CN114691876A - 一种基于文本的事故原因分析方法 - Google Patents
一种基于文本的事故原因分析方法 Download PDFInfo
- Publication number
- CN114691876A CN114691876A CN202011615208.6A CN202011615208A CN114691876A CN 114691876 A CN114691876 A CN 114691876A CN 202011615208 A CN202011615208 A CN 202011615208A CN 114691876 A CN114691876 A CN 114691876A
- Authority
- CN
- China
- Prior art keywords
- accident
- safety
- hidden danger
- entity
- entities
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title description 6
- 238000003339 best practice Methods 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- 210000001520 comb Anatomy 0.000 claims 1
- 230000001502 supplementing effect Effects 0.000 claims 1
- 239000000284 extract Substances 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 3
- 206010053615 Thermal burn Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于文本的事故原因分析方法，针对事故描述文本提取事故实体，获取与事故实体相关的隐患实体，并针对事故实体、隐患实体进行故障树分析，获取事故对应的事故原因分析故障树。该基于文本的事故原因分析方法，针对一个事故进行事故原因的故障树构建分析时，不仅仅是将事故本身对应的事故实体本身进行故障树分析，同时对事故实体相关的隐患主体也进行故障树分析，如此获取的事故原因分析故障树中对事故的原因分析更加充分和完备，根据该事故原因分析故障树的故障原因查询不容易出现漏检的情况，在进行对应原因的整改后，出现同类安全事故的概率会大大减小。
Description
技术领域
本发明涉及生产安全管理技术领域，具体涉及一种基于文本的事故原因分析方法。
背景技术
故障树分析法是分析系统可靠性和安全性的一种重要方法，广泛应用与故障诊断。基于故障的层次特性，其故障成因和后果的关系往往具有很多层次并形成一连串的因果链，加之一因多果或一果多因的情况构成故障树。
目前在生产安全应用中，通常会人为的根据经验进行故障树的建立，然后针对生产过程中出现的故障，利用建立好的故障树进行分析。如授权公告号为CN107544462B(申请号为201710800858.X)的中国发明专利《用于诊断风力发电机组的故障的方法及系统》，其中公开的方案则利用建立好的故障树进行故障分析，具体为根据故障相关信息确定与故障对应的故障树；根据确定的故障树获取与故障树对应的故障信息关键字标识组；从故障记录文件获取故障信息关键字标识组内的变量的具体值；基于获取的故障信息关键字标识组内的变量的具体值、以及所述故障树的节点之间的逻辑关系，搜索故障树的节点以确定故障原因。这种故障分析结果的准确性依赖于故障树的建立的准确性，而人为的根据经验建立的故障树的准确性，取决于人为原因分析的充分性、完备性，不同人构建的故障树也截然不同，相应获取的分析的结果可能也截然不同。如此使得通过这种故障树进行的故障分析，无法保证分析结果的充分性和完备性，这可能是导致同类型安全事故反复发生的重要原因。
发明内容
本发明所要解决的技术问题是针对上述现有技术提供一种能够自动、充分且完备的针进行事故原因分析，以形成更准确的故障树的基于文本的事故原因分析方法。
本发明解决上述问题所采用的技术方案为：一种基于文本的事故原因分析方法，其特征在于：针对事故描述文本提取事故实体，获取与事故实体相关的隐患实体，并针对事故实体、隐患实体进行故障树分析，获取事故对应的事故原因分析故障树。
优选地，利用词向量算法获取设定相似性阈值范围内事故实体对应的隐患实体。
作为改进，该基于文本的事故原因分析方法，包括以下步骤：
S1、获取事故描述文本；
S2、对事故描述文本进行分词处理以获取各事故实体，并将各事故实体作为故障树中的顶事件、部分中间事件；
S3、利用词向量算法进行各事故实体与隐患知识图谱中各隐患实体之间的相似性计算，进而获取与各事故实体相似性在阈值范围内的各相关隐患实体，所述隐患知识图谱中包含有各种隐患实体与隐患文本的关联关系数据；
S4、将获取的各相关隐患实体作为故障树中间事件；
S5、针对各事故实体、各相关隐患实体，基于故障实体至企业安全管理制度中各安全概念的第一映射关系，搜索管理制度知识图谱中对应的安全概念；基于各故障实体至行业最佳实践安全标准中各安全概念的第二映射关系，搜索行业最佳实践安全标准中对应的安全概念；管理制度知识图谱中包含管理制度名称/条款与安全概念之间的对应关系；
S6、对于能在管理制度知识图谱中搜索到对应安全概念的事故实体和隐患实体，则将相应安全概念对应在企业安全管理制度中的条款作为故障树的底事件；
对于能在行业最佳实践安全标准中搜索到对应安全概念的事故实体和隐患实体，则将相应安全概念对应在行业最佳实践安全标准中的内容作为故障树底事件；
对于在管理制度知识图谱、行业最佳实践安全标准中均无法搜索到对应安全概念的事故实体和隐患实体，进行S7；
S7、利用包含有各种故障实体和安全概念之间映射关系的安全词典，获取这些事故实体和隐患实体对应的安全概念，并针对这些安全概念搜索当前已经构建的故障树，判断故障树中是否存在这些安全概念；
如果是，则构建这些事故实体和隐患实体与故障树中对应中间事件、底事件的关系；
如果否，则将这些安全概念的否定表达补充为故障树的底事件；
S8、获取事故原因分析故障树。
了提高故障树的准确性，进而使得对事故的分析更加准确，S8中，先形成基础的故障树后，安全专家再对基础故障树进行梳理，校正故障树的错误内容，进行形成正确的故障树，完成事故原因分析故障树的构建。
优选地，隐患知识图谱的构建方法为：
S10、获取隐患数据库中的隐患文本数据；
S20、对隐患文本数据进行分词处理，进而获取各隐患实体；
S30、利用包含有全面安全管理内容的安全词典，构建各隐患实体与隐患文本对应关系的隐患知识图谱。
优选地，利用包含有全面安全管理内容的安全词典，构建管理制度名称/条款与安全概念之间对应关系的管理制度知识图谱。
优选地，故障实体至企业安全管理制度中各安全概念的第一映射关系、各故障实体至行业最佳实践安全标准中各安全概念的第二映射关系预先建立并预存在安全词典中。
与现有技术相比，本发明的优点在于：本发明中的基于文本的事故原因分析方法，针对一个事故进行事故原因的故障树构建分析时，不仅仅是将事故本身对应的事故实体本身进行故障树分析，同时对事故实体相关的隐患主体也进行故障树分析，如此获取的事故原因分析故障树中对事故的原因分析更加充分和完备，根据该事故原因分析故障树的故障原因查询不容易出现漏检的情况，在进行对应原因的整改后，出现同类安全事故的概率会大大减小。
附图说明
图1为本发明实施例中基于文本的事故原因分析方法的流程图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
如图1所示，本实施例中的基于文本的事故原因分析方法的核心内容为：针对事故描述文本提取事故实体，获取与事故实体相关的隐患实体，并针对事故实体、隐患实体进行故障树分析，获取事故对应的事故原因分析故障树。其中相关隐患实体的获取可以采用现有技术中的各种算法进行计算。如可以利用现有技术中的词向量算法获取设定相似性阈值范围内事故实体对应的隐患实体。而相似性阈值范围则可以根据具体情况进行设置。
其中事故实体的概念为事故文本描述中的实质性关键词，如对于“工作人员的手部出现烫伤”该段事故文本描述中，事故实体则为“烫伤”。而隐患实体的概念为隐患文本描述中的实质性关键词，如对于“如果不安装防护栏，则会出现工作人员坠落摔伤的情况”该端隐患文本描述中，隐患实体则为“摔伤”。
在实施本实施例中的基于文本的事故原因分析方法前，会预存一个安全词典，该安全词典可以根据具体的需要进行设置，如可以包括安全管理领域目前能够获取到的所有的安全管理内容。也可以为包括该基于文本的事故原因分析方法应用用户特定技术领域的全面安全管理内容的安全词典。
该安全词典中包括有各种故障实体与安全概念之间的映射关系。而事故实体、隐患实体均包括在故障实体数据库中。
并且针对该方法的应用用户，还额外建立了各故障实体至企业安全管理制度中各安全概念的第一映射关系，各故障实体至行业最佳实践安全标准中各安全概念的第二映射关系，并将各故障实体至企业安全管理制度中各安全概念的第一映射关系，各故障实体至行业最佳实践安全标准中各安全概念的第二映射关系置于在安全词典数据库中。而事故实体的内容、隐患实体的内容均包括在安全词典的故障实体中。
本实施例中的基于文本的事故原因分析方法，具体包括以下步骤。
S1、获取事故描述文本。
S2、对事故描述文本进行分词处理以获取各事故实体，并将各事故实体作为故障树中的顶事件、部分中间事件。一段事故描述文本中可能包含多个事故实体，而各事故实体是作为故障树的定时间还是中间事件则根据具体的应用环境设置对应的算法，进而确定各事故实体是作为故障树的定时间还是中间事件。事故描述文本的分词处理可以采用现有技术中的各种分词处理算法。
S3、利用词向量算法进行各事故实体与隐患知识图谱中各隐患实体之间的相似性计算，进而获取与各事故实体相似性在阈值范围内的各相关隐患实体，隐患知识图谱中包含有各种隐患实体与隐患文本的关联关系数据。
本实施例中隐患知识图谱的构建方法为：
S10、获取隐患数据库中的隐患文本数据；该隐患数据库可以利用该方法应用公司现有存储的与安全隐患相关的各种文件构建；
S20、对隐患文本数据进行分词处理，进而获取各隐患实体；隐患文本数据的分词处理可以采用现有技术中的各种分词处理算法。
S30、利用包含有全面安全管理内容的安全词典，构建各隐患实体与隐患文本对应关系的隐患知识图谱。
S4、将获取的各相关隐患实体作为故障树中间事件。
S5、针对各事故实体、各相关隐患实体，基于故障实体至企业安全管理制度中各安全概念的第一映射关系，搜索管理制度知识图谱中对应的安全概念；基于各故障实体至行业最佳实践安全标准中各安全概念的第二映射关系，搜索行业最佳实践安全标准中对应的安全概念。利用包含有全面安全管理内容的安全词典，构建管理制度名称/条款与安全概念之间对应关系的管理制度知识图谱。管理制度知识图谱中包含管理制度名称/条款与安全概念之间的对应关系。
S6、对于能在管理制度知识图谱中搜索到对应安全概念的事故实体和隐患实体，则将相应安全概念对应在企业安全管理制度中的条款作为故障树的底事件。
对于能在行业最佳实践安全标准中搜索到对应安全概念的事故实体和隐患实体，则将相应安全概念对应在行业最佳实践安全标准中的内容作为故障树底事件；
对于在管理制度知识图谱、行业最佳实践安全标准中均无法搜索到对应安全概念的事故实体和隐患实体，进行S7。
S7、利用包含有各种故障实体和安全概念之间映射关系的安全词典，获取这些事故实体和隐患实体对应的安全概念，并针对这些安全概念搜索当前已经构建的故障树，判断故障树中是否存在这些安全概念。
如果是，则构建这些事故实体和隐患实体与故障树中对应中间事件、底事件的关系。
如果否，则将这些安全概念的否定表达补充为故障树的底事件。
S8、获取事故原因分析故障树。为了提高故障树的准确性，进而使得对事故的分析更加准确，可以先形成基础的故障树后，安全专家再对基础故障树进行梳理，校正故障树的错误内容，校正工作包括提出或者纠正工作，进行形成正确的故障树，完成事故原因分析故障树的构建。
本实施例中的基于文本的事故原因分析方法，针对一个事故进行事故原因的故障树构建分析时，不仅仅是将事故本身对应的事故实体本身进行故障树分析，同时对事故实体相关的隐患主体也进行故障树分析，如此获取的事故原因分析故障树中对事故的原因分析更加充分和完备，根据该事故原因分析故障树的故障原因查询不容易出现漏检的情况，在进行对应原因的整改后，出现同类安全事故的概率会大大减小。
Claims (7)
1.一种基于文本的事故原因分析方法，其特征在于：针对事故描述文本提取事故实体，获取与事故实体相关的隐患实体，并针对事故实体、隐患实体进行故障树分析，获取事故对应的事故原因分析故障树。
2.根据权利要求1所述的基于文本的事故原因分析方法，其特征在于：利用词向量算法获取设定相似性阈值范围内事故实体对应的隐患实体。
3.根据权利要求2所述的基于文本的事故原因分析方法，其特征在于：包括以下步骤
S1、获取事故描述文本；
S2、对事故描述文本进行分词处理以获取各事故实体，并将各事故实体作为故障树中的顶事件、部分中间事件；
S3、利用词向量算法进行各事故实体与隐患知识图谱中各隐患实体之间的相似性计算，进而获取与各事故实体相似性在阈值范围内的各相关隐患实体，所述隐患知识图谱中包含有各种隐患实体与隐患文本的关联关系数据；
S4、将获取的各相关隐患实体作为故障树中间事件；
S5、针对各事故实体、各相关隐患实体，基于故障实体至企业安全管理制度中各安全概念的第一映射关系，搜索管理制度知识图谱中对应的安全概念；基于各故障实体至行业最佳实践安全标准中各安全概念的第二映射关系，搜索行业最佳实践安全标准中对应的安全概念；管理制度知识图谱中包含管理制度名称/条款与安全概念之间的对应关系；
S6、对于能在管理制度知识图谱中搜索到对应安全概念的事故实体和隐患实体，则将相应安全概念对应在企业安全管理制度中的条款作为故障树的底事件；
对于能在行业最佳实践安全标准中搜索到对应安全概念的事故实体和隐患实体，则将相应安全概念对应在行业最佳实践安全标准中的内容作为故障树底事件；
对于在管理制度知识图谱、行业最佳实践安全标准中均无法搜索到对应安全概念的事故实体和隐患实体，进行S7；
S7、利用包含有各种故障实体和安全概念之间映射关系的安全词典，获取这些事故实体和隐患实体对应的安全概念，并针对这些安全概念搜索当前已经构建的故障树，判断故障树中是否存在这些安全概念；
如果是，则构建这些事故实体和隐患实体与故障树中对应中间事件、底事件的关系；
如果否，则将这些安全概念的否定表达补充为故障树的底事件；
S8、获取事故原因分析故障树。
4.根据权利要求3所述的基于文本的事故原因分析方法，其特征在于：S8中，先形成基础的故障树后，安全专家再对基础故障树进行梳理，校正故障树的错误内容，进行形成正确的故障树，完成事故原因分析故障树的构建。
5.根据权利要求3或4所述的基于文本的事故原因分析方法，其特征在于：隐患知识图谱的构建方法为：
S10、获取隐患数据库中的隐患文本数据；
S20、对隐患文本数据进行分词处理，进而获取各隐患实体；
S30、利用包含有全面安全管理内容的安全词典，构建各隐患实体与隐患文本对应关系的隐患知识图谱。
6.根据权利要求3或4所述的基于文本的事故原因分析方法，其特征在于：利用包含有全面安全管理内容的安全词典，构建管理制度名称/条款与安全概念之间对应关系的管理制度知识图谱。
7.根据权利要求3或4所述的基于文本的事故原因分析方法，其特征在于：故障实体至企业安全管理制度中各安全概念的第一映射关系、各故障实体至行业最佳实践安全标准中各安全概念的第二映射关系预先建立并预存在安全词典中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011615208.6A CN114691876B (zh) | 2020-12-30 | 2020-12-30 | 一种基于文本的事故原因分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011615208.6A CN114691876B (zh) | 2020-12-30 | 2020-12-30 | 一种基于文本的事故原因分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114691876A true CN114691876A (zh) | 2022-07-01 |
| CN114691876B CN114691876B (zh) | 2024-11-26 |
Family
ID=82131890
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011615208.6A Active CN114691876B (zh) | 2020-12-30 | 2020-12-30 | 一种基于文本的事故原因分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114691876B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103678929A (zh) * | 2013-12-23 | 2014-03-26 | 中国能源建设集团广东省电力设计研究院 | 海底电力电缆可靠性检测方法与系统 |
| CN106127607A (zh) * | 2016-06-24 | 2016-11-16 | 广西电网有限责任公司南宁供电局 | 一种电力事故上下层级原因相关度的分析方法 |
| CN108153842A (zh) * | 2017-12-18 | 2018-06-12 | 青岛科技大学 | 一种面向抽象故障树的结构合成方法 |
| CN110033101A (zh) * | 2019-03-07 | 2019-07-19 | 华中科技大学 | 基于融合特征的知识图谱的水电机组故障诊断方法和系统 |
| CN110570055A (zh) * | 2018-06-05 | 2019-12-13 | 宁波欧依安盾安全科技有限公司 | 一种工业场所智能状态报告系统 |
| CN110633338A (zh) * | 2018-06-05 | 2019-12-31 | 宁波欧依安盾安全科技有限公司 | 一种工业场所智能风险提示系统 |
| WO2020047779A1 (zh) * | 2018-09-05 | 2020-03-12 | 西门子（中国）有限公司 | 故障分析方法、装置和计算机可读介质 |
| CN111209131A (zh) * | 2019-12-30 | 2020-05-29 | 航天信息股份有限公司广州航天软件分公司 | 一种基于机器学习确定异构系统的故障的方法和系统 |
| CN111209472A (zh) * | 2019-12-24 | 2020-05-29 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 一种铁路事故故障关联和事故故障原因分析方法及系统 |
| CN111259149A (zh) * | 2020-01-19 | 2020-06-09 | 清华大学 | 化学品事故分类方法、装置、计算机设备和存储介质 |
| CN111563606A (zh) * | 2020-04-30 | 2020-08-21 | 新智数字科技有限公司 | 一种设备预测性维护方法及装置 |
| CN111737532A (zh) * | 2020-06-18 | 2020-10-02 | 中车长春轨道客车股份有限公司 | 一种铁路传导干扰故障树分析方法 |
| CN112084375A (zh) * | 2020-08-21 | 2020-12-15 | 华人运通(江苏)技术有限公司 | 一种车辆的故障诊断方法、装置、终端设备及存储介质 |
-
2020
- 2020-12-30 CN CN202011615208.6A patent/CN114691876B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103678929A (zh) * | 2013-12-23 | 2014-03-26 | 中国能源建设集团广东省电力设计研究院 | 海底电力电缆可靠性检测方法与系统 |
| CN106127607A (zh) * | 2016-06-24 | 2016-11-16 | 广西电网有限责任公司南宁供电局 | 一种电力事故上下层级原因相关度的分析方法 |
| CN108153842A (zh) * | 2017-12-18 | 2018-06-12 | 青岛科技大学 | 一种面向抽象故障树的结构合成方法 |
| CN110570055A (zh) * | 2018-06-05 | 2019-12-13 | 宁波欧依安盾安全科技有限公司 | 一种工业场所智能状态报告系统 |
| CN110633338A (zh) * | 2018-06-05 | 2019-12-31 | 宁波欧依安盾安全科技有限公司 | 一种工业场所智能风险提示系统 |
| WO2020047779A1 (zh) * | 2018-09-05 | 2020-03-12 | 西门子（中国）有限公司 | 故障分析方法、装置和计算机可读介质 |
| CN110033101A (zh) * | 2019-03-07 | 2019-07-19 | 华中科技大学 | 基于融合特征的知识图谱的水电机组故障诊断方法和系统 |
| CN111209472A (zh) * | 2019-12-24 | 2020-05-29 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 一种铁路事故故障关联和事故故障原因分析方法及系统 |
| CN111209131A (zh) * | 2019-12-30 | 2020-05-29 | 航天信息股份有限公司广州航天软件分公司 | 一种基于机器学习确定异构系统的故障的方法和系统 |
| CN111259149A (zh) * | 2020-01-19 | 2020-06-09 | 清华大学 | 化学品事故分类方法、装置、计算机设备和存储介质 |
| CN111563606A (zh) * | 2020-04-30 | 2020-08-21 | 新智数字科技有限公司 | 一种设备预测性维护方法及装置 |
| CN111737532A (zh) * | 2020-06-18 | 2020-10-02 | 中车长春轨道客车股份有限公司 | 一种铁路传导干扰故障树分析方法 |
| CN112084375A (zh) * | 2020-08-21 | 2020-12-15 | 华人运通(江苏)技术有限公司 | 一种车辆的故障诊断方法、装置、终端设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 刘康炜;万剑华;靳熙芳;: "基于故障树的事故分类方法", 计算机系统应用, no. 06, 15 June 2019 (2019-06-15), pages 132 - 136 * |
| 李文;徐慧;: "一种带有时间约束故障树分析方法", 计算机与现代化, no. 07, 15 July 2016 (2016-07-15), pages 47 - 51 * |
| 阳咏梅;张桂成;侯涛;: ""故障树在故障分析中的运用"", 《现代工业经济和信息化》, 30 November 2018 (2018-11-30), pages 80 - 82 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114691876B (zh) | 2024-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110968699B (zh) | 一种基于事理推荐的逻辑图谱构建及预警方法和装置 | |
| CN107967208B (zh) | 一种基于深度神经网络的Python资源敏感缺陷代码检测方法 | |
| CN111625659B (zh) | 知识图谱处理方法、装置、服务器及存储介质 | |
| CN109408578B (zh) | 一种针对异构环境监测数据融合方法 | |
| CN111581956B (zh) | 基于bert模型和k近邻的敏感信息识别方法及系统 | |
| CN109829151B (zh) | 一种基于分层狄利克雷模型的文本分割方法 | |
| CN113779590B (zh) | 一种基于多维度表征的源代码漏洞检测方法 | |
| CN118427842B (zh) | 基于llm的sast漏洞快速分析方法、装置及设备 | |
| CN118350968B (zh) | 基于深度学习实现案件法制审查的智能处理方法及系统 | |
| CN112347271A (zh) | 基于文字语义识别的配电物联网设备缺陷辅助录入方法 | |
| CN110851611A (zh) | 一种隐患数据知识图谱的构建方法及装置、设备、介质 | |
| CN117973564A (zh) | 一种针对文本生成任务中的幻觉检测与修复的方法与装置 | |
| WO2024087754A1 (zh) | 一种多维度文本综合辨识方法 | |
| CN113011171A (zh) | 一种基于bert的违规文本识别算法及装置 | |
| CN114398891B (zh) | 基于日志关键词生成kpi曲线并标记波段特征的方法 | |
| CN111178080A (zh) | 一种基于结构化信息的命名实体识别方法及系统 | |
| CN110825642A (zh) | 一种基于深度学习的软件代码行级缺陷检测方法 | |
| CN114691876A (zh) | 一种基于文本的事故原因分析方法 | |
| CN114722155B (zh) | 一种基于航空装备的智能问答方法及系统 | |
| CN107562720A (zh) | 一种电力信息网络安全联动防御的告警数据匹配方法 | |
| CN115689282A (zh) | 一种进出口食品安全风险监测和预警系统 | |
| CN112668284B (zh) | 一种法律文书分段方法及系统 | |
| CN114610882A (zh) | 一种基于电力短文本分类的异常设备编码检测方法和系统 | |
| Yang et al. | K-detector: Identifying duplicate crash failures in large-scale software delivery | |
| CN117827991B (zh) | 一种半结构化数据中个人标识信息识别方法与系统 |
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 |