CN116859800A - 基于复杂事件流的生产车间安全监测系统和方法 - Google Patents
基于复杂事件流的生产车间安全监测系统和方法 Download PDFInfo
- Publication number
- CN116859800A CN116859800A CN202310803969.1A CN202310803969A CN116859800A CN 116859800 A CN116859800 A CN 116859800A CN 202310803969 A CN202310803969 A CN 202310803969A CN 116859800 A CN116859800 A CN 116859800A
- Authority
- CN
- China
- Prior art keywords
- data
- event
- production
- module
- events
- 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 261
- 238000012544 monitoring process Methods 0.000 title claims abstract description 148
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 114
- 238000013500 data storage Methods 0.000 claims abstract description 15
- 230000008447 perception Effects 0.000 claims abstract description 9
- 238000012098 association analyses Methods 0.000 claims abstract description 8
- 239000000463 material Substances 0.000 claims description 53
- 230000002159 abnormal effect Effects 0.000 claims description 37
- 238000002372 labelling Methods 0.000 claims description 24
- 230000009471 action Effects 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 19
- 230000007613 environmental effect Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 13
- 230000006399 behavior Effects 0.000 claims description 11
- 238000013461 design Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 7
- 238000012502 risk assessment Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000004806 packaging method and process Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000001502 supplementing effect Effects 0.000 claims description 5
- 230000006378 damage Effects 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 abstract description 5
- 238000004220 aggregation Methods 0.000 abstract description 5
- 238000002156 mixing Methods 0.000 description 18
- 239000000155 melt Substances 0.000 description 9
- 239000002994 raw material Substances 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 239000007789 gas Substances 0.000 description 7
- 238000009776 industrial production Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 238000004880 explosion Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000002360 explosive Substances 0.000 description 3
- 238000003756 stirring Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000001988 toxicity Effects 0.000 description 2
- 231100000419 toxicity Toxicity 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009118 appropriate response Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 231100000817 safety factor Toxicity 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24036—Test signal generated by microprocessor, for all I-O tests
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于复杂事件流的生产车间安全监测系统，包括：多源数据感知层：用于采集生产现场多个致危险源数据；数据处理层：包括数据处理模块和生产数据存储数据库，数据处理模块根据数据类型对致危险源数据进行预处理；复杂事件监测处理层：包括简单事件定义模块、事件关联关系规则库和复杂事件处理模块；简单事件定义模块根据事件发生规则对数据进行封装和标准化定义以形成事件流；复杂事件流处理模块基于滑动时间窗对简单事件流进行聚合操作以对单个时间窗口内的事件进行关联分析、并判断是否有安全事件发生；应用服务层：用于展示生产现场致危险源状态。本发明还公开了一种基于复杂事件流的生产车间安全监测方法。
Description
技术领域
本发明属于生产车间安全监测技术领域，具体为一种基于复杂事件流的生产车间安全监测系统和方法。
背景技术
在一些工业生产中，由于其本身具有高度的危险性，生产过程中可能会出现诸如物料泄漏、设备故障、有害气体散发等安全隐患。这些隐患可能会引发火灾、爆炸等严重安全事故，威胁人身安全和生产设施的完整性。因此工业生产安全监测是确保生产过程安全的必要措施之一。
生产车间需要通过安全监测系统对致危险源的状态进行监测，保障生产安全顺利进行，目前关于生产线的安全监测系统已有一些研究和应用。如公开号为CN116129603A的中国专利申请公开了一种基于图像识别的车间安全监测系统，该系统基于高清变焦摄像头采集到的视频数据，结合计算机视觉目标检测算法进行车间人员防护安全监测，减少了人力资源浪费，提升了监测效率。公开号为CN113984246B的中国专利公开了一种基于温度传感的化工安全生产监测方法及系统，通过温度传感器获取温度，并将获取的车间温度与生产温度阈值进行对比，以此判断是否需要报警。解决了现有技术中对于温度的监控主要以人工为主，导致存在效率较低且不稳定性强的问题。
然而，生产安全受到人员、设备运行状态、生产环境等多个要素的综合影响，上述系统仅仅只对车间中单一致危险源进行监测，检测目标过于单一，无法实现生产车间的综合安全监测。为了解决现有露天矿山安全监测方式比较单一，只能针对单一安全事项的监测数据存储分析，难以实现从整体上对露天矿数据进行分类分析、存储和调用的问题，公开号为CN113223266B的中国专利公开了一种露天矿综合在线安全监测预警系统及监测预警方法，分别对边坡参数信息、人车位置参数信息、环境参数信息进行分别监测，当存在一者达到其对应的预警阈值，则发出警报。但是该系统没有考虑到各个致危险源之间关联关系，无法实现对采集到的生产数据进行综合判断。
综上所述，现有安全监测系统在各个领域通过传感器数据、图像/视频识别等形式对致危险源进行监测，分别对监测对象设置报警规则。但是生产车间的安全受人员、设备、环境、原材料等致危险源的共同影响，现有工业生产安全监测系统仅仅只对致危险源单独监测，而不对其余相关致危险源等进行关联、无法及时发现安全隐患。因此，现有生产安全监测系统还存在有以下不足：
1、现有生产安全监测系统通常设计用于特定类型的数据源，只能针对单一致危险源的监测数据存储分析，且各监测方式多样且监测数据相对独立，不易集成来自不同的数据源，如设备温度传感器数据、生产车间人员动作图像/视频、产品状态、车间环境数据等，并将采集到的数据综合考虑，限制了系统挖掘各个致危险源之间的关联关系并对生产安全现场全面监测和综合判断的能力。
2、工业生产通常涉及多个环节，其安全受到人员、设备等共同影响，然而现有生产安全监测系统无法通过定义上述致危险源之间的关联规则来识别生产车间潜在的危险情况。以火炸药生产场景为例，在一个时间窗口内，若炸药原材料加入的量比较大并且炸药熔混设备转速较高时就有可能导致物料之间产生热点，发生爆炸，此时监测规则中就必须考虑到物料用量和设备转速之间的关系，并对规则进行定义。
发明内容
有鉴于此，本发明的目的在于提供一种基于复杂事件流的生产车间安全监测系统和方法，以解决现有安全监测系统监测方式多样但监测数据相对独立，不易集成来自不同的数据源，并且规则定义未包含致危险源之间的关联关系的问题，最终实现生产安全现场多个致危险源的全面监测和综合判断。
为达到上述目的，本发明提供如下技术方案：
本发明首先提出了一种基于复杂事件流的生产车间安全监测系统，包括多源数据感知层、数据分析层、复杂事件监测处理层和应用服务层；
多源数据感知层：用于采集生产现场多个致危险源数据；
数据处理层：包括数据处理模块和生产数据存储数据库，所述数据处理模块根据数据类型对致危险源数据进行预处理，并将处理后的数据存储至所述生产数据存储数据库；
复杂事件监测处理层：包括简单事件定义模块、事件关联关系规则库和复杂事件处理模块；所述事件关联关系规则库用于存储和管理事件之间的关联关系的规则；所述简单事件定义模块接收经所述数据处理层处理后的致危险源数据、根据事件发生规则对数据进行封装和标准化定义以形成事件流；所述复杂事件流处理模块接收事件流并基于滑动时间窗对简单事件流进行聚合操作,调用所述事件关联关系规则库中的关联关系规则以对单个时间窗口内的事件进行关联分析、并判断是否有安全事件发生；
应用服务层：用于展示生产现场致危险源状态。
进一步，所述致危险源数据包括人员数据、设备数据、物料数据和环境数据；
所述人员数据包括车间人员数量、人员动作、人员位置和人员防护信息，所述人员数据的来源包括传感器采集、RFID识别、图像设备采集和视频监测设备采集；
所述设备数据包括设备温度、设备内压力、防爆冰箱温度、卸料落差和消防系统状态，所述设备数据的来源包括传感器采集，PLC数据采集以及利用工业信息通讯协议从设备控制系统提供的数据接口实时采集；
所述物料数据包括物料温度、物料粘度、物料堆积状态和物料流量；所述物料数据的来源包括传感器采集和利用工业信息通讯协议从设备控制系统提供的数据接口实时采集；
所述环境数据包括生产车间的温度、湿度、有害气体浓度和风速；所述环境数据的来源包括传感器采集。
进一步，所述致危险源数据的类型包括文本数据、数值数据和图像数据；
所述数据处理模块针对文本数据和数值数据的处理方法为：首先将原始数据中没有规则的随机异常数据以及一些高频的异常数据进行过滤；然后剔除异常数据，并用异常数据的前一时刻的数值作为替代；最后对数据进行降维操作，将高维数据转化为低维表示；
所述数据处理模块针对图像数据的处理方法为：首先对原始图像数据进行图像去噪处理，去除图像数据中的噪声，提高图像数据的清晰度；然后对去噪后的图像数据进行图像增强，达到改善人员动作图像的质量、增加可视效果、突出图像中的细节或减少噪声的目的；最后将处理后的图像数据发送至语义自动标注模块，所述语义自动标注模块识别图像信息，并根据读取的图像信息自动进行语义标注并生成语义标注文本。
进一步，所述生产数据存储数据库内设有包括四张表格，四张表格用于分别存储生产车间工作人员信息、生产设备信息、生产车间物料信息和生产车间环境信息；
所述生产车间工作人员信息包括人员的姓名、位置坐标、总人数、人员的防护状态以及检测到的人员动作；
所述生产设备信息包括设备运行状态、设备操作模式、设备温度和设备压力；
所述生产车间物料信息包括物料的颜色、平均尺寸、形状和纯净程度；
所述生产车间环境信息包括环境温度、湿度、风速和有害气体浓度。
进一步，所述简单事件定义模块用于将采集到的数据流包装成简单事件，所述简单事件是具备简单生产语义的事件，可用来反映生产现场致危险源的状态变化，使管理者可以快速了解生产要素的生产状态；
所述简单事件包括区间事件和点事件，所述点时间事件为致危险源的状态信息随时间的变化而变化的事件，具有很高的实时性；所述区间事件指对应要素的状态在短时间内不会随着时间变化而改变事件。
进一步，所述简单事件定义模块将区间事件标准化定义为：
E＝(I,topic,name,origin,Param,T0,T1)
其中，E表示简单事件，Ei表示标识为i的简单事件，两个不同事件的标识符必定不同，即topic为主题域，把事件按致危险源数据的类型分为不同的主题域；name为事件名称，同一主题域内事件类型不能重名，不同主题域中的事件类型可以重名；origin为事件来源；param为区间事件参数，用于对事件发生情况进行数据补充，可以为空；T0、T1分别表示事件的起始时间和结束时间；
所述简单事件定义模块将点事件标准化定义为：
El＝(Il,topic,name,origin,Param-l,T)
其中,Il表示生产过程中持续简单事件的唯一标识符；param-l为点事件参数，用于对事件发生情况进行数据补充，可以为空；T表示点事件的生成时间。
进一步，所述事件关联关系规则库为生产安全监测规则的集合，集中存储了安全监测系统在进行生产安全监测时所使用的规则，主要用于现有生产安全监测系统无法通过定义上述致危险源之间的关联规则来识别生产车间潜在的危险情况。在规则库中，每条规则包含一个条件过滤器以及多个动作，在条件过滤值为真(即监测出危险事件)时执行，规则库通过规则编辑器完成编写，并且允许用户进行不断更新。
进一步，所述事件关联关系规则库内的规则来源包括领域知识、规则学习和人工设计；其中，
领域知识为：在对物料及其产品的特性、危害和风险进行评估的基础上，识别和评估在生产过程中可能存在的潜在风险和致危险源，根据物料及其产品的特性和生产过程中存在的风险而制定的生产安全监测规则；
规则学习为：通过比较预测的复杂事件记录与真实的复杂事件记录，得出当前安全监测规则的性能，以对规则进行参数校准；
人工设计为：用于人工手动设计规则。
进一步，所述应用服务层包括致危险源管理模块、生产安全监测模块、报告生成模块和生产车间告警终端模块；
所述致危险源管理模块包括设备参数看板、人员行为看板和车间环境数据看板；所述设备参数看板用于对生产车间中所有作业区域的生产设备运行状态进行集中监控；所述人员行为看板用于对当前生产车间的人员信息进行展示，并对每一个人员所在工位的行为进行观察；所述车间环境数据看板针对当前生产场景下的关键参数进行实时监测；
所述生产安全监测模块负责根据设置的生产安全监测规则，通过所述复杂事件处理模块将实时生产状态数据匹配成相应的安全事件，并在系统界面上将检测到的异常事件信息进行事件消息推送；所述生产安全监测模块包括事件处理规则设置功能模块和关联事件展示模块；所述事件处理规则设置功能模块用于设定生产过程中的致危险源可能导致危险事故的复合关系，服务于所述复杂事件处理模块；所述关联事件展示模块主要用于展示所述复杂事件处理模块的监测结果；
所述生产安全监测模块针对生产过程中致危险源的检测结果生成相关报告，包括安全事件报告、风险评估报告和历史数据查询功能；所述安全事件报告提供了生产过程中发生的安全事件的识别和分类；所述风险评估报告提供了对生产安全风险的识别和评估；所述历史数据查询功能用于回溯和分析过去发生的安全事件和事故；
所述生产车间告警终端模块用于对监测到的危险事件进行通报。
本发明还提出了一种基于复杂事件流的生产车间安全监测方法，包括如下步骤：
步骤一：利用多源数据感知层采集生产现场多个致危险源数据，并将采集的多源异构数据传输至数据处理层；
步骤二：利用数据处理层对致危险源数据进行预处理；
21)对致危险源数据分类，将致危险源数据分为文本数据、数值数据和图像数据；
22)针对文本数据和数值数据：首先将原始数据中没有规则的随机异常数据以及一些高频的异常数据进行过滤；然后剔除异常数据，并用异常数据的前一时刻的数值作为替代；最后对数据进行降维操作，将高维数据转化为低维表示；
针对图像数据：首先对原始图像数据进行图像去噪处理，去除图像数据中的噪声，提高图像数据的清晰度；然后对去噪后的图像数据进行图像增强，达到改善人员动作图像的质量、增加可视效果、突出图像中的细节或减少噪声的目的；最后将处理后的图像数据发送至语义自动标注模块，所述语义自动标注模块识别图像信息，并根据读取的图像信息自动进行语义标注并生成语义标注文本；
23)将处理后的数据存储至生产数据存储数据库；
步骤三：利用复杂事件监测处理层根据定义的事件关联关系规则对输入的事件流进行分析和监测；
31)利用简单事件定义模块根据事件发生规则对数据进行封装和标准化定义以形成事件流；
32)复杂事件流处理模块接收事件流并基于滑动时间窗对简单事件流进行聚合操作,调用所述事件关联关系规则库中的关联关系规则以对单个时间窗口内的事件进行关联分析，实现异常事件的实时监测；
33)将复杂事件流处理模块的监测结果解析成预警输出标准化处理语句，对经过规则计算和分析的数据流进行标准化解析并输出，将事件信息存储至数据库并发送至应用服务层；
步骤四：利用应用服务层实时查看当前车间安全状态并及时知晓监测到的安全事件信息。
本发明的有益效果在于：
本发明基于复杂事件流的生产车间安全监测系统，综合考虑了生产场景中人员、机器、物料、环境等影响生产安全因素的内在关系，通过综合分析这些多源数据之间的关联关系，可以提供更全面和准确的安全事件信息，改变了以往研究中仅依靠单一指标预警或单系统预警的不足，实现生产车间全方位的安全预警；
通过数据处理层对采集到的致危险源数据进行预处理、数据分类、数据流语义分析、简单事件定义，最终实现多源数据的语义挖掘，打破了原有安全监测系统由于数据格式不统一而无法查询致危险源之间关联关系的问题；如此，本发明的生产车间安全监测系统可以根据实际情况适应不同的监测对象、环境和目标，从而提高系统的适用性和效果；
复杂事件监测处理层建立了事件关联关系规则库，能够检测出安全事件中的异常行为和规律并自动识别与预设规则不符的事件，并将其标记为潜在的安全威胁，有助于快速发现和溯源安全事件，防止潜在风险的进一步扩大。此外，用户还可以根据特定的需求和场景自定义事件规则、模式和条件，能够根据实际情况进行灵活调整和配置，以满足不同的安全监测要求。
综上，本发明基于复杂事件流的生产安全监测系统及方法，实现在工业生产场景下，从多源数据感知层、数据分析层、复杂事件监测处理层和应用服务层四个层面对生产车间安全监测系统进行架构，解决现有安全监测系统监测方式多样且监测数据相对独立，不易集成来自不同的数据源，并且规则定义未包含致危险源之间的关联关系的问题，最终实现生产安全现场人员、设备、环境、原材料等致危险源的全面监测和综合判断。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：
图1为本发明基于复杂事件流的生产车间安全监测系统实施例的框架图；
图2为多源数据感知层的原理图；
图3为数据处理层的原理图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
如图1所示，本实施例的基于复杂事件流的生产车间安全监测系统，，包括多源数据感知层、数据分析层、复杂事件监测处理层和应用服务层。多源数据感知层接收生产现场多致危险源数据发送至数据处理层；数据处理层根据发送来的数据类型对数据进行处理，再将处理后的数据发送至复杂事件监测处理层，复杂事件监测处理层包含简单事件定义模块、事件关联关系规则库和复杂事件处理模块；简单事件定义模块接收处理后的数据根据事件发生规则对数据进行封装并进行标准化定义形成事件流并发送至复杂事件处理模块，复杂事件流处理模块接收事件流并调用事件关联关系规则库中的关联规则对单个时间窗口内的事件进行关联分析、检测判断是否有安全事件发生，并将结果发送至应用服务层。
1、多源数据感知层
多源数据感知层用于采集生产现场多个致危险源数据。具体的，多源数据感知层是实现生产全方位安全监测的基础，同时也是复杂事件检测处理层事件流的来源。工业生产过程中的各类生产要素(包含人员、设备、原材料、在制品、环境等)信息通过各类传感器、图像采集设备或手动输入的方式进行实时感知，并借助工业通讯协议将感知的数据发送至数据处理层，实现生产现场全要素数据的感知。
多源数据感知层是整个生产安全监测系统的数据来源。在生产车间中致危险源众多，涉及到人、机、料、环等多个方面，在实际监测过程中需要感知的数据种类多、数据结构不同，各类型数据采集方法也不相同。因此本实施例采用设备控制系统采集方式、传感器感知采集方式等获取方式结合采集上述多源异构数据。
在车间生产过程中，由于产品工艺复杂(以熔铸装药生产为例，包含熔混、浇注、凝固等多种工艺)、设备类型多，物料种类多等导致生产车间现场的生产环境复杂。根据数据采集对象的不同，本实施例中，将致危险源数据划分为包括人员数据、设备数据、物料数据和环境数据的四个种类。具体数据采集方式如图2所示。
(1)人员数据：以熔铸装药生产为例，现有生产车间仍需人工实现物料上料、药液浇注和取冒口等危险工作，通过监测生产车间人员行为，可以及时发现和纠正潜在的安全隐患和不安全行为，提醒人员遵守安全规程和操作流程，减少事故的风险。因此，人员数据主要包含有车间人员数量、人员动作、人员位置、人员防护信息等数据信息，人员数据的来源包括传感器采集、RFID识别、图像设备采集和视频监测设备采集等。
(2)设备数据：在生产车间中，生产设备主要包含有反应釜、熔混设备等，如果设备出现异常极易发生爆炸等安全事故，因此对生产设备状态监测至关重要。设备数据主要包含生产过程中设备温度、设备内压力、防爆冰箱温度、卸料落差、消防系统状态等。设备数据的来源包括传感器采集，PLC数据采集以及利用OPCUA、MTConnect等工业信息通讯协议从设备控制系统提供的数据接口实时采集等。
(3)材料数据：对于熔铸装药生产，生产车间原材料材料本身就是一种高能材料，若原材料加入的量比较大并且熔混设备等转速较高时就有可能导致物料之间产生热点，发生爆炸，因此对产过程中原材料使用量、浆液粘度等进行监测也尤为重要。因此，物料数据包括物料温度、物料粘度、物料堆积状态和物料流量等。物料数据的来源包括传感器采集和利用工业信息通讯协议从设备控制系统提供的数据接口实时采集等。
(4)环境数据：一些危化品生产对车间的温度、湿度有着较高的要求，并且生产过程中会伴随产生各类有害气体，因此有必要对生产过程中的环境信息进行监测和分析，及早发现潜在的环境风险。因此，环境数据包括生产车间的温度、湿度、有害气体浓度和风速等。环境数据的来源包括传感器采集。
2、数据处理层
数据处理层包括数据处理模块和生产数据存储数据库，数据处理模块根据数据类型对致危险源数据进行预处理，并将处理后的数据存储至生产数据存储数据库。具体的，数据处理层是生产安全监测系统实现的核心部分，其作用主要利用数据清洗等技术对采集到的多源异构数据进行预处理并将符合双方通信协议的数据解析，在此基础上将数据分为图像数据、文本数据、视频数据等，针对不同的数据类型进行分析，并将处理后的数据及的数据存储至生产安全数据库。数据库存储模块的作用是存储人员、设备、物料、环境等致危险源的生产数据，包括动态数据(如实时生产状态信息)、静态数据(如基础属性信息、生产任务相关信息等)。
在实际生产环境中，生产车间安全监测信息数据通量大，传输速度快，数据采集频率高，为了保证复杂事件监测的准确性，各通道采集的运行数据需要保证同步、高稳定性、实时性。为了实现上述要求，本实施例将各种传感器采集的数据流进行分类，本实施例中，致危险源数据的类型包括文本数据、数值数据和图像数据。
针对传感器采集到的数值流数据数量庞大、结构不统一和冗余等特点。具体的，数据处理模块针对文本数据和数值数据的处理方法为：首先将原始数据中没有规则的随机异常数据以及一些高频的异常数据进行过滤；然后剔除异常数据，并用异常数据的前一时刻的数值作为替代；最后对数据进行降维操作，将高维数据转化为低维表示。以提高运行速度，处理后的数据存储进生产数据存储数据库。数据处理模块针对图像数据的处理方法为：首先对原始图像数据进行图像去噪处理，去除图像数据中的噪声，提高图像数据的清晰度；然后对去噪后的图像数据进行图像增强，达到改善人员动作图像的质量、增加可视效果、突出图像中的细节或减少噪声的目的；最后将处理后的图像数据发送至语义自动标注模块，语义自动标注模块识别图像信息，并根据读取的图像信息自动进行语义标注并生成语义标注文本。生成的语义标注文本将被发送至生产数据存储数据库进行存储。具体流程如图3所示。
生产车间数据库建立主要是为了对数据进行存储，对采集到的生产车间采集到的人员、设备、物料、环境等数据实现动态管理，实现对持久性存储与访问操作。数据采集平台支持常用的数据库有：MySQL、Oracle、MongoDB等，本实施例使用MySQL来存储数据。MySQL是一种高效、安全、跨平台的并能够支持JAVA等主流编程语言的数据库系统。在本实施例生产车间安全监测系统设计过程中需要对生产数据持久性保存。本实施例的生产数据存储数据库内设有包括四张表格，四张表格用于分别存储生产车间工作人员信息、生产设备信息、生产车间物料信息和生产车间环境信息。
具体的，如表1所示，STAFF这张表用来存储生产车间工作人员信息，如当前车间人员的姓名、位置坐标、总人数、人员的防护状态、检测到的人员动作等信息，通过库函数采集数据信息并传输到这张表中进行存储。
表1人员信息数据表
如表2所示，MACHINE这张表用来存储生产设备的信息，如生产设备熔混锅、探针等的运行状态、操作模式、设备温度、设备压力等，当生产设备开启时，通过库函数采集数据信息并传输到这张表中进行存储。
表2设备信息数据表
如表3所示，SUPPLIES这张表用来存储生产车间物料的信息，如奥克托金、铝粉等物料的颜色、平均尺寸、形状、纯净程度等等，可以通过库函数采集数据信息并传输到这张表中进行存储。
表3物料信息数据表
如表4所示，ENVIRONMENT这张表用来存储生产车间环境信息，如生产时的环境温度、湿度、风速、有害气体浓度等，通过库函数采集数据信息并传输到这张表中进行存储。
表4环境信息数据表
3、复杂事件监测处理层
本实施例的复杂事件监测处理层包括简单事件定义模块、事件关联关系规则库和复杂事件处理模块。事件关联关系规则库用于存储和管理事件之间的关联关系的规则；简单事件定义模块接收经数据处理层处理后的致危险源数据、根据事件发生规则对数据进行封装和标准化定义以形成事件流；复杂事件流处理模块接收事件流并基于滑动时间窗对简单事件流进行聚合操作,调用事件关联关系规则库中的关联关系规则以对单个时间窗口内的事件进行关联分析、并判断是否有安全事件发生。
复杂事件流处理层是将解析后的数据流输入复杂事件处理引擎，并根据定义的事件关联关系规则对输入的事件流进行分析、监测。复杂事件监测处理层中包含简单事件定义模块、复杂事件流处理模块、事件关联关系规则库。其中，简单事件定义模块通过数据筛选和定义的事件发生规则，将大量零散的、语义层次和实用价值较低的文本/数值信息、图像/视频的语义标注信息等变为具有应用价值、可反映车间致危险源生产状态的简单事件流；事件关联关系规则库是一个用于存储和管理事件之间关联关系规则的数据库或知识库。它包含了一系列定义了车间生产事件之间关联关系的规则，用于描述生产过程中致危险源事件的相互依赖、时序关系、因果关系等。每条规则包含一个条件过滤器以及多个动作，条件过滤器可包含多个过滤条件。复杂事件处理模块主要是在简单事件的基础上，基于滑动时间窗对简单事件流进行的聚合操作，根据事件关联关系规则库预先定义好的生产业务逻辑规则，实现工业生产安全事件的实时检测。将监测到的复杂事件发送至应用服务层进行显示。
复杂事件流处理层是将解析后的生产现场采集的数据流输入基于时间窗口的复杂事件流处理引擎，同时引擎根据事件关联关系数据库中存储的事件规则对进入的事件流进行分析、监测，并将检测到的生产安全监测事件存储金复杂事件数据库。复杂事件监测处理层包含简单事件定义模块、复杂事件流处理模块和事件关联关系规则库。
3.1简单事件定义模块
简单事件定义模块用于将采集到的数据流包装成简单事件，简单事件是具备简单生产语义的事件，可用来反映生产现场致危险源的状态变化，使管理者可以快速了解生产要素的生产状态。
由于复杂事件流处理引擎无法对生产车间的人员、设备、物料、环境等致危险源获取的数据流不能直接进行模式匹配和事件聚合，所以需要定义简单事件，将采集到的数据流用合适的事件模型包装成简单事件再输入复杂事件流处理引擎。简单事件是具备简单生产语义的事件，可用来反映生产现场致危险源的状态变化，使管理者可以快速了解生产要素的生产状态。在本实施例中，依据生产事件的持续时间可以把简单事件分为区间事件和点事件。其中点时间事件主要是现场致危险源的状态信息随时间的变化而变化的事件，具有很高的实时性，因此简单事件识别模块需要将识别到的致危险源信息转换为点时间事件实时发送到复杂事件流处理引擎，以确保实时处理性能；区间时间事件主要是指对应要素的状态短时间内不会随着时间变化而改变事件，如某位工作人员的身体健康状态。对于这类事件简单事件定义模块短时间内只需识别一次并发送至复杂事件检测模块即可。
为了便于不同致危险源产生数据传递和处理具有一致性和互操作性，需要对不同数据源产生的事件进行标准化定义。区间事件包含的信息较为简单，具体的，简单事件定义模块将区间事件标准化定义为：
E＝(I,topic,name,origin,Param,T0,T1)
其中，E表示简单事件，Ei表示标识为i的简单事件，两个不同事件的标识符必定不同，即topic为主题域，把事件采集数据的类型人员、设备、物料、环境等分为不同的主题域；name为事件名称，同一主题域内事件类型不能重名，不同主题域中的事件类型可以重名；origin为事件来源，可以表示来自不同的子系统(设备控制终端等)，或某一终端设备(视觉传感设备、传感器等)；param为区间事件参数，用于对事件发生情况进行数据补充，可以为空；T0、T1分别表示事件的起始时间和结束时间。
简单事件定义模块将点事件标准化定义为：
El＝(Il,topic,name,origin,Param-l,T)
其中,Il表示生产过程中持续简单事件的唯一标识符；param-l为点事件参数，用于对事件发生情况进行数据补充，可以为空；T表示点事件的生成时间。
简单事件定义模块对处理后数据进行筛选，通过描述生产安全事件，部分简单事件列举如下：
A.生产人员简单事件
(1)进入生产车间人数：例如超过规定的12人，达到14人时，点事件发生，记为E＝(000-001-000,person,person-number,sensor-01,14,20210302 13:03)
(2)利用视觉传感器实时识别工作人员在工作时的动作，并根据相关算法判断该动作是否为危险动作，生成简单事件。例如工作人员进行违规操作，标准化定义为E＝(000-002-001,person,person-action,sensor-03,dangerous,20210502 14:03)
(3)利用RFID等相关设备在线实时监测工作人员的位置信息。例如若生产工作人员处于生产设备附近则生成区间简单事件，记为E＝(000-003-002,person,person-distance,sensor-07,50,20210603 09:03)
……
B.生产设备
(1)温度传感器采集车间熔混锅温度，可以利用简单事件定义模块定义简单事件，例如熔混锅温度为100℃时，简单事件可以记为E＝(100-001-001,machine,machine-temperature,sensor-04,100,202100401 13:03)
(2)设备操作系统采集到车间熔混锅内的压力，可以利用简单事件定义模块定义简单事件，例如熔混锅内压力为75MPa时，简单事件可以记为E＝(100-002-002,machine,machine-pressure,sensor-05,75,202100402 06:03)
(3)设备操作系统采集到熔混锅内搅拌桨的旋转速度，可以利用简单事件定义模块定义简单事件，例如熔混锅内搅拌桨转速为70r/min时，简单事件可以记为E＝(100-003-003,machine,machine-stirring,sensor-06,70,202100403 07:03)
……
C.物料
(1)利用传感器采集到熔混完成后药液在管道内的流动速度，可以利用简单事件定义模块定义简单事件，例如管道内药液流动速度为4m/s时，简单事件可以记为E＝(200-001-001,supplies,supplies-flow,sensor-07,4,202100803 16:03)
……
D.环境
(1)根据传感器采集的生产车间的温度，可以利用简单事件定义模块定义简单事件。例如车间内湿度为45％时，简单事件可以记为E＝(300-001-001,environment,environment-humidity,sensor-08,4,202100503 11:03)
……
3.2复杂事件流处理模块
(1)生产车间致危险源产生的数据流能够反映各危险源的状态，对事件流进行聚合、关联分析能够更加直观的判断生产车间整体状况。传统事件流处理都只是针对事件的分析都是对单个点事件进行计算，这种方式虽然能够保证事件处理的时效性，但是在一定程度上割裂了不同事件之间的关联性，而这种关联性对生产车间整体安全监测非常重要，因此引入滑动时间窗的处理方式对事件流进行处理是十分有必要的。本实施例中基于时间窗口的复杂事件流处理引擎，将滑动时间窗口长度设置为5min，基本时间窗口长度为1min，在每个基本时间窗口下都进行独立的计算任务，因此计算任务将以1min的滑动窗口在5分钟内进行滑动，统计整个计算窗口(5min)的计算结果。若监测到危险事件则立刻发送报警信息。
(2)基于时间窗口的复杂事件流处理引擎通过调用事件关联关系规则库中的预定义的规则、逻辑条件或模式，对提取到的事件进行匹配和组合，以检测和识别复杂事件。这个阶段涉及将简单事件组合成更复杂的事件，以及确定事件之间的关联关系，帮助用户快速理解事件发生的背景、原因和影响，及时采取相应的响应措施。
3.3事件关联关系规则库
复杂事件流处理层的另一重要模块为事件关联关系规则库，规则库是生产安全监测规则的集合，集中存储了监测系统在进行生产安全监测时所使用的规则，主要用于现有生产安全监测系统无法通过定义上述致危险源之间的关联规则来识别生产车间潜在的危险情况。在规则库中，每条规则包含一个条件过滤器以及多个动作，在条件过滤值为真(即监测出危险事件)时执行，规则库通过规则编辑器完成编写，并且允许用户进行不断更新。
具体的，事件关联关系规则库内的规则来源包括领域知识、规则学习和人工设计。
(1)领域知识
利用生产的领域知识对物料及其产品的特性、危害和风险进行评估，包括物理性质、化学性质、毒性、易燃性等，在此基础上识别和评估在生产过程中可能存在的潜在风险和致危险源，根据产品的特性和生产过程中的风险，制定详细的生产安全监测规则。例如针对生产现场的熔混设备的监测，可以从熔混设备的温度、震动频率、噪声三个方面对设备是否出现故障进行综合判断，在2分钟的时间内，若熔混设备出现温度高于150℃，振动频率大于20000HZ,音量大于800分贝，则产生一个表示机器故障的复杂事件，仅仅考虑单个危险因素可能造成误警。
(2)规则学习
领域专家需要完整定义出全部相关的事件类型，事件之间的内在联系，事件的属性类型及值域，随之组合成涵盖一切细节的复杂事件规则。然而在生产系统中，随着时间的推移，致危险源产生事件流的属性值约束(即规则参数)会产生微小但关键的改变，从而影响复杂事件规则的事件模式匹配结果。因此本事实例中利用规则学习的方法对系统运行过程中用到的规则进行参数校准。利用上一时间段内真实的复杂事件记录以及规则作为输入，根据相关算法预测下一时间段内复杂事件规则，然后再利用参数预测的推论规则与真实的原子事件作为输入，输出预测的复杂事件。通过比较预测的复杂事件记录与真实的复杂事件记录，得出当前安全监测规则的性能，然后做出相应的参数校正。并把校正后的规则作为参数预测的输入之一。
(3)人工设计
为了应对具体生产场景下可能出现的复杂安全问题，本系统还包含人工手动进行规则设计。例如现有生产车间仍需人工实现物料上料、药液浇注等危险工作，在利用反应釜对原料进行熔混操作时，熔混过程中温度最高可达130℃并且伴随有毒气体产生，此时若有生产人员未经许可靠近反应釜发起危险动作(例如触摸反应釜等)或车间内通风不良极有可能引发人员烫伤、设备损坏或车间内有害气体浓度过高导致人员中毒等安全事故。为面对该场景下出现的问题，此时就需要人工手动设计规则。例如在1分钟的时间内，若熔混设备外壁温度高于100℃，生产人员距离该设备的距离小于1m，并且人员有摔倒等危险动作时，则产生一个人员或设备可能发生危险的复杂事件。
4、应用服务层
应用服务层用于展示生产现场致危险源状态。应用服务层通过功能封装将处理分析后的数据、复杂事件监测的结果以不同形式展现在系统界面上，用于生产现场致危险源状态的全面展示，当车间内出现安全事故时，可以通过系统内展示报警信息、车间内警报、移动终端告警三种形式联合的方式通知现场工作人员。
应用服务层通过功能封装将处理分析后的数据、复杂事件监测的结果以不同形式展现在系统界面上，通过建立系统接口，企业资源计划(ERP)等系统内的信息数据进行集成，及时将复杂事件处理层监测出的有意义的事件发布给用户。为方便对生产异常监测原型系统的后期维护和功能扩展、降低对操作系统和运行环境的限制要求，本原型系统采用通用性较强的B/S架构进行设计及开发，并以Java作为主要开发语言，将开发完成的系统部署在企业服务器上，车间管理人员和生产操作人员可使用同一局域网内的任一客户端对其进行访问和操作。应用服务层主要包括整个生产车间的致危险源管理、生产安全监测模块、报告生成模块和生产车间告警终端模块。
4.1致危险源管理模块
致危险源管理模块只要用于展示的生产车间致危险源中的基本信息。包含设备参数看板、人员行为看板、车间环境数据看板。其中设备参数看板可以对生产车间中所有作业区域的生产设备运行状态进行集中监控，包括不同设备启停状态、设备运行时长、当前工艺参数、设备当前温度等；人员行为看板可以对当前生产车间的人员数量、人员着装等信息进行展示，并且可以针对每一个人员所在工位的行为进行观察；车间环境数据看板可以针对当前生产场景下的温度、湿度、风速等关键参数进行实时监测；若以上看板出现异常时，则自动预警，提醒管理人员进行安全检查。
4.2生产安全监测模块
生产安全监测模块是整个系统的核心功能，主要负责对生产过程中复杂事件监测规则设置、检测以及预警。生产异常检测功能负责根据设置的安全事件监测规则，通过复杂事件处理模块将实时生产状态数据匹配成相应的安全事件，并在相关人员的系统界面上将检测到的异常事件信息进行事件消息推送；事件处理规则设置功能主要对生产过程中设备、人员、物料等致危险源可能导致危险事故的复合关系设定，服务于基于时间窗口的复杂事件流处理引擎。关联事件展示模块主要用于基于时间窗口的复杂事件流处理引擎监测结果展示，确保引擎处于正常的工作状态。
4.3报告生成模块
报告生成模块可以针对安全监测系统对生产过程中致危险源的检测结果生成相关报告，主要包含有安全事件报告、风险评估报告、历史数据查询功能。安全事件报告模块提供了生产过程中发生的安全事件的识别和分类。可以标识出潜在的危险、异常行为或违规情况，帮助用户快速了解当前的安全状态。风险评估报告提供了对生产安全风险的识别和评估。它们可以识别致危险源导致的风险事件和脆弱环节，并评估它们对安全的威胁程度。通过风险评估报告，决策者可以更好地了解哪些方面存在较高的风险，以便采取相应的措施来降低风险。历史数据查询功能能够使用户能够回溯和分析过去发生的安全事件和事故。通过查询历史数据，可以了解事件的起因、过程和影响，从中获取有关事故原因和模式的洞察力。这有助于识别潜在的问题和改进安全措施，以避免类似的事故再次发生。
4.4生产车间告警终端模块
生产系统的生产车间告警终端主要采用监测系统内部告警、移动终端告警和生产现场报警三种方式联合的方法对监测到的危险事件进行通报，确保用户及时获得报警信息。
下面结合本实施例上述基于复杂事件流的生产车间安全监测系统对本发明基于复杂事件流的生产车间安全监测方法的具体实施方式进行说明。
本实施例基于复杂事件流的生产车间安全监测方法，包括如下步骤：
步骤一：利用多源数据感知层采集生产现场多个致危险源数据，并将采集的多源异构数据传输至数据处理层；
步骤二：利用数据处理层对致危险源数据进行预处理；
21)对致危险源数据分类，将致危险源数据分为文本数据、数值数据和图像数据；
22)针对文本数据和数值数据：首先将原始数据中没有规则的随机异常数据以及一些高频的异常数据进行过滤；然后剔除异常数据，并用异常数据的前一时刻的数值作为替代；最后对数据进行降维操作，将高维数据转化为低维表示；
针对图像数据：首先对原始图像数据进行图像去噪处理，去除图像数据中的噪声，提高图像数据的清晰度；然后对去噪后的图像数据进行图像增强，达到改善人员动作图像的质量、增加可视效果、突出图像中的细节或减少噪声的目的；最后将处理后的图像数据发送至语义自动标注模块，语义自动标注模块识别图像信息，并根据读取的图像信息自动进行语义标注并生成语义标注文本；
23)将处理后的数据存储至生产数据存储数据库；
步骤三：利用复杂事件监测处理层根据定义的事件关联关系规则对输入的事件流进行分析和监测；
31)利用简单事件定义模块根据事件发生规则对数据进行封装和标准化定义以形成事件流；
32)复杂事件流处理模块接收事件流并基于滑动时间窗对简单事件流进行聚合操作,调用事件关联关系规则库中的关联关系规则以对单个时间窗口内的事件进行关联分析，实现异常事件的实时监测；
33)将复杂事件流处理模块的监测结果解析成预警输出标准化处理语句，对经过规则计算和分析的数据流进行标准化解析并输出，将事件信息存储至数据库并发送至应用服务层；
步骤四：利用应用服务层实时查看当前车间安全状态并及时知晓监测到的安全事件信息。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (10)
1.一种基于复杂事件流的生产车间安全监测系统，其特征在于：包括多源数据感知层、数据分析层、复杂事件监测处理层和应用服务层；
多源数据感知层：用于采集生产现场多个致危险源数据；
数据处理层：包括数据处理模块和生产数据存储数据库，所述数据处理模块根据数据类型对致危险源数据进行预处理，并将处理后的数据存储至所述生产数据存储数据库；
复杂事件监测处理层：包括简单事件定义模块、事件关联关系规则库和复杂事件处理模块；所述事件关联关系规则库用于存储和管理事件之间的关联关系的规则；所述简单事件定义模块接收经所述数据处理层处理后的致危险源数据、根据事件发生规则对数据进行封装和标准化定义以形成事件流；所述复杂事件流处理模块接收事件流并基于滑动时间窗对简单事件流进行聚合操作,调用所述事件关联关系规则库中的关联关系规则以对单个时间窗口内的事件进行关联分析、并判断是否有安全事件发生；
应用服务层：用于展示生产现场致危险源状态。
2.根据权利要求1所述基于复杂事件流的生产车间安全监测系统，其特征在于：所述致危险源数据包括人员数据、设备数据、物料数据和环境数据；
所述人员数据包括车间人员数量、人员动作、人员位置和人员防护信息，所述人员数据的来源包括传感器采集、RFID识别、图像设备采集和视频监测设备采集；
所述设备数据包括设备温度、设备内压力、防爆冰箱温度、卸料落差和消防系统状态，所述设备数据的来源包括传感器采集，PLC数据采集以及利用工业信息通讯协议从设备控制系统提供的数据接口实时采集；
所述物料数据包括物料温度、物料粘度、物料堆积状态和物料流量；所述物料数据的来源包括传感器采集和利用工业信息通讯协议从设备控制系统提供的数据接口实时采集；
所述环境数据包括生产车间的温度、湿度、有害气体浓度和风速；所述环境数据的来源包括传感器采集。
3.根据权利要求1所述基于复杂事件流的生产车间安全监测系统，其特征在于：所述致危险源数据的类型包括文本数据、数值数据和图像数据；
所述数据处理模块针对文本数据和数值数据的处理方法为：首先将原始数据中没有规则的随机异常数据以及一些高频的异常数据进行过滤；然后剔除异常数据，并用异常数据的前一时刻的数值作为替代；最后对数据进行降维操作，将高维数据转化为低维表示；
所述数据处理模块针对图像数据的处理方法为：首先对原始图像数据进行图像去噪处理，去除图像数据中的噪声，提高图像数据的清晰度；然后对去噪后的图像数据进行图像增强，达到改善人员动作图像的质量、增加可视效果、突出图像中的细节或减少噪声的目的；最后将处理后的图像数据发送至语义自动标注模块，所述语义自动标注模块识别图像信息，并根据读取的图像信息自动进行语义标注并生成语义标注文本。
4.根据权利要求1所述基于复杂事件流的生产车间安全监测系统，其特征在于：所述生产数据存储数据库内设有包括四张表格，四张表格用于分别存储生产车间工作人员信息、生产设备信息、生产车间物料信息和生产车间环境信息；
所述生产车间工作人员信息包括人员的姓名、位置坐标、总人数、人员的防护状态以及检测到的人员动作；
所述生产设备信息包括设备运行状态、设备操作模式、设备温度和设备压力；
所述生产车间物料信息包括物料的颜色、平均尺寸、形状和纯净程度；
所述生产车间环境信息包括环境温度、湿度、风速和有害气体浓度。
5.根据权利要求1所述基于复杂事件流的生产车间安全监测系统，其特征在于：所述简单事件定义模块用于将采集到的数据流包装成简单事件，所述简单事件是具备简单生产语义的事件，可用来反映生产现场致危险源的状态变化，使管理者可以快速了解生产要素的生产状态；
所述简单事件包括区间事件和点事件，所述点时间事件为致危险源的状态信息随时间的变化而变化的事件，具有很高的实时性；所述区间事件指对应要素的状态在短时间内不会随着时间变化而改变事件。
6.根据权利要求5所述基于复杂事件流的生产车间安全监测系统，其特征在于：所述简单事件定义模块将区间事件标准化定义为：
E＝(I,topic,name,origin,Param,T0,T1)
其中，E表示简单事件，Ei表示标识为i的简单事件，两个不同事件的标识符必定不同，即topic为主题域，把事件按致危险源数据的类型分为不同的主题域；name为事件名称，同一主题域内事件类型不能重名，不同主题域中的事件类型可以重名；origin为事件来源；param为区间事件参数，用于对事件发生情况进行数据补充，可以为空；T0、T1分别表示事件的起始时间和结束时间；
所述简单事件定义模块将点事件标准化定义为：
El＝(Il,topic,name,origin,Param-l,T)
其中,Il表示生产过程中持续简单事件的唯一标识符；param-l为点事件参数，用于对事件发生情况进行数据补充，可以为空；T表示点事件的生成时间。
7.根据权利要求1所述基于复杂事件流的生产车间安全监测系统，其特征在于：所述事件关联关系规则库为生产安全监测规则的集合，集中存储了安全监测系统在进行生产安全监测时所使用的规则，主要用于现有生产安全监测系统无法通过定义上述致危险源之间的关联规则来识别生产车间潜在的危险情况。在规则库中，每条规则包含一个条件过滤器以及多个动作，在条件过滤值为真(即监测出危险事件)时执行，规则库通过规则编辑器完成编写，并且允许用户进行不断更新。
8.根据权利要求7所述基于复杂事件流的生产车间安全监测系统，其特征在于：所述事件关联关系规则库内的规则来源包括领域知识、规则学习和人工设计；其中，
领域知识为：在对物料及其产品的特性、危害和风险进行评估的基础上，识别和评估在生产过程中可能存在的潜在风险和致危险源，根据物料及其产品的特性和生产过程中存在的风险而制定的生产安全监测规则；
规则学习为：通过比较预测的复杂事件记录与真实的复杂事件记录，得出当前安全监测规则的性能，以对规则进行参数校准；
人工设计为：用于人工手动设计规则。
9.根据权利要求1所述基于复杂事件流的生产车间安全监测系统，其特征在于：所述应用服务层包括致危险源管理模块、生产安全监测模块、报告生成模块和生产车间告警终端模块；
所述致危险源管理模块包括设备参数看板、人员行为看板和车间环境数据看板；所述设备参数看板用于对生产车间中所有作业区域的生产设备运行状态进行集中监控；所述人员行为看板用于对当前生产车间的人员信息进行展示，并对每一个人员所在工位的行为进行观察；所述车间环境数据看板针对当前生产场景下的关键参数进行实时监测；
所述生产安全监测模块负责根据设置的生产安全监测规则，通过所述复杂事件处理模块将实时生产状态数据匹配成相应的安全事件，并在系统界面上将检测到的异常事件信息进行事件消息推送；所述生产安全监测模块包括事件处理规则设置功能模块和关联事件展示模块；所述事件处理规则设置功能模块用于设定生产过程中的致危险源可能导致危险事故的复合关系，服务于所述复杂事件处理模块；所述关联事件展示模块主要用于展示所述复杂事件处理模块的监测结果；
所述生产安全监测模块针对生产过程中致危险源的检测结果生成相关报告，包括安全事件报告、风险评估报告和历史数据查询功能；所述安全事件报告提供了生产过程中发生的安全事件的识别和分类；所述风险评估报告提供了对生产安全风险的识别和评估；所述历史数据查询功能用于回溯和分析过去发生的安全事件和事故；
所述生产车间告警终端模块用于对监测到的危险事件进行通报。
10.一种基于复杂事件流的生产车间安全监测方法，其特征在于：包括如下步骤：
步骤一：利用多源数据感知层采集生产现场多个致危险源数据，并将采集的多源异构数据传输至数据处理层；
步骤二：利用数据处理层对致危险源数据进行预处理；
21)对致危险源数据分类，将致危险源数据分为文本数据、数值数据和图像数据；
22)针对文本数据和数值数据：首先将原始数据中没有规则的随机异常数据以及一些高频的异常数据进行过滤；然后剔除异常数据，并用异常数据的前一时刻的数值作为替代；最后对数据进行降维操作，将高维数据转化为低维表示；
针对图像数据：首先对原始图像数据进行图像去噪处理，去除图像数据中的噪声，提高图像数据的清晰度；然后对去噪后的图像数据进行图像增强，达到改善人员动作图像的质量、增加可视效果、突出图像中的细节或减少噪声的目的；最后将处理后的图像数据发送至语义自动标注模块，所述语义自动标注模块识别图像信息，并根据读取的图像信息自动进行语义标注并生成语义标注文本；
23)将处理后的数据存储至生产数据存储数据库；
步骤三：利用复杂事件监测处理层根据定义的事件关联关系规则对输入的事件流进行分析和监测；
31)利用简单事件定义模块根据事件发生规则对数据进行封装和标准化定义以形成事件流；
32)复杂事件流处理模块接收事件流并基于滑动时间窗对简单事件流进行聚合操作,调用所述事件关联关系规则库中的关联关系规则以对单个时间窗口内的事件进行关联分析，实现异常事件的实时监测；
33)将复杂事件流处理模块的监测结果解析成预警输出标准化处理语句，对经过规则计算和分析的数据流进行标准化解析并输出，将事件信息存储至数据库并发送至应用服务层；
步骤四：利用应用服务层实时查看当前车间安全状态并及时知晓监测到的安全事件信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310803969.1A CN116859800A (zh) | 2023-07-03 | 2023-07-03 | 基于复杂事件流的生产车间安全监测系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310803969.1A CN116859800A (zh) | 2023-07-03 | 2023-07-03 | 基于复杂事件流的生产车间安全监测系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116859800A true CN116859800A (zh) | 2023-10-10 |
Family
ID=88222754
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310803969.1A Pending CN116859800A (zh) | 2023-07-03 | 2023-07-03 | 基于复杂事件流的生产车间安全监测系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116859800A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117140186A (zh) * | 2023-10-27 | 2023-12-01 | 山东沪金精工科技股份有限公司 | 一种基于人工智能的机械加工车间在线监测系统及方法 |
| CN117171534A (zh) * | 2023-11-03 | 2023-12-05 | 济南二机床集团有限公司 | 一种数控机床多源异构数据获取方法、系统、装置及介质 |
| CN118011985A (zh) * | 2024-02-20 | 2024-05-10 | 江苏利宏科技发展有限公司 | 一种基于物联网的化工厂生产监测系统 |
-
2023
- 2023-07-03 CN CN202310803969.1A patent/CN116859800A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117140186A (zh) * | 2023-10-27 | 2023-12-01 | 山东沪金精工科技股份有限公司 | 一种基于人工智能的机械加工车间在线监测系统及方法 |
| CN117171534A (zh) * | 2023-11-03 | 2023-12-05 | 济南二机床集团有限公司 | 一种数控机床多源异构数据获取方法、系统、装置及介质 |
| CN117171534B (zh) * | 2023-11-03 | 2024-03-19 | 济南二机床集团有限公司 | 一种数控机床多源异构数据获取方法、系统、装置及介质 |
| CN118011985A (zh) * | 2024-02-20 | 2024-05-10 | 江苏利宏科技发展有限公司 | 一种基于物联网的化工厂生产监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116859800A (zh) | 基于复杂事件流的生产车间安全监测系统和方法 | |
| CN107885170B (zh) | 安全生产管控装置、系统及安全生产管控的方法 | |
| CN113597634B (zh) | 使用人工智能的过程映射和监控 | |
| CN102035855B (zh) | 网络安全事件关联分析系统 | |
| CN109271938A (zh) | 一种基于智能视频分析技术的加油站卸油过程安全监控方法 | |
| CN112180854A (zh) | 一种基于物联网的化工企业安全生产管理系统 | |
| CN105553957A (zh) | 基于大数据的网络安全态势感知预警方法和系统 | |
| CN111738568A (zh) | 一种基于场景识别驱动的人工智能风险管控系统 | |
| CN108111342B (zh) | 基于可视化的威胁告警展示方法 | |
| CN115393142A (zh) | 智慧园区管理方法及管理平台 | |
| CN104574191A (zh) | 一种用于安全生产的态势评估与可视化展示方法 | |
| CN108154663A (zh) | 一种安全检测预警系统 | |
| CN115130807A (zh) | 一种药业生产安全智慧监管方法 | |
| CN113763676A (zh) | 基于物联网技术的智能化危险化学品在线监控预警系统 | |
| CN114282360B (zh) | 数字孪生环境下本体驱动的车间不安全状态语义推理方法 | |
| CN111178828A (zh) | 一种建筑消防安全预警的方法和系统 | |
| CN117132114A (zh) | 一种企业内部风险管理预警器系统 | |
| CN211184122U (zh) | 铁路作业安全防控和大客流预警联动的智能视频分析系统 | |
| CN117977813B (zh) | 一种变电站远程智能巡视系统 | |
| CN111882141A (zh) | 一种应用于高能炸药制备系统的安全管控系统 | |
| CN117787885A (zh) | 一种企业安全生产管理方法及系统 | |
| KR20060058186A (ko) | 정보기술 위험관리시스템 및 그 방법 | |
| CN116961237A (zh) | 一种配电安全作业智能监管系统 | |
| CN116880262A (zh) | 基于智能装备的安全管控方法及系统 | |
| CN113487146A (zh) | 矿山安全作业管控方法、装置、电子设备及存储介质 |
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 |