CN114091940A - 一种物流园区安全风险预警方法、系统、设备及存储介质 - Google Patents
一种物流园区安全风险预警方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN114091940A CN114091940A CN202111419023.2A CN202111419023A CN114091940A CN 114091940 A CN114091940 A CN 114091940A CN 202111419023 A CN202111419023 A CN 202111419023A CN 114091940 A CN114091940 A CN 114091940A
- Authority
- CN
- China
- Prior art keywords
- daily
- safety
- risk
- early warning
- safety risk
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000007689 inspection Methods 0.000 claims description 125
- 231100000279 safety data Toxicity 0.000 claims description 116
- 239000000463 material Substances 0.000 claims description 84
- 230000002159 abnormal effect Effects 0.000 claims description 44
- 238000012549 training Methods 0.000 claims description 43
- 239000000126 substance Substances 0.000 claims description 31
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 23
- 238000012423 maintenance Methods 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 21
- 239000000383 hazardous chemical Substances 0.000 claims description 18
- 238000012216 screening Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012797 qualification Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 9
- 238000013058 risk prediction model Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 6
- 238000009430 construction management Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 11
- 230000002354 daily effect Effects 0.000 description 185
- 238000007726 management method Methods 0.000 description 69
- 238000001514 detection method Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种物流园区安全风险预警方法、系统、设备及存储介质，所述方法包括基于获取的人员安全数据、设备安全数据、作业安全数据和管理安全数据，分别构建对应的日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标后，通过XGBoost模型筛选确定日安全风险预警指标，并根据日安全风险预警指标得到日风险评分，再将其与预设预警阈值比较得到对应的日安全风险预警等级和进行相应的日风险预警。本发明有效解决现有技术中园区安全部门流程工作效率低和决策时间长等问题，提升物流园区安全风险预警的及时性和有效性，进而为整个物流园的生产安全提供有效保障。
Description
技术领域
本发明涉及物流园区安全管理技术领域，特别是涉及一种物流园区安全风险预警方法、系统、计算机设备及存储介质。
背景技术
物流园区安全涉及到人、物、环境、设备和事故等多方面因素，需要安全部门按照物流园区安全管理体制和安全生产标准化的要求对各个方面进行实时监控、统筹管理，及时有效的进行风险研判和对应的风险分级管控，以确保整个物流园的生产安全。
目前，大多数物流园区的安全管理难以实现精确的安全作业信息生成与优化，缺乏安全业务完整数据采集后的分析，以及安全异常情况发现不及时、预判不准确，不利于实时对企业安全生产进行风险监测预警及决策分析，导致园区异常情况响应能力过低。
发明内容
本发明的目的是提供一种物流园区安全风险预警方法，通过采集物流园区安全业务的完整数据，确定合理的安全风险指标，并基于安全风险指标进行风险预警评估及风险绿十字管理，以解决现有技术中园区安全部门流程工作效率低和决策时间长等问题，提升物流园区安全风险预警的及时性和有效性，进而为整个物流园的生产安全提供有效保障。
为了实现上述目的，有必要针对上述技术问题，提供了一种物流园区安全风险预警方法、系统、计算机设备及存储介质。
第一方面，本发明实施例提供了一种物流园区安全风险预警方法，所述方法包括以下步骤：
获取人员安全数据、设备安全数据、作业安全数据和管理安全数据；
分别根据所述人员安全数据、设备安全数据、作业安全数据和管理安全数据，构建对应的日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标；
根据所述日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标，筛选确定日安全风险预警指标；
根据所述日安全风险预警指标，得到对应的日风险评分；
根据所述日风险评分和预设预警阈值，得到对应的日安全风险预警等级，并根据所述日安全风险预警等级进行相应的日风险预警。
进一步地，所述人员安全数据包括培训邀请人数、培训完成人数、培训人员得分、人员换证中证件数量、人员需换证数量、司机违规总数和司机总数；
所述设备安全数据包括设备点检异常次数、设备点检已完成次数、设备点检任务数、设备换证中证件数量、设备需换证数量、设备保养按时完成数量和设备保养任务数量；
所述作业安全数据包括消防物资点检任务数、消防物资点检已完成任务数、消防物资点检异常次数、三防物资点检任务数、三防物资点检已完成任务数、三防物资点检异常次数、危化品点检任务数、危化品点检已完成任务数和危化品点检异常次数；
所述管理安全数据包括一级提案数量、二级提案数量、三级提案数量、架构人数、事故对策数量、事故对策已完成数量、安全隐患总数和隐患已完成整改数量。
进一步地，所述日人员安全风险指标包括培训完成率、培训平均分、资质合格率和人均运输违规次数；所述日设备安全风险指标包括设备点检完成率、设备点检异常率、设备证件合格率和设备保养及时率；所述日作业安全风险指标包括消防物资点检完成率、消防物资点检异常率、三防物资点检完成率、三防物资点检异常率、危化品物资点检完成率和危化品资点检异常率；所述日管理安全风险指标包括人均安全改善得分、人均提案数量、事故整改率和隐患整改率。
进一步地，所述根据所述日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标，筛选确定日安全风险预警指标的步骤包括：
根据所述日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标，构建XGBoost风险预测模型；
根据所述XGBoost风险预测模型，得到所述日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标内各个风险子指标的预测贡献值；
将各个风险子指标的预测贡献值按照降序排列，并自上而下选取预设数目的关键风险子指标，以及将所述关键风险子指标作为所述日安全风险预警指标。
进一步地，所述日风险评分按照由下述公式计算得到：
式中，score表示日风险评分；Xi表示第i个日安全风险预警指标；Ni表示第i个日安全风险预警指标对应的权重；Y1、Y2、Y3和Y4分别表示人员风险值、外协风险值、上下班风险值和管线区域风险值；Z1、Z2、Z3和Z4分别表示入场施工管理风险值、检查隐患风险值、事故风险值和自查隐患风险值。
进一步地，所述预设预警阈值包括第一预警阈值、第二预警阈值、第三预警阈值和第四预警阈值；
所述根据所述日风险评分和预设预警阈值，得到对应的日安全风险预警等级，并根据所述日安全风险预警等级进行相应的日风险预警的步骤包括：
判断所述日风险评分是否小于所述第一预警阈值，若小于，则判定所述日安全风险预警等级为第一等级，反之，则判断所述日风险评分是否小于所述第二预警阈值；
若所述日风险评分小于所述第二预警阈值，则判定所述日安全风险预警等级为第二等级，反之，则判断所述日风险评分是否小于所述第三预警阈值；
若所述日风险评分小于所述第三预警阈值，则判定所述日安全风险预警等级为第三等级，反之，则判断所述日风险评分是否小于所述第四预警阈值；
若所述日风险评分小于所述第四预警阈值，则判定所述日安全风险预警等级为第四等级，反之，则判定所述日安全风险预警等级为第五等级。
进一步地，所述方法还包括以下步骤：
根据人员安全数据、设备安全数据、作业安全数据、管理安全数据和预设绿十字安全规则，统计月绿十字得分，并根据所述月绿十字得分，得到月风险考评得分，以及根据所述月考评得分，推送安全整改措施。
第二方面，本发明实施例提供了一种物流园区安全风险预警系统，所述系统包括：
数据收集模块，用于获取人员安全数据、设备安全数据、作业安全数据和管理安全数据；
指标构建模块，用于分别根据所述人员安全数据、设备安全数据、作业安全数据和管理安全数据，构建对应的日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标；
指标筛选模块，用于根据所述日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标，筛选确定日安全风险预警指标；
风险预测模块，用于根据所述日安全风险预警指标，得到对应的日风险评分，并根据预设绿十字安全规则，统计月绿十字得分，以及根据所述月绿十字得分，得到月考评得分；
风险预警模块，用于根据所述日风险评分和预设预警阈值，得到对应的日安全风险预警等级，并根据所述日安全风险预警等级进行相应的日风险预警，以及根据所述月考评得分，推送安全整改措施。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
上述本申请提供了一种物流园区安全风险预警、系统、计算机设备及存储介质，通过所述方法，实现了基于获取的人员安全数据、设备安全数据、作业安全数据和管理安全数据，分别构建对应的日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标后，通过XGBoost模型筛选确定日安全风险预警指标，并根据日安全风险预警指标得到日风险评分，再将其与预设预警阈值比较得到对应的日安全风险预警等级和进行相应的日风险预警，并通过设定安全风险绿十字扣分规则计算月绿十字得分，再结合日风险评分的平均值得到月风险考评得分，依此推送相应的安全整改措施。与现有技术相比，本发明通过采集物流园区安全业务的完整数据，确定合理的安全风险指标，并基于安全风险指标进行风险预警评估及风险绿十字管理，解决现有技术中园区安全部门流程工作效率低、决策时间长等问题的同时，有效提升了物流园区安全风险预警的及时性和有效性，进而为整个物流园的生产安全提供有效保障。
附图说明
图1是本发明实施例中物流园区安全风险预警方法的流程示意图；
图2是本发明实施例中物流园区安全风险预警方法的另一流程示意图；
图3是本发明实施例中物流园区安全风险预警方法系统的结构示意图；
图4是本发明实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案和有益效果更加清楚明白，下面结合附图及实施例，对本发明作进一步详细说明，显然，以下所描述的实施例是本发明实施例的一部分，仅用于说明本发明，但不用来限制本发明的范围。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供的一种物流园区安全风险预警方法，可以应用于现有的各个物流园区对每个科室的安全生产管理，通过采集物流园区安全业务的完整数据，建立对应的安全风险指标配合风险绿十字管理对整个园区内每个科室进行每日安全风险预警和每月绿十字评估，针对不同安全风险等级推送不同的安全整改措施，能够解决物流园区中安全部门流程工作效率低和决策时间长等问题，有效提升了物流园区安全风险预警的及时性和有效性，进而为整个物流园的生产安全提供有效保障。下述实施例将对本发明的物流园区安全风险预警方法进行详细说明。
在一个实施例中，如图1所示，提供了一种物流园区安全风险预警方法，包括以下步骤：
S11、获取人员安全数据、设备安全数据、作业安全数据和管理安全数据；
其中，人员安全数据、设备安全数据、作业安全数据和管理安全数据每天都会通过对应的小程序或其他数据收集方式来获取更新，并保存在物流园区安全风险预警系统内，以供每日安全风险预警使用。
人员安全数据包括并不限于培训邀请人数、培训完成人数、培训人员得分、人员换证中证件数量、人员需换证数量、司机违规总数和司机总数等；设备安全数据包括并不限于设备点检异常次数、设备点检已完成次数、设备点检任务数、设备换证中证件数量、设备需换证数量、设备保养按时完成数量和设备保养任务数量等；作业安全数据包括并不限于消防物资点检任务数、消防物资点检已完成任务数、消防物资点检异常次数、三防物资点检任务数、三防物资点检已完成任务数、三防物资点检异常次数、危化品点检任务数、危化品点检已完成任务数和危化品点检异常次数等；管理安全数据包括并不限于一级提案数量、二级提案数量、三级提案数量、架构人数、事故对策数量、事故对策已完成数量、安全隐患总数和隐患已完成整改数量等。
S12、分别根据所述人员安全数据、设备安全数据、作业安全数据和管理安全数据，构建对应的日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标；
其中，日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标为指标大类，每类指标下对应设有相应的风险子指标。其中，日人员安全风险指标根据人员安全数据建构得到，包括并不限于培训完成率、培训平均分、资质合格率和人均运输违规次数；日设备安全风险指标根据设备安全数据构建得到，包括并不限于设备点检完成率、设备点检异常率、设备证件合格率和设备保养及时率；日作业安全风险指标根据作业安全数据构建得到，包括并不限于消防物资点检完成率、消防物资点检异常率、三防物资点检完成率、三防物资点检异常率、危化品物资点检完成率和危化品资点检异常率；日管理安全风险指标根据管理安全数据构建得到，包括并不限于人均安全改善得分、人均提案数量、事故整改率和隐患整改率。
具体地，所述分别根据所述人员安全数据、设备安全数据、作业安全数据和管理安全数据，构建对应的日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标的步骤包括：
根据所述培训邀请人数和培训完成人数，得到所述培训完成率；其中，培训邀请人数和培训完成人数可分别理解为培训发起时选择的参训人数和培训已参与并完成培训状态的人数，对应的培训完成率可表示为：培训邀请人数：培训完成率＝(培训完成人数/培训邀请人数)*100％；
根据所述培训人员得分和培训完成人数，得到所述培训平均分；其中，培训平均分可表示为：培训平均分＝(培训人员得分之和/培训完成人数)*100％，对应于培训有考核情景下，培训人员得分之和培训完成人数可分别理解为考核人员分数总和与完成培训人数；培训无考核情景，即存在抽查情况，对应的培训人员得分之和与培训完成人数可分别理解为抽查人员总得分与抽查人员总数。
根据所述人员换证中证件数量和人员需换证数量，得到所述资质合格率；其中，人员换证中证件数量包括每日证件状态为换证中、待换证、过期的证件数量，人员需换证数量为每月1号统计更新一次的证件状态为换证中、待换证、过期的证件数量；对应的资质合格率计算公式为：资质合格率＝1-(人员换证中证件数量/人员需换证数量)*100％；
根据所述司机违规总数和司机总数，得到所述人均运输违规次数；其中，司机违规总数理解为司机运输违规总数，司机总数为货车、轿运车、外协货车和轿运车等司机的总数目，对应的人均运输违规次数可表示为：人均运输违规次数＝司机违规总数/司机总数；
根据所述设备点检已完成次数和设备点检任务数，得到所述设备点检完成率；其中，设备点检任务数和设备点检已完成次数可分别理解为系统设置派发的设备点检任务单数量和设备点检完成的任务单数量，对应的设备点检完成率可表示为：设备点检完成率＝(设备点检已完成次数/设备点检任务数)*100％；
根据所述设备点检异常次数和设备点检已完成次数，得到所述设备点检异常率；其中，设备点检已完成次数和设备点检异常次数可分别理解为设备点检记录条数和设备点检为“异常”的记录条数，对应的设备点检异常率可表示为：设备点检异常率＝(设备点检异常次数/设备点检已完成次数)*100％；
根据所述设备换证中证件数量和设备需换证数量，得到所述设备证件合格率；其中，设备换证中证件数量为每日证件状态是换证中、待换证和过期的证件数量，设备需换证数量为每月1号统计的证件状态为“换证中”、“待换证”和“过期”的证件数量，对应的设备证件合格率表示为：设备证件合格率＝1-(设备换证中证件数量/设备需换证数量)*100％；
根据所述设备保养按时完成数量和设备保养任务数量，得到所述设备保养及时率；其中，设备保养任务数量和设备保养按时完成数量分别表示为保养记录数量和保养记录为已完成保养任务单数，对应的设备保养及时率可表示为：设备保养及时率＝(设备保养按时完成数量/设备保养任务数量)*100％；
根据消防物资点检已完成任务数和消防物资点检任务数，得到所述消防物资点检完成率；其中，消防物资点检任务数和消防物资点检已完成任务数分别表示为系统设置派发的消防点检物资任务数量与状态为“已完成”的消防物资点检任务数量，对应的消防物资点检完成率可表示为：消防物资点检完成率＝(消防物资点检已完成任务数/消防物资点检任务数)*100；
根据所述消防物资点检异常次数和消防物资点检已完成任务数，得到所述消防物资点检异常率；其中，消防物资点检已完成任务数和消防物资点检异常次数分别表示为状态为“已完成”的消防物资点检任务数量和状态为“已完成”及点检结果为“异常”的消防物资点检异常记录条数，对应的消防物资点检异常率可表示为：消防物资点检异常率＝(消防物资点检异常次数/消防物资点检已完成任务数)*100％；
根据三防物资点检已完成任务数和三防物资点检任务数，得到所述三防物资点检完成率；其中，三防物资点检任务数和三防物资点检已完成任务数分别表示为系统设置派发的三防点检物资任务数量和状态为“已完成”的三防物资点检任务数量，对应的三防物资点检完成率可表示为：三防物资点检完成率＝(三防物资点检已完成任务数/三防物资点检任务数)*100；
根据所述三防物资点检异常次数和三防物资点检已完成任务数，得到所述三防物资点检异常率；其中，三防物资点检已完成任务数和三防物资点检异常次数分别表示为状态为“已完成”的三防物资点检任务数量和状态为“已完成”及点检结果为“异常”的三防物资点检异常记录条数，对应的三防物资点检异常率可表示为：三防物资点检异常率＝(三防物资点检异常次数/三防物资点检已完成任务数)*100％；
根据危化品点检已完成任务数和危化品点检任务数，得到所述危化品点检完成率；其中，危化品点检任务数和危化品点检已完成任务数分别表示为系统设置派发的危化品点检任务数量和状态为“已完成”的危化品点检任务数量，对应的危化品点检完成率可表示为：危化品点检完成率＝(危化品点检已完成任务数/危化品点检任务数)*100；
根据所述危化品点检异常次数和危化品点检已完成任务数，得到所述危化品资点检异常率；其中，危化品点检已完成任务数和危化品点检异常次数分别表示为状态为“已完成”的危化品点检任务数量和状态为“已完成”及点检结果为“异常”的危化品点检异常记录条数，对应的危化品资点检异常率可表示为:危化品点检异常率＝(危化品点检异常次数/危化品点检已完成任务数)*100％；
根据所述一级提案数量、二级提案数量、三级提案数量和架构人数，得到所述人均安全改善得分；其中，各级提案数量表示各等级提案的数量之和，为员工提交的安全管理提案，对应的提案等级由安全生产部门根据提案的具体应用效益进行评定，且配置对应的各等级提案的得分；架构人数表示各组织架构的内部员工数目，对应的人均安全改善得分可表示为：人均安全改善得分＝{(一级提案数量*一级权重+二级提案数量*二级权重+三级提案数量*三级权重)/架构人数}*100％；
根据所述一级提案数量、二级提案数量、三级提案数量和架构人数，得到所述人均提案数量；其中，一级提案数量、二级提案数量、三级提案数量和架构人数如上所述，对应的人均提案数量可表示为：人均提案＝((一级提案数量+二级提案数量+三级提案数量)/架构总人数)*100％；
根据所述事故对策数量和事故对策已完成数量，得到所述事故整改率；其中，事故对策数量和事故对策已完成数量分别表示为事故整改任务单数量和状态为“已完成”事故整改任务单数量，对应的事故整改率可表示为：事故整改率＝(事故对策已完成数量/事故对策数量)*100％；
根据所述安全隐患总数和隐患已完成整改数量，得到所述隐患整改率。其中，安全隐患总数和隐患已完成整改数量分别表示为各类型隐患数量之和与状态为“已完成”的隐患整改数量，对应的隐患整改率可表示为：隐患整改率＝(隐患已完成整改数量/安全隐患总数)*100％。
需要说明的是，在实际物流园安全风险管理中，还可以构建除上述指标以外的其他风险管理指标，如人员培训合格率、单/双班备用率、人员违规总数、设备维修平均时长、设备审核平均时长、事故类型统计占比、20万工时指标内事故率、20万工时上下班事故率、20万工时外协事故率、隐患类型统计占比、各类型安全检查次数统计和各类型安全检查隐患数量统计等，具体应用于日风险评估的方法与上述指标相同。
S13、根据所述日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标，筛选确定日安全风险预警指标；
其中，日安全风险预警指标的筛选确定方法有很多种，如相关系数法、主成分分析法、层次分析法、以及可以进行特征评分的逻辑回归、支持向量机、决策树和XGBoost等机器学习方法，本实施例优选采用XGBoost模型从日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标对应的所有风险子指标中筛选出关键且有效的风险指标，用于后续的日风险预警分析。具体地，所述根据所述日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标，筛选确定日安全风险预警指标的步骤包括：
根据所述日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标，构建XGBoost风险预测模型；
根据所述XGBoost风险预测模型，得到所述日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标内各个风险子指标的预测贡献值；
将各个风险子指标的预测贡献值按照降序排列，并自上而下选取预设数目的关键风险子指标，以及将所述关键风险子指标作为所述日安全风险预警指标。
S14、根据所述日安全风险预警指标，得到对应的日风险评分；
其中，日风险评分是由基于每日获取的最新人员安全数据、设备安全数据、作业安全数据和管理安全数据经过上述方法步骤得到日安全风险预警指标后，按照下述风险得分公式计算得到：
式中，score表示日风险评分；Xi表示第i个日安全风险预警指标；Ni表示第i个日安全风险预警指标对应的权重；Y1、Y2、Y3和Y4分别表示人员风险值、外协风险值、上下班风险值和管线区域风险值；Z1、Z2、Z3和Z4分别表示入场施工管理风险值、检查隐患风险值、事故风险值和自查隐患风险值。
其中，人员风险值表示所有岗位的人员风险值，可表示为人员风险值＝(各岗位人数*各岗位风险值)之和；外协风险值＝(外协各岗位人数*各岗位风险值)之和/3；上下班风险值＝(各岗位人数*5)之和；管辖区域风险值＝(各科室管辖区域风险值手动填报)之和；入场施工管理风险值＝(各科室施工管理风险值手动填报)之和；检查隐患风险值＝(隐患总数-自查隐患数量)*10，即一条非自查隐患的风险值为10分；事故风险值＝(各科室事故风险值手动填报)之和；自查隐患风险值＝(安全员日常检查+科长带队检查发现隐患数)之和*(-2)，即一条自查隐患扣2分。
S15、根据所述日风险评分和预设预警阈值，得到对应的日安全风险预警等级，并根据所述日安全风险预警等级进行相应的日风险预警。
其中，所述预设预警阈值包括第一预警阈值、第二预警阈值、第三预警阈值和第四预警阈值；
所述根据所述日风险评分和预设预警阈值，得到对应的日安全风险预警等级，并根据所述日安全风险预警等级进行相应的日风险预警的步骤包括：
判断所述日风险评分是否小于所述第一预警阈值，若小于，则判定所述日安全风险预警等级为第一等级，反之，则判断所述日风险评分是否小于所述第二预警阈值；
若所述日风险评分小于所述第二预警阈值，则判定所述日安全风险预警等级为第二等级，反之，则判断所述日风险评分是否小于所述第三预警阈值；
若所述日风险评分小于所述第三预警阈值，则判定所述日安全风险预警等级为第三等级，反之，则判断所述日风险评分是否小于所述第四预警阈值；
若所述日风险评分小于所述第四预警阈值，则判定所述日安全风险预警等级为第四等级，反之，则判定所述日安全风险预警等级为第五等级。
日安全风险预警等级按照上述方法步骤确定后，对应的日风险预警可以通过在园区安全风险预警系统页面上对物流园区内每个科室的风险按对应风险等级以不同颜色进行预警，如第一等级、第二等级、第三等级、第四等级和第五等级分别对应于绿色、浅绿色、蓝色、橙色和红色。需要说明的是，上述不同风险等级的预警方式和颜色选择仅做示例性描述，不对日风险预警方式作具体限制。
本申请实施例按照上述S11-S15方法步骤基于对物流园区人、机、料、法、环等大数据的科学有效分析，完成对物流园区各科室进行科学有效的每日风险预警，以提醒和督促各个科室查找各自的安全风险管理缺失以及采用相应的整改措施，并在各科室执行了相应的安全整改后，及时更新涉及的人员安全数据、设备安全数据、作业安全数据和管理安全数据，供次日风险预警使用，形成企业物流园区的安全风险预警系统，相关预警信息可以通过管理层看板展现，作为管理层安全管理的驾驶舱，实时掌握企业安全管理动向，进行科学合理的决策。
此外，与上述日风险预警方法配合使用的还有每个月的绿十字安全风险管理方法，具体地，如图2所示，所述方法还包括以下步骤：
S16、根据人员安全数据、设备安全数据、作业安全数据、管理安全数据和预设绿十字安全规则，统计月绿十字得分，并根据所述月绿十字得分，得到月风险考评得分，以及根据所述月考评得分，推送安全整改措施。
具体地，根据人员安全数据、设备安全数据、作业安全数据、管理安全数据和预设绿十字安全规则，统计月绿十字得分的步骤包括：
预先设置绿十字安全基准分值，并构建绿十字安全规则；
其中，绿十字安全基准分值可根据实际应用需求进行设置，对应的绿十字安全规则为如下表1所示的扣分规则：
表1绿十字安全规则
根据所述绿十字安全基准分值、绿十字安全规则、人员安全数据、设备安全数据、作业安全数据和管理安全数据，得到月绿十字得分；
其中，月绿十字得分指每个科室的月绿十字得分，满分是100分，按照上述扣分规则在设定的绿十字安全基准分值上预先扣除所有需要完成事项的分值，每个扣分事项完成后，再将对应的分值补上，一个月统计一次最终的得分，作为该科室月底考评依据。每个科室的月绿十字得分可通过班组的月绿十字得分生成，且绿十字安全规则适用于科室和班组的绿十字风险管理，即使用同一套扣分准则。
根据所述月绿十字得分，得到月风险考评得分，并根据所述月考评得分，推送安全整改措施。
其中，月风险考评得分可以直接使用月绿十字得分，也可以使用将上述的一个月内日风险评分与按月统计的月绿十字得分结合起来生成，如将科室一个月内的日风险评分的平均值，与对应的月绿十字得分作加权平均，得到最终的月风险考评得分，并依此判断给得分对应的月考评等级，如不可接收的、不受欢迎的、采取措施下可接受、监控下可接受和可接收的，并根据相应的月考评等级给该科室推送预先设置的如表2所示的相应安全整改措施。
表2月风险考评等级相应的安全整改措施
本申请实施例提供了一种通过基于获取的物流园区的人员安全数据、设备安全数据、作业安全数据和管理安全数据构建对应的日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标后，构建XGBoost风险预测模型得到各个风险子指标的预测贡献值排名，并基于此筛选出关键风险子指标作为日安全风险预警指标，根据日安全风险预警指标采用风险得分公式计算得到对应的日风险评分，将其与预设预警阈值比较得到对应的日安全风险预警等级且根据该日安全风险预警等级进行相应的日风险预警，以及根据预设绿十字安全规则统计月绿十字得分得到月风险考评得分，根据对应的月考评得分推送安全整改措施的物流园区安全风险预警方法，解决现有技术中园区安全部门流程工作效率低和决策时间长等问题的同时，提升物流园区安全风险预警的及时性和有效性，进而为整个物流园的生产安全提供有效保障。
需要说明的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。
在一个实施例中，如图3所示，提供了一种物流园区安全风险预警系统，所述系统包括：
数据收集模块1，用于获取人员安全数据、设备安全数据、作业安全数据和管理安全数据；
指标构建模块2，用于分别根据所述人员安全数据、设备安全数据、作业安全数据和管理安全数据，构建对应的日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标；
指标筛选模块3，用于根据所述日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标，筛选确定日安全风险预警指标；
风险预测模块4，用于根据所述日安全风险预警指标，得到对应的日风险评分，并根据预设绿十字安全规则，统计月绿十字得分，以及根据所述月绿十字得分，得到月考评得分；
风险预警模块5，用于根据所述日风险评分和预设预警阈值，得到对应的日安全风险预警等级，并根据所述日安全风险预警等级进行相应的日风险预警，以及根据所述月考评得分，推送安全整改措施。
需要说明的是，关于物流园区安全风险预警系统的具体限定可以参见上文中对于物流园区安全风险预警方法的限定，在此不再赘述。上述物流园区安全风险预警系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
图4示出一个实施例中计算机设备的内部结构图，该计算机设备具体可以是终端或服务器。如图4所示，该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示器和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种物流园区安全风险预警方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域普通技术人员可以理解，图4中示出的结构，仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算设备可以包括比途中所示更多或更少的部件，或者组合某些部件，或者具有同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的步骤。
综上，本发明实施例提供的一种物流园区安全风险预警方法、系统、计算机设备及存储介质，其物流园区安全风险预警方法实现了通过基于获取的物流园区的人员安全数据、设备安全数据、作业安全数据和管理安全数据构建对应的日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标后，构建XGBoost风险预测模型得到各个风险子指标的预测贡献值排名，并基于此筛选出关键风险子指标作为日安全风险预警指标，根据日安全风险预警指标采用风险得分公式计算得到对应的日风险评分，将其与预设预警阈值比较得到对应的日安全风险预警等级且根据该日安全风险预警等级进行相应的日风险预警，以及根据预设绿十字安全规则统计月绿十字得分得到月风险考评得分，根据对应的月考评得分推送安全整改措施的技术方案，通过基于对物流园区人、机、料、法、环等大数据的科学有效分析，完成对物流园区各科室进行科学有效的每日风险预警，以提醒和督促各个科室查找各自的安全风险管理缺失以及采用相应的整改措施，并在各科室执行了相应的安全整改后，及时更新涉及的人员安全数据、设备安全数据、作业安全数据和管理安全数据，供次日风险预警和月绿十字安全管理使用，形成企业物流园区的安全风险预警系统，相关预警信息可以通过管理层看板展现，作为管理层安全管理的驾驶舱，实时掌握企业安全管理动向，进行科学合理的决策，解决现有技术中园区安全部门流程工作效率低和决策时间长等问题的同时，有效提升了物流园区安全风险预警的及时性和有效性，进而为整个物流园的生产安全提供有效保障。
本说明书中的各个实施例均采用递进的方式描述，各个实施例直接相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。需要说明的是，上述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种优选实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本申请的保护范围。因此，本申请专利的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种物流园区安全风险预警方法，其特征在于，所述方法包括以下步骤：
获取人员安全数据、设备安全数据、作业安全数据和管理安全数据；
分别根据所述人员安全数据、设备安全数据、作业安全数据和管理安全数据，构建对应的日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标；
根据所述日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标，筛选确定日安全风险预警指标；
根据所述日安全风险预警指标，得到对应的日风险评分；
根据所述日风险评分和预设预警阈值，得到对应的日安全风险预警等级，并根据所述日安全风险预警等级进行相应的日风险预警。
2.如权利要求1所述的物流园区安全风险预警方法，其特征在于，所述人员安全数据包括培训邀请人数、培训完成人数、培训人员得分、人员换证中证件数量、人员需换证数量、司机违规总数和司机总数；所述设备安全数据包括设备点检异常次数、设备点检已完成次数、设备点检任务数、设备换证中证件数量、设备需换证数量、设备保养按时完成数量和设备保养任务数量；
所述作业安全数据包括消防物资点检任务数、消防物资点检已完成任务数、消防物资点检异常次数、三防物资点检任务数、三防物资点检已完成任务数、三防物资点检异常次数、危化品点检任务数、危化品点检已完成任务数和危化品点检异常次数；
所述管理安全数据包括一级提案数量、二级提案数量、三级提案数量、架构人数、事故对策数量、事故对策已完成数量、安全隐患总数和隐患已完成整改数量。
3.如权利要求2所述的物流园区安全风险预警方法，其特征在于，所述日人员安全风险指标包括培训完成率、培训平均分、资质合格率和人均运输违规次数；
所述日设备安全风险指标包括设备点检完成率、设备点检异常率、设备证件合格率和设备保养及时率；
所述日作业安全风险指标包括消防物资点检完成率、消防物资点检异常率、三防物资点检完成率、三防物资点检异常率、危化品物资点检完成率和危化品资点检异常率；
所述日管理安全风险指标包括人均安全改善得分、人均提案数量、事故整改率和隐患整改率。
4.如权利要求1所述的物流园区安全风险预警方法，其特征在于，所述根据所述日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标，筛选确定日安全风险预警指标的步骤包括：
根据所述日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标，构建XGBoost风险预测模型；
根据所述XGBoost风险预测模型，得到所述日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标内各个风险子指标的预测贡献值；
将各个风险子指标的预测贡献值按照降序排列，并自上而下选取预设数目的关键风险子指标，以及将所述关键风险子指标作为所述日安全风险预警指标。
5.如权利要求1所述的物流园区安全风险预警方法，其特征在于，所述日风险评分按照由下述公式计算得到：
式中，score表示日风险评分；Xi表示第i个日安全风险预警指标；Ni表示第i个日安全风险预警指标对应的权重；Y1、Y2、Y3和Y4分别表示人员风险值、外协风险值、上下班风险值和管线区域风险值；Z1、Z2、Z3和Z4分别表示入场施工管理风险值、检查隐患风险值、事故风险值和自查隐患风险值。
6.如权利要求1所述的物流园区安全风险预警方法，其特征在于，所述预设预警阈值包括第一预警阈值、第二预警阈值、第三预警阈值和第四预警阈值；
所述根据所述日风险评分和预设预警阈值，得到对应的日安全风险预警等级，并根据所述日安全风险预警等级进行相应的日风险预警的步骤包括：
判断所述日风险评分是否小于所述第一预警阈值，若小于，则判定所述日安全风险预警等级为第一等级，反之，则判断所述日风险评分是否小于所述第二预警阈值；
若所述日风险评分小于所述第二预警阈值，则判定所述日安全风险预警等级为第二等级，反之，则判断所述日风险评分是否小于所述第三预警阈值；
若所述日风险评分小于所述第三预警阈值，则判定所述日安全风险预警等级为第三等级，反之，则判断所述日风险评分是否小于所述第四预警阈值；
若所述日风险评分小于所述第四预警阈值，则判定所述日安全风险预警等级为第四等级，反之，则判定所述日安全风险预警等级为第五等级。
7.如权利要求1所述的物流园区安全风险预警方法，其特征在于，所述方法还包括以下步骤：
根据人员安全数据、设备安全数据、作业安全数据、管理安全数据和预设绿十字安全规则，统计月绿十字得分，并根据所述月绿十字得分，得到月风险考评得分，以及根据所述月考评得分，推送安全整改措施。
8.一种物流园区安全风险预警系统，其特征在于，所述系统包括：
数据收集模块，用于获取人员安全数据、设备安全数据、作业安全数据和管理安全数据；
指标构建模块，用于分别根据所述人员安全数据、设备安全数据、作业安全数据和管理安全数据，构建对应的日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标；
指标筛选模块，用于根据所述日人员安全风险指标、日设备安全风险指标、日作业安全风险指标和日管理安全风险指标，筛选确定日安全风险预警指标；
风险预测模块，用于根据所述日安全风险预警指标，得到对应的日风险评分，并根据预设绿十字安全规则，统计月绿十字得分，以及根据所述月绿十字得分，得到月考评得分；
风险预警模块，用于根据所述日风险评分和预设预警阈值，得到对应的日安全风险预警等级，并根据所述日安全风险预警等级进行相应的日风险预警，以及根据所述月考评得分，推送安全整改措施。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111419023.2A CN114091940B (zh) | 2021-11-26 | 2021-11-26 | 一种物流园区安全风险预警方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111419023.2A CN114091940B (zh) | 2021-11-26 | 2021-11-26 | 一种物流园区安全风险预警方法、系统、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114091940A true CN114091940A (zh) | 2022-02-25 |
| CN114091940B CN114091940B (zh) | 2022-07-01 |
Family
ID=80304832
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111419023.2A Active CN114091940B (zh) | 2021-11-26 | 2021-11-26 | 一种物流园区安全风险预警方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114091940B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115034691A (zh) * | 2022-08-11 | 2022-09-09 | 四川弘和通讯集团有限公司 | 一种油气站安全预警及管理方法、装置、电子设备及介质 |
| CN115345228A (zh) * | 2022-08-05 | 2022-11-15 | 航天神舟智慧系统技术有限公司 | 一种消防风险识别方法与系统 |
| CN115423381A (zh) * | 2022-10-31 | 2022-12-02 | 国网浙江省电力有限公司金华供电公司 | 基于智链id码的电力物资全链协同预警方法及平台 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018084911A (ja) * | 2016-11-22 | 2018-05-31 | 株式会社リコー | 作業員情報検知システム、端末装置、作業員情報検知方法、プログラム |
| CN110730164A (zh) * | 2019-09-18 | 2020-01-24 | 平安科技（深圳）有限公司 | 安全预警方法及相关设备、计算机可读存储介质 |
| CN113205093A (zh) * | 2021-07-07 | 2021-08-03 | 浙江中科华知科技股份有限公司 | 基于XGBoost回归与卷积网络的数据资产分析方法、系统及介质 |
-
2021
- 2021-11-26 CN CN202111419023.2A patent/CN114091940B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018084911A (ja) * | 2016-11-22 | 2018-05-31 | 株式会社リコー | 作業員情報検知システム、端末装置、作業員情報検知方法、プログラム |
| CN110730164A (zh) * | 2019-09-18 | 2020-01-24 | 平安科技（深圳）有限公司 | 安全预警方法及相关设备、计算机可读存储介质 |
| CN113205093A (zh) * | 2021-07-07 | 2021-08-03 | 浙江中科华知科技股份有限公司 | 基于XGBoost回归与卷积网络的数据资产分析方法、系统及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 赵萌: ""SL物流园区安全预警及决策问题研究"", 《中国优秀硕士学位论文全文数据库(经济与管理科学辑)》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115345228A (zh) * | 2022-08-05 | 2022-11-15 | 航天神舟智慧系统技术有限公司 | 一种消防风险识别方法与系统 |
| CN115034691A (zh) * | 2022-08-11 | 2022-09-09 | 四川弘和通讯集团有限公司 | 一种油气站安全预警及管理方法、装置、电子设备及介质 |
| CN115423381A (zh) * | 2022-10-31 | 2022-12-02 | 国网浙江省电力有限公司金华供电公司 | 基于智链id码的电力物资全链协同预警方法及平台 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114091940B (zh) | 2022-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114091940B (zh) | 一种物流园区安全风险预警方法、系统、设备及存储介质 | |
| Marhavilas et al. | Risk analysis and assessment methodologies in the work sites: On a review, classification and comparative study of the scientific literature of the period 2000–2009 | |
| Feng et al. | Factors influencing workplace accident costs of building projects | |
| Feng | Effect of safety investments on safety performance of building projects | |
| Yun et al. | Measuring project management inputs throughout capital project delivery | |
| Fung et al. | Towards a better reliability of risk assessment: Development of a qualitative & quantitative risk evaluation model (Q2REM) for different trades of construction works in Hong Kong | |
| Verma et al. | Highlights from the literature on risk assessment techniques adopted in the mining industry: a review of past contributions, recent developments and future scope | |
| US20070050239A1 (en) | Method for managing organizational capabilities | |
| Basahel et al. | Using fuzzy AHP and fuzzy TOPSIS approaches for assessing safety conditions at worksites in construction industry | |
| Janackovic et al. | Selection of key indicators for the improvement of occupational safety system in electricity distribution companies | |
| JP6866054B2 (ja) | Ｅｓｇ経営を支援するためのシステム、方法、及びプログラム | |
| Teng et al. | Identification and evaluation of priorities in the business process of a risk or safety organization | |
| Marcelo et al. | An alternative approach to project selection: the infrastructure prioritization framework | |
| Chen et al. | Investigation of operational concerns of construction crane operators: An approach integrating factor clustering and prioritization | |
| Zhang et al. | Mathematical modeling and evaluation of the safety culture for the operating nuclear power plants in China: Critical review and multi-criteria decision analysis | |
| Al-Marri et al. | Analysis of the performance of TAM in oil and gas industry: factors and solutions for improvement | |
| Khalid et al. | Balanced scoreboard, the performance tool in higher education: Establishment of performance indicators | |
| Marcelo et al. | Prioritization of infrastructure projects: A decision support framework | |
| Ibrahim et al. | Integrated ISM-Fuzzy MICMAC approach based factor analysis on the implementation of safety program in construction industry | |
| CN114819639A (zh) | 一种基于双重预防机制的安全风险管控系统 | |
| Gurmu | Hybrid model for assessing the influence of safety management practices on labor productivity in multistory building projects | |
| Widiastuti et al. | Identification of safety risk in construction project: A systematic literature review | |
| Vosoughi et al. | A novel approach based on dematel method for causal modeling an effective factors in falling from height accidents in construction projects. | |
| Wilbanks | Contractor safety prequalification: Background, current practice & new paths | |
| Zhang et al. | Causal inference of construction safety management measures towards workers’ safety behaviors: A multidimensional perspective |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |