CN116822715A - 一种基于人工智能的安全生产监测预警系统 - Google Patents
一种基于人工智能的安全生产监测预警系统 Download PDFInfo
- Publication number
- CN116822715A CN116822715A CN202310631100.3A CN202310631100A CN116822715A CN 116822715 A CN116822715 A CN 116822715A CN 202310631100 A CN202310631100 A CN 202310631100A CN 116822715 A CN116822715 A CN 116822715A
- Authority
- CN
- China
- Prior art keywords
- risk
- equipment
- early warning
- module
- data
- 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 90
- 238000012544 monitoring process Methods 0.000 title claims abstract description 44
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 230000004044 response Effects 0.000 claims abstract description 6
- 238000005065 mining Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 34
- 238000012549 training Methods 0.000 claims description 27
- 238000004891 communication Methods 0.000 claims description 13
- 230000001680 brushing effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 4
- 238000011158 quantitative evaluation Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000008447 perception Effects 0.000 abstract description 4
- 230000002265 prevention Effects 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000003068 static effect Effects 0.000 abstract description 3
- 230000007123 defense Effects 0.000 abstract description 2
- 230000007704 transition Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Data Mining & Analysis (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
Abstract
本申请提供一种基于人工智能的安全生产监测预警系统，包括：快速感知模块，集成智能物联设备、测量仪器及边缘计算设备，构建基于工业互联网的态势感知能力；实时监测模块，选取高风险、高价值设备，通过云上平台的方式，保障安全生产关键数据的在线监测；超前预警模块，基于人工智能挖掘数据，依托风险特征库、预警模型，对可能出现的安全问题进行快速预警；应急处置模块，结合应急预案、应急专家库，实现快速、多部门应急响应及联动；系统评估模块，用于综合评价企业整体的安全态势及抗风险水平，对高风险区域、设备设施进行系统性评价。本申请加速安全生产管理模式从静态分析向动态感知、事后应急向事前预防、单点防控向全局联防的转变。
Description
技术领域
本申请涉及物联网技术领域，尤其涉及一种基于人工智能的安全生产监测预警系统。
背景技术
目前的化工、能源等生产企业，往往仅能实现单个设备实时数据监测，无法快速定位报警源，设备需要定期人工检查和部件替换，形成了数据孤岛；无法做到安全生产数据趋势预警、故障溯源分析、设备预测性维护、AI工艺参数优化、数据融合、系统联动。
发明内容
有鉴于此，本申请的目的在于提出一种基于人工智能的安全生产监测预警系统，本申请能够针对性的解决现有的问题。
基于上述目的，本申请还提出了一种基于人工智能的安全生产监测预警系统，包括：
快速感知模块，集成智能物联设备、测量仪器及边缘计算设备，构建基于工业互联网的态势感知能力；
实时监测模块，选取高风险、高价值设备，通过云上平台的方式，保障安全生产关键数据的在线监测；
超前预警模块，基于人工智能挖掘数据，依托风险特征库、预警模型，对可能出现的安全问题进行快速预警；
应急处置模块，结合应急预案、应急专家库，实现快速、多部门应急响应及联动；
系统评估模块，用于综合评价企业整体的安全态势及抗风险水平，对高风险区域、设备设施进行系统性评价。
进一步地，所述快速感知模块，具体包括如下步骤：
根据工业互联网智能监控装置获得生产设备图像信息和所述测量仪器数据；
将所述生产设备图像信息和所述测量仪器数据输入人工智能训练模型，其中，所述人工智能训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述生产设备图像信息、所述测量仪器数据和安全监督标准；
获得所述人工智能训练模型的输出信息，其中，所述输出信息包括不符合所述安全监督标准的图像信息；
通过边缘计算设备获得生产设备控制人员信息和刷脸信息；判断所述生产设备控制人员信息和刷脸信息是否一致；如果所述生产设备控制人员信息和刷脸信息一致，获得预警指令，所述预警指令用于提醒所述生产设备控制人员所述不符合所述安全监督标准的图像信息出现安全问题；如果所述生产设备控制人员信息和刷脸信息不一致，获得报警指令，所述报警指令用于高级用户所述不符合所述安全监督标准的图像信息出现安全问题以及所述生产设备控制人员未正常出勤；其中，所述高级用户为所述生产设备控制人员的上级管理人员。
进一步地，所述边缘计算设备包括人流量管理模块、通信模块；
所述工业互联网智能监控装置被配置为，拍摄生产厂房的人流视频，提取人流视频中的人脸特征，与人脸特征数据库进行对比，生成对比结果上传至人流量管理模块；所述对比结果包括身份信息、入厂房时间、出厂房时间；
所述人流量管理模块被配置为，根据所述对比结果判断人员出勤情况，生成出勤情况表上传至云服务器，所述出勤情况表包括一个工作日内的迟到、早退、加班、缺勤情况。
进一步地，所述选取高风险设备的过程包括如下步骤：
S1、在实时监测模块处接收针对多个风险类型评估的设备的个体特征数据；
S2、由所述实时监测模块运行多任务预测模型，所述多任务预测模型经训练以基于所述个体特征数据联合预测所述设备的多个目标风险类型，并通过确定目标风险类型之间的相关性来预测一组风险关联，所述多任务预测模型基于以下参数训练:表示跨多个漏洞域的风险的数据，表示多个设备的特征的数据，以及表示所述多个设备的风险目标和特征的完整或不完整观察的数据；
S3、在实时监测模块中，根据跨多个漏洞域的风险的数据和所述完整或不完整观察的数据，使用特征数据的链接规则化调节所述多任务预测模型的训练、所述风险的特征的选择和排序，以及通过将在所述多任务预测模型中使用的目标特征和风险类型相关的系数矩阵，与表示关于风险关联的领域知识的协方差矩阵链接，来学习和选择所述一组风险关联；
S4、使用所述多任务预测模型和优化所述链接规则化来计算个体设备的联合预测的多个目标风险类型的风险得分；
S5、以及通过提供用户界面输出针对所述个体设备的每个域中的所述多个目标风险类型的设备风险得分以供显示。
进一步地，步骤S4中所述优化所述链接规则化包括:对所述风险的特征选择和排序执行迭代算法；应用阈值化规则来更新表示用于风险特征选择和排序的关于风险关联的领域知识的协方差矩阵的元素。
进一步地，所述超前预警模块通过以下两种方法之一具体实现：
方法1包括如下步骤：
获取当前流经的安全生产数据对应的待识别风险；
若所述待识别风险不属于当前的风险特征库，则检测是否发生用户针对所述待识别风险的主动触发行为；
若发生，则将所述待识别风险存储至未识别风险库；若未发生，则将所述待识别风险存储至预警风险库，并根据预设预警模型以及当前所述预警风险库中的风险，进行预警处理；
方法2包括如下步骤：
根据安全生产任务类型，对安全生产设备内的安全生产任务进行分配，确定安全生产作业任务单，根据安全生产设备内的设备类型，确定风险特征库；
根据安全生产作业任务单对安全生产设备内的设备进行安全生产，采集每件设备的状态参数；
根据状态参数，得到每件设备的实时运行状态，结合风险特征库内包含的标准值对每件设备的实时运行状态进行判定，得到每件设备的运行状态报告；
根据实时运行状态以及运行状态报告，判定每件设备是否存在异常，对存在异常的设备根据预设的预警模型进行预警。
进一步地，所述应急处置模块，包括：操作系统、应用服务、数据库管理系统、服务器、存储器、视频系统设备、大屏幕指挥系统、网络和通讯基础设施、数据中心，所述数据中心设有应用整合服务、业务整合服务、数据整合服务，所述应用服务设有决策支持系统、业务支持系统、GIS引擎、工作流引擎、消息中间件、用户管理、权限管理，当获取到实时监测模块中的设备风险得分超过预设阈值时，或者超前预警模块的预警信息时，所述应急处置模块根据应急预案调用对应的应急专家库，以电话或网络通讯方式通知对应的部门和专家进行应急处理。
进一步地，所述系统评估模块，根据基于多源异构数据融合的安全风险动态量化评估模型，针对快速感知模块、实时监测模块、超前预警模块获取的高风险区域、设备设施，内置基于模糊Petri网建立的风险动态传播链路，首先确定风险点目标失效概率，然后依次确定初始事件失效概率、其余保护层失效概率和修正因子参数，最终根据安全风险动态量化评估模型计算企业整体的安全态势及抗风险水平。
总的来说，本申请的优势及给用户带来的体验在于：
1、简单易用：把复杂专业的安全管理简单化，调用用户积极性；
2、智能落地：使得安全管理系统规范、落地自驱，动态监测，防范化解重大安全生产风险；
3、安全高效：有效解决安全管理难题，让安全生产管理更高效；
4、减负增效：为管理者提高效率，为基层员工减轻线下工单负担。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本申请公开的一些实施方式，而不应将其视为是对本申请范围的限制。
图1示出根据本申请实施例的基于人工智能的安全生产监测预警系统的构成图。
图2示出快速感知模块的具体实现方法示意图。
图3示出根据本申请实施例的高风险设备的选取方式的具体实现方法示意图。
图4示出根据本申请实施例的应急处置模块的具体实现方法示意图。
图5示出了本申请一实施例所提供的一种电子设备的结构示意图。
图6示出了本申请一实施例所提供的一种存储介质的示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本申请的安全生产监测预警系统，在结合物联网智能组网、智能算法、图像识别、大数据分析等技术的基础上，能够对企业生产经营过程中的人员操作行为、设备运行状态、环境安全状况进行实时监测，快速、精准的发现安全问题，并进行联动响应，进一步提升企业安全生产活动的感知、监测、预警、处置、评估水平。可广泛应用于化工、钢铁、发电、矿山、民爆等重点行业，实现对工艺、设备、环境、人员、物料等安全生产全要素信息的快速感知、实时监测、超前预警、联动处置和系统评估，加速安全生产管理模式从静态分析向动态感知、事后应急向事前预防、单点防控向全局联防的转变。
申请实施例提供了一种基于人工智能的安全生产监测预警系统，用于基于大数据分析的云服务器，如图1所示，该系统包括：
快速感知模块，集成智能物联设备、测量仪器及边缘计算设备，构建基于工业互联网的态势感知能力；
实时监测模块，选取高风险、高价值设备，通过云上平台的方式，保障安全生产关键数据的在线监测；
超前预警模块，基于人工智能挖掘数据，依托风险特征库、预警模型，对可能出现的安全问题进行快速预警；
应急处置模块，结合应急预案、应急专家库，实现快速、多部门应急响应及联动；
系统评估模块，用于综合评价企业整体的安全态势及抗风险水平，对高风险区域、设备设施进行系统性评价。
以下详细介绍每个模块的具体实现方式及技术细节：
快速感知模块，如图2所示，集成智能物联设备、测量仪器及边缘计算设备，构建基于工业互联网的态势感知能力；具体包括如下步骤：
根据工业互联网智能监控装置获得生产设备图像信息和所述测量仪器数据；
将所述生产设备图像信息和所述测量仪器数据输入人工智能训练模型，其中，所述人工智能训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述生产设备图像信息、所述测量仪器数据和安全监督标准；
获得所述人工智能训练模型的输出信息，其中，所述输出信息包括不符合所述安全监督标准的图像信息；
通过边缘计算设备获得生产设备控制人员信息和刷脸信息；判断所述生产设备控制人员信息和刷脸信息是否一致；如果所述生产设备控制人员信息和刷脸信息一致，获得预警指令，所述预警指令用于提醒所述生产设备控制人员所述不符合所述安全监督标准的图像信息出现安全问题；如果所述生产设备控制人员信息和刷脸信息不一致，获得报警指令，所述报警指令用于高级用户所述不符合所述安全监督标准的图像信息出现安全问题以及所述生产设备控制人员未正常出勤；其中，所述高级用户为所述生产设备控制人员的上级管理人员。
所述边缘计算设备包括人流量管理模块、通信模块；
所述工业互联网智能监控装置被配置为，拍摄生产厂房的人流视频，提取人流视频中的人脸特征，与人脸特征数据库进行对比，生成对比结果上传至人流量管理模块；所述对比结果包括身份信息、入厂房时间、出厂房时间；
所述人流量管理模块被配置为，根据所述对比结果判断人员出勤情况，生成出勤情况表上传至云服务器，所述出勤情况表包括一个工作日内的迟到、早退、加班、缺勤情况。
实时监测模块，选取高风险、高价值设备，通过云上平台的方式，保障安全生产关键数据的在线监测；高价值设备比较好选取，可以根据设备进场时本身的价格进行选取。但是对于哪些是高风险的设备，以前往往是通过人为经验选择，这种选取往往并不符合实际，没有科学依据。为此，本申请重点研究了高风险设备的选取方式。其中，如图3所示，选取高风险设备的过程包括如下步骤：
S1、在实时监测模块处接收针对多个风险类型评估的设备的个体特征数据；
S2、由所述实时监测模块运行多任务预测模型，所述多任务预测模型经训练以基于所述个体特征数据联合预测所述设备的多个目标风险类型，并通过确定目标风险类型之间的相关性来预测一组风险关联，所述多任务预测模型基于以下参数训练:表示跨多个漏洞域的风险的数据，表示多个设备的特征的数据，以及表示所述多个设备的风险目标和特征的完整或不完整观察的数据；
S3、在实时监测模块中，根据跨多个漏洞域的风险的数据和所述完整或不完整观察的数据，使用特征数据的链接规则化调节所述多任务预测模型的训练、所述风险的特征的选择和排序，以及通过将在所述多任务预测模型中使用的目标特征和风险类型相关的系数矩阵，与表示关于风险关联的领域知识的协方差矩阵链接，来学习和选择所述一组风险关联；
S4、使用所述多任务预测模型和优化所述链接规则化来计算个体设备的联合预测的多个目标风险类型的风险得分；
S5、以及通过提供用户界面输出针对所述个体设备的每个域中的所述多个目标风险类型的设备风险得分以供显示。
其中，步骤S4中所述优化所述链接规则化包括:对所述风险的特征选择和排序执行迭代算法；应用阈值化规则来更新表示用于风险特征选择和排序的关于风险关联的领域知识的协方差矩阵的元素。
超前预警模块，基于人工智能挖掘数据，依托风险特征库、预警模型，对可能出现的安全问题进行快速预警；在这个模块中，使用以下两种方法之一具体实现即可：
方法1包括如下步骤：
获取当前流经的安全生产数据对应的待识别风险；
若所述待识别风险不属于当前的风险特征库，则检测是否发生用户针对所述待识别风险的主动触发行为；
若发生，则将所述待识别风险存储至未识别风险库；若未发生，则将所述待识别风险存储至预警风险库，并根据预设预警模型以及当前所述预警风险库中的风险，进行预警处理。
方法2包括如下步骤：
根据安全生产任务类型，对安全生产设备内的安全生产任务进行分配，确定安全生产作业任务单，根据安全生产设备内的设备类型，确定风险特征库；
根据安全生产作业任务单对安全生产设备内的设备进行安全生产，采集每件设备的状态参数；
根据状态参数，得到每件设备的实时运行状态，结合风险特征库内包含的标准值对每件设备的实时运行状态进行判定，得到每件设备的运行状态报告；
根据实时运行状态以及运行状态报告，判定每件设备是否存在异常，对存在异常的设备根据预设的预警模型进行预警。
应急处置模块，结合应急预案、应急专家库，实现快速、多部门应急响应及联动；如图4所示，包括：操作系统、应用服务、数据库管理系统、服务器、存储器、视频系统设备、大屏幕指挥系统、网络和通讯基础设施、数据中心，所述数据中心设有应用整合服务、业务整合服务、数据整合服务，所述应用服务设有决策支持系统、业务支持系统、GIS引擎、工作流引擎、消息中间件、用户管理、权限管理，当获取到实时监测模块中的设备风险得分超过预设阈值时，或者超前预警模块的预警信息时，所述应急处置模块根据应急预案调用对应的应急专家库，以电话或网络通讯方式通知对应的部门和专家进行应急处理。
系统评估模块，用于综合评价企业整体的安全态势及抗风险水平，对高风险区域、设备设施进行系统性评价。根据基于多源异构数据融合的安全风险动态量化评估模型，针对快速感知模块、实时监测模块、超前预警模块获取的高风险区域、设备设施，内置基于模糊Petri网建立的风险动态传播链路，首先确定风险点目标失效概率，然后依次确定初始事件失效概率、其余保护层失效概率和修正因子参数，最终根据安全风险动态量化评估模型计算企业整体的安全态势及抗风险水平。所述安全风险动态量化评估模型采用神经网络模型，通过安全生产大数据训练而获取，训练过程同普通神经网络训练过程，在此不再赘述。
请参考图5，其示出了本申请的一些实施方式所提供的一种电子设备的示意图。如图5所示，所述电子设备20包括：处理器200，存储器201，总线202和通信接口203，所述处理器200、通信接口203和存储器201通过总线202连接；所述存储器201中存储有可在所述处理器200上运行的计算机程序，所述处理器200运行所述计算机程序时执行本申请前述任一实施方式所提供的基于人工智能的安全生产监测预警系统。
其中，存储器201可能包含高速随机存取存储器(RAM：Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口203(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网、广域网、本地网、城域网等。
总线202可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中，存储器201用于存储程序，所述处理器200在接收到执行指令后，执行所述程序，前述本申请实施例任一实施方式揭示的所述基于人工智能的安全生产监测预警系统可以应用于处理器200中，或者由处理器200实现。
处理器200可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器200中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器200可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器201，处理器200读取存储器201中的信息，结合其硬件完成上述方法的步骤。
本申请实施例提供的电子设备与本申请实施例提供的基于人工智能的安全生产监测预警系统出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的基于人工智能的安全生产监测预警系统对应的计算机可读存储介质，请参考图6，其示出的计算机可读存储介质为光盘30，其上存储有计算机程序(即程序产品)，所述计算机程序在被处理器运行时，会执行前述任意实施方式所提供的基于人工智能的安全生产监测预警系统。
需要说明的是，所述计算机可读存储介质的例子还可以包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的基于人工智能的安全生产监测预警系统出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
需要说明的是：
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备有固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本申请也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本申请并帮助理解各个发明方面中的一个或多个，在上面对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的虚拟机的创建系统中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者系统程序(例如，计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干系统的单元权利要求中，这些系统中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于人工智能的安全生产监测预警系统，其特征在于，包括：
快速感知模块，集成智能物联设备、测量仪器及边缘计算设备，构建基于工业互联网的态势感知能力；
实时监测模块，选取高风险、高价值设备，通过云上平台的方式，保障安全生产关键数据的在线监测；
超前预警模块，基于人工智能挖掘数据，依托风险特征库、预警模型，对可能出现的安全问题进行快速预警；
应急处置模块，结合应急预案、应急专家库，实现快速、多部门应急响应及联动；
系统评估模块，用于综合评价企业整体的安全态势及抗风险水平，对高风险区域、设备设施进行系统性评价。
2.根据权利要求1所述的系统，其特征在于，
所述快速感知模块，具体包括如下步骤：
根据工业互联网智能监控装置获得生产设备图像信息和所述测量仪器数据；
将所述生产设备图像信息和所述测量仪器数据输入人工智能训练模型，其中，所述人工智能训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述生产设备图像信息、所述测量仪器数据和安全监督标准；
获得所述人工智能训练模型的输出信息，其中，所述输出信息包括不符合所述安全监督标准的图像信息；
通过边缘计算设备获得生产设备控制人员信息和刷脸信息；判断所述生产设备控制人员信息和刷脸信息是否一致；如果所述生产设备控制人员信息和刷脸信息一致，获得预警指令，所述预警指令用于提醒所述生产设备控制人员所述不符合所述安全监督标准的图像信息出现安全问题；如果所述生产设备控制人员信息和刷脸信息不一致，获得报警指令，所述报警指令用于高级用户所述不符合所述安全监督标准的图像信息出现安全问题以及所述生产设备控制人员未正常出勤；其中，所述高级用户为所述生产设备控制人员的上级管理人员。
3.根据权利要求2所述的系统，其特征在于，
所述边缘计算设备包括人流量管理模块、通信模块；
所述工业互联网智能监控装置被配置为，拍摄生产厂房的人流视频，提取人流视频中的人脸特征，与人脸特征数据库进行对比，生成对比结果上传至人流量管理模块；所述对比结果包括身份信息、入厂房时间、出厂房时间；
所述人流量管理模块被配置为，根据所述对比结果判断人员出勤情况，生成出勤情况表上传至云服务器，所述出勤情况表包括一个工作日内的迟到、早退、加班、缺勤情况。
4.根据权利要求3所述的系统，其特征在于，
所述选取高风险设备的过程包括如下步骤：
S1、在实时监测模块处接收针对多个风险类型评估的设备的个体特征数据；
S2、由所述实时监测模块运行多任务预测模型，所述多任务预测模型经训练以基于所述个体特征数据联合预测所述设备的多个目标风险类型，并通过确定目标风险类型之间的相关性来预测一组风险关联，所述多任务预测模型基于以下参数训练:表示跨多个漏洞域的风险的数据，表示多个设备的特征的数据，以及表示所述多个设备的风险目标和特征的完整或不完整观察的数据；
S3、在实时监测模块中，根据跨多个漏洞域的风险的数据和所述完整或不完整观察的数据，使用特征数据的链接规则化调节所述多任务预测模型的训练、所述风险的特征选择和排序，以及通过将在所述多任务预测模型中使用的目标特征和风险类型相关的系数矩阵，与表示关于风险关联的领域知识的协方差矩阵链接，来学习和选择所述一组风险关联；
S4、使用所述多任务预测模型和优化所述链接规则化来计算个体设备的联合预测的多个目标风险类型的风险得分；
S5、以及通过提供用户界面输出针对所述个体设备的每个域中的所述多个目标风险类型的设备风险得分以供显示。
5.根据权利要求4所述的系统，其特征在于，
步骤S4中所述优化所述链接规则化包括:对所述风险的特征选择和排序执行迭代算法；应用阈值化规则来更新表示用于风险特征选择和排序的关于风险关联的领域知识的协方差矩阵的元素。
6.根据权利要求5所述的系统，其特征在于，
所述超前预警模块通过以下两种方法之一具体实现：
方法1包括如下步骤：
获取当前流经的安全生产数据对应的待识别风险；
若所述待识别风险不属于当前的风险特征库，则检测是否发生用户针对所述待识别风险的主动触发行为；
若发生，则将所述待识别风险存储至未识别风险库；若未发生，则将所述待识别风险存储至预警风险库，并根据预设预警模型以及当前所述预警风险库中的风险，进行预警处理；
方法2包括如下步骤：
根据安全生产任务类型，对安全生产设备内的安全生产任务进行分配，确定安全生产作业任务单，根据安全生产设备内的设备类型，确定风险特征库；
根据安全生产作业任务单对安全生产设备内的设备进行安全生产，采集每件设备的状态参数；
根据状态参数，得到每件设备的实时运行状态，结合风险特征库内包含的标准值对每件设备的实时运行状态进行判定，得到每件设备的运行状态报告；
根据实时运行状态以及运行状态报告，判定每件设备是否存在异常，对存在异常的设备根据预设的预警模型进行预警。
7.根据权利要求6所述的系统，其特征在于，
所述应急处置模块，包括：操作系统、应用服务、数据库管理系统、服务器、存储器、视频系统设备、大屏幕指挥系统、网络和通讯基础设施、数据中心，所述数据中心设有应用整合服务、业务整合服务、数据整合服务，所述应用服务设有决策支持系统、业务支持系统、GIS引擎、工作流引擎、消息中间件、用户管理、权限管理，当获取到实时监测模块中的设备风险得分超过预设阈值时，或者超前预警模块的预警信息时，所述应急处置模块根据应急预案调用对应的应急专家库，以电话或网络通讯方式通知对应的部门和专家进行应急处理。
8.根据权利要求7所述的系统，其特征在于，
所述系统评估模块，根据基于多源异构数据融合的安全风险动态量化评估模型，针对快速感知模块、实时监测模块、超前预警模块获取的高风险区域、设备设施，内置基于模糊Petri网建立的风险动态传播链路，首先确定风险点目标失效概率，然后依次确定初始事件失效概率、其余保护层失效概率和修正因子参数，最终根据安全风险动态量化评估模型计算企业整体的安全态势及抗风险水平。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序以实现如权利要求1-8任一项所述的系统。
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，所述程序被处理器执行实现如权利要求1-8中任一项所述的系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310631100.3A CN116822715A (zh) | 2023-05-30 | 2023-05-30 | 一种基于人工智能的安全生产监测预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310631100.3A CN116822715A (zh) | 2023-05-30 | 2023-05-30 | 一种基于人工智能的安全生产监测预警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116822715A true CN116822715A (zh) | 2023-09-29 |
Family
ID=88111883
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310631100.3A Pending CN116822715A (zh) | 2023-05-30 | 2023-05-30 | 一种基于人工智能的安全生产监测预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116822715A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117391444A (zh) * | 2023-10-19 | 2024-01-12 | 应急管理部大数据中心 | 基于工业设备运行全过程监测的粉尘涉爆风险预警系统 |
| CN117496431A (zh) * | 2023-11-03 | 2024-02-02 | 广州准捷电子科技有限公司 | 一种基于室内外定位系统的户外作业安全监测方法 |
| CN117875720A (zh) * | 2024-03-11 | 2024-04-12 | 成都秦川物联网科技股份有限公司 | 基于物联网的智慧燃气管网场站人员安全管理方法与系统 |
| CN117391444B (zh) * | 2023-10-19 | 2024-05-07 | 应急管理部大数据中心 | 基于工业设备运行全过程监测的粉尘涉爆风险预警系统 |
-
2023
- 2023-05-30 CN CN202310631100.3A patent/CN116822715A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117391444A (zh) * | 2023-10-19 | 2024-01-12 | 应急管理部大数据中心 | 基于工业设备运行全过程监测的粉尘涉爆风险预警系统 |
| CN117391444B (zh) * | 2023-10-19 | 2024-05-07 | 应急管理部大数据中心 | 基于工业设备运行全过程监测的粉尘涉爆风险预警系统 |
| CN117496431A (zh) * | 2023-11-03 | 2024-02-02 | 广州准捷电子科技有限公司 | 一种基于室内外定位系统的户外作业安全监测方法 |
| CN117875720A (zh) * | 2024-03-11 | 2024-04-12 | 成都秦川物联网科技股份有限公司 | 基于物联网的智慧燃气管网场站人员安全管理方法与系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jahangoshai Rezaee et al. | Risk analysis of health, safety and environment in chemical industry integrating linguistic FMEA, fuzzy inference system and fuzzy DEA | |
| Barker et al. | Defining resilience analytics for interdependent cyber-physical-social networks | |
| Rosa et al. | Assessing risk in sustainable construction using the Functional Resonance Analysis Method (FRAM) | |
| CN116822715A (zh) | 一种基于人工智能的安全生产监测预警系统 | |
| Ortuño et al. | Decision aid models and systems for humanitarian logistics. A survey | |
| Khan et al. | Utilizing safety rule correlation for mobile scaffolds monitoring leveraging deep convolution neural networks | |
| Murphy et al. | Guidance on the use of best available science under the US Endangered Species Act | |
| US20150242779A1 (en) | Computerized complex system event assessment, projection and control | |
| CN110929648A (zh) | 监控数据处理方法、装置、计算机设备以及存储介质 | |
| Schryen et al. | Resource planning in disaster response: decision support models and methodologies | |
| CN110866642A (zh) | 安全监控方法、装置、电子设备和计算机可读存储介质 | |
| Crespo Márquez et al. | The maintenance management framework: A practical view to maintenance management | |
| Sapori et al. | A quantitative approach to risk management in critical infrastructures | |
| Sayan | An intelligent security assistant for cyber security operations | |
| CN116911158A (zh) | 一种基于大数据的自然灾害监测预警系统 | |
| Hooshangi et al. | Urban search and rescue (USAR) simulation in earthquake environments using queuing theory: estimating the appropriate number of rescue teams | |
| CN115034686A (zh) | 作业行为量化方法、装置、计算机设备和存储介质 | |
| Panevski | Some standardized peculiarity in defining the processes/stages providing input data for Intelligent Security Systems development–peripheral security systems | |
| Jemmali et al. | Optimizing forest fire prevention: intelligent scheduling algorithms for drone-based surveillance system | |
| CA3133390A1 (en) | Methods and systems for implementing and monitoring process safety management | |
| Da Silva et al. | A multidimensional risk evaluation framework for managing floods in urban areas | |
| Hooshangi et al. | USAR simulation system: presenting spatial strategies in agents’ task allocation under uncertainties | |
| Bezborodova et al. | Multi-agent Technologies for Comprehensive Monitoring of the State of Territorial Technosphere | |
| Haghshenas et al. | The Role of Artificial Intelligence in Managing Emergencies and Crises within Smart Cities | |
| CN117391462A (zh) | 一种应急管理的方法、系统、存储介质及处理器 |
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 |