CN117094565A - 一种国有集团企业主体责任落实分级评估系统 - Google Patents
一种国有集团企业主体责任落实分级评估系统 Download PDFInfo
- Publication number
- CN117094565A CN117094565A CN202311352885.7A CN202311352885A CN117094565A CN 117094565 A CN117094565 A CN 117094565A CN 202311352885 A CN202311352885 A CN 202311352885A CN 117094565 A CN117094565 A CN 117094565A
- Authority
- CN
- China
- Prior art keywords
- risk
- module
- responsibility
- data
- assessment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 25
- 238000004519 manufacturing process Methods 0.000 claims abstract description 32
- 238000010276 construction Methods 0.000 claims abstract description 28
- 238000013499 data model Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000003032 molecular docking Methods 0.000 claims description 33
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000012502 risk assessment Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 10
- 150000001875 compounds Chemical class 0.000 claims description 9
- 238000005315 distribution function Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 abstract description 11
- 230000006399 behavior Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000036626 alertness Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种国有集团企业主体责任落实分级评估系统,属于主体责任落实技术领域,其包括安全风险数据获取模块、风险信息数据接收模块、风险数据模型建设模块、预设生产模型模块、安全风险评估模块、风险权重分析模块、风险责任对接模块和综合结果判定输出模块,本发明利用综合结果判定输出模块通过多变量及多指标的综合评价方法,对复杂系统多个指标信息,进行加工、提炼,求得最优结果,同时由得到的最优方案,提高决策准确性和效率,在有限信息数据中寻找最优方案和最劣方案,并通过运行分别计算诸对接责任人与安全风险等级间的距离,获得责任人与安全风险等级间的关系,从而通过精准对接消除传统评估中无人担责或担责不到位的情况。
Description
技术领域
本发明涉及主体责任落实技术领域,具体为一种国有集团企业主体责任落实分级评估系统。
背景技术
主体责任评估是指对企业的主体责任落实情况进行全面、客观、准确的评估和监测,随着社会的发展,对协同、个体化管理的要求逐步提高,责、权、利的管理也逐步提高,责任层层落实变成对重要、复杂问题管理的重要手段;
当前,对责任如何层层落实基本都停留在纸面上,于是追责和处理就十分困难,且现有的评估机制都不完善,现用评估方式对监管起到很大作用,但是随着新的监管机制要求从查隐患到查责任落实,由于常规项目评价更多是从外部评价,所以内部管理很难真正到位,从而导致出现问题没有人担责或担责不到位的情况,且现有评判机制是通过人工进行处理及评判,进而对问题需要进行全过程跟踪及负责,因此大大消耗人力资源、降低工作效率,同时人工评估的准确性和精度不高,不能通过数据驱动责任和进行责任的有效评估,进而无法实现责任的封装、责任的驱动、责任的有效评估和责任的进行对接与承担,为此,提出一种国有集团企业主体责任落实分级评估系统。
发明内容
本发明的目的在于提供一种国有集团企业主体责任落实分级评估系统,以解决上述背景技术中提出的出现问题没有人担责或担责不到位的情况或评估准确性和精度不高,不能通过数据驱动责任和进行责任的有效评估,进而无法实现责任精准的对接与承担的问题。
为实现上述目的,本发明提供如下技术方案:一种国有集团企业主体责任落实分级评估系统,包括安全风险数据获取模块、风险信息数据接收模块、风险数据模型建设模块、预设生产模型模块、安全风险评估模块、风险权重分析模块、风险责任对接模块和综合结果判定输出模块;
其中,安全风险数据获取模块,用于采集及获取生产区域、管理区域和各阶段运行内的安全风险信息数据;
其中,风险信息数据接收模块,用于对接经安全风险数据获取模块所获取的安全风险信息数据,且对接收的信息数据进行量化及清洗;
其中,预设生产模型模块,通过训练模型提前拟定及预设出各生产安全风险模型,从而作为风险数据模型建设模块的对比项。
作为本技术方案的进一步优选的:风险数据模型建设模块,用于将风险信息数据接收模块清洗过后的信息数据进行模型建设;
作为本技术方案的进一步优选的:通过数据建模提高验证空间的完备性、简化验证环境,以此提高结果输出的准确性,且数据建模能够进行预测多元输出,并用来识别特征和输出之间的关系。
其中,风险数据模型建设模块的具体运行方法,包括以下步骤:
A1、构建最优超平面:构建最优超平面解决信息数据分类,且最优超平面是给定数据集中“支持向量”到超平面的距离最大的超平面;
A2、支持向量:查询隐含在超平面中最关键的样本点,样本点与超平面间的距离最大;
A3、确定决策边界:根据支持向量确定的超平面,即为最优决策边界,同时是样本空间中的一条分割线;
A4、求解最优化方程:支持向量机就是求解支持向量到超平面的最大距离,即要求解一个最优化的问题。
作为本技术方案的进一步优选的:在A4中,最优化方程公式为:(1),
其公式(1)中,为预设超平面,/>为超平面族值范围,/>为转置数值;
当样本数据线性可分时,找寻两个超平面,使得两个平面之间不含有样本点,同时两个超平面之间的距离是最大的;
对于两个超平面之间没有样本点,即相当于(2),两个超平面之间的距离为/>(3);
其公式(2)中,的值数范围为(1,...,n);
其公式(3)中,最小化为最大化间隔;
结合公式(2)与公式(3),找寻分开所有样本间隔最大的两个超平面描述为:(4)
和(5),
其公式(5)是公式(4)的延展形式,以此有效便捷了求解方式,而其公式(4)与公式(5)中,的值数范围均为(1,...,n);
其中,最优化方程中,与/>分别代表了不同方向上向位线中的数值,/>为标注,/>为特征向量,n为样本数量。
作为本技术方案的进一步优选的:安全风险评估模块包括对比项数据接收单元、比对差阈值设定单元和风险等级评估判定单元;
对比项数据接收单元,用于接收风险数据模型建设模块与预设生产模型模块两者的模型数据,并将其两者进行比对,进而得出差值数据;
比对差阈值设定单元,通过设定最低值与最高值的范围,用作差值数据判定结果的划分节点;
风险等级评估判定单元,根据比对差阈值设定单元精准划分风险等级。
作为本技术方案的进一步优选的:安全风险评估模块通过其内部三个单元的相互配合运行,能够精准划分安全风险等级,从而帮助建立一个更为严密的安全保障体系,有效查找出安全风险等级,并迅速对接到该安全风险所承接的责任人,进而有效防止潜在的高风险行为的发生,以此增强及提高安全保障系统的警觉性,增加系统对不安全行为的识别能力,更好地保护系统安全。
作为本技术方案的进一步优选的:风险权重分析模块,根据安全风险评估模块所得出的风险等级,衡量安全风险的大小及确定所暴露的安全风险程度,以此找寻出所匹配的责任对接项。
作为本技术方案的进一步优选的:风险权重分析模块的运行算法为:
(6),
其公式(6)中,为安全风险所造成的损失率,预设值为100%,而/>为50%的情况下,/>唯一变量的风险权重函数,即差值数据,/>为整体生产运行中的个体阶段,/>与/>分别为正态分布函数及反态分布函数,而/>为对整体生产运行的补偿调整,/>则是对/>的补偿调整。
作为本技术方案的进一步优选的:风险责任对接模块包括风险等级对接单元和风险责任承接单元;
风险等级对接单元,结合风险权重分析模块转接到对应的安全风险等级权重项;
其中,安全风险等级权重项分为特别重大安全风险、重大安全风险、较大安全风险和一般安全风险;
风险责任承接单元,根据风险等级对接单元设置对应的风险责任承接权重,从而用于专项对接工作;
其中,风险责任承接权重分为总责任人、管理经理、部门主管和组长;
其中,风险等级对接单元与风险责任承接单元均遵从等级制度。
作为本技术方案的进一步优选的:风险责任对接模块通过其内部单元的交互配合运行,可以确保信息数据对接安全性的同时节省操作流程,简化对接细则,从而快速且精准的找寻出对接责任人,以此大大提高系统整体运行的响应效果及速率。
作为本技术方案的进一步优选的:综合结果判定输出模块,结合综合评价的方式进行判定结果的输出,从而得到最优解;
综合结果判定输出模块的具体运行方式,包括以下步骤:
B1、确定决策矩阵:决策矩阵中包括多个方案和多个属性,且决策矩阵的行代表方案,列代表属性;
B2、标准化决策矩阵:将决策矩阵中的每个属性进行标准化处理,从而便于后续的运算处理;
B3、确定权重:确定决策矩阵中每个属性的权重,从而便于后续的运算处理;
B4、计算正负理想解:计算每个方案与正、负理想解的距离,而正理想解代指每个属性的MAX值,负理想解代指每个属性的min值;
B5、计算距离:计算每个方案与正、负理想解的距离,从而便于后续的运算处理;
B6、计算综合评价指数:计算每个方案的综合评价指数;
B7、优化排序:将每个方案的综合评价指数进行排序,从而选择最优的方案。
作为本技术方案的进一步优选的:综合结果判定输出模块通过多变量及多指标的综合评价方法、多指标综合评估技术,对复杂系统的多个指标信息,进行加工、提炼,以求得其最优结果,同时借由得到的最优方案,提高决策的准确性和效率,在有限安全风险信息数据中寻找最优方案和最劣方案,并通过运行分别计算诸对接责任人与安全风险等级间的距离,进而获得责任人与安全风险等级间的关系。
与现有技术相比,本发明的有益效果是:
本发明中通过数据建模提高验证空间的完备性、简化验证环境,以此提高结果输出的准确性,且数据建模能够进行预测多元输出,并用来识别特征和输出之间的关系,以此解决传统人工评估方式中准确性和精准性不高的问题,且采用的数据建模运行方法能够有效处理复杂数据,剔除过度拟合数据,从而大大提高泛化能力,以此实现较好的预测效果;
本发明中通过安全风险评估模块内部各单元的相互配合运行,能够精准划分安全风险等级,从而帮助建立一个更为严密的安全保障体系,有效查找出安全风险等级,并迅速对接到该安全风险所承接的责任人,进而有效防止潜在的高风险行为的发生,以此增强及提高安全保障系统的警觉性,增加系统对不安全行为的识别能力,更好地保护系统安全,以此有效规避传统评估方式中无法实现责任的封装、责任的驱动、责任的有效评估和责任的进行对接与承担的情况;
本发明中风险责任对接模块通过其内部单元的交互配合运行,可以确保信息数据对接安全性的同时节省操作流程,简化对接细则,从而快速且精准的找寻出对接责任人,以此大大提高系统整体运行的响应效果及速率,进而解决传统人工评判处理中人力资源消耗大,工作效率低的问题;
本发明中利用综合结果判定输出模块通过多变量及多指标的综合评价方法、多指标综合评估技术,对复杂系统的多个指标信息,进行加工、提炼,以求得其最优结果,同时借由得到的最优方案,提高决策的准确性和效率,在有限安全风险信息数据中寻找最优方案和最劣方案,并通过运行分别计算诸对接责任人与安全风险等级间的距离,进而获得责任人与安全风险等级间的关系,从而通过精准对接责任人,消除传统评估中没有人担责或担责不到位的情况。
附图说明
图1为本发明一种国有集团企业主体责任落实分级评估系统的架构示意图;
图2为本发明一种国有集团企业主体责任落实分级评估系统的运行流程图;
图3为本发明一种国有集团企业主体责任落实分级评估系统中风险数据模型建设模块的运行流程图;
图4为本发明一种国有集团企业主体责任落实分级评估系统中综合结果判定输出模块的运行流程图。
具体实施方式
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。
实施例1
请参阅图1-图4,本发明提供一种技术方案:一种国有集团企业主体责任落实分级评估系统,包括安全风险数据获取模块、风险信息数据接收模块、风险数据模型建设模块、预设生产模型模块、安全风险评估模块、风险权重分析模块、风险责任对接模块和综合结果判定输出模块;
其中,安全风险数据获取模块,用于采集及获取生产区域、管理区域和各阶段运行内的安全风险信息数据;
其中,风险信息数据接收模块,用于对接经安全风险数据获取模块所获取的安全风险信息数据,且对接收的信息数据进行量化及清洗;
其中,预设生产模型模块,通过训练模型提前拟定及预设出各生产安全风险模型,从而作为风险数据模型建设模块的对比项。
本实施例中,具体的:风险数据模型建设模块,用于将风险信息数据接收模块清洗过后的信息数据进行模型建设;
本实施例中,具体的:通过数据建模提高验证空间的完备性、简化验证环境,以此提高结果输出的准确性,且数据建模能够进行预测多元输出,并用来识别特征和输出之间的关系。
其中,风险数据模型建设模块的具体运行方法,包括以下步骤:
A1、构建最优超平面:构建最优超平面解决信息数据分类,且最优超平面是给定数据集中“支持向量”到超平面的距离最大的超平面;
A2、支持向量:查询隐含在超平面中最关键的样本点,样本点与超平面间的距离最大;
A3、确定决策边界:根据支持向量确定的超平面,即为最优决策边界,同时是样本空间中的一条分割线;
A4、求解最优化方程:支持向量机就是求解支持向量到超平面的最大距离,即要求解一个最优化的问题。
本实施例中,具体的:在A4中,最优化方程公式为:(1),
其公式(1)中,为预设超平面,/>为超平面族值范围,/>为转置数值;
当样本数据线性可分时,找寻两个超平面,使得两个平面之间不含有样本点,同时两个超平面之间的距离是最大的;
对于两个超平面之间没有样本点,即相当于(2),两个超平面之间的距离为/>(3);
其公式(2)中,的值数范围为(1,...,n);
其公式(3)中,最小化为最大化间隔;
结合公式(2)与公式(3),找寻分开所有样本间隔最大的两个超平面描述为:(4)
和(5),
其公式(5)是公式(4)的延展形式,以此有效便捷了求解方式,而其公式(4)与公式(5)中,的值数范围均为(1,...,n);
其中,最优化方程中,与/>分别代表了不同方向上向位线中的数值,/>为标注,/>为特征向量,n为样本数量。
本实施例中,具体的:安全风险评估模块包括对比项数据接收单元、比对差阈值设定单元和风险等级评估判定单元;
对比项数据接收单元,用于接收风险数据模型建设模块与预设生产模型模块两者的模型数据,并将其两者进行比对,进而得出差值数据;
比对差阈值设定单元,通过设定最低值与最高值的范围,用作差值数据判定结果的划分节点;
风险等级评估判定单元,根据比对差阈值设定单元精准划分风险等级。
本实施例中,具体的:安全风险评估模块通过其内部三个单元的相互配合运行,能够精准划分安全风险等级,从而帮助建立一个更为严密的安全保障体系,有效查找出安全风险等级,并迅速对接到该安全风险所承接的责任人,进而有效防止潜在的高风险行为的发生,以此增强及提高安全保障系统的警觉性,增加系统对不安全行为的识别能力,更好地保护系统安全。
本实施例中,具体的:风险权重分析模块,根据安全风险评估模块所得出的风险等级,衡量安全风险的大小及确定所暴露的安全风险程度,以此找寻出所匹配的责任对接项。
本实施例中,具体的:风险权重分析模块的运行算法为:
(6),
其公式(6)中,为安全风险所造成的损失率,预设值为100%,而/>为50%的情况下,/>唯一变量的风险权重函数,即差值数据,/>为整体生产运行中的个体阶段,/>与/>分别为正态分布函数及反态分布函数,而/>为对整体生产运行的补偿调整,/>则是对/>的补偿调整。
本实施例中,具体的:风险责任对接模块包括风险等级对接单元和风险责任承接单元;
风险等级对接单元,结合风险权重分析模块转接到对应的安全风险等级权重项;
其中,安全风险等级权重项分为特别重大安全风险、重大安全风险、较大安全风险和一般安全风险;
风险责任承接单元,根据风险等级对接单元设置对应的风险责任承接权重,从而用于专项对接工作;
其中,风险责任承接权重分为总责任人、管理经理、部门主管和组长;
其中,风险等级对接单元与风险责任承接单元均遵从等级制度。
本实施例中,具体的:风险责任对接模块通过其内部单元的交互配合运行,可以确保信息数据对接安全性的同时节省操作流程,简化对接细则,从而快速且精准的找寻出对接责任人,以此大大提高系统整体运行的响应效果及速率。
本实施例中,具体的:综合结果判定输出模块,结合综合评价的方式进行判定结果的输出,从而得到最优解;
综合结果判定输出模块的具体运行方式,包括以下步骤:
B1、确定决策矩阵:决策矩阵中包括多个方案和多个属性,且决策矩阵的行代表方案,列代表属性;
B2、标准化决策矩阵:将决策矩阵中的每个属性进行标准化处理,从而便于后续的运算处理;
B3、确定权重:确定决策矩阵中每个属性的权重,从而便于后续的运算处理;
B4、计算正负理想解:计算每个方案与正、负理想解的距离,而正理想解代指每个属性的MAX值,负理想解代指每个属性的min值;
B5、计算距离:计算每个方案与正、负理想解的距离,从而便于后续的运算处理;
B6、计算综合评价指数:计算每个方案的综合评价指数;
B7、优化排序:将每个方案的综合评价指数进行排序,从而选择最优的方案。
本实施例中,具体的:综合结果判定输出模块通过多变量及多指标的综合评价方法、多指标综合评估技术,对复杂系统的多个指标信息,进行加工、提炼,以求得其最优结果,同时借由得到的最优方案,提高决策的准确性和效率,在有限安全风险信息数据中寻找最优方案和最劣方案,并通过运行分别计算诸对接责任人与安全风险等级间的距离,进而获得责任人与安全风险等级间的关系。
工作原理:运行时,先通过安全风险数据获取模块采集及获取生产区域、管理区域和各阶段运行内的安全风险信息数据,再由风险信息数据接收模块对接获取的安全风险信息数据,且对接收的信息数据进行量化及清洗,此时利用风险数据模型建设模块将清洗过后的信息数据进行模型建设,而通过预设生产模型模块借由训练模型提前拟定及预设出各生产安全风险模型,从而作为风险数据模型建设模块的对比项,此时通过对比项数据接收单元接收风险数据模型建设模块与预设生产模型模块两者的模型数据,并将其两者进行比对,进而得出差值数据,所得的差值数据经比对差阈值设定单元和风险等级评估判定单元精准划分风险等级,以此再在风险权重分析模块作用下,衡量安全风险的大小及确定所暴露的安全风险程度,以此找寻出所匹配的责任对接项,之后利用设置的风险等级对接单元结合风险权重分析模块转接到对应的安全风险等级权重项,且设置的风险责任承接单元根据风险等级对接单元设置对应的风险责任承接权重,从而用于专项对接工作,最终借由综合结果判定输出模块,结合综合评价的方式进行判定结果的输出,从而得到最优解。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种国有集团企业主体责任落实分级评估系统,其特征在于:包括安全风险数据获取模块、风险信息数据接收模块、风险数据模型建设模块、预设生产模型模块、安全风险评估模块、风险权重分析模块、风险责任对接模块和综合结果判定输出模块;
其中,安全风险数据获取模块,用于采集及获取生产区域、管理区域和各阶段运行内的安全风险信息数据;
其中,风险信息数据接收模块,用于对接经安全风险数据获取模块所获取的安全风险信息数据,且对接收的信息数据进行量化及清洗;
其中,预设生产模型模块,通过训练模型提前拟定及预设出各生产安全风险模型,从而作为风险数据模型建设模块的对比项。
2.根据权利要求1所述的一种国有集团企业主体责任落实分级评估系统,其特征在于:风险数据模型建设模块,用于将风险信息数据接收模块清洗过后的信息数据进行模型建设;
其中,风险数据模型建设模块的具体运行方法,包括以下步骤:
A1、构建最优超平面:构建最优超平面解决信息数据分类,且最优超平面是给定数据集中“支持向量”到超平面的距离最大的超平面;
A2、支持向量:查询隐含在超平面中最关键的样本点,样本点与超平面间的距离最大;
A3、确定决策边界:根据支持向量确定的超平面,即为最优决策边界,同时是样本空间中的一条分割线;
A4、求解最优化方程:支持向量机就是求解支持向量到超平面的最大距离,即要求解一个最优化的问题。
3.根据权利要求2所述的一种国有集团企业主体责任落实分级评估系统,其特征在于:在A4中,最优化方程公式为:(1),
其公式(1)中,为预设超平面,/>为超平面族值范围,/>为转置数值;
当样本数据线性可分时,找寻两个超平面,使得两个平面之间不含有样本点,同时两个超平面之间的距离是最大的;
对于两个超平面之间没有样本点,即相当于(2),两个超平面之间的距离为/>(3);
其公式(2)中,的值数范围为(1,...,n);
其公式(3)中,最小化为最大化间隔;
结合公式(2)与公式(3),找寻分开所有样本间隔最大的两个超平面描述为:(4)
和(5),
其公式(5)是公式(4)的延展形式,以此有效便捷了求解方式,而其公式(4)与公式(5)中,的值数范围均为(1,...,n);
其中,最优化方程中,与/>分别代表了不同方向上向位线中的数值,/>为标注,/>为特征向量,n为样本数量。
4.根据权利要求1所述的一种国有集团企业主体责任落实分级评估系统,其特征在于:安全风险评估模块包括对比项数据接收单元、比对差阈值设定单元和风险等级评估判定单元;
对比项数据接收单元,用于接收风险数据模型建设模块与预设生产模型模块两者的模型数据,并将其两者进行比对,进而得出差值数据;
比对差阈值设定单元,通过设定最低值与最高值的范围,用作差值数据判定结果的划分节点;
风险等级评估判定单元,根据比对差阈值设定单元精准划分风险等级。
5.根据权利要求1所述的一种国有集团企业主体责任落实分级评估系统,其特征在于:风险权重分析模块,根据安全风险评估模块所得出的风险等级,衡量安全风险的大小及确定所暴露的安全风险程度,以此找寻出所匹配的责任对接项。
6.根据权利要求5所述的一种国有集团企业主体责任落实分级评估系统,其特征在于:风险权重分析模块的运行算法为:
(6),
其公式(6)中,为安全风险所造成的损失率,预设值为100%,而/>为50%的情况下,/>唯一变量的风险权重函数,即差值数据,/>为整体生产运行中的个体阶段,与/>分别为正态分布函数及反态分布函数,而/>为对整体生产运行的补偿调整,/>则是对/>的补偿调整。
7.根据权利要求1所述的一种国有集团企业主体责任落实分级评估系统,其特征在于:风险责任对接模块包括风险等级对接单元和风险责任承接单元;
风险等级对接单元,结合风险权重分析模块转接到对应的安全风险等级权重项;
其中,安全风险等级权重项分为特别重大安全风险、重大安全风险、较大安全风险和一般安全风险;
风险责任承接单元,根据风险等级对接单元设置对应的风险责任承接权重,从而用于专项对接工作;
其中,风险责任承接权重分为总责任人、管理经理、部门主管和组长;
其中,风险等级对接单元与风险责任承接单元均遵从等级制度。
8.根据权利要求1所述的一种国有集团企业主体责任落实分级评估系统,其特征在于:综合结果判定输出模块,结合综合评价的方式进行判定结果的输出,从而得到最优解;
综合结果判定输出模块的具体运行方式,包括以下步骤:
B1、确定决策矩阵:决策矩阵中包括多个方案和多个属性,且决策矩阵的行代表方案,列代表属性;
B2、标准化决策矩阵:将决策矩阵中的每个属性进行标准化处理,从而便于后续的运算处理;
B3、确定权重:确定决策矩阵中每个属性的权重,从而便于后续的运算处理;
B4、计算正负理想解:计算每个方案与正、负理想解的距离,而正理想解代指每个属性的MAX值,负理想解代指每个属性的min值;
B5、计算距离:计算每个方案与正、负理想解的距离,从而便于后续的运算处理;
B6、计算综合评价指数:计算每个方案的综合评价指数;
B7、优化排序:将每个方案的综合评价指数进行排序,从而选择最优的方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311352885.7A CN117094565B (zh) | 2023-10-19 | 2023-10-19 | 一种国有集团企业主体责任落实分级评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311352885.7A CN117094565B (zh) | 2023-10-19 | 2023-10-19 | 一种国有集团企业主体责任落实分级评估系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117094565A true CN117094565A (zh) | 2023-11-21 |
CN117094565B CN117094565B (zh) | 2024-01-12 |
Family
ID=88780055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311352885.7A Active CN117094565B (zh) | 2023-10-19 | 2023-10-19 | 一种国有集团企业主体责任落实分级评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117094565B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005149246A (ja) * | 2003-11-18 | 2005-06-09 | National Institute Of Advanced Industrial & Technology | 環境汚染物質削減対策の評価システム |
US20080114620A1 (en) * | 2006-02-06 | 2008-05-15 | Donnelli Robert M | Software, system and method for computer based assessing of health insurance risk profiles for a group seeking health insurance and providing a composite insurance policy |
JP2009116427A (ja) * | 2007-11-02 | 2009-05-28 | Yamaguchi Univ | 健全性劣化評価システム |
US20090276296A1 (en) * | 2008-05-01 | 2009-11-05 | Anova Innovations, Llc | Business profit resource optimization system and method |
CN110458313A (zh) * | 2018-05-07 | 2019-11-15 | 中国科学院沈阳自动化研究所 | 一种基于svm的电力用户信用风险预警方法及系统 |
CN113537690A (zh) * | 2021-04-25 | 2021-10-22 | 杭州全视软件有限公司 | 一种新型责任分级评估系统及方法 |
LU500569B1 (en) * | 2020-10-21 | 2022-02-24 | China Automotive Tech & Res Ct | Method and device for acquiring driving test cycle weight factors based on gis large data |
WO2022121083A1 (zh) * | 2020-12-09 | 2022-06-16 | 南威软件股份有限公司 | 基于关联分析FP-Tree算法的企业风险预警方法 |
CN115099573A (zh) * | 2022-05-25 | 2022-09-23 | 河南鑫安利安全科技股份有限公司 | 一种安全生产管理平台 |
CN115936915A (zh) * | 2022-12-08 | 2023-04-07 | 河南汉威智慧安全科技有限公司 | 一种非煤矿山安全风险等级评估方法及系统 |
CN116384732A (zh) * | 2023-03-06 | 2023-07-04 | 国家石油天然气管网集团有限公司 | 场站管道风险智能评估方法、系统、存储介质及计算设备 |
-
2023
- 2023-10-19 CN CN202311352885.7A patent/CN117094565B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005149246A (ja) * | 2003-11-18 | 2005-06-09 | National Institute Of Advanced Industrial & Technology | 環境汚染物質削減対策の評価システム |
US20080114620A1 (en) * | 2006-02-06 | 2008-05-15 | Donnelli Robert M | Software, system and method for computer based assessing of health insurance risk profiles for a group seeking health insurance and providing a composite insurance policy |
JP2009116427A (ja) * | 2007-11-02 | 2009-05-28 | Yamaguchi Univ | 健全性劣化評価システム |
US20090276296A1 (en) * | 2008-05-01 | 2009-11-05 | Anova Innovations, Llc | Business profit resource optimization system and method |
CN110458313A (zh) * | 2018-05-07 | 2019-11-15 | 中国科学院沈阳自动化研究所 | 一种基于svm的电力用户信用风险预警方法及系统 |
LU500569B1 (en) * | 2020-10-21 | 2022-02-24 | China Automotive Tech & Res Ct | Method and device for acquiring driving test cycle weight factors based on gis large data |
WO2022121083A1 (zh) * | 2020-12-09 | 2022-06-16 | 南威软件股份有限公司 | 基于关联分析FP-Tree算法的企业风险预警方法 |
CN113537690A (zh) * | 2021-04-25 | 2021-10-22 | 杭州全视软件有限公司 | 一种新型责任分级评估系统及方法 |
CN115099573A (zh) * | 2022-05-25 | 2022-09-23 | 河南鑫安利安全科技股份有限公司 | 一种安全生产管理平台 |
CN115936915A (zh) * | 2022-12-08 | 2023-04-07 | 河南汉威智慧安全科技有限公司 | 一种非煤矿山安全风险等级评估方法及系统 |
CN116384732A (zh) * | 2023-03-06 | 2023-07-04 | 国家石油天然气管网集团有限公司 | 场站管道风险智能评估方法、系统、存储介质及计算设备 |
Non-Patent Citations (4)
Title |
---|
SEONGHYEON MOON等: "Automated detection of contractual risk clauses from construction specifications using bidirectional encoder representations from transformers (BERT)", AUTOMATION IN CONSTRUCTION, vol. 142, pages 104465 * |
刘超群;: "基于千分制指标体系的危险货物运输企业风险分级监管研究", 安全与健康, no. 04 * |
康鼎煦: "风险矩阵分级模型在国有企业经济责任审计中的实践探析", 中国内部审计, no. 8, pages 12 - 17 * |
张弼;王斌;郭俊林;李腾;李志军;周桂兰;: "北京市犬只狂犬病强制免疫工作风险管理体系分析", 中国动物检疫, no. 10 * |
Also Published As
Publication number | Publication date |
---|---|
CN117094565B (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111539845B (zh) | 一种基于用电模式隶属评分的企业环保管控响应研判方法 | |
CN110059442A (zh) | 一种基于零件表面粗糙度和功率信息的车削加工换刀方法 | |
CN110033141B (zh) | 一种脱硫系统运行工况数据库的建立方法 | |
CN111210170A (zh) | 基于90%用电分布特征指标的环保管控监测及评价方法 | |
CN111340065B (zh) | 一种基于复杂用户行为分析的用户负荷窃电模型挖掘系统及方法 | |
CN113177358B (zh) | 一种基于模糊细粒度特征提取的水泥质量软测量方法 | |
CN116148753A (zh) | 一种智能电能表运行误差监测系统 | |
CN117194995A (zh) | 基于数据挖掘的轨道车辆rams数据关联性分析方法 | |
CN117094565B (zh) | 一种国有集团企业主体责任落实分级评估系统 | |
CN113298148B (zh) | 一种面向生态环境评价的不平衡数据重采样方法 | |
CN111881125B (zh) | 一种海上非作战目标实时清洗方法及系统 | |
Bach et al. | Automatic case capturing for problematic drilling situations | |
CN114818493A (zh) | 一种隧道岩体完整程度定量评价的方法 | |
CN115378000A (zh) | 基于区间二型模糊聚类分析的配电网运行状态评估方法 | |
CN113112166A (zh) | 基于灰色模糊层次分析的设备状态变量选择方法及设备 | |
Ji et al. | Anomaly detection of dam monitoring data based on improved spectral clustering | |
CN112308338A (zh) | 电力数据处理方法及装置 | |
CN112685461A (zh) | 一种基于预判模型的窃电用户判断方法 | |
Peiyi et al. | Analysis and research on enterprise resumption of work and production based on K-means clustering | |
CN117540277B (zh) | 一种基于WGAN-GP-TabNet算法的井漏预警方法 | |
Yao et al. | End-to-end Hyperspectral Image Change Detection Based on Band Selection | |
Yue et al. | Gas flow meter anomaly data detection based on fused LOF-DBSCAN algorithm | |
Wang et al. | Research on Early Warning of Social Stability Based on Machine Learning Algorithm | |
CN118094449B (zh) | 基于工业互联网的生产智能监控方法、系统及装置 | |
CN116205361B (zh) | 一种基于匹配度的工业用水效率分级预测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |