CN113821899A - 风险监测模型的建立方法、系统及风险监测方法与系统 - Google Patents
风险监测模型的建立方法、系统及风险监测方法与系统 Download PDFInfo
- Publication number
- CN113821899A CN113821899A CN202010562082.4A CN202010562082A CN113821899A CN 113821899 A CN113821899 A CN 113821899A CN 202010562082 A CN202010562082 A CN 202010562082A CN 113821899 A CN113821899 A CN 113821899A
- Authority
- CN
- China
- Prior art keywords
- risk
- preset
- risk factors
- specific
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000001364 causal effect Effects 0.000 claims abstract description 15
- 230000003068 static effect Effects 0.000 claims description 38
- 238000012937 correction Methods 0.000 claims description 26
- 230000001012 protector Effects 0.000 claims description 20
- 238000007500 overflow downdraw method Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 3
- 239000007789 gas Substances 0.000 description 31
- 238000004880 explosion Methods 0.000 description 27
- 230000008569 process Effects 0.000 description 15
- 230000002093 peripheral effect Effects 0.000 description 13
- 238000004140 cleaning Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010304 firing Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000002955 isolation Methods 0.000 description 4
- 238000010206 sensitivity analysis Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 206010003497 Asphyxia Diseases 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 239000000383 hazardous chemical Substances 0.000 description 2
- 239000011261 inert gas Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 231100000572 poisoning Toxicity 0.000 description 2
- 230000000607 poisoning effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000013349 risk mitigation Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及风险管控技术领域,公开了一种风险监测模型的建立方法、系统及风险监测方法与系统。所述风险监测模型的建立方法,所述建立方法包括:根据所述特定事故的演化时序关系和演化规律,确定引起所述特定事故的多个风险因素,其中所述多个风险因素来自多个风险源;以及按照所述多个风险因素之间的因果关系建立所述风险监测模型。本发明可解决企业直接作业环节风险管理分散的问题,建立多风险源、多状态参数条件下的企业直接作业环节的风险监测模型,从而可通过所建立的风险监测模型对事故的风险信息进行实时监控,一旦超出可接受水平,可及时预警并通知相关人员采取积极应对措施,进而减少潜在事故发生的可能性。
Description
技术领域
本发明涉及风险管控技术领域,具体地涉及一种用于特定事故的风险监测模型的建立方法与系统、及风险监测方法与系统。
背景技术
炼化企业直接作业环节的作业过程涉及易挥发、易燃、易爆、有毒等物质,作业场所危险性较高(例如受限空间作业、高处作业等)。此外,作业人员资质参差不齐,同时存在作业数量较多、作业分散、交叉作业情况。若对人员作业过程管控不到位,极易导致火灾、闪爆、人员中毒窒息等事故的发生,因此必须在事故发生前对关键风险进行监测预警,以期达到事故预防的目的。在现有技术中,作业现场多借助有毒有害气体报警仪、视频分析、人员定位等独立技术手段,对危险情况进行报警,但上述报警形式比较单一且分散,故风险监测的综合效果较差。
发明内容
本发明的目的是提供一种用于特定事故的风险监测模型的建立方法与系统、及风险监测方法与系统,其可解决企业直接作业环节风险管控以事后应急为主、缺乏融合判断、现场数据未得到有效利用、风险不能动态实时管控的问题,建立多风险源、多状态参数条件下的企业直接作业环节的风险监测模型,从而可通过所建立的风险监测模型对事故的风险信息进行实时监控,一旦超出可接受水平,可及时预警并通知相关人员采取积极应对措施,进而减少潜在事故发生的可能性。
为了实现上述目的,本发明第一方面提供一种用于特定事故的风险监测模型的建立方法,所述建立方法包括:根据所述特定事故的演化时序关系和演化规律,确定引起所述特定事故的多个风险因素,其中所述多个风险因素来自多个风险源;以及按照所述多个风险因素之间的因果关系建立所述风险监测模型。
优选地,所述确定引起所述特定事故的多个风险因素包括:根据所述特定事故的演化时序关系和演化规律,获取所述特定事故来自的特定作业类型及该特定作业类型下的特定作业环节;以及根据所述特定作业类型下的特定作业环节,确定引起所述特定事故的多个风险因素。
优选地,所述根据所述特定作业类型下的特定作业环节,确定引起所述特定事故的多个风险因素包括:根据所述特定作业类型下的特定作业环节,确定引起所述特定事故的多个风险类型;以及针对所确定的所述多个风险类型中的任一者,确定引起所述特定事故的至少一个风险因素。
通过上述技术方案,本发明创造性地根据特定事故的演化时序关系和演化规律,确定引起所述特定事故的来自多个风险源的多个风险因素,然后按照所述多个风险因素之间的因果关系建立所述风险监测模型,由此可解决企业直接作业环节风险源与风险因素状态单一,缺乏融合判断的问题,建立多风险源、多状态参数条件下的企业直接作业环节的风险监测模型,从而可通过所建立的风险监测模型对事故的风险信息进行实时监控。
本发明第二方面提供一种风险监测方法,所述风险监测方法包括:确定与多个预设风险因素相对应的多个条件风险信息,其中所述多个预设风险因素来自根据所述的用于特定事故的风险监测模型的建立方法所建立的风险监测模型中的多个风险因素;以及根据与所述多个预设风险因素相对应的所述多个条件风险信息,确定所述特定事故的风险信息,其中,所述条件风险信息与所述预设风险因素的条件概率相关。
优选地,所述确定与多个预设风险因素相对应的多个条件风险信息包括:确定所述特定事故来自的特定作业类型及该特定作业类型下的特定作业环节;以及执行以下任意一者:根据所述特定作业类型下的所述特定作业环节的历史事故数据、静态信息及实时信息,确定与所述多个预设风险因素相对应的多个条件风险信息;或者根据所述历史事故数据、所述静态信息、所述实时信息及预设的风险判断与融合方法,确定与所述多个预设风险因素相对应的多个条件风险信息。
优选地,所述根据所述特定作业类型下的所述特定作业环节的历史事故数据、静态信息及实时信息,确定与所述多个预设风险因素相对应的多个条件风险信息包括:对于所述多个预设风险因素中的第一组预设风险因素,通过查找所述历史事故数据、所述静态信息及所述实时信息,获取与所述第一组预设风险因素中的预设风险因素相对应的条件风险信息;以及对于所述多个预设风险因素中的第二组预设风险因素,根据所述历史事故数据、所述静态信息及所述实时信息中的至少一者,获取所述第二组预设风险因素中的每一者所涉及的至少一个特征参数的相关数据;以及基于所述第二组预设风险因素中的每一者所涉及的至少一个特征参数的相关数据,通过预设公式计算所述第二组预设风险因素中的每一者的条件风险信息。
优选地,所述根据所述历史事故数据、所述静态信息、所述实时信息及预设的风险判断与融合方法,确定与所述多个预设风险因素相对应的多个条件风险信息包括:对于所述多个预设风险因素中的第三组预设风险因素,通过查找所述历史事故数据、所述静态信息、所述实时信息及预设的风险判断与融合方法,获取与所述第三组预设风险因素中的预设风险因素相对应的条件风险信息;对于所述多个预设风险因素中的第四组预设风险因素,根据所述历史事故数据、所述静态信息及所述实时信息中的至少一者,获取所述第四组预设风险因素中的每一者所涉及的至少一个特征参数的相关数据,以及基于所述第四组预设风险因素中的每一者所涉及的至少一个特征参数的相关数据,通过预设公式计算所述第四组预设风险因素中的每一者的条件风险信息。
优选地,所述通过预设公式计算所述第二组预设风险因素或所述第四组预设风险因素中的每一者的条件风险信息包括:在所述第二组预设风险因素或所述第四组预设风险因素中的第一特定预设风险因素为可燃气体检测仪可靠性的情况下,通过公式PRBBJ=P0·v·t·h·e计算所述可燃气体检测仪可靠性的概率PRBBJ,其中P0为所述可燃气体检测仪的基础故障率,v为检定有效期修正系数,t为所述可燃气体检测仪的使用时间修正系数,h为人员使用习惯修正系数,以及e为工作环境修正系数;或者在所述第二组预设风险因素或所述第四组预设风险因素中的第二特定预设风险因素为漏电保护器可靠性的情况下,通过公式PRCD=P′0·t′计算所述漏电保护器可靠性的概率PRCD,其中P’0为所述漏电保护器的基础故障率,以及t’为所述漏电保护器的使用时间修正系数。
优选地,所述确定所述特定事故的风险信息包括:根据与所述多个预设风险因素相对应的条件风险信息及全概率公式,确定所述特定事故的风险信息。
优选地,所述风险监测方法还包括:根据所述特定事故的风险信息确定预警等级;以及根据所确定的预警等级,发出相应的预警和/或推送相应的控制措施信息。
优选地,所述风险监测方法还包括:输出所述特定事故的风险信息随时间变化的趋势图及所述多个预设风险因素中的引起风险变化的关键风险因素。
通过上述技术方案,本发明创造性地针对所建立的用于特定事故的风险监测模型中的多个风险因素中的多个预设风险因素中的每一者,确定相应的条件风险信息;然后根据所述多个预设风险因素中的每一者的风险信息,预测特定故事发生的风险概率,由此可通过所建立的风险监测模型对特定事故的风险信息进行实时监控,一旦超出可接受水平,可及时预警并通知相关人员采取积极应对措施,进而减少潜在事故发生的可能性。
本发明第三方面还提供一种用于特定事故的风险监测模型的建立系统,所述建立系统包括:风险因素确定装置,用于根据所述特定事故的演化时序关系和演化规律,确定引起所述特定事故的多个风险因素,其中所述多个风险因素来自多个风险源;以及模型建立装置,用于按照所述多个风险因素之间的因果关系建立所述风险监测模型。
有关本发明提供的用于特定事故的风险监测模型的建立系统的具体细节及益处可参阅上述针对用于特定事故的风险监测模型的建立方法的描述,于此不再赘述。
本发明第四方面还提供一种风险监测系统,所述风险监测系统包括:风险信息确定装置,用于确定与多个预设风险因素相对应的多个条件风险信息,其中所述多个预设风险因素来自所述的用于特定事故的风险监测模型的建立系统所建立的风险监测模型中的多个风险因素;以及风险信息确定装置,用于根据与所述多个预设风险因素相对应的多个条件风险信息,确定所述特定事故的风险信息,其中,所述条件风险信息与所述预设风险因素的条件概率相关。
有关本发明提供的风险监测系统的具体细节及益处可参阅上述针对风险监测方法的描述,于此不再赘述。
本发明第五方面还提供一种机器可读存储介质,所述机器可读存储介质上存储有指令,该指令用于使得机器执行所述的用于特定事故的风险监测模型的建立方法和/或所述的风险监测方法。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1是本发明实施例一提供的用于特定事故的风险监测模型的建立方法的流程图;
图2是本发明实施例二提供的确定引起所述特定事故的多个风险因素的过程的流程图;
图3是本发明实施例二提供的因果逻辑模型的示意图;
图4是本发明实施例三提供的风险监测方法的流程图;
图5是本发明实施例四提供的确定与多个预设风险因素相对应的多个条件风险信息的过程;
图6是本发明实施例五提供的风险监测系统的结构示意图;
图7是本发明实施例五提供的正常工况下因果逻辑模型的实时计算结果(以清罐作业为例);
图8是本发明实施例六提供的清罐作业中的闪爆事故的风险趋势图;
图9是本发明实施例七提供的炼化企业直接作业风险监测技术路线的示意图;
图10是本发明实施例八提供的用于特定事故的风险监测模型的建立系统的结构图;以及
图11是本发明实施例九提供的风险监测系统的结构图。
附图标记说明
1 模型建立系统 2 参数获取装置
10 风险因素确定装置 20 模型建立装置
30 条件风险信息确定装置 40 风险信息确定装置
50 输出装置 60 预警装置
70 控制措施库装置 80 敏感性分析装置
具体实施方式
以下结合附图,通过九个实施例来对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
实施例一
图1是本发明实施例一提供的用于特定事故的风险监测模型的建立方法的流程图。如图1所示,所述建立方法可包括:步骤S101,根据所述特定事故的演化时序关系和演化规律,确定引起所述特定事故的多个风险因素,其中所述多个风险因素来自多个风险源;以及步骤S102,按照所述多个风险因素之间的因果关系建立所述风险监测模型。其中,所述风险源可包括:人(例如施工作业人员、现场监护人员等)、机(例如设备设施、用电等)、料(例如物料等)、法(例如制度、规程、方案等)、环(例如作业区环境、气象环境等)。假如,所述特定事故为闪爆事故,则风险因素可为可燃混合气达到爆炸极限、点火源、可燃气体检测、易燃气体、防爆工具、培训、管理及温度等。
上述实施例一可根据特定事故的演化时序关系和演化规律,确定引起所述特定事故的来自多个风险源的多个风险因素,然后按照所述多个风险因素之间的因果关系建立所述风险监测模型,由此可解决企业直接作业环节风险源与风险因素单一,缺乏融合判断的问题,建立多风险源、多状态参数条件下的企业直接作业环节的风险监测模型,从而可通过所建立的风险监测模型对事故的风险信息进行实时监控。
实施例二
在上述实施例一的基础上,可对步骤S101中的确定引起所述特定事故的多个风险因素的过程进行进一步细化,其可包括以下步骤S201-S202,如图2所示。
步骤S201,根据所述特定事故的演化时序关系和演化规律,获取所述特定事故来自的特定作业类型及该特定作业类型下的特定作业环节。
具体地,首先从作业事故报告中获取特定事故,该特定事故可包括:火灾爆炸(闪爆、持续燃烧)、人员中毒/窒息、人身伤害(高处坠落、触电、烫伤、滑到跌倒)、设备损坏等。然后,通过查阅作业指导书、技术手册等相关资料,按照特定事故的演化时序关系和演化规律来梳理A作业过程,获取所述A作业过程中包含的特定作业类型(例如关键作业类型)和该特定作业类型下的特定作业环节(例如关键作业环节)。以特定事故为清罐作业中的闪爆为例,可获取清罐作业中的闪爆来自的特定作业类型为受限空间作业以及高处作业、临时用电作业与吊装作业三者中的至少一者。对于受限空间作业而言,其关键作业环节可包括:清洗机安装、系统隔离、罐底油移送、惰性气体置换、通风、气体检测、承包商入场检查、现场监护及清洗作业等;对于高处作业而言,其关键作业环节可包括罐体通风;对于临时用电作业,其关键作业环节可包括系统隔离、罐底油移送、惰性气体置换;对于吊装作业,其关键作业环节可包括清洗机安装。
步骤S202,根据所述特定作业类型下的特定作业环节,确定引起所述特定事故的多个风险因素。
对于步骤S202,所述确定引起所述特定事故的多个风险因素的过程可包括:根据所述特定作业类型下的特定作业环节,确定引起所述特定事故的多个风险类型;以及针对所确定的所述多个风险类型中的任一者,确定引起所述特定事故的至少一个风险因素。
以清罐作业中的闪爆为例,结合特定作业类型(例如关键作业类型)及该特定作业类型下的特定作业环节(例如关键作业环节),可辨识导致闪爆事故的7类风险因素,并对每一类风险因素可能包含的风险因素进行描述,见表1。
表1风险因素分类及描述
对于步骤S102,按照所确定的多个风险因素之间的因果关系,构建包含10个根节点(例如,培训、温度等节点)、1个叶节点(例如,闪爆节点)和8个中间节点(例如,可燃气体检测、易燃气体等节点)的因果逻辑模型(如图3所示),各节点的定义及状态见表2。
表2炼化企业直接作业风险监测预警模型节点及定义
当然,本发明的上述实施例并不限于上述清罐作业中的闪爆事故,还适用于其他作业的其他事故。
在建立好针对特定事故的风险监测模型之后,若想要对上述特定事故的风险情况进行监测,则可从风险监测模型中选取用户希望关注的多个预设风险因素(将其他不希望关注的相应风险因素舍弃,具体操作将于下文进行介绍),接着确定每个预设风险因素的风险概率,再根据每个风险因素的风险概率计算所述特定事故的风险概率,由此可实现对事故风险的实时监测。
综上所述,本发明创造性地根据特定事故的演化时序关系和演化规律,确定引起所述特定事故的来自多个风险源的多个风险因素,然后按照所述多个风险因素之间的因果关系建立所述风险监测模型,由此可解决企业直接作业环节风险源与风险因素单一、缺乏融合判断的问题,建立多风险源、多状态参数条件下的企业直接作业环节的风险监测模型,从而可通过所建立的风险监测模型对事故的风险信息进行实时监控。
实施例三
图4是本发明实施例三提供的一种风险监测方法的流程图。如图4所示,所述风险监测方法可包括:步骤S401,确定与多个预设风险因素相对应的多个条件风险信息,其中所述多个预设风险因素来自根据所述的用于特定事故的风险监测模型的建立方法所建立的风险监测模型中的多个风险因素;以及步骤S402,根据与所述多个预设风险因素相对应的所述多个条件风险信息,确定所述特定事故的风险信息。其中,所述条件风险信息与所述预设风险因素的条件概率相关。
在实际使用用于特定事故的风险监测模型的情况下,可根据实际情况从多个风险因素中选择希望关注的多个预设风险因素。以清罐作业中的闪爆事故为例,若清罐作业不涉及培训环节的风险,则可将图3中的培训节点的按钮设置为灰色(即关闭掉该培训节点),而选用其他多个风险因素。
具体地,若预设风险因素为根节点,则其条件概率(即先验概率)包括:该预设风险因素成立的条件概率及不成立的条件概率。若预设风险因素为中间节点,则其条件概率(即先验概率)包括2N组条件概率(每组包括成立的条件概率及不成立的条件概率)。具体地,如图3所示,若中间节点B(点火源存在)的父节点A(周边用火作业)的个数为1,则点火源存在的条件概率包括P(B=T(点火源存在成立)|A=T(周边用火作业成立))与P(B=T(点火源存在成立)|A=F(周边用火作业不成立));以及点火源不存在的条件概率包括P(B=F(点火源存在不成立)|A=T(周边用火作业成立))与P(B=F(点火源存在不成立)|A=F(周边用火作业不成立)),即第一组条件概率为P(B=T|A=T)与P(B=F|A=T),两者之和为1;第二组条件概率为P(B=T|A=F)与P(B=F|A=F),两者之和为1。下文将具体说明获取这些预设风险因素的条件概率(或先验概率)的详细过程。
实施例四
某些预设风险因素的条件风险信息(例如,条件概率)可通过查找资料获取,或者再结合简单的计算方式而获得,而另一些预设风险因素的条件风险信息(例如,条件概率)很难获取。由此,对于多个预设风险因素而言,可能通过查找资料或者再结合简单的计算方式而获得获取所述多个预设风险因素中的每一者的条件风险信息,也可能还要配合其他方式计算得到部分预设风险因素的条件风险信息。以图3为例,若某企业关注某分支——周边用火作业A、点火源B及闪爆Z等预设风险因素,则对于预设风险因素——点火源B而言,其条件概率可包括:周边用火作业存在成立的条件下点火源存在的概率(P(B=T|A=T))及周边用火作业存在不成立的条件下点火源存在的概率(P(B=T|A=F))。
在上述实施例三的基础上,可对步骤S401中的确定与多个预设风险因素相对应的多个条件风险信息的过程进行进一步的限定,其可包括以下步骤S501-S502,如图5所示。
步骤S501,确定所述特定事故来自的特定作业类型及该特定作业类型下的特定作业环节。
步骤S502,根据所述特定作业类型下的所述特定作业环节的历史事故数据、静态信息及实时信息,或根据所述历史事故数据、所述静态信息、所述实时信息及预设的风险判断与融合方法,确定与所述多个预设风险因素相对应的多个条件风险信息。
也就是说,步骤S502的目的是确定所述风险监测模型的输入参数。其中,所述静态信息通常以状态信息的方式被提供,该状态信息可由各安全控制系统提供。
在所述多个预设风险因素均可通过查找资料或者再结合简单的计算方式而获得的情况下,所述根据所述特定作业类型下的所述特定作业环节的历史事故数据、静态信息及实时信息,确定与所述多个预设风险因素相对应的多个条件风险信息包括:对于所述多个预设风险因素中的第一组预设风险因素,通过查找所述历史事故数据、所述静态信息及所述实时信息,获取与所述第一组预设风险因素中的预设风险因素相对应的条件风险信息;以及对于所述多个预设风险因素中的第二组预设风险因素,根据所述历史事故数据、所述静态信息及所述实时信息中的至少一者,获取所述第二组预设风险因素中的每一者所涉及的至少一个特征参数的相关数据;以及基于所述第二组预设风险因素中的每一者所涉及的至少一个特征参数的相关数据,通过预设公式计算所述第二组预设风险因素中的每一者的条件风险信息。
例如,所述第一组预设风险因素可包括温度、危险物料、隔离有效;所述第二组预设风险因素可包括检测仪可靠性、检测位置合理性。图3或表3中的温度可通过查找实时信息中的在线温度计的读数,通过读数确定温度的条件概率(即先验概率):例如,当读数为22℃时,确定温度处在低于25℃状态,其成立条件概率为1,不成立条件概率为0;若读数为27℃,则温度处于25-30℃范围,其成立条件概率0,不成立条件概率为1。对于所述第二组预设风险因素中的任一预设风险因素的条件概率(或先验概率)的具体说明详见下文的描述。
表3模型输入参数的获取方式及分类
在所述多个预设风险因素中的任一者不可通过查找资料或者再结合简单的计算方式而获得的情况下,所述根据所述历史事故数据、所述静态信息、所述实时信息及预设的风险判断与融合方法,确定与所述多个预设风险因素相对应的多个条件风险信息包括:对于所述多个预设风险因素中的第三组预设风险因素,通过查找所述历史事故数据、所述静态信息、所述实时信息及预设的风险判断与融合方法,获取与所述第三组预设风险因素中的预设风险因素相对应的条件风险信息;以及对于所述多个预设风险因素中的第四组预设风险因素,根据所述历史事故数据、所述静态信息及所述实时信息中的至少一者,获取所述第四组预设风险因素中的每一者所涉及的至少一个特征参数的相关数据,以及基于所述第四组预设风险因素中的每一者所涉及的至少一个特征参数的相关数据,通过预设公式计算所述第四组预设风险因素中的每一者的条件风险信息。
例如,所述第三组预设风险因素可包括温度、危险物料及管理合规性等;所述第四组预设风险因素可包括检测仪可靠性、检测位置合理性等(该第四组预设风险因素可与所述第二组预设风险因素相同)。对于与上述第三组预设风险因素中的管理合规性相对应的至少一个特征参数,由于其非常难以被获取,故可通过由专家经验确定的预设的风险判断方式得到多个相应的条件概率(或先验概率),再通过引用证据理论将所述多个相应的条件概率进行融合处理(可称为模糊处理,其可提高判断的一致性),以得到所述管理合规性的平均条件概率。
所述通过预设公式计算所述第二组预设风险因素或所述第四组预设风险因素中的每一者的条件风险信息可包括:在所述第二组预设风险因素或所述第四组预设风险因素中的第一特定预设风险因素为可燃气体检测仪可靠性的情况下,可通过公式(1):
PRBBJ=P0·v·t·h·e (1)
计算所述可燃气体检测仪可靠性的概率PRBBJ,其中P0为所述可燃气体检测仪的基础故障率,v为检定有效期修正系数,t为所述可燃气体检测仪的使用时间修正系数,h为人员使用习惯修正系数,以及e为工作环境修正系数;或者在所述第二组预设风险因素或所述第四组预设风险因素中的第二特定预设风险因素为漏电保护器可靠性的情况下,可通过公式(2):
PRCD=P′0.t′ (2)
计算所述漏电保护器可靠性的概率PRCD,其中P’0为所述漏电保护器的基础故障率,以及t’为所述漏电保护器的使用时间修正系数。
具体地,可通过查找静态信息可得到所述可燃气体检测仪的基础故障率P0、检定有效期修正系数v、所述可燃气体检测仪的使用时间修正系数t、人员使用习惯修正系数h以及工作环境修正系数e,(或所述漏电保护器的基础故障率P’0以及所述漏电保护器的使用时间修正系数t’),然后根据上述PRBBJ=P0·v·t·h·e(或PRCD=P′0·t′)计算得到可燃气体检测仪可靠性的概率PRBBJ(或漏电保护器可靠性的概率PRCD)。其中,PRBBJ为可燃气体检测仪的基础故障成立的条件概率,而1-PRBBJ为可燃气体检测仪的基础故障不成立的条件概率;PRCD为漏电保护器可靠性成立的条件概率,而1-PRCD为漏电保护器可靠性不成立的条件概率。
实施例五
在上述实施例三的基础上,还可对步骤S402中的确定所述特定事故的风险信息的过程进行进一步的限定。所述确定所述特定事故的风险信息包括:根据与所述多个预设风险因素相对应的所述多个条件风险信息及全概率公式,确定所述特定事故的风险信息。
在得到与多个预设风险因素相对应的多个风险信息的情况下,根据下述全概率公式(3):
其中,P(Z)表示特定事故Z的风险概率;Yi表示导致特定事故Z发生的原因;以及当n大于1时,P(Yi)为联合概率(例如,下文闪爆事故中的P(A=T,B=T)),可由导致特定事故Z发生的原因所对应的多个预设风险因素的风险概率计算得到;P(Z|Yi)表示Yi发生条件下Z发生的概率(例如,下文闪爆事故中的P(Z=T|A=T,B=T)),即条件概率(或先验概率)。在样本足够的情况下,概率可等同于事故发生的频率。
以闪爆事故为例,Y1表示点火源存在及可燃气体达到爆炸极限同时成立(例如,用(A=T,B=T)表示)、Y2表示点火源存在成立而可燃气体达到爆炸极限不成立(例如,用(A=T,B=F)表示)、Y3表示点火源存在不成立而可燃气体达到爆炸极限成立(例如,用(A=F,B=T)表示)及Y4表示点火源存在及可燃气体达到爆炸极限均成立(例如,用(A=F,B=F)表示),P(Z=T)=P(Z=T|A=T,B=T)P(A=T,B=T)+P(Z=T|A=T,B=F)P(A=T,B=F)+P(Z=T|A=F,B=T)P(A=F,B=T)+P(Z=T|A=F,B=F)P(A=F,B=F)。其中,各个条件概率(或先验概率)P(Z=T|A=T,B=T)=0.9、P(Z=T|A=T,B=F)=0.1、P(Z=T|A=F,B=T)=0.1及P(Z=T|A=F,B=F)=0.1均可通过上文内容计算得到;P(A=T,B=T)=P(A=T)P(B=T),P(A=T,B=F)=P(A=T)P(B=F),P(A=F,B=T)=P(A=F)P(B=T)及P(A=F,B=F)=P(A=F)P(B=F);而P(A=T)=0.1或P(B=T)=0.1可采用与P(Z=T)类似的计算方式计算得到,一直追溯到每个分支的根节点所对应的预设风险因素(以点火源所在分支为例,其根节点所对应的预设风险因素为周边用火作业、防爆工具等)的(条件)风险概率可通过上文描述的方式获取。由此,可计算得到P(Z=T)=0.9*0.1*0.1+0.1*0.1*0.9+0.1*0.9*0.1+0.1*0.9*0.9=0.108,其中P(Z=T)可称为后验概率。
下面以某企业关注的分支周边用火作业A、点火源B及闪爆Z为例,对计算闪爆Z的风险概率的过程进行简单的说明。
可通过上述描述方式进行分析得到各个预设风险因素的条件概率(可称为先验概率),条件概率相当于已知条件,求此条件下发生闪爆的概率P(Z=T)。
首先,已知P(A=T)=0.1(周边用火作业A存在成立的概率为0.1),P(A=F)=0.9(周边用火作业A存在不成立的概率为0.9),P(B=T|A=T)=0.8(周边用火作业存在成立的条件下点火源存在的概率为0.8),P(B=T|A=F)=0.4(周边用火作业存在不成立的条件下点火源存在的概率为0.4),求点火源存在的概率,即P(B=T),该结果可展示在图7中。
P(B=T)=P(B=T,A=T)+P(B=T,A=F)=P(B=T|A=T)P(A=T)+P(B=T|A=F)P(A=F)=0.8*0.1+0.4*0.9=0.44;
P(B=F)=1-P(B=T)=0.56。
其次,已知P(B=T)=0.44,P(B=F)=0.56,P(Z=T|B=T)=0.6,P(Z=T|B=F)=0,再求发生闪爆的概率,即P(Z=T),该结果可展示在图7中。
P(Z=T)=P(Z=T,B=T)+P(Z=T,B=F)==P(Z=T|B=T)P(B=T)+P(Z=T|B=F)P(B=F)=0.6*0.44+0*0.56=0.264;
P(Z=F)=1-P(Z=T)=0.736。
通过实时监测,当发现周边有用火作业时,更新P(A),根据以上步骤可重新计算得到P(Z=T)=0.46,相应图7中的计算结果也会随之更新。
总的来说,如图6所示,参数获取装置2利用物联网、移动互联技术采集施工作业管控系统、JSA分析系统、能量隔离系统、视频监控以及专家判断信息,获取模型中风险因素所需的动静态参数,并传输给数据条件风险信息确定装置(或可称为预处理装置)30。然后,条件风险信息确定装置2利用下述的计算公式,将获取的动静态参数或专家判断数据转换为条件概率,并传输给风险信息确定装置(或可称为风险值计算装置)40。风险信息确定装置40基于所计算的条件概率,并利用全概率公式计算事故发生概率,并传输给输出装置50。输出装置50可以图8的形式将监测结果进行输出,与此同时,还可通过预警装置60(可包括预警等级确定装置(未示出)及预警执行装置(未示出)及对监测结果进行相应程度的预警。
实施例六
在各个实施例的基础上,还可基于所述特定事故的风险概率发出相应的预警或者推送相应的控制措施,由此可及时制止或避免事故的发生,从而保证企业相关工作人员的人身安全和企业现场的财产安全。
所述风险监测方法还可包括:根据所述特定事故的风险信息确定预警等级;以及根据所确定的预警等级,发出相应的预警和/或推送相应的控制措施信息。
具体地,依据事故发生的风险概率和风险可接受标准,建立红、橙、黄、蓝分级预警机制。当事故发生的风险概率小于第一预设概率(例如10-6/年)时,风险值落在蓝色区域,可确定预警等级为1级预警(表示风险较低,可接受);当事故发生的风险概率大于所述第一预设概率且小于第二预设概率(例如10-5/年)(也就是说,处于10-5/年~10-6/年)时,风险值落在黄色区域,可确定预警等级为2级预警(表示后果造成的影响一般,可有选择性的采取措施降低风险);当事故发生的风险概率大于所述第二预设概率且小于第三预设概率(例如10-4/年)(也就是说,处于10-4/年~10-5/年)时,风险值落在橙色区域,可确定预警等级为3级预警(表示将对人身安全和财产安全造成较严重的负面影响,需采取一定的控制措施降低风险);当事故发生的风险概率大于所述第三预设概率时,风险值落在红色区域,可确定预警等级为4级预警(表示可导致死亡、重大经济损失等严重事故的发生,必须立即采取控制措施规避或降低风险)。
此外,可参照事故资料及相关标准,并按照不同预警等级构建控制措施风险库(包含工程技术措施和管理措施表单),被将所构建的控制措施风险库存储到控制措施库装置70中,并且,该控制措施库装置70与预警装置60相连接,如图6所示。由此,针对不同的预警等级,可将控制措施库装置70的不同控制措施推送给风险监测系统,以提示相关负责人员执行相应的控制措施。
因此,基于上述风险值及预警规则,可实现风险动态监测和实时预警,并依据评估后果推送针对性风险缓解措施,使风险始终处于可接受水平,达到减少潜在事故发生的可能性。
另外,所述风险监测方法还可包括:输出所述特定事故的风险信息随时间变化的趋势图及所述多个预设风险因素中的引起风险变化的关键风险因素。
其中,可通过图6中的敏感性分析装置80对风险监测模型进行敏感性分析而获取所述关键风险因素,之后将所述关键风险因素传输到输出装置50以将其示出。具体地,在已知风险因素的先验概率和后验概率的情况下,敏感性分析装置80可根据任一预设风险因素的各个父节点均成立且本节点也成立的先验概率(例如上述闪爆事故中的P(Z=T|A=T,B=T)=0.9)和后验概率(P(Z=T)=0.108)的差值确定所述预设风险因素的敏感性,若所述差值的绝对值越大,则所述预设风险因素越敏感。例如,在特定预设风险因素的先验概率和后验概率的差值的绝对值大于预设值的情况下,确定所述特定预设风险因素为关键风险因素。如图8所示,清罐作业中的闪爆事故发生的概率以风险趋势图的形式输出,同时输出导致风险概率变化的关键风险因素为可燃气体浓度过高及高温。
实施例七
在本发明实施例七中,对炼化企业直接作业风险监测技术路线进行说明。
具体地,炼化企业直接作业风险监测技术路线可包括以下步骤S901-步骤S909,如图9所示。
步骤S901,定义企业系统、收集事故数据及现场信息。
步骤S902,根据所收集的数据进行危险源辨识和失效机理研究,以确定预设风险因素。
步骤S903,根据预设风险因素的因果关系,建立风险监测模型。
步骤S904,从状态监测系统中获取状态信息。
所述状态信息可包括动态参数及静态参数。
步骤S905,根据状态信息及历史事故数据等进行预设风险因素的条件概率估算。
也就是说,执行先验概率估算过程。
步骤S906,根据预设风险因素的条件概率及风险监测模型进行事故的风险概率估算。
也就是说,执行后验概率估算过程。
风险概率分析过程可包括步骤S905及步骤S906。
步骤S907,从状态监测系统获取的实时信息,并执行步骤S905、步骤S906及步骤S908。
再次执行步骤S905-S906,相当于对预设风险因素的条件概率进行更新,更新后的条件概率(或先验概率)相当于新证据,进而对事故发生的风险概率进行实时更新。
步骤S908,根据事故的风险概率预测相应的后果。
步骤S909,根据所预测的相应后果执行预警。
综上所述,本发明创造性地针对所建立的用于特定事故的风险监测模型中的多个风险因素中的多个预设风险因素中的每一者,确定相应的条件风险信息;然后根据所述多个预设风险因素中的每一者的风险信息,预测特定故事发生的风险概率,由此可通过所建立的风险监测模型对特定事故的风险信息进行实时监控,一旦超出可接受水平,可及时预警并通知相关人员采取积极应对措施,进而减少潜在事故发生的可能性。
实施例八
图10是本发明实施例八提供的用于特定事故的风险监测模型的建立系统(可简称为模型建立系统)的结构图。如图10所示,所述模型建立系统1可包括:风险因素确定装置10,用于根据所述特定事故的演化时序关系和演化规律,确定引起所述特定事故的多个风险因素,其中所述多个风险因素来自多个风险源;以及模型建立装置20,用于按照所述多个风险因素之间的因果关系建立所述风险监测模型。
优选地,所述风险因素确定装置10包括:作业获取模块(未示出),用于根据所述特定事故的演化时序关系和演化规律,获取所述特定事故来自的特定作业类型及该特定作业类型下的特定作业环节;以及风险因素确定模块(未示出),用于根据所述特定作业类型下的特定作业环节,确定引起所述特定事故的多个风险因素。
优选地,所述风险因素确定模块(未示出)包括:风险类型确定单元,用于根据所述特定作业类型下的特定作业环节,确定引起所述特定事故的多个风险类型;以及风险因素确定单元,用于针对所确定的所述多个风险类型中的任一者,确定引起所述特定事故的至少一个风险因素。
有关本发明提供的用于特定事故的风险监测模型的建立系统的具体细节及益处可参阅上述针对用于特定事故的风险监测模型的建立方法的描述,于此不再赘述。
实施例九
图11是本发明实施例九提供的风险监测系统的结构图。如图11所示,所述风险监测系统可包括:条件风险信息确定装置30,用于确定与多个预设风险因素相对应的多个条件风险信息,其中所述多个预设风险因素来自所述的用于特定事故的风险监测模型的建立系统(即模型建立系统)1所建立的风险监测模型中的多个风险因素;以及风险信息确定装置40,用于根据与所述多个预设风险因素相对应的所述多个条件风险信息,确定所述特定事故的风险信息。其中,所述条件风险信息与所述预设风险因素的条件概率相关。
当然,所述风险监测系统还可包括:参数获取装置2,用于通过物联网、移动互联技术采集施工作业管控系统、JSA分析系统、能量隔离系统、视频监控以及专家判断信息,获取模型中风险因素所需的动静态参数,并传输给数据条件风险信息确定装置(或可称为预处理装置)30。
优选地,所述条件风险信息确定装置30包括:作业确定模块(未示出),用于确定所述特定事故来自的特定作业类型及该特定作业类型下的特定作业环节;以及条件风险信息确定模块(未示出),用于根据所述特定作业类型下的所述特定作业环节的历史事故数据、静态信息及实时信息,确定与所述多个预设风险因素相对应的多个条件风险信息;或根据所述历史事故数据、所述静态信息、所述实时信息及预设的风险判断与融合方法,确定与所述多个预设风险因素相对应的多个条件风险信息。
优选地,所述条件风险信息确定模块(未示出)包括:第一确定单元,用于对于所述多个预设风险因素中的第一组预设风险因素,通过查找所述历史事故数据、所述静态信息及所述实时信息,获取与所述第一组预设风险因素中的预设风险因素相对应的条件风险信息;以及第二确定单元,用于对于所述多个预设风险因素中的第二组预设风险因素,根据所述历史事故数据、所述静态信息及所述实时信息中的至少一者,获取所述第二组预设风险因素中的每一者所涉及的至少一个特征参数的相关数据;以及基于所述第二组预设风险因素中的每一者所涉及的至少一个特征参数的相关数据,通过预设公式计算所述第二组预设风险因素中的每一者的条件风险信息。
优选地,所述条件风险信息确定模块(未示出)包括:第三确定单元,用于对于所述多个预设风险因素中的第三组预设风险因素,通过查找所述历史事故数据、所述静态信息、所述实时信息及预设的风险判断与融合方法,获取与所述第三组预设风险因素中的预设风险因素相对应的条件风险信息;以及第四确定单元,用于对于所述多个预设风险因素中的第四组预设风险因素,根据所述历史事故数据、所述静态信息及所述实时信息中的至少一者,获取所述第四组预设风险因素中的每一者所涉及的至少一个特征参数的相关数据,以及基于所述第四组预设风险因素中的每一者所涉及的至少一个特征参数的相关数据,通过预设公式计算所述第四组预设风险因素中的每一者的条件风险信息。
优选地,所述第四确定单元用于通过预设公式计算所述第二组预设风险因素或所述第四组预设风险因素中的每一者的条件风险信息包括:在所述第二组预设风险因素或所述第四组预设风险因素中的第一特定预设风险因素为可燃气体检测仪可靠性的情况下,通过公式PRBBJ=P0·v·t·h·e计算所述可燃气体检测仪可靠性的概率PRBBJ,其中P0为所述可燃气体检测仪的基础故障率,v为检定有效期修正系数,t为所述可燃气体检测仪的使用时间修正系数,h为人员使用习惯修正系数,以及e为工作环境修正系数;或者在所述第二组预设风险因素或所述第四组预设风险因素中的第二特定预设风险因素为漏电保护器可靠性的情况下,通过公式PRCD=P′0·t′计算所述漏电保护器可靠性的概率PRCD,其中P’0为所述漏电保护器的基础故障率,以及t’为所述漏电保护器的使用时间修正系数。
优选地,所述风险信息确定装置用于确定所述特定事故的风险信息包括:根据与所述多个预设风险因素相对应的所述多个条件风险信息及全概率公式,确定所述特定事故的风险信息。
优选地,所述风险监测系统还包括:预警等级确定装置(未示出),用于根据所述特定事故的风险信息确定预警等级;以及预警执行装置(未示出),用于根据所确定的预警等级,发出相应的预警和/或推送相应的控制措施信息。
优选地,所述风险监测系统还包括:输出装置50,用于输出所述特定事故的风险信息随时间变化的趋势图及所述多个预设风险因素中的引起风险变化的关键风险因素。
有关本发明实施例提供的风险监测系统的具体细节及益处可参阅上述针对风险监测方法的描述,于此不再赘述。
本发明实施例还提供一种机器可读存储介质,所述机器可读存储介质上存储有指令,该指令用于使得机器执行所述的用于特定事故的风险监测模型的建立方法和/或所述的风险监测方法。
所述机器可读存储介质包括但不限于相变内存(相变随机存取存储器的简称,Phase Change Random Access Memory,PRAM,亦称为RCM/PCRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体(Flash Memory)或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备等各种可以存储程序代码的介质。
以上结合附图详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,这些简单变型均属于本发明的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。
Claims (14)
1.一种用于特定事故的风险监测模型的建立方法,其特征在于,所述建立方法包括:
根据所述特定事故的演化时序关系和演化规律,确定引起所述特定事故的多个风险因素,其中所述多个风险因素来自多个风险源;以及
按照所述多个风险因素之间的因果关系建立所述风险监测模型。
2.根据权利要求1所述的用于特定事故的风险监测模型的建立方法,其特征在于,所述确定引起所述特定事故的多个风险因素包括:
根据所述特定事故的演化时序关系和演化规律,获取所述特定事故来自的特定作业类型及该特定作业类型下的特定作业环节;以及
根据所述特定作业类型下的特定作业环节,确定引起所述特定事故的多个风险因素。
3.根据权利要求2所述的用于特定事故的风险监测模型的建立方法,其特征在于,所述根据所述特定作业类型下的特定作业环节,确定引起所述特定事故的多个风险因素包括:
根据所述特定作业类型下的特定作业环节,确定引起所述特定事故的多个风险类型;以及
针对所确定的所述多个风险类型中的任一者,确定引起所述特定事故的至少一个风险因素。
4.一种风险监测方法,其特征在于,所述风险监测方法包括:
确定与多个预设风险因素相对应的多个条件风险信息,其中所述多个预设风险因素来自根据权利要求1-3中任一项所述的用于特定事故的风险监测模型的建立方法所建立的风险监测模型中的多个风险因素;以及
根据与所述多个预设风险因素相对应的所述多个条件风险信息,确定所述特定事故的风险信息,
其中,所述条件风险信息与所述预设风险因素的条件概率相关。
5.根据权利要求4所述的风险监测方法,其特征在于,所述确定与多个预设风险因素相对应的多个条件风险信息包括:
确定所述特定事故来自的特定作业类型及该特定作业类型下的特定作业环节;以及
执行以下任意一者:
根据所述特定作业类型下的所述特定作业环节的历史事故数据、静态信息及实时信息,确定与所述多个预设风险因素相对应的多个条件风险信息;或者
根据所述历史事故数据、所述静态信息、所述实时信息及预设的风险判断与融合方法,确定与所述多个预设风险因素相对应的多个条件风险信息。
6.根据权利要求5所述的风险监测方法,其特征在于,所述根据所述特定作业类型下的所述特定作业环节的历史事故数据、静态信息及实时信息,确定与所述多个预设风险因素相对应的多个条件风险信息包括:
对于所述多个预设风险因素中的第一组预设风险因素,通过查找所述历史事故数据、所述静态信息及所述实时信息,获取与所述第一组预设风险因素中的预设风险因素相对应的条件风险信息;以及
对于所述多个预设风险因素中的第二组预设风险因素,根据所述历史事故数据、所述静态信息及所述实时信息中的至少一者,获取所述第二组预设风险因素中的每一者所涉及的至少一个特征参数的相关数据;以及基于所述第二组预设风险因素中的每一者所涉及的至少一个特征参数的相关数据,通过预设公式计算所述第二组预设风险因素中的每一者的条件风险信息。
7.根据权利要求5所述的风险监测方法,其特征在于,所述根据所述历史事故数据、所述静态信息、所述实时信息及预设的风险判断与融合方法,确定与所述多个预设风险因素相对应的多个条件风险信息包括:
对于所述多个预设风险因素中的第三组预设风险因素,通过查找所述历史事故数据、所述静态信息、所述实时信息及预设的风险判断与融合方法,获取与所述第三组预设风险因素中的预设风险因素相对应的条件风险信息;以及
对于所述多个预设风险因素中的第四组预设风险因素,根据所述历史事故数据、所述静态信息及所述实时信息中的至少一者,获取所述第四组预设风险因素中的每一者所涉及的至少一个特征参数的相关数据,以及基于所述第四组预设风险因素中的每一者所涉及的至少一个特征参数的相关数据,通过预设公式计算所述第四组预设风险因素中的每一者的条件风险信息。
8.根据权利要求6或7所述的风险监测方法,其特征在于,所述通过预设公式计算所述第二组预设风险因素或所述第四组预设风险因素中的每一者的条件风险信息包括:
在所述第二组预设风险因素或所述第四组预设风险因素中的第一特定预设风险因素为可燃气体检测仪可靠性的情况下,通过公式PRBBJ=P0·v·t·h·e计算所述可燃气体检测仪可靠性的概率PRBBJ,其中P0为所述可燃气体检测仪的基础故障率,v为检定有效期修正系数,t为所述可燃气体检测仪的使用时间修正系数,h为人员使用习惯修正系数,以及e为工作环境修正系数;或者
在所述第二组预设风险因素或所述第四组预设风险因素中的第二特定预设风险因素为漏电保护器可靠性的情况下,通过公式PRCD=P′0·t′计算所述漏电保护器可靠性的概率PRCD,其中P’0为所述漏电保护器的基础故障率,以及t’为所述漏电保护器的使用时间修正系数。
9.根据权利要求4所述的风险监测方法,其特征在于,所述确定所述特定事故的风险信息包括:
根据与所述多个预设风险因素相对应的所述多个条件风险信息及全概率公式,确定所述特定事故的风险信息。
10.根据权利要求4所述的风险监测方法,其特征在于,所述风险监测方法还包括:
根据所述特定事故的风险信息确定预警等级;以及
根据所确定的预警等级,发出相应的预警和/或推送相应的控制措施信息。
11.根据权利要求4所述的风险监测方法,其特征在于,所述风险监测方法还包括:
输出所述特定事故的风险信息随时间变化的趋势图及所述多个预设风险因素中的引起风险变化的关键风险因素。
12.一种用于特定事故的风险监测模型的建立系统,其特征在于,所述建立系统包括:
风险因素确定装置,用于根据所述特定事故的演化时序关系和演化规律,确定引起所述特定事故的多个风险因素,其中所述多个风险因素来自多个风险源;以及
模型建立装置,用于按照所述多个风险因素之间的因果关系建立所述风险监测模型。
13.一种风险监测系统,其特征在于,所述风险监测系统包括:
风险信息确定装置,用于确定与多个预设风险因素相对应的多个条件风险信息,其中所述多个预设风险因素来自根据权利要求12所述的用于特定事故的风险监测模型的建立系统所建立的风险监测模型中的多个风险因素;以及
风险信息确定装置,用于根据与所述多个预设风险因素相对应的所述多个条件风险信息,确定所述特定事故的风险信息,
其中,所述条件风险信息与所述预设风险因素的条件概率相关。
14.一种机器可读存储介质,其特征在于,所述机器可读存储介质上存储有指令,该指令用于使得机器执行所述权利要求1-3中任一项所述的用于特定事故的风险监测模型的建立方法和/或所述权利要求4-11中任一项所述的风险监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010562082.4A CN113821899A (zh) | 2020-06-18 | 2020-06-18 | 风险监测模型的建立方法、系统及风险监测方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010562082.4A CN113821899A (zh) | 2020-06-18 | 2020-06-18 | 风险监测模型的建立方法、系统及风险监测方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113821899A true CN113821899A (zh) | 2021-12-21 |
Family
ID=78911925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010562082.4A Pending CN113821899A (zh) | 2020-06-18 | 2020-06-18 | 风险监测模型的建立方法、系统及风险监测方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113821899A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100822A (zh) * | 2022-04-06 | 2022-09-23 | 合肥泽众城市智能科技有限公司 | 一种燃气泄漏风险预警分级方法 |
CN116050844A (zh) * | 2023-02-07 | 2023-05-02 | 中国安全生产科学研究院 | 一种新业态安全风险智能监管方法及系统 |
CN117035396A (zh) * | 2023-07-04 | 2023-11-10 | 北京市燃气集团有限责任公司 | 一种燃气安全联锁保护方法、系统和电子设备 |
-
2020
- 2020-06-18 CN CN202010562082.4A patent/CN113821899A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100822A (zh) * | 2022-04-06 | 2022-09-23 | 合肥泽众城市智能科技有限公司 | 一种燃气泄漏风险预警分级方法 |
CN115100822B (zh) * | 2022-04-06 | 2024-03-12 | 合肥泽众城市智能科技有限公司 | 一种燃气泄漏风险预警分级方法 |
CN116050844A (zh) * | 2023-02-07 | 2023-05-02 | 中国安全生产科学研究院 | 一种新业态安全风险智能监管方法及系统 |
CN116050844B (zh) * | 2023-02-07 | 2024-01-26 | 中国安全生产科学研究院 | 一种新业态安全风险智能监管方法及系统 |
CN117035396A (zh) * | 2023-07-04 | 2023-11-10 | 北京市燃气集团有限责任公司 | 一种燃气安全联锁保护方法、系统和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113821899A (zh) | 风险监测模型的建立方法、系统及风险监测方法与系统 | |
Wong et al. | Association of root causes in fatal fall-from-height construction accidents in Hong Kong | |
Marhavilas et al. | An expanded HAZOP-study with fuzzy-AHP (XPA-HAZOP technique): Application in a sour crude-oil processing plant | |
Yang et al. | Clarifying the concept of operational risk assessment in the oil and gas industry | |
Fang et al. | Quantitative risk assessment of a natural gas pipeline in an underground utility tunnel | |
Yang et al. | Classification of risk to support decision-making in hazardous processes | |
Basu | Plant hazard analysis and safety instrumentation systems | |
Paltrinieri et al. | Coupling of advanced techniques for dynamic risk management | |
Garbolino et al. | A simplified approach to risk assessment based on system dynamics: an industrial case study | |
CN113268880B (zh) | 一种粉尘爆炸重大安全风险辨识与评估方法 | |
WO2016200639A1 (en) | Computerized process safety management system | |
Stefana et al. | IMPROSafety: A risk-based framework to integrate occupational and process safety | |
Jafari et al. | Development of a framework for dynamic risk assessment of environmental impacts in chemicals warehouse using CFD-BN | |
WO2020139685A1 (en) | Integrated solution for safe operating work space | |
Chikhalikar et al. | A review of methodologies for safety and hazard management in chemical industries | |
Naderpour et al. | A human-system interface risk assessment method based on mental models | |
Brazier et al. | Trevor Kletz compendium: His process safety wisdom updated for a new generation | |
WO2021048956A1 (ja) | プラントの保全管理方法及び保全管理システム | |
Abdo | Dealing with uncertainty in risk analysis: combining safety and security | |
Gołębiewski et al. | Towards a process based management system for oil port infrastructure in context of insurance | |
Falahati et al. | Multi-dimensional model for determining the leading performance indicators of safety management systems | |
Lee et al. | Digital Twin Concept for Risk Analysis of Oil Storage Tanks in Operations: a Systems Engineering Approach | |
Scarlett et al. | Risk management practices: cross-agency comparisons with minerals management service | |
Tarapata et al. | Risk analysis and alert system for cbrn threats: Features and functions | |
Zaky | Risk analysis using fuzzy system based risk matrix methodology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |