CN114139880A - 企业安全管理风险动态监测系统 - Google Patents
企业安全管理风险动态监测系统 Download PDFInfo
- Publication number
- CN114139880A CN114139880A CN202111313465.9A CN202111313465A CN114139880A CN 114139880 A CN114139880 A CN 114139880A CN 202111313465 A CN202111313465 A CN 202111313465A CN 114139880 A CN114139880 A CN 114139880A
- Authority
- CN
- China
- Prior art keywords
- risk
- hidden danger
- activity
- hidden
- initial
- 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
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Molecular Biology (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种企业安全管理风险动态监测系统,包括:风险分级模块,用于对企业内部的各个作业场所进行风险分级,得到初始风险等级;风险调整模块,用于获取作业场所存在的隐患,根据隐患对作业场所的初始风险等级进行调整,得到临时风险等级;风险管控模块,用于根据临时风险等级发送相应的风险信号至对应级别的工作人员,本系统通过分析风险、隐患和事故之间的关联关系,从风险层面进行监测管控,有效防范安全生产事故。
Description
技术领域
本发明涉及安全生产管理技术领域,尤其涉及一种企业安全管理风险动态监测系统。
背景技术
目前,国内外诸多安全生产企业正在推广和实施职业健康安全管理体系(Occupation Health and Safety Management System,OHSMS),引进南非国家职业安全协会(National Occupational Safety Association,NOSA)五星综合管理体系或HSE管理体系(Health、Safety、Environment Management System)过程,企业安全管理系统化、程序化和标准化取得一定成效,但存在一些企业在实现安全风险分级管控和隐患排查治理信息化管理时对企业风险动态变化机制缺乏深入研究,不能很好的发现、跟踪企业运行过程中风险动态变化情况,尤其是不能对安全生产过程中因风险升高而导致的潜在隐患进行管理,如果缺乏对动态风险必要的管控和防范,大部分风险等级升高后事故发生的可能性都将增大,而这种风险动态的变化是安全生产企业容易忽视的“死角”;因此,亟需一种企业安全管理风险动态监测系统,用于解决企业不能发现、跟踪企业运行过程中风险动态变化情况,尤其是不能对安全生产过程中因风险升高而导致的潜在隐患进行管控的问题。
发明内容
本发明提供一种企业安全管理风险动态监测系统,用于解决企业不能发现、跟踪企业运行过程中风险动态变化情况,尤其是不能对安全生产过程中因风险升高而导致的潜在隐患进行管理的问题。
一种企业安全管理风险动态监测系统,包括:
风险分级模块,用于对企业内部的各个作业场所进行风险分级,得到初始风险等级;
风险调整模块,用于获取作业场所存在的隐患,根据隐患对作业场所的初始风险等级进行调整,得到临时风险等级;
风险管控模块,用于根据临时风险等级发送相应的风险信号至对应级别的工作人员。
作为本发明的一种实施例,风险分级模块包括:
风险辨识单元,用于根据企业作业类型辨识企业内部的各个作业场所存在的风险;
风险分析单元,用于基于预设参考依据分析作业场所存在的风险的第一风险发生可能性和第一风险发生后果严重程度;
风险评价单元,用于基于LEC及MES评价法,根据第一风险发生可能性和第一风险发生后果严重程度对作业场所存在的风险进行分级,得到初始风险等级。
作为本发明的一种实施例,风险调整模块包括:
隐患获取单元,用于获取作业场所存在的隐患;
隐患分析单元,用于基于预设参考依据分析作业场所存在的隐患是否对作业场所的初始风险等级存在影响;
隐患分析单元,还用于当隐患对作业场所的初始风险等级存在影响时基于预设参考依据分析作业场所存在的风险与隐患结合后的第二风险发生可能性和第二风险发生后果严重程度;
风险调整单元,用于基于LEC及MES评价法,根据第二风险发生可能性和第二风险发生后果严重程度对作业场所存在的隐患与风险结合后的风险进行分级,得到临时风险等级。
作为本发明的一种实施例,一种企业安全管理风险动态监测系统还包括:
第二风险调整模块,用于获取作业场所内的作业活动,根据作业活动对作业场所的初始风险等级进行调整,得到第二临时风险等级;
风险管控模块,还用于根据第二临时风险等级发送相应的第二风险信号至对应级别的工作人员。
作为本发明的一种实施例,第二风险调整模块包括:
作业活动获取单元,用于获取作业场所内的作业活动;
作业活动风险分析单元,用于基于预设参考依据分析作业场所内的作业活动是否对作业场所的初始风险等级存在影响;
作业活动风险分析单元,还用于当作业活动对作业场所的初始风险等级存在影响时基于预设参考依据分析作业场所内的风险与作业活动结合后的第三风险发生可能性和第三风险发生后果严重程度;
第二风险调整单元,用于基于LEC及MES评价法,根据第三风险发生可能性和第三风险发生后果严重程度对作业场所内的风险与作业活动结合后的风险进行分级,得到第二临时风险等级。
作为本发明的一种实施例,作业活动获取单元包括:
固定作业活动获取子单元,用于获取固定作业活动;
特种作业活动获取子单元,用于获取特种作业活动;
其中,固定作业活动和特种作业活动均包括作业内容、影响区域、时间段。
作为本发明的一种实施例,一种企业安全管理风险动态监测系统还包括:风险还原模块,用于在工作人员将隐患解除后将作业场所风险等级还原为相应的初始风险等级,和,用于在作业活动结束后将作业场所风险等级还原为相应的初始风险等级。
作为本发明的一种实施例,一种企业安全管理风险动态监测系统还包括:历史数据存储模块,用于存储作业场所中存在的隐患与隐患对应的临时风险等级,和,用于存储作业场所内的作业活动与作业活动对应的第二临时风险等级。
作为本发明的一种实施例,一种企业安全管理风险动态监测系统还包括:隐患整改方案生成模块;
隐患整改方案生成模块执行包括如下步骤:
基于神经网络建立初始隐患整改方案生成模型,初始化模型参数;
获取训练数据,训练数据包括若干隐患类型的隐患图片和隐患对应的整改方案;
对训练数据进行预处理,得到初始训练集;预处理包括基于隐患类型对隐患图片中的隐患进行特征识别提取,得到隐患特征信息,初始训练集中基于隐患类型-隐患特征信息-隐患整改方案的三元素对应关系分为若干预训练集;其中,每个预训练集中包括有一个携带隐患类型的隐患特征信息和一个与隐患特征信息相对应的隐患整改方案;
根据隐患类型将初始训练集中的若干预训练集进行分组,得到完整训练集;
将不同隐患类型的完整训练集中的隐患特征信息作为模型的输入、隐患整改方案作为模型的输出分别导入初始隐患整改方案生成模型中进行迭代训练,基于最小化损失函数对每次迭代训练结束后的初始隐患整改方案生成模型对应的损失函数的输出值进行收敛,并在初始隐患整改方案生成模型对应的损失函数的输出值满足预设的收敛条件时,完成对初始隐患整改方案生成模型的训练,得到若干不同隐患类型的隐患整改方案生成模型;
获取作业场所存在隐患的实际隐患类型和实际隐患图片;
基于实际隐患类型对实际隐患图片中的隐患进行特征识别提取,得到实际隐患特征信息;
将携带实际隐患类型信息的实际隐患特征信息发送至对应隐患类型的隐患整改方案生成模型中,生成实际隐患图片对应的实际隐患整改方案;
将实际隐患整改方案根据临时风险等级发送至对应级别的工作人员。
作为本发明的一种实施例,历史数据存储模块包括数据分类单元、标签检索单元;
数据分类单元执行包括如下步骤:
获取至少两个隐患样本集和至少两个作业活动样本集,其中,隐患样本集对应于历史数据存储模块已存储的隐患类别,隐患样本集包括属于对应的隐患类别的正相关隐患和不属于对应隐患类别的负相关隐患,作业活动样本集对应于历史数据存储模块已存储的作业活动类别,作业活动样本集包括属于对应作业活动类别的正相关作业活动和不属于对应作业活动类别的负相关作业活动;
对正相关隐患标记第一正相关类别信息,对负相关隐患标记第一负相关类别信息;
从至少两个隐患样本集中任选一个隐患样本集,基于机器学习,将隐患样本集中的正相关隐患作为输入,将第一正相关类别信息作为期望输出,将隐患样本集中的负相关隐患作为输入,将第一负相关类别信息作为期望输出,训练初始模型,得到隐患标签模型;获取至少两个隐患样本集中未选择的隐患样本集,将初始模型替换为最近一次训练后的隐患标签模型后重复训练隐患标签模型的训练步骤,得到新隐患标签模型;
对正相关作业活动标记第二正相关类别信息,对负相关作业活动标记第二负相关类别信息;
从至少两个作业活动样本集中任选一个作业活动样本集,基于机器学习,将作业活动样本集中的正相关作业活动作为输入,将第二正相关类别信息作为期望输出,将作业活动样本集中的负相关作业活动作为输入,将第二负相关类别信息作为期望输出,训练初始模型,得到作业活动标签模型;获取至少两个作业活动样本集中中未选择的作业活动样本集,将初始模型替换为最近一次训练后的作业活动标签模型后重复训练作业活动标签模型的训练步骤,得到新作业活动标签模型;
获取历史数据存储模块中存储的隐患以及隐患对应的临时风险等级,将隐患作为输入,通过新隐患标签模型输出得到隐患对应的标签类型,基于隐患对应的标签类型将隐患以及隐患对应的临时风险等级进行打包并标记,得到隐患集,隐患集标记有与隐患集内隐患对应的标签类型;
获取历史数据存储模块中存储的作业场所内的作业活动与作业活动对应的第二临时风险等级,将作业活动作为输入,通过新作业活动标签模型输出得到作业活动对应的标签类型,基于作业活动对应的标签类型将作业活动与作业活动对应的第二临时风险等级进行打包并标记,得到作业活动集,作业活动集标记有与作业活动集内作业活动对应的标签类型;
标签检索单元用于根据接收到的标签检索请求检索数据分类单元中的标签类型与标签检索请求中携带的标签信息存在覆盖关系的隐患集或作业活动集。
本发明的有益效果:
1、通过风险分级模块对企业内部的风险进行归类,通过风险调整模块分析风险、隐患和事故之间的关联关系,从风险层面进行管控,通过风险管控模块将风险情况提前发送给对应级别的工作人员,从而减少隐患的出现,达到有效防范安全生产事故的目的。
2、通过风险调整模块和第二风险调整模块,分析隐患排查、固定作业、特种作业三种影响企业风险变化的行为,针对具体行为通过LEC、MES风险评估方法重新对企业风险进行评估,并通过风险管控模块将风险情况发送给对应级别的工作人员,达到规范企业安全生产管理方式的目的。
3、根据企业安全管理风险动态监测系统产生的结果,形成风险差异化、精准化的管理模式,有益于使得安全生产管理目标更明确。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图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,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种企业安全管理风险动态监测系统的系统示意图1;
图2为本发明实施例中一种企业安全管理风险动态监测系统中风险分级模块的模块示意图;
图3为本发明实施例中一种企业安全管理风险动态监测系统中风险调整模块的模块示意图;
图4为本发明实施例中一种企业安全管理风险动态监测系统的系统示意图2;
图5为本发明实施例中一种企业安全管理风险动态监测系统中第二风险调整模块的模块示意图;
图6为本发明实施例中一种企业安全管理风险动态监测系统中作业活动获取单元的单元示意图;
图7为本发明实施例中一种企业安全管理风险动态监测系统的系统示意图3;
图8为本发明实施例中一种企业安全管理风险动态监测系统中历史数据存储模块的模块示意图;
图9为本发明实施例中一种企业安全管理风险动态监测系统中隐患排查对风险等级影响机制流程图;
图10为本发明实施例中一种企业安全管理风险动态监测系统中固定作业活动对场所风险变化的过程的具体流程图;
图11为本发明实施例中一种企业安全管理风险动态监测系统中特种作业实施对风险的变化的过程的具体流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
请参阅图1,本发明实施例提供了一种企业安全管理风险动态监测系统,包括:
风险分级模块,用于对企业内部的各个作业场所进行风险分级,得到初始风险等级;
风险调整模块,用于获取作业场所存在的隐患,根据隐患对作业场所的初始风险等级进行调整,得到临时风险等级;
风险管控模块,用于根据临时风险等级发送相应的风险信号至对应级别的工作人员;
上述技术方案的工作原理和有益效果为:风险分级模块,用于对企业内部的各个作业场所进行风险分级,得到初始风险等级,其中,风险分级的等级优选分为绿色、黄色、橙色、红色四个风险等级;风险调整模块,用于获取作业场所存在的隐患,作业场所存在的隐患包括但不限于采场内巷道有裂隙或局部的不能使用崩炮处理而出现浮石,有冒顶片帮的风险;变电站由于施工造成电线裸露等隐患,获取方法优选为在安全生产过程中,安全员在安全检查过程中,发现并录入现场环境中的隐患情况;根据隐患对作业场所的初始风险等级进行调整,得到临时风险等级,调整方法优选为通过LEC、MES等风险评估方法重新对存在隐患的风险进行评估;风险管控模块,用于根据临时风险等级发送相应的风险信号至对应级别的工作人员,使得工作人员能及时对隐患进行整改,其中,优选为风险等级上升到黄色,提醒到风险责任人和安全部部长,风险等级上升到橙色,提醒到风险责任人、安环部部长、安全总监,风险等级上升到红色,提醒到风险责任人、安环部部长、安全总监、企业负责人,风险等级为绿色则将对应的绿色信号发送至该作业场所的复核人或负责人即可;本方案能促使企业相关责任人督促落实具体隐患的整改,提高安全监管的效率和效果;同时通过风险分级模块对企业内部的风险进行归类,通过风险调整模块分析风险、隐患和事故之间的关联关系,从风险层面进行管控;通过风险管控模块将风险情况提前发送给对应级别的工作人员,形成风险差异化、精准化的管理模式,使安全生产管理目标更明确,达到有效防范安全生产事故的目的,风险差异化精准化管理思想的核心内容就是根据风险等级分级预警到相关的领导岗位;更进一步地,通过风险分级模块、风险调整模块和风险管控模块及时发现与跟踪企业运行过程中风险动态变化情况,并能实现在安全生产过程及时对隐患进行排查处理,解决安全生产过程中因隐患问题导致风险升高进而存在潜在隐患的问题。
更进一步的,目前,大多数企业都在推进“双重预防机制”建设,开展安全风险辨识评估,制定风险辨识评估手册,形成安全生产目录清单,针对不同的风险进行差异化、精确化动态监督管理。“双重预防机制”是指风险分级分类管控机制和隐患排查治理机制,即通过风险管控和隐患排查,以防止重特大事故的发生。企业可以开展监督管理、施工工艺、设备设施和外部环境等重点的安全风险评估,通过研究安全风险辨识方法、评价指标,制定风险辨识评估手册,形成安全风险目录清单,并确定风险的等级。风险评估的清单包括安全风险的名称、产生原因、暴露于危险环境的频繁程度、风险导致事故的可能性、产生的后果、危险程度以及风险管控的措施、责任单位等。同时,清单将针对不同风险等级,确定不同的执法检查频次、重点内容等,实行差异化、精准化动态监管。因为安全风险目录清单以问题为导向,明确安全风险的责任单位与部门,有助于实现安全生产的清单化管理,为相关单位的安全生产工作提供指导,提高工作人员安全风险责任与意识。通过风险管控模块实现风险差异化精准化管理;风险差异化精准化管理思想的核心内容就是根据风险等级分级预警到相关的领导岗位。风险等级上升到黄色,提醒到风险责任人和安全部部长,风险等级上升到橙色,提醒到风险责任人、安环部部长、安全总监,风险等级上升到红色,提醒到风险责任人、安环部部长、安全总监、企业负责人。
请参阅图2,在一个实施例中,风险分级模块包括:
风险辨识单元,用于根据企业作业类型辨识企业内部的各个作业场所存在的风险;
风险分析单元,用于基于预设参考依据分析作业场所存在的风险的第一风险发生可能性和第一风险发生后果严重程度;
风险评价单元,用于基于LEC及MES评价法,根据第一风险发生可能性和第一风险发生后果严重程度对作业场所存在的风险进行分级,得到初始风险等级;
上述技术方案的工作原理和有益效果为:风险辨识单元,用于根据企业作业类型辨识企业内部的各个作业场所存在的风险,更进一步地,获取企业作业类型,再根据企业作业类型获取预设数据库中预先存储的与该作业类型相关联的所有作业场所,工作人员可以对该所有作业场所的类型进行增删操作,使其更贴合实际,风险分析单元,用于基于预设参考依据分析作业场所存在的风险的第一风险发生可能性和第一风险发生后果严重程度,预设参考依据包括与该作业场所相关联的法律法规、作业场所建设标准以及相关指导文件等,如《深入推进非煤矿山安全风险分级管控和隐患排查治理双重预防机制建设指导意见》、《山东省安全生产风险分级管控和隐患排查治理双重预防体系执法检查指南》、《广东省应急管理厅关于印发安全风险分级管控办法(试行)》等相关文件,风险评价单元,用于基于LEC及MES评价法,根据第一风险发生可能性和第一风险发生后果严重程度对作业场所存在的风险进行分级,得到初始风险等级,更进一步地,该初始风险等级与该作业场所对应的工作人员的级别有关,提前对每个作业场所的风险等级进行划分,根据风险等级分级预警到相关的领导岗位,从风险层面进行管控,有益于有效防范安全生产事故。
请参阅图3,在一个实施例中,风险调整模块包括:
隐患获取单元,用于获取作业场所存在的隐患;
隐患分析单元,用于基于预设参考依据分析作业场所存在的隐患是否对作业场所的初始风险等级存在影响;
隐患分析单元,还用于当隐患对作业场所的初始风险等级存在影响时基于预设参考依据分析作业场所存在的风险与隐患结合后的第二风险发生可能性和第二风险发生后果严重程度;
风险调整单元,用于基于LEC及MES评价法,根据第二风险发生可能性和第二风险发生后果严重程度对作业场所存在的隐患与风险结合后的风险进行分级,得到临时风险等级;
上述技术方案的工作原理和有益效果为:风险调整模块实现发现、跟踪企业运行过程中风险动态变化情况,及时对安全生产过程中风险升高而导致的潜在隐患进行风险等级调整,从而使得对应级别的工作人员对该风险进行快速响应;风险调整模块包括:隐患获取单元、隐患分析单元和风险调整单元,其中,隐患获取单元获取作业场所存在的隐患,获取方法优选为在安全生产过程中,安全员在安全检查时发现并录入现场环境中的隐患情况至隐患获取单元;隐患分析单元基于预设参考依据分析作业场所存在的隐患是否对作业场所的初始风险等级存在影响,若存在影响,基于预设参考依据分析作业场所存在的风险与隐患结合后的第二风险发生可能性和第二风险发生后果严重程度,其中,预设参考依据包括与该隐患相关联的法律法规、相关指导文件以及对作业场所风险等级存在影响的隐患等,对作业场所存在影响的隐患包括但不限于采场内巷道有裂隙或局部的不能使用崩炮处理而出现浮石,有冒顶片帮的风险;变电站由于施工造成电线裸露等隐患,风险调整单元基于LEC及MES评价法,根据第二风险发生可能性和第二风险发生后果严重程度对作业场所存在的隐患与风险结合后的风险进行分级,得到临时风险等级,临时风险等级优选分为绿色、黄色、橙色、红色四个风险等级,更进一步地,若不存在影响,优选将初始风险等级作为临时风险等级。
请参阅图4、图5,在一个实施例中,一种企业安全管理风险动态监测系统还包括:第二风险调整模块,用于获取作业场所内的作业活动,根据作业活动对作业场所的初始风险等级进行调整,得到第二临时风险等级;
第二风险调整模块包括:
作业活动获取单元,用于获取作业场所内的作业活动;
作业活动风险分析单元,用于基于预设参考依据分析作业场所内的作业活动是否对作业场所的初始风险等级存在影响;
作业活动风险分析单元,还用于当作业活动对作业场所的初始风险等级存在影响时基于预设参考依据分析作业场所内的风险与作业活动结合后的第三风险发生可能性和第三风险发生后果严重程度;
第二风险调整单元,用于基于LEC及MES评价法,根据第三风险发生可能性和第三风险发生后果严重程度对作业场所内的风险与作业活动结合后的风险进行分级,得到第二临时风险等级;
风险管控模块,还用于根据第二临时风险等级发送相应的第二风险信号至对应级别的工作人员;
上述技术方案的工作原理和有益效果为:第二风险调整模块实现了分析企业作业活动对企业作业场所的风险变化的影响,针对具体作业活动通过LEC、MES风险评估方法重新对作业场所内的风险进行评估,通过风险管控模块将第二临时风险等级推送到相应级别的监管责任人,规范企业安全生产管理方式;其中,第二风险调整模块包括作业活动获取单元、作业活动风险分析单元和第二风险调整单元;作业活动获取单元获取作业场所内的作业活动,获取方法优选为作业活动实施人或负责人将需要进行的作业活动的相关内容发送至作业活动获取单元;作业活动风险分析单元基于预设参考依据分析作业场所内的作业活动是否对作业场所的初始风险等级存在影响,若存在影响,作业活动风险分析单元基于预设参考依据分析作业场所内的风险与作业活动结合后的第三风险发生可能性和第三风险发生后果严重程度,第二风险调整单元基于LEC及MES评价法,根据第三风险发生可能性和第三风险发生后果严重程度对作业场所内的风险与作业活动结合后的风险进行分级,得到第二临时风险等级,其中,预设参考依据包括与该作业活动相关联的法律法规、相关指导文件以及对作业场所风险等级存在影响的作业活动等,对作业场所风险等级存在影响的作业活动包括但不限于爆破作业对采场内巷道会产生大量有毒有害气体,有人员中毒的风险;动火作业产生高温的效应,有烫伤的风险等作业活动;风险管控模块则根据第二临时风险等级发送相应的第二风险信号至对应级别的工作人员,第二临时风险优选分为绿色、黄色、橙色、红色四个风险等级,更进一步地,若不存在影响,优选将初始风险等级作为第二临时风险等级;其中,根据第二临时风险等级发送相应的第二风险信号至对应级别的工作人员优选为风险等级上升到黄色,提醒到风险责任人和安全部部长,风险等级上升到橙色,提醒到风险责任人、安环部部长、安全总监,风险等级上升到红色,提醒到风险责任人、安环部部长、安全总监、企业负责人,风险等级为绿色则优选发送安全信号至对应的作业活动实施人或作业活动负责人;根据不同风险等级确定不同的风险通知对象,有益于促使企业相关责任人督促落实具体风险的防范措施,提高安全监管的效率和效果。
请参阅图6,在一个实施例中,作业活动获取单元包括:
固定作业活动获取子单元,用于获取固定作业活动;
特种作业活动获取子单元,用于获取特种作业活动;
其中,固定作业活动和特种作业活动均包括作业内容、影响区域、时间段;
上述技术方案的工作原理和有益效果为:在安全生产过程中,对某些区域、某项工艺有着固定的作业活动,固定作业由现场员工发起,确定好固定作业内容、影响区域、时间段发送到固定作业活动获取子单元;特种作业活动获取子单元用于获取特种作业活动,特种作业活动优选由现场员工发起,确定好特种作业内容、影响区域、时间段发送到特种作业活动获取子单元,更进一步地,特种作业活动存在的风险优选包括爆破作业对采场内巷道会产生大量有毒有害气体,有人员中毒的风险;动火作业产生高温的效应,有烫伤的风险。
更进一步地,固定作业活动在判断是否影响风险等级前优选通过对应工作人员对该固定作业活动进行至少一次审批;特种作业活动在判断是否影响风险等级前优选通过对应工作人员对该固定作业活动进行至少两次审批,审批通过后才开始根据作业活动在作业场所内的影响进行风险等级调整。
请参阅图4,在一个实施例中,一种企业安全管理风险动态监测系统还包括:风险还原模块,用于在工作人员将隐患解除后将作业场所风险等级还原为相应的初始风险等级,和,用于在作业活动结束后将作业场所风险等级还原为相应的初始风险等级;
历史数据存储模块,用于存储作业场所中存在的隐患与隐患对应的临时风险等级,和,用于存储作业场所内的作业活动与作业活动对应的第二临时风险等级;
上述技术方案的工作原理和有益效果为:风险还原模块用于在隐患解除后和作业活动解除后将作业场所风险等级还原为相应的初始风险等级,从而不妨碍下一次出现隐患或作业活动时对该隐患或作业活动存在的风险进行风险评估;历史数据存储模块用于存储作业场所中存在的隐患与隐患对应的临时风险等级和用于存储作业场所内的作业活动与作业活动对应的第二临时风险等级,更进一步地,还用于存储隐患对应的整改方案;从而使得下次相同作业场所内再次出现相同隐患或作业活动时无需再次评估临时风险等级或第二临时风险等级,直接对历史数据存储模块中的数据进行调用,提高系统处理效率。
请参阅图7,在一个实施例中,一种企业安全管理风险动态监测系统还包括:隐患整改方案生成模块;
隐患整改方案生成模块执行包括如下步骤:
基于神经网络建立初始隐患整改方案生成模型,初始化模型参数;获取训练数据,训练数据包括若干隐患类型的隐患图片和隐患对应的整改方案;
对训练数据进行预处理,得到初始训练集;预处理包括基于隐患类型对隐患图片中的隐患进行特征识别提取,得到隐患特征信息,初始训练集中基于隐患类型-隐患特征信息-隐患整改方案的三元素对应关系分为若干预训练集;其中,每个预训练集中包括有一个携带隐患类型的隐患特征信息和一个与隐患特征信息相对应的隐患整改方案;
根据隐患类型将初始训练集中的若干预训练集进行分组,得到完整训练集;
将不同隐患类型的完整训练集中的隐患特征信息作为模型的输入、隐患整改方案作为模型的输出分别导入初始隐患整改方案生成模型中进行迭代训练,基于最小化损失函数对每次迭代训练结束后的初始隐患整改方案生成模型对应的损失函数的输出值进行收敛,并在初始隐患整改方案生成模型对应的损失函数的输出值满足预设的收敛条件时,完成对初始隐患整改方案生成模型的训练,得到若干不同隐患类型的隐患整改方案生成模型;
获取作业场所存在隐患的实际隐患类型和实际隐患图片;基于实际隐患类型对实际隐患图片中的隐患进行特征识别提取,得到实际隐患特征信息;
将携带实际隐患类型信息的实际隐患特征信息发送至对应隐患类型的隐患整改方案生成模型中,生成实际隐患图片对应的实际隐患整改方案;将实际隐患整改方案根据临时风险等级发送至对应级别的工作人员;
上述技术方案的工作原理为:在企业安全管理过程中,作业场所的隐患种类繁多,且存在需要对隐患进行加急整改的情况,光凭人力对诸多隐患进行整改方案规划及实施对企业的工程师人才储备资源的存在一定要求,当企业内部工程师人员稀少且工作经验并不丰富时,存在作业场所出现复杂隐患后无法得到及时整改,降低对该作业场所的使用效率和增加了该作业场所的作业风险系数,极大的影响企业效益,通过隐患整改方案生成模块,对作业场所存在的隐患进行识别同时给出最优整改方案供工作人员参考,极大增强了企业对作业场所隐患增改的效率和降低企业人力成本;
隐患整改方案生成模块执行包括如下步骤:基于神经网络建立初始隐患整改方案生成模型,初始化模型参数;获取训练数据,训练数据包括若干隐患类型的隐患图片和隐患对应的整改方案;对训练数据进行预处理,得到初始训练集;预处理包括基于隐患类型对隐患图片中的隐患进行特征识别提取,得到隐患特征信息,其中,特征识别提取优选基于深度学习进行训练;隐患特征信息包括但不限于采场内巷道有裂隙或局部的不能使用崩炮处理而出现的浮石或变电站由于施工造成电线裸露等特征信息;初始训练集中基于隐患类型-隐患特征信息-隐患整改方案的三元素对应关系分为若干预训练集;其中,每个预训练集中包括有一个携带隐患类型的隐患特征信息和一个与隐患特征信息相对应的隐患整改方案;根据隐患类型将初始训练集中的若干预训练集进行分组,得到完整训练集;将不同隐患类型的完整训练集中的隐患特征信息作为模型的输入、隐患整改方案作为模型的输出分别导入初始隐患整改方案生成模型中进行迭代训练,基于最小化损失函数对每次迭代训练结束后的初始隐患整改方案生成模型对应的损失函数的输出值进行收敛,并在初始隐患整改方案生成模型对应的损失函数的输出值满足预设的收敛条件时,完成对初始隐患整改方案生成模型的训练,得到若干不同隐患类型的隐患整改方案生成模型;获取作业场所存在隐患的实际隐患类型和实际隐患图片;获取方法包括但不限于现场工作人员拍照实际隐患并识别实际隐患类型发送至隐患整改方案生成模块或通过在作业场所设置摄像装置同时通过隐患整改方案生成模块内部的隐患识别单元对摄像装置拍摄的隐患图片进行隐患识别;更进一步地,隐患识别单元优选基于深度学习达到对不同隐患类型进行识别的功能;基于实际隐患类型对实际隐患图片中的隐患进行特征识别提取,得到实际隐患特征信息;将携带实际隐患类型信息的实际隐患特征信息发送至对应隐患类型的隐患整改方案生成模型中,生成实际隐患图片对应的实际隐患整改方案;将实际隐患整改方案根据临时风险等级发送至对应级别的工作人员;
上述技术方案的有益效果为:通过隐患整改方案生成模块,基于深度学习训练隐患整改方案生成模型,对作业场所存在的隐患进行识别同时给出最优整改方案供工作人员参考,极大增强了企业对作业场所隐患增改的效率和降低企业人力成本。
请参阅图8,在一个实施例中,历史数据存储模块包括数据分类单元、标签检索单元;
数据分类单元执行包括如下步骤:
获取至少两个隐患样本集和至少两个作业活动样本集,其中,隐患样本集对应于历史数据存储模块已存储的隐患类别,隐患样本集包括属于对应的隐患类别的正相关隐患和不属于对应隐患类别的负相关隐患,作业活动样本集对应于历史数据存储模块已存储的作业活动类别,作业活动样本集包括属于对应作业活动类别的正相关作业活动和不属于对应作业活动类别的负相关作业活动;
对正相关隐患标记第一正相关类别信息,对负相关隐患标记第一负相关类别信息;
从至少两个隐患样本集中任选一个隐患样本集,基于机器学习,将隐患样本集中的正相关隐患作为输入,将第一正相关类别信息作为期望输出,将隐患样本集中的负相关隐患作为输入,将第一负相关类别信息作为期望输出,训练初始模型,得到隐患标签模型;获取至少两个隐患样本集中未选择的隐患样本集,将初始模型替换为最近一次训练后的隐患标签模型后重复训练隐患标签模型的训练步骤,得到新隐患标签模型;
对正相关作业活动标记第二正相关类别信息,对负相关作业活动标记第二负相关类别信息;
从至少两个作业活动样本集中任选一个作业活动样本集,基于机器学习,将作业活动样本集中的正相关作业活动作为输入,将第二正相关类别信息作为期望输出,将作业活动样本集中的负相关作业活动作为输入,将第二负相关类别信息作为期望输出,训练初始模型,得到第一作业活动标签模型;获取至少两个作业活动样本集中未选择的作业活动样本集,将初始模型替换为最近一次训练后的作业活动标签模型后重复训练作业活动标签模型的训练步骤,得到新作业活动标签模型;
获取历史数据存储模块中存储的隐患以及隐患对应的临时风险等级,将隐患作为输入,通过新隐患标签模型输出得到隐患对应的标签类型,基于隐患对应的标签类型将隐患以及隐患对应的临时风险等级进行打包并标记,得到隐患集,隐患集标记有与隐患集内隐患对应的标签类型;
获取历史数据存储模块中存储的作业场所内的作业活动与作业活动对应的第二临时风险等级,将作业活动作为输入,通过新作业活动标签模型输出得到作业活动对应的标签类型,基于作业活动对应的标签类型将作业活动与作业活动对应的第二临时风险等级进行打包并标记,得到作业活动集,作业活动集标记有与作业活动集内作业活动对应的标签类型;
标签检索单元用于根据接收到的标签检索请求检索数据分类单元中的标签类型与标签检索请求中携带的标签信息存在覆盖关系的隐患集或作业活动集;
上述技术方案的工作原理为:历史数据存储模块包括数据分类单元、标签检索单元;数据分类单元执行包括如下步骤:获取至少两个隐患样本集和至少两个作业活动样本集,其中,隐患样本集对应于历史数据存储模块已存储的隐患类别,隐患样本集包括属于对应的隐患类别的正相关隐患和不属于对应隐患类别的负相关隐患,其中,正相关隐患优选为与对应的隐患类别相同的隐患,负相关隐患则优选为与对应隐患类别不相同的隐患;作业活动样本集对应于历史数据存储模块已存储的作业活动类别,作业活动样本集包括属于对应作业活动类别的正相关作业活动和不属于对应作业活动类别的负相关作业活动;其中,正相关作业活动优选为与对应的作业活动类别相同的作业活动,负相关作业活动优选为与对应的作业活动类别不相同的作业活动;对正相关隐患标记第一正相关类别信息,对负相关隐患标记第一负相关类别信息;第一正相关类别信息和第一负相关类别信息优选包括如下至少一种形式的信息:文字、数字、符号等,例如,第一正相关类别信息可以为裂缝、采场等,第一负相关类别信息可以为非裂缝、非采场等信息;初始模型优选为卷积神经网络,包括特征提取层和分类层,分类层包括预设数量个权重数据,权重数据对应于预设数量的隐患或作业活动类别,其中,预设数量优选为历史数据存储模块已存储的隐患或作业活动类别数量,用于确定输入的隐患或作业活动属于权重数据对应的隐患类别或作业活动类别的概率;从至少两个隐患样本集中任选一个隐患样本集,基于机器学习,将隐患样本集中的正相关隐患作为特征提取层的输入,将第一正相关类别信息作为初始模型的期望输出,将隐患样本集中的负相关隐患作为特征提取层的输入,将第一负相关类别信息作为初始模型的期望输出,训练初始模型,得到隐患标签模型;若仅有两个隐患样本集,则获取两个隐患样本集中剩下的一个隐患样本集,将初始模型替换为隐患标签模型后重复训练隐患标签模型的训练步骤,得到新隐患标签模型;对正相关作业活动标记第二正相关类别信息,对负相关作业活动标记第二负相关类别信息;第二正相关类别信息和第二负相关类别信息优选包括如下至少一种形式的信息:文字、数字、符号等,从至少两个作业活动样本集中任选一个作业活动样本集,基于机器学习,将作业活动样本集中的正相关作业活动作为输入,将第二正相关类别信息作为期望输出,将作业活动样本集中的负相关作业活动作为输入,将第二负相关类别信息作为期望输出,训练初始模型,得到第一作业活动标签模型;同理的,若仅有两个作业活动样本集,则获取两个作业活动样本集中剩下的一个作业活动样本集,将初始模型替换为作业活动标签模型后重复训练作业活动标签模型的训练步骤,得到新作业活动标签模型;获取历史数据存储模块中存储的隐患以及隐患对应的临时风险等级,将隐患作为输入,通过新隐患标签模型输出得到隐患对应的标签类型,基于隐患对应的标签类型将隐患以及隐患对应的临时风险等级进行打包并标记,得到隐患集,隐患集标记有与隐患集内隐患对应的标签类型;获取历史数据存储模块中存储的作业场所内的作业活动与作业活动对应的第二临时风险等级,将作业活动作为输入,通过新作业活动标签模型输出得到作业活动对应的标签类型,基于作业活动对应的标签类型将作业活动与作业活动对应的第二临时风险等级进行打包并标记,得到作业活动集,作业活动集标记有与作业活动集内作业活动对应的标签类型;标签检索单元用于根据接收到的标签检索请求检索数据分类单元中的标签类型与标签检索请求中携带的标签信息存在覆盖关系的隐患集或作业活动集,例如,若标签检索请求中携带的标签信息为非采场、裂缝;那么标签检索单元检索出来的隐患集或作业活动集的标签类型则至少包含非采场、裂缝两种类型;
上述技术方案的有益效果为:当工作人员需要对任一隐患或任一作业活动进行历史查询时,因为工作人员对隐患或作业活动命名不统一的原因,直接通过该隐患或该作业活动对应的标签进行查询检索,相较于直接通过隐患或作业活动全称查询有益于提高查询效率,同时对隐患和作业活动进行标签分类便于规范管理。
请参阅图9,在一个实施例中,首先对作业场所进行风险评估,风险评估包括:风险辨识、风险分析和风险评价;基于风险分级模块实现风险评估;
得到作业场所的初始风险等级后,当确定存在某处作业场所出现隐患时,判断该隐患是否会对该作业场所的风险等级造成影响,判断过程基于风险调整模块实现,其中,风险调整模块中还优选包括隐患治理排查模块,隐患治理排查模块包括隐患录入、审批、整改、复查、销案、归档等环节;风险调整模块实施的具体过程包括:安全员在安全检查过程中,发现并录入现场环境中的隐患情况,安全主管部门在隐患审批的时候,会考虑该隐患是否对作业场所、作业活动的风险等级有所影响,例如采场内巷道有裂隙或局部的不能使用崩炮处理而出现浮石,有冒顶片帮的风险;变电站由于施工造成电线裸露,则相关工人的作业风险有所提升;如果风险提升,则通过LEC、MES等风险评估方法重新对风险进行评估;
对风险进行重新评估后,如果等级有所提高,则基于风险管控模块根据风险等级分级预警到相关的领导岗位;风险等级上升到黄色,提醒到风险责任人和安全部部长,风险等级上升到橙色,提醒到风险责任人、安环部部长、安全总监,风险等级上升到红色,提醒到风险责任人、安环部部长、安全总监、企业负责人;这样能促使企业相关责任人督促落实具体隐患的整改,提高安全监管的效率和效果;当隐患经过整改,通过验收,进行销案的时候,重新评估风险等级,完成风险动态变化机制的循环。
请参阅图10,在一个实施例中,安全生产过程中,对某些区域、某项工艺有着固定的作业活动,固定作业活动对作业场所风险等级影响机制具体包括:
步骤1:设置固定作业,包括设定相关数据,例如作业内容、影响区域和时间段等,然后发送至安全管理部门通过监测系统进行审批;
步骤2:审批过程中,判断该固定作业活动是否影响该作业场所的风险等级,若是,则通过LEC、MES等风险评估方法重新对风险进行评估,设定新的风险等级,若否,则安排固定作业实施直至固定作业结束;
步骤3:在设定新的风险等级后,根据风险等级分级预警到相关的领导岗位,按照红、橙、黄三种级别提醒到不同的安全管理者,其中,风险等级上升到黄色,提醒到风险责任人和安全部部长,风险等级上升到橙色,提醒到风险责任人、安环部部长、安全总监,风险等级上升到红色,提醒到风险责任人、安环部部长、安全总监、企业负责人,这样能促使企业相关责任人督促落实具体风险管控措施,提高安全监管的效率和效果;当固定作业结束,风险重新恢复到原来状态,完成固定作业活动。
请参阅图11,在一个实施例中,安全生产过程中,特种作业是容易造成企业人员伤亡、财产损失的重要活动之一,必须要引起足够的重视,特种作业实施对作业场所风险等级影响机制具体包括:
步骤1:设置特种作业,包括设定相关数据,例如作业内容、影响区域和时间段等,然后发送至安全管理部门通过监测系统进行审批,与固定作业不同的是,特种作业至少需要经过两次审批,例如,部门领导通过监测系统审批、安环部门主管通过监测系统审批;
步骤2:审批过程中,判断该特种作业活动是否影响该作业场所的风险等级,例如爆破作业对采场内巷道会产生大量有毒有害气体,有人员中毒的风险,若是,则通过LEC、MES等风险评估方法重新对风险进行评估,设定新的风险等级,若否,则安排特种作业实施直至特种作业结束;
步骤3:在设定新的风险等级后,根据风险等级分级预警到相关的领导岗位,按照红、橙、黄三种级别提醒到不同的安全管理者,其中,风险等级上升到黄色,提醒到风险责任人和安全部部长,风险等级上升到橙色,提醒到风险责任人、安环部部长、安全总监,风险等级上升到红色,提醒到风险责任人、安环部部长、安全总监、企业负责人,这样能促使企业相关责任人督促落实具体风险管控措施,提高安全监管的效率和效果;当特种作业结束,风险重新恢复到原来状态,完成特种作业活动。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种企业安全管理风险动态监测系统,其特征在于,包括:
风险分级模块,用于对企业内部的各个作业场所进行风险分级,得到初始风险等级;
风险调整模块,用于获取所述作业场所存在的隐患,根据所述隐患对所述作业场所的初始风险等级进行调整,得到临时风险等级;
风险管控模块,用于根据所述临时风险等级发送相应的风险信号至对应级别的工作人员。
2.根据权利要求1所述的一种企业安全管理风险动态监测系统,其特征在于,所述风险分级模块包括:
风险辨识单元,用于根据企业作业类型辨识企业内部的各个作业场所存在的风险;
风险分析单元,用于基于预设参考依据分析所述作业场所存在的风险的第一风险发生可能性和第一风险发生后果严重程度;
风险评价单元,用于基于LEC及MES评价法,根据所述第一风险发生可能性和第一风险发生后果严重程度对所述作业场所存在的风险进行分级,得到初始风险等级。
3.根据权利要求1所述的一种企业安全管理风险动态监测系统,其特征在于,所述风险调整模块包括:
隐患获取单元,用于获取所述作业场所存在的隐患;
隐患分析单元,用于基于预设参考依据分析所述作业场所存在的隐患是否对所述作业场所的初始风险等级存在影响;
所述隐患分析单元,还用于当隐患对所述作业场所的初始风险等级存在影响时基于预设参考依据分析所述作业场所存在的风险与隐患结合后的第二风险发生可能性和第二风险发生后果严重程度;
风险调整单元,用于基于LEC及MES评价法,根据所述第二风险发生可能性和第二风险发生后果严重程度对所述作业场所存在的隐患与风险结合后的风险进行分级,得到临时风险等级。
4.根据权利要求1所述的一种企业安全管理风险动态监测系统,其特征在于,还包括:
第二风险调整模块,用于获取所述作业场所内的作业活动,根据所述作业活动对所述作业场所的初始风险等级进行调整,得到第二临时风险等级;
所述风险管控模块,还用于根据所述第二临时风险等级发送相应的第二风险信号至对应级别的工作人员。
5.根据权利要求4所述的一种企业安全管理风险动态监测系统,其特征在于,所述第二风险调整模块包括:
作业活动获取单元,用于获取所述作业场所内的作业活动;
作业活动风险分析单元,用于基于预设参考依据分析所述作业场所内的作业活动是否对所述作业场所的初始风险等级存在影响;
所述作业活动风险分析单元,还用于当作业活动对所述作业场所的初始风险等级存在影响时基于预设参考依据分析所述作业场所内的风险与作业活动结合后的第三风险发生可能性和第三风险发生后果严重程度;
第二风险调整单元,用于基于LEC及MES评价法,根据所述第三风险发生可能性和第三风险发生后果严重程度对所述作业场所内的风险与作业活动结合后的风险进行分级,得到第二临时风险等级。
6.根据权利要求5所述的一种企业安全管理风险动态监测系统,其特征在于,所述作业活动获取单元包括:
固定作业活动获取子单元,用于获取固定作业活动;
特种作业活动获取子单元,用于获取特种作业活动;
其中,固定作业活动和特种作业活动均包括作业内容、影响区域、时间段。
7.根据权利要求4所述的一种企业安全管理风险动态监测系统,其特征在于,还包括:风险还原模块,用于在工作人员将隐患解除后将所述作业场所风险等级还原为相应的初始风险等级,和,用于在作业活动结束后将作业场所风险等级还原为相应的初始风险等级。
8.根据权利要求4所述的一种企业安全管理风险动态监测系统,其特征在于,还包括:
历史数据存储模块,用于存储所述作业场所中存在的隐患与所述隐患对应的临时风险等级,和,用于存储所述作业场所内的作业活动与所述作业活动对应的第二临时风险等级。
9.根据权利要求1所述的一种企业安全管理风险动态监测系统,其特征在于,还包括:隐患整改方案生成模块;
所述隐患整改方案生成模块执行包括如下步骤:
基于神经网络建立初始隐患整改方案生成模型,初始化模型参数;
获取训练数据,所述训练数据包括若干隐患类型的隐患图片和所述隐患对应的整改方案;
对所述训练数据进行预处理,得到初始训练集;所述预处理包括基于所述隐患类型对所述隐患图片中的隐患进行特征识别提取,得到隐患特征信息,所述初始训练集中基于隐患类型-隐患特征信息-隐患整改方案的三元素对应关系分为若干预训练集;其中,每个预训练集中包括有一个携带隐患类型的隐患特征信息和一个与所述隐患特征信息相对应的隐患整改方案;
根据隐患类型将所述初始训练集中的若干预训练集进行分组,得到完整训练集;
将不同隐患类型的完整训练集中的隐患特征信息作为模型的输入、隐患整改方案作为模型的输出分别导入初始隐患整改方案生成模型中进行迭代训练,基于最小化损失函数对每次迭代训练结束后的初始隐患整改方案生成模型对应的损失函数的输出值进行收敛,并在所述初始隐患整改方案生成模型对应的损失函数的输出值满足预设的收敛条件时,完成对初始隐患整改方案生成模型的训练,得到若干不同隐患类型的隐患整改方案生成模型;
获取所述作业场所存在隐患的实际隐患类型和实际隐患图片;
基于所述实际隐患类型对所述实际隐患图片中的隐患进行特征识别提取,得到实际隐患特征信息;
将携带所述实际隐患类型信息的实际隐患特征信息发送至对应隐患类型的隐患整改方案生成模型中,生成所述实际隐患图片对应的实际隐患整改方案;
将所述实际隐患整改方案根据所述临时风险等级发送至对应级别的工作人员。
10.根据权利要求8所述的一种企业安全管理风险动态监测系统,其特征在于,所述历史数据存储模块包括数据分类单元、标签检索单元;
所述数据分类单元执行包括如下步骤:
获取至少两个隐患样本集和至少两个作业活动样本集,其中,所述隐患样本集对应于所述历史数据存储模块已存储的隐患类别,所述隐患样本集包括属于对应的隐患类别的正相关隐患和不属于对应隐患类别的负相关隐患,所述作业活动样本集对应于所述历史数据存储模块已存储的作业活动类别,所述作业活动样本集包括属于对应作业活动类别的正相关作业活动和不属于对应作业活动类别的负相关作业活动;
对所述正相关隐患标记第一正相关类别信息,对所述负相关隐患标记第一负相关类别信息;
从所述至少两个隐患样本集中任选一个隐患样本集,基于机器学习,将所述隐患样本集中的正相关隐患作为输入,将所述第一正相关类别信息作为期望输出,将所述隐患样本集中的负相关隐患作为输入,将所述第一负相关类别信息作为期望输出,训练初始模型,得到隐患标签模型;获取所述至少两个隐患样本集中未选择的隐患样本集,将所述初始模型替换为最近一次训练后的隐患标签模型后重复训练隐患标签模型的训练步骤,得到新隐患标签模型;
对所述正相关作业活动标记第二正相关类别信息,对所述负相关作业活动标记第二负相关类别信息;
从所述至少两个作业活动样本集中任选一个作业活动样本集,基于机器学习,将所述作业活动样本集中的正相关作业活动作为输入,将所述第二正相关类别信息作为期望输出,将所述作业活动样本集中的负相关作业活动作为输入,将所述第二负相关类别信息作为期望输出,训练初始模型,得到作业活动标签模型;获取所述至少两个作业活动样本集中未选择的作业活动样本集,将所述初始模型替换为最近一次训练后的作业活动标签模型后重复训练作业活动标签模型的训练步骤,得到新作业活动标签模型;
获取历史数据存储模块中存储的隐患以及所述隐患对应的临时风险等级,将所述隐患作为输入,通过所述新隐患标签模型输出得到所述隐患对应的标签类型,基于所述隐患对应的标签类型将所述隐患以及所述隐患对应的临时风险等级进行打包并标记,得到隐患集,所述隐患集标记有与所述隐患集内隐患对应的标签类型;
获取历史数据存储模块中存储的作业场所内的作业活动与所述作业活动对应的第二临时风险等级,将所述作业活动作为输入,通过新作业活动标签模型输出得到所述作业活动对应的标签类型,基于所述作业活动对应的标签类型将所述作业活动与所述作业活动对应的第二临时风险等级进行打包并标记,得到作业活动集,所述作业活动集标记有与所述作业活动集内作业活动对应的标签类型;
所述标签检索单元用于根据接收到的标签检索请求检索所述数据分类单元中的标签类型与所述标签检索请求中携带的标签信息存在覆盖关系的隐患集或作业活动集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111313465.9A CN114139880B (zh) | 2021-11-08 | 2021-11-08 | 企业安全管理风险动态监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111313465.9A CN114139880B (zh) | 2021-11-08 | 2021-11-08 | 企业安全管理风险动态监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114139880A true CN114139880A (zh) | 2022-03-04 |
CN114139880B CN114139880B (zh) | 2022-06-14 |
Family
ID=80392739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111313465.9A Active CN114139880B (zh) | 2021-11-08 | 2021-11-08 | 企业安全管理风险动态监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114139880B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115689285A (zh) * | 2022-10-25 | 2023-02-03 | 北京伊埃管理咨询有限公司 | 一种岗位风险评估赋能训练系统 |
CN117422293A (zh) * | 2023-09-21 | 2024-01-19 | 华能山东发电有限公司烟台发电厂 | 一种分布式燃机的基建安全管理方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150066575A1 (en) * | 2013-08-28 | 2015-03-05 | Bank Of America Corporation | Enterprise risk assessment |
CN105701744A (zh) * | 2016-01-14 | 2016-06-22 | 北京中维百视科技有限公司 | 基于lec方法的培训安全风险预警系统 |
CN110428112A (zh) * | 2019-08-09 | 2019-11-08 | 烟台东方纵横科技股份有限公司 | 一种基于互联网+模式下的企业双重预防机制管理系统 |
KR20200072178A (ko) * | 2018-12-12 | 2020-06-22 | 고등기술연구원연구조합 | 동적 위험성 평가 시스템 및 평가 방법 |
CN111414581A (zh) * | 2020-03-09 | 2020-07-14 | 内蒙古科技大学 | 一种基于改进的lec风险隐患双重预防体系构建方法 |
KR102157275B1 (ko) * | 2020-03-30 | 2020-09-17 | 주식회사 대구은행 | 재무제표 기반 재무등급 모델링 방법, 이를 수행하는 재무등급 모델링 모듈 및 이를 포함하는 재무제표 기반 대출 승인 서버 |
CN112633828A (zh) * | 2020-12-21 | 2021-04-09 | 成都慧特安全技术有限公司 | 一种安全管理系统 |
CN113221556A (zh) * | 2021-05-07 | 2021-08-06 | 深圳博沃智慧科技有限公司 | 安全生产隐患的识别方法、装置及设备 |
CN113344362A (zh) * | 2021-05-31 | 2021-09-03 | 中钢集团武汉安全环保研究院有限公司 | 一种重大安全风险指标计量模型 |
-
2021
- 2021-11-08 CN CN202111313465.9A patent/CN114139880B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150066575A1 (en) * | 2013-08-28 | 2015-03-05 | Bank Of America Corporation | Enterprise risk assessment |
CN105701744A (zh) * | 2016-01-14 | 2016-06-22 | 北京中维百视科技有限公司 | 基于lec方法的培训安全风险预警系统 |
KR20200072178A (ko) * | 2018-12-12 | 2020-06-22 | 고등기술연구원연구조합 | 동적 위험성 평가 시스템 및 평가 방법 |
CN110428112A (zh) * | 2019-08-09 | 2019-11-08 | 烟台东方纵横科技股份有限公司 | 一种基于互联网+模式下的企业双重预防机制管理系统 |
CN111414581A (zh) * | 2020-03-09 | 2020-07-14 | 内蒙古科技大学 | 一种基于改进的lec风险隐患双重预防体系构建方法 |
KR102157275B1 (ko) * | 2020-03-30 | 2020-09-17 | 주식회사 대구은행 | 재무제표 기반 재무등급 모델링 방법, 이를 수행하는 재무등급 모델링 모듈 및 이를 포함하는 재무제표 기반 대출 승인 서버 |
CN112633828A (zh) * | 2020-12-21 | 2021-04-09 | 成都慧特安全技术有限公司 | 一种安全管理系统 |
CN113221556A (zh) * | 2021-05-07 | 2021-08-06 | 深圳博沃智慧科技有限公司 | 安全生产隐患的识别方法、装置及设备 |
CN113344362A (zh) * | 2021-05-31 | 2021-09-03 | 中钢集团武汉安全环保研究院有限公司 | 一种重大安全风险指标计量模型 |
Non-Patent Citations (2)
Title |
---|
梁玉霞等: "非煤矿山双重预防信息流转系统开发与应用", 《矿业安全与环保》 * |
梁玉霞等: "非煤矿山双重预防信息流转系统开发与应用", 《矿业安全与环保》, no. 03, 30 June 2020 (2020-06-30) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115689285A (zh) * | 2022-10-25 | 2023-02-03 | 北京伊埃管理咨询有限公司 | 一种岗位风险评估赋能训练系统 |
CN115689285B (zh) * | 2022-10-25 | 2023-09-29 | 北京伊埃管理咨询有限公司 | 一种岗位风险评估赋能训练系统 |
CN117422293A (zh) * | 2023-09-21 | 2024-01-19 | 华能山东发电有限公司烟台发电厂 | 一种分布式燃机的基建安全管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114139880B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114139880B (zh) | 企业安全管理风险动态监测系统 | |
CN111414581B (zh) | 一种基于改进的lec风险隐患双重预防体系构建方法 | |
CN111738568A (zh) | 一种基于场景识别驱动的人工智能风险管控系统 | |
CN113988530A (zh) | 一种非煤矿山安全风险评估分级方法及系统 | |
CN111598040A (zh) | 一种建筑工人身份识别及安全帽佩戴检测方法及系统 | |
CN108564267B (zh) | 一种企业环境风险评价系统和方法 | |
CN116151626B (zh) | 风险管控能力评测方法、系统、电子设备及存储介质 | |
CN111325455A (zh) | 有限空间作业安全风险评估系统 | |
CN113095633A (zh) | 基于构件化的工程项目施工现场安全隐患排查系统 | |
CN110543866A (zh) | 一种基建工程施工人员的安全管理系统及方法 | |
CN108763966B (zh) | 一种尾气检测作弊监管系统及方法 | |
CN115796569A (zh) | 一种用于建筑施工企业的安全风险分级监控平台 | |
CN114529869A (zh) | 违章动火检测模型的训练方法及利用该模型的检测方法 | |
CN110675013A (zh) | 建设工程项目施工安全性的评价方法 | |
CN113869740A (zh) | 基于区块链的企业隐患责任评估方法和系统 | |
CN113657788A (zh) | 一种企业安全生产标准化智能监管系统及方法 | |
KR20210116353A (ko) | 외관조사망도에 기반한 상태평가 장치 및 방법 | |
CN108388873A (zh) | 一种机器视觉的监管系统、方法及客户机、存储介质 | |
CN117057636A (zh) | 一种基于数字技术的公路建设工程安全动态评价监控方法 | |
CN111833016A (zh) | 一种基于bim的基础设施建筑监理方法 | |
Ghousi | Applying a decision support system for accident analysis by using data mining approach: A case study on one of the Iranian manufactures | |
CN109919461A (zh) | 工业园区安全风险分级管控系统 | |
CN114819878A (zh) | 燃气工程的作业示险方法和系统、计算机可读介质 | |
CN113221556A (zh) | 安全生产隐患的识别方法、装置及设备 | |
CN114021864A (zh) | 一种涉氨制冷企业重大风险辨识与实时动态风险评估方法 |
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 |