CN115062906A - 一种生产作业风险的智能评估方法及装置 - Google Patents
一种生产作业风险的智能评估方法及装置 Download PDFInfo
- Publication number
- CN115062906A CN115062906A CN202210518491.3A CN202210518491A CN115062906A CN 115062906 A CN115062906 A CN 115062906A CN 202210518491 A CN202210518491 A CN 202210518491A CN 115062906 A CN115062906 A CN 115062906A
- Authority
- CN
- China
- Prior art keywords
- risk
- information
- job
- determining
- production
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 336
- 238000011156 evaluation Methods 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000013210 evaluation model Methods 0.000 claims abstract description 20
- 238000012502 risk assessment Methods 0.000 claims description 69
- 238000000605 extraction Methods 0.000 claims description 40
- 238000012544 monitoring process Methods 0.000 claims description 15
- 230000000694 effects Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 23
- 230000015654 memory Effects 0.000 description 14
- 238000003860 storage Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- 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
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种生产作业风险的智能评估方法及装置,该方法包括:获取生产作业在当前作业阶段的作业信息,其中,作业信息包括所述生产作业相匹配的每个风险评估因子对应的作业子信息;基于生产作业对应的风险评估模型和所述作业信息,确定每个风险评估因子对应的风险值;根据每个风险评估因子对应的风险值,确定生产作业在当前作业阶段对应的作业风险等级。可见,实施本发明能够实现作业风险等级的自动评估,减少了因评估人员完全以生产作业的结果为导向对作业风险进行评估或者为规避高等级的安全监管而违规降低风险评估的情况发生,提高了作业风险评估的效率、准确性和可靠性,进而有利于及时调整作业计划,提高生产作业的安全性和可靠性。
Description
技术领域
本发明涉及作业风险管控技术领域,尤其涉及一种生产作业风险的智能评估方法及装置。
背景技术
在实际生产作业过程中,为了降低作业危险性、防范人身安全和人员责任事故,以及便于后续开展作业数据统计分析,通常需要针对生产作业全过程中造成作业风险的因素进行分析,从而对生产作业风险进行评估。目前,通常由评估人员以生产作业的结果为导向对生产作业全过程的作业风险进行评估,导致未能充分考虑造成作业风险的因素,从而无法准确分析造成作业风险的根本原因,降低了作业风险评估的准确性;此外,若评估人员的工作经验、工作水平不足,或者,评估人员为了规避更高层级的安全监管,违规地降低风险评估等级,会进一步降低作业风险评估的准确性。可见,如何提高作业风险评估的准确性显得尤为重要。
发明内容
本发明所要解决的技术问题在于,提供一种生产作业风险的智能评估方法及装置,能够有利于提高作业风险评估的效率、准确性和可靠性,进而有利于及时调整作业计划,提高生产作业的安全性和可靠性。
为了解决上述技术问题,本发明第一方面公开了一种生产作业风险的智能评估方法,所述方法包括:
获取生产作业在当前作业阶段的作业信息,其中,所述作业信息包括所述生产作业相匹配的每个风险评估因子对应的作业子信息;
基于所述生产作业对应的风险评估模型和所述作业信息,确定每个所述风险评估因子对应的风险值;
根据每个所述风险评估因子对应的风险值,确定所述生产作业在所述当前作业阶段对应的作业风险等级。
作为一种可选的实施方式,在本发明第一方面中,所有所述风险评估因子包括第一评估因子、第二评估因子以及第三评估因子,所述第一评估因子对应的作业子信息包括所述生产作业的作业基本信息,所述第二评估因子对应的作业子信息包括所述生产作业的人员信息,所述第三评估因子对应的作业子信息包括所述生产作业的场景信息,所述风险评估模型包括基准作业风险模型、人员能力风险模型以及场景风险模型;
其中,所述基于所述生产作业对应的风险评估模型和所述作业信息,确定每种所述风险评估因子对应的风险值,包括:
基于所述基准作业风险模型和所述作业基本信息,确定所述生产作业对应的基准作业风险值,作为所述第一评估因子对应的风险值;
基于所述人员能力风险模型和所述人员信息,确定所述生产作业对应的人员能力风险值,作为所述第二评估因子对应的风险值;
基于所述场景风险模型和所述场景信息,确定所述生产作业对应的场景风险值,作为所述第三评估因子对应的风险值。
作为一种可选的实施方式,在本发明第一方面中,所述基于所述基准作业风险模型和所述作业基本信息,确定所述生产作业对应的基准作业风险值,作为所述第一评估因子对应的风险值,包括:
根据所述作业基本信息,确定所述生产作业所属的作业类型;
基于所述基准作业风险模型分析所述作业类型,得到与所述作业类型相匹配的基准作业风险值,作为所述第一评估因子对应的风险值;
其中,所述根据所述作业基本信息,确定所述生产作业所属的作业类型,包括:
根据所述作业基本信息,确定所述生产作业相关联的作业基本文件;根据所述作业基本文件,确定所述生产作业所属的作业类型;或者,
根据所述作业基本信息,确定所述生产作业对应的作业任务文本;根据预先设定的作业类型关键词对所述作业任务文本进行第一关键词提取操作,得到第一提取结果;当所述第一提取结果对应的提取文本不为空时,根据所述第一提取结果确定所述生产作业所属的作业类型;当所述第一提取结果对应的提取文本为空时,根据预先设定的任务明细关键词对所述作业任务文本进行第二关键词提取操作,得到第二提取结果,并根据所述第二提取结果确定所述生产作业所属的作业类型。
作为一种可选的实施方式,在本发明第一方面中,所述基于所述基准作业风险模型分析所述作业类型,得到与所述作业类型相匹配的基准作业风险值,作为所述第一评估因子对应的风险值,包括:
基于所述基准作业风险模型分析所述作业类型,得到所述生产作业对应的作业项数和所述生产作业的每项作业所属的基础作业类型对应的基础风险值;
根据所述作业项数和每项所述作业对应的基础风险值计算与所述作业类型相匹配的基准作业风险值,作为所述第一评估因子对应的风险值;
其中,所述根据所述作业项数和每项所述作业对应的基础风险值计算与所述作业类型相匹配的基准作业风险值,作为所述第一评估因子对应的风险值,包括:
根据所述作业项数确定所述生产作业对应的作业风险系数an,并确定所有所述作业对应的基础风险值中的最大基础风险值Amax;
根据所述最大基础风险值Amax和所述作业风险系数an计算与所述作业类型相匹配的基准作业风险值A,作为所述第一评估因子对应的风险值:
A=Amax*an。
作为一种可选的实施方式,在本发明第一方面中,所述场景信息包括时间信息和/或环境信息;
所述基于所述场景风险模型和所述场景信息,确定所述生产作业对应的场景风险值,作为所述第三评估因子对应的风险值,包括:
基于所述场景风险模型分析所述场景信息,得到所述场景信息包括的每个场景子信息对应的影响参数,其中,每个所述场景子信息对应的影响参数包括该场景子信息对应的影响权重、影响属性和影响程度值,每个所述场景子信息对应的影响属性包括正向影响属性或负向影响属性,所述场景子信息对应的影响属性为所述正向影响属性或所述负向影响属性分别表示该场景子信息对应的场景因素对所述生产作业具有正向影响作用或负向影响作用;
基于所述场景风险模型,判断所有所述场景子信息中是否包括存在相互叠加作用的至少两个目标场景子信息,其中,两个所述目标场景子信息存在所述相互叠加作用表示该两个目标场景子信息对应的场景因素同时存在时对所述生产作业具有附加正向影响作用或附加负向影响作用;
当判断结果为是时,将所有所述目标场景子信息划分成至少一个子信息集合,每个所述子信息集合中的任意两个所述目标场景子信息之间存在所述相互叠加作用;根据每个所述目标场景子信息对应的影响参数,确定每个所述子信息集合对应的影响参数,每个所述子信息集合对应的影响参数包括该信息结合对应的影响权重、影响属性和附加影响程度值;根据每个所述场景子信息对应的影响参数以及每个所述子信息集合对应的影响参数,确定所述生产作业对应的场景风险值,作为所述第三评估因子对应的风险值;
当判断结果为否时,根据每个所述场景子信息对应的影响参数,确定所述生产作业对应的场景风险值,作为所述第三评估因子对应的风险值。
作为一种可选的实施方式,在本发明第一方面中,所述根据每种所述风险评估因子对应的风险值,确定所述生产作业在所述当前作业阶段对应的作业风险等级,包括:
根据预先确定出的作业风险值计算公式和每种所述风险评估因子对应的风险值,确定所述生产作业在所述当前作业阶段对应的作业风险等级;或者,
根据每种所述风险评估因子对应的风险值,确定所述生产作业在所述风险评估模型对应的三维空间坐标系中该风险评估因子匹配的坐标轴上的坐标值;根据所述生产作业在每种所述风险评估因子匹配的坐标轴上的坐标值,确定所述生产作业在所述三维空间坐标系中对应的空间位置;根据所述空间位置,确定所述生产作业在所述当前作业阶段对应的作业风险等级。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
当所述当前作业阶段为作业计划阶段或作业执行阶段时,判断所述作业风险等级是否大于所述生产作业所属的作业类型匹配的安全风险等级;
当判断出所述作业风险等级大于所述安全风险等级时,获取所述生产作业所在地在预设时间段内的预测气象数据;
根据所述预测气象数据和所述作业类型,确定在所述预设时间段内对应的时间属性和环境属性均满足所述生产作业的场景条件的至少一个目标时间段;
根据所述作业类型以及所有所述目标时间段,确定与所述生产作业相匹配的至少一个作业人员集合,每个所述作业人员集合包括一个工作班组和/或一个作业人员;
获取每个所述作业人员集合对应的目标人员信息,每个所述作业人员集合对应的目标人员信息包括该作业人员集合对应的作业负荷信息、作业能力信息、作业违章信息中的一个或多个;
基于每个所述作业人员集合对应的目标人员信息,修正所述作业信息和/或所述作业风险等级。
作为一种可选的实施方式,在本发明第一方面中,所述基于每个所述作业人员集合对应的目标人员信息,修正所述作业信息和/或所述作业风险等级,包括:
基于所述人员能力风险模型和每个所述作业人员集合对应的目标人员信息,确定每个所述作业人员集合对应的预测人员能力风险值,并基于所述场景风险模型和预先确定出的每个所述目标时间段对应的目标场景信息,确定每个所述作业人员集合相匹配的目标时间段对应的预测场景风险值;
根据每个所述作业人员集合对应的预测人员能力风险值和该作业人员集合相匹配的目标时间段对应的预测场景风险值,确定所有所述作业人员集合中的最优作业人员集合;
根据所述最优作业人员集合对应的目标人员信息以及所述最优作业人员集合相匹配的目标时间段,修正所述作业信息和/或所述作业风险等级。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
根据所述风险作业等级确定所述生产作业相匹配的监管等级,并根据所述监管等级和所述作业类型确定所述生产作业相匹配的监管人员;
当所述当前作业阶段为作业执行阶段时,检测所述监管人员的用户终端是否处于所述生产作业对应的在线监察状态;
当检测结果为否时,确定所述用户终端的位置信息,并判断所述位置信息与所述生产作业的作业位置是否匹配;
当判断结果为否时,获取所述生产作业的实时监控视频对应的在线链接;
向所述用户终端传输所述在线链接对应的监察提示信息。
本发明第二方面公开了一种生产作业风险的智能评估装置,所述装置包括:
获取模块,用于获取生产作业在当前作业阶段的作业信息,其中,所述作业信息包括所述生产作业相匹配的每个风险评估因子对应的作业子信息;
确定模块,用于基于所述生产作业对应的风险评估模型和所述作业信息,确定每个所述风险评估因子对应的风险值,并根据每个所述风险评估因子对应的风险值,确定所述生产作业在所述当前作业阶段对应的作业风险等级。
作为一种可选的实施方式,在本发明第二方面中,所有所述风险评估因子包括第一评估因子、第二评估因子以及第三评估因子,所述第一评估因子对应的作业子信息包括所述生产作业的作业基本信息,所述第二评估因子对应的作业子信息包括所述生产作业的人员信息,所述第三评估因子对应的作业子信息包括所述生产作业的场景信息,所述风险评估模型包括基准作业风险模型、人员能力风险模型以及场景风险模型;
其中,所述确定模块基于所述生产作业对应的风险评估模型和所述作业信息,确定每种所述风险评估因子对应的风险值的具体方式包括:
基于所述基准作业风险模型和所述作业基本信息,确定所述生产作业对应的基准作业风险值,作为所述第一评估因子对应的风险值;
基于所述人员能力风险模型和所述人员信息,确定所述生产作业对应的人员能力风险值,作为所述第二评估因子对应的风险值;
基于所述场景风险模型和所述场景信息,确定所述生产作业对应的场景风险值,作为所述第三评估因子对应的风险值。
作为一种可选的实施方式,在本发明第二方面中,所述确定模块基于所述基准作业风险模型和所述作业基本信息,确定所述生产作业对应的基准作业风险值,作为所述第一评估因子对应的风险值的具体方式包括:
根据所述作业基本信息,确定所述生产作业所属的作业类型;
基于所述基准作业风险模型分析所述作业类型,得到与所述作业类型相匹配的基准作业风险值,作为所述第一评估因子对应的风险值;
其中,所述确定模块根据所述作业基本信息,确定所述生产作业所属的作业类型的具体方式包括:
根据所述作业基本信息,确定所述生产作业相关联的作业基本文件;根据所述作业基本文件,确定所述生产作业所属的作业类型;或者,
根据所述作业基本信息,确定所述生产作业对应的作业任务文本;根据预先设定的作业类型关键词对所述作业任务文本进行第一关键词提取操作,得到第一提取结果;当所述第一提取结果对应的提取文本不为空时,根据所述第一提取结果确定所述生产作业所属的作业类型;当所述第一提取结果对应的提取文本为空时,根据预先设定的任务明细关键词对所述作业任务文本进行第二关键词提取操作,得到第二提取结果,并根据所述第二提取结果确定所述生产作业所属的作业类型。
作为一种可选的实施方式,在本发明第二方面中,所述确定模块基于所述基准作业风险模型分析所述作业类型,得到与所述作业类型相匹配的基准作业风险值,作为所述第一评估因子对应的风险值的具体方式包括:
基于所述基准作业风险模型分析所述作业类型,得到所述生产作业对应的作业项数和所述生产作业的每项作业所属的基础作业类型对应的基础风险值;
根据所述作业项数和每项所述作业对应的基础风险值计算与所述作业类型相匹配的基准作业风险值,作为所述第一评估因子对应的风险值;
其中,所述确定模块根据所述作业项数和每项所述作业对应的基础风险值计算与所述作业类型相匹配的基准作业风险值,作为所述第一评估因子对应的风险值的具体方式包括:
根据所述作业项数确定所述生产作业对应的作业风险系数an,并确定所有所述作业对应的基础风险值中的最大基础风险值Amax;
根据所述最大基础风险值Amax和所述作业风险系数an计算与所述作业类型相匹配的基准作业风险值A,作为所述第一评估因子对应的风险值:
A=Amax*an。
作为一种可选的实施方式,在本发明第二方面中,所述场景信息包括时间信息和/或环境信息;
所述确定模块基于所述场景风险模型和所述场景信息,确定所述生产作业对应的场景风险值,作为所述第三评估因子对应的风险值的具体方式包括:
基于所述场景风险模型分析所述场景信息,得到所述场景信息包括的每个场景子信息对应的影响参数,其中,每个所述场景子信息对应的影响参数包括该场景子信息对应的影响权重、影响属性和影响程度值,每个所述场景子信息对应的影响属性包括正向影响属性或负向影响属性,所述场景子信息对应的影响属性为所述正向影响属性或所述负向影响属性分别表示该场景子信息对应的场景因素对所述生产作业具有正向影响作用或负向影响作用;
基于所述场景风险模型,判断所有所述场景子信息中是否包括存在相互叠加作用的至少两个目标场景子信息,其中,两个所述目标场景子信息存在所述相互叠加作用表示该两个目标场景子信息对应的场景因素同时存在时对所述生产作业具有附加正向影响作用或附加负向影响作用;
当判断结果为是时,将所有所述目标场景子信息划分成至少一个子信息集合,每个所述子信息集合中的任意两个所述目标场景子信息之间存在所述相互叠加作用;根据每个所述目标场景子信息对应的影响参数,确定每个所述子信息集合对应的影响参数,每个所述子信息集合对应的影响参数包括该信息结合对应的影响权重、影响属性和附加影响程度值;根据每个所述场景子信息对应的影响参数以及每个所述子信息集合对应的影响参数,确定所述生产作业对应的场景风险值,作为所述第三评估因子对应的风险值;
当判断结果为否时,根据每个所述场景子信息对应的影响参数,确定所述生产作业对应的场景风险值,作为所述第三评估因子对应的风险值。
作为一种可选的实施方式,在本发明第二方面中,所述确定模块根据每种所述风险评估因子对应的风险值,确定所述生产作业在所述当前作业阶段对应的作业风险等级的具体方式包括:
根据预先确定出的作业风险值计算公式和每种所述风险评估因子对应的风险值,确定所述生产作业在所述当前作业阶段对应的作业风险等级;或者,
根据每种所述风险评估因子对应的风险值,确定所述生产作业在所述风险评估模型对应的三维空间坐标系中该风险评估因子匹配的坐标轴上的坐标值;根据所述生产作业在每种所述风险评估因子匹配的坐标轴上的坐标值,确定所述生产作业在所述三维空间坐标系中对应的空间位置;根据所述空间位置,确定所述生产作业在所述当前作业阶段对应的作业风险等级。
作为一种可选的实施方式,在本发明第二方面中,所述装置还包括:
判断模块,用于当所述当前作业阶段为作业计划阶段或作业执行阶段时,判断所述作业风险等级是否大于所述生产作业所属的作业类型匹配的安全风险等级;
所述获取模块,还用于当所述判断模块判断出所述作业风险等级大于所述安全风险等级时,获取所述生产作业所在地在预设时间段内的预测气象数据;
所述确定模块,还用于根据所述预测气象数据和所述作业类型,确定在所述预设时间段内对应的时间属性和环境属性均满足所述生产作业的场景条件的至少一个目标时间段;并根据所述作业类型以及所有所述目标时间段,确定与所述生产作业相匹配的至少一个作业人员集合,每个所述作业人员集合包括一个工作班组和/或一个作业人员;
所述获取模块,还用于获取每个所述作业人员集合对应的目标人员信息,每个所述作业人员集合对应的目标人员信息包括该作业人员集合对应的作业负荷信息、作业能力信息、作业违章信息中的一个或多个;
修正模块,用于基于每个所述作业人员集合对应的目标人员信息,修正所述作业信息和/或所述作业风险等级。
作为一种可选的实施方式,在本发明第二方面中,所述修正模块基于每个所述作业人员集合对应的目标人员信息,修正所述作业信息和/或所述作业风险等级的具体方式包括:
基于所述人员能力风险模型和每个所述作业人员集合对应的目标人员信息,确定每个所述作业人员集合对应的预测人员能力风险值,并基于所述场景风险模型和预先确定出的每个所述目标时间段对应的目标场景信息,确定每个所述作业人员集合相匹配的目标时间段对应的预测场景风险值;
根据每个所述作业人员集合对应的预测人员能力风险值和该作业人员集合相匹配的目标时间段对应的预测场景风险值,确定所有所述作业人员集合中的最优作业人员集合;
根据所述最优作业人员集合对应的目标人员信息以及所述最优作业人员集合相匹配的目标时间段,修正所述作业信息和/或所述作业风险等级。
作为一种可选的实施方式,在本发明第二方面中,所述确定模块,还用于根据所述风险作业等级确定所述生产作业相匹配的监管等级,并根据所述监管等级和所述作业类型确定所述生产作业相匹配的监管人员;
所述装置还包括:
检测模块,用于当所述当前作业阶段为作业执行阶段时,检测所述监管人员的用户终端是否处于所述生产作业对应的在线监察状态;
所述确定模块,还用于当所述检测模块检测出所述用户终端未处于所述在线监察状态时,确定所述用户终端的位置信息;
所述判断模块,还用于判断所述位置信息与所述生产作业的作业位置是否匹配;
所述获取模块,还用于当所述判断模块判断出所述位置信息与所述作业位置不匹配时,获取所述生产作业的实时监控视频对应的在线链接;
通信模块,用于向所述用户终端传输所述在线链接对应的监察提示信息。
本发明第三方面公开了另一种生产作业风险的智能评估装置,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的生产作业风险的智能评估方法。
本发明第四方面公开了一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的生产作业风险的智能评估方法。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,获取生产作业在当前作业阶段的作业信息,其中,作业信息包括所述生产作业相匹配的每个风险评估因子对应的作业子信息;基于生产作业对应的风险评估模型和所述作业信息,确定每个风险评估因子对应的风险值;根据每个风险评估因子对应的风险值,确定生产作业在当前作业阶段对应的作业风险等级。可见,实施本发明能够基于生产作业的作业信息和风险评估模型分析多种风险评估因子对应的风险值,实现了作业风险等级的自动评估,减少了因评估人员完全以生产作业的结果为导向对作业风险进行评估的情况发生,推进了作业风险评估的立体化、多样化、源头化管控,提高了作业风险评估的效率、准确性和可靠性,进而有利于及时调整作业计划,提高生产作业的安全性和可靠性,此外,还能够减少评估人员为规避高等级的安全监管而违规地降低风险评估的情况发生,推进了作业风险评估的透明化管控,进一步有利于提高生产作业的安全性和可靠性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种生产作业风险的智能评估方法的流程示意图;
图2是本发明实施例公开的另一种生产作业风险的智能评估方法的流程示意图;
图3是本发明实施例公开的一种生产作业风险的智能评估装置的结构示意图;
图4是本发明实施例公开的另一种生产作业风险的智能评估装置的结构示意图;
图5是本发明实施例公开的又一种生产作业风险的智能评估装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种生产作业风险的智能评估方法及装置,能够基于生产作业的作业信息和风险评估模型分析多种风险评估因子对应的风险值,实现了作业风险等级的自动评估,减少了因评估人员完全以生产作业的结果为导向对作业风险进行评估的情况发生,推进了作业风险评估的立体化、多样化、源头化管控,提高了作业风险评估的效率、准确性和可靠性,进而有利于及时调整作业计划,提高生产作业的安全性和可靠性,此外,还能够减少评估人员为规避高等级的安全监管而违规地降低风险评估的情况发生,推进了作业风险评估的透明化管控,进一步有利于提高生产作业的安全性和可靠性。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种生产作业风险的智能评估方法的流程示意图。其中,图1所描述的生产作业风险的智能评估方法可以应用于任意生产作业(如基建作业、生技作业等)的作业风险评估系统中,如电网作业风险管控平台,本发明实施例不做限定。如图1所示,该生产作业风险的智能评估方法可以包括以下操作:
101、获取生产作业在当前作业阶段的作业信息,其中,作业信息可以包括生产作业相匹配的每个风险评估因子对应的作业子信息。
本发明实施例中,可选的,生产作业可以包括基建作业、生技作业、调度作业、营销作业等。当前作业阶段可以包括作业计划阶段、作业执行阶段、作业完毕阶段等。作业信息可以从生产作业在当前作业阶段的作业文件以及生产作业对应的作业人员上传的作业数据中获取。具体的,作业计划阶段的作业信息可以从作业计划书、作业指导书、计划作业人员的工作票和操作票、施工方案、作业人员针对作业地点的勘察数据中获取;作业执行阶段的作业信息可以从生产作业的安全记录文件、进度记录文件、质量记录文件、气象记录文件、实际作业人员的工作票和操作票等中获取,此外,作业执行阶段的作业信息还可以从作业计划阶段的作业信息中获取;作业完毕阶段的作业信息可以从作业总结文件中获取,此外,作业完毕阶段的作业信息还可以从作业计划阶段和作业执行阶段的作业信息中获取,本发明实施例不做限定。这样能够提高作业信息的多样性。
本发明实施例中,可选的,所有风险评估因子可以包括第一评估因子、第二评估因子以及第三评估因子,第一评估因子对应的作业子信息可以包括生产作业的作业基本信息,作业基本信息可以从作业计划书、作业指导书、施工方案、作业总结文件中获取;第二评估因子对应的作业子信息可以包括生产作业的人员信息,生产作业的人员信息可以从计划作业人员的工作票和操作票、实际作业人员的工作票和操作票等中获取,第三评估因子对应的作业子信息可以包括生产作业的场景信息,场景信息可以包括时间信息和/或环境信息,场景信息可以从气象记录文件、安全记录文件、作业人员针对作业地点的勘察数据等中获取。
102、基于生产作业对应的风险评估模型和作业信息,确定每个风险评估因子对应的风险值。
本发明实施例中,可选的,风险评估模型可以包括基准作业风险模型、人员能力风险模型以及场景风险模型。
作为一种可选的实施方式,基于生产作业对应的风险评估模型和作业信息,确定每种风险评估因子对应的风险值,可以包括:
基于基准作业风险模型和作业基本信息,确定生产作业对应的基准作业风险值,作为第一评估因子对应的风险值;
基于人员能力风险模型和人员信息,确定生产作业对应的人员能力风险值,作为第二评估因子对应的风险值;
基于场景风险模型和场景信息,确定生产作业对应的场景风险值,作为第三评估因子对应的风险值。
可见,实施该可选的实施方式能够根据生产作业的作业基本信息、人员信息、场景信息以及上述三种信息对应的风险评估模型分别确定不同风险评估因子对应的风险值,降低作业风险评估的单一性,推进了作业风险评估的立体化、多样化管控,提高了作业风险评估的效率、准确性和可靠性。
在该可选的实施方式中,可选的,基于基准作业风险模型和作业基本信息,确定生产作业对应的基准作业风险值,作为第一评估因子对应的风险值,可以包括:
根据作业基本信息,确定生产作业所属的作业类型;
基于基准作业风险模型分析作业类型,得到与作业类型相匹配的基准作业风险值,作为第一评估因子对应的风险值。
可见,实施该可选的实施方式还能够根据作业类型确定基准作业风险值,从而提高作业风险等级与作业类型的匹配程度,进而有利于提高根据作业风险等级分配监管资源的合理性,减少监管资源的浪费。
在该可选的实施方式中,进一步可选的,生产作业的作业类型可以包括基础作业类型,每个基础作业类型可以包括一个或多个层次的子作业类型,具体的,基础作业类型可以包括基建类型、生技类型、调度类型、营销类型等,基建类型可以包括电力类型、水利类型、土木类型、运输类型等,电力类型可以包括输电类型、配电类型、变电类型、送电类型等,以此类推,子作业类型的层次可以低至单个作业操作层次。这样通过提高作业类型的细致程度能够提高基准作业风险值的精确性。
在该可选的实施方式中,又进一步可选的,基于基准作业风险模型分析作业类型,得到与作业类型相匹配的基准作业风险值,作为第一评估因子对应的风险值,可以包括:
基于基准作业风险模型分析作业类型,得到生产作业对应的作业项数和生产作业的每项作业所属的基础作业类型对应的基础风险值;
根据作业项数和每项作业对应的基础风险值计算与作业类型相匹配的基准作业风险值,作为第一评估因子对应的风险值。
可见,实施该可选的实施方式还能够将作业项数作为计算基准作业风险值所需的变量,提高了基准作业风险值的精确性和可靠性。
在该可选的实施方式中,又进一步可选的,根据作业项数和每项作业对应的基础风险值计算与作业类型相匹配的基准作业风险值,作为第一评估因子对应的风险值,可以包括:
根据作业项数n确定生产作业对应的作业风险系数an,并确定所有作业对应的基础风险值中的最大基础风险值Amax;
根据最大基础风险值Amax和作业风险系数an计算与作业类型相匹配的基准作业风险值A,作为第一评估因子对应的风险值:
A=Amax*an。
举例来说,当n=1时,an=1,当1<n≤3时,an=1.1,当n>3时,an=1.2。
可见,实施该可选的实施方式还能够根据最大基础风险值与作业项数对应的作业风险系数计算基准作业风险值,进一步提高了基准作业风险值的精确性和可靠性。
在该可选的实施方式中,又进一步可选的,在根据作业项数和每项作业对应的基础风险值计算与作业类型相匹配的基准作业风险值,作为第一评估因子对应的风险值之前,该方法还可以包括:
基于基准作业风险模型,确定每项作业所属的基础作业类型包括的每个层次的子作业类型对应的偏差值,偏差值可以包括正偏差值或负偏差值;
根据每项作业对应的基础风险值和该作业所属的基础作业类型包括的每个层次的子作业类型对应的偏差值,计算与作业相匹配的偏差后风险值;
将每个作业相匹配的偏差后风险值更新为该作业对应的基础风险值。
举例来说,其中一项作业所属的作业类型为电力类型,也即该作业所属的基础作业类型为基建类型,所属的所有层次的子作业类型包括电力类型,基于基准作业风险模型,基建类型对应的基础风险值为80,电力类型对应的偏差值为+2,则与该项作业相匹配的偏差后风险值为82。
可见,实施该可选的实施方式还能够根据不同层次的作业类型的风险值确定生产作业的基准风险值,提高了基准风险值的精确性和可靠性。
在该可选的实施方式中,进一步可选的,根据作业基本信息,确定生产作业所属的作业类型,可以包括:
根据作业基本信息,确定生产作业相关联的作业基本文件;根据作业基本文件,确定生产作业所属的作业类型;或者,
根据作业基本信息,确定生产作业对应的作业任务文本;根据预先设定的作业类型关键词对作业任务文本进行第一关键词提取操作,得到第一提取结果;当第一提取结果对应的提取文本不为空时,根据第一提取结果确定生产作业所属的作业类型;当第一提取结果对应的提取文本为空时,根据预先设定的任务明细关键词对作业任务文本进行第二关键词提取操作,得到第二提取结果,并根据第二提取结果确定生产作业所属的作业类型。
可见,实施该可选的实施方式还能够根据生产作业关联的基本文件确定作业类型或者从作业任务文本中提取关键词确定作业类型,丰富了作业类型的确定方式。
在该可选的实施方式中,可选的,基于人员能力风险模型和人员信息,确定生产作业对应的人员能力风险值,作为第二评估因子对应的风险值,可以包括;
基于人员能力风险模型分析人员信息,得到人员信息包括的每个人员子信息对应的影响参数,其中,所有人员子信息可以包括工作负责人信息、主要工作班成员信息、监护人信息、作业总人数信息、作业人员临时变更信息、人员性质信息中的一个或多个,人员性质信息可以包括人员负荷信息、人员能力信息、人员违章信息中的一个或多个,人员能力信息可以包括人员资质信息和/或人员经验信息,每个人员子信息对应的影响参数可以包括该人员子信息对应的影响权重、影响属性和影响程度值中的一个或多个,每个人员子信息对应的影响属性可以包括正向影响属性或负向影响属性;
根据每个人员子信息对应的影响参数,确定生产作业对应的人员能力风险值,作为第二评估因子对应的风险值。
可见,实施该可选的实施方式还能够根据生产作业的人员负荷信息、人员能力信息、人员违章信息对生产作业的影响参数确定人员能力风险值,提高了确定人员能力风险值的精确性和可靠性。
在该可选的实施方式中,可选的,基于场景风险模型和场景信息,确定生产作业对应的场景风险值,作为第三评估因子对应的风险值,可以包括:
基于场景风险模型分析场景信息,得到场景信息可以包括的每个场景子信息对应的影响参数,其中,每个场景子信息对应的影响参数可以包括该场景子信息对应的影响权重、影响属性和影响程度值,每个场景子信息对应的影响属性可以包括正向影响属性或负向影响属性,场景子信息对应的影响属性为正向影响属性或负向影响属性分别表示该场景子信息对应的场景因素对生产作业具有正向影响作用或负向影响作用;
基于场景风险模型,判断所有场景子信息中是否可以包括存在相互叠加作用的至少两个目标场景子信息,其中,两个目标场景子信息存在相互叠加作用表示该两个目标场景子信息对应的场景因素同时存在时对生产作业具有附加正向影响作用或附加负向影响作用;
当判断结果为是时,将所有目标场景子信息划分成至少一个子信息集合,每个子信息集合中的任意两个目标场景子信息之间存在相互叠加作用;根据每个目标场景子信息对应的影响参数,确定每个子信息集合对应的影响参数,每个子信息集合对应的影响参数可以包括该信息结合对应的影响权重、影响属性和附加影响程度值;根据每个场景子信息对应的影响参数以及每个子信息集合对应的影响参数,确定生产作业对应的场景风险值,作为第三评估因子对应的风险值;
当判断结果为否时,根据每个场景子信息对应的影响参数,确定生产作业对应的场景风险值,作为第三评估因子对应的风险值。
在该而可选的实施方式中,可选的,场景子信息可以包括天气信息、作业地段信息、作业方式信息、作业时段信息、持续作业时长信息、计划性质信息中的一个或多个。
可见,实施该可选的实施方式还能够根据生产作业的时间因素和环境因素对生产作业的影响参数确定场景风险值,提高了确定场景风险值的精确性和可靠性,并且,将不同场景因素叠加之后对生产作业产生的附加影响纳入作业风险评估体系,进一步提高了作业风险评估的灵活性和精确性。
103、根据每个风险评估因子对应的风险值,确定生产作业在当前作业阶段对应的作业风险等级。
作为一种可选的实施方式,根据每种风险评估因子对应的风险值,确定生产作业在当前作业阶段对应的作业风险等级,可以包括:
根据预先确定出的作业风险值计算公式和每种风险评估因子对应的风险值,确定生产作业在当前作业阶段对应的作业风险等级;或者,
根据每种风险评估因子对应的风险值,确定生产作业在风险评估模型对应的三维空间坐标系中该风险评估因子匹配的坐标轴上的坐标值;根据生产作业在每种风险评估因子匹配的坐标轴上的坐标值,确定生产作业在三维空间坐标系中对应的空间位置;根据空间位置,确定生产作业在当前作业阶段对应的作业风险等级。
可见,实施该可选的实施方式能够根据作业风险值计算公式或者风险评估模型对应的三维空间坐标系确定生产作业的作业风险等级,从而有机地结合所有风险评估因子对应的风险值,进而提高了确定风险作业等级的多样性、准确性和可靠性。
作为另一种可选的实施方式,根据每种风险评估因子对应的风险值,确定生产作业在当前作业阶段对应的作业风险等级,可以包括:
计算所有风险评估因子对应的风险值之和,作为生产作业在当前作业的总风险值;
根据总风险值,确定生产作业在当前作业阶段对应的作业风险等级。
在该可选的实施方式中,可选的,作业风险等级可以划分成至少两个等级,且每个作业风险等级对应的总风险值取值范围本发明实施例不做限定,例如,可以划分成特高风险(总风险值大于等于400)、高风险(总风险值大于等于200且小于400)、中等风险(总风险值大于等于70且小于200)、低风险(总风险值大于等于20且小于70)、可接受的风险(总风险值小于20)等。
可见,实施该可选的实施方式能够简化作业风险等级的确定方式,提高了确定作业风险等级的准确性和可靠性。
可见,实施本发明实施例能够基于生产作业的作业信息和风险评估模型分析多种风险评估因子对应的风险值,实现了作业风险等级的自动评估,减少了因评估人员完全以生产作业的结果为导向对作业风险进行评估的情况发生,推进了作业风险评估的立体化、多样化、源头化管控,提高了作业风险评估的效率、准确性和可靠性,进而有利于及时调整作业计划,提高生产作业的安全性和可靠性,此外,还能够减少评估人员为规避高等级的安全监管而违规地降低风险评估的情况发生,推进了作业风险评估的透明化管控,进一步有利于提高生产作业的安全性和可靠性。
在一个可选的实施例中,该方法还可以包括:
当当前作业阶段为作业计划阶段或作业执行阶段时,判断作业风险等级是否大于生产作业所属的作业类型匹配的安全风险等级;
当判断出作业风险等级大于安全风险等级时,获取生产作业所在地在预设时间段内的预测气象数据;
根据预测气象数据和作业类型,确定在预设时间段内对应的时间属性和环境属性均满足生产作业的场景条件的至少一个目标时间段;
根据作业类型以及所有目标时间段,确定与生产作业相匹配的至少一个作业人员集合,每个作业人员集合可以包括一个工作班组和/或一个作业人员;
获取每个作业人员集合对应的目标人员信息,每个作业人员集合对应的目标人员信息可以包括该作业人员集合对应的作业负荷信息、作业能力信息、作业违章信息中的一个或多个;
基于每个作业人员集合对应的目标人员信息,修正作业信息和/或作业风险等级。
可见,实施该可选的实施例能够在作业风险等级较高时根据预测气象数据和人员信息自动修正作业计划,从而降低了生产作业的风险性,提高了生产作业的安全性和可靠性。
在该可选的实施例中,作为一种可选的实施方式,基于每个作业人员集合对应的目标人员信息,修正作业信息和/或作业风险等级,可以包括:
基于人员能力风险模型和每个作业人员集合对应的目标人员信息,确定每个作业人员集合对应的预测人员能力风险值,并基于场景风险模型和预先确定出的每个目标时间段对应的目标场景信息,确定每个作业人员集合相匹配的目标时间段对应的预测场景风险值;
根据每个作业人员集合对应的预测人员能力风险值和该作业人员集合相匹配的目标时间段对应的预测场景风险值,确定所有作业人员集合中的最优作业人员集合;
根据最优作业人员集合对应的目标人员信息以及最优作业人员集合相匹配的目标时间段,修正作业信息和/或作业风险等级。
可见,实施该可选的实施方式能够通过预测人员能力风险值和场景风险值修正作业计划,提高了修正作业计划的可靠性,从而降低了生产作业的风险性,提高生产作业的安全性和可靠性。
实施例二
请参阅图2,图2是本发明实施例公开的一种生产作业风险的智能评估方法的流程示意图。其中,图2所描述的生产作业风险的智能评估方法可以应用于任意生产作业(如基建作业、工厂作业等)的作业风险评估系统中,如电网作业风险管控平台,本发明实施例不做限定。如图2所示,该生产作业风险的智能评估方法可以包括以下操作:
201、获取生产作业在当前作业阶段的作业信息,其中,作业信息可以包括生产作业相匹配的每个风险评估因子对应的作业子信息。
202、基于生产作业对应的风险评估模型和作业信息,确定每个风险评估因子对应的风险值。
203、根据每个风险评估因子对应的风险值,确定生产作业在当前作业阶段对应的作业风险等级。
204、根据风险作业等级确定生产作业相匹配的监管等级。
本发明实施例中,优选的,风险作业等级越高,确定出的监管等级越高。
205、根据监管等级和作业类型确定生产作业相匹配的监管人员。
本发明实施例中,可选的,监管人员可以包括作业类型相匹配的作业部门的人员,还可以包括监管部门的人员,本发明实施例不做限定。进一步可选的,当作业类型为同一类型时,较高监管等级相匹配的监管人员包含比该监管等级更低的所有监管等级相匹配的监管人员。
206、当当前作业阶段为作业执行阶段时,检测监管人员的用户终端是否处于生产作业对应的在线监察状态。
本发明实施例中,优选的,监管人员的用户终端可以包括监管人员的智能移动设备,智能移动设备可以包括智能手机、智能可穿戴设备等。
207、当步骤206的检测结果为否时,确定用户终端的位置信息。
208、判断位置信息与生产作业的作业位置是否匹配。
209、当步骤208的判断结果为否时,获取生产作业的实时监控视频对应的在线链接。
210、向用户终端传输在线链接对应的监察提示信息。
本发明实施例中,监察提示信息包括提示文本和在线链接。
本发明实施例中,针对步骤201-步骤203的其他描述,请参照实施例一中针对步骤101-步骤103的详细描述,本发明实施例不再赘述。
可见,实施本发明实施例能够满足监管人员在线上和线下的管控需求,提高了监管方式的多样性和灵活性,并且在监管人员未按要求对生产作业进行监管时提示监管人员,进一步提高了生产作业监管模式的可靠性。
在一个可选的实施例中,该方法还可以包括:
根据风险作业等级和/或监管人员生成生产作业相匹配的风险管控任务;
将风险管控任务传输至监管人员的用户终端。
可见,实施该可选的实施例能够自动生成风险管控任务,提高了确定风险管控任务的效率和可靠性,提高了作业风险管控的安全性和可靠性。
在该可选的实施例中,作为一种可选的实施方式,若当前作业阶段为作业执行阶段,在检测监管人员的用户终端是否处于生产作业对应的在线监察状态之前,该方法还可以包括:
根据风险管控任务,确定监管人员对应的监管时段;
判断当前时刻是否处于监管时段之内,当判断出当前时刻处于监管时段之内时,触发执行上述的检测监管人员的用户终端是否处于生产作业对应的在线监察状态的操作。
可见,实施该可选的实施方式能够根据风险管控任务中的监管时段检测监管人员的监管工作是否到位,提高了生产作业监管模式的可靠性。
在一个可选的实施例中,该方法还可以包括:
若当前作业阶段为作业执行阶段或作业完毕阶段,获取生产作业在历史作业阶段对应的历史作业风险等级;
判断生产作业在当前作业阶段对应的作业风险等级和历史作业风险等级是否匹配;
当判断结果为否时,基于风险评估模型,分析生产作业的每个风险评估因子在当前作业阶段和历史作业阶段对应的风险值,得到分析结果;
根据分析结果确定所有风险评估因子中的异常风险评估因子;
获取异常风险评估因子在历史作业阶段对应的第一作业子信息和异常风险评估因子在当前作业阶段对应的第二作业子信息;
确定第一作业子信息和第二作业子信息之间的第一变化趋势以及异常风险评估因子在历史作业阶段对应的风险值和在当前作业阶段对应的风险值之间的第二变化趋势;
判断第一变化趋势与第二变化趋势是否相匹配;
当第一变化趋势与第二变化趋势不匹配时,修正风险评估模型。
可见,实施该可选的实施例能够根据风险评估结果自动修正风险评估模型,提高了风险评估模型的可靠性。
实施例三
请参阅图3,图3是本发明实施例公开的一种生产作业风险的智能评估装置的结构示意图。其中,图3所描述的生产作业风险的智能评估装置可以应用于任意生产作业(如基建作业、工厂作业等)的作业风险评估系统中,如电网作业风险管控平台,本发明实施例不做限定。如图3所示,该生产作业风险的智能评估装置可以包括:
获取模块301,用于获取生产作业在当前作业阶段的作业信息,其中,作业信息包括生产作业相匹配的每个风险评估因子对应的作业子信息;
确定模块302,用于基于生产作业对应的风险评估模型和作业信息,确定每个风险评估因子对应的风险值,并根据每个风险评估因子对应的风险值,确定生产作业在当前作业阶段对应的作业风险等级。
可见,实施图3所描述的装置能够基于生产作业的作业信息和风险评估模型分析多种风险评估因子对应的风险值,实现了作业风险等级的自动评估,减少了因评估人员完全以生产作业的结果为导向对作业风险进行评估的情况发生,推进了作业风险评估的立体化、多样化、源头化管控,提高了作业风险评估的效率、准确性和可靠性,进而有利于及时调整作业计划,提高生产作业的安全性和可靠性,此外,还能够减少评估人员为规避高等级的安全监管而违规地降低风险评估的情况发生,推进了作业风险评估的透明化管控,进一步有利于提高生产作业的安全性和可靠性。
在一个可选的实施例中,如图3所示,所有风险评估因子可以包括第一评估因子、第二评估因子以及第三评估因子,第一评估因子对应的作业子信息可以包括生产作业的作业基本信息,第二评估因子对应的作业子信息可以包括生产作业的人员信息,第三评估因子对应的作业子信息可以包括生产作业的场景信息,风险评估模型可以包括基准作业风险模型、人员能力风险模型以及场景风险模型;
其中,确定模块302基于生产作业对应的风险评估模型和作业信息,确定每种风险评估因子对应的风险值的具体方式可以包括:
基于基准作业风险模型和作业基本信息,确定生产作业对应的基准作业风险值,作为第一评估因子对应的风险值;
基于人员能力风险模型和人员信息,确定生产作业对应的人员能力风险值,作为第二评估因子对应的风险值;
基于场景风险模型和场景信息,确定生产作业对应的场景风险值,作为第三评估因子对应的风险值。
可见,实施图3所描述的装置能够根据生产作业的基本信息、人员信息、场景信息以及上述三种信息对应的风险评估模型分别确定不同风险评估因子对应的风险值,降低作业风险评估角度的单一性,推进了作业风险评估的立体化、多样化管控,提高了作业风险评估的效率、准确性和可靠性。
在另一个可选的实施例中,如图3所示,确定模块302基于基准作业风险模型和作业基本信息,确定生产作业对应的基准作业风险值,作为第一评估因子对应的风险值的具体方式可以包括:
根据作业基本信息,确定生产作业所属的作业类型;
基于基准作业风险模型分析作业类型,得到与作业类型相匹配的基准作业风险值,作为第一评估因子对应的风险值;
其中,确定模块302根据作业基本信息,确定生产作业所属的作业类型的具体方式可以包括:
根据作业基本信息,确定生产作业相关联的作业基本文件;根据作业基本文件,确定生产作业所属的作业类型;或者,
根据作业基本信息,确定生产作业对应的作业任务文本;根据预先设定的作业类型关键词对作业任务文本进行第一关键词提取操作,得到第一提取结果;当第一提取结果对应的提取文本不为空时,根据第一提取结果确定生产作业所属的作业类型;当第一提取结果对应的提取文本为空时,根据预先设定的任务明细关键词对作业任务文本进行第二关键词提取操作,得到第二提取结果,并根据第二提取结果确定生产作业所属的作业类型。
可见,实施图3所描述的装置还能够根据生产作业关联的基本文件确定作业类型或者从作业任务文本中提取关键词确定作业类型,丰富了作业类型的确定方式,并且,根据作业类型确定基准作业风险值,能够提高作业风险等级与作业类型的匹配程度,从而有利于提高根据作业风险等级分配监管资源的合理性,减少监管资源的浪费。
在又一个可选的实施例中,如图3所示,确定模块302基于基准作业风险模型分析作业类型,得到与作业类型相匹配的基准作业风险值,作为第一评估因子对应的风险值的具体方式可以包括:
基于基准作业风险模型分析作业类型,得到生产作业对应的作业项数和生产作业的每项作业所属的基础作业类型对应的基础风险值;
根据作业项数和每项作业对应的基础风险值计算与作业类型相匹配的基准作业风险值,作为第一评估因子对应的风险值;
其中,确定模块302根据作业项数和每项作业对应的基础风险值计算与作业类型相匹配的基准作业风险值,作为第一评估因子对应的风险值的具体方式可以包括:
根据作业项数确定生产作业对应的作业风险系数an,并确定所有作业对应的基础风险值中的最大基础风险值Amax;
根据最大基础风险值Amax和作业风险系数an计算与作业类型相匹配的基准作业风险值A,作为第一评估因子对应的风险值:
A=Amax*an。
可见,实施图3所描述的装置还能够将作业项数作为计算基准作业风险值所需的变量,并根据最大基础风险值与作业项数对应的作业风险系数计算基准作业风险值,提高了基准作业风险值的精确性和可靠性。
在又一个可选的实施例中,如图3所示,场景信息可以包括时间信息和/或环境信息;
确定模块302基于场景风险模型和场景信息,确定生产作业对应的场景风险值,作为第三评估因子对应的风险值的具体方式可以包括:
基于场景风险模型分析场景信息,得到场景信息可以包括的每个场景子信息对应的影响参数,其中,每个场景子信息对应的影响参数可以包括该场景子信息对应的影响权重、影响属性和影响程度值,每个场景子信息对应的影响属性可以包括正向影响属性或负向影响属性,场景子信息对应的影响属性为正向影响属性或负向影响属性分别表示该场景子信息对应的场景因素对生产作业具有正向影响作用或负向影响作用;
基于场景风险模型,判断所有场景子信息中是否可以包括存在相互叠加作用的至少两个目标场景子信息,其中,两个目标场景子信息存在相互叠加作用表示该两个目标场景子信息对应的场景因素同时存在时对生产作业具有附加正向影响作用或附加负向影响作用;
当判断结果为是时,将所有目标场景子信息划分成至少一个子信息集合,每个子信息集合中的任意两个目标场景子信息之间存在相互叠加作用;根据每个目标场景子信息对应的影响参数,确定每个子信息集合对应的影响参数,每个子信息集合对应的影响参数可以包括该信息结合对应的影响权重、影响属性和附加影响程度值;根据每个场景子信息对应的影响参数以及每个子信息集合对应的影响参数,确定生产作业对应的场景风险值,作为第三评估因子对应的风险值;
当判断结果为否时,根据每个场景子信息对应的影响参数,确定生产作业对应的场景风险值,作为第三评估因子对应的风险值。
可见,实施图3所描述的装置还能够根据生产作业的时间因素和环境因素对生产作业的影响参数确定场景风险值,提高了确定场景风险值的精确性和可靠性,并且,将不同场景因素叠加之后对生产作业产生的附加影响纳入作业风险评估体系,进一步提高了作业风险评估的灵活性和精确性。
在又一个可选的实施例中,如图3所示,确定模块302根据每种风险评估因子对应的风险值,确定生产作业在当前作业阶段对应的作业风险等级的具体方式可以包括:
根据预先确定出的作业风险值计算公式和每种风险评估因子对应的风险值,确定生产作业在当前作业阶段对应的作业风险等级;或者,
根据每种风险评估因子对应的风险值,确定生产作业在风险评估模型对应的三维空间坐标系中该风险评估因子匹配的坐标轴上的坐标值;根据生产作业在每种风险评估因子匹配的坐标轴上的坐标值,确定生产作业在三维空间坐标系中对应的空间位置;根据空间位置,确定生产作业在当前作业阶段对应的作业风险等级。
可见,实施图3所描述的装置还能够根据作业风险值计算公式或者风险评估模型对应的三维空间坐标系确定生产作业的作业风险等级,从而有机地结合所有风险评估因子对应的风险值,进而提高了确定风险作业等级的多样性、准确性和可靠性。
在又一个可选的实施例中,如图4所示,该装置还可以包括:
判断模块303,用于当当前作业阶段为作业计划阶段或作业执行阶段时,判断作业风险等级是否大于生产作业所属的作业类型匹配的安全风险等级;
获取模块301,还用于当判断模块303判断出作业风险等级大于安全风险等级时,获取生产作业所在地在预设时间段内的预测气象数据;
确定模块302,还用于根据预测气象数据和作业类型,确定在预设时间段内对应的时间属性和环境属性均满足生产作业的场景条件的至少一个目标时间段;并根据作业类型以及所有目标时间段,确定与生产作业相匹配的至少一个作业人员集合,每个作业人员集合可以包括一个工作班组和/或一个作业人员;
获取模块301,还用于获取每个作业人员集合对应的目标人员信息,每个作业人员集合对应的目标人员信息可以包括该作业人员集合对应的作业负荷信息、作业能力信息、作业违章信息中的一个或多个;
修正模块304,用于基于每个作业人员集合对应的目标人员信息,修正作业信息和/或作业风险等级。
可见,实施图4所描述的装置能够在作业风险等级较高时根据预测气象数据和人员信息自动修正作业计划,从而降低了生产作业的风险性,提高了生产作业的安全性和可靠性。
在又一个可选的实施例中,如图4所示,修正模块304基于每个作业人员集合对应的目标人员信息,修正作业信息和/或作业风险等级的具体方式可以包括:
基于人员能力风险模型和每个作业人员集合对应的目标人员信息,确定每个作业人员集合对应的预测人员能力风险值,并基于场景风险模型和预先确定出的每个目标时间段对应的目标场景信息,确定每个作业人员集合相匹配的目标时间段对应的预测场景风险值;
根据每个作业人员集合对应的预测人员能力风险值和该作业人员集合相匹配的目标时间段对应的预测场景风险值,确定所有作业人员集合中的最优作业人员集合;
根据最优作业人员集合对应的目标人员信息以及最优作业人员集合相匹配的目标时间段,修正作业信息和/或作业风险等级。
可见,实施图4所描述的装置还能够通过预测人员能力风险值和场景风险值修正作业计划,提高了修正作业计划的可靠性,从而降低了生产作业的风险性,提高生产作业的安全性和可靠性。
在又一个可选的实施例中,如图4所示,确定模块302,还用于根据风险作业等级确定生产作业相匹配的监管等级,并根据监管等级和作业类型确定生产作业相匹配的监管人员;
该装置还可以包括:
检测模块305,用于当当前作业阶段为作业执行阶段时,检测监管人员的用户终端是否处于生产作业对应的在线监察状态;
确定模块302,还用于当检测模块305检测出用户终端未处于在线监察状态时,确定用户终端的位置信息;
判断模块303,还用于判断位置信息与生产作业的作业位置是否匹配;
获取模块301,还用于当判断模块303判断出位置信息与作业位置不匹配时,获取生产作业的实时监控视频对应的在线链接;
通信模块306,用于向用户终端传输在线链接对应的监察提示信息。
可见,实施图4所描述的装置还能够满足监管人员在线上和线下的管控需求,提高了监管方式的多样性和灵活性,并且在监管人员未按要求对生产作业进行监管时提示监管人员,进一步提高了生产作业监管模式的可靠性。
实施例四
请参阅图5,图5是本发明实施例公开的又一种生产作业风险的智能评估装置的结构示意图。如图5所示,该生产作业风险的智能评估装置可以包括:
存储有可执行程序代码的存储器401;
与存储器401耦合的处理器402;
处理器402调用存储器401中存储的可执行程序代码,执行本发明实施例一或本发明实施例二所描述的生产作业风险的智能评估方法中的步骤。
实施例五
本发明实施例公开了一种计算机存储介质,该计算机存储介质存储有计算机指令,该计算机指令被调用时,用于执行本发明实施例一或本发明实施例二所描述的生产作业风险的智能评估方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的生产作业风险的智能评估方法中的步骤。
以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种生产作业风险的智能评估方法及装置所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种生产作业风险的智能评估方法,其特征在于,所述方法包括:
获取生产作业在当前作业阶段的作业信息,其中,所述作业信息包括所述生产作业相匹配的每个风险评估因子对应的作业子信息;
基于所述生产作业对应的风险评估模型和所述作业信息,确定每个所述风险评估因子对应的风险值;
根据每个所述风险评估因子对应的风险值,确定所述生产作业在所述当前作业阶段对应的作业风险等级。
2.根据权利要求1所述的生产作业风险的智能评估方法,其特征在于,所有所述风险评估因子包括第一评估因子、第二评估因子以及第三评估因子,所述第一评估因子对应的作业子信息包括所述生产作业的作业基本信息,所述第二评估因子对应的作业子信息包括所述生产作业的人员信息,所述第三评估因子对应的作业子信息包括所述生产作业的场景信息,所述风险评估模型包括基准作业风险模型、人员能力风险模型以及场景风险模型;
其中,所述基于所述生产作业对应的风险评估模型和所述作业信息,确定每种所述风险评估因子对应的风险值,包括:
基于所述基准作业风险模型和所述作业基本信息,确定所述生产作业对应的基准作业风险值,作为所述第一评估因子对应的风险值;
基于所述人员能力风险模型和所述人员信息,确定所述生产作业对应的人员能力风险值,作为所述第二评估因子对应的风险值;
基于所述场景风险模型和所述场景信息,确定所述生产作业对应的场景风险值,作为所述第三评估因子对应的风险值。
3.根据权利要求2所述的生产作业风险的智能评估方法,其特征在于,所述基于所述基准作业风险模型和所述作业基本信息,确定所述生产作业对应的基准作业风险值,作为所述第一评估因子对应的风险值,包括:
根据所述作业基本信息,确定所述生产作业所属的作业类型;
基于所述基准作业风险模型分析所述作业类型,得到与所述作业类型相匹配的基准作业风险值,作为所述第一评估因子对应的风险值;
其中,所述根据所述作业基本信息,确定所述生产作业所属的作业类型,包括:
根据所述作业基本信息,确定所述生产作业相关联的作业基本文件;根据所述作业基本文件,确定所述生产作业所属的作业类型;或者,
根据所述作业基本信息,确定所述生产作业对应的作业任务文本;根据预先设定的作业类型关键词对所述作业任务文本进行第一关键词提取操作,得到第一提取结果;当所述第一提取结果对应的提取文本不为空时,根据所述第一提取结果确定所述生产作业所属的作业类型;当所述第一提取结果对应的提取文本为空时,根据预先设定的任务明细关键词对所述作业任务文本进行第二关键词提取操作,得到第二提取结果,并根据所述第二提取结果确定所述生产作业所属的作业类型。
4.根据权利要求3所述的生产作业风险的智能评估方法,其特征在于,所述基于所述基准作业风险模型分析所述作业类型,得到与所述作业类型相匹配的基准作业风险值,作为所述第一评估因子对应的风险值,包括:
基于所述基准作业风险模型分析所述作业类型,得到所述生产作业对应的作业项数和所述生产作业的每项作业所属的基础作业类型对应的基础风险值;
根据所述作业项数和每项所述作业对应的基础风险值计算与所述作业类型相匹配的基准作业风险值,作为所述第一评估因子对应的风险值;
其中,所述根据所述作业项数和每项所述作业对应的基础风险值计算与所述作业类型相匹配的基准作业风险值,作为所述第一评估因子对应的风险值,包括:
根据所述作业项数确定所述生产作业对应的作业风险系数an,并确定所有所述作业对应的基础风险值中的最大基础风险值Amax;
根据所述最大基础风险值Amax和所述作业风险系数an计算与所述作业类型相匹配的基准作业风险值A,作为所述第一评估因子对应的风险值:
A=Amax*an。
5.根据权利要求2所述的生产作业风险的智能评估方法,其特征在于,所述场景信息包括时间信息和/或环境信息;
所述基于所述场景风险模型和所述场景信息,确定所述生产作业对应的场景风险值,作为所述第三评估因子对应的风险值,包括:
基于所述场景风险模型分析所述场景信息,得到所述场景信息包括的每个场景子信息对应的影响参数,其中,每个所述场景子信息对应的影响参数包括该场景子信息对应的影响权重、影响属性和影响程度值,每个所述场景子信息对应的影响属性包括正向影响属性或负向影响属性,所述场景子信息对应的影响属性为所述正向影响属性或所述负向影响属性分别表示该场景子信息对应的场景因素对所述生产作业具有正向影响作用或负向影响作用;
基于所述场景风险模型,判断所有所述场景子信息中是否包括存在相互叠加作用的至少两个目标场景子信息,其中,两个所述目标场景子信息存在所述相互叠加作用表示该两个目标场景子信息对应的场景因素同时存在时对所述生产作业具有附加正向影响作用或附加负向影响作用;
当判断结果为是时,将所有所述目标场景子信息划分成至少一个子信息集合,每个所述子信息集合中的任意两个所述目标场景子信息之间存在所述相互叠加作用;根据每个所述目标场景子信息对应的影响参数,确定每个所述子信息集合对应的影响参数,每个所述子信息集合对应的影响参数包括该信息结合对应的影响权重、影响属性和附加影响程度值;根据每个所述场景子信息对应的影响参数以及每个所述子信息集合对应的影响参数,确定所述生产作业对应的场景风险值,作为所述第三评估因子对应的风险值;
当判断结果为否时,根据每个所述场景子信息对应的影响参数,确定所述生产作业对应的场景风险值,作为所述第三评估因子对应的风险值。
6.根据权利要求2-5中任一项所述的生产作业风险的智能评估方法,其特征在于,所述根据每种所述风险评估因子对应的风险值,确定所述生产作业在所述当前作业阶段对应的作业风险等级,包括:
根据预先确定出的作业风险值计算公式和每种所述风险评估因子对应的风险值,确定所述生产作业在所述当前作业阶段对应的作业风险等级;或者,
根据每种所述风险评估因子对应的风险值,确定所述生产作业在所述风险评估模型对应的三维空间坐标系中该风险评估因子匹配的坐标轴上的坐标值;根据所述生产作业在每种所述风险评估因子匹配的坐标轴上的坐标值,确定所述生产作业在所述三维空间坐标系中对应的空间位置;根据所述空间位置,确定所述生产作业在所述当前作业阶段对应的作业风险等级。
7.根据权利要求6所述的生产作业风险的智能评估方法,其特征在于,所述方法还包括:
当所述当前作业阶段为作业计划阶段或作业执行阶段时,判断所述作业风险等级是否大于所述生产作业所属的作业类型匹配的安全风险等级;
当判断出所述作业风险等级大于所述安全风险等级时,获取所述生产作业所在地在预设时间段内的预测气象数据;
根据所述预测气象数据和所述作业类型,确定在所述预设时间段内对应的时间属性和环境属性均满足所述生产作业的场景条件的至少一个目标时间段;
根据所述作业类型以及所有所述目标时间段,确定与所述生产作业相匹配的至少一个作业人员集合,每个所述作业人员集合包括一个工作班组和/或一个作业人员;
获取每个所述作业人员集合对应的目标人员信息,每个所述作业人员集合对应的目标人员信息包括该作业人员集合对应的作业负荷信息、作业能力信息、作业违章信息中的一个或多个;
基于每个所述作业人员集合对应的目标人员信息,修正所述作业信息和/或所述作业风险等级。
8.根据权利要求7所述的生产作业风险的智能评估方法,其特征在于,所述基于每个所述作业人员集合对应的目标人员信息,修正所述作业信息和/或所述作业风险等级,包括:
基于所述人员能力风险模型和每个所述作业人员集合对应的目标人员信息,确定每个所述作业人员集合对应的预测人员能力风险值,并基于所述场景风险模型和预先确定出的每个所述目标时间段对应的目标场景信息,确定每个所述作业人员集合相匹配的目标时间段对应的预测场景风险值;
根据每个所述作业人员集合对应的预测人员能力风险值和该作业人员集合相匹配的目标时间段对应的预测场景风险值,确定所有所述作业人员集合中的最优作业人员集合;
根据所述最优作业人员集合对应的目标人员信息以及所述最优作业人员集合相匹配的目标时间段,修正所述作业信息和/或所述作业风险等级。
9.根据权利要求7或8所述的生产作业风险的智能评估方法,其特征在于,所述方法还包括:
根据所述风险作业等级确定所述生产作业相匹配的监管等级,并根据所述监管等级和所述作业类型确定所述生产作业相匹配的监管人员;
当所述当前作业阶段为作业执行阶段时,检测所述监管人员的用户终端是否处于所述生产作业对应的在线监察状态;
当检测结果为否时,确定所述用户终端的位置信息,并判断所述位置信息与所述生产作业的作业位置是否匹配;
当判断结果为否时,获取所述生产作业的实时监控视频对应的在线链接;
向所述用户终端传输所述在线链接对应的监察提示信息。
10.一种生产作业风险的智能评估装置,其特征在于,所述装置包括:
获取模块,用于获取生产作业在当前作业阶段的作业信息,其中,所述作业信息包括所述生产作业相匹配的每个风险评估因子对应的作业子信息;
确定模块,用于基于所述生产作业对应的风险评估模型和所述作业信息,确定每个所述风险评估因子对应的风险值,并根据每个所述风险评估因子对应的风险值,确定所述生产作业在所述当前作业阶段对应的作业风险等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210518491.3A CN115062906A (zh) | 2022-05-13 | 2022-05-13 | 一种生产作业风险的智能评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210518491.3A CN115062906A (zh) | 2022-05-13 | 2022-05-13 | 一种生产作业风险的智能评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115062906A true CN115062906A (zh) | 2022-09-16 |
Family
ID=83198035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210518491.3A Pending CN115062906A (zh) | 2022-05-13 | 2022-05-13 | 一种生产作业风险的智能评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115062906A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115222303A (zh) * | 2022-09-20 | 2022-10-21 | 北京共识数信科技有限公司 | 基于大数据的行业风险数据分析方法、系统及存储介质 |
CN116468154A (zh) * | 2023-03-24 | 2023-07-21 | 广东省气象服务中心(广东气象影视宣传中心) | 基于5g的港口生产作业综合气象风险智能预警系统 |
CN116976677A (zh) * | 2023-08-11 | 2023-10-31 | 广州朝辉智能科技有限公司 | 基于人工智能的业务风险处理方法及装置、计算机存储介质 |
CN117874565A (zh) * | 2023-11-27 | 2024-04-12 | 国网江苏省电力有限公司扬州供电分公司 | 一种基于神经网络的工作票准确性检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050010459A1 (en) * | 2003-07-08 | 2005-01-13 | Hitachi, Ltd. | Project pre-review estimate method |
US20200242526A1 (en) * | 2019-01-24 | 2020-07-30 | Udbhata Technologies Private Ltd | Method of improving risk assessment and system thereof |
CN113902236A (zh) * | 2021-06-01 | 2022-01-07 | 贵州电网有限责任公司 | 一种自适应现场作业风险动态评估方法 |
CN113902237A (zh) * | 2021-06-01 | 2022-01-07 | 贵州电网有限责任公司 | 一种现场作业风险管控系统 |
KR102350038B1 (ko) * | 2020-10-20 | 2022-01-11 | 오동식 | 대상 작업의 위험성을 평가하는 방법 및 이를 수행하는 작업 관리 시스템 |
-
2022
- 2022-05-13 CN CN202210518491.3A patent/CN115062906A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050010459A1 (en) * | 2003-07-08 | 2005-01-13 | Hitachi, Ltd. | Project pre-review estimate method |
US20200242526A1 (en) * | 2019-01-24 | 2020-07-30 | Udbhata Technologies Private Ltd | Method of improving risk assessment and system thereof |
KR102350038B1 (ko) * | 2020-10-20 | 2022-01-11 | 오동식 | 대상 작업의 위험성을 평가하는 방법 및 이를 수행하는 작업 관리 시스템 |
CN113902236A (zh) * | 2021-06-01 | 2022-01-07 | 贵州电网有限责任公司 | 一种自适应现场作业风险动态评估方法 |
CN113902237A (zh) * | 2021-06-01 | 2022-01-07 | 贵州电网有限责任公司 | 一种现场作业风险管控系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115222303A (zh) * | 2022-09-20 | 2022-10-21 | 北京共识数信科技有限公司 | 基于大数据的行业风险数据分析方法、系统及存储介质 |
CN115222303B (zh) * | 2022-09-20 | 2022-11-25 | 北京共识数信科技有限公司 | 基于大数据的行业风险数据分析方法、系统及存储介质 |
CN116468154A (zh) * | 2023-03-24 | 2023-07-21 | 广东省气象服务中心(广东气象影视宣传中心) | 基于5g的港口生产作业综合气象风险智能预警系统 |
CN116468154B (zh) * | 2023-03-24 | 2024-06-21 | 广东省气象服务中心(广东气象影视宣传中心) | 基于5g的港口生产作业综合气象风险智能预警系统 |
CN116976677A (zh) * | 2023-08-11 | 2023-10-31 | 广州朝辉智能科技有限公司 | 基于人工智能的业务风险处理方法及装置、计算机存储介质 |
CN116976677B (zh) * | 2023-08-11 | 2024-09-06 | 广州朝辉智能科技有限公司 | 基于人工智能的业务风险处理方法及装置、计算机存储介质 |
CN117874565A (zh) * | 2023-11-27 | 2024-04-12 | 国网江苏省电力有限公司扬州供电分公司 | 一种基于神经网络的工作票准确性检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115062906A (zh) | 一种生产作业风险的智能评估方法及装置 | |
CN116862199A (zh) | 基于大数据和云计算的建筑施工优化系统 | |
EP3588400B1 (en) | Operational plan optimization device and operational plan optimization method | |
CN104809663B (zh) | 电力专业技术服务保障监督系统及其监督方法 | |
CN106845651A (zh) | 设备状态变化趋势预判、系统结构和维修策略优化的方法 | |
CN115511309A (zh) | 一种工程质量信息闭环管控方法及系统 | |
CN117592906A (zh) | 基于数据分析的汽车配件智能仓储管理系统 | |
CN108460544A (zh) | 一种企业环境风险通用评价系统和方法 | |
CN111612415A (zh) | 一种项目管理方法及装置 | |
CN117454677B (zh) | 一种基于三维仿真技术的码头施工模拟方法及系统 | |
CN113657788A (zh) | 一种企业安全生产标准化智能监管系统及方法 | |
CN114154804A (zh) | 数字化管控指标方法及装置 | |
CN117910646A (zh) | 基于多智能体强化学习的电网调度策略优化方法及系统 | |
CN118229101A (zh) | 需求任务的投产方法及装置、存储介质、电子装置 | |
CN105761015B (zh) | 一种适用于操作票的智能防误方法及系统 | |
CN112561276A (zh) | 作业操作风险演示方法及装置、存储介质、电子装置 | |
CN116151433A (zh) | 基于关键工序模型的作业风险智能化管控方法及装置 | |
CN116128291A (zh) | 一种智能化的作业风险评估方法及装置 | |
CN114741776B (zh) | 一种油气化工码头工程数字化交付方法、系统及介质 | |
CN109978299B (zh) | 用于海上风电业务的数据分析方法、装置和存储介质 | |
CN113051747B (zh) | 一种飞机可靠性数据资产模型构建方法及装置 | |
CN113869717A (zh) | 一种告警日志的分析研判方法、装置、设备及存储介质 | |
CN113919679A (zh) | 业务流程风险防控方法及系统 | |
CN112560146A (zh) | 基于bim的电网数据运维方法、装置、设备及存储介质 | |
CN108256663A (zh) | 一种核电运行事故风险实时预测方法 |
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 |