CN117391870B - 船舶保险风险识别方法、装置、电子设备和可读储存介质 - Google Patents
船舶保险风险识别方法、装置、电子设备和可读储存介质 Download PDFInfo
- Publication number
- CN117391870B CN117391870B CN202311437412.7A CN202311437412A CN117391870B CN 117391870 B CN117391870 B CN 117391870B CN 202311437412 A CN202311437412 A CN 202311437412A CN 117391870 B CN117391870 B CN 117391870B
- Authority
- CN
- China
- Prior art keywords
- ship
- information
- risk
- preset condition
- underway
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000007547 defect Effects 0.000 claims abstract description 115
- 206010000117 Abnormal behaviour Diseases 0.000 claims abstract description 56
- 238000007689 inspection Methods 0.000 claims abstract description 36
- 230000014759 maintenance of location Effects 0.000 claims abstract description 34
- 230000002159 abnormal effect Effects 0.000 claims description 49
- 239000003921 oil Substances 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 239000000295 fuel oil Substances 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000009423 ventilation Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 239000000779 smoke Substances 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241001469654 Lawsonia <weevil> Species 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了船舶保险风险识别方法、装置、电子设备和可读储存介质,涉及海上船舶风险识别技术领域,旨在解决现有技术中人工来查找相关资料来判定待承保船舶的风险情况导致效率低的问题。风险识别方法包括:获取船舶档案信息,判断船舶档案信息中是否包括待承保船舶的检验信息;在船舶档案信息中包括检验信息时,从船舶档案中提取船舶的缺陷信息和滞留信息;基于缺陷信息判断船舶是否存在目标缺陷项,且基于滞留信息判断船舶的滞留率是否大于第一预设值,并得到第一判断结果;基于事故数据库判断船舶是否发生过事故,得到第二判断结果;基于异常行为数据库判断船舶是否发生过异常行为,得到第三判断结果;基于三次判断结果确定船舶的风险等级。
Description
技术领域
本发明涉及海上船舶风险识别技术领域,具体而言,涉及一种船舶保险风险识别方法、装置、电子设备和可读储存介质。
背景技术
船舶保险是以船舶及其附属品为保险标的的保险业务,船舶保险主要以承保船舶水上风险为限,为船舶在航行或停泊期间因意外事故或水上灾难造成船舶的损失提供保障。在正常风浪引起船舶的自然耗损不在船舶保险责任范围之内。另外,船舶保险所承担的风险相对集中,且损失金额大。由于船舶自动化能力增强,高科技含量大幅度提高,船舶所面临的风险也就越来越集中。一旦发生海难事故,损失巨大,少则数十万元,多则几百万或上千万元。因此,在承保前对待承保船舶进行潜在风险识别和优质客户选择并制订费率标准至关重要。
目前,在对不同船舶进行保险的时候,通常需要人工来查找相关资料来判定待承保船舶的风险情况,这样就增加了人工成本,且效率低。
因此,为了提高待承保船舶的风险识别效率,发明一种船舶保险风险识别方法是目前亟待解决的技术问题。
发明内容
本发明旨在解决或改善现有技术中人工来查找相关资料来判定待承保船舶的风险情况,增加了人工成本,且效率低的技术问题。
本发明的第一方面在于提供一种船舶保险风险识别方法。
本发明的第二方面在于提供一种船舶保险风险识别装置。
本发明的第三方面在于提供一种电子设备。
本发明的第四方面在于提供一种可读储存介质。
本发明提供的船舶保险风险识别方法,用于船舶保险风险识别装置,船舶保险风险识别方法包括:获取船舶档案信息;判断船舶档案信息中是否包括待承保船舶的检验信息;在船舶档案信息中包括检验信息时,从船舶档案信息中提取待承保船舶的缺陷信息和滞留信息;基于缺陷信息判断待承保船舶是否存在目标缺陷项,且基于滞留信息判断待承保船舶的滞留率是否大于第一预设值,并得到第一判断结果;基于事故数据库,判断待承保船舶是否发生过事故,得到第二判断结果;基于异常行为数据库,判断待承保船舶是否发生过异常行为,得到第三判断结果;基于第一判断结果、第二判断结果、第三判断结果确定待承保船舶的风险级别。
本发明提供的船舶保险风险识别方法,先获取船舶档案信息;判断船舶档案信息中是否包括待承保船舶的检验信息,其中,检验信息包括船级社检验证书,在待承保船舶不具有检验信息的情况下,直接将该待承保船舶确定为不予承保的船舶。在待承保船舶具有检验信息的情况下,从船舶档案信息中提取待承保船舶的缺陷信息和滞留信息;其中,缺陷信息包括缺陷种类,检查时间等,滞留信息包括滞留地点,滞留时间等。可选地,先从船舶档案中提取PSC(Port State Control,港口国监督检查)检查记录单,然后从PSC检查记录单提取出缺陷信息和滞留信息,然后基于缺陷信息判断待承保船舶是否存在目标缺陷项,且基于滞留信息判断待承保船舶的滞留率是否大于第一预设值,并得到第一判断结果;然后基于事故数据库判断待承保船舶是否发生过事故,得到第二判断结果;再基于异常行为数据库判断待承保船舶是否发生过异常行为,得到第三判断结果;最后基于第一判断结果、第二判断结果、第三判断结果对待承保船舶的风险进行识别。本发明能够对待承保船舶进行风险分类,为不同客户制定差异化的费率标准提供可靠的依据,此外还无需人工参与,节省了人工成本,避免因人为判断带来的损失。
在一些技术方案中,可选地,基于第一判断结果、第二判断结果、第三判断结果对待承保船舶的风险进行识别的步骤包括:在第一预设条件、第二预设条件、第三预设条件均不满足的情况下,确定待承保船舶为无风险船舶;在第一预设条件、第二预设条件、第三预设条件满足一个的情况下,确定待承保船舶为风险船舶,且确定风险等级为一级风险;在第一预设条件、第二预设条件、第三预设条件满足二个的情况下,确定待承保船舶为风险船舶,且确定风险等级为二级风险;在第一预设条件、第二预设条件、第三预设条件均满足的情况下,确定待承保船舶为风险船舶,且确定风险等级为三级风险;其中,第一预设条件包括待承保船舶存在目标缺陷项或待承保船舶的滞留率大于第一预设值,第二预设条件包括待承保船舶发生过事故,第三预设条件包括待承保船舶发生过异常行为。
在该技术方案中,在对待承保船舶的风险进行识别时,判断待承保船舶满足三个预设条件中的几个,若均不满足,说明待承保船舶为无风险船舶,若满足三个预设条件中的一个,说明待承保船舶为一级风险,也即低风险船舶,若满足三个预设条件中的二个,说明待承保船舶为二级风险,也即中风险船舶,若三个预设条件均满足,说明待承保船舶为三级风险,也即高风险船舶。
在一些技术方案中,可选地,基于缺陷信息判断待承保船舶是否存在目标缺陷项的步骤具体包括:基于缺陷信息,提取出待承保船舶的缺陷项;判断待承保船舶的缺陷项是否包括目标缺陷项;在待承保船舶的缺陷项包括目标缺陷项的情况下,确定待承保船舶存在目标缺陷项。
在该技术方案中,在判断待承保船舶是否存在目标缺陷项的步骤中,先基于缺陷信息提取出待承保船舶的所有缺陷项,如果提取的所有缺陷项中包含目标缺陷项,则确定待承保船舶存在目标缺陷项。其中,目标缺陷项是基于需求设置的,也即对船舶承保有影响的缺陷项设为目标缺陷项,例如主机机身漏油;对船舶承保没有影响的设为非目标缺陷项,例如排烟系统不达标,因为排烟系统不达标通常情况下并不会给船舶带来实际上的损失,因此,这些非目标缺陷项并不作为判断待承保船舶是否存在缺陷的标准。本发明只有当待承保船舶存在对承保有较大影响的目标缺陷项,才认为待承保船舶存在缺陷,这样就提高了识别的精准率。
在一些技术方案中,可选地,目标缺陷项包括如下缺陷中的至少一种:主机机身漏油、燃油漏油报警装置损坏、舱盖密封不严、道门密封不严、通风筒密封不严、消防管路漏水、防火风闸无法关闭、救生艇释放装置的操作手柄不能复位。
在一些技术方案中,可选地,第一预设值大于等于5%,且小于等于10%。例如,第一预设值等于7%。
在一些技术方案中,可选地,基于异常行为数据库,判断待承保船舶是否发生过异常行为的步骤具体包括:从异常行为数据库中提取出待承保船舶的异常信息;判断异常信息是否包括目标异常信息;在异常信息包括目标异常信息的情况下,判断待承保船舶发生过异常行为。
在该技术方案中,在判断待承保船舶是否发生过异常行为时,从异常行为数据库中提取出待承保船舶的异常信息,判断异常信息是否包括目标异常信息,目标异常信息也即对船舶承保有较大影响的异常信息,例如异常航速,在异常信息包括目标异常信息的情况下,判断待承保船舶发生过异常行为。本发明并不是只要待承保船舶存在异常信息就认为待承保船舶存在异常行为,而是只有当待承保船舶存在对承保有较大影响的目标异常信息时,才认为待承保船舶存在异常行为,这样就提高了识别的精准率。
在一些技术方案中,可选地,目标异常信息包括如下行为中的至少一种:异常搭靠、异常折返、异常徘徊、异常滞留、信号隐匿、套牌行为、经停风险区、异常航速。
本发明第二方面提供了一种船舶保险风险识别装置,包括:信息获取模块,用于获取船舶档案信息;判断模块,用于判断船舶档案信息中是否包括待承保船舶的检验信息;在待承保船舶具有检验信息的情况下,信息获取模块还用于,从船舶档案中提取待承保船舶的缺陷信息和滞留信息;判断模块还用于,基于缺陷信息判断待承保船舶是否存在目标缺陷项,且基于滞留信息判断待承保船舶的滞留率是否大于第一预设值,并得到第一判断结果;判断模块还用于,基于事故数据库,判断待承保船舶是否发生过事故,得到第二判断结果;判断模块还用于,基于异常行为数据库,判断待承保船舶是否发生过异常行为,得到第三判断结果;确认模块,用于基于第一判断结果、第二判断结果、第三判断结果对待承保船舶的风险进行识别。
本发明第三方面提供了一种电子设备,包括储存器和处理器,储存器上存储有计算机程序或指令,处理器执行计算机程序或指令时实现如本申请第一方面任一项技术方案提供的船舶保险风险识别方法。
本发明第四方面提供了一种可读储存介质,可读储存介质上存储有程序或指令,处理器执行程序或指令时实现如本申请第一方面任一项技术方案提供的船舶保险风险识别方法。
根据本发明的附加方面和优点将在下面的描述部分中变得明显,或通过根据本发明的实践了解到。
附图说明
根据本发明的实施例的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1示出了本发明的实施例提供的船舶保险风险识别方法的流程示意图之一;
图2示出了本发明的实施例提供的船舶保险风险识别方法的流程示意图之二;
图3示出了本发明的实施例提供的船舶保险风险识别装置的方框图;
图4示出了本发明的实施例提供的电子设备的方框图;
图5为实现本发明实施例的电子设备的硬件结构示意图。
具体实施方式
为了能够更清楚地理解根据本发明的实施例的上述方面、特征和优点,下面结合附图和具体实施方式对根据本发明的实施例进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解根据本发明的实施例,但是,根据本发明的实施例还可以采用其他不同于在此描述的其他方式来实施,因此,根据本发明的实施例的保护范围并不受下面公开的具体实施例的限制。
如图1所示,本发明提供的船舶保险风险识别方法,用于船舶保险风险识别装置,船舶保险风险识别方法包括如下步骤:
S102:获取船舶档案信息,判断船舶档案信息中是否包括待承保船舶的检验信息;
S104:在船舶档案信息中包括检验信息时,从船舶档案中提取待承保船舶的缺陷信息和滞留信息;基于缺陷信息判断待承保船舶是否存在目标缺陷项,且基于滞留信息判断待承保船舶的滞留率是否大于第一预设值,并得到第一判断结果;
S106:基于事故数据库,判断待承保船舶是否发生过事故,得到第二判断结果;
S108:基于异常行为数据库,判断待承保船舶是否发生过异常行为,得到第三判断结果;
S110:基于第一判断结果、第二判断结果、第三判断结果确定待承保船舶的风险级别。
本发明提供的船舶保险风险识别方法,先获取船舶档案信息,判断船舶档案信息中是否包括待承保船舶的检验信息,其中,检验信息包括船级社检验证书,在待承保船舶不具有检验信息的情况下,直接将该待承保船舶确定为不予承保的船舶。在待承保船舶具有检验信息的情况下,从船舶档案中提取待承保船舶的缺陷信息和滞留信息;其中,缺陷信息包括缺陷种类,检查时间等,滞留信息包括滞留地点,滞留时间等。可选地,先从船舶档案中提取PSC(Port State Control,港口国监督检查)检查记录单,然后从PSC检查记录单提取出缺陷信息和滞留信息,然后基于缺陷信息判断待承保船舶是否存在目标缺陷项,且基于滞留信息判断待承保船舶的滞留率是否大于第一预设值,并得到第一判断结果;目标缺陷项也即对承保有影响的缺陷,然后基于事故数据库判断待承保船舶是否发生过事故,得到第二判断结果;再基于异常行为数据库判断待承保船舶是否发生过异常行为,得到第三判断结果;最后基于第一判断结果、第二判断结果、第三判断结果对待承保船舶的风险进行识别。本发明能够对待承保船舶进行风险分类,为不同客户制定差异化的费率标准,此外还无需人工参与,节省了人工成本,避免因人为判断带来的损失。
在一些实施例中,可选地,基于第一判断结果、第二判断结果、第三判断结果对待承保船舶的风险进行识别的步骤包括:在第一预设条件、第二预设条件、第三预设条件均不满足的情况下,确定待承保船舶为无风险船舶;在第一预设条件、第二预设条件、第三预设条件满足一个的情况下,确定待承保船舶为风险船舶,且确定风险等级为一级风险;在第一预设条件、第二预设条件、第三预设条件满足二个的情况下,确定待承保船舶为风险船舶,且确定风险等级为二级风险;在第一预设条件、第二预设条件、第三预设条件均满足的情况下,确定待承保船舶为风险船舶,且确定风险等级为三级风险;其中,第一预设条件包括待承保船舶存在目标缺陷项或待承保船舶的滞留率大于第一预设值,第二预设条件包括待承保船舶发生过事故,第三预设条件包括待承保船舶发生过异常行为。
在该实施例中,在对待承保船舶的风险进行识别时,判断待承保船舶满足三个预设条件中的几个,若均不满足,说明待承保船舶为无风险船舶,若满足三个预设条件中的一个,说明待承保船舶为一级风险,也即低风险船舶,若满足三个预设条件中的二个,说明待承保船舶为二级风险,也即中风险船舶,若三个预设条件均满足,说明待承保船舶为三级风险,也即高风险船舶。
在一些实施例中,可选地,基于缺陷信息判断待承保船舶是否存在目标缺陷项的步骤具体包括:基于缺陷信息,提取出待承保船舶的缺陷项;判断待承保船舶的缺陷项是否包括目标缺陷项;在待承保船舶的缺陷项包括目标缺陷项的情况下,确定待承保船舶存在目标缺陷项。
在该实施例中,在判断待承保船舶是否存在目标缺陷项的步骤中,先基于缺陷信息提取出待承保船舶的所有缺陷项,如果提取的所有缺陷项中包含目标缺陷项,则确定待承保船舶存在目标缺陷项。其中,目标缺陷项是基于需求设置的,也即对船舶承保有影响的缺陷项设为目标缺陷项,例如主机机身漏油;对船舶承保没有影响的设为非目标缺陷项,例如排烟系统不达标,因为排烟系统不达标通常情况下并不会给船舶带来实际上的损失,因此,这些非目标缺陷项并不作为判断待承保船舶是否存在缺陷的标准。本发明只有当待承保船舶存在对承保有较大影响的目标缺陷项,才认为待承保船舶存在缺陷,这样就提高了识别的精准率。
在一些实施例中,可选地,目标缺陷项包括如下缺陷中的至少一种:主机机身漏油、燃油漏油报警装置损坏、舱盖密封不严、道门密封不严、通风筒密封不严、消防管路漏水、防火风闸无法关闭、救生艇释放装置的操作手柄不能复位。当然,目标缺陷项不仅仅局限于这些,只要对承保有影响的缺陷项都应被视为目标缺陷项,在此不一一列举出。
在一些实施例中,可选地,第一预设值大于等于5%,且小于等于10%。例如,第一预设值等于7%。
在该实施例中,第一预设值大于等于5%,且小于等于10%。例如,第一预设值等于7%,也就是说,如果待承保船舶的滞留率大于7%,则视为潜在风险船舶。
在一些实施例中,可选地,基于异常行为数据库,判断待承保船舶是否发生过异常行为的步骤具体包括:从异常行为数据库中提取出待承保船舶的异常信息;判断异常信息是否包括目标异常信息;在异常信息包括目标异常信息的情况下,判断待承保船舶发生过异常行为。
在该实施例中,在判断待承保船舶是否发生过异常行为时,从异常行为数据库中提取出待承保船舶的异常信息,判断异常信息是否包括目标异常信息,目标异常信息也即对船舶承保有较大影响的异常信息,例如异常航速,因为航速过快很容易导致发生碰撞,因此,在异常信息包括目标异常信息的情况下,判断待承保船舶发生过异常行为。本发明并不是只要待承保船舶存在异常信息就认为待承保船舶存在异常行为,而是只有当待承保船舶存在对承保有较大影响的目标异常信息时,才认为待承保船舶存在异常行为,这样就提高了识别的精准率。
在一些实施例中,可选地,目标异常信息包括如下行为中的至少一种:异常搭靠、异常折返、异常徘徊、异常滞留、信号隐匿、套牌行为、经停风险区、异常航速。
在该实施例中,由于这些异常信息对船舶行驶来说都是潜在的风险,故而如果待承保船舶存在这些目标异常信息,则确定待承保船舶存在异常行为。
如图2所示,本发明另一实施例提供了一种船舶保险风险识别方法,包括如下步骤:
S202:从待承保船舶列表中确定待承保船舶;
S204:获取船舶档案;
本发明所采用的船舶档案主要为船讯网,而船讯网数据大部分源自劳氏全球海事事故数据库,简称英国劳氏,英国劳氏是国际海事组织指定的国际海事组织的识别码颁发、管理和验证部门,其数据的权威性和完备性无人可及。此外,本发明船讯网档案中完整收录全球300吨以上国际船舶12万多艘,船东及管理公司7万多家,造船厂6千多家,数据每周更新,数据内容包括详细的船舶和设备技术参数、建造情况、保赔协会、入级及PSC检验记录、所有人、经营人、买卖情况等权威档案资料200多项;
其中,英国劳氏档案主要参考数据项如下:
1、船舶详细信息:注册/通信/互保协会、船舶公司、商业历史、船级社、船级社检验记录等;
2、船体构造:船舶吨位、船型尺寸、建造公司、船舶状态、构造细节、变动和改造;
3、货物和设备:载货概况、货舱、油船舱室、舱口、装载量、装卸设备、滚装;
4、船舶设备:主机、辅机、锅炉、主发电机、辅发电机、涡轮增压器、燃油、螺旋桨、侧推;
5、检验证书:PSC检验、船舶安全管理证书、重大事件、事件时间表;
其中,PSC检查记录主要参考数据项如下:
1、统计项:检查次数、缺陷次数、滞留次数、缺陷率、滞留率、缺陷项数、ISM(International Safety Management,国际船舶安全营运和防止污染管理规则)缺陷数、非ISM缺陷数;
2、检查详情:检查国家、检查港口、报告时间、检查组织、检查类型;
3、缺陷详情:缺陷类型、缺陷代码、缺陷描述、滞留原因;
S206:判断是否有船级社检验证书;若否,则执行S248,若是,则执行S208;
S208:PSC检查;
S210:判断是否有缺陷或滞留率大于7%;若否,则执行S212,若是,则执行S224;
S212:检查事故数据库;
其中,事故数据库主要参考数据项如下:
1、提供全球船舶事故档案,包括事故发生时间、地点、船舶、事故类型、严重程度、人员伤亡情况等;
2、事故详情:事故ID、事件编号、港口、事故类型、事件类型;
3、事件和货物:死亡人数、失踪人数、状态细节、货物状态、货物、危险货物、是否污染;
4、航次详情:起始港、到港、撤离、辅助;
5、事件详情:事件序号、事件日期、事件初始、位置、天气;
6、事故地点:马斯登网格、位置类型、区域、碰撞地;
7、涉及的其他船舶及处置信息;
S214:判断是否发生过事故;若否,则执行S216,若是,则执行S232;
S216:分析异常行为数据库;
其中,异常行为数据库主要参考数据项如下:
1、异常行为分析:包括船舶异常搭靠、异常折返、异常徘徊、异常滞留、信号隐匿、套牌等异常行为;
2、经停高风险区:如海盗区、冰区、战区、疫区、军事演习区等;
3、航速异常行为:航速过高、航速过低;
4、自然灾害事件:台风、地震、海啸等;
S218:判断是否存在异常行为;若否,则执行S220,若是,则执行S222;
S220:识别为无风险;
其中,无风险也即优质客户;
S222:识别为一级风险;
其中,一级风险也即低风险;
S224:确定为潜在风险船舶;
S226:检查事故数据库;
S228:判断是否发生过事故;若否,则执行S230,若是,则执行S240;
S230:确定为潜在非事故风险船舶;
S232:确定为事故风险船舶;
S234:分析异常行为数据库;
S236:判断是否存在异常行为;若否,则执行S222,若是,则执行S238;
S238:识别为二级风险;
其中,二级风险也即中风险;
S240:确定为潜在事故风险船舶;
S242:分析异常行为数据库;
S244:判断是否存在异常行为;若是,则执行S246,若否,则执行S238;
S246:识别为三级风险;
其中,三级风险也即高风险;
S248:识别为不予承保客户。
本发明的有益效果如下:
1、提供便捷综合的船舶分析数据,节省因搜集船舶资料花费的大量人力物力,为承保前识别和排查船舶潜在风险提供客观依据,辅助业务人员进行客户选择和保险定价,有利于航运保险机构对不同船舶出具差异化的承保条件及费率标准。
2、提供一种可靠的承保风险识别及客户分类方法,避免因人为判断带来的损失。
本方案的发明点在于:
1、通过船舶档案、PSC检查、事故数据库、船舶异常行为数据库等数据,对承保风险识别提供客观依据。
2、通过对承保船舶的风险分类,为不同客户制定差异化的费率标准。
如图3所示,本发明第二方面提供了一种船舶保险风险识别装置1,包括:信息获取模块16,用于获取船舶档案信息;判断模块12,用于判断船舶档案信息中是否包括待承保船舶的检验信息;在船舶档案信息中包括检验信息时,信息获取模块16还用于,从船舶档案中提取待承保船舶的缺陷信息和滞留信息;判断模块12还用于,基于缺陷信息判断待承保船舶是否存在目标缺陷项,且基于滞留信息判断待承保船舶的滞留率是否大于第一预设值,并得到第一判断结果;判断模块12还用于基于事故数据库,判断待承保船舶是否发生过事故,得到第二判断结果;判断模块12还用于基于异常行为数据库,判断待承保船舶是否发生过异常行为,得到第三判断结果;确认模块14用于基于第一判断结果、第二判断结果、第三判断结果对待承保船舶的风险进行识别。
本申请实施例中的船舶保险风险识别装置可以是装置,也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备,也可以为非移动电子设备。示例性的,移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra mobile personal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的船舶保险风险识别装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为iOS操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请实施例提供的船舶保险风险识别装置能够实现上述方法实施例实现的各个过程,为避免重复,这里不再赘述。
如图4所示,本发明第三方面提供了一种电子设备700,包括处理器701,存储器702,存储在存储器702上并可在处理器701上运行的程序或指令,该程序或指令被处理器701执行时实现上述船舶保险风险识别方法,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,本申请实施例中的电子设备包括移动电子设备和非移动电子设备。
需要说明的是,本申请实施例中的电子设备包括移动电子设备,如手机,也可以包括非移动电子设备,如电脑等。
图5为实现本申请实施例的另一种电子设备2000的硬件结构示意图。
该电子设备2000包括但不限于:射频单元2001、网络模块2002、音频输出单元2003、输入单元2004、传感器2005、显示单元2006、用户输入单元2007、接口单元2008、存储器2009以及处理器2010等部件。
本领域技术人员可以理解,电子设备2000还可以包括给各个部件供电的电源2011(比如电池),电源2011可以通过电源管理系统与处理器2010逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图4中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置,在此不再赘述。
其中,用户输入单元2007接收第一输入。
处理器2010根据第一输入,生成并存储对应的原始操作记录,其中,原始操作记录中包括至少一个原始操作节点;
用户输入单元2007接收对操作节点中的目标操作节点的第二输入。
处理器2010响应于第二输入,生成调整后的模拟操作记录。
根据模拟操作记录,控制电子设备运行对应的程序或功能。
可选地,第一输入包括至少一个输入步骤,每个原始操作节点均包括一个输入步骤和对应的操作结果。
其中,操作结果为:电子设备的程序或功能在接收到输入步骤后,根据输入步骤输出的反馈结果。
输入单元2004获取第一输入对应的程序或功能。
存储器2009按照输入步骤的输入顺序,分别记录每个输入步骤和对应的操作结果。
处理器2010按照输入顺序,对应保存第一输入对应的程序或功能、输入步骤和操作结果,并形成为原始操作记录。
可选地,显示单元2006显示与原始操作记录相关联的标识。
用户输入单元2007接收对标识的第三输入。
显示单元2006响应于第三输入,按照输入顺序显示原始操作记录中的原始操作节点。
可选地,处理器2010根据第二输入,对目标操作节点对应的目标输入步骤进行调整,得到调整后的模拟输入步骤;
处理器2010根据模拟输入步骤,控制电子设备运行目标输入步骤对应的程序或功能,以得到模拟输入步骤对应的模拟操作结果;
处理器2010根据模拟输入步骤和模拟操作结果生成对应的模拟操作节点,根据模拟操作节点生成模拟操作记录;
其中,模拟操作节点对应的输入顺序,与目标操作节点对应的输入顺序相同。
可选地,用户输入单元2007接收运行输入。
处理器2010响应于运行输入,控制电子设备根据模拟操作记录运行对应的程序或功能。
可选地,处理器2010分别确定多个模拟操作记录中,每一个模拟操作记录中的每一个模拟操作节点的模拟操作结果。
显示单元2006在存在任两个模拟操作记录,满足任两个模拟操作记录中相对应的模拟操作节点的模拟操作结果不同的情况下,显示对应的提示信息。
本申请实施例通过保存用户的第一输入,并根据各操作步骤形成为原始操作节点,使用户在出现操作错误后,能够追溯回出现错误的操作节点并进行有针对性的修正,在修正后,根据保存的正确节点和修正后的节点,形成为完整的操作记录并执行,避免用户从头进行手动操作,一方面实现了误操作的快捷修正,另一方面不需要用户重新操作,从根本上避免了再次误操作的可能,提高了用户的交互体验。
应理解的是,本申请实施例中,输入单元2004可以包括图形处理器(GraphicsProcessing Unit,GPU)5082和麦克风5084,图形处理器5082对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。
显示单元2006可包括显示面板5122,可以采用液晶显示器、有机发光二极管等形式来配置显示面板5122。用户输入单元2007包括触控面板5142以及其他输入设备5144。触控面板5142,也称为触摸屏。触控面板5142可包括触摸检测装置和触摸控制器两个部分。其他输入设备5144可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。存储器2009可用于存储软件程序以及各种数据,包括但不限于应用程序和操作系统。处理器2010可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器2010中。
本发明第四方面提供了一种可读储存介质,可读储存介质上存储有程序或指令,处理器执行程序或指令时实现如本申请第一方面任一项技术方案提供的船舶保险风险识别方法。
其中,处理器为上述实施例中的电子设备中的处理器。可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、磁碟或者光盘等。
本申请实施例另提供了一种芯片,芯片包括处理器和通信接口,通信接口和处理器耦合,处理器用于运行程序或指令,实现上述电子设备的控制方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
在根据本发明的实施例中,术语“第一”、“第二”、“第三”仅用于描述的方面,而不能理解为指示或暗示相对重要性;术语“多个”则指两个或两个以上,除非另有明确的限定。术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;“相连”可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在根据本发明的实施例中的具体含义。
此外,虽然采用特定次序描绘了各操作,但是这应当理解为要求这样操作以出的特定次序或以顺序次序执行,或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本发明的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
以上仅为根据本发明的实施例的优选实施例而已,并不用于限制根据本发明的实施例,对于本领域的技术人员来说,根据本发明的实施例可以有各种更改和变化。凡在根据本发明的实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在根据本发明的实施例的保护范围之内。
Claims (9)
1.一种船舶保险风险识别方法,其特征在于,用于船舶保险风险识别装置,所述船舶保险风险识别方法包括:
获取船舶档案信息;
判断所述船舶档案信息中是否包括待承保船舶的检验信息;
在所述船舶档案信息中包括所述检验信息时,
从所述船舶档案信息中提取所述待承保船舶的缺陷信息和滞留信息;
基于所述缺陷信息判断所述待承保船舶是否存在目标缺陷项,且基于所述滞留信息判断所述待承保船舶的滞留率是否大于第一预设值,并得到第一判断结果;
基于事故数据库,判断所述待承保船舶是否发生过事故,得到第二判断结果;
基于异常行为数据库,判断所述待承保船舶是否发生过异常行为,得到第三判断结果;
基于所述第一判断结果、所述第二判断结果、所述第三判断结果确定所述待承保船舶的风险级别;
所述基于所述第一判断结果、所述第二判断结果、所述第三判断结果对所述待承保船舶的风险进行识别的步骤包括:
在第一预设条件、第二预设条件、第三预设条件均不满足的情况下,确定所述待承保船舶为无风险船舶;
在第一预设条件、第二预设条件、第三预设条件满足一个的情况下,确定所述待承保船舶为风险船舶,且确定风险等级为一级风险;
在第一预设条件、第二预设条件、第三预设条件满足二个的情况下,确定所述待承保船舶为风险船舶,且确定风险等级为二级风险;
在第一预设条件、第二预设条件、第三预设条件均满足的情况下,确定所述待承保船舶为风险船舶,且确定风险等级为三级风险;
其中,所述第一预设条件包括所述待承保船舶存在目标缺陷项或所述待承保船舶的滞留率大于第一预设值,所述第二预设条件包括所述待承保船舶发生过事故,所述第三预设条件包括所述待承保船舶发生过异常行为。
2.根据权利要求1所述的船舶保险风险识别方法,其特征在于,所述基于所述缺陷信息判断所述待承保船舶是否存在目标缺陷项的步骤具体包括:
基于所述缺陷信息,提取出所述待承保船舶的缺陷项;
判断所述待承保船舶的缺陷项是否包括所述目标缺陷项;
在所述待承保船舶的缺陷项包括所述目标缺陷项的情况下,确定所述待承保船舶存在所述目标缺陷项。
3.根据权利要求2所述的船舶保险风险识别方法,其特征在于,所述目标缺陷项包括如下缺陷中的至少一种:
主机机身漏油、燃油漏油报警装置损坏、舱盖密封不严、道门密封不严、通风筒密封不严、消防管路漏水、防火风闸无法关闭、救生艇释放装置的操作手柄不能复位。
4.根据权利要求1所述的船舶保险风险识别方法,其特征在于,所述第一预设值大于等于5%,且小于等于10%。
5.根据权利要求1所述的船舶保险风险识别方法,其特征在于,所述基于异常行为数据库,判断所述待承保船舶是否发生过异常行为的步骤具体包括:
从所述异常行为数据库中提取出所述待承保船舶的异常信息;
判断所述异常信息是否包括目标异常信息;
在所述异常信息包括所述目标异常信息的情况下,判断所述待承保船舶发生过异常行为。
6.根据权利要求5所述的船舶保险风险识别方法,其特征在于,所述目标异常信息包括如下行为中的至少一种:
异常搭靠、异常折返、异常徘徊、异常滞留、信号隐匿、套牌行为、经停风险区、异常航速。
7.一种船舶保险风险识别装置,其特征在于,包括:
信息获取模块,用于获取船舶档案信息;
判断模块,用于判断所述船舶档案信息中是否包括待承保船舶的检验信息;
在所述船舶档案信息中包括所述检验信息时,
所述信息获取模块还用于,从所述船舶档案信息中提取所述待承保船舶的缺陷信息和滞留信息;
所述判断模块还用于,基于所述缺陷信息判断所述待承保船舶是否存在目标缺陷项,且基于所述滞留信息判断所述待承保船舶的滞留率是否大于第一预设值,并得到第一判断结果;
所述判断模块还用于,基于事故数据库,判断所述待承保船舶是否发生过事故,得到第二判断结果;
所述判断模块还用于,基于异常行为数据库,判断所述待承保船舶是否发生过异常行为,得到第三判断结果;
确认模块,用于基于所述第一判断结果、所述第二判断结果、所述第三判断结果确定所述待承保船舶的风险级别;
其中,在第一预设条件、第二预设条件、第三预设条件均不满足的情况下,确定所述待承保船舶为无风险船舶;
在第一预设条件、第二预设条件、第三预设条件满足一个的情况下,确定所述待承保船舶为风险船舶,且确定风险等级为一级风险;
在第一预设条件、第二预设条件、第三预设条件满足二个的情况下,确定所述待承保船舶为风险船舶,且确定风险等级为二级风险;
在第一预设条件、第二预设条件、第三预设条件均满足的情况下,确定所述待承保船舶为风险船舶,且确定风险等级为三级风险;
其中,所述第一预设条件包括所述待承保船舶存在目标缺陷项或所述待承保船舶的滞留率大于第一预设值,所述第二预设条件包括所述待承保船舶发生过事故,所述第三预设条件包括所述待承保船舶发生过异常行为。
8.一种电子设备,其特征在于,包括:
储存器和处理器,所述储存器上存储有计算机程序或指令,所述处理器执行所述计算机程序或所述指令时实现如权利要求1至6中任一项所述的船舶保险风险识别方法。
9.一种可读储存介质,其特征在于,所述可读储存介质上存储有程序或指令,处理器执行所述程序或所述指令时实现如权利要求1至6中任一项所述的船舶保险风险识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311437412.7A CN117391870B (zh) | 2023-11-01 | 2023-11-01 | 船舶保险风险识别方法、装置、电子设备和可读储存介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311437412.7A CN117391870B (zh) | 2023-11-01 | 2023-11-01 | 船舶保险风险识别方法、装置、电子设备和可读储存介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117391870A CN117391870A (zh) | 2024-01-12 |
CN117391870B true CN117391870B (zh) | 2024-04-19 |
Family
ID=89471744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311437412.7A Active CN117391870B (zh) | 2023-11-01 | 2023-11-01 | 船舶保险风险识别方法、装置、电子设备和可读储存介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117391870B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117593140A (zh) * | 2024-01-17 | 2024-02-23 | 亿海蓝(北京)数据技术股份公司 | 航运保险累积风险识别方法及系统、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101782916A (zh) * | 2009-09-22 | 2010-07-21 | 上海海事大学 | 船舶事故数据库系统的实现方法 |
JP2018073074A (ja) * | 2016-10-28 | 2018-05-10 | 国立研究開発法人 海上・港湾・航空技術研究所 | 船舶の衝突リスク低減方法、船舶の衝突リスク低減システム、計画航路情報提供センター及び船舶 |
CN112699467A (zh) * | 2020-12-29 | 2021-04-23 | 香港理工大学深圳研究院 | 一种港口国监督检查船舶和检查员分配的方法 |
CN113002726A (zh) * | 2021-03-15 | 2021-06-22 | 亿海蓝(北京)数据技术股份公司 | 异常船舶检测方法、装置、电子设备和存储介质 |
CN113901969A (zh) * | 2021-12-08 | 2022-01-07 | 亿海蓝(北京)数据技术股份公司 | 船舶异常行为检测方法、系统、电子设备和可读存储介质 |
CN114971924A (zh) * | 2022-05-27 | 2022-08-30 | 广东逸动科技有限公司 | 船舶保费确定方法、装置、电子设备及存储介质 |
CN115774804A (zh) * | 2022-11-24 | 2023-03-10 | 亿海蓝(北京)数据技术股份公司 | 船舶的异常识别方法、系统和可读存储介质 |
CN116777218A (zh) * | 2023-06-28 | 2023-09-19 | 中远海运科技股份有限公司 | 一种基于船舶业务数据、ais数据对船舶风险进行智能评估的系统及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040039609A1 (en) * | 2002-08-22 | 2004-02-26 | Sarah Burkitt | System and method for payment of insurance premiums for vessels |
US20220129909A1 (en) * | 2020-10-22 | 2022-04-28 | Shipmetrics Technology LLC (DE LLC) | Vessel detention prevention and risk assessment service |
US11836648B2 (en) * | 2021-02-09 | 2023-12-05 | Global Spatial Technology Solutions Inc. | System and method for vessel risk assessment |
-
2023
- 2023-11-01 CN CN202311437412.7A patent/CN117391870B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101782916A (zh) * | 2009-09-22 | 2010-07-21 | 上海海事大学 | 船舶事故数据库系统的实现方法 |
JP2018073074A (ja) * | 2016-10-28 | 2018-05-10 | 国立研究開発法人 海上・港湾・航空技術研究所 | 船舶の衝突リスク低減方法、船舶の衝突リスク低減システム、計画航路情報提供センター及び船舶 |
CN112699467A (zh) * | 2020-12-29 | 2021-04-23 | 香港理工大学深圳研究院 | 一种港口国监督检查船舶和检查员分配的方法 |
CN113002726A (zh) * | 2021-03-15 | 2021-06-22 | 亿海蓝(北京)数据技术股份公司 | 异常船舶检测方法、装置、电子设备和存储介质 |
CN113901969A (zh) * | 2021-12-08 | 2022-01-07 | 亿海蓝(北京)数据技术股份公司 | 船舶异常行为检测方法、系统、电子设备和可读存储介质 |
CN114971924A (zh) * | 2022-05-27 | 2022-08-30 | 广东逸动科技有限公司 | 船舶保费确定方法、装置、电子设备及存储介质 |
CN115774804A (zh) * | 2022-11-24 | 2023-03-10 | 亿海蓝(北京)数据技术股份公司 | 船舶的异常识别方法、系统和可读存储介质 |
CN116777218A (zh) * | 2023-06-28 | 2023-09-19 | 中远海运科技股份有限公司 | 一种基于船舶业务数据、ais数据对船舶风险进行智能评估的系统及方法 |
Non-Patent Citations (6)
Title |
---|
中国船险市场曙光初现――访太平洋保险公司船舶险处处长唐瑞平;安飞;中国船检;20050320(第03期);32-34 * |
国内船分级管理:重塑中国航运新秩序;安飞;中国船检;20050120(第01期);36-39 * |
基于风险管控的内河船舶污染损害责任保险机制;邓健;沈慧;周韧;胡承兵;刘国栋;李尧;;中国航海;20191225;第42卷(第04期);109-113、135 * |
港口国监督的发展趋势;俞磊;;中国船检;20090715(第07期);92-94 * |
熟悉PSC检查中GMDSS缺陷降低船舶滞留风险;施春红;;航海技术;20080125(第01期);47-48 * |
船舶安全检查滞留的实践及其意义;林建福;;珠江水运;20090615(第06期);38-40 * |
Also Published As
Publication number | Publication date |
---|---|
CN117391870A (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117391870B (zh) | 船舶保险风险识别方法、装置、电子设备和可读储存介质 | |
Baalisampang et al. | Review and analysis of fire and explosion accidents in maritime transportation | |
Wang et al. | A resilience perspective on water transport systems: the case of Eastern Star | |
Vanem et al. | Analysing the risk of LNG carrier operations | |
Wen et al. | Statistics, lessons learned and recommendations from analysis of HIAD 2.0 database | |
Pate-Cornell | Risk analysis and risk management for offshore platforms: lessons from the Piper Alpha accident | |
Sevgili et al. | A data-driven Bayesian Network model for oil spill occurrence prediction using tankship accidents | |
Dorsey et al. | Self healing databases for predictive risk analytics in safety-critical systems | |
Weng et al. | Generalized F distribution model with random parameters for estimating property damage cost in maritime accidents | |
WO2021048956A1 (ja) | プラントの保全管理方法及び保全管理システム | |
Fan et al. | Towards an analysis framework for operational risk coupling mode: A case from MASS navigating in restricted waters | |
Bimo et al. | The Application of AHP and PESTEL-SWOT Analysis on the Study of Military Amphibious Aircraft Acquisition Decision-Making in Indonesia | |
Bao et al. | A hybrid approach for quantitative analysis of fire hazards in enclosed vehicle spaces on ro-ro passenger ships | |
Mutmainnah et al. | Causative factor analysis of passenger ship accident (Fire/Explosion) in Indonesia | |
Zhu et al. | Identifying crucial deficiency categories influencing ship detention: A method of combining cloud model and prospect theory | |
Onakpojeruo et al. | Mental wellbeing; Human reliability assessment of seafarers during the COVID-19 era | |
Ding et al. | A novel deep learning framework for detecting seafarer’s unsafe behavior | |
Tarapata et al. | Risk analysis and alert system for CBRN threats: features and functions | |
Cai et al. | Development of Bayesian Models for Marine Accident Investigation and Their Use in Risk-based Ship Design. | |
CN112363450A (zh) | 一种地下综合管廊监控运维一体化方法 | |
Astrup et al. | A framework addressing major accident risk in the Maritime industry | |
Kim et al. | The causes and responses to cargo hold fire accidents in RoRo ships using AcciMap | |
CN118333382A (zh) | 船舶风险评估信息的生成方法、装置和存储介质 | |
Martinez et al. | Prioritising sources of risk at liquefied natural gas storage terminals in Mexico | |
Subotic et al. | Recovery from equipment failures in air traffic control |
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 |