CN109416776B - 具有带有集成的监测、警示和预测安全事件避免的分析引擎的个人保护装备系统 - Google Patents

Abstract

在一些实施例中，系统包括个人保护装备(PPE)制品，个人保护装备(PPE)制品包括一个或多个传感器，一个或多个传感器被配置为生成指示PPE制品的操作的使用数据；以及至少一个计算设备，至少一个计算设备包括存储器和一个或多个计算机处理器，一个或多个计算机处理器：接收指示PPE制品的操作的使用数据；将使用数据应用于安全学习模型，安全学习模型至少部分地基于对应于安全事件的先前生成的使用数据，预测与PPE制品相关联的安全事件的发生的可能性；以及至少部分地基于预测安全事件的发生的可能性，执行至少一个操作。

Description

具有带有集成的监测、警示和预测安全事件避免的分析引擎 的个人保护装备系统

本申请要求2016年6月23日提交的美国申请No.15/190,564和2016年10月14日提交的美国临时申请62/408,564的权益，这些申请中的每个的全部内容据此以引用方式明确地并入本文。

技术领域

本公开涉及个人保护装备的领域。更具体地，本公开涉及生成数据的个人保护装备。

背景技术

当在已知存在以下或有存在以下：粉尘、烟雾、气体、气载污染物、坠落危害、听力危害或潜在地对健康有危害的或有害的任何其他危害的潜在可能的区域中工作时，工人往往使用个人保护装备，诸如呼吸器或清洁空气供给源。虽然各种各样的个人保护装备是可用的，但是一些常常使用的设备包括动力空气净化呼吸器(PAPR)、自备式呼吸器、坠落保护束具、耳罩、护面罩和焊接面罩。例如，PAPR通常包括鼓风机系统，该鼓风机系统包括由电动马达供电的风扇，用于通过管件将加压空气流递送到由用户佩戴的头罩。PAPR通常包括设备，该设备通过过滤器抽吸环境空气，强制空气通过呼吸管并到头盔或头罩中以将过滤后的空气提供到在用户的鼻部或嘴部周围的用户的呼吸区。SCBA通过管件或软管将来自压缩空气罐中的清洁空气提供到由用户佩戴的头罩的内部。在一些实施例中，各种个人保护装备可生成各种类型的数据。

发明内容

本公开提供了用于从PPE捕获指示此类PPE的操作的使用数据的系统。使用使用数据，系统可将此类数据应用于安全学习模型，该安全学习模型至少部分地基于对应于安全事件的先前生成的使用数据，预测与PPE制品相关联的安全事件的发生的可能性。例如，工人可佩戴或以其他方式配备有生成使用数据的一个或多个PPE制品。此类使用数据的实施例可包括由PPE检测的危害、PPE的操作度量(例如，过滤器使用、鼓风机速率、坠落保护自动缩回线延伸和缩回、声音危害等)、工人度量(例如，工人运动、工人温度、工人心率等)和工作环境度量，仅举几个实施例。

本公开的系统可收集使用数据，并且将此类数据应用于安全学习模型。安全学习模型可基于使用数据集提供安全事件的可能性。在一些实施例中，安全学习模型用训练实例的训练集训练，其中在每个训练实例中，使用数据集与某些安全事件相关联。可基于训练实例修改安全学习模型，以响应于应用于安全学习模型的后续使用数据，更准确地预测特定安全事件的可能性。以该方式，当系统从工人环境中的工人使用的PPE制品接收使用数据时，系统可更快速和准确地识别可影响工人的安全、PPE制品的操作和/或工作环境的条件(仅举几个实施例)的安全事件。不是在安全事件已经发生(以及对工人的潜在伤害已经发生)之后评估安全事件的原因，而是可定义使用数据与安全事件可能性之间的关系的安全学习模型可在安全事件发生之前抢先地和先行地生成通知，并且/或者更改PPE的操作。而且，本公开的系统可从训练模型尚未用其训练的特定的使用数据集灵活地预测安全事件的可能性，从而消除了实施详述的工作规则的需要，该工作规则可以其他方式在尺寸上太广阔而不能实际上实施和处理每个新的使用数据集。

在一些实施例中，系统包括与一个或多个传感器相关联的个人保护装备(PPE)制品，一个或多个传感器被配置为生成指示PPE制品的操作的使用数据；以及至少一个计算设备，至少一个计算设备包括存储器和一个或多个计算机处理器，一个或多个计算机处理器接收指示PPE制品的操作的使用数据；将使用数据应用于安全学习模型，安全学习模型至少部分地基于对应于安全事件的先前生成的使用数据，预测与PPE制品相关联的安全事件的发生的可能性；以及至少部分地基于预测安全事件的发生的可能性，执行至少一个操作。

在一些实施例中，个人保护装备(PPE)制品包括：一个或多个传感器，一个或多个传感器被配置为生成指示个人保护装备(PPE)制品的操作的使用数据；至少一个计算设备，至少一个计算设备通信地耦接到一个或多个传感器，至少一个计算设备包括存储器和一个或多个计算机处理器，一个或多个计算机处理器：至少部分地基于将使用数据应用于安全学习模型来执行至少一个操作，安全学习模型预测与PPE制品相关联的安全事件的发生的可能性，安全事件的发生的可能性至少部分地基于对应于安全事件的先前生成的使用数据。

在一些实施例中，计算设备包括：存储器；和一个或多个计算机处理器，该一个或多个计算机处理器：接收指示个人保护装备(PPE)制品的操作的使用数据，PPE制品包括一个或多个传感器，该一个或多个传感器被配置为生成指示制品PPE的操作的使用数据；将使用数据应用于安全学习模型，安全学习模型至少部分地基于对应于安全事件的先前生成的使用数据，预测与PPE制品相关联的安全事件的发生的可能性；以及至少部分地基于预测安全事件的发生的可能性，执行至少一个操作。

在一些实施例中，系统包括：传感器集，该传感器集生成对应于PPE制品、工人和工作环境中的至少一个的一个或多个使用数据流；和至少一个计算设备，至少一个计算设备包括存储器和一个或多个计算机处理器，一个或多个计算机处理器：接收对应于PPE制品、工人或工作环境中的至少一个的使用数据；将使用数据应用于安全学习模型，安全学习模型至少部分地基于对应于PPE制品、工人和工作环境中的至少一个的先前生成的使用数据，预测与PPE制品、工人和工作环境中的至少一个相关联的安全事件的发生的可能性；以及至少部分地基于预测安全事件的发生的可能性，执行至少一个操作。

在附图和下面的描述中阐述本公开的一个或多个实施例的细节。从描述和附图以及从权利要求书，本公开的其他特征、对象和优点将是显而易见的。

附图说明

图1是示出根据本公开的各种技术的实施例系统的框图，在实施例系统中，在多个工作环境中利用且由个人保护装备管理系统(PPEMS)管理具有嵌入式传感器和通信能力的个人保护装备(PPE)(诸如过滤后的空气呼吸器系统)。

图2是示出根据本公开的各种技术的图1所示的个人保护装备管理系统的操作透视图的框图。

图3为根据本公开的各种技术指示过滤后的空气呼吸器系统的暴露部的系统图。

图4为根据本公开的各种技术的指示过滤后的空气呼吸器系统的暴露部中电子部件的框图。

图5是根据本公开的各种技术的与确定暴露部相关联的流程图。

图6是根据本公开的各种技术的暴露部指示头罩。

图7是根据本公开的各种技术的指示头罩和通信集线器系统的暴露部。

图8是示出根据本公开的各个方面的与可佩戴数据集线器通信的自缩回线(SRL)的实施例的概念图。

图9-图16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17是示出根据本公开的方面的用于确定安全事件的可能性的示例性过程的流程图。

图18是用于基于来自一个或多个呼吸器的使用数据生成包括内容的用户界面(UI)的过程的流程图。

图19A-图19B示出根据本公开的包括头罩和听力保护器的系统。

图20A-图20B示出了根据本公开的包括头罩和护目镜的系统。

图21A-图21B示出根据本公开的头罩和护目镜的系统。

应当理解，在不脱离本发明范围的情况下，可利用实施方案，并且可作出结构改变。图未必按照比例绘制。图中使用的相似数字是指相似的部件。然而，应当理解，在给定图中使用数字以指部件不旨在限制另一图中用相同数字标注的部件。

具体实施方式

根据本公开的方面，PPE制品可包括用于捕获数据的传感器，该数据指示围绕PPE制品的操作、位置或环境条件。传感器可包括生成数据或上下文信息的任何设备。此类数据在本文中可大致称为使用数据，或另选地也称为操作数据或传感器数据。在一些实施例中，使用数据可采取某时间段内的样本流的形式。在一些实例中，传感器可被配置为测量PPE制品的部件的操作特点、使用或佩戴PPE制品的工人的特点，和/或与PPE制品位于的环境相关联的环境因素。而且，如本文所述，PPE制品可被配置为包括用于将通信输出到相应工人的一个或多个电子部件(诸如扬声器、振动设备、LED、蜂鸣器，或用于输出警示、音频消息、声音、指示符等的其他设备)。

根据本公开的方面，PPE制品可被配置为将所采集的使用数据传输到个人保护装备管理系统(PPEMS)，个人保护装备管理系统(PPEMS)可为具有分析引擎的基于云的系统，该分析引擎被配置为处理来自由各种工作环境处的工人群体部署和使用的个人保护装备的传入使用数据流。PPEMS的分析引擎可将传入使用数据流(或至少使用数据的子集)应用于一个或多个模型，以监测和预测与任何独立PPE制品相关联的工人的安全事件的发生的可能性。例如，分析引擎可将所测量的参数(例如，如由电子传感器测量的)与表征PPE制品的用户的活动(例如，表示安全活动、不安全活动或关注的活动(关注的活动通常可在不安全活动之前发生))的已知模型进行比较，以便确定事件发生的概率。

分析引擎可响应于预测安全事件的发生的可能性，生成输出。例如，分析引擎可基于从PPE制品的用户收集的数据，生成指示安全事件可能发生的输出。该输出可用于警示PPE制品的用户安全事件可能发生，允许用户更改他们的行为。在其他实施例中，可经由PPEMS或其他机构对嵌入在工人更本地的中间数据集线器内的呼吸器或处理器内的电路进行编程，以应用由PPEMS确定的模型或规则集，以便在本地生成和输出被设计为避免或减轻预测的安全事件的警示或其他预防措施。以该方式，技术提供了用于准确测量和/或监测呼吸器的操作并基于操作确定预测成果的工具。虽然为了例示的目的相对于某些类型的PPE提供本公开的某些实施例，但本公开的系统、技术和设备可应用于任何类型的PPE。

图1是示出包括用于管理个人保护装备的个人保护装备管理系统(PPEMS)6的示例性计算系统2的框图。如本文所述，PPEMS允许授权用户执行预防职业健康和安全行动，并且管理安全保护装备的检查和维护。通过与PPEMS 6进行交互，安全专业人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、报告、预测分析、PPE控制和警示生成。例如，PPEMS 6包括根据本文描述的各种实施例的基础分析和安全事件预测引擎和警示系统。一般来讲，安全事件可指个人保护装备(PPE)的用户的活动、PPE的条件或环境条件(例如，环境条件可为有危害的)。在一些实施例中，安全事件可为损伤或工人条件、工作场所伤害或监管违规。例如，在坠落保护装备的上下文中，安全事件可为误用坠落保护装备、坠落装备的用户经历坠落，或坠落保护装备的故障。在呼吸器的上下文中，安全事件可为误用呼吸器、呼吸器的用户没有接收适当质量和/或数量的空气，或呼吸器的故障。安全事件也可与PPE位于的环境中的危害相关联。在一些实施例中，与PPE制品相关联的安全事件的发生可包括使用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。在一些实施例中，安全事件可为PPE、工人和/或工人环境操作、使用或以正常操作的方式动作的指示，其中正常操作是可接受或安全操作、使用或活动的预先确定的或预定义条件。

如下面另外描述的，PPEMS 6提供了个人安全保护装备管理工具的集成套件，并且实施了本公开的各种技术。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内使用的个人保护装备(例如，安全装备)的集成式端到端系统，物理环境8可为建筑工地、采矿或制造工地或任何物理环境。可在计算环境2的各个部分内实现本公开的技术。

如图1的实施例中所示，系统2表示计算环境，在该计算环境中，多个物理环境8A、物理环境8B(统称为环境8)内的计算设备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中的每个表示物理环境，诸如工作环境，其中一个或多个个体(诸如工人10)在参与相应环境内的任务或活动时利用个人保护装备。

在该实施例中，环境8A大致被示出为具有工人10，而环境8B以扩展形式被示出为提供更详细的实施例。在图1的实施例中，多个工人10A-工人10N被示出为利用相应的呼吸器13A-呼吸器13N。

如本文另外描述的，呼吸器13中的每个包括被配置为在用户(例如，工人)佩戴呼吸器参与活动时实时捕获数据的嵌入式传感器或监测设备和处理电子器件。例如，如本文更详细描述的，呼吸器13可包括多个部件(例如，头罩、鼓风机、过滤器等)，呼吸器13可包括用于感测或控制此类部件的操作的多个传感器。作为实施例，头罩可包括头罩护目镜位置传感器、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。作为实施例，鼓风机可包括鼓风机状态传感器、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。作为实施例，过滤器可包括过滤器存在传感器、过滤器类型传感器等。上面提到的传感器中的每个可生成使用数据，如本文所述。

此外，呼吸器13中的每个可包括用于输出指示呼吸器13的操作的数据和/或生成并输出与相应的工人10的通信的一个或多个输出设备。例如，呼吸器13可包括一个或多个设备以生成听觉反馈(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)或触知反馈(例如，振动或提供其他触觉反馈的设备)。

一般来讲，环境8中的每个包括计算设施(例如，局域网)，呼吸器13能够通过该计算设施(例如，局域网)与PPEMS 6通信。例如，环境8可被配置为带有无线技术，诸如802.11无线网络、802.15 ZigBee网络等。在图1的实施例中，环境8B包括本地网络7，该本地网络7提供基于分组的传送介质，用于经由网络4与PPEMS 6通信。此外，环境8B包括可在地理上分布在整个环境中以在整个工作环境中提供对无线通信的支持的多个无线接入点19A、无线接入点19B。

呼吸器13中的每个被配置为经由无线通信诸如经由802.11 WiFi协议、蓝牙协议等传达数据，诸如感测的运动、事件和条件。例如，呼吸器13可与无线接入点19直接通信。作为另一实施例，每个工人10可配备有启用和促进呼吸器13与PPEMS 6之间的通信的可佩戴通信集线器14A-可佩戴通信集线器14M中的相应的一个。例如，呼吸器13以及用于相应工人10的其他PPE(诸如坠落保护装备、听力保护、安全帽或其他装备)可经由蓝牙或其他短程协议与相应的通信集线器14通信，并且通信集线器可经由由无线接入点19处理的无线通信与PPEMS 6通信。虽然示出为可佩戴设备，但集线器14可被实施为部署在环境8B内的独立式设备。在一些实施例中，集线器14可为PPE制品。

一般来讲，集线器14中的每个操作作为呼吸器13的无线设备，用于将通信中继到呼吸器13，并且中继来自呼吸器13的通信，并且在丢失与PPEMS 6通信的情况下，可能够缓冲使用数据。而且，集线器14中的每个经由PPEMS 6可编程，使得本地警示规则可被装配和执行，而不需要连接到云。同样地，集线器14中的每个提供来自相应环境内的呼吸器13和/或其他PPE的使用数据流的中继，并且在与PPEMS 6的通信丢失的事件中基于事件流提供用于本地化警示的本地计算环境。

如图1的实施例中所示，诸如环境8B的环境也可包括在工作环境内提供准确的位置信息的一个或多个无线启用的信标，诸如信标17A-信标17C。例如，信标17A-信标17C可为GPS启用的，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中的一个或多个的无线通信，由工人10佩戴的给定呼吸器13或通信集线器14被配置为确定工人在工作环境8B内的位置。以该方式，报告到PPEMS 6的事件数据(例如，使用数据)可加盖位置信息以帮助由PPEMS实行的分析(analysis)、报告和分析(analytics)。

此外，环境(诸如环境8B)也可包括一个或多个无线启用的感测站，诸如感测站21A、感测站21B。每个感测站21包括一个或多个传感器和被配置为输出指示感测的环境条件的数据的控制器。而且，感测站21可定位在环境8B的相应地理区域内，或者以其他方式与信标17进行交互，以确定相应位置，并且当将环境数据报告给PPEMS 6时包括此类位置信息。同样地，PPEMS 6可被配置为将感测环境条件与特定区域相互关联，并且因而可当处理从呼吸器13接收的事件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呼吸器13的其他指令，并且用于实行预测分析，诸如确定某些环境条件(例如，热、湿度、可见性)与反常工人行为或增加的安全事件之间的任何相关性。同样地，PPEMS6可利用当前环境条件来帮助预测和避免即将来临的安全事件。可由感测站21感测的实施例环境条件包括但不限于温度、湿度、气体的存在、压力可见性、风等。

在实施例具体实施中，环境(诸如环境8B)也可包括分布在整个环境中以提供用于访问呼吸器13的观察站的一个或多个安全站15。安全站15可允许工人10中的一个检验呼吸器13和/或其他安全装备，核实安全装备适合于环境8中的特定的环境，并且/或者交换数据。例如，安全站15可将警示规则、软件更新或固件更新传输到呼吸器13或其他装备。安全站15也可接收高速缓存在呼吸器13、集线器14和/或其他安全装备上的数据。也就是说，虽然呼吸器13(和/或数据集线器14)通常可实时或近实时将使用数据从呼吸器13的传感器传输到网络4，但是在一些实例中，呼吸器13(和/或数据集线器14)可不具有到网络4的连接性。在此类实例中，呼吸器13(和/或数据集线器14)可在本地存储使用数据，并且在与安全站15接近时将使用数据传输到安全站15。然后，安全站15可将数据从呼吸器13上载，并且连接到网络4。

此外，环境8中的每个包括计算设施，计算设施为终端用户计算设备16提供操作环境，用于经由网络4与PPEMS 6交互。例如，环境8中的每个通常包括对监视环境内的安全合规负责的一个或多个安全管理器。一般来讲，每个用户20与计算设备16进行交互以访问PPEMS 6。环境8中的每个可包括系统。类似地，远程用户可使用计算设备18经由网络4与PPEMS进行交互。为了实施例的目的，终端用户计算设备16可为膝上型计算机、台式计算机、移动设备诸如平板电脑或所谓的智能电话等。

用户20、用户24与PPEMS 6交互以控制和主动管理由工人10利用的安全装备的许多方面，诸如访问和观察使用记录、分析和报告。例如，用户20、用户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规定持续时间(例如，一天、一周等)内的开始时间和结束时间的数据、在特定事件期间收集的数据。诸如呼吸器13的护目镜的抬高、从工人10的头部移除呼吸器13、呼吸器13的操作参数的改变、对呼吸器13的部件的状况改变(例如，低电池事件)、工人10的运动、对呼吸器13或集线器14的检测的冲击、从用户采集的感测的数据、环境数据等。此外，用户20、用户24可与PPEMS 6交互以实行资产跟踪，并为独立的几件安全装备(例如，呼吸器13)安排维护事件，以确保符合任何过程或规定。PPEMS 6可允许用户20、用户24创建和完成关于维护过程的数字核查表，并且将来自计算设备16、计算设备18的过程的任何结果同步到PPEMS 6。

另外，如本文所述，PPEMS 6集成事件处理平台，该事件处理平台被配置为处理来自数字启用的PPE(诸如呼吸器13)的数千个或甚至数百万个并发事件流。PPEMS 6的基础分析引擎将历史数据和模型应用于入站流以计算断言，诸如基于工人10的条件或行为模式识别的异常或预测的安全事件的发生。另外，PPEMS 6提供实时警示和报告，以通知工人10和/或用户20、用户24任何预测的事件、异常、趋势等。

在一些实施例中，PPEMS 6的分析引擎可将分析应用于识别感测的工人数据、环境条件、地理区域和其他因素之间的关系或相关性，并分析对安全事件的影响。PPEMS 6可基于跨越工人10群体采集的数据确定可能在某些地理区域内的哪些特定活动致使或被预测为致使不寻常地高的安全事件发生。

以该方式，PPEMS 6将用于管理个人保护装备的综合工具与基础分析引擎和通信系统紧密集成，以提供数据采集、监测、活动日志、报告、行为分析和警示生成。而且，PPEMS6提供了用于由系统2的各种元件操作和利用且在系统2的各种元件之间的通信系统。用户20、用户24可访问PPEMS 6以观察关于由PPEMS 6对从工人10采集的数据实行的任何分析的结果。在一些实施例中，PPEMS 6可经由web服务器(例如，HTTP服务器)来呈现基于web的界面，或者客户端侧应用程序可被部署用于由用户20、用户24使用的计算设备16、计算设备18的设备(诸如台式计算机、膝上型计算机、移动设备诸如智能电话和平板电脑等)。

在一些实施例中，PPEMS 6可例如通过仪表板、警示通知、报告等的方式，提供数据库查询引擎用于直接查询PPEMS 6以观察采集的安全信息、合规信息和分析引擎的任何结果。也就是说，用户24、用户26或在计算设备16、计算设备18上执行的软件可将查询提交到PPEMS 6，并且接收对应于用于以一个或多个报告或仪表板的形式呈现的查询的数据(例如，如图9-图16的实施例中所示)。此类仪表板可提供关于系统2的各种见解，诸如跨越工人群体的基线(“正常”)操作、参与可潜在地使工人暴露于风险的反常活动的任何异常工人的识别、已经预测或预测发生不寻常地异常(例如，高)安全事件的环境2内的任何地理区域的识别、相对于其他环境展现出安全事件的异常发生的环境2中的任一个的识别等。

如下面详细示出的，PPEMS 6可简化承担监测的个体的工作流，并且确保实体或环境的安全合规。也就是说，本公开的技术可启用主动安全管理，并且允许组织相对于环境8内的某些区域、特定的几件安全装备或独立工人10采取预防或纠正动作，定义并还可允许实体实施由基础分析引擎数据驱动的工作流过程。

作为一个实施例，PPEMS 6的基础分析引擎可被配置为为给定环境8内或跨越作为整体的组织的多个环境的工人群体计算和呈现客户定义的度量。例如，PPEMS 6可被配置为采集数据，并且跨越工人群体(例如，跨越环境8A、环境8B中的任一者或两者的工人10)提供聚集的绩效度量和预测的行为分析。还有，用户20、用户24可为任何安全事故的发生设定基准，并且PPEMS 6可跟踪相对于个体或定义的工人群体的基准的实际绩效度量。

作为另一实施例，如果存在条件的某些组合，则PPEMS 6还可触发警示，例如，以加速安全装备(诸如呼吸器13中的一个)的审查或服务。如此，PPEMS 6可识别度量不满足基准的独立呼吸器13或工人10，并且提示用户进行干预，并且/或者执行过程以相对于基准来改进度量，从而确保合规，并且主动管理工人10的安全。

图2是提供PPEMS 6的操作透视图的框图，该PPEMS 6在被托管为基于云的平台时能够支持多个不同的工作环境8，工作环境8具有总体工人10群体，总体工人10群体具有多种通信启用的个人保护装备(PPE)，诸如安全释放线(SRL)11、呼吸器13、安全头盔、听力保护或其他安全装备。在图2的实施例中，PPEMS 6的部件根据实施本公开的技术的多个逻辑层布置。可由硬件、软件或硬件和软件的组合组成的一个或多个模块实施每个层。

在图2中，个人保护装备(PPE)62诸如SRL 11、呼吸器13和/或其他装备直接或通过集线器14以及计算设备60的方式操作为客户端63，客户端63经由接口层64与PPEMS 6通信。计算设备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。计算设备60可表示图1的计算设备16、计算设备18中的任一个。计算设备60的实施例可包括但不限于便携式或移动计算设备(例如，智能电话、可佩戴计算设备、平板电脑)、膝上型计算机、台式计算机、智能电视平台和服务器，仅举几个实施例。

如本公开中另外描述的，PPE 62与PPEMS 6(直接或经由集线器14)通信以提供从嵌入式传感器和其他监测电路采集的数据流，并且从PPEMS 6接收警示、配置和其他通信。在计算设备60上执行的客户端应用程序可与PPEMS 6通信以发送和接收检索、存储、生成和/或以其他方式由服务68处理的信息。例如，客户端应用程序可请求和编辑包括存储在PPEMS 6处和/或由PPEMS 6管理的分析数据的安全事件信息。在一些实施例中，客户端应用程序61可请求并显示聚集安全事件信息，聚集安全事件信息汇总或以其他方式聚集安全事件的多个独立实例以及从PPE 62采集的和/或由PPEMS 6生成的对应的数据。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(仅举几个实施例)的分析信息。在一些实施例中，客户端应用程序可输出从PPEMS 6接收的显示信息，以为客户端63的用户可视化此类信息。如在下面另外示出和描述的，PPEMS 6可将信息提供到客户端应用程序，客户端应用程序输出用于在用户界面中显示。

在计算设备60上执行的客户端应用程序可针对不同平台实施，但包括类似的或相同的功能。例如，客户端应用程序可为编译为在桌面操作系统上运行的桌面应用程序，桌面操作系统诸如微软视窗、苹果OS X或Linux，仅举几个实施例。作为另一实施例，客户端应用程序可为编译为在移动操作系统上运行的移动应用程序，移动操作系统诸如谷歌安卓、苹果iOS、微软视窗移动或黑莓OS，仅举几个实施例。作为另一实施例，客户端应用程序可为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应用程序的实施例中，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，并且将一个或多个响应发送回到web应用程序。以该方式，由PPEMS 6执行的web页面的集合、客户端侧处理web应用程序和服务器侧处理共同提供执行本公开的技术的功能。以该方式，客户端应用程序根据本公开的技术使用PPEMS 6的各种服务，并且应用程序可在各种不同的计算环境(例如，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，仅举几个实施例)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呈现和支持的应用程序编程接口(API)或协议接口集。接口层64初始从客户端63中的任一个接收消息用于在PPEMS 6处另外处理。因而，接口层64可提供一个或多个接口，一个或多个接口对于在客户端63上执行的客户端应用程序是可用的。在一些实施例中，接口可为通过网络可访问的应用程序编程接口(API)。接口层64可被实施为带有一个或多个web服务器。一个或多个web服务器可接收传入请求，处理来自请求的信息，并且/或者将来自请求的信息转发到服务68，并且基于从服务68接收的信息，将一个或多个响应提供到初始发送请求的客户端应用程序。在一些实施例中，实施接口层64的一个或多个web服务器可包括运行环境以部署提供一个或多个接口的程序逻辑。如下面另外描述的，每个服务可提供经由接口层64可访问的一组一个或多个接口。

在一些实施例中，接口层64可提供表述性状态转移(RESTful)接口，表述性状态转移(RESTful)接口使用HTTP方法与服务交互，并且操纵PPEMS 6的资源。在此类实施例中，服务68可生成接口层64发送回到提交初始请求的客户端应用程序61的JavaScript对象符号(JSON)消息。在一些实施例中，接口层64使用简单的对象访问协议(SOAP)提供web服务来处理来自客户端应用程序61的请求。在其他实施例中，接口层64可使用远程过程调用(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，应用层66包括服务68。

如图2所示，PPEMS 6也包括表示用于实施PPEMS 6的大部分基础操作的服务的集合的应用层66。应用层66接收包括在从客户端应用61接收的请求中的信息，并且还根据由请求援引的服务68中的一个或多个处理该信息。应用层66可被实施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分立软件服务。也就是说，该应用服务器提供用于服务68的执行的运行环境。在一些实施例中，可在同一服务器处实施如上所述的接口层64的功能和应用层66的功能。

应用层66可包括一个或多个单独的软件服务68，例如，作为一个实施例，例如经由逻辑服务总线70通信的过程。服务总线70大致表示允许不同服务诸如通过公布/订阅通信模型将消息发送到其他服务的逻辑互连或接口集。例如，服务68中的每个可基于为相应服务设定的准则，订阅具体类型的消息。当服务在服务总线70上公布特定类型的消息时，订阅该类型的消息的其他服务将接收该消息。以该方式，服务68中的每个可彼此传达信息。作为另一实施例，服务68可使用插座或其他通信机构以点对点方式通信。在描述服务68中的每个的功能之前，本文简要地描述层。

PPEMS 6的数据层72表示数据储存库，该数据储存库使用一个或多个数据储存库74为PPEMS 6中的信息提供持久性。数据储存库可大致为存储和/或管理数据的任何数据结构或软件。数据储存库的实施例包括但不限于关系数据库、多维数据库、映射和散列表，仅举几个实施例。可使用关系数据库管理系统(RDBMS)软件来实施数据层72以管理数据储存库74中的信息。RDBMS软件可管理一个或多个数据储存库74，该数据储存库74可使用结构化查询语言(SQL)访问。可使用RDBMS软件存储、检索和修改一个或多个数据库中的信息。在一些实施例中，可使用对象数据库管理系统(ODBMS)、在线分析处理(OLAP)数据库或其他合适的数据管理系统来实施数据层72。

如图2所示，服务68A-服务68I(“服务68”)中的每个以模块化形式被实施在PPEMS6内。虽然示出为每个服务的单独模块，但是在一些实施例中，两个或更多个服务的功能可组合成单个模块或部件。可以软件、硬件，或硬件和软件的组合实施服务68中的每个。而且，服务68可被实施为独立式设备、单独的虚拟机或容器、大致用于在一个或多个物理处理器上执行的过程、线程或软件指令。

在一些实施例中，服务68中的一个或多个可各自提供通过接口层64暴露的一个或多个接口。于是，计算设备60的客户端应用程序可调用服务68中的一个或多个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，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和高优先级(HP)事件处理器68D。事件端点前端68A操作作为用于接收通信且将通信发送到PPE 62和集线器14的前端接口。换句话讲，事件端点前端68A操作作为部署在环境8内并由工作人员10利用的安全装备的前线接口。在一些实例中，事件端点前端68A可被实施为产生的多个任务或作业，以接收来自携带由安全装备感测和捕获的数据的PPE 62的事件流69的独立入站通信。当接收事件流69时，例如，事件端点前端68A可产生任务以快速使称为事件的入站通信入队，并且关闭通信会话，从而提供高速度处理和可扩展性。每个传入通信可例如携带表示感测的条件、运动、温度、动作或其他数据的最近捕获的数据(大致称为事件)。根据通信延迟和连续性，事件端点前端68A和PPE之间交换的通信可为实时或伪实时的。

事件选择器68B在经由前端68A从PPE 62和/或集线器14接收的事件流69上操作，并且基于规则或分类确定与传入事件相关联的优先级。基于该优先级，事件选择器68B使事件入队，用于由事件处理器68C或高优先级(HP)事件处理器68D后续处理。附加的计算资源和对象可专用于HP事件处理器68D，以便确保对严重事件的响应性，严重事件诸如PPE的不正确使用、基于地理位置和条件的不正确的过滤器和/或呼吸器的使用、未能恰当保护SRL11等。响应于处理高优先级事件，HP事件处理器68D可立即援引通知服务68E以生成将被输出到SRL 11、呼吸器13、集线器14和/或远程用户20、远程用户24的警示、指令、警告或其他类似消息。未分类为高优先级的事件由事件处理器68C消耗和处理。

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获得的使用数据中的所有或子集。例如，在一些实例中，事件数据74A可包括从PPE 62的电子传感器获得整个数据样本流。在其他实例中，事件数据74A可包括例如与特定时间段或PPE 62的活动相关联的此类数据的子集。

在一些实施例中，如本文更详细描述的，呼吸器13可包括多个部件诸如例如头罩、用于将空气吹到头罩的鼓风机以及用于过滤空气的过滤器。下面示出的表1包括可相对于头罩从呼吸器13获得的非限制性使用数据集：

表1

下面示出的表2包括可相对于鼓风机从呼吸器13获得的非限制性使用数据集：

表2

下面示出的表3包括可相对于过滤器从呼吸器13获得的非限制性使用数据集：

表3

事件处理器68C、事件处理器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称/值对的结构(诸如以行/列格式规定的数据表)存储在相应的数据库记录中。例如，名称(例如，列)可为“工人ID”，并且值可为员工识别号。事件记录可包括诸如但不限于：工人识别、PPE识别、(多个)采集时间戳和指示一个或多个感测的参数的数据的信息。

此外，事件选择器68B将传入事件流引导到流分析服务68F，流分析服务68F被配置为对传入事件流实行深度处理以实行实时分析。流分析服务68F可例如被配置为在接收到事件数据74A时，实时处理多个事件数据74A流，并且将多个事件数据74A流与历史数据和模型74B进行比较。以该方式，流分析服务68D可被配置为检测异常，转化传入事件数据值，基于条件或工人行为在检测安全隐患时触发警示。历史数据和模型74B可包括例如规定的安全规则、业务规则等。此外，流分析服务68D可通过记录管理和报告服务68D的方式生成用于由通知服务68F或计算设备60传达到PPE 62的输出。

以该方式，分析服务68F处理来自环境8内的工人10利用的启用的安全PPE 62的事件的入站流(潜在地数百或数千个事件流)，以应用历史数据和模型74B计算断言，诸如基于工人的条件或行为模式识别的异常或预测的即将来临的安全事件的发生。分析服务68D可将断言公布给通知服务68F，并且/或者由服务总线70记录管理用于输出到客户端63中的任一个。

以该方式，分析服务68F可被配置为主动安全管理系统，主动安全管理系统预测即将来临的安全隐患，并且提供实时警示和报告。此外，分析服务68F可为决策支持系统，决策支持系统提供用于处理事件数据的入站流的技术来以聚集的或个体化的工人和/或PPE为基础以统计、结论和/或推荐形式为企业、安全官员和其他远程用户生成断言。例如，分析服务68F可应用历史数据和模型74B来基于检测的行为或活动模式、环境条件和地理位置，为特定工人确定对于工人安全事件即将来临的可能性。在一些实施例中，分析服务68F可确定工人当前是否例如由于疲惫、生病或酒精/药物使用而受损，并且可需要进行干预以防止安全事件。作为另一实施例，分析服务68F可提供特定环境8中工人或安全装备类型的比较评级。

由此，分析服务68F可维护或以其他方式使用提供风险度量以预测安全事件的一个或多个模型。分析服务68F也可生成订单集、推荐和质量测量。在一些实施例中，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将可作用的信息提供到客户端63中的任一个。例如，分析服务68F可生成仪表板、警示通知、报告等用于在客户端63中的任一个处输出。此类信息可提供关于以下的各种见解：跨越工人群体的基线(“正常”)操作、参与可潜在地使工人暴露于风险的反常活动的任何异常工人的识别、已经预测或预测发生不寻常地异常(例如，高)安全事件的环境内的任何地理区域的识别、相对于其他环境展现出安全事件的异常发生的环境中的任一个的识别等。

虽然可使用其他技术，但是在一个示例性具体实施中，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于训练事件流数据和已知安全事件以检测模式生成的可执行代码。可执行代码可采取软件指令或规则集的形式，并且大致被称为模型，该模型随后可应用于事件流69，用于检测类似的模式并预测即将到来的事件。

在一些实施例中，分析服务68F可为特定工人、特定工人群体、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，更新模型。例如，分析服务68F可基于从PPE 62接收的数据，更新用于特定工人、特定工人群体、特定环境或其组合的模型。在一些实施例中，使用数据可包括事故报告、空气监测系统、制造生产系统或可用于训练模型的任何其他信息。

另选地或此外，分析服务68F可将所生成的代码和/或机器学习模型的所有或部分传达到集线器16(或PPE 62)用于在其上执行，以便近实时将本地警示提供到PPE。可被采用用于生成模型74B的示例性机器学习技术可包括各种学习样式，诸如监督的学习、无监督的学习和半监督学习。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。具体算法的各种实施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、Apriori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)、脊状回归、最小绝对收缩和选择算子(LASSO)、弹性网络和最小角回归(LARS)、主成分分析(PCA)和主成分回归(PCR)。

记录管理和报告服务68G处理经由接口层64从计算设备60接收的消息和查询，并且对消息和查询作出响应。例如，记录管理和报告服务68G可接收来自客户端计算设备的对与独立工人、工人的群体或工人的样本集、环境8的地理区域或作为整体的环境8、PPE 62的个体或组/类型相关的事件数据的请求。作为响应，记录管理和报告服务68G基于请求访问事件信息。在检索事件数据时，记录管理和报告服务68G构造对初始请求信息的客户端应用程序的输出响应。在一些实施例中，数据可包括在文档(诸如HTML文档)中，或者数据可以JSON格式编码或由在请求客户端计算设备上执行的仪表板应用程序呈现。例如，如本公开中另外描述的，在图中描绘包括事件信息的示例性用户界面。

作为附加的实施例，记录管理和报告服务68G可接收找到PPE事件信息、分析PPE事件信息和使PPE事件信息相互关联的请求。例如，记录管理和报告服务68G可在历史时间帧内从客户端应用程序接收对事件数据74A的查询请求，诸如用户可在某时间段内观察PPE事件信息，并且/或者计算设备可在某时间段内分析PPE事件信息。

在示例性具体实施中，服务68也可包括安全服务68H，安全服务68H用PPEMS 6对用户和请求进行认证和授权。具体地，安全服务68H可接收来自客户端应用程序和/或其他服务68的认证请求，以访问数据层72中的数据，并且/或者在应用层66中实行处理。认证请求可包括凭证，诸如用户名和密码。安全服务68H可查询安全数据74A以确定用户名和密码组合是否有效。配置数据74D可包括为授权凭证、政策和用于控制对PPEMS 6的访问的任何其他信息的形式的安全数据。如上所述，安全数据74A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。其他凭证可包括允许访问PPEMS 6的设备标识符或设备配置文件。

安全服务68H可为在PPEMS 6处执行的操作提供审计和日志功能。例如，安全服务68H可存录由服务68执行的操作和/或由服务68在数据层72中访问的数据。安全服务68H可将审计信息(诸如存录的操作、访问的数据和规则处理结果)存储在审计数据74C中。在一些实施例中，安全服务68H可响应于满足一个或多个规则，生成事件。安全服务68H可存储指示审计数据74C中的事件的数据。

在图2的实施例中，安全管理器可初始配置一个或多个安全规则。同样地，远程用户24可在计算设备18处提供一个或多个用户输入，计算设备18配置用于工作环境8A和工作环境8B的安全规则集。例如，安全管理器的计算设备60可发送定义或规定安全规则的消息。此类消息可包括用于选择或创建安全规则的条件和动作的数据。PPEMS 6可在接口层64处接收消息，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可为提供规则配置的硬件和/或软件的组合，规则配置包括但不限于：提供用户界面以规定规则的条件和动作、接收、组织、存储和更新包括在安全规则数据存储库74E中的规则。

安全规则数据存储库75E可为包括表示一个或多个安全规则的数据的数据存储库。安全规则数据存储库74E可为任何合适的数据存储库，诸如关系数据库系统、在线分析处理数据库、面向对象的数据库或任何其他类型的数据存储库。当规则配置部件68I从安全管理器的计算设备60接收定义安全规则的数据时，规则配置部件68I可将安全规则存储在安全规则数据存储库75E中。

在一些实施例中，存储安全规则可包括将安全规则与上下文数据相关联，使得规则配置部件68I可执行查找以选择与匹配上下文数据相关联的安全规则。上下文数据可包括描述或表征工人、工人环境、PPE制品或任何其他实体的特性或操作的任何数据。工人的上下文数据可包括但不限于：工人的唯一标识符、工人的类型、工人的角色、工人的生理或生物特性、工人的经历、工人的训练、由工人在特定时间间隔内的工作的时间、工人的位置，或描述或表征工人的任何其他数据。PPE制品的上下文数据可包括但不限于：PPE制品的唯一标识符；PPE制品的PPE的类型；PPE制品在特定时间间隔内的使用时间；PPE的寿命；包括在PPE制品内的部件；跨越PPE制品的多个用户的使用历史；由PPE检测的污染物、危害或其他物流条件、PPE制品的到期日期；PPE制品的操作度量。用于工作环境的上下文数据可包括但不限于：工作环境的位置、工作环境的边界或周边、工作环境的区域、工作环境内的危害、工作环境的物理条件、工作环境的准许、工作环境内的装备、工作环境的所有者、工作环境的负责主管和/或安全管理器。

下面所示的表4包括可被存储到安全规则数据存储库74E的非限制性规则集：

表4

应当理解，表4的实施例仅被提供用于例示的目的，并且可开发其他规则。

根据本公开的方面，规则可用于报告的目的，以生成警示等。在用于例示的目的的实施例中，工人10A可配备有呼吸器13A和数据集线器14A。呼吸器13A可包括过滤器以移除颗粒但不移除有机蒸气。数据集线器14A可初始被配置为带有并存储工人10A的唯一标识符。当初始将呼吸器13A和数据集线器分配给工人10A时，由工人10A和/或安全管理器操作的计算设备可引起RMRS 68G将映射存储在工作关系数据74F中。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可为用于存储、检索、更新和删除数据的任何合适的数据存储库。RMRS 69G可存储工人10A的唯一标识符和数据集线器14A的唯一设备标识符之间的映射。工作关系数据存储库74F也可将工人映射到环境。在图4的实施例中，自核查部件68I可接收或以其他方式确定来自工作关系数据74F的用于数据集线器14A、工人10A和/或与工人10A相关联或分配给工人10A的PPE的数据。

在进入环境8A之前，工人10A可初始戴上呼吸器13A和数据集线器14A。随着工人10A逼近环境8A，并且/或者已进入环境8A，数据集线器14A可确定工人10A在进入环境8A的阈值距离内或者已进入环境8A。数据集线器14A可确定数据集线器14A在进入环境8A的阈值距离内或者已经进入环境8A，并且将包括上下文数据的消息发送到PPEMS 6，该消息指示数据集线器14A在进入环境8A的阈值距离内。

根据本公开的方面，如上面提到的，PPEMS 6可除此之外或另选地应用分析以预测安全事件的可能性。如上面提到的，安全事件可指使用PPE 62的工人10的活动、PPE 62的条件，或有危害的环境条件(例如，安全事件的可能性相对较高、环境是危险的、SRL 11出故障、需要修理或置换SRL 11的一个或多个部件等)。例如，PPEMS 6可基于将来自PPE 62的使用数据应用于历史数据和模型74B，确定安全事件的可能性。也就是说，PEMS 6可将历史数据和模型74B应用于来自呼吸器13的使用数据，以便基于环境条件或使用呼吸器13的工人的行为模式，计算断言诸如异常或预测的即将来临的安全事件的发生。

PPEMS 6可应用分析来识别来自呼吸器13的感测数据、呼吸器13位于的环境的环境条件、呼吸器13位于的地理区域和/或其他因素之间的关系或相关性。PPEMS 6可基于跨越工人10群体采集的数据，确定可能在某些环境或地理区域内的哪些特定活动致使或被预测为致使不寻常地高的安全事件发生。PPEMS 6可基于使用数据的分析，生成警示数据，并且将警示数据传输到PPE 62和/或集线器14。由此，根据本公开的方面，PPEMS 6可确定呼吸器13的使用数据，生成状况指示，确定绩效分析，并且/或者基于安全事件的可能性执行前瞻性/先行动作。

例如，根据本公开的方面，来自呼吸器13的使用数据可用于确定使用统计。例如，PPEMS 6可基于来自呼吸器13的使用数据确定呼吸器13的一个或多个部件(例如，头罩、鼓风机和/或过滤器)已被使用的时间长度、工人10的瞬时速度或加速度(例如，基于包括在呼吸器13或集线器14中的加速度计)、呼吸器13的一个或多个部件和/或工人10的温度、工人10的位置、工人10已经执行呼吸器13或其他PPE的自核查的次数或频率、呼吸器13的护目镜已打开或关闭的次数或频率、过滤器/滤筒消耗速率、风扇/鼓风机使用(例如，使用时间、速度等)、电池使用(例如，充电周期)等。

根据本公开的方面，PPEMS 6可使用使用数据来表征工人10的活动。例如，PPEMS 6可建立生产和非生产时间的模式(例如，基于呼吸器13的操作和/或工人10的移动)，对工人移动进行分类，识别按键运动，并且/或者推断按键事件的发生。也就是说，PPEMS 6可获得使用数据，使用服务68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)，并基于该分析生成输出。

在一些实施例中，使用统计可用于确定呼吸器13何时需要维护或置换。例如，PPEMS 6可将使用数据与指示正常操作呼吸器13的数据进行比较，以便识别缺陷或异常。在其他实施例中，PPEMS 6也可将使用数据与指示呼吸器13的已知服务寿命统计的数据进行比较。使用统计也可用于将由工人10如何使用呼吸器13的理解提供到产品开发者，以便改进产品设计和绩效。在其他实施例中，使用统计可用于搜集人类绩效元数据以开发产品规格。在其他实施例中，使用统计可用作竞争性基准工具。例如，可在呼吸器13的客户之间比较使用数据，以评估装备有呼吸器13的整个工人群体之间的度量(例如，生产率、合规等)。

除此之外或另选地，根据本公开的方面，来自呼吸器13的使用数据可用于确定状况指示。例如，PPEMS 6可确定呼吸器13的护目镜在有危害的工作区域中。PPEMS 6也可确定工人10配有不恰当的装备(例如，用于规定区域的不恰当的过滤器)，或工人10存在于制约/关闭区域中。PPEMS 6也可确定工人温度是否超过阈值，例如，以便防止热应力。PPEMS 6也可确定工人10何时已经经历冲击，诸如坠落。

除此之外或另选地，根据本公开的方面，来自呼吸器13的使用数据可用于评定佩戴呼吸器13的工人10的绩效。例如，PPEMS 6可基于来自呼吸器13的使用数据，(例如，经由包括在呼吸器13和/或集线器14中的一个或多个加速度计)辨识可指示工人10的待审坠落的运动。在一些实例中，PPEMS 6可基于来自呼吸器13的使用数据，推断坠落已经发生或工人10丧失能力。PPEMS 6也可在坠落已经发生之后实行坠落数据分析，并且/或者确定温度、湿度和其他环境条件，因为它们与安全事件的可能性相关。

作为另一实施例，PPEMS 6可基于来自呼吸器13的使用数据，辨识可指示工人10的疲劳或受损的运动。例如，PPEMS 6可将来自呼吸器13的使用数据应用于表征至少一个呼吸器的用户的运动的安全学习模型。在该实施例中，PPEMS 6可确定在某时间段内工人10的运动对于使用呼吸器13的工人10或工人10的群体来说是异常的。

除此之外或另选地，根据本公开的方面，来自呼吸器13的使用数据可用于确定警示和/或呼吸器13的主动控制操作。例如，PPEMS 6可确定安全事件诸如装备故障、坠落等是即将来临的。PPEMS 6可将数据发送到呼吸器13以改变呼吸器13的操作条件。在用于例示的目的的实施例中，PPEMS 6可将使用数据应用于表征呼吸器13中的一个的过滤器的支出的安全学习模型。在该实施例中，PPEMS 6可例如基于环境中感测的条件、从环境中的其他工人10搜集的使用数据等，确定支出高于环境的预期支出。PPEMS 6可生成警示，并且将警示传输到工人10，该警示指示工人10应当离开环境和/或呼吸器13的主动控制。例如，PPEMS 6可引起呼吸器减少呼吸器13的鼓风机的鼓风机速度，以便为工人10提供大量时间以退出环境。

在一些实施例中，当工人10在环境8中的一个中的危害附近(例如，基于从呼吸器13的位置传感器(GPS等)搜集的位置数据)时，PPEMS 6可生成警告。PPEMS 6也可将使用数据应用于表征工人10的温度的安全学习模型。在该实施例中，PPEMS 6可确定温度超过与某时间段内的安全活动相关联的温度，并且警示工人10由于温度而造成的安全事件的潜在可能。

在另一实施例中，PPEMS 6可基于使用数据安排预防性维护或自动购买呼吸器13的部件。例如，PPEMS 6可确定呼吸器13的鼓风机已在操作中的小时数，并且基于此类数据安排鼓风机的预防性维护。PPEMS 6可基于来自过滤器的历史和/或当前使用数据，自动订购用于呼吸器13的过滤器。

再者，PPEMS 6可基于将使用数据应用于表征呼吸器13中的一个的用户的活动的一个或多个安全学习模型，确定上面描述的绩效特点，并且/或者生成警示数据。安全学习模型可基于历史数据或已知安全事件进行训练。然而，虽然相对于PPEMS 6描述了确定，但是如本文更详细描述的，一个或多个其他计算设备诸如集线器14或呼吸器13可被配置为执行此类功能的所有或子集。

在一些实施例中，使用监督和/或增强学习技术训练安全学习模型。安全学习模型可使用用于监督和/或增强学习的任何数量的模型来实施，该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，仅举几个实施例。在一些实施例中，PPEMS 6初始基于度量的训练集和对应于安全事件训练安全学习模型。训练集可包括特征向量集，其中特征向量中每个特征表示为特定度量的值。作为另外的实施例描述，PPEMS 6可选择包括训练实例集的训练集，每个训练实例包括使用数据与安全事件之间的关联。使用数据可包括一个或多个度量，一个或多个度量表征用户、工作环境和一个或多个PPE制品中的至少一个。对于训练集中的每个训练实例，PPEMS 6可基于训练实例的特定使用数据和特定安全事件来修改安全学习模型，以响应于应用于安全学习模型的后续使用数据，改变针对特定安全事件由安全学习模型预测的可能性。在一些实施例中，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。同样地，在PPEMS 6执行与当前在使用中的、活动的或在操作中的PPE、工人和/或工作环境的安全事件的检测或预测相关的操作之后，可由使用一个或多个PPE制品来生成训练实例集的一个或多个训练实例。

一些示例性度量可包括本公开中描述的与PPE、工人或工作环境(仅举几个实施例)相关的任何特点或数据。例如，示例性度量可包括但不限于：工人身份、工人运动、工人位置、工人年龄、工人经历、工人生理参数(例如，心率、温度、血氧水平、血液中的化学组成，或任何其他可测量的生理参数)，或描述工人或工人行为的任何其他数据。示例性度量可包括但不限于：PPE类型、PPE使用、PPE年龄、PPE操作或描述PPE或PPE使用的任何其他数据。示例性度量可包括但不限于：工作环境类型、工作环境位置、工作环境温度、工作环境危害、工作环境大小，或描述工作环境的任何其他数据。

每个特征向量也可具有对应的安全事件。如在本公开中描述的，安全事件可包括但不限于：个人保护装备(PPE)的用户的活动、PPE的条件，或有危害的环境条件，仅举几个实施例。通过基于训练集训练安全学习模型，可由PPEMS 6将安全学习模型配置为当将特定特征向量应用于安全学习模型时，为对应于更加类似于特定特征集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，可由PPEMS 6将安全学习模型配置为当将特定特征向量应用于安全学习模型时，为对应于较不类似于特定特征集的训练特征向量的安全事件，生成较低概率或评分。于是，可训练安全学习模型，使得在接收到度量的特征向量时，安全学习模型可基于特征向量输出指示安全事件的可能性的一个或多个概率或评分。同样地，PPEMS 6可将发生的可能性选择为安全事件可能性集中的安全事件的发生的最高可能性。

在一些实例中，PPEMS 6可将分析应用于PPE的组合。例如，PPEMS 6可绘制呼吸器13和/或与呼吸器13一起使用的其他PPE(诸如坠落保护装备、头部保护装备、听力保护装备等)的用户之间的相关性。也就是说，在一些实例中，PPEMS 6可不仅基于来自呼吸器13的使用数据，也基于来自与呼吸器13一起使用的其他PPE的使用数据，确定安全事件的可能性。在此类实例中，PPEMS 6可包括一个或多个安全学习模型，一个或多个安全学习模型由来自除了呼吸器13之外与呼吸器13一起使用的一个或多个设备的已知安全事件的数据构造。

在一些实施例中，安全学习模型基于来自具有类似特点的(例如，相同类型的)工人、PPE制品和/或工作环境中的一个或多个的安全事件。在一些实施例中，“相同类型”可指PPE的相同但单独的实例。在其他实施例中，“相同类型”可不指PPE的相同实例。例如，虽然不相同，但是相同类型可指PPE的相同等级或类别、相同的PPE模型，或一个或多个共享功能或物理特点的相同集(仅举几个实施例)中的PPE。类似地，相同类型的工作环境或工人可指工作环境类型或工人类型的相同但单独的实例。在其他实施例中，虽然不相同，但是相同类型可指工人或工作环境的相同等级或类别，或一个或多个共享行为、生理、环境特点的相同集(仅举几个实施例)中的工人或工作环境。

在一些实施例中，为了将使用数据应用于模型，PPEMS 6可生成存储使用数据的结构(诸如特征向量)。特征向量可包括值集，值集对应于度量(例如，表征PPE、工人、工作环境，仅举几个实施例)，其中该值集被包括在使用数据中。模型可接收特征向量作为输入，并且基于由已经训练的模型定义的一个或多个关系(例如，本领域普通技术人员的知识内的概率性、确定性或其他函数)，模型可基于特征向量输出指示安全事件可能性的一个或多个概率或评分。

一般来讲，虽然某些技术或功能在本文中被描述为由某些部件(例如，PPEMS 6、呼吸器13或集线器14)来执行，但应当理解，本公开的技术不限于该方式。也就是说，本文所述的某些技术可由所描述的系统的部件中的一个或多个执行。例如，在一些实例中，呼吸器13可具有相对有限的传感器设定和/或处理能力。在此类实例中，集线器14和/或PPEMS 6中的一个可对使用数据的处理、确定安全事件的可能性等中的大部分或所有负责。在其他实施例中，呼吸器13和/或集线器14可具有附加传感器、附加处理能力和/或附加存储器，允许呼吸器13和/或集线器14执行附加技术。关于哪些部件对执行技术负责的确定可基于例如处理成本、财务成本、功率消耗等。

图3是也可大致被称为空气供给系统的暴露指示过滤后的空气呼吸器系统100的系统图。系统100表示图2所示的呼吸器13的一个实施例。系统100包括头罩110、清洁空气供给源120、通信集线器130、环境信标140和PPEMS 150。头罩110通过软管119连接到清洁空气供给源120。清洁空气供给源120可为任何类型的空气供给源，诸如用于动力空气净化呼吸器(PAPR)的鼓风机组件、用于自备式呼吸器(SCBA)的空气罐或将空气提供到头罩110的任何其他设备。在图3中，清洁空气供给源120为PAPR的鼓风机组件。PAPR常常由在已知存在以下或有存在以下：潜在地对健康有害或有危害的粉尘、烟雾或气体的潜在可能的区域中工作的个体使用。PAPR通常包括鼓风机组件，该鼓风机组件包括由电动马达驱动的用于将强制空气流递送到呼吸器用户的风扇。空气通过软管119从PAPR鼓风机组件传递到头罩110的内部。

头罩110包括定尺寸成配合在至少用户的鼻部和嘴部上方的护目镜112。护目镜112包括通过框架组件114固定到头盔118的透镜116。头罩也包括位置传感器111，位置传感器111感测相对于头盔118护目镜112的位置，以确定护目镜处于打开位置还是关闭位置。在一些实例中，位置传感器111可检测护目镜112是否被部分地打开，并且如果是，则检测护目镜112打开的限度(例如，百分比或程度)。作为实施例，位置传感器110可为陀螺仪，陀螺仪计算相对于头盔118护目镜112的角横摆、俯仰和/或侧倾(以度或弧度为单位)。在另一实施例中，位置传感器110可为磁体。通过确定由位置传感器110感知的磁场强度或通量，可估计关于护目镜112相对于头盔118打开多少的百分比。“部分地打开”护目镜信息可用于指明用户可正在接收针对危害的眼睛和面部保护，同时仍然接收合理数量的呼吸保护。该“部分地打开”护目镜状态如果保持较短的持续时间，则可协助用户与其他工人面对面交流。位置传感器111可为多种类型的传感器，例如，加速度计、陀螺仪、磁体、开关、电位差计、数字定位传感器或空气压力传感器。位置传感器111也可为上面列出的传感器中的任一个的组合，或可用于检测相对于头盔118护目镜112的位置的任何其他类型的传感器。头罩110可通过悬架(未示出)支撑在用户的头部上。

头罩110可包括其他类型的传感器。例如，头罩110可包括检测头罩110的内部中的环境温度的温度传感器113。头罩110可包括其他传感器诸如红外头部检测传感器，红外头部检测传感器被定位在头罩110的悬架附近，以检测头罩110中的头部的存在，或换句话讲，以检测头罩110是否在任何给定的时间点被佩戴。头罩110也可包括其他电子部件，诸如通信模块、功率源(诸如电池)和处理部件。通信模块可包括多种通信能力，诸如射频识别(RFID)、包括任何代的蓝牙诸如蓝牙低功耗(BLE)的蓝牙、任何类型的无线通信(诸如WiFi、Zigbee、射频或对于本领域技术人员在阅读本公开时将显而易见的其他类型的通信方法)。

头罩110中的通信模块可与传感器诸如位置传感器111或温度传感器113电接口连接，使得通信模块可将信息从位置传感器111或温度传感器113传输到其他电子设备，其他电子设备包括通信集线器130。通信集线器130示出图2所示的集线器14的一个实施例。通信集线器130包括处理器、通信模块和电源。通信集线器130的通信模块可包括任何期望的通信能力，诸如：RFID、包括任何代的蓝牙技术的蓝牙和WiFi通信能力。通信集线器130也可包括任何类型的无线通信能力，诸如射频或Zigbee通信。

通信集线器130包括电子模块132，电子模块132具有功率源诸如电池，以将功率提供到处理器和通信模块两者。可再充电电池诸如锂离子电池可提供紧凑且长寿命的功率源。通信集线器130可适于使电触点暴露或从集线器的外部可触及，以允许对通信集线器130再充电。

通信集线器130可包括可接收、存储和处理信息的处理器。例如，通信集线器130中的通信模块可从头罩110中的通信模块或直接从位置传感器111接收信息，该信息指示护目镜112的位置、护目镜112是打开还是关闭，以及在什么时间护目镜112位置改变。由传感器收集并传输到通信集线器130或从通信集线器130传输的任何信息可基于感测或检测的事件的时间、基于信息传输的时间或两者来加上时间戳。

通信集线器130中的一个或多个处理器可存储该信息，并且将该信息与接收的其他信息进行比较。接收的其他信息可包括例如来自环境信标140的信息和来自PPEMS 150的信息。通信集线器130还可存储规则，诸如在生成警示之前护目镜112被允许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的阈值信息。例如，当通信集线器130从环境信标140接收到没有存在于环境中的危害的信息时，护目镜112处于打开位置的阈值可为无限的。如果危害存在于环境中，则将基于对用户的威胁的关注确定阈值。辐射、危险气体或有毒烟雾都需要将阈值分配为大约一秒或更少。

头罩温度的阈值可用于预测与热相关的疾病，并且可向用户推荐更频繁的水合和/或休息时段。阈值可用于预测的电池运行时间。当电池临近可选择的剩余运行时间时，可通知/警告用户完成其当前任务，并且寻求新电池。当超过具体环境危害的阈值时，紧急警示可被给定到用户以撤离极近区域。阈值可定制为护目镜的各种开放级别。换句话讲，如果与打开位置相比护目镜处于部分打开的位置，则护目镜可打开而不触发警报的时间量的阈值可更长。

用户的个体健康状态可为用于调整阈值的因素。如果用户处于穿戴或脱去可花费很长时间的情况，则可调整电池通知阈值以允许有时间去穿戴或脱去PPE。

达到不同的阈值可导致触发不同类型的警示或警报。例如，警报可为信息的(不需要用户响应)、紧急的(重复的且需要来自用户的响应或确认)或应急的(需要来自用户的立即的动作)。警示或警报的类型可受到环境的调控。不同类型的警示或警报可耦接在一起以得到用户注意。在一些实例中，用户可能够“推迟(snooze)”警示或警报。

通信集线器130可包括用户界面，诸如显示器、灯、按钮、按键(诸如，箭头或其它指示符按键)，并且可能够以多种方式诸如通过发出警报声或通过振动来将警示提供到用户。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。用户界面也可用于控制不是直接在用户范围内的头罩和/或涡轮外围设备的设定。例如，涡轮外围设备可佩戴在下背部上，在下背部处，佩戴者在非常困难的情况下才能触及控件。

通信集线器130可为便携式的，使得通信集线器130可由用户携带或佩戴。通信集线器130也可为个人的，使得通信集线器130由个体使用且与分配给该个体的个人保护装备(PPE)通信。在图3中，通信集线器130使用条带134固定到用户。然而，通信集线器可由用户携带或以其他方式固定到用户，诸如固定到由用户佩戴的PPE，到佩戴到用户的其他服装，附接到皮带、带子、带扣、夹具或对于本领域技术人员在阅读本公开时将显而易见的其他附接机构。

环境信标140包括检测危害的存在的至少环境传感器142和通信模块144。环境传感器142可检测关于围绕环境信标140的区域的多种类型的信息。例如，环境传感器142可为检测温度的温度计、检测压力的气压计、检测移动或位置改变的加速度计、用于检测潜在有害气体如一氧化碳或用于检测空气悬浮污染物或颗粒(诸如烟气、烟灰、粉尘、霉菌、杀虫剂、溶剂(例如，异氰酸酯、氨、漂白剂等)和挥发性有机化合物(例如，丙酮、乙二醇乙醚、苯、二氯甲烷等)的空气污染物传感器。环境传感器142可检测例如由四个气体传感器(包括：CO、O2、HS和低暴露极限)检测的任何常见气体。在一些实例中，当污染物水平超过指定的危害阈值时，环境传感器142可确定存在危害。在一些实例中，指定的危害阈值是由系统的用户或操作者可配置的。在一些实例中，指定的危害阈值被存储在环境传感器和个人通信集线器中的至少一个上。在一些实例中，指定的危害阈值被存储在PPEMS 150上，并且可被发送到通信集线器130或环境信标140，并且本地存储在通信集线器130或环境信标140上。在一些实施例中，PPEMS 150可为本公开的PPEMS 6的实施例。

环境信标通信模块144电子连接到环境传感器142以从环境传感器142接收信息。通信模块144可包括多种通信能力，诸如：RFID、包括任何代的蓝牙技术的蓝牙和WiFi通信能力。通信集线器130也可包括任何类型的无线通信能力，诸如射频或Zigbee通信。

在一些实例中，环境信标140可基于环境信标140的位置存储危害信息。例如，如果环境信标140处于已知具有物理危害(诸如飞行对象的潜在可能)的环境中，则环境信标140可存储此类信息，并基于环境信标140的位置传达危害的存在。在其他实例中，可基于由环境传感器142检测到危害由环境信标140生成指示存在危害的信号。

系统也可具有暴露阈值。暴露阈值可存储在PPEMS 150、通信集线器130、环境信标140和头罩110的任何组合上。指定的暴露阈值是在生成警示之前护目镜112可处于打开位置期间的时间阈值。换句话讲，如果护目镜在超过指定的暴露阈值的时间段内处于打开位置中，则可生成警示。指定的暴露阈值可为由系统的用户或操作者可配置的。指定的暴露阈值可取决于与个体的健康、年龄或其他人口统计信息相关的个人因素，取决于用户处于的环境的类型，并且取决于暴露于危害的危险。

可在多种场景中且以多种方式生成警示。例如，可基于从头罩110和环境传感器140接收的信息由通信集线器130生成警示。警示可为传输到PPEMS 150或到系统100的任何其他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个或多个：触知、振动、听觉、视觉、平视显示或射频信号。

图4为暴露指示过滤后的空气呼吸器系统200的电子部件的框图。过滤后的空气呼吸器系统200使用任何类型的无线通信模式(诸如RFID、包括任何代的蓝牙技术的蓝牙，以及WiFi通信能力、射频或Zigbee通信)与环境信标240和PPEMS 250进行电子通信。在一些实施例中，PPEMS 250可为本公开的PPEMS 6的实施例。环境信标240和PPEMS 250可无线地或通过有线连接通信。

过滤后的空气呼吸器系统200包括头罩210、通信集线器230和清洁空气供给源220。头罩210包括若干电子部件，诸如位置传感器211、头部检测传感器212、温度传感器213和通信模块214。虽然这些是头罩210中的示例性电子部件，但是头罩210可包含附加电子部件，诸如用于接收、存储和处理来自位置传感器211、头部检测传感器212和温度传感器213中的每个的信息以及由通信模块214从其他设备接收的信息的处理器。处理器也可控制头罩210中的传感器和通信模块中的一些或所有。其他类型的部件诸如电池或其他功率源和其他类型的传感器也可包括在头罩210中。

通信集线器230与头罩210和清洁空气供给源220中的每个进行电子通信。通信集线器230可包括任何期望的通信能力，诸如：RFID、包括任何代的蓝牙技术的蓝牙和WiFi通信能力。通信集线器230也可包括任何类型的无线通信能力，诸如射频或Zigbee通信。通信集线器230也可与环境信标240和PPEMS 250进行电子地通信。

清洁空气供给源220包括马达和风扇组件，风扇组件将加压空气源提供到头罩210。除此之外，清洁空气供给源包括处理器224和通信模块222。处理器224可与清洁空气供给源220内的其他部件接口连接。例如，处理器224可与清洁空气供给源220的电池或功率源接口连接，以确定在任何给定时间点特定电池剩余多少电池寿命。处理器224也可与控制风扇速度的马达通信，以确定多少空气被强制通过清洁空气供给源220中的过滤器，并且因而估计剩余的过滤器寿命。来自位置传感器211的数据也可由处理器224收集以确定护目镜打开或关闭的限度和/或护目镜改变状况的频率。头部检测传感器212和温度传感器213数据也可被传输到处理器224用于附加分析。在一个实施例中，如果头部检测传感器212不检测头部，温度传感器213也不指示温度上升且位置传感器211打开，则将不生成、传输或存储警示。清洁空气供给源220中的处理器224可跟踪信息诸如流率、跨越过滤器的压降、过滤器存在/对过滤器的识别、电池运行时间、鼓风机运行时间、过滤器运行时间，以及头罩是松动配合头罩还是紧密配合头罩。通信模块222与处理器224进行电气通信。通信模块222可包括任何期望的通信能力，诸如：RFID、包括任何代的蓝牙技术的蓝牙和WiFi通信能力。通信模块222也可包括任何类型的无线通信能力，诸如射频或Zigbee通信。通信模块可与通信集线器230无线通信。在一些实例中，通信模块可与其他设备诸如环境信标240和PPEMS 250通信。

图5是与确定暴露相关联的并指示暴露于用户的流程图300。虽然图5中所示的步骤是与本公开相关联的示例性操作，但是步骤次序的变型和附加步骤对于本领域技术人员在阅读本公开时将是显而易见的。

初始，头罩可被提供到用户(310)。头罩可包括定尺寸成配合在至少用户的鼻部和嘴部上方的护目镜、位置传感器和头罩通信模块。本文描述了头罩的各种实施方案。在一些实例中，可提供附加的几件PPE或其它设备，诸如清洁空气供给源、个人通信集线器或任何其他期望的部件。

计算设备(例如，在数据集线器、PPE或远程计算设备中的)可检测护目镜是否处于打开位置(320)。由头罩中的位置传感器检测护目镜位置。如果护目镜处于关闭位置(或不处于打开位置)，则重复320的操作。如果护目镜处于打开位置，则计算设备然后查询是否存在危害(330)。可以多种方式检测危害，如本文所述。

如果没有检测到危害，则计算设备返回操作以查询护目镜是否打开。如果在步骤330中检测到危害，则生成警示(340)。可生成多种类型的警示。例如，警示可包括以下类型的信号中的一个或多个：触知、振动、听觉、视觉、平视显示或射频信号。在一些实例中，除非首先满足暴露阈值和/或危害阈值，否则不生成警示。所示出的步骤的其他变型在本公开的范围内。例如，在一些实例中，由环境传感器检测危害的存在。在一些实例中，当污染物水平超过指定的危害阈值时，环境传感器确定危害的存在。

在一些实例中，在护目镜已经在超过指定暴露阈值的一段时间内处于打开位置之后，生成警示。在一些实例中，头罩还包括头部检测传感器，并且其中只有在头部检测传感器检测到由用户佩戴头罩时，才生成警示。在一些实例中，系统也检测护目镜是否处于部分打开位置。在一些实例中，头罩还包括温度传感器，其中温度传感器检测头罩的内部中的温度。

图6是包括头罩410与定尺寸成配合在至少用户的鼻部和嘴部上方的护目镜412的暴露指示头罩系统400。系统400表示图2所示的呼吸器13的一个实施例。护目镜412包括通过框架组件414固定到头盔418的透镜416。头罩也包括位置传感器411，位置传感器411感测相对于头盔418护目镜412的位置，以确定护目镜处于打开位置还是关闭位置。在一些实例中，位置传感器411可检测护目镜412是否被部分打开，并且如果是，则检测护目镜412打开的限度(例如，百分比或程度)。作为实施例，位置传感器110可为陀螺仪，陀螺仪计算相对于头盔118护目镜112的角横摆、俯仰和/或侧倾(以度或弧度为单位)。在另一实施例中，位置传感器110可为磁体。通过确定由位置传感器110感知的磁场强度或通量，可估计关于护目镜112相对于头盔118打开多少的百分比。位置传感器411可为多种类型的传感器，例如加速度计、陀螺仪、磁体、开关或空气压力传感器。位置传感器411也可为上面列出的传感器中的任一个的组合，或可用于检测相对于头盔418护目镜412的位置的任何其他类型的传感器。头罩410可通过悬架(未示出)支撑在用户的头部上。

头罩410可包括其他类型的传感器。例如，头罩410可包括检测头罩410的内部中的环境温度的温度传感器413。头罩410可包括其他传感器诸如红外头部检测传感器，红外头部检测传感器被定位在头罩410的悬架附近，以检测头罩410中的头部的存在，或换句话讲，以检测头罩410是否在任何给定的时间点被佩戴。头罩410也可包括其他电子部件，诸如通信模块417、功率源(诸如电池)和处理部件。通信模块可包括多种通信能力，诸如射频识别(RFID)、包括任何代的蓝牙诸如蓝牙低功耗(BLE)的蓝牙、任何类型的无线通信(诸如WiFi、Zigbee、射频或对于本领域技术人员在阅读本公开时将显而易见的其他类型的通信方法)。

通信模块可与传感器诸如位置传感器411或温度传感器413电接口连接，使得通信模块可将信息从位置传感器411或温度传感器413传输到其他电子设备，其他电子设备包括通信集线器430。通信集线器430可包括用户界面，诸如显示器、灯、按钮、按键(诸如，箭头或其它指示符按键)，并且可能够以多种方式诸如通过发出警报声或通过振动来将警示提供到用户。用户可设置集线器的WiFi参数。用户界面包括例如按钮、LED和振动能力。

通信集线器430可为便携式的，使得通信集线器430可由用户携带或佩戴。通信集线器430也可为个人的，使得通信集线器430由个体使用并与分配给该个体的个人保护装备(PPE)通信。在图6中，通信集线器430使用条带434固定到用户。然而，通信集线器可由用户携带或以其他方式固定到用户，诸如固定到由用户佩戴的PPE，到佩戴到用户的其他服装，附接到皮带、带子、带扣、夹具或对于本领域技术人员在阅读本公开时将显而易见的其他附接机构。

图7是指示头罩和通信集线器系统500的集成式暴露部。系统500表示图2所示的呼吸器13的一个实施例。系统500包括头罩510。头罩510包括定尺寸成配合在至少用户的鼻部和嘴部上方的至少护目镜512。头罩510还包括位置传感器511，位置传感器511检测护目镜处于关闭位置还是处于打开位置。头罩510也包括通信模块517。如果通信模块517接收指示危害的存在的信号，并且如果护目镜512处于打开位置，则生成警示。

通信模块517可包括多种通信能力，诸如射频识别(RFID)、包括任何代的蓝牙诸如蓝牙低功耗(BLE)的蓝牙、任何类型的无线通信(诸如WiFi、Zigbee、射频或对于本领域技术人员在阅读本公开时将显而易见的其他类型的通信方法)。通信模块517可从多种其他设备(诸如环境信标、数据库或另一通信设备(诸如如本文所述的通信集线器))接收指示危害的存在的信号。

图8示出了根据本公开的暴露指示过滤后的空气呼吸器系统。可购自明尼苏达州圣保罗3M公司(3M Company of St.Paul,MN)的3M^TMVersaflo^TM重工业PAPR套件TR-300-HIK(3M^TMVersaflo^TMHeavy Industry PAPR Kit TR-300-HIK)的头罩110被修改以包括在护目镜112和头盔118之间的位置传感器111。位置传感器110是可购自意法半导体(STMicroelectronics)的LIS3MDL磁力仪。如本文所述的通信集线器130经由蓝牙无线地连接到在监测位置传感器111的头罩内的处理器。可购自Kontakt.io的信标140(Kontakt.io智能信标2(Smart Beach Two))使用全球定位系统(GPS)坐标和辐射危害环境条件被编程有地理位置。头罩110的护目镜112初始关闭。通信集线器130与信标140无线地接触，并基于GPS位置和辐射危害状况，确定头罩位于有危害的环境中。护目镜112然后被打开，并且生成警示，并且警示用通信集线器130上的闪光发光二极管(LED)指示。

图8示出通信集线器130的部件，包括处理器800、通信单元802、存储设备804、用户界面(UI)设备806、传感器808、使用数据810、安全规则812、规则引擎814、警示数据816和警示引擎818。如上面提到的，通信集线器130表示图2所示的集线器14的一个实施例。图8仅示出了通信集线器130的一个特定实施例，如图8所示。通信集线器130的许多其它实施例可用于其它实例中，并且可包括示例性通信集线器130中包括的部件的子集，或者可包括图8中的示例性通信集线器130中未示出的附加部件。

在一些实施例中，通信集线器130可为本质安全计算设备、智能电话、腕部或头部可佩戴计算设备，或可包括如通信集线器130中所示的功能或部件的集、子集或超集的任何其它计算设备。通信信道可(物理地、通信地和/或可操作地)互连通信集线器130中的部件中的每个用于部件间通信。在一些实施例中，通信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/或软件之间传达数据的任何其他部件。

通信集线器130也可包括功率源诸如电池，以将功率提供到通信集线器130中所示的部件。可再充电电池诸如锂离子电池可提供紧凑且长寿命的功率源。通信集线器130可适于使电触点暴露或从集线器的外部可触及，以允许对通信集线器130再充电。如上面提到的，通信集线器130可为便携式的，使得通信集线器130可由用户携带或佩戴。通信集线器130也可为个人的，使得通信集线器130由个体使用且与分配给该个体的个人保护装备(PPE)通信。在图8中，通信集线器130使用条带134固定到用户。然而，通信集线器可由用户携带或以其他方式固定到用户，诸如固定到由用户佩戴的PPE，到佩戴到用户的其他服装，附接到皮带、带子、带扣、夹具或对于本领域技术人员在阅读本公开时将显而易见的其他附接机构。

一个或多个处理器800可实施通信集线器130内的功能，并且/或者执行通信集线器130内的指令。例如，处理器800可接收并执行由存储设备804存储的指令。由处理器800执行的这些指令可引起数据集线器130在程序执行期间在存储设备804内存储和/或修改信息。处理器800可执行部件诸如规则引擎814和警示引擎818的指令，以根据本公开的技术执行一个或多个操作。也就是说，规则引擎814和警示引擎818可为由处理器800可操作的以执行本文所述的各种功能。

通信集线器130的一个或多个通信单元802可通过传输和/或接收数据与外部设备进行通信。例如，通信集线器130可使用通信单元802在无线电网络诸如蜂窝无线电网络上传输和/或接收无线电信号。在一些实施例中，通信单元802可在卫星网络诸如全球定位系统(GPS)网络上传输和/或接收卫星信号。通信单元802的实施例包括网络接口卡(例如，诸如以太网卡)、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他类型的设备。通信单元802的其他实施例可包括存在于移动设备中的

GPS、3G、4G和

无线电以及通用串行总线(USB)控制器等。

通信集线器130内的一个或多个存储设备804可存储用于在通信集线器130的操作期间进行处理的信息。在一些实施例中，存储设备804是暂时存储器，这意味着存储设备804的主要目的不是长期存储。存储设备804可被配置用于信息的短期存储，如易失性存储器，并且因而如果被去激活则不保留存储的内容。易失性存储器的实施例包括随机访问存储器(RAM)、动态随机访问存储器(DRAM)、静态随机访问存储器(SRAM)以及本领域已知的其它形式的易失性存储器。

在一些实施例中，存储设备804也包括一种或多种计算机可读存储介质。存储设备804可被配置为与易失性存储器相比存储更大量的信息。存储设备804还可被配置用于信息的长期存储，如非易失性存储器空间，并且在激活/关周期之后保留信息。非易失性存储器的实施例包括磁性硬盘、光学盘、软盘、闪存存储器或电可编程存储器(EPROM)或电可擦可编程(EEPROM)存储器的形式。存储设备804可存储与部件诸如规则引擎814和警示引擎818相关联的程序指令和/或数据。

UI设备806可被配置为接收用户输入，并且/或者将信息输出到用户。UI设备806的一个或多个输入部件可接收输入。输入的实施例为触知、音频、动力学和光学输入，仅举几个实施例。在一个实施例中，通信集线器130的UI设备806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他类型的设备。在一些实施例中，UI设备806可为存在敏感输入部件，存在敏感输入部件可包括存在敏感屏幕、触敏屏幕等。

UI设备806的一个或多个输出部件可生成输出。输出的实施例为数据、触知、音频和视频输出。在一些实施例中，UI设备806的输出部件包括存在敏感屏幕、声卡、视频图形适配器卡、扬声器、阴极射线管(CRT)监测器、液晶显示器(LCD)或用于向人类或机器生成输出的任何其他类型的设备。输出部件可包括显示部件诸如阴极射线管(CRT)监测器、液晶显示器(LCD)、发光二极管(LED)或用于生成触知、音频和/或视觉输出的任何其他类型的设备。在一些实施例中，输出部件可与通信集线器130集成。

UI设备806可包括显示器、灯、按钮、按键(诸如箭头或其它指示符按键)，并且可能够以多种方式诸如通过发出警报声或通过振动将警示提供到用户。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。用户界面也可用于控制不是用户直接达到的头罩和/或涡轮外围设备的设定。例如，涡轮外围设备可佩戴在下背部上，在下背部处，佩戴者在非常困难的情况下才能触及控件。

传感器808可包括一个或多个传感器，一个或多个传感器生成指示与集线器14相关联的工人10的活动的数据和/或指示集线器14位于的环境的数据。作为实施例，传感器808可包括一个或多个加速度计、用于检测存在于特定环境中的条件的一个或多个传感器(例如，用于测量温度、湿度、颗粒含量、噪声级别、空气质量或可使用呼吸器13的环境的任何种类的其他特点的传感器)，或多种其他传感器。

通信集线器130可存储来自空气呼吸器系统100的部件的使用数据810。例如，如本文描述的，空气呼吸器系统100的部件(或呼吸器13的任何其他实施例)可生成关于系统100的操作的指示工人10的活动的数据，并且实时或近实时地将数据传输到集线器130。使用数据可包括例如表1-表3中所示的数据。

在一些实施例中，集线器130可经由通信单元802将使用数据810立即中继到另一计算设备诸如PPEMS 6。在其他实施例中，存储设备804可在将数据上载到另一设备之前的一些时间内存储使用数据810。例如，在一些实例中，通信单元802可能够与系统100通信，但可不具有网络连接性，例如，由于系统100位于的环境和/或网络中断。在此类实例中，集线器130可将使用数据810存储到存储设备804，这可允许使用数据在网络连接变得可用时被上载到另一设备。

通信集线器130可存储如本公开所描述的安全规则812。安全规则812可存储在如本公开中描述的任何合适的数据存储库中。在一些实施例中，安全规则812可包括在上面表4的实施例中阐述的规则。

作为用于例示目的的实施例，安全规则812可包括用于在生成警示之前允许护目镜112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的阈值信息。例如，当数据集线器130从环境信标接收到没有存在于环境中的危害的信息时，护目镜112处于打开位置的阈值可为无限的。如果危害存在于环境中，则可基于对用户的威胁的关注确定阈值。辐射、危险气体或有毒烟雾都需要将阈值分配为大约一秒或更少。

头罩温度的阈值可用于例如由PPEMS 6预测与热相关的疾病，并且可向用户推荐更频繁的水合和/或休息时段。阈值可用于预测的电池运行时间。当电池临近可选择的剩余运行时间时，可通知/警告用户完成其当前任务，并且寻求新电池。当超过具体环境危害的阈值时，紧急警示可被给定到用户以撤离极近区域。阈值可定制为护目镜的各种开放级别。换句话讲，如果与打开位置相比护目镜处于部分打开的位置，则护目镜可打开而不触发警报的时间量的阈值可更长。

达到安全规则812中阐述的不同阈值可导致触发不同类型的警示或警报。例如，警报可为信息的(不需要用户响应)、紧急的(重复的且需要来自用户的响应或确认)或应急的(需要来自用户的立即的动作)。警示或警报的类型可受到环境的调控。不同类型的警示或警报可耦接在一起以得到用户注意。在一些实例中，用户可能够“推迟(snooze)”警示或警报。

规则引擎814可为执行一个或多个安全规则(诸如安全规则812)的硬件和软件的组合。例如，规则引擎814可基于上下文数据、包括在安全规则集中的信息、从PPEMS 6或其他计算设备接收的其他信息、来自工人的用户输入或指示要执行哪些安全规则的任何其他数据源，确定要执行哪些安全规则。在一些实施例中，安全规则812可在工人进入工作环境之前装配，而在其他实施例中，安全规则812可由通信集线器130基于在第一特定时间点生成的上下文数据来动态地检索。

规则引擎814可周期性地、连续或异步执行安全规则。例如，规则引擎814可每当特定时间间隔过去或到期时(例如，每秒、每分钟等)通过评估此类规则的条件，周期性地执行安全规则。在一些实施例中，规则引擎814可通过使用连续评估安全规则的条件的一种或多种安排技术核查此类条件，连续执行安全规则。在一些实施例中，规则引擎814可(诸如响应于检测事件)异步执行安全规则。事件可为任何可检测的发生，诸如移动到新位置、检测工人、在另一对象的阈值距离内或任何其他可检测的发生。

规则引擎814在确定已经满足或不满足安全规则的条件时可通过执行定义动作的一个或多个操作执行与安全规则相关联的一个或多个动作。例如，规则引擎814可执行确定工人是否正在逼近或已进入工作环境的条件，(a)是否由工人正在佩戴PAPR，以及(b)PAPR中的过滤器是否是特定类型的过滤器，例如，移除特定类型污染物的过滤器。该安全规则可规定如果不满足条件的动作，这引起规则引擎814使用UI设备806在通信集线器130处生成警示，并且使用通信单元802将消息发送到PPEMS 6，这可引起PPEMS 6将通知发送到远程用户(例如，安全管理器)。

警示数据816可用于由UI设备806生成用于输出的警示。例如，集线器130可使用计算设备18、安全站15或其他计算设备从PPEMS 6、终端用户计算设备16、远程用户接收警示数据。在一些实施例中，警示数据816可基于系统100的操作。例如，集线器130可接收指示系统100的状况、系统100适合于系统100位于的环境、系统100位于的环境是不安全的等的警示数据816。

在一些实施例中，除此之外或另选地，集线器130可接收与安全事件的可能性相关联的警示数据816。例如，如上面提到的，在一些实施例中，PPEMS 6可将历史数据和模型应用于来自系统100的使用数据，以便基于环境条件或使用系统100的工人的行为模式，计算断言诸如异常或预测的即将来临的安全事件的发生。也就是说，PPEMS 6可应用分析来识别来自系统100的感测数据、系统100位于的环境的环境条件、系统100位于的地理区域和/或其他因素之间的关系或相关性。PPEMS 6可基于跨越工人10群体采集的数据，确定可能在某些环境或地理区域内的哪些特定活动致使或被预测为致使不寻常地高的安全事件发生。集线器130可从PPEMS 6接收指示安全事件的相对较高的可能性的警示数据816。

警示引擎818可为硬件和软件的组合，硬件和软件的组合解释警示数据816并在UI设备806处生成输出(例如，听觉、视觉或触知输出)以向工人10通知警示条件(例如，安全事件的可能性相对较高、环境是危险的、系统100出故障、系统100的一个或多个部件需要修理或置换等)。在一些实例中，警示引擎818也可解释警示数据816，并且将一个或多个命令发布到系统100，以修改系统100的操作或强制执行系统100的规则，以便使系统100的操作符合期望的/风险更小的行为。例如，警示引擎818可发布控制头罩110或清洁空气供给源120的操作的命令(例如，以增加鼓风机的速度等)。

图9-图16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实施例用户界面(UI)。例如，如本文所述，呼吸器13可被配置为将采集的使用数据传输到PPEMS 6。计算设备诸如计算设备60可请求PPEMS 6执行数据库查询或以其他方式生成并输出报告或用户界面以例如通过仪表板、警示通知、报告等的方式呈现采集的安全信息、合规信息和分析引擎的任何结果。也就是说，如本文所述，用户24、用户26或在计算设备16、计算设备18(图1)上执行的软件可将查询或其他通信提交到PPEMS 6，并且接收对应于查询的数据，用于以一个或多个报告或仪表板的形式呈现。图9-图16中所示的UI表示此类报告或仪表板的实施例，并且可例如在计算设备60(图2)中的任一个处输出。

图9-图16中所示的UI可提供关于系统2的各种见解，诸如跨越工人群体的基线(“正常”)操作、参与可潜在地使工人暴露于风险的反常活动的任何异常工人的识别、已经预测或预测发生不寻常地异常(例如，高)安全事件的环境2内的任何地理区域的识别、相对于其他环境展现出安全事件的异常发生的环境8中的任一个的识别等。在一些实施例中，PPEMS 6可响应于检测到安全事件，自动重新配置用户界面。例如，PPEMS 6可确定与和事件相关联的PPE、工人和/或工人环境相关的安全事件的一个或多个特点，并且更新一个或多个用户界面，一个或多个用户界面包括为特定安全事件定制的输入控件。例如，响应于安全事件，可在用户界面中呈现与诸如PPE类型、工作环境位置和/或工人度量的安全事件的特点有关的具体细节，以使得一个或多个人能够用相关信息有效地对安全事件作出响应。

图9示出了具有用于过滤来自至少一个呼吸器(诸如呼吸器13中的至少一个)的使用数据的多个用户可选择过滤器900的UI。计算设备60可基于过滤器选择输出UI内容，UI内容指示对应于过滤器选择的使用数据，如相对于图10更详细地示出的。

图10示出了具有用于过滤来自至少一个呼吸器(诸如呼吸器13中的至少一个)的使用数据的多个用户可选择过滤器1000的UI的另一实施例。再者，计算设备60可基于过滤器选择1006输出UI内容，UI内容指示对应于过滤器选择的使用数据。在图10的实施例中，过滤器选择包括呼吸器13的用户的运动、呼吸器13的电池状况、呼吸器13中用户头部的头部存在，以及环境空气温度。

图10的UI内容也包括在时域1010内的多个使用数据流，其中使用数据流对应于过滤器选择。相对于运动，例如，对应的数据流指示何时用户处于运动或何时不处于运动。此外，UI包括关于时域内的头部检测、环境空气温度和电池状况的内容。

图11示出可由PPEMS 6发布的警示1100的一个实施例。例如，PPEMS 6可生成警示数据，该警示数据指示呼吸器13的用户没有恰当的装备(例如，用于特定环境的不正确过滤器)。PPEMS 6可将警示数据传输到可基于警示数据生成图11所示的UI的计算设备60中的一个。

图12示出了包括时域1200内的多个使用数据流的UI的另一实施例。在一些实施例中，使用数据流对应于过滤器选择。图12的实施例示出了基于生成和显示UI的计算设备的形状因数已经生成的UI。特别地，针对与移动计算设备相关联的形状因数，已经生成了UI。

图13示出了包括多个推荐的报告1300的UI。在一些实施例中，PPEMS 6可基于例如先前针对特定用户(例如，安全管理器)运行的报告、针对部署相同或类似PPE的其他用户(例如，其他安全管理器)运行的报告、在特定环境中部署的PPE的类型等来填充推荐的报告。

图14示出了具有用于过滤来自至少一个呼吸器(诸如呼吸器13中的至少一个)的使用数据的多个用户可选择过滤器1400的UI的另一实施例。再者，计算设备60可基于过滤器选择输出UI内容，UI内容指示对应于过滤器选择的使用数据。在图10的实施例中，过滤器选择包括环境空气温度、呼吸器13的用户的运动、呼吸器13的电池状况、呼吸器13中用户的头部的头部存在、呼吸器13的过滤器的过滤器状况，以及呼吸器13的滤筒的滤筒状况。

如图14的实施例中所示，作为实施例，非限制性过滤器集可包括至少一个呼吸器的呼吸器的用户的识别、至少一个呼吸器的部件、地理位置、时间、温度、用户的运动、环境噪声、对至少一个呼吸器的冲击、至少一个呼吸器的用户的姿势、至少一个呼吸器的电池的电池状况、至少一个呼吸器的护目镜的护目镜位置、在至少一个呼吸器的头罩中头部的存在、至少一个呼吸器的鼓风机的压力、至少一个呼吸器的鼓风机的鼓风机速度、至少一个呼吸器的过滤器的过滤器状况，或至少一个呼吸器的滤筒的状况。

图14的实施例也包括用于过滤来自至少一个呼吸器的警示类型的警示过滤器1404。用户可从警示过滤器1404选择特定更改，并且计算设备可基于警示过滤器选择输出UI内容。在图14的实施例，已经选择了遗失的装备警示，这可导致生成图11中所示的UI内容。

图15示出了报告形式的实施例UI内容，该报告包括按时间的事故的数量、按时间和星期几的事故的数量、按区域的事故的数量，以及按特定工人的事故的数量。图15中所示的事故可对应于来自呼吸器的使用数据和/或基于使用数据生成的警示。例如，图15的UI示出与遗失装备警示相关联的事故。

图16示出了包括在时域1600内的多个使用数据流的UI内容的另一实施例，其中使用数据流可对应于过滤器选择。在图16的实施例中，使用用于显示在用户界面中的垂直线和日期描述输出针对环境空气温度识别出在上午10:46的异常。

图17是示出根据本公开的方面的用于确定安全事件的可能性的示例性过程的流程图。虽然相对于PPEMS 6描述了图17中所示的技术，但应当理解，可由多种计算设备执行该技术。

在所示的实施例中，PPEMS 6从至少一个呼吸器(例如，呼吸器13中的至少一个)获得使用数据(1700)。如本文所述，使用数据包括指示呼吸器13的操作的数据。在一些实施例中，为了使用数据，PPEMS 6可通过轮询呼吸器13或集线器14获得使用数据。在其他实施例中，呼吸器13或集线器14可将使用数据发送到PPEMS 6。例如，当生成使用数据时，PPEMS 6可实时从呼吸器13或集线器14接收使用数据。在其他实施例中，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呼吸器13的用户的活动的安全学习模型(1702)。例如，如本文所述，可基于来自已知安全事件的数据和/或来自呼吸器13的历史数据，训练安全学习模型。以该方式，安全学习模型可被布置用于定义安全区域和不安全区域。

PPEMS 6可基于将使用数据应用于安全学习模型，预测与至少一个呼吸器13相关联的安全事件的发生的可能性(1704)。例如，PPEMS 6可将所获得的使用数据应用于安全学习模型以确定使用数据是与安全活动(例如，如由模型定义的)一致还是与潜在地不安全活动一致。

PPEMS 6可响应于预测安全事件的发生的可能性，生成输出(1706)。例如，当使用数据不与安全活动(如由安全学习模型定义的)一致时，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呼吸器13、安全管理器或另一第三方。

图18是用于基于来自一个或多个呼吸器的使用数据生成包括内容的用户界面(UI)的过程的流程图。图18中所示的技术可用于生成图9-图16中所示的实施例UI。虽然相对于计算设备60描述了图18中所示的技术，但是应当理解，可由多种计算设备执行该技术。

为了由计算设备60显示，计算设备60输出具有用于过滤来自至少一个呼吸器(诸如呼吸器13中的至少一个)的使用数据的多个用户可选择的过滤器的UI(1800)。作为非限制性实施例，过滤器可包括至少一个呼吸器的呼吸器的用户的识别、至少一个呼吸器的部件、地理位置、时间、温度、用户的运动、环境噪声、对至少一个呼吸器的冲击、至少一个呼吸器的用户的姿势、至少一个呼吸器的电池的电池状况、至少一个呼吸器的护目镜的护目镜位置、在至少一个呼吸器的头罩中头部的存在、至少一个呼吸器的鼓风机的压力、至少一个呼吸器的鼓风机的鼓风机速度、至少一个呼吸器的过滤器的过滤器状况，或至少一个呼吸器的滤筒的状况。

计算设备60可由计算设备(例如，由计算设备60的用户)接收用于用户可选择的过滤器的过滤器选择的指示(1802)。计算设备60可基于过滤器选择请求来自一个或多个服务器(诸如PPEMS 6)的使用数据(1804)。然后，为了由计算设备60显示，计算设备60可基于过滤器选择，输出UI内容，UI内容指示对应于过滤器选择的使用数据(1806)。例如，在一些实例中，计算设备60可在时域内生成使用数据的一个或多个数据流，如在图9-图16的各种实施例中所示的。

图19A-图19B示出了根据本公开的包括头罩1910和听力保护器1920的系统1900。如图19A所示，头罩1910可包括类似于如图8和本公开的其他实施方案中所述的头罩110的或与如图8和本公开的其他实施方案中所述的头罩110相同的结构和功能。头罩1910(或其他头戴式设备，诸如头带)可包括听力保护器1920，听力保护器1920包括耳罩附接组件1912。耳罩附接组件1912可包括外壳1914、臂套1916和耳罩1921。听力保护器1920可包括两个单独的耳罩杯1921，两个单独的耳罩杯1921中的一个在图19A-图19B中是可见的，并且另一个在用户的头部的相对侧上，并且类似地被配置为图19A中的可见耳罩杯。臂套1916为在一个或多个不同位置之间可旋转的，使得听力保护器1920可例如在“活动”和“待机”位置(或一个或多个附加中间位置)之间被调整和/或来回切换，如分别在图19A和图19B中所示。在活动位置中，听力保护器1920被配置为至少部分地覆盖用户的耳部。在待机模式中，听力保护器1920处于远离用户的头部和/或不与用户的头部接触的升高位置。例如，当进入或离开必须有听力保护的区域时或当可由用户期望时，用户能够在活动位置和待机位置之间切换。调整到待机位置允许听力保护器1920易于可用于用户将听力保护器1920移动到活动位置，在活动位置处，提供听力保护而无需携带或存储耳罩。

耳罩附接组件1912可直接或间接地附接到头盔、安全帽、条带、头带或其他头部支撑件，诸如头罩1910。头罩1910可与耳罩附接组件1912同时佩戴，并且为耳罩附接组件1912提供支撑。耳罩附接组件1912附接到头罩1910的外表面，并且臂套1916大致在头罩1910的边缘周围向下延伸，使得听力保护器1920的耳罩可理想地定位成覆盖用户的耳部。

在各种实施例中，头罩1910和耳罩附接组件1912可使用各种合适的附接部件联接，各种合适的附接部件诸如卡扣配合部件、铆钉、机械紧固件、粘合剂或本领域已知的其他合适的附接部件。听力保护器1920的耳罩被配置为覆盖用户的耳部和/或头部的至少一部分。在图19A中，耳罩展现出杯形，并且包括衬垫和吸声器(未示出)。当耳罩处于活动位置时，衬垫被配置为接触用户的头部和/或耳部，形成适当的密封以防止声波进入。臂套1916从头罩1910向外延伸，并且被配置为承载听力保护器1920的耳罩。

在图19A-图19B的实施例中，耳罩附接组件1912可具有位置或运动传感器，以检测耳罩是处于待机位置还是处于活动位置。位置或运动传感器可生成一个或多个信号，一个或多个信号指示来自一个或多个位置集的特定位置。信号可指示一个或多个位置值(例如，离散的“活动”/“待机”值、数字位置表示或任何其他合适的编码或测量值)。如果例如由一个或多个位置或运动传感器检测到待机条件(图19B中所示)且如果环境声音检测器(包括在系统1900处或包括在系统1900外部的设备中)检测到不安全的声音级别，则计算设备(包括在系统1900处或包括在系统1900外部)可生成输出的指示，诸如通知、日志条目或其他类型的输出。在图19B中，与图19A的活动位置1918相比，示出待机位置1922。在一些实施例中，输出的指示可为听觉、视觉、触觉或任何其他物理感觉输出。

在高噪声环境中，工人可需要使用为耳塞或耳罩形式的听力保护。耳罩通常包括杯形壳体，杯形壳体带有抵靠用户的耳部密封的吸声衬里。许多工人在佩戴耳罩时也使用头部和/或面部保护。因而，许多耳罩模型被设计成附接到头盔、安全帽或其他头套，诸如图19A-图19B中所示的。该耳罩可经由附接到头套的臂附连到头套，并且在工人的耳部上方或远离工人的耳部的各种位置之间可调整。

如上所述，头套安装的耳罩在以下两个位置之间旋转：耳罩覆盖工人的耳部提供听力保护的活动位置，以及耳罩向上旋转并远离耳部的待机位置。当在待机位置，耳罩不向工人提供听力保护。在一些类型的头套附接的耳罩中，耳罩可在待机位置远离用户的耳部向外枢转。在该情况下，耳罩搁置在远离用户的头部的小距离处。在活动位置，耳罩朝向头部枢转，在头部处，耳罩在用户的耳部周围密封，提供听力保护。

当工作环境中的噪声级别超过暴露阈值且当耳罩未处于活动位置时，本公开的技术和装置可通知工人(附近或监督工人的人)，所以工人可确保他的头套安装的耳罩处于活动位置。当噪声级别超过该区域中的预先确定的级别时且当工人佩戴的耳罩处于待机位置时，本公开的技术和装置可生成输出的指示，诸如用于某个区域内的工人的通知。

本公开的技术和装置可在头套安装的耳罩处并入接合或旋转传感器，接合或旋转传感器确定耳罩是否处于存在听力危害的位置中的待机位置。在一些实施例中，当工人在噪声级别超过暴露阈值的某个区域内时耳罩或听力保护器处于待机模式的指示可由生成指示的计算设备传输到如本公开中所述的一个或多个其他计算设备。

在一些实施例中，麦克风可配合在或以其他方式定位在耳罩杯里面，以生成来自麦克风的指示或信号，指示或信号表示耳罩里面的噪声级别(例如，分贝级别)。在一些实施例中，通过计算设备将该内耳罩噪声级别与由耳罩外面的麦克风检测到的(例如，在工人的环境中的)声音级别进行比较。如果计算设备确定工作环境中的外部耳罩噪声级别超过暴露阈值且如果计算设备确定由耳罩中的麦克风测量的内耳罩声音级别与环境声音传感器的外部耳罩噪声级别之间的差值小于所需的最小值(指示恰当的工人听力保护)，则计算设备可生成发送到一个或多个其他计算设备以通知其他工人、主管或人的输出的指示(例如，消息、警示等)。在一些实施例中，从传感器收集的信息(例如，位置、噪声级别等)可用于跟踪合规，并在工作环境中开发工人安全计划。

在图19A和图19B的实施例中，外壳1914可包括位置传感器或陀螺仪，位置传感器或陀螺仪定位在旋转轴线附近，以充当将耳罩的位置传达到计算设备的外围传感器。在其他实施例中，外壳1914可包括用于确定耳罩1921的位置的任何合适的设备。外壳1914可包括有线和/或无线通信设备，该有线和/或无线通信设备通信地耦接到传感器或陀螺仪。同样地，位置传感器或陀螺仪可经由通信设备将耳罩1921的目前位置和/或耳罩1921的位置的改变传达到计算设备。在一些实例中，计算设备可包括在外壳1914内，可在听力保护器1920外部的单独设备中定位在工人上或附接到工人，或者可在与工人完全分离的远程计算设备(例如，移除服务器)中。

如图19A所示且根据本公开，系统1900可包括：听力保护器1920、操作作为本公开中描述的位置传感器的至少一个位置传感器(包括在外壳1914中)、至少一个声音监测传感器1915。声音监测传感器1915可通信地耦接到计算设备1917，计算设备1917可在听力保护器1920外部的单独设备中定位在工人上或附接到工人，或者可在与工人完全分离的远程计算设备(例如，移除服务器)中。计算设备1917可包括图2和图8中示出和描述的相同功能和部件、功能和部件的子集或超集。声音监测传感器1915可测量和生成数据，该数据包括在时间点处的声音级别、在某时间段内的声音暴露量，或指示贴近听力保护器1920的声音的任何其他数据。

在图19A-图19B的实施例中，计算设备1917可通信地耦接到外壳1914中的至少一个位置传感器和至少一个声音监测传感器1915，计算设备1917包括一个或多个计算机处理器和带有指令的存储器，当由一个或多个计算机处理器执行该指令时引起一个或多个计算机处理器从至少一个声音监测传感器且在持续时间内接收工人暴露于的声音级别的指示。在一些实施例中，该持续时间可为用户定义的、硬编码的，或机器生成的。持续时间的实施例可为一秒、五秒、三十秒、一分钟、五分钟、十分钟或任何持续时间。在一些实施例中，持续时间可为预定义的或预先确定的。

如待机位置1922中所示，计算设备1917可从至少一个位置传感器且在持续时间期间确定听力保护器1920没有定位在工人的一个或多个耳部处以衰减声音级别(例如，待机位置)。在其他实施例中，计算设备1917可确定听力保护器1920被定位在工人的一个或多个耳部处以衰减声音级别，如图19A的活动位置1918中所示。至少一个位置传感器可生成数据，并且/或者将数据发送到计算设备1917，该数据指示耳罩1920的当前位置或位置的改变。在一些实施例中，听力保护器1920可为在活动模式下包括在工人的耳部内或在待机模式下不包括在工人的耳部中的耳塞集。不是使用位置传感器，而是其他技术诸如基于视域的检测(例如，使用相机)、射频检测(例如，使用射频识别)或任何其他技术可用于确定耳塞是处于活动模式还是待机模式，并且图19A-图19B中的技术可类似地使用。

响应于确定在持续时间期间声音级别中的至少一个满足暴露阈值且听力保护器没有定位在工人的一个或多个耳部处以衰减声音级别，计算设备1917可生成用于输出的指示。在一些实施例中，暴露阈值可为用户定义的、硬编码的，或机器生成的。在一些实施例中，暴露阈值可至少部分地基于健康规定或健康数据来定义，健康规定或健康数据指示工人可安全暴露于的最大声音计量量或声音级别。在一些实施例中，如果声音级别大于或等于特定持续时间或特定持续时间期间的时间的暴露阈值，则声音级别可满足暴露阈值。

计算设备1917将生成任何类型的输出指示。在一些实施例中，输出的指示可为包括各种通知数据的消息。通知数据可包括但不限于：警示、警告或信息消息；个人保护装备的类型；工人标识符；当生成消息时的时间戳；个人保护装备的位置；一个或多个声音级别或声音计量，或任何其他描述性信息。在一些实施例中，可将消息发送到如本公开中描述的一个或多个计算设备，并且为了显示，输出在通信地耦接到相应计算设备的输出设备的一个或多个用户界面处。在一些实施例中，输出的指示可为触觉的或听觉的，并且输出在如本公开中所描述的一个或多个计算设备处。

在其他实施例中，两个麦克风可用作外围传感器。例如，第一麦克风可定位在耳罩杯内，并且另一个麦克风可定位在耳罩杯的外部。该实施方案可用于听力保护器模型，其中耳罩在它们在活动位置和待机位置之间移动时不旋转，而是在横向方向上远离头部枢转。该实施方案也对图19A-图19B中所示的耳罩有效。在该实施方案中，将小麦克风(诸如在3M^TME-A-R fit^TM验证系统中使用的麦克风)放置在耳罩杯里面。在一些实例中，将第二麦克风放置在第一麦克风附近的杯外面，在头套的侧面上。两个麦克风与计算设备通信，其中表示两个麦克风之间的声音级别的所测量的信号的差值由计算设备确定。在工作环境中的声音级别也可由计算设备接收从声音计接收。

当工作环境中的噪声级别低于工作环境噪声阈值(例如，低于85dB)时，然后计算设备可生成用于输出的被提供到工人(他/她可将耳罩放置在待机位置中)的指示。当工作环境中的噪声级别高于工作环境噪声阈值时，然后计算设备可确定内部麦克风和外部麦克风之间的声音级别的差值是否低于指示耳罩处于待机位置的差值阈值。如果声音级别的差值低于差值阈值，则计算设备可向工人生成用于输出的指示以将耳罩放置在活动位置。在一些实施例中，在图19A-图19B的实施例中的任一个中用于输出的指示可被发送到、存录或存储在任何数量的计算设备处。

如果计算设备确定声音级别高于工作环境噪声阈值(例如，不安全级别)且由外围麦克风测量的声音级别的差值高于差值阈值(指示耳罩处于活动模式)，则不生成用于输出的指示。在其他实施例中，计算设备可向一个或多个计算设备生成用于输出的包括“合规”状况的指示。

在一些实施例中，计算设备可确定工人的位置。作为确定在持续时间期间声音级别中的至少一个满足暴露阈值且听力保护器没有定位在工人的一个或多个耳部处以衰减声音级别的一部分，计算设备还可确定工人的位置在对应于满足暴露阈值的声音级别中的至少一个的位置的距离阈值内。也就是说，计算设备可计算工人的位置到超过暴露阈值的声音级别的位置，并且基于工人与声音级别的接近度来确定听力保护器应处于活动位置。

在一些实施例中，本公开的技术可确定听力保护器的类型。例如，听力保护器可被分配高保护因数，所以即使听力保护器没有恰好正确地定位在工人上，但是与带有低保护因数的听力保护器相比，该听力保护器可提供充足的保护。听力保护器也可具有可使其展现出更高或更低听力保护因数的附件或属性，即，凝胶耳部密封件(gel ear seals)对泡沫。

图20A-图20B示出了根据本公开的系统2000。系统2000可包括头罩2010和护目镜2016。在一些实施例中，护目镜2016通过护目镜附接组件2014物理耦接到头罩2010。护目镜附接组件2014可直接或间接地附接到头盔、安全帽、条带、头带或其他头部支撑件，诸如头罩2010。头罩2010可与护目镜附接组件2014同时佩戴，并且为护目镜附接组件2014提供支撑。护目镜附接组件2014可与头罩2010的外表面集成或附接到头罩2010的外表面。护目镜2016可通过在由护目镜附接组件2014提供的与护目镜2016的相邻表面正交的轴线上枢转，在一个或多个打开和关闭(例如，图20A中的活动和图20B中的待机)位置之间旋转，诸如图20B中另外所示的。在一些实例中，计算设备2017可包括在系统2000处，可在系统2000外部的单独设备中定位在工人上或附接到工人，或者可在与工人完全分离的远程计算设备(例如，移除服务器)中。在各种实施例中，头罩2010和护目镜附接组件2014可使用各种合适的附接部件联接，各种合适的附接部件诸如卡扣配合部件、铆钉、机械紧固件、粘合剂或本领域已知的其他合适的附接部件。护目镜2016被配置为覆盖用户的面部的至少一部分。

如图20所示，护目镜2016包括滤光屏蔽件2012，滤光屏蔽件2012可过滤用户的面部将以其他方式暴露于的光。滤光屏蔽件2012可为任何透明的或半透明的物理屏障。在一些实施例中，滤光屏蔽件2012可阻挡高强度光。在该上下文中，“光”意味着可能够损害用户的眼睛或引起用户感知的不适的波长的电磁辐射。在该上下文中，此类光包括至少可见光，并且也可包括红外线和/或紫外线辐射，无论此类辐射对于用户是否为可觉察的。在该上下文中，“高强度”光意味着以使得其可能够损害用户眼睛或引起用户感知的不适的此类强度存在的光(例如，诸如由诸如电焊机的设备发射的光)。在一些实施例中，滤光屏蔽件2012可由众所周知的电致变色材料或阻挡或以其他方式过滤高强度光的且在本领域普通技术人员的知识内的彩色材料组成。

在一些实施例中，通知接近高强度光的一个或多个其他工人谁可不控制或直接参与生成高强度光的活动可为有益的。例如，多个工人可在工人中的一个参与生成高强度光的焊接活动的工作环境内操作。带有到高强度光的无阻挡路径的其他工人可暴露于此类光，如果不过滤此类光，则此类光可引起对工人的伤害。本公开的技术和系统可防止此类无意中暴露于高强度光，如图20A-图20B的实施例中另外描述的。

图20A示出了包括头部安装设备2010、包括耦接到头部安装设备2010的至少一个位置传感器的护目镜附接组件2014、包括耦接到至少一个位置传感器的滤光屏蔽件的至少一个护目镜2016的系统2000；至少一个光检测器2019；以及至少一个计算设备2017，至少一个计算设备2017通信地耦接到至少一个位置传感器和至少一个光检测器2019。光检测器2019能够至少检测：指示存在高光强度的“高”输入、指示不存在高光强度的“低”输入、从高到低输入的改变，以及从低到高输入的改变。光检测器2019也能够将此类高和低输入的检测以及其间的改变传达到系统2000的其他部件。同样地，当在本公开中使用表达(诸如检测高输入、检测低输入、检测从高输入到低输入的改变等)时，应当理解，此类检测是通过光检测器2019的方式。

在一些实施例中，光检测器2019可检测不同类型的光，其中不同类型是指不同波长。光类型的实施例可为激光。在一些实施例中，光检测器2019可确定光的类型，而不是光的强度。在其他实施例中，光检测器2019可确定光的类型和强度。

在各种实施方案中，光检测器2019可物理上位于靠近系统2000的其他部件中的一些或所有(硬件等)，或者可物理上位于远离其他部件中的一些或所有。无论如何，光检测器2019可根据对系统2000的功能需要，经由一个或多个有线或无线通信信道与系统2000的其他部件通信。在一个实施方案中，光检测器2019能够直接检测高强度的入射光(例如，光检测器2019包括光敏设备，包括但不限于光电二极管、光电晶体管等)。在该实例中，“高输入”意味着光检测器2019直接感测高强度的入射光。(在这样的实施方案中，可优先的是，将光检测器2019定位成极接近系统2000，使得在光检测器2019上入射的光密切表示在系统2000上入射的光。)

在另选的实施方案中，光检测器2019能够间接检测高光强度。在这样的情况下，高输入可包括指示存在高光强度的输入。在特定实施方案中，光检测器2019(潜在地)与发光设备通信，并且能够从发光设备接收指示发光设备处于可能发射高光强度的条件(例如，上电且操作)的高输入。在该上下文中，高输入可包括经由连接(无论专用线缆、光纤、无线连接、IR信号、射频广播等)发送的、可由光检测器2019接收的以及指示发光设备处于可能发射高光强度的条件的任何信号。在这样的布置中，发光设备可包括通信单元，通信单元能够经由连接执行与光检测器2019的此类通信。如果期望，这样的布置可包括提供双向通信备，使得发光设备可在发光设备发射光之前从系统2000或其他计算设备接收确认。

图20A也示出了包括一个或多个计算机处理器的计算设备2017和包括可由一个或多个计算机处理器执行的指令的存储器。计算设备2017可包括图2和图8中示出和描述的相同功能和部件、功能和部件的子集或超集。计算设备2017可包括在个人保护装备制品(例如，系统2000)中或附接到个人保护装备制品(例如，系统2000)，可在头罩2010和护目镜2016外部的单独设备中定位在工人上或附接到工人，或者可处于与工人完全分离的远程计算设备(例如，移除服务器)中。

根据本公开，计算设备2017可从光检测器2019接收由光检测器检测的光的强度超过暴露阈值和/或由光检测器检测的光的类型与特定类型的光匹配的指示。在一些实施例中，暴露阈值可为用户定义的、硬编码的，或机器生成的。计算设备2017可从包括在护目镜附接组件2014中的位置传感器确定滤光屏蔽件被定位在或没有定位在工人的面部处，以过滤带有超过暴露阈值的强度和/或与特定类型匹配的光的类型光。在一些实施例中，计算设备2017可确定滤光屏蔽件被定位在或没有定位在工人的面部处，以过滤带有在阈值时间内超过暴露阈值的强度的光，在阈值时间，用户处于存在曝光的位置处。如图20A所示，护目镜2016定位在工人的面部处，以过滤带有超过暴露阈值的强度的光(例如，活动位置)。如图20B所示，护目镜2016没有定位在工人的面部处，以过滤带有超过暴露阈值的强度的光(例如，待机位置)。

响应于确定滤光屏蔽件没有被定位在工人的面部处以过滤带有超过阈值的强度和/或与特定类型匹配的光的类型的光，计算设备2017可生成用于输出的指示。在一些实施例中，输出的指示可为触觉的或听觉的，并且输出在如本公开中所描述的一个或多个计算设备处。计算设备1917将生成任何类型的输出指示。在一些实施例中，输出的指示可为包括各种通知数据的消息。通知数据可包括但不限于：警示、警告或信息消息；个人保护装备的类型；工人标识符；当生成消息时的时间戳；个人保护装备的位置；一个或多个光强度或任何其他描述性信息。在一些实施例中，可将消息发送到如本公开中描述的一个或多个计算设备，并且为了显示，输出在通信地耦接到相应计算设备的输出设备的一个或多个用户界面处。在一些实施例中，计算设备2017可接收焊接活动是否正在发生(例如，存在焊弧)的指示，并且还基于焊接活动是否正在发生，生成输出的指示。

在一些实施例中，可存在在相同工作环境中操作的第一工人和第二工人。由光检测器2019检测的光的强度的指示可基于第二工人在面向第一方向时实行焊接活动。焊接活动可包括导致沿着物理材料的一个或多个边缘创建或形成焊接的任何活动。计算设备2017可接收第一工人面向的方向的指示。例如，第一工人和/或第二工人可各自佩戴包括罗盘或指示工人的方位或取向的其他取向检测设备的设备。计算设备2017可确定第一工人面向的方向至少已经使或将使第一工人的面部暴露于来自第二工人的焊接活动的光。同样地，计算设备2017可基于确定第一工人面向的方向至少已经使或将使第一工人的面部暴露于来自第二工人的焊接活动的光，将用于输出的指示发送到第一工人。

在一些实施例中，为了确定第一工人面向的方向至少已经使或将使第一工人的面部暴露于来自第二工人的焊接活动的光，计算设备2017可确定第一工人面向的方向的第一方位，并且确定第二工人面向的方向的第二方位。计算设备2017可确定第一方位和第二方位之间的角度。基于角度，计算设备2017可确定第一方位和第二方位之间的角度是否满足阈值。如果满足阈值(例如，小于或等于小弧，或大于或等于大弧)，则计算设备2017可将用于输出的指示(诸如消息)发送到第一工人。

在一些实施例中，不是在通知工人之前等待工人暴露于高强度光，而是本公开的技术和系统可抢先地或先行地通知工人。运动检测器可附接到第一工人，并且通信地耦接到计算设备2017。计算设备2017可在第一工人面向使第一工人的面部暴露于来自第二工人的焊接活动的光的方向之前接收指示第一工人的面部正朝向来自第二工人的焊接活动的光的方向移动的运动的一个或多个指示集。计算设备2017可在第一工人的面部暴露于来自第二工人的焊接活动的光之前将用于输出的指示发送到第一工人。同样地，第一工人可将护目镜2016定位在活动位置中。在一些实施例中，如果计算设备2017确定护目镜2016已经处于活动位置，则没有用于输出的指示可被发送到第一工人。在一些实施例中，计算设备2017可在第一工人面向使第一工人的面部暴露于来自第二工人的焊接活动的光的方向之前将用于输出的指示发送到第二工人。在一些实施例中，通知的强度(例如，声音、视觉外观、触觉反馈)可随着暴露或暴露于第一工人的高强度光的可能性增加而增加。于是，第二工人可停止或制止开始焊接活动，直到核实第一工人已将护目镜2016放置到活动位置。

图21A-图21B示出根据本公开的系统2100。系统2100可包括头罩2110和护目镜2112。在一些实施例中，护目镜2112通过护目镜附接组件2114物理耦接到头罩2110。护目镜附接组件2114可直接或间接地附接到头盔、安全帽、条带、头带或其他头部支撑件，诸如头罩2110。头罩2110可与护目镜附接组件2114同时佩戴，并且为护目镜附接组件2014提供支撑。护目镜附接组件2114可与头罩2110的外表面集成或附接到头罩2110的外表面。护目镜2112可通过在由护目镜附接组件2114提供的与护目镜2112的相邻表面正交的轴线上枢转，在一个或多个打开和关闭位置(例如，图21A中的活动位置2116和图21B中的待机位置2118)之间旋转，诸如图21B中另外所示的。在一些实例中，计算设备2124可包括在系统2100处，可在系统2100外部的单独设备中定位在工人上或附接到工人，或者可在与工人完全分离的远程计算设备(例如，移除服务器)中。在各种实施例中，头罩2110和护目镜附接组件2114可使用各种合适的附接部件联接，各种合适的附接部件诸如卡扣配合部件、铆钉、机械紧固件、粘合剂或本领域已知的其他合适的附接部件。护目镜2112被配置为覆盖用户的面部的至少一部分。

系统2100可使用光学传感器2120来检测反射对象2122的位置改变。在一些实施例中，光学传感器2120是能够检测一个或多个波长光谱的光和/或生成在一个或多个波长光谱的光中检测的对象的图像的相机。在其他实施例中，光学传感器2120包括光发射器和光电二极管。在此类实施例中，光电二极管可基于由光电二极管检测到的不同强度的光生成不同的输出信号。在一些实施例中，输出信号可与由光电二极管检测到的光的强度成比例。在一些实施例中，第一光谱范围可为从约350nm至约700nm(即，可见光光谱)，并且第二光谱范围可为从约700nm至约1100nm(即，近红外光谱或非可见光光谱)。如在本公开中另外描述的，光学传感器2120可安装、附连或以其他方式定位在头罩2110上。各种合适的附接部件诸如卡扣配合部件、铆钉、机械紧固件、粘合剂或本领域已知的其他合适的附接部件可用于将光学传感器2120附接到头罩2110。

反射对象2122可为在可见光光谱中可见透明但在非可见光光谱中反射非可见光的反射材料。在一些实施例中，反射材料可应用于或体现在待感测的对象(例如，护目镜2112中的屏蔽件的平面或半平面凹表面)上，或者对象本身(例如，护目镜2112的屏蔽件)由逆向反射材料制成。光可从非可见光源(例如，通过光学传感器2120或与光学传感器2120分离的光源)发射，使得反射对象2122反射由光学传感器2120捕获的非可见光。反射对象2122可形成为使得当对象移动时由光学传感器2120捕获的非可见光的量改变。以该方式且如图21A-图21B中另外描述的，系统2100可基于由安装在头罩2110(或光学传感器2120可被定位在包在人的前额周围的悬架的一部分上的任何合适的头盔头部悬架)上的光学传感器2120捕获的从可见反射对象2122反射的光，检测护目镜2112是关闭还是打开和/或护目镜2112关闭或打开到何种程度。

图21A-图21B示出了使用由红外镜膜组成的反射对象2122检测护目镜2112的位置。护目镜2112可为透明的或半透明的用于由用户使用。在一些实施例中，护目镜2112可为基本上透明的。在一些实施例中，基本上透明的可为在0％-20％不透明度之间的任何不透明度。在一些实施例中，基本上透明的可为小于20％不透明度。在一些实施例中，基本上透明的可为5％、10％、15％或20％不透明度。在一些实施例中，多层IR反射材料(IR镜膜)的图案或形状遮盖在护目镜2112的里面上，诸如由遮盖或以其他方式体现在护目镜2112的平面表面上的反射对象2122所示。光学传感器2120(光学传感器2120可为IR接近传感器)附连到头罩2110，并且可包含如上所述的光电二极管和IR发射器。光学传感器2120可定位成使得当护目镜2112完全关闭时(即，处于活动位置2116)，最高可能量(或至少阈值量)的发射光从反射对象2122(例如，IR镜)反射到光学传感器2120中。随着相对于头罩2110护目镜2112的位置从活动位置2116改变到待机位置2118，由光学传感器2120的光电二极管捕获较少反射光。于是，在一些实施例中，光学传感器2120可生成与由光学传感器2120的光电二极管捕获的减小的光成比例的信号。

在一些实施例中，计算设备2124可存储指示护目镜2112的位置与由光学传感器2120捕获的光的程度或强度之间的关联或关系的数据。例如，计算设备2124可包括映射集，映射集指示护目镜2112的角度或位置以及由光学传感器2120捕获的光的程度或强度。在其他实施例中，计算设备2124可包括硬件和/或软件的组合，硬件和/或软件的组合定义了护目镜2112的角度或位置与由光学传感器2120捕获的光的程度或强度之间的关系。在一些实施例中，绩效可受传感器位置和角度的影响，因为膜的反射为镜面的。在一些实施例中，护目镜/膜镜可相对于光学传感器2120为凹面的，并且因此可对发射的光具有集聚效应。

可通信地耦接到光学传感器2120的计算设备2124可基于由光学传感器2120生成的指示捕获的光的程度或强度的信号或其他指示，执行一个或多个操作。示例性操作可包括生成可为可见的、听觉的或触觉的一个或多个输出指示。作为实施例，计算设备2124可确定由工人对装备的操作和/或工人的位置(诸如工作环境)是否需要护目镜2112被定位在活动位置2116中。如果计算设备2124确定由工人对装备的操作和/或工人的位置需要护目镜2112被定位在活动位置2116中，并且计算设备2124确定护目镜2112处于待机位置2118或活动位置2116和待机位置2118之间的中间位置，则计算设备2124可生成输出的指示。

在一些实施例中，输出的指示可为包括各种通知数据的消息。通知数据可包括但不限于：警示、警告或信息消息；个人保护装备的类型；工人标识符；当生成消息时的时间戳；个人保护装备的位置；或任何其他描述性信息。在一些实施例中，可将消息发送到如本公开中描述的一个或多个计算设备，并且为了显示，输出在通信地耦接到相应计算设备的输出设备的一个或多个用户界面处。在一些实施例中，输出的指示可为触觉的或听觉的，并且输出在如本公开中所描述的一个或多个计算设备处。

在一些实施例中，由计算设备2124执行的一个或多个操作可包括基于护目镜2112的位置或基于由光学传感器2120生成的指示捕获的光的程度或强度的信号或其他指示，禁止由工人使用装备、拒绝访问可以其他方式由用户访问的位置，或存录与事件相关联的信息。

在一些实施例中，反射对象2122由图案化的反射材料组成。在一些实施例中，反射对象2122可部分或完全被吸收材料/对象遮挡。在一些实施例中，反射对象2122为多层光学膜。在一些实施例中，反射对象2122为逆向反射材料。在一些实施例中，光学传感器2120仅发射和/或捕获非可见光(例如，红外线光)。在一些实施例中，反射对象2122仅反射非可见光(例如，红外线光)。在一些实施例中，光学传感器2120包括光检测器，并且光发射器组合在集成电路中。

应当了解，在不脱离如要求保护的本发明的精神和范围的情况下，本领域的技术人员可易于设想出多个且变化的其他布置。例如，可启用整个描述的各种设备中的通信模块中的每个以作为较大网络的一部分或与其他设备通信以允许更加智能化的基础设施。由各种传感器搜集的信息可与来自其他来源的信息组合，其他来源的信息诸如通过工作空间或装备维护空间的视频馈送捕获的信息。在一些实例中，可使用门户配置，使得如果本文描述的系统中的任一个检测到用户或工人已经超过给定阈值(无论是高还是低)，则防止工人物理地取得对特定工作空间或其他区域的访问。由本文描述的系统搜集的信息可用于另外的数据分析，以确定符合各种规则或规定，并且改进安全过程。在一些实例中，地理位置设备诸如全球定位系统(GPS)可被并入到本文所述的系统中的任一个以提供用户位置。在一些实例中，由本文描述的系统和传感器收集的信息可用于确定任何PPE的剩余服务寿命。

应当了解，基于上面的描述，本公开的方面包括用于通过确定诸如PPE制品的制品使用时间(磨损时间)是否满足至少一个准则确定诸如PPE制品的制品使用时间(磨损时间)的方法和系统。

可将附加特征部和部件添加到上面描述的系统中的每个。

在一些实例中，清洁空气供给源包括以下中的至少一个：动力空气净化呼吸器(PAPR)和自备式呼吸器(SCBA)。

在一些实例中，位置传感器包括以下中的至少一个：加速度计、陀螺仪、磁体、开关或空气压力传感器。

在一些实例中，系统还包括环境信标，其中环境信标包括环境传感器和通信模块。

在一些实例中，环境信标通信模块包括以下中的至少一个：RFID、蓝牙和WiFi通信能力。

在一些实例中，警报包括以下中的至少一个：触知、振动、听觉、视觉、平视显示或射频信号。

在一些实例中，头罩通信模块包括以下中的至少一个：射频识别(RFID)、蓝牙和WiFi通信能力。

在一些实例中，个人通信集线器包括以下中的至少一个：RFID、蓝牙和WiFi通信能力。

在一些实例中，指示危害的存在的信号是位置信号。

在一些实例中，基于由环境传感器检测危害，生成指示危害的存在的信号。

在一些实例中，当污染物水平超过指定的危害阈值时，环境传感器确定危害的存在。

在一些实例中，指定的危害阈值为由用户可配置的。

在一些实例中，指定的危害阈值被存储在环境传感器和个人通信集线器中的至少一个上。

在一些实例中，在护目镜已经在超过指定暴露阈值的一段时间内处于打开位置之后，生成警示。

在一些实例中，暴露阈值为由用户可配置的。

在一些实例中，暴露阈值被存储在头罩和个人通信集线器中的至少一个上。

在一些实例中，个人通信集线器可被佩戴或携带。

在一些实例中，头罩还包括头部检测传感器。

在一些实例中，只有在头部检测传感器检测到由用户佩戴头罩时，才生成警示。

在一些实例中，位置传感器检测护目镜是否处于部分打开位置。

在一些实例中，该系统还包括头罩的内部上的温度传感器。

本公开还包括当检测到有危害的暴露时警示人或工人的方法。该方法包括提供头罩，头罩包括：定尺寸成配合在至少用户的鼻部和嘴部上方的护目镜、位置传感器和头罩通信模块。该方法还包括用位置传感器检测护目镜处于打开位置还是关闭位置。该方法还包括检测危害的存在，并且如果护目镜处于打开位置且如果危害存在，则生成警示。

在一些实例中，由环境传感器检测危害的存在。

在一些实例中，当污染物水平超过指定的危害阈值时，环境传感器确定危害的存在。

在一些实例中，在护目镜已经在超过指定暴露阈值的一段时间内处于打开位置之后，生成警示。

在一些实例中，头罩还包括头部检测传感器，并且其中只有在头部检测传感器检测到由用户佩戴头罩时，才生成警示。

在一些实例中，方法还包括检测护目镜是否处于部分打开位置。

在一些实例中，头罩还包括温度传感器，其中温度传感器检测头罩的内部中的温度。

实施例1：一种方法包括：从至少一个空气呼吸器系统获得使用数据，其中使用数据包括指示至少一个空气呼吸器系统的操作的数据；通过分析引擎将使用数据应用于表征至少一个空气呼吸器系统的用户的活动的安全模型；基于将使用数据应用于安全模型，预测与至少一个空气呼吸器系统相关联的安全条件的发生的可能性；以及响应于预测安全事件的发生的可能性，生成输出。

实施例2：根据实施例1所述的方法，其中安全模型由来自具有与至少一个空气呼吸器系统类似的特点的多个空气呼吸器系统的已知安全事件的历史数据构造。

实施例3：根据实施例1至2中任一项所述的方法，还包括基于来自至少一个空气呼吸器系统的使用数据更新安全模型。

实施例4：根据实施例1至3中任一项所述的方法，其中安全模型由来自除了空气呼吸器系统之外与至少一个空气呼吸器系统一起使用的一个或多个设备的已知安全事件的数据构造。

实施例5：根据实施例1至4中任一项所述的方法，还包括基于以下中的至少一个：至少一个空气呼吸器系统的配置、至少一个空气呼吸器系统的用户、至少一个空气呼吸器系统位于的环境，或与至少一个空气呼吸器系统一起使用的一个或多个其他设备，选择安全模型。

实施例6：根据实施例1至5中任一项所述的方法，其中使用数据表示在某时间段期间至少一个呼吸器的用户的活动，并且其中使用数据包括指示以下各项的数据：至少一个呼吸器的护目镜的位置；至少一个呼吸器的头罩的温度；至少一个呼吸器的头罩的运动；对至少一个呼吸器的头罩的冲击；至少一个呼吸器的头罩的位置；或在至少一个呼吸器的头罩中头部的存在。

实施例7：根据实施例1至6中任一项所述的方法，其中使用数据表示在某时间段期间至少一个呼吸器的用户的活动，并且其中使用数据包括指示以下各项的数据：呼吸器的鼓风机的状态；鼓风机的压力；鼓风机的运行时间；鼓风机的温度；鼓风机的运动；对鼓风机的冲击；或鼓风机的位置。

实施例8：根据实施例1至7中任一项所述的方法，其中使用数据表示在某时间段期间至少一个呼吸器的用户的活动，并且其中使用数据表示在某时间段期间至少一个SRL的用户的活动，并且其中使用数据包括指示至少一个呼吸器的空气净化过滤器的存在和至少一个呼吸器的空气净化过滤器的过滤器类型的数据。

实施例9：根据实施例1至8中任一项所述的方法，其中使用数据包括与至少一个SRL位于的环境相关联的环境数据，使得安全事件的发生的可能性基于SRL位于的环境。

实施例10：根据实施例1至9中任一项所述的方法，其中将使用数据应用于表征用户的活动的安全模型包括将使用数据应用于由与多个呼吸器相关联的已知安全事件的训练数据构造的安全模型。

实施例11：根据实施例1至10中任一项所述的方法，其中预测安全事件的发生的可能性包括相对于由安全模型表征的已知安全行为识别至少一个呼吸器的用户的异常行为。

实施例12：根据实施例1至11中任一项所述的方法，其中预测安全事件的发生的可能性还包括识别其中部署了至少一个呼吸器的工作环境内的与异常数量的安全事件相关联的区域。

实施例13：根据实施例1至12中任一项所述的方法，其中将使用数据应用于安全模型包括将使用数据应用于表征至少一个呼吸器的用户的运动的安全模型，并且其中预测安全事件的发生的可能性包括确定在某时间段内用户的运动对于至少一个呼吸器的用户是异常的。

实施例14：根据实施例1至13中任一项所述的方法，其中将使用数据应用于安全模型包括将使用数据应用于表征由至少一个呼吸器的用户对至少一个呼吸器的过滤器的支出的安全模型，并且其中预测安全事件的发生的可能性包括确定支出高于预期的环境支出。

实施例15：根据实施例1至14中任一项所述的方法，其中将使用数据应用于安全模型包括将使用数据应用于表征用户的温度的安全模型，并且其中预测安全事件的发生的可能性包括确定温度超过与某时间段内的安全活动相关联的温度。

实施例16：根据实施例1至15中任一项所述的方法，其中生成输出包括生成警报数据，警示数据指示安全事件是很可能的。

实施例17：一种系统，包括：呼吸器，该呼吸器包括一个或多个电子传感器，该一个或多个电子传感器被配置为生成指示呼吸器的操作的数据；和一个或多个服务器，该一个或多个服务器被配置为：接收指示呼吸器的操作的数据；将数据应用于安全模型以预测与呼吸器相关联的安全事件的发生的可能性；响应于预测安全事件的发生的可能性，生成警示；并且将警示传输到呼吸器；并且其中呼吸器被配置为接收警示，并且响应于接收警示，生成输出。

实施例18：根据实施例17所述的系统，还包括集线器，该集线器被配置为与呼吸器和一个或多个服务器通信，并且其中呼吸器被配置为将使用数据传输到集线器，并且其中集线器被配置为将使用数据传输到一个或多个服务器。

实施例19：根据实施例17至18中任一项所述的系统，其中一个或多个服务器被配置为经由集线器将警示传输到呼吸器。

实施例20：根据实施例17至19中任一项所述的系统，其中一个或多个服务器还被配置为基于安全模型生成规则集，并且将规则传输到被配置为与呼吸器通信的集线器，并且其中集线器被配置为基于规则集生成第二警示。

实施例21：一种方法包括：为了由计算设备显示，输出具有用于过滤来自至少一个呼吸器的使用数据的多个用户可选择过滤器的用户界面(UI)；由计算设备接收用户可选择过滤器的过滤器选择的至少一个指示；并且为了由计算设备显示，基于过滤器选择，输出UI内容，UI内容指示对应于过滤器选择的使用数据。

实施例22：根据实施例21所述的方法，其中多个用户可选择过滤器包括以下中的至少两个：至少一个呼吸器的呼吸器的用户的识别、至少一个呼吸器的部件、地理位置、时间、温度、用户的运动、环境噪声、对至少一个呼吸器的冲击、至少一个呼吸器的用户的姿势、至少一个呼吸器的电池的电池状况、至少一个呼吸器的护目镜的护目镜位置、在至少一个呼吸器的头罩中头部的存在、至少一个呼吸器的鼓风机的压力、至少一个呼吸器的鼓风机的鼓风机速度、至少一个呼吸器的过滤器的过滤器状况，或至少一个呼吸器的滤筒的状况。

实施例23：根据实施例21-22中任一项所述的方法，还包括：为了由计算设备显示，输出用于过滤来自至少一个呼吸器的警示类型的第二多个用户可选择过滤器；由计算设备接收用于第二多个用户可选择过滤器的第二过滤器选择；并且为了由计算设备显示，基于第二过滤器选择，输出第二UI内容，第二UI内容指示对应于第二过滤器选择的警示类型。

实施例24：根据实施例21-23中任一项所述的方法，其中基于过滤器选择输出第二UI内容包括输出指示时域内的使用数据的UI内容。

实施例25：根据实施例21-24中任一项所述的方法，其中输出指示时域内的使用数据的UI内容包括同时输出用于至少两种类型的使用数据的UI内容。

实施例26：根据实施例21-25中任一项所述的方法，其中至少两种类型的使用数据包括以下中的至少两个：地理位置、时间、温度、用户的运动、环境噪声、对至少一个呼吸器的冲击、至少一个呼吸器的用户的姿势、至少一个呼吸器的电池的电池状况、至少一个呼吸器的护目镜的护目镜位置、在至少一个呼吸器的头罩中头部的存在、至少一个呼吸器的鼓风机的压力、至少一个呼吸器的鼓风机的鼓风机速度、至少一个呼吸器的过滤器的过滤器状况，或至少一个呼吸器的滤筒的状况。

实施例27：根据实施例21-26中任一项所述的方法，其中至少一个呼吸器包括对应于相应用户的多个呼吸器。虽然已参考具体示例性实施方案描述本公开的方法和系统，但本领域的普通技术人员将易于了解，在不脱离本公开的精神和范围的情况下，可对本公开作出改变和修改。

实施例28：一种方法，包括接收指示个人保护装备(PPE)制品的操作的使用数据，PPE制品包括一个或多个传感器，一个或多个传感器被配置为生成指示PPE制品的操作的使用数据；将使用数据应用于安全学习模型，安全学习模型至少部分地基于对应于安全事件的先前生成的使用数据，预测与PPE制品相关联的安全事件的发生的可能性；以及至少部分地基于预测安全事件的发生的可能性，执行至少一个操作。

实施例29：根据实施例28所述的方法，还包括：选择包括训练实例集的训练集，每个训练实例包括使用数据和安全事件之间的关联，其中使用数据包括表征用户、工作环境和一个或多个PPE制品中的至少一个的一个或多个度量；并且对于训练集中的每个训练实例，基于训练实例的特定使用数据和特定安全事件来修改安全学习模型，以响应于应用于安全学习模型的后续使用数据，改变由安全学习模型针对特定安全事件预测的可能性。

实施例30：根据实施例28-29中任一项所述的方法，其中训练实例集的一个或多个训练实例在一个或多个计算机处理器执行至少一个操作之后由使用一个或多个PPE制品生成。

实施例31：根据实施例28-30中任一项所述的方法，其中使用数据的一个或多个度量以特征向量构成，其中安全学习模型是监督学习模型，其中安全事件的发生的可能性包括在安全事件的可能性集中。

实施例32：根据实施例28-31中任一项所述的方法，其中安全事件的发生的可能性被包括在安全事件的可能性集中，方法包括将发生的可能性选择作为安全事件的可能性集中的发生的最高可能性。

实施例33：根据实施例28-32中任一项所述的方法，还包括集线器，集线器与用户相关联并被配置为与PPE制品和至少一个计算设备通信，并且其中PPE制品被配置为将使用数据传输到集线器，并且其中集线器被配置为将使用数据传输到至少一个计算设备。

实施例34：根据实施例28-33中任一项所述的方法，其中方法还包括基于安全学习模型生成规则集，并且将规则传输到被配置为与PPE制品通信的集线器，并且其中集线器被配置为基于规则集和使用数据执行至少一个操作。

实施例35：根据实施例28-34中任一项所述的方法，其中方法还包括将通知发送到PPE制品、与用户相关联并被配置为与PPE制品和至少一个计算设备通信的集线器以及与不是用户的人相关联的计算设备中的至少一个。

实施例36：根据实施例28-35中任一项所述的方法，其中PPE制品包括空气呼吸器系统、坠落保护设备、听力保护器、头部保护器、服装、面部保护器、护眼器、焊接面罩和护甲中的至少一个。

实施例37：根据实施例28-36中任一项所述的方法，其中还包括发送更改PPE制品的操作的通知。

实施例38：根据实施例28-37中任一项所述的方法，还包括为了显示而输出用户界面，该用户界面指示与用户、工作环境或PPE制品中的至少一个相关联的安全事件。

实施例39：根据实施例28-38中任一项所述的方法，还包括为了显示而输出用户界面，该用户界面包括配置一个或多个PPE制品集的一个或多个输入控件。

实施例40：根据实施例28-39中任一项所述的方法，其中安全学习模型至少部分地基于来自具有与PPE制品类似的特点的多个PPE制品的已知安全事件的历史数据。

实施例41：根据实施例28-40中任一项所述的方法，还包括基于来自PPE制品的使用数据更新安全学习模型。

实施例42：根据实施例28-41中任一项所述的方法，其中安全学习模型至少部分地基于来自除了PPE制品之外与PPE制品一起使用的一个或多个设备的已知安全事件的数据。

实施例43：根据实施例28-42中任一项所述的方法，其中安全学习模型基于以下各项中的至少一项：PPE制品的配置、PPE制品的用户、使用PPE制品的环境，或与PPE制品一起使用的一个或多个其他设备。

实施例44：根据实施例28-43中任一项所述的方法，其中PPE制品是呼吸器，其中使用数据表示在某时间段期间至少一个呼吸器的用户的活动，并且其中使用数据包括指示以下各项的数据：至少一个呼吸器的护目镜的位置、至少一个呼吸器的头罩的温度、至少一个呼吸器的头罩的运动、对至少一个呼吸器的头罩的冲击、至少一个呼吸器的头罩的位置，或在至少一个呼吸器的头罩中头部的存在。

实施例45：根据实施例28-44中任一项所述的方法，其中PPE制品为呼吸器，其中使用数据表示在某时间段期间至少一个呼吸器的用户的活动，并且其中使用数据包括指示以下各项的数据：呼吸器的鼓风机的状态、鼓风机的压力、鼓风机的运行时间、鼓风机的温度、鼓风机的运动、对鼓风机的冲击，或鼓风机的位置。

实施例46：根据实施例28-45中任一项所述的方法，其中预测安全事件的发生的可能性包括相对于由安全学习模型表征的已知安全行为来识别PPE制品的用户的异常行为。

实施例47：根据实施例28-46中任一项所述的方法，其中预测安全事件的发生的可能性还包括识别其中部署了至少一个PPE制品的工作环境内的与异常数量的安全事件相关联的区域。

实施例48：根据实施例28-47中任一项所述的方法，其中将使用数据应用于安全学习模型包括将使用数据应用于表征PPE制品的用户的运动的安全学习模型，并且其中预测安全事件的发生的可能性包括确定在某时间段内用户的运动对于PPE制品的用户是异常的。

实施例49：根据实施例28-48中任一项所述的方法，其中将使用数据应用于安全学习模型包括将使用数据应用于表征由PPE制品的用户对PPE制品的部件的支出的安全学习模型，并且其中预测安全事件的发生的可能性包括确定支出高于用于某个环境的预期支出。

实施例50：根据实施例28-49中任一项所述的方法，其中将使用数据应用于安全学习模型包括将使用数据应用于表征用户的温度的安全学习模型，并且其中预测安全事件的发生的可能性包括确定温度超过与某时间段内的安全活动相关联的温度。

实施例51：一种计算设备，包括：存储器；和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施例28-50所述的方法中的任一项。

实施例52：一种仪器，所述仪器包括用于执行根据实施例28-50中所述的方法中的任一项的装置。

实施例53：一种用指令编码的非暂态计算机可读存储介质，当执行指令时引起计算设备的至少一个处理器执行根据权利要求28-50所述的方法中的任一项。

实施例54：一种方法，包括接收对应于PPE制品、工人和工作环境中的至少一个的使用数据；将使用数据应用于安全学习模型，安全学习模型至少部分地基于对应于PPE制品、工人和工作环境中的至少一个的先前生成的使用数据，预测与PPE制品、工人和工作环境中的至少一个相关联的安全事件的发生的可能性；以及至少部分地基于预测安全事件的发生的可能性，执行至少一个操作。

实施例55：根据实施例54所述的方法，还包括根据权利要求28-50中任一项所述的方法。

实施例56：一种计算设备，包括存储器；和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施例55所述的方法中的任一项。

实施例57：一种仪器，所述仪器包括用于执行根据实施例55所述的方法中的任一项的装置。

实施例58：一种用指令编码的非暂态计算机可读存储介质，当执行指令时引起计算设备的至少一个处理器执行根据权利要求55所述的方法中的任一项。

在优选实施方案的目前详细描述中参考了附图，附图示出了可实践本发明的具体实施方案。示出的实施方案不旨在穷举根据本发明的所有实施方案。应当理解，在不脱离本发明范围的情况下，可利用其它实施方案，并且可作出结构或逻辑改变。因而，以下的详细描述不被认为具有限制意义，并且本发明的范围由所附权利要求书限定。

除非另外指示，否则本说明书和权利要求书中使用的表达特征尺寸、量和物理特性的所有数字在所有实例中均应理解成由术语“约”修饰。于是，除非有相反的指示，否则在上述说明书和所附权利要求书中阐述的数值参数均为近似值，这些近似值可根据本领域的技术人员利用本文所公开的教导内容来寻求获得的期望特性而变化。

除非内容另外清楚指示，否则如本说明书和所附权利要求书中所使用的，单数形式“一个/种”和“所述”涵盖了具有多个指代物的实施方案。除非内容另外清楚指示，否则如本说明书和所附权利要求书中使用的，术语“或”大致以其包括“和/或”的意义采用。

如果在本文使用空间相关的术语，包括但不限于“近侧”、“远侧”、“下部”、“上部”、“下方”、“下面”、“上面”、和“在顶部上”用于方便描述一个或多个元件相对于另一元件的空间关系。除了图中描绘和本文所述的特定取向外，此类空间相关的术语涵盖设备在使用或操作时的不同取向。例如，如果图中所描绘的对象翻转或倒转，则先前描述为在其他元件下面或下方的部分然后将在这些其他元件上面或在其顶部上。

如本文所用，例如当元件、部件或层被描述为与另一元件、部件或层形成“一致界面”，或在“其上”、“连接到其”、“与其耦接”、“堆叠其上”或“与其接触”，则可为直接在其上、直接连接到其、直接与其耦接、直接堆叠其上、直接与其接触，或者例如居间的元件、部件或层可在特定元件、部件或层上，或连接到、耦接到特定元件、部件或层或与特定元件、部件或层接触。当元件、部件或层例如被称为“直接在”另一元件“上”、“直接连接到”另一元件、“直接与”另一元件“耦接”或“直接与”另一元件“接触”时，例如，不存在居间的元件、部件或层。可在各种各样的计算机设备中实施本公开的技术，各种各样的计算机设备诸如服务器、膝上型计算机、台式计算机、笔记本电脑、平板计算机、手持式计算机、智能电话等。任何部件、模块或单元已经被描述来强调功能方面，并且不一定需要由不同的硬件单元来实现。本文所述的技术也可在硬件、软件、固件、或它们的任何组合中实施。描述为模块、单元或部件的任何特征可一起实施在集成式逻辑设备中或者可单独实施为分立但彼此协作的逻辑设备。在一些实例中，可将各种特征实施为集成电路设备，诸如集成电路芯片或芯片集。除此之外，虽然在整个描述中已经描述了多个不同的模块，多个模块中的许多执行唯一的功能，但可将所有模块的所有功能组合到单个模块中，或者甚至拆分到另外的附加模块中。本文所述的模块仅是示例性的，并且已经被如此描述，用于更方便理解。

如果在软件中实施，则该技术可至少部分地通过包括以下指令的计算机可读介质来实现，该指令当在处理器中执行时执行上面描述的方法中的一种或多种。计算机可读介质可包括有形计算机可读介质，并且可形成计算机程序产品的一部分，计算机程序产品可包括封装材料。计算机可读存储介质可包括随机访问存储器(RAM)诸如同步动态随机访问存储器(SDRAM)、只读存储器(ROM)、非易失性随机访问存储器(NVRAM)、电可擦可编程的只读存储器(EEPROM)、闪存(FLASH)存储器、磁性或光学的数据存储介质等。计算机可读存储介质也可包括非易失性存储设备，诸如硬盘、磁带、光盘(CD)、数字多用光盘(DVD)、蓝光光盘、全息数据存储介质、或其它非易失性存储设备。

如本文所用的术语“处理器”可指上述结构或适用于实施本文所述的技术的任何其它结构中的任一个。此外，在一些方面，本文所述的功能可提供在被配置为用于执行本公开的技术的专用软件模块或硬件模块内。即使在软件中实施，该技术也可使用用于执行软件的硬件诸如处理器、以及用于存储软件的存储器。在任何此类情况下，本文所述的计算机可定义能够执行本文所述的具体功能的具体机器。再者，该技术可完全实施在也可被视为处理器的一个或多个电路或逻辑元件中。

在一个或多个实施例中，所描述的功能可被实施在硬件、软件、固件或它们的任何组合中。如果实施在软件中，则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过计算机可读介质传输，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，计算机可读存储介质对应于诸如数据存储介质的有形介质；或通信介质，通信介质包括例如根据通信协议促进将计算机程序从一个地方转移到另一地方的任何介质。如此，计算机可读介质大致可对应于(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施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。

以举例的方式且非限制，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设备、闪存存储器或可用于以指令或数据结构的形式存储期望的程序代码且可由计算机访问的任何其他介质。再者，任何连接均被恰当地称作计算机可读介质。例如，如果使用同轴电缆、光缆、双绞线、数字用户线(DSL)或无线技术诸如红外线、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、光缆、双绞线、DSL或无线技术诸如红外线、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、信号或其它瞬态介质，而是针对非瞬态的有形存储介质。如使用的磁碟和光碟包括光盘(CD)、激光盘、光学盘、数字多用盘(DVD)、软盘和蓝光光盘，其中磁碟往往以磁的方式再现数据，而光碟用激光以光学方式再现数据。上面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)、现场可编程逻辑阵列(FPGA)或其它等效集成或分立逻辑电路执行。于是，如使用的术语“处理器”可指上述结构或适用于实施所描述的技术的任何其他结构中的任一个。此外，在一些方面，描述的功能可在专用硬件和/或软件模块内提供。再者，技术可完全实施在一个或多个电路或逻辑元件中。

本公开的技术可实施在包括无线手持机、集成电路(IC)或IC集(例如，芯片集)的各种各样的设备或仪器中。在本公开中描述了各种部件、模块或单元以强调被配置为执行所公开的技术的设备的功能方面，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，各种单元可组合在硬件单元中或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。

应当认识到，根据实施例，本文所述方法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，不是所有所述动作或事件对于方法的实践都是必要的)。而且，在某些实施例中，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。

在一些实施例中，计算机可读存储介质包括非暂态介质。在一些实施例中，术语“非暂态”指示存储介质没有体现在载波或传播信号中。在某些实施例中，非暂态存储介质存储可随时间改变的数据(例如，在RAM或高速缓存中)。

已描述了各种实施例。这些实施例以及其他实施例均在以下权利要求书的范围内。

Claims (54)

1.一种计算系统，包括：

个人保护装备制品，所述个人保护装备制品与一个或多个传感器相关联，所述一个或多个传感器被配置为生成指示所述个人保护装备制品的操作的使用数据；和

至少一个计算设备，所述至少一个计算设备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：

接收指示所述个人保护装备制品的所述操作的所述使用数据；

将所述使用数据应用于安全学习模型，所述安全学习模型至少部分地基于对应于安全事件的先前生成的使用数据，预测与所述个人保护装备制品相关联的所述安全事件的发生的可能性；

至少部分地基于预测所述安全事件的所述发生的所述可能性，执行至少一个操作；

其中所述安全学习模型通过以下方式来训练：

选择包括训练实例集的训练集，每个训练实例包括使用数据和安全事件之间的关联，其中所述使用数据包括表征用户、工作环境和一个或多个个人保护装备制品中的至少一个的一个或多个度量；以及

对于所述训练集中的每个训练实例，基于所述训练实例的特定使用数据和特定安全事件来修改所述安全学习模型，以响应于应用于所述安全学习模型的后续使用数据，改变由所述安全学习模型针对所述特定安全事件预测的可能性。

2.根据权利要求1所述的系统，其中所述训练实例集的一个或多个训练实例在所述一个或多个计算机处理器实行所述至少一个操作之后由使用一个或多个个人保护装备制品生成。

3.根据权利要求1所述的系统，其中所述使用数据的所述一个或多个度量以特征向量构成，其中所述安全学习模型是监督学习模型，其中所述安全事件的所述发生的所述可能性包括在安全事件的可能性集中。

4.根据权利要求1所述的系统，其中所述安全事件的所述发生的所述可能性被包括在安全事件的可能性集中，其中所述一个或多个计算机处理器：

将所述发生的所述可能性选择作为所述安全事件的可能性集中的发生的最高可能性。

5.根据权利要求1所述的系统，还包括集线器，所述集线器与用户相关联并被配置为与所述个人保护装备制品和所述至少一个计算设备通信，并且其中所述个人保护装备制品被配置为将所述使用数据传输到所述集线器，并且其中所述集线器被配置为将所述使用数据传输到所述至少一个计算设备。

6.根据权利要求5所述的系统，其中所述至少一个计算设备还被配置为基于所述安全学习模型生成规则集，并且将所述规则传输到所述集线器，所述集线器被配置为与所述个人保护装备制品通信，并且其中所述集线器被配置为基于所述规则集和所述使用数据执行至少一个操作。

7.根据权利要求1所述的系统，其中为了执行所述至少一个操作，所述一个或多个计算机处理器将通知发送到所述个人保护装备制品、与用户相关联并被配置为与所述个人保护装备制品和所述至少一个计算设备通信的集线器以及与不是所述用户的人相关联的计算设备中的至少一个。

8.根据权利要求1所述的系统，其中所述个人保护装备制品包括空气呼吸器系统、坠落保护设备、听力保护器、头部保护器、服装、面部保护器、护眼器、焊接面罩和护甲中的至少一个。

9.根据权利要求1所述的系统，其中为了执行所述至少一个操作，所述一个或多个计算机处理器发送更改所述个人保护装备制品的操作的通知。

10.根据权利要求1所述的系统，其中为了执行所述至少一个操作，所述一个或多个计算机处理器为了显示而输出用户界面，所述用户界面指示与用户、工作环境和所述个人保护装备制品中的至少一个相关联的所述安全事件。

11.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：

为了显示而输出用户界面，所述用户界面包括配置一个或多个个人保护装备制品集的一个或多个输入控件。

12.根据权利要求1所述的系统，其中所述安全学习模型至少部分地基于来自多个个人保护装备制品的已知安全事件的历史数据，所述多个个人保护装备制品具有与所述个人保护装备制品类似的特点。

13.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基于来自所述个人保护装备制品的所述使用数据，更新所述安全学习模型。

14.根据权利要求1所述的系统，其中所述安全学习模型至少部分地基于来自除了所述个人保护装备制品之外与所述个人保护装备制品一起使用的一个或多个设备的已知安全事件的数据。

15.根据权利要求1所述的系统，其中所述安全学习模型基于以下各项中的至少一项：所述个人保护装备制品的配置；所述个人保护装备制品的用户；使用所述个人保护装备制品的环境；以及与所述个人保护装备制品一起使用的一个或多个其他设备。

16.根据权利要求1所述的系统，其中所述个人保护装备制品为呼吸器，其中所述使用数据表示在某时间段期间至少一个呼吸器的用户的活动，并且其中所述使用数据包括指示以下各项的数据：所述至少一个呼吸器的护目镜的位置；所述至少一个呼吸器的头罩的温度；所述至少一个呼吸器的所述头罩的运动；对所述至少一个呼吸器的所述头罩的冲击；所述至少一个呼吸器的所述头罩的位置；或在所述至少一个呼吸器的所述头罩中头部的存在。

17.根据权利要求1所述的系统，其中所述个人保护装备制品为呼吸器，其中所述使用数据表示在某时间段期间该呼吸器的用户的活动，并且其中所述使用数据包括指示以下各项的数据：所述呼吸器的鼓风机的状态；所述鼓风机的压力；所述鼓风机的运行时间；所述鼓风机的温度；所述鼓风机的运动；对所述鼓风机的冲击；或所述鼓风机的位置。

18.根据权利要求1所述的系统，其中为了预测所述安全事件的所述发生的所述可能性，所述一个或多个计算机处理器相对于由所述安全学习模型表征的已知安全行为来识别所述个人保护装备制品的用户的异常行为。

19.根据权利要求1所述的系统，其中为了预测所述安全事件的所述发生的所述可能性，所述一个或多个计算机处理器识别其中部署了所述至少一个个人保护装备制品的工作环境内的与异常数量的安全事件相关联的区域。

20.根据权利要求1所述的系统，

其中为了将所述使用数据应用于所述安全学习模型，所述一个或多个计算机处理器将所述使用数据应用于表征所述个人保护装备制品的用户的运动的安全学习模型，并且

其中为了预测所述安全事件的所述发生的所述可能性，所述一个或多个计算机处理器确定在某时间段内所述用户的所述运动对于所述个人保护装备制品的用户是异常的。

21.根据权利要求1所述的系统，

其中为了将所述使用数据应用于所述安全学习模型，所述一个或多个计算机处理器将所述使用数据应用于如下的安全学习模型：该安全学习模型表征由所述个人保护装备制品的用户对所述个人保护装备制品的部件的支出，并且

其中为了预测所述安全事件的所述发生的所述可能性，所述一个或多个计算机处理器确定所述支出高于用于某个环境的预期支出。

22.根据权利要求1所述的系统，其中为了将所述使用数据应用于所述安全学习模型，所述一个或多个计算机处理器将所述使用数据应用于表征所述用户的温度的安全学习模型，并且其中预测所述安全事件的所述发生的所述可能性包括确定所述温度超过与某时间段内的安全活动相关联的温度。

23.根据权利要求1所述的系统，其中所述安全学习模型通过使用基于云的计算平台、集线器和集成在个人保护装备内的计算设备中的一个或多个来训练。

24.一种个人保护装备制品，包括：

一个或多个传感器，所述一个或多个传感器被配置为生成指示所述个人保护装备制品的操作的使用数据；

至少一个计算设备，所述至少一个计算设备通信地耦接到所述一个或多个传感器，所述至少一个计算设备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：

至少部分地基于将所述使用数据应用于安全学习模型来执行至少一个操作，所述安全学习模型预测与所述个人保护装备制品相关联的安全事件的发生的可能性，所述安全事件的所述发生的所述可能性至少部分地基于对应于所述安全事件的先前生成的使用数据：

其中所述安全学习模型包括修改后的安全学习模型，所述修改后的安全学习模型通过包括训练实例集的训练集来训练，

每个训练实例包括使用数据和安全事件之间的关联，其中所述使用数据包括表征用户、工作环境和一个或多个个人保护装备制品中的至少一个的一个或多个度量；以及

其中对于所述训练集中的每个训练实例，所述修改后的安全学习模型配置为基于所述训练实例的特定使用数据和特定安全事件，响应于应用于所述安全学习模型的后续使用数据，改变由所述安全学习模型针对所述特定安全事件预测的可能性。

25.根据权利要求24所述的个人保护装备制品，其中所述安全学习模型通过使用基于云的计算平台、集线器和集成在个人保护装备内的计算设备中的一个或多个来训练。

26.一种计算设备，所述计算设备包括：

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:

接收指示个人保护装备制品的操作的使用数据,所述个人保护装备制品包括一个或多个传感器，所述一个或多个传感器被配置为生成指示所述个人保护装备制品的操作的使用数据；

将所述使用数据应用于安全学习模型，所述安全学习模型至少部分地基于对应于安全事件的先前生成的使用数据，预测与所述个人保护装备制品相关联的所述安全事件的发生的可能性；

至少部分地基于预测所述安全事件的所述发生的所述可能性，执行至少一个操作；

其中所述安全学习模型通过以下方式来训练：

选择包括训练实例集的训练集，每个训练实例包括使用数据和安全事件之间的关联，其中所述使用数据包括表征用户、工作环境和一个或多个个人保护装备制品中的至少一个的一个或多个度量；以及

对于所述训练集中的每个训练实例，基于所述训练实例的特定使用数据和特定安全事件来修改所述安全学习模型，以响应于应用于所述安全学习模型的后续使用数据，改变由所述安全学习模型针对所述特定安全事件预测的可能性。

27.根据权利要求26所述的计算设备，其中所述训练实例集的一个或多个训练实例在所述一个或多个计算机处理器执行所述至少一个操作之后由使用一个或多个个人保护装备制品生成。

28.根据权利要求26所述的计算设备，其中所述使用数据的所述一个或多个度量以特征向量构成，其中所述安全学习模型为监督学习模型，其中所述安全事件的所述发生的所述可能性包括在安全事件的可能性集中。

29.根据权利要求26所述的计算设备，其中所述安全事件的所述发生的所述可能性被包括在安全事件的可能性集中，其中所述一个或多个计算机处理器：

将所述发生的所述可能性选择作为所述安全事件的可能性集中的发生的最高可能性。

30.根据权利要求26所述的计算设备，其中所述安全学习模型通过使用基于云的计算平台、集线器和集成在个人保护装备内的计算设备中的一个或多个来训练。

31.一种计算系统，所述系统包括：

传感器集，所述传感器集生成对应于个人保护装备制品、工人和工作环境中的至少一个的一个或多个使用数据流；和

至少一个计算设备，所述至少一个计算设备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：

接收对应于个人保护装备制品、工人和工作环境中的至少一个的所述使用数据；

将所述使用数据应用于安全学习模型，所述安全学习模型至少部分地基于对应于个人保护装备制品、工人和工作环境中的至少一个的先前生成的使用数据，预测与个人保护装备制品、工人和工作环境中的至少一个相关联的安全事件的发生的可能性；

至少部分地基于预测所述安全事件的所述发生的所述可能性，执行至少一个操作；其中所述安全学习模型通过以下方式来训练：

选择包括训练实例集的训练集，每个训练实例包括使用数据和安全事件之间的关联，其中所述使用数据包括表征用户、工作环境和一个或多个个人保护装备制品中的至少一个的一个或多个度量；以及

对于所述训练集中的每个训练实例，基于所述训练实例的特定使用数据和特定安全事件来修改所述安全学习模型，以响应于应用于所述安全学习模型的后续使用数据，改变由所述安全学习模型针对所述特定安全事件预测的可能性。

32.根据权利要求31所述的系统，其中所述安全学习模型通过使用基于云的计算平台、集线器和集成在个人保护装备内的计算设备中的一个或多个来训练。

33.一种非易失性计算机可读存储介质，其存储有可执行计算机程序指令，当所述可执行计算机程序指令被一个或多个计算机处理器执行时，使所述一个或多个计算机处理器：

接收与个人保护装备制品、工人和工作环境中的至少一个相对应的使用数据；

将所述使用数据应用于安全学习模型，所述安全学习模型至少部分地基于对应于与个人保护装备制品、工人和工作环境中的至少一个相对应的使用数据的先前生成的使用数据，预测与个人保护装备制品、工人和工作环境中的至少一个相关联的安全事件的发生的可能性；

至少部分地基于预测所述安全事件的所述发生的所述可能性，执行至少一个操作；

通过以下方式来训练所述安全学习模型：

选择包括训练实例集的训练集，每个训练实例包括使用数据和安全事件之间的关联，其中所述使用数据包括表征用户、工作环境和一个或多个个人保护装备制品中的至少一个的一个或多个度量；以及

对于所述训练集中的每个训练实例，基于所述训练实例的特定使用数据和特定安全事件来修改所述安全学习模型，以响应于应用于所述安全学习模型的后续使用数据，改变由所述安全学习模型针对所述特定安全事件预测的可能性。

34.根据权利要求33所述的非易失性计算机可读存储介质，其中所述安全学习模型通过使用基于云的计算平台、集线器和集成在个人保护装备内的计算设备中的一个或多个来训练。

35.根据权利要求33所述的非易失性计算机可读存储介质，其中所述一个或多个计算机处理器在实行所述至少一个操作之后由使用一个或多个个人保护装备制品来生成所述训练实例集的一个或多个训练实例。

36.根据权利要求33所述的非易失性计算机可读存储介质，其中所述使用数据的所述一个或多个度量以特征向量构成，其中所述安全学习模型是监督学习模型，其中所述安全事件的所述发生的所述可能性包括在安全事件的可能性集中。

37.根据权利要求33所述的非易失性计算机可读存储介质，其中所述一个或多个计算机处理器从安全事件的可能性集中选择所述安全事件的所述发生的所述可能性作为所述安全事件的可能性集中的发生的最高可能性。

38.根据权利要求33所述的非易失性计算机可读存储介质，其中所述一个或多个计算机处理器从集线器接收所述使用数据，所述集线器与用户相关联并被配置为与所述个人保护装备制品和至少一个计算设备通信，并且其中所述个人保护装备制品被配置为将所述使用数据传输到所述集线器，并且其中所述集线器被配置为将所述使用数据传输到所述至少一个计算设备。

39.根据权利要求38所述的非易失性计算机可读存储介质，其中所述一个或多个计算机处理器基于所述安全学习模块生成规则集，并且将所述规则传输到所述集线器，所述集线器被配置为与所述个人保护装备制品通信，并且其中所述集线器被配置为基于所述规则集和所述使用数据执行至少一个操作。

40.根据权利要求33所述的非易失性计算机可读存储介质，其中为了执行所述至少一个操作，所述一个或多个计算机处理器将通知发送到所述个人保护装备制品、与用户相关联并被配置为与所述个人保护装备制品和至少一个计算设备通信的集线器以及与不是所述用户的人相关联的计算设备中的至少一个。

41.根据权利要求33所述的非易失性计算机可读存储介质，其中所述个人保护装备制品包括空气呼吸器系统、坠落保护设备、听力保护器、头部保护器、服装、面部保护器、护眼器、焊接面罩和护甲中的至少一个。

42.根据权利要求33所述的非易失性计算机可读存储介质，其中为了执行所述至少一个操作，所述一个或多个计算机处理器发送更改所述个人保护装备制品的操作的通知。

43.根据权利要求33所述的非易失性计算机可读存储介质，其中为了执行所述至少一个操作，所述一个或多个计算机处理器为了显示而输出用户界面，所述用户界面指示与用户、工作环境和所述个人保护装备制品中的至少一个相关联的所述安全事件。

44.根据权利要求33所述的非易失性计算机可读存储介质，其中所述一个或多个计算机处理器为了显示而输出用户界面，所述用户界面包括配置一个或多个个人保护装备制品集的一个或多个输入控件。

45.根据权利要求33所述的非易失性计算机可读存储介质，其中所述安全学习模型至少部分地基于来自多个个人保护装备制品的已知安全事件的历史数据，所述多个个人保护装备制品具有与所述个人保护装备制品类似的特点。

46.根据权利要求33所述的非易失性计算机可读存储介质，其中所述一个或多个计算机处理器基于来自所述个人保护装备制品的所述使用数据，更新所述安全学习模型。

47.根据权利要求33所述的非易失性计算机可读存储介质，其中所述安全学习模型至少部分地基于来自与所述个人保护装备制品一起使用的一个或多个其他设备的已知安全事件的数据。

48.根据权利要求33所述的非易失性计算机可读存储介质，其中所述个人保护装备制品为呼吸器，其中所述使用数据表示在某时间段期间至少一个呼吸器的用户的活动，并且其中所述使用数据包括指示以下各项的数据：所述至少一个呼吸器的护目镜的位置；所述至少一个呼吸器的头罩的温度；所述至少一个呼吸器的所述头罩的运动；对所述至少一个呼吸器的所述头罩的冲击；所述至少一个呼吸器的所述头罩的位置；或在所述至少一个呼吸器的所述头罩中头部的存在。

49.根据权利要求33所述的非易失性计算机可读存储介质，其中所述个人保护装备制品为呼吸器，其中所述使用数据表示在某时间段期间该呼吸器的用户的活动，并且其中所述使用数据包括指示以下各项的数据：所述呼吸器的鼓风机的状态；所述鼓风机的压力；所述鼓风机的运行时间；所述鼓风机的温度；所述鼓风机的运动；对所述鼓风机的冲击；或所述鼓风机的位置。

50.根据权利要求33所述的非易失性计算机可读存储介质，其中为了预测所述安全事件的所述发生的所述可能性，所述一个或多个计算机处理器相对于由所述安全学习模型表征的已知安全行为来识别所述个人保护装备制品的用户的异常行为。

51.根据权利要求33所述的非易失性计算机可读存储介质，其中为了预测所述安全事件的所述发生的所述可能性，所述一个或多个计算机处理器识别其中部署了所述至少一个个人保护装备制品的工作环境内的与异常数量的安全事件相关联的区域。

52.根据权利要求33所述的非易失性计算机可读存储介质，其中为了将所述使用数据应用于所述安全学习模型，所述一个或多个计算机处理器将所述使用数据应用于表征所述个人保护装备制品的用户的运动的安全学习模型，并且

其中为了预测所述安全事件的所述发生的所述可能性，所述一个或多个计算机处理器确定在某时间段内所述用户的所述运动对于所述个人保护装备制品的用户是异常的。

53.根据权利要求33所述的非易失性计算机可读存储介质，其中为了将所述使用数据应用于所述安全学习模型，所述一个或多个计算机处理器将所述使用数据应用于如下的安全学习模型：该安全学习模型表征由所述个人保护装备制品的用户对所述个人保护装备制品的部件的支出，并且

其中为了预测所述安全事件的所述发生的所述可能性，所述一个或多个计算机处理器确定所述支出高于用于某个环境的预期支出。

54.根据权利要求33所述的非易失性计算机可读存储介质，其中为了将所述使用数据应用于所述安全学习模型，所述一个或多个计算机处理器将所述使用数据应用于表征所述用户的温度的安全学习模型，并且其中预测所述安全事件的所述发生的所述可能性包括确定所述温度超过与某时间段内的安全活动相关联的温度。

Images