据和模型，诸如历史数据和模型74B(图2)。模型/规则322还可包括用于确定计算装置258是否负责处理使用数据320(或此类处理是否由另一部件诸如集线器14和/或PPEMS 6执行)的选择规则。选择规则可包括例如相对于选择规则74H(图2)所描述的任何选择规则。

警示引擎324可以是硬件和软件的组合，该组合被配置成用于将使用数据320应用到模型/规则322以便计算断言，诸如标识安全事件签名、异常或基于环境条件或使用头部护具27的工人的行为模式所预测的即将发生的安全事件的发生率。警示引擎324可应用选择规则以确定是否在本地执行对使用数据的处理。在其中在本地执行处理的情况下，警示引擎324可处理使用数据流以标识以下项之间的关系或相关性：来自头部护具27的感测数据、头部护具27所位于的环境的环境条件、头部护具27所位于的地理区域、和/或其它因素。警示引擎324可基于跨工人10群体采集的数据来确定可能地在某些环境或地理区域内的哪些特定活动会导致或被预测为会导致异常高的安全事件发生率。警示引擎324可基于这些确定生成警示数据以便输出或者传输到另一计算装置。

图6示出了集线器14的部件，包括处理器600、通信单元602、存储装置604、用户接口(UI)装置606、传感器608、使用数据610、模型/规则612、以及警示引擎614。如上所述，集线器14表示图2所示的集线器14的一个示例。图6仅示出了集线器14的一个特定示例，如图6所示。集线器14的许多其它示例可在其它情况下使用，并且可包括示例性集线器14中所包括的部件的子集，或可包括图6中的示例性集线器14中未示出的另外的部件。

在一些示例中，集线器14可以是可包括如集线器14中所示的功能或部件的集合、子集或超集的本安型计算装置、智能电话、腕戴式或头戴式计算装置或任何其它计算装置。通信信道可将集线器14中的部件中的每一者(物理地、通信地和/或操作性地)互连以用于部件间通信。在一些示例中，信道可包括硬件总线、网络连接、一个或多个进程间通信数据结构、或用于在硬件和/或软件之间传送数据的任何其它组件。

集线器14还可包括诸如电池的电源，以向集线器14中所示的部件提供电力。可再充电电池、诸如锂离子电池可提供紧凑且长寿命的电源。集线器14可被适配成具有暴露的或可从集线器的外部触及的电触点，以允许对集线器14进行再充电。如上所述，集线器14可以是便携式的，使得其可由用户携带或穿戴。集线器14也可以是个人的，使得其由个体使用并且与分配到该个体的个人防护设备(PPE)进行通信。然而，通信集线器可以其它方式由用户携带或紧固到用户，诸如紧固到由用户穿戴的PPE，紧固到由用户所穿的其它服装，附接到皮带、环带、带扣、夹子或如本领域技术人员在阅读本公开时将清楚的其它附接机构。

一个或多个处理器600可实现集线器14内的功能性和/或执行其内的指令。例如，处理器600可接收并执行由存储装置604存储的指令。由处理器600执行的这些指令可致使集线器14在程序执行期间在存储装置604内存储和/或修改信息。处理器600可执行诸如警示引擎614的部件的指令，以根据本公开的技术来执行一个或多个操作。也就是说，警示引擎614可能够由处理器600操作来执行本文所述的各种功能。

集线器14的一个或多个通信单元602可通过发射和/或接收数据来与外部装置进行通信。例如，集线器14可使用通信单元602来在无线电网络、诸如蜂窝无线电网络上发射和/或接收无线电信号。在一些示例中，通信单元602可在卫星网络、诸如全球定位系统(GPS)网络上发射和/或接收卫星信号。通信单元602的示例包括网络接口卡(例如像，以太网卡)、光收发器、射频收发器、GPS接收器或可发送和/或接收信息的任何其它类型的装置。通信单元602的其它示例可包括存在于移动装置中的GPS、3G、4G和无线电以及通用串行总线(USB)控制器等等。

集线器14内的一个或多个存储装置604可存储用于在集线器14的操作期间进行处理的信息。在一些示例中，存储装置604是暂时存储器，这意味着存储装置604的主要目的不是长期存储。存储装置604可被配置用于信息的短期存储，如同易失性存储器，并且因此如果被停用则不保留所存储的内容。易失性存储器的示例包括随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)以及本领域已知的其它形式的易失性存储器。

在一些示例中，存储装置604还可包括一种或多种计算机可读存储介质。存储装置604可被配置成用于与易失性存储器相比存储更大量的信息。存储装置604可进一步被配置用于信息的长期存储，如同非易失性存储器空间，并且在启动/关闭循环之后保留信息。非易失性存储器的示例包括磁性硬盘、光盘、软盘、闪存或电可编程存储器(EPROM)或电可擦可编程(EEPROM)存储器的形式。存储装置604可存储与诸如警示引擎614的部件相关联的程序指令和/或数据。

UI装置606可被配置成用于接收用户输入和/或向用户输出信息。UI装置606的一个或多个输入部件可接收输入。仅举几个示例，输入的示例为触觉、音频、动力学和光学输入。在一个示例中，集线器14的UI装置606包括鼠标、键盘、语音响应系统、摄像机、按钮、控制盘、麦克风、或用于检测来自人类或机器的输入的任何其它类型的装置。在一些示例中，UI装置606可以是存在敏感输入部件，它可包括存在敏感屏幕、触敏屏幕等。

UI装置606的一个或多个输出部件可生成输出。输出的示例为数据、触觉、音频以及视频输出。在一些示例中，UI装置606的输出部件包括存在敏感屏幕、声卡、视频图形适配卡、扬声器、阴极射线管(CRT)监视器、液晶显示器(LCD)或用于向人类或机器生成输出的任何其它类型的装置。输出部件可包括显示部件如阴极射线管(CRT)监视器、液晶显示器(LCD)、发光二极管(LED)或用于生成触觉、音频和/或视觉输出的任何其它类型的装置。在一些示例中，输出部件可与集线器14集成。

UI装置606可包括显示器、灯、按钮、按键(诸如，箭头或其它指示符按键)，并且可能够以各种方式(诸如通过发出警报声或振动)来向用户提供警示。用户界面可用于多种功能。例如，用户可能够通过用户界面确认或推迟警示。用户接口还可用于控制头罩和/或用户不可直接触及的涡轮增压机外围设备的设置。例如，涡轮增压机可穿戴在下背部上，在下背部处，穿戴者在非常困难的情况下才能触及控件。

传感器608可包括生成指示与集线器14相关联的工人10的活动的数据和/或指示集线器14所处环境的数据的一个或多个传感器。传感器608可包括例如一个或多个加速度计、用于检测特定环境中所存在的条件的一个或多个传感器(例如，用于声音水平测量其中可使用呼吸器13的环境的温度、湿度、颗粒含量、噪、空气质量、或任何种类的其它特性的传感器)或各种其它传感器。

集线器14可存储来自PPE(诸如SRL 11、呼吸器13、头部护具27等等)的使用数据610。使用数据610可包括有关PPE的操作的数据，该数据可指示工人10的活动。模型/规则612可包括历史数据和模型，诸如历史数据和模型74B(图2)。例如，在一些情况下，集线器14可具有允许集线器14在本地处理传感器数据流的处理能力。

在此类示例中，集线器14可将PPE的使用数据610应用到模型/规则612。模型/规则612可包括历史数据和模型，诸如历史数据和模型74B(图2)。模型/规则612还可包括用于确定集线器14是否负责处理使用数据610(或此类处理是否由另一部件诸如PPE 62和/或PPEMS 6执行)的选择规则。选择规则可包括例如相对于选择规则74H(图2)所描述的任何选择规则。

警示引擎614可以是硬件和软件的组合，该组合被配置成用于将使用数据610应用到模型/规则612以便计算断言，诸如标识安全事件签名、异常或基于环境条件或使用集线器14的工人的行为模式所预测的即将发生的安全事件的发生率。警示引擎614可应用选择规则以确定是否在本地执行对使用数据的处理。

图7是示出示例性模型的图，该示例性模型由本文的个人防护设备管理系统或其它装置相对于工人活动就测量绳速度、加速度和绳长度来应用，其中该模型被布置成用于限定安全区域和不安全区域。换句话讲，图7是表示模型的图，PPEMS 6、集线器14或SRL 11将使用数据应用到该模型，以基于救生绳(诸如，图3所示的救生绳92)被抽取的加速度160的加速度160、救生绳92被抽取的速度162以及救生绳已经被抽取的长度164的测量结果，来标识安全事件签名和/或预测与该安全事件签名相关联的安全事件的可能性。加速度160、速度162和长度164的测量结果可基于从SRL 11的传感器收集的数据来确定。该图所表示的数据可以是估计的或在训练/测试环境中收集中，并且该图可用作将工人的安全活动与不安全活动区分开的“映射图”。

虽然相对于SRL 11之一进行了描述，但是应当理解，可针对各种其它PPE(诸如，呼吸器13、头部护具27、听力护具等等)开发类似的模型。如本文所述，此类模型可存储到PPEMS 6、集线器14和/或PPE 62并用于标识PPE的状况。

在图7的示例中，安全区域166可表示与安全活动相关联的加速度160、速度162和长度164的测量结果(例如，如通过监测测试环境中的工人的活动所确定)。未栓系区域168可表示与未牢固地锚定到支撑结构(这可被认为是不安全的)的救生绳相关联的加速度160、速度162和长度164的测量结果。过度拉伸区域170可表示与延伸超过正常操作参数(也可被认为是不安全的)的救生绳相关联的加速度160、速度162和长度164的测量结果。

根据本公开的方面，PPEMS 6、集线器14或SRL 11可通过将从SRL 11接收的使用数据应用到由图7表示的模型或规则集来发出一个或多个警示。例如，如果使用数据流诸如加速度160、速度162或长度164的测量结果在安全区域166之外，那么PPEMS 6、集线器14或SRL11可发出警示。在一些情况下，可基于加速度160、速度162或长度164的测量结果在安全区域166之外的程度来发布不同的警示。在一些示例中，这些确定可将来自预限定时间段的使用数据流的一部分与可生成可对应于安全事件的一个或多个安全事件签名的可能性的模型进行比较。如果例如加速度160、速度162或长度164的测量结果相对靠近安全区域166，那么PPEMS 6、集线器14或SRL 11可发出活动是所关注的并且可导致安全事件的警告。在另一示例中，如果加速度160、速度162或长度164的测量结果相对远离安全区域166，那么PPEMS6、集线器14或SRL 11可发出活动是不安全的并且具有即将发生安全事件的高可能性的警告。

在一些情况下，图7所示的图的数据可表示图2所示的历史数据和模型74B。在该示例中，PPEMS 6可将传入数据流与图7所示的模型进行比较以确定安全事件的可能性。在其它情况下，除此之外或另选地，可将类似的模型存储到SRL 11、呼吸器13、头部护具27和/或集线器14，并且可基于本地存储数据来发布警示。

虽然图7的示例示出了加速度160、速度162和长度164，但可开发出具有比所示那些更多或更少的变量的其它模型。在一个示例中，可仅基于救生绳的长度来生成模型。在该示例中，当救生绳延伸超过该模型所指定的绳长度时，可向工人发出警示。

图8是示出根据本公开的方面的第二模型的示例的图，本文的个人防护设备管理系统或其它装置相对于工人活动就安全绳上的测量力/张力和长度将使用数据流应用到该第二模型，其中该模型被布置成用于限定安全区域和预测安全事件的不安全行为的区域。在该示例中，图8是表示模型或规则集的图，PPEMS 6、集线器14或SRL 11将使用数据流应用到该模型或规则集，以基于救生绳(诸如，图3所示的救生绳92)上的力或张力180以及救生绳已经被抽取的长度182的测量结果，来预测对应于安全事件的安全事件签名的可能性。力或张力180和长度182的测量结果可基于从SRL 11的传感器收集的数据来确定。该图所表示的数据可以是估计的或在训练/测试环境中收集中，并且该图可用作将工人的安全活动与不安全活动区分开的“映射图”或模型。

同样，虽然相对于SRL 11之一进行了描述，但是应当理解，可针对各种其它PPE(诸如，呼吸器13、头部护具27、听力护具等等)开发类似的模型。如本文所述，此类模型可存储到PPEMS 6、集线器14和/或PPE 62并用于标识PPE的状况。

例如，安全区域184可表示与安全活动相关联的力或张力180和长度182的测量结果(例如，如通过监测测试环境中的工人的活动所确定)。未栓系区域186可表示与未牢固地锚定到支撑结构(这可被认为是不安全的)的救生绳相关联的力或张力180和长度182的测量结果。过度拉伸区域188可表示与延伸超过正常操作参数(也可被认为是不安全的)的救生绳相关联的力或张力180和长度182的测量结果。

根据本公开的方面，以与上文相对于图8所描述类似的方式，PPEMS 6、集线器14或SRL 11可通过将来自SRL 11的使用数据应用到由图8表示的模型或规则集来发出一个或多个警示。在一些情况下，图8所示的图的数据可表示图2所示的历史数据和模型74B。在其它情况下，除此之外或另选地，可将类似的映射图存储到SRL 11和/或集线器14，并且可基于本地存储数据来发布警示。

图9A和9B是示出根据本公开的方面的示例性输入事件数据(例如，使用数据)流的曲线图的图，该示例性输入事件数据流由PPEMS 6、集线器14或SRL 11接收和处理，并且基于将事件数据应用到一个或多个模型或规则集，被确定来表示导致触发警示或其它响应的低风险行为(图9A)和高风险行为(图9B)。在这些示例中，图9A和9B示出在一定时间段内被确定来分别指示安全活动和不安全活动的示例性事件数据的曲线图。例如，图9A的示例示出相对于运动学阈值192救生绳(诸如，图3所示的救生绳92)被抽取的速度190，而图9B示出相对于阈值192救生绳(诸如，图3所示的救生绳92)被抽取的速度194。

同样，虽然相对于SRL 11之一进行了描述，但是应当理解，可针对各种其它PPE(诸如，呼吸器13、头部护具27、听力护具等等)开发类似的模型。如本文所述，此类模型可存储到PPEMS 6、集线器14和/或PPE 62并用于标识PPE的状况。也就是说，在一些情况下，可开发出图8A和8B所示的曲线图并将其作为图2所示的PPEMS 6的历史数据和模型74H来进行存储。根据本公开的方面，PPEMS 6、集线器14或SRL 11可通过将来自SRL 11的使用数据流与阈值192进行比较来发出一个或多个警示。例如，在图8B的示例中，当速度194超过阈值192时，PPEMS 6、集线器14或SRL 11可发出一个或多个警示。在一些情况下，可基于速度超过阈值192的程度来发布不同的警示，以便例如将危险活动与不安全且具有即将发生安全事件的高可能性的活动区分开。

图10-图13示出根据本公开的技术的可由PPEMS 6生成的各种用户界面。在一些示例中，PPEMS 6可响应于标识出安全事件签名和/或检测到安全事件而自动重新配置用户界面。例如，PPEMS 6可确定安全事件的与跟该事件相关联的PPE、工人和/或工人环境有关的一个或多个特性，并且更新包括针对特定安全事件定制的输入控件的一个或多个用户界面。例如，与安全事件的特性、诸如PPE类型、工作环境位置和/或工人指标有关的特定细节可响应于安全事件而在用户界面中呈现，以使得一个或多个人员能够以相关信息有效地对安全事件进行响应。

图10-图13示出了根据本公开的方面的用于表示来自一个或多个PPE制品的使用数据的示例性用户界面(UI)。例如，如本文所述，呼吸器13可被配置成用于将所采集的使用数据传输到PPEMS 6。诸如计算装置60的计算装置可请求PPEMS 6执行数据库查询，以例如通过仪表板、警示通知、报告等等方式来查看所采集的安全信息、遵守情况信息和分析引擎的任何结果。也就是说，如本文所述，用户24、26或在计算装置16、18(图1)上执行的软件可向PPEMS 6提交查询，并接收对应于这些查询的数据以便以一个或多个报告或仪表板的形式进行呈现。图10-13所示的UI表示这类报告或仪表板的示例，并且可例如在计算装置60(图2)中的任一者处输出。

图10-图13所示的UI可提供关于系统2的各种见解，诸如跨工人群体的基线(“正常”)操作或状态、对参与可能潜在地将工人暴露于危险的异常活动的任何反常工人的穿戴、对环境2内已经发生或预测会发生反常地异常的(例如，高)安全事件的任何地理区域的穿戴、对环境8中相对于其它环境展现出异常的安全事件发生率的任何环境的穿戴等等。例如，图10示出了指示“1条紧急状况”、“2条注意状况”和“26条良好状况”的用户界面控件，每个用户界面控件可被选择以生成更详细的信息。图11指示可对应于已经基于使用数据流标识的安全事件签名的不同类型的安全事件。例如，用户界面控件被输出以供显示，该用户界面控件指示从对应于“检测到高温”安全事件的安全事件签名的2016年4月24日的使用数据流可检测到针对工人“John Smith”的“检测到高温”安全事件。在一些示例中，用户界面控件可被选择以生成更详细的信息。图12指示工人“Joe Larson”的护目镜掀开次数大于阈值(“>5次护目镜掀开”)的安全事件，护目镜掀开次数可被检测为在使用数据流的限定持续时间内的事件数量。图12中的UI可响应于基于Joe Larson的使用数据流标识出安全事件签名而自动地生成，使得UI包括具有针对发生安全事件的工人和/或工人环境具体定制的信息的“当前状态”用户界面控件。类似地，UI还可包括针对发生安全事件的工人和/或工人环境具体定制的设备(或PPE)信息、警示历史和/或工人信息。图13示出了分配给工人的一组PPE中的特定PPE制品的时间序列的使用数据。在图13的示例中，安全事件由“！”图标指示，并且UI中包括表征对应于安全事件的PPE制品的进一步信息(例如，高压、鼓风机开启、签出时间、电池寿命和过滤器剩余)。

图14是根据本公开的方面的用于预测安全事件的可能性的示例性过程。虽然相对于PPEMS 6描述了图14所示的技术，但是应当理解，这些技术可由各种计算装置诸如SRL11、呼吸器13、头部护具27和/或集线器14执行。

在所示的示例中，PPEMS 6从至少一个PPE(诸如PPE 62中的至少一者)获得使用数据(2000)。如本文所述，使用数据包括指示PPE 62的操作的数据。在一些示例中，PPEMS 6可通过对PPE 62或集线器14进行轮询以获得使用数据来获得使用数据。在其它示例中，PPE62或集线器14可向PPEMS 6发送使用数据。例如，PPEMS 6可在生成使用数据时实时地从PPE62或集线器14接收使用数据。在其它示例中，PPEMS 6可接收存储的使用数据。

PPEMS 6可将使用数据应用于表征至少一个PPE 62的用户的活动的安全模型(2002)。例如，如本文所述，安全模型可基于来自已知安全事件的数据和/或来自PPE 62的历史数据来训练。以此方式，安全模型可被布置成用于限定安全区域和不安全区域。

PPEMS 6可基于使用数据到安全模型的应用来预测与至少一个PPE 62相关联的安全事件的发生可能性，其中安全事件对应于或映射到与表示可能性的值相关联的安全事件签名(2004)。例如，PPEMS 6可将所获得的使用数据应用于安全模型，以确定使用数据是符合安全活动(例如，如由模型所限定)还是符合可能不安全的活动。

PPEMS 6可响应于预测到安全事件的发生的可能性而生成输出(2006)。例如，当使用数据不符合安全活动(如由安全模型所限定)时，PPEMS 6可生成警示数据。PPEMS 6可将指示安全事件的发生的可能性的警示数据发送到PPE 62、安全管理员或另一第三方。

实例1：一种方法，该方法包括：从至少一个个人防护设备(PPE)制品获得使用数据，其中该使用数据包括指示该至少一个PPE制品的操作的数据；由分析引擎将该使用数据应用到表征该至少一个PPE制品的用户的活动的安全模型；基于该使用数据到该安全模型的应用来预测与该至少一个PPE制品相关联的安全状况的发生可能性；以及响应于预测到该安全事件的发生可能性而生成输出。

实例2：根据实例1所述的方法，其中该安全模型是根据来自多个空气呼吸器系统的已知安全事件的历史数据构造的，该多个空气呼吸器系统具有与该至少一个PPE制品类似的特性。

实例3：根据实例1-2中任一项所述的方法，该方法还包括：基于来自该至少一个PPE制品的该使用数据来更新该安全模型。

实例4：根据实例1-3中任一项所述的方法，该方法还包括：基于以下各项中的至少一项来选择该安全模型：该至少一个PPE制品的配置、该至少一个PPE制品的用户、该至少一个PPE制品所位于的环境、或与该至少一个PPE制品一起使用的一个或多个其它装置。

实例5：根据实例1-4中任一项所述的方法，其中该使用数据包括与该至少一个PPE制品所位于的环境相关联的环境数据，使得该安全事件的发生可能性是基于该至少一个PPE制品所位于的环境。

实例6：根据实例1-5中任一项所述的方法，其中将该使用数据应用到表征该用户的活动的该安全模型包括：将该使用数据应用到根据与多个PPE相关联的已知安全事件的训练数据构造的安全模型。

实例7：根据实例1-6中任一项所述的方法，其中预测该安全事件的该发生可能性包括：相对于由该安全模型表征的已知安全行为标识该至少一个PPE的用户的异常行为。

实例8：根据实例1-7中任一项所述的方法，其中预测该安全事件的该发生可能性还包括：标识该至少一个PPE所部署于的工作环境内与异常数量的安全事件相关联的区域。

实例9：根据实例1-8中任一项所述的方法，其中将该使用数据应用到该安全模型包括：将该使用数据应用到表征至少一个PPE的用户的运动的安全模型，并且其中预测该安全事件的该发生可能性包括：确定该用户在一定时间段内的运动对于该至少一个PPE的用户来说是异常的。

实例10：根据实例1-9中任一项所述的方法，其中将该使用数据应用到该安全模型包括：将该使用数据应用到表征该用户的温度的安全模型，并且其中预测该安全事件的该发生可能性包括：确定该温度超过与该时间段内的安全活动相关联的温度。

实例11：根据实例1-10中任一项所述的方法，其中生成该输出包括：生成指示安全事件很可能的警示数据。

实例12：根据实例1-11中任一项所述的方法，其中该方法由PPE制品、工人装置、计算装置、或至少一个服务器中的一者或多者执行。

实例13：一种计算装置，该计算装置包括：存储器；以及一个或多个计算机处理器，该一个或多个计算机处理器执行根据实例1-12所述的方法中的任一种。

实例14：一种设备，该设备包括用于执行根据实例1-13所述的方法中的任一种的装置。

实例15：一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质编码有以下指令，这些指令在被执行时致使计算装置的至少一个处理器执行根据权利要求1-12所述的方法中的任一种。

实例16：一种方法，该方法包括：利用通信部件从PPE制品的至少一个传感器接收使用数据流，其中该PPE制品具有被配置成用于生成该使用数据流的至少一个传感器；存储该使用数据流的至少一部分和用于检测安全事件签名的至少一个模型，其中该至少一个模型是至少部分地基于由与该PPE制品相同类型的一个或多个其它PPE制品在接收该使用数据流之前生成的一组使用数据来训练的；利用分析流处理部件基于利用该模型对该使用数据流进行处理来检测该使用数据流中的该安全事件签名；以及响应于检测到该安全事件签名而生成输出。

实例17：根据实例16所述的方法，该方法还包括：选择训练集，该训练集包括一组训练实例，每个训练实例包括限定持续时间内的使用数据与安全事件之间的关联性，其中该使用数据包括表征用户、工作环境或一个或多个PPE制品中的至少一者的一个或多个指标；以及针对该训练集中的每个训练实例，基于该限定持续时间内的特定使用数据以及该训练实例的特定安全事件来修改该模型，以响应于应用到该模型的该限定持续时间内的随后使用数据来改变该模型针对与该安全事件相关联的特定安全事件签名所预测的可能性。

实例18：根据实例16-17中任一项所述的方法，其中该一组训练实例中的一个或多个训练实例是在该一个或多个计算机处理器检测到该安全事件签名之后根据对一个或多个PPE制品的使用生成的。

实例19：根据实例16-18中任一项所述的方法，其中该安全事件签名包括以下各项中的至少一项：一组使用数据中的异常、一组使用数据中的模式、限定时间段内的特定事件的一组特定发生率、限定时间段内的特定事件的一组特定类型、限定时间段内的特定事件的一组特定量值、满足(例如，大于、等于或小于)阈值的值。

实例20：根据实例16-19中任一项所述的方法，其中该安全事件签名映射到安全事件，其中该安全事件与工人、该PPE制品、该PPE制品之外的PPE制品和工作环境中的至少一者相关联。

示例21：根据实例16-20中任一项所述的方法，其中该安全事件包括以下各项中的至少一项：工人行为的异常状况、该PPE制品的异常状况、该工作环境中的异常状况、和违反安全规程。

实例22：根据实例16-21中任一项所述的方法，该方法还包括：在检测到该安全事件签名之前，至少部分地基于该使用数据的数据流来确定该PPE制品正在正常状态下操作；以及响应于检测到该安全事件签名，确定该PPE制品不是在该正常状态下操作。

实例23：根据实例16-22中任一项所述的方法，其中该使用数据流的该部分是该使用数据流的第一部分，其中该安全事件签名是第一安全事件签名，其中该正常状态对应于第二安全事件签名，其中该数据流的该第一部分对应于该第一安全事件签名，并且其中该数据流的第二部分对应于该第二安全事件签名。

实例24：根据实例16-23中任一项所述的方法，其中该分析流处理部件和该通信部件中的至少一者包括在该PPE制品中。

实例25：根据实例16-24中任一项所述的方法，其中该分析流处理部件和该通信部件中的至少一者包括在分配给特定工人的工人装置中，其中该PPE制品被分配给该特定工人。

实例26：根据实例16-25中任一项所述的方法，其中该分析流处理部件和该通信部件中的至少一者包括在定位在位于工人在其中操作的工作环境内的位置处的计算装置中，其中该PPE制品被分配给该工人。

实例27：根据实例16-26中任一项所述的方法，其中该通信部件包括在该PPE制品、分配给特定工人的工人装置、或定位在位于工作环境内的位置处的计算装置中，至少一个服务器被配置成用于接收该使用数据流、存储该至少一个模型以及基于利用该模型对该使用数据流进行处理来检测该使用数据流中的该安全事件签名。

实例28：根据实例16-27中任一项所述的方法，该方法还包括：选择该PPE制品、该工人装置、该计算装置和该至少一个服务器中的至少一者来检测该使用数据流中的该安全事件签名。

实例29：根据实例16-28中任一项所述的方法，其中该选择在该PPE制品、该工人装置、该计算装置和该至少一个服务器中的至少一者处发生以检测该使用数据流中的该安全事件签名。

实例30：根据实例16-29中任一项所述的方法，该方法还包括基于以下各项来进行选择：与检测该安全事件签名相关联的功率消耗；与检测该安全事件签名相关联的延迟；该PPE制品、该工人装置、该计算装置或该至少一个服务器的连接性状态；该使用数据的数据类型；该使用数据的数据量；以及该使用数据的内容。

实例31：根据实例16-30中任一项所述的方法，其中至少一个传感器生成至少表征与该PPE制品相关联的工人或工作环境的使用数据，并且其中检测该使用流中的该安全事件签名包括：处理表征与该PPE制品相关联的该工人或该工作环境的使用数据。

实例32：根据实例16-31中任一项所述的方法，其中响应于检测到该安全事件签名而生成该输出包括：向该PPE制品、与用户相关联且被配置成用于与该PPE制品和至少一个远程计算装置通信的集线器以及与不是该用户的人员相关联的计算装置中的至少一者发送通知。

实例33：根据实例16-32中任一项所述的方法，其中响应于检测到该安全事件签名而生成该输出包括：发送改变该PPE制品的操作的通知。

实例34：根据实例16-33中任一项所述的方法，其中响应于检测到该安全事件签名而生成该输出包括：输出用户界面以供显示，该用户界面指示与用户、工作环境和该PPE制品中的至少一者相关联的该安全事件。

实例35：根据实例16-34中任一项所述的方法，其中该PPE制品包括以下各项中的至少一项：空气呼吸器系统、坠落防护装置、听力防护器、头部防护器、服装、面部防护器、眼部防护器、电焊面罩和机械护甲。

实例36：根据实例16-35中任一项所述的方法，其中该PPE制品中包括在与用户相关联的一组PPE制品中，其中该组PPE制品中的每个PPE制品包括运动传感器，其中该一个或多个计算机处理器：从该组PPE制品中的每个相应PPE制品的每个相应运动传感器接收相应使用数据流；并且为了检测该安全事件签名，该一个或多个计算机处理器检测对应于相对运动的安全事件签名，该相对运动至少部分地基于来自每个相应运动传感器的该相应使用数据流。

实例37：根据实例16-36中任一项所述的方法，其中该使用数据流包括事件，其中每个相应事件是以相同限定间隔生成的，其中每个相应事件包括对应于一组相同限定指标的一组相应值，并且其中不同相应事件中的多组相应值是不同的。

实例38：根据实例16-37中任一项所述的方法，其中该组限定指标包括以下中的一者或多者：时间戳、该PPE制品的特性、与该PPE制品相关联的工人的特性和工作环境的特性。

实例39：根据实例16-38中任一项所述的方法，其中至少一个安全规则映射到至少一个安全事件，其中该至少一个安全事件映射到该安全事件签名，并且其中该安全事件签名对应于该数据使用流的至少该部分。

实例40：根据实例16-39中任一项所述的方法，其中基于利用该模型对该使用数据流进行处理来检测该使用数据流中的该安全事件签名包括：确定与一个或多个安全事件签名相关联的一组一个或多个可能性，其中该安全事件签名与与一个或多个安全事件签名相关联的该组一个或多个可能性中的一个可能性相关联。

实例41：根据实例16-40中任一项所述的方法，其中响应于检测到该安全事件签名而生成输出包括：生成用户界面，该用户界面至少部分地基于对应于该安全事件签名的安全事件。

实例42：根据实例16-41中任一项所述的方法，其中用户界面包括要求在阈值时间段内的响应用户输入的至少一个输入控件，该方法还包括：响应于该阈值时间段期满而无该响应用户输入，至少部分地基于该阈值时间段期满而无该响应用户输入来执行至少一个操作。

实例43：根据实例16-42中任一项所述的方法，其中该安全事件签名对应于指示满足阈值的人体工程学应力的安全事件。

实例44：一种计算装置，该计算装置包括：存储器；以及一个或多个计算机处理器，该一个或多个计算机处理器执行根据实例16-43所述的方法中的任一种。

实例45：一种设备，该设备包括用于执行根据实例16-43所述的方法中的任一种的装置。

实例46：一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质编码有以下指令，这些指令在被执行时致使计算装置的至少一个处理器执行根据权利要求16-43所述的方法中的任一种。

实例47：一种方法，该方法包括：从一组传感器接收一个或多个使用数据流，该组传感器生成对应于PPE制品、工人和工作环境中的至少一者的该一个或多个使用数据流；存储该一个或多个使用数据流的至少一部分和用于检测安全事件签名的至少一个模型，其中该至少一个模型是至少部分地基于由与该PPE制品、该工人或该工作环境相同类型的一个或多个其它PPE制品、工人和工作环境在接收该一个或多个使用数据流之前生成的一组使用数据来训练的；基于利用该模型对该一个或多个使用数据流进行处理来检测该一个或多个使用数据流中的该安全事件签名；以及响应于检测到该安全事件签名而生成输出。

实例48：根据实例47所述的方法，该方法还包括根据权利要求16-43中任一项所述的方法。

实例49：一种计算装置，该计算装置包括：存储器；以及一个或多个计算机处理器，该一个或多个计算机处理器执行根据实例48所述的方法中的任一种。

实例50：一种设备，该设备包括用于执行根据实例48所述的方法中的任一种的装置。

实例51：一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质编码有以下指令，这些指令在被执行时致使计算装置的至少一个处理器实行根据实例48所述的方法中的任一种。

应当认识到，根据示例，本文所述技术中的任一种的某些动作或事件可以不同的顺序执行，可一起添加、合并或省去(例如，不是所有所描述动作或事件对于技术的实践都是必需的)。此外，在某些示例中，动作或事件可例如通过多线程处理、中断处理或多个处理器同时而不是顺序地执行。

在一个或多个示例中，所述的功能可在硬件、软件、固件或它们的任何组合中来实现。如果以软件实现，那么这些功能可作为一个或多个指令或代码存储在计算机可读介质上或经由计算机可读介质传输，并且由基于硬件的处理单元执行。计算机可读介质可包括计算机可读存储介质，其对应于如数据存储介质的有形介质，或通信介质，其包括例如根据通信协议促进将计算机程序从一处传送到另一处的任何介质。以此方式，计算机可读介质通常可对应于(1)非暂态的有形计算机可读存储介质或(2)诸如信号或载波的通信介质。数据存储介质可为可由一个或多个计算机或一个或多个处理器访问以检索用于实现本公开中所描述的技术的指令、代码和/或数据结构的任何可用介质。计算机程序产品可包括计算机可读介质。

作为示例而非限制，此类计算机可读存储介质可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储装置、闪存或者可用来以指令或数据结构的形式存储所需的程序代码并且可由计算机访问的任何其它介质。而且，任何连接均被适当地称为计算机可读介质。例如，如果使用同轴电缆、光缆、双绞线、数字用户线(DSL)或无线技术如红外线、无线电和微波从网站、服务器或其它远程源传输指令，则同轴电缆、光纤电缆、双绞线、DSL或无线技术如红外线、无线电和微波包括在介质的定义中。

然而，应当理解，计算机可读存储介质和数据存储介质不包括连接、载波、信号或其它暂态介质，而是针对非暂态的有形存储介质。如本文所用，磁盘和光盘包括压缩盘(CD)、激光光盘、光学盘、数字多功能光盘(DVD)、软盘和蓝光光盘，其中磁盘通常以磁的方式再现数据，而光盘通过激光以光学方式再现数据。上述的组合也应该包括在计算机可读介质的范围内。

指令可由一个或多个处理器诸如一个或多个数字信号处理器(DSP)、通用微处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它等效集成或离散逻辑电路以及这类部件的任意组合执行。因此，如本文所用，术语“处理器”可以是指适用于实施本文所述的技术的前述结构中的任一者或任何其它结构。另外，在一些方面，本文所述的功能性可在专用硬件和/或软件模块内提供。而且，所述技术可完全在一个或多个电路或逻辑单元中实现。

本公开的技术可在包括无线通信装置或无线手持机、微处理器、集成电路(IC)或一组IC(例如，芯片组)的各种各样的装置或设备中实现。在本公开中描述了各种部件、模块或单元以强调被构造成执行所公开的技术的装置的功能方面，但是不一定需要通过不同的硬件单元来实现。相反，如上所述，各种单元组合可在硬件单元中组合或者通过包括如上所述的一个或多个处理器的互操作硬件单元的集合，结合合适的软件和/或固件来提供。

已描述了各种示例。这些实施例以及其它实施例均在如下权利要求书的范围内。

Claims (30)

1.一种系统，所述系统包括：

个人防护设备(PPE)制品，所述个人防护设备(PPE)制品具有被配置成用于生成使用数据流的至少一个传感器；和

分析流处理部件，所述分析流处理部件包括：

通信部件，所述通信部件从所述PPE制品的所述至少一个传感器接收所述使用数据流；

存储器，所述存储器被配置成用于存储所述使用数据流的至少一部分和用于检测安全事件签名的至少一个模型，其中所述至少一个模型是至少部分地基于由与所述PPE制品相同类型的一个或多个其它PPE制品在接收所述使用数据流之前生成的一组使用数据来训练的；和

一个或多个计算机处理器，所述一个或多个计算机处理器被配置成用于：

基于利用所述模型对所述使用数据流进行处理来检测所述使用数据流中的所述安全事件签名，并且

响应于检测到所述安全事件签名而生成输出。

2.根据权利要求1所述的系统，其中所述一个或多个计算机处理器：

选择包括一组训练实例的训练集，每个训练实例包括限定持续时间内的使用数据与安全事件之间的关联性，其中所述使用数据包括表征用户、工作环境和一个或多个PPE制品中的至少一者的一个或多个指标；和

针对所述训练集中的每个训练实例，基于所述限定持续时间内的特定使用数据以及所述训练实例的特定安全事件来修改所述模型，以响应于应用到所述模型的所述限定持续时间内的随后使用数据来改变所述模型针对与所述安全事件相关联的特定安全事件签名所预测的可能性。

3.根据权利要求2所述的系统，其中所述一组训练实例中的一个或多个训练实例是在所述一个或多个计算机处理器检测到所述安全事件签名之后从一个或多个PPE制品的使用生成的。

4.根据权利要求1所述的系统，其中所述安全事件签名包括以下各项中的至少一项：一组使用数据中的异常、一组使用数据中的模式、限定时间段内的特定事件的一组特定发生率、限定时间段内的特定事件的一组特定类型、限定时间段内的特定事件的一组特定量值、满足阈值的值。

5.根据权利要求1所述的系统，其中所述安全事件签名映射到安全事件，其中所述安全事件与工人、所述PPE制品、所述PPE制品之外的PPE制品和工作环境中的至少一者相关联。

6.根据权利要求5所述的系统，其中所述安全事件包括以下各项中的至少一项：工人行为的异常状况、所述PPE制品的异常状况、所述工作环境中的异常状况和违反安全规程。

7.根据权利要求1所述的系统，其中所述一个或多个计算机处理器：

在检测到所述安全事件签名之前，至少部分地基于所述使用数据的数据流来确定所述PPE制品正在正常状态下操作；和

响应于检测到所述安全事件签名，确定所述PPE制品不是在所述正常状态下操作。

8.根据权利要求7所述的系统，

其中所述使用数据流的所述部分是所述使用数据流的第一部分，其中所述安全事件签名是第一安全事件签名，

其中所述正常状态对应于第二安全事件签名，

其中所述数据流的所述第一部分对应于所述第一安全事件签名，并且

所述数据流的第二部分对应于所述第二安全事件签名。

9.根据权利要求1所述的系统，其中所述分析流处理部件和所述通信部件中的至少一者包括在所述PPE制品中。

10.根据权利要求1所述的系统，其中所述分析流处理部件和所述通信部件中的至少一者包括在分配给特定工人的工人装置中，其中所述PPE制品被分配给所述特定工人。

11.根据权利要求1所述的系统，其中所述分析流处理部件和所述通信部件中的至少一者包括在定位在位于工人在其中操作的工作环境内的位置处的计算装置中，其中所述PPE制品被分配给所述工人。

12.根据权利要求1所述的系统，其中所述通信部件包括在所述PPE制品、分配给特定工人的工人装置或定位在位于工作环境内的位置处的计算装置中，所述系统还包括至少一个服务器，所述至少一个服务器被配置成用于接收所述使用数据流、存储所述至少一个模型以及基于利用所述模型对所述使用数据流进行处理来检测所述使用数据流中的所述安全事件签名。

13.根据权利要求12所述的系统，所述系统还包括选择部件，所述选择部件被配置成用于选择所述PPE制品、所述工人装置、所述计算装置和所述至少一个服务器中的至少一者来检测所述使用数据流中的所述安全事件签名。

14.根据权利要求13所述的系统，其中所述选择部件合并到PPE制品、所述工人装置、所述计算装置和所述至少一个服务器中的至少一者中以检测所述使用数据流中的所述安全事件签名。

15.根据权利要求13所述的系统，其中所述选择部件被配置成用于基于以下各项来进行选择：与检测所述安全事件签名相关联的功率消耗；与检测所述安全事件签名相关联的延迟；所述PPE制品、所述工人装置、所述计算装置或所述至少一个服务器的连接性状态；所述使用数据的数据类型；所述使用数据的数据量；以及所述使用数据的内容。

16.根据权利要求1所述的系统，所述系统还包括：

至少一个传感器，该至少一个传感器生成至少表征与所述PPE制品相关联的工人或工作环境的使用数据；和

其中，为了检测所述使用流中的所述安全事件签名，所述一个或多个计算机处理器处理表征与所述PPE制品相关联的所述工人或所述工作环境的使用数据。

17.根据权利要求1所述的系统，其中为了响应于检测到所述安全事件签名而生成所述输出，所述一个或多个计算机处理器向所述PPE制品、与用户相关联且被配置成用于与所述PPE制品和至少一个远程计算装置通信的集线器以及与不是所述用户的人员相关联的计算装置中的至少一者发送通知。

18.根据权利要求1所述的系统，其中为了响应于检测到所述安全事件签名而生成所述输出，所述一个或多个计算机处理器发送改变所述PPE制品的操作的通知。

19.根据权利要求1所述的系统，其中为了响应于检测到所述安全事件签名而生成所述输出，所述一个或多个计算机处理器输出用户界面以供显示，所述用户界面指示与用户、工作环境和所述PPE制品中的至少一者相关联的所述安全事件。

20.根据权利要求1所述的系统，其中所述PPE制品包括以下各项中的至少一项：空气呼吸器系统、坠落防护装置、听力防护器、头部防护器、服装、面部防护器、眼部防护器、电焊面罩和机械护甲。

21.根据权利要求1所述的系统，

其中所述PPE制品包括在与用户相关联的一组PPE制品中，其中所述一组PPE制品中的每个PPE制品包括运动传感器，其中所述一个或多个计算机处理器：

从所述一组PPE制品中的每个相应PPE制品的每个相应运动传感器接收相应使用数据流；和

为了检测所述安全事件签名，所述一个或多个计算机处理器检测对应于相对运动的安全事件签名，所述相对运动至少部分地基于来自每个相应运动传感器的所述相应使用数据流。

22.根据权利要求1所述的系统，其中所述使用数据流包括事件，其中每个相应事件是以相同限定间隔生成的，其中每个相应事件包括对应于一组相同限定指标的一组相应值，并且其中不同相应事件中的多组相应值是不同的。

23.根据权利要求22所述的系统，其中所述一组限定指标包括以下各项中的一项或多项：时间戳、所述PPE制品的特性、与所述PPE制品相关联的工人的特性和工作环境的特性。

24.根据权利要求1所述的系统，其中至少一个安全规则映射到至少一个安全事件，其中所述至少一个安全事件映射到所述安全事件签名，并且其中所述安全事件签名对应于所述使用数据流的至少所述部分。

25.根据权利要求1所述的系统，其中为了基于利用所述模型对所述使用数据流进行处理来检测所述使用数据流中的所述安全事件签名，所述一个或多个计算机处理器确定与一个或多个安全事件签名相关联的一组一个或多个可能性，其中所述安全事件签名与所述与一个或多个安全事件签名相关联的一组一个或多个可能性中的一个可能性相关联。

26.根据权利要求1所述的系统，其中为了响应于检测到所述安全事件签名而生成输出，所述一个或多个处理器能生成用户界面，所述用户界面至少部分地基于对应于所述安全事件签名的安全事件。

27.根据权利要求26所述的系统，其中所述用户界面包括要求在阈值时间段内的响应用户输入的至少一个输入控件，其中所述一个或多个计算机处理器：

响应于所述阈值时间段期满而无所述响应用户输入，至少部分地基于所述阈值时间段期满而无所述响应用户输入来执行至少一个操作。

28.根据权利要求1所述的系统，其中所述安全事件签名对应于指示满足阈值的人体工程学应力的安全事件。

29.一种系统，所述系统包括：

一组传感器，所述一组传感器生成对应于PPE制品、工人和工作环境中的至少一者的一个或多个使用数据流；和

分析流处理部件，所述分析流处理部件包括：

通信部件，所述通信部件从所述一组传感器接收所述一个或多个使用数据流，所述一组传感器生成对应于PPE制品、工人和工作环境中的至少一者的所述一个或多个使用数据流；

存储器，所述存储器被配置成用于存储所述一个或多个使用数据流的至少一部分和用于检测安全事件签名的至少一个模型，其中所述至少一个模型是至少部分地基于由与所述PPE制品、所述工人和所述工作环境中的至少一者相同类型的一个或多个其它PPE制品、工人或工作环境在接收所述一个或多个使用数据流之前生成的一组使用数据来训练的；和

一个或多个计算机处理器，所述一个或多个计算机处理器被配置成用于：

基于利用所述模型对所述一个或多个使用数据流进行处理来检测所述一个或多个使用数据流中的所述安全事件签名，并且

响应于检测到所述安全事件签名而生成输出。

30.一种计算装置，所述计算装置包括：

存储器；和

一个或多个计算机处理器，所述一个或多个计算机处理器：

从PPE制品的至少一个传感器接收使用数据流，其中所述PPE制品具有被配置成用于生成所述使用数据流的至少一个传感器；

存储所述使用数据流的至少一部分和用于检测安全事件签名的至少一个模型，其中所述至少一个模型是至少部分地基于由与所述PPE制品相同类型的一个或多个其它PPE制品在接收所述使用数据流之前生成的一组使用数据来训练的；

基于利用所述模型对所述使用数据流进行处理来检测所述使用数据流中的所述安全事件签名；和

响应于检测到所述安全事件签名而生成输出。