CN117495112A - 安全生产的双重预防管理方法、系统、设备及存储介质 - Google Patents
安全生产的双重预防管理方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN117495112A CN117495112A CN202410000732.4A CN202410000732A CN117495112A CN 117495112 A CN117495112 A CN 117495112A CN 202410000732 A CN202410000732 A CN 202410000732A CN 117495112 A CN117495112 A CN 117495112A
- Authority
- CN
- China
- Prior art keywords
- risk
- safety
- management
- factors
- enterprise
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 133
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 41
- 230000003449 preventive effect Effects 0.000 title claims description 29
- 230000009977 dual effect Effects 0.000 title claims description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 75
- 230000002265 prevention Effects 0.000 claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000007246 mechanism Effects 0.000 claims abstract description 41
- 238000012502 risk assessment Methods 0.000 claims abstract description 31
- 238000011160 research Methods 0.000 claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 239000013598 vector Substances 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 12
- 238000012916 structural analysis Methods 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 9
- 230000008901 benefit Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 238000010223 real-time analysis Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 12
- 230000036541 health Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 8
- 230000010485 coping Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006798 recombination Effects 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training 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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供安全生产的双重预防管理方法、系统、设备及存储介质，涉及智能控制技术领域，所述方法包括：对所述联立方程组进行解析，推导出通项公式，得出方程组的通解；根据方程组的通解，构建量化预测企业安全管理的风险评估模型；根据所述风险评估模型，构建基于双重预防机制的数学研判分析模型；根据所述数学研判分析模型，对企业安全生产数据进行实时监控与分析，以得到潜在的安全风险；根据潜在的安全风险，制定对应的应急预案。本发明不仅提高了安全管理的效率和准确性，而且有助于企业及时发现和应对潜在的安全风险，从而保障企业的安全生产和员工的生命安全与健康。
Description
技术领域
本发明涉及智能控制技术领域，特别是指安全生产的双重预防管理方法、系统、设备及存储介质。
背景技术
随着社会的不断进步和科技的持续发展，安全生产在现代企业中显得尤为重要。安全生产不仅关系到企业的经济效益和声誉，更直接关系到员工的生命安全与健康。然而，传统的安全管理方法往往基于经验和直觉，缺乏系统性和科学性，难以及时准确地识别和预防潜在的安全风险。
近年来，虽然有些企业在安全管理方面进行了一些有益的探索，比如引入先进的安全管理体系、采用高科技的安全监控手段等，但仍然存在着诸多不足。一方面，这些方法往往只关注单一的安全因素或环节，忽视了安全管理的整体性和复杂性；另一方面，它们往往只停留在事后处理的层面，缺乏对安全风险的预防和预控。
发明内容
本发明要解决的技术问题是提供安全生产的双重预防管理方法、系统、设备及存储介质，不仅提高了安全管理的效率和准确性，而且有助于企业及时发现和应对潜在的安全风险，从而保障企业的安全生产和员工的生命安全与健康。
为解决上述技术问题，本发明的技术方案如下：
第一方面，安全生产的双重预防管理方法，所述方法包括：
根据实际行业特点，对企业安全管理进行结构化分析，以得到分析结果；
根据分析结果，使用双重预防运行机制模型，并根据具体的安全管理数据和多种影响因素，为企业的各个业务因子构建安全管理运行机制的联立方程组；
对所述联立方程组进行解析，推导出通项公式，得出方程组的通解；
根据方程组的通解，构建量化预测企业安全管理的风险评估模型；
根据所述风险评估模型，构建基于双重预防机制的数学研判分析模型；
根据所述数学研判分析模型，对企业安全生产数据进行实时监控与分析，以得到潜在的安全风险；
根据潜在的安全风险，制定对应的应急预案。
进一步的，根据实际行业特点，对企业安全管理进行结构化分析，以得到分析结果，包括：
通过计算风险因素权重，其中，/>表示第/>个风险因素的权重，/>表示第/>个风险因素的修正系数，/>表示第/>个风险因素的影响程度，/>表示第/>个风险因素的发生频率；
通过预测整体安全风险，其中，表示整体安全风险评分，表示外
部环境因素的加权系数，表示关键风险因素的数量；
通过计算安全管理总效能，其中，表示安全管理总效能，表
示组织文化因素的影响系数，表示第项安全措施的效能评分，表示第项安全措施的
实施程度，表示安全措施的总数。
进一步的，根据分析结果，使用双重预防运行机制模型，并根据具体的安全管理数据和多种影响因素，为企业的各个业务因子构建安全管理运行机制的联立方程组，包括：
根据企业个业务因子，每个业务因子分别设置有对应的安全管理指标，并受
到内部管理因素和外部环境因素的影响；
通过以下公式：
构建联立方程组，其中，表示在时间的第个业务因子的安全管理指标，
和表示分别为内部管理因素和外部环境因素，影响第个业务因子，和分别表示主动
预防和被动应对的影响系数，表示第个业务因子与第个业务因子之间的相互作用系
数，表示第个业务因子时间延迟因素的系数，表示第个业务因子在时间
的历史数据，表示第个业务因子对第个业务因子的反馈作用系数。
进一步的，对所述联立方程组进行解析，推导出通项公式，得出方程组的通解，包括：
建立差分方程x(t+1)=Ax(t)，其中，是系统矩阵，x(t+1)表
示的是下一个时间点的状态向量，x(t)表示的是当前时间点的状态向量，t和t+1分别表示
当前和下一个时间点；
通过求解特征值，其中，是单位矩阵，是特征值；
通过构建通解，其中，和是根据初始条件确定的常数，
和分别是特征值，和分别是特征值和特征值相对应的特征向量，其中，，是特征值，是特征向量。
进一步的，根据方程组的通解，构建量化预测企业安全管理的风险评估模型，包括：
确定与企业安全管理相关的关键参数；
根据线性差分方程组模型，建立关于关键参数的差分方程组；
根据企业的当前状况和历史数据确定每个风险因子的初始值，以及相互影响系数；
根据每个风险因子的初始值，以及相互影响系数，求解差分方程组，得到每个风险因子随时间变化的函数形式。
进一步的，根据所述风险评估模型，构建基于双重预防机制的数学研判分析模型，包括：
识别潜在风险，并对风险进行评估，以得到评估结果；
根据评估结果确定双重预防机制；
根据双重预防机制，创建一个矩阵，列出所有识别的风险，以及各个风险分别对应的主动和被动预防措施，评估每种预防措施对降低特定风险的有效性以及为每种预防措施分配一个量化的效果值；
计算实施每项预防措施的成本，对比预防措施的成本与预期的风险降低效益，以得到对比结果。
进一步的，根据所述数学研判分析模型，对企业安全生产数据进行实时监控与分析，以得到潜在的安全风险，包括：
根据安全生产的要求，确定与安全风险相关的关键特征；
构建用于分析关键特征与安全风险之间关系的数学研判分析模型；
将实时获取的数据输入所述数学研判分析模型中，进行实时分析，以得到分析结果；
根据所述分析结果，预测潜在的安全风险。
第二方面，一种安全生产的双重预防管理系统，包括：
获取模块，用于根据实际行业特点，对企业安全管理进行结构化分析，以得到分析结果；根据分析结果，使用双重预防运行机制模型，并根据具体的安全管理数据和多种影响因素，为企业的各个业务因子构建安全管理运行机制的联立方程组；
处理模块，用于对所述联立方程组进行解析，推导出通项公式，得出方程组的通解；根据方程组的通解，构建量化预测企业安全管理的风险评估模型；根据所述风险评估模型，构建基于双重预防机制的数学研判分析模型；根据所述数学研判分析模型，对企业安全生产数据进行实时监控与分析，以得到潜在的安全风险；根据潜在的安全风险，制定对应的应急预案。
第三方面，一种计算设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述方法。
第四方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现上述方法。
本发明的上述方案至少包括以下有益效果：
本发明的上述方案，通过结构化分析和双重预防运行机制模型的应用，能够对企业安全管理进行全面、系统的评估，避免了传统方法中基于经验和直觉的片面性，从而提高了安全管理的效率；利用联立方程组和通项公式进行解析，可以精确地量化预测企业安全管理的风险，使得风险识别更加准确，有助于企业及时采取预防措施；通过构建基于双重预防机制的数学研判分析模型，能够对企业安全生产数据进行实时监控与分析，及时发现潜在的安全风险，确保企业的安全生产；根据潜在的安全风险，制定对应的应急预案，使得应急预案更加针对性和实效性，有助于企业在面临安全风险时能够迅速、有效地应对，综合考虑了企业的各个业务因子和多种影响因素，有助于提升企业整体的安全性，降低事故发生的概率，推动了安全管理向科学化、定量化的方向发展，提升了企业安全管理的整体水平。
附图说明
图1是本发明的实施例提供的安全生产的双重预防管理方法的流程示意图。
图2是本发明的实施例提供的安全生产的双重预防管理系统示意图。
具体实施方式
下面将参照附图更细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示，本发明的实施例提出安全生产的双重预防管理方法，所述方法包括：
步骤11，根据实际行业特点，对企业安全管理进行结构化分析，以得到分析结果；
步骤12，根据分析结果，使用双重预防运行机制模型，并根据具体的安全管理数据和多种影响因素，为企业的各个业务因子构建安全管理运行机制的联立方程组；
步骤13，对所述联立方程组进行解析，推导出通项公式，得出方程组的通解；
步骤14，根据方程组的通解，构建量化预测企业安全管理的风险评估模型；
步骤15，根据所述风险评估模型，构建基于双重预防机制的数学研判分析模型；
步骤16，根据所述数学研判分析模型，对企业安全生产数据进行实时监控与分析，以得到潜在的安全风险；
步骤17，根据潜在的安全风险，制定对应的应急预案。
在本发明实施例中，通过结构化分析和双重预防运行机制模型的应用，能够对企业安全管理进行全面、系统的评估，避免了传统方法中基于经验和直觉的片面性，从而提高了安全管理的效率；利用联立方程组和通项公式进行解析，可以精确地量化预测企业安全管理的风险，使得风险识别更加准确，有助于企业及时采取预防措施；通过构建基于双重预防机制的数学研判分析模型，能够对企业安全生产数据进行实时监控与分析，及时发现潜在的安全风险，确保企业的安全生产；根据潜在的安全风险，制定对应的应急预案，使得应急预案更加针对性和实效性，有助于企业在面临安全风险时能够迅速、有效地应对，综合考虑了企业的各个业务因子和多种影响因素，有助于提升企业整体的安全性，降低事故发生的概率，推动了安全管理向科学化、定量化的方向发展，提升了企业安全管理的整体水平。
在本发明一优选的实施例中，上述步骤11，可以包括：
步骤111，通过计算风险因素权重，其中，表示第个风险因素的
权重，表示第个风险因素的修正系数，表示第个风险因素的影响程度，表示第个风险
因素的发生频率；
步骤112，通过预测整体安全风险，其中，表示整体安全风险评分，表示外部环境因素的加权系数，表示关键风险因素的数量；
步骤113，通过计算安全管理总效能，其中，表示安全管理总
效能，表示组织文化因素的影响系数，表示第项安全措施的效能评分，表示第项安
全措施的实施程度，表示安全措施的总数。
在本发明实施例中，步骤111通过计算风险因素的权重，综合考虑了风险因素的影响程度和发生频率，使得风险评估更加客观、全面，有助于企业更加准确地识别关键风险因素。步骤112通过预测整体安全风险评分，将外部环境因素纳入考虑，进一步提升了风险评估的准确性，使得企业能够根据不同的外部环境变化及时调整安全策略，降低潜在风险。步骤113通过计算安全管理总效能，综合考虑了组织文化因素和各项安全措施的效能评分与实施程度，有助于企业全面评估自身安全管理的实际效果，及时发现存在的不足之处，并针对性地进行改进，提升安全管理水平。通过精确的数学模型和计算方法，本发明为企业提供了科学、量化的风险管理决策依据，有助于企业在风险管理过程中避免主观性和盲目性，提升决策的科学性和准确性。通过准确识别关键风险因素和预测整体安全风险，本发明的方法有助于企业提前制定针对性强的风险应对措施，从而提升企业在面对突发风险时的应对能力。通过对安全管理总效能的评估和分析，本发明的方法能够指导企业在安全管理方面进行持续改进和优化，不断提升企业的安全管理水平和风险防范能力。
在本发明一优选的实施例中，上述步骤12，可以包括：
步骤121，根据企业个业务因子，每个业务因子分别设置有对应的安全管理指
标，并受到内部管理因素和外部环境因素的影响；
步骤122，通过以下公式：
构建联立方程组，其中，表示在时间的第个业务因子的安全管理指标，
和表示分别为内部管理因素和外部环境因素，影响第个业务因子，和分别表示主动
预防和被动应对的影响系数，表示第个业务因子与第个业务因子之间的相互作用系
数，表示第个业务因子时间延迟因素的系数，表示第个业务因子在时间
的历史数据，表示第个业务因子对第个业务因子的反馈作用系数。
在本发明实施例中，根据企业内部管理因素和外部环境因素对不同业务因子的安全管理指标的影响，使得评估更加真实反映企业的实际情况，有助于提高风险管理的针对性和实效性。通过构建联立方程组，不仅考虑了单一业务因子的安全管理指标，还考虑了不同业务因子之间的相互作用和反馈机制，有助于更准确地预测和评估企业整体的安全风险。在联立方程组中，主动预防和被动应对的影响系数得到体现，有助于企业在风险管理过程中综合考虑主动和被动策略，制定更加全面、有效的风险管理措施。通过引入时间延迟因素的系数，本发明能够更准确地模拟和预测安全风险的动态变化过程，为企业提供更加及时、准确的风险预警和管理建议。在构建联立方程组时，既考虑了历史数据对当前安全管理指标的影响，也考虑了实时数据的动态变化。这种结合使得风险评估和预测更加准确、可靠。通过联立方程组的解析和求解，本发明能够为企业提供科学、量化的风险管理决策依据，指导企业在面临复杂、多变的安全风险时做出正确、及时的决策。通过全面、动态地评估企业的安全风险，本发明的方法有助于企业提前发现潜在的安全风险，并制定相应的应对措施，从而提升企业的风险应对能力和整体安全性。
在本发明一优选的实施例中，上述步骤13，可以包括：
步骤131，建立差分方程x(t+1)=Ax(t)，其中，是状态向量，是系统矩阵；
步骤132，通过求解特征值，其中，是单位矩阵，是特征值；
步骤133，通过构建通解，其中，和是根据初始条件确定的
常数，和分别是特征值，和分别是特征值和特征值相对应的特征向量，其中，，是特征值，是特征向量。
在本发明实施例中，通过建立差分方程来描述安全风险的变化过程，能够精确地模拟和预测企业安全风险的动态演变，为企业风险管理提供更加科学、准确的决策依据。通过求解特征值，可以判断系统的稳定性，当特征值的模小于1时，系统稳定；当特征值的模大于1时，系统不稳定，这种分析方法有助于企业及时发现潜在的不稳定因素，并采取相应的措施加以控制。通过构建通解，可以预测企业未来安全风险的变化趋势，有助于企业提前制定风险应对策略，降低潜在风险对企业的影响。根据初始条件确定的常数和特征值、特征向量的不同组合，可以构建出适应不同企业和不同安全风险状况的个性化风险管理方案。通过精确的风险模型构建和特征值分析，能够帮助企业快速识别关键风险因素，并制定相应的应对措施，从而提升风险应对的效率和准确性。通过提前预测和识别潜在的安全风险，本发明的方法有助于企业避免或减少因安全事故造成的直接和间接损失，从而降低风险管理的成本。
在本发明一优选的实施例中，上述步骤14，可以包括：
步骤141，确定与企业安全管理相关的关键参数；
步骤142，根据线性差分方程组模型，建立关于关键参数的差分方程组；
步骤143，根据企业的当前状况和历史数据确定每个风险因子的初始值，以及相互影响系数；
步骤144，根据每个风险因子的初始值，以及相互影响系数，求解差分方程组，得到每个风险因子随时间变化的函数形式。
在本发明实施例中，通过确定与企业安全管理相关的关键参数，有助于企业更加准确地识别影响自身安全的关键因素，根据线性差分方程组模型建立关于关键参数的差分方程组，能够动态地模拟和预测企业安全风险的变化过程，这种动态建模方法使得风险评估更加真实、准确。根据企业的当前状况和历史数据确定每个风险因子的初始值，以及相互影响系数。这种个性化设定使得风险评估更加符合企业的实际情况，提高了评估的针对性和实效性。通过求解差分方程组，得到每个风险因子随时间变化的函数形式，有助于企业全面了解各风险因子的动态变化趋势，为风险管理提供更加科学、量化的决策依据。通过精确识别关键参数、建立动态风险模型和个性化初始值设定，本发明的方法能够帮助企业快速、准确地评估和管理安全风险，从而提升风险管理的效率。通过提前预测和识别潜在的安全风险，本发明的方法有助于企业避免或减少因安全事故造成的直接和间接损失，从而降低风险管理的成本。通过全面了解各风险因子的动态变化趋势，企业可以制定相应的风险应对策略和措施，提升企业在面对复杂、多变的安全风险时的应对能力。
在本发明另一优选的实施例中，上述步骤141，可以包括：
步骤1411，获取企业的运营环境、业务流程和组织结构，分析企业历史的安全事故记录、风险评估报告等，识别出影响企业安全的关键因素，其中，关键参数包括员工安全意识、设备维护状况、安全培训效果、安全管理流程等，针对不同行业和企业的特点，关键参数的选择可能会有所不同。例如，在化工企业，原料的储存和处理方式、设备的老化程度等可能是关键参数；而在IT企业，网络安全、数据保护等可能是更加重要的参数。
步骤1412，对识别出的关键参数进行明确的定义和描述，例如，员工安全意识可以通过定期的安全知识测试得分来衡量；设备维护状况可以通过设备的故障率或维修次数来反映，建立参数数据库，将识别并验证过的关键参数生成数据库。
在本发明实施例中，通过获取企业的运营环境、业务流程和组织结构，并分析历史的安全事故记录和风险评估报告，企业能够全面识别出影响自身安全的关键因素。这种全面的识别有助于企业更加准确地了解自身的安全风险状况。针对不同行业和企业的特点，选择相应的关键参数进行评估，体现了个性化风险管理的理念；对识别出的关键参数进行明确的定义和描述，并进行量化处理，有助于企业更加准确地衡量和评估各风险因素；通过建立参数数据库，企业可以方便地存储、管理和分析关键参数数据，有助于企业更加高效地进行风险评估和管理，及时识别和应对潜在的安全风险。通过提前识别和评估关键风险因素，企业可以采取针对性的预防措施，从而降低因安全事故造成的直接和间接损失，减少风险管理成本，通过对关键参数的定期评估和分析，企业可以不断提升自身的风险管理意识和能力。
在本发明另一优选的实施例中，上述步骤141，还可以包括：
通过
计算企业安全管理综合得分，其中，为企业安全管理综合得分，为各维度参
数的权重，为各维度参数的标准化值，为模糊隶属度函数，为参与评估的维度数
量。
在本发明另一优选的实施例中，上述步骤142，还可以包括：
步骤1421，从多维关键参数中确定关键参数，例如，选择操作维度的事故频率、技术维度的防火墙效能和人员维度的安全意识水平作为建模对象；
步骤1422，对每个关键参数，根据其历史数据和与其他参数的关系，建立差分方程，其中，设at，bt和ct分别表示在时刻t的事故频率、防火墙效能和安全意识水平，则线性差分方程组为：
，
，
，
其中，
，，，，，，，和均是方程的系数，表示各参数之间的相互影响程
度，，和均是随机扰动项；
步骤1423，将所有关键参数的差分方程组合起来，形成一个线性差分方程组，设，，…，为个关键参数在时刻t的值，则线性差分方程组为：
，
其中，表示第个关键参数在时刻t的值，表示第个关键参数对第个关
键参数的影响程度，例如，表示对的影响程度，表示除了关键参数之外的其他因素
对第个关键参数的影响；通过分析和求解这个方程组，可以预测关键参数的未来趋势，并
为企业提供更准确的安全管理策略建议。
在本发明另一优选的实施例中，上述步骤143，还可以包括：
步骤1431，确定风险因子的初始值，通过分析收集到的数据，识别出对企业安全构成威胁的主要风险因子，对于每个识别的风险因子，根据其当前状态或最近一次评估的结果，设定一个初始值，这个初始值可以是定量的（如事故发生的频率、安全漏洞的数量等），也可以是定性的（如员工安全意识的评估等级）；确定风险因子之间的相互影响系数，分析不同风险因子之间的相互作用和影响。例如，员工安全意识的低下可能会增加技术漏洞被利用的风险；外部威胁的变化可能会影响到企业内部的安全策略调整等；根据实际数据分析，为每个风险因子对其他风险因子的影响程度确定一个相互影响系数，这些系数将用于构建风险评估模型，以更准确地预测和管理潜在的风险；利用确定的初始值和相互影响系数，构建一个风险评估模型，所述风险评估模型可以帮助企业动态地监控和管理各种风险因子，及时调整安全策略以应对不断变化的威胁环境。
在本发明另一优选的实施例中，上述步骤144，还可以包括：
步骤1441，设风险因子为x1(t)，x2(t)，…，xr(t)，其中，r是风险因子的数量，t表示时间，具有时变系数的非线性差分方程组为：
，
其中，
是关于时间t和所有风险因子x1(t)，x2(t)，…，xr(t)的非线性函数，其中，xr(t)是第r个风险因子在时刻t的值，fr是描述第r个风险因子随时间变化的非线性函数，t是时间步长，表示从一个时间点到下一个时间点的间隔，通过求解这个具有时变系数的非线性差分方程组，可以获得每个风险因子随时间变化的更精确的函数形式，从而更好地理解和管理企业面临的安全风险。
在本发明一优选的实施例中，上述步骤15，可以包括：
步骤151，识别潜在风险，并对风险进行评估，以得到评估结果，具体包括，通过历史数据、员工反馈和行业报告，找出对公司或项目产生负面影响的潜在风险，风险可能包括技术故障、市场变动、人为错误、自然灾害等；对每个识别的风险进行分析，评估其发生的可能性和可能造成的损失；将风险评估的结果记录下来，包括每个风险的等级、描述、可能性和潜在影响；
步骤152，根据评估结果确定双重预防机制，具体包括，根据风险评估结果，确定哪些风险需要优先处理，针对每个优先风险，设计双重预防策略，双重预防包括主动预防和被动预防措施，主动预防旨在消除或减少风险发生的可能性，而被动预防则是为了减轻风险发生后的影响；
步骤153，根据双重预防机制，创建一个矩阵，列出所有识别的风险，以及各个风险分别对应的主动和被动预防措施，评估每种预防措施对降低特定风险的有效性以及为每种预防措施分配一个量化的效果值；
步骤154，计算实施每项预防措施的成本，对比预防措施的成本与预期的风险降低效益，以得到对比结果。
在本发明实施例中，企业能够全面、系统地识别出潜在的安全风险，并对这些风险进行准确的评估，不仅提高了企业对自身安全状况的了解。确保了企业在面临风险时具备双重保障，双重预防机制结合了主动和被动预防措施，既能在风险发生前进行预防，也能在风险发生后迅速应对，从而最大限度地降低风险对企业的影响。通过创建一个矩阵，将企业面临的所有风险及其对应的主动和被动预防措施清晰列出，提高了风险管理的透明度和效率，便于企业针对不同风险制定和执行相应的预防措施。评估每种预防措施对降低特定风险的有效性，并为每种预防措施分配一个量化的效果值，使得企业能够更精确地了解各项预防措施的实际效果，进而优化资源分配，将有限的资源集中在最有效的预防措施上。步骤154要求企业计算实施每项预防措施的成本，并将其与预期的风险降低效益进行对比，有助于企业在风险管理和资源投入之间找到最佳平衡点，确保在控制风险的同时，也能实现经济效益的最大化。
在本发明一优选的实施例中，上述步骤16，可以包括：
步骤161，根据安全生产的要求，确定与安全风险相关的关键特征；
步骤162，构建用于分析关键特征与安全风险之间关系的数学研判分析模型；
步骤163，将实时获取的数据输入所述数学研判分析模型中，进行实时分析，以得到分析结果；
步骤164，根据所述分析结果，预测潜在的安全风险。
在本发明实施例中，步骤161确保了根据安全生产的要求，准确识别出与安全风险直接相关的关键特征。通过步骤162构建的数学研判分析模型，企业能够系统地分析关键特征与安全风险之间的关系，不仅提供了理论支持，而且增加了分析的客观性和深度。步骤163允许将实时数据输入到模型中进行分析。这意味着企业可以实时监测潜在的安全风险，并根据即时的分析结果采取相应措施，从而大大降低事故发生的可能性。通过步骤164，企业不仅能识别现有的安全风险，还能预测未来可能出现的风险，这种预测能力为企业提供了宝贵的时间窗口，使其能够提前制定风险防范策略，减少潜在损失。基于数学研判分析模型的分析结果和预测，企业的安全决策将更加科学和有针对性，有助于优化资源配置，提高安全管理效率，同时增强企业的整体抗风险能力。本发明有助于企业内部形成重视数据分析和风险评估的安全文化，员工将更加意识到安全风险的存在，并参与到风险的识别和控制过程中，从而形成全员参与的安全管理格局。
如图2所示，本发明的实施例还提供一种安全生产的双重预防管理系统20，包括：
获取模块21，用于根据实际行业特点，对企业安全管理进行结构化分析，以得到分析结果；根据分析结果，使用双重预防运行机制模型，并根据具体的安全管理数据和多种影响因素，为企业的各个业务因子构建安全管理运行机制的联立方程组；
处理模块22，用于对所述联立方程组进行解析，推导出通项公式，得出方程组的通解；根据方程组的通解，构建量化预测企业安全管理的风险评估模型；根据所述风险评估模型，构建基于双重预防机制的数学研判分析模型；根据所述数学研判分析模型，对企业安全生产数据进行实时监控与分析，以得到潜在的安全风险；根据潜在的安全风险，制定对应的应急预案。
可选的，根据实际行业特点，对企业安全管理进行结构化分析，以得到分析结果，包括：
通过计算风险因素权重，其中，表示第个风险因素的权重，表
示第个风险因素的修正系数，表示第个风险因素的影响程度，表示第个风险因素的发
生频率；
通过预测整体安全风险，其中，表示整体安全风险评分，表示外
部环境因素的加权系数，表示关键风险因素的数量；
通过计算安全管理总效能，其中，表示安全管理总效能，表
示组织文化因素的影响系数，表示第项安全措施的效能评分，表示第项安全措施的
实施程度，表示安全措施的总数。
可选的，根据分析结果，使用双重预防运行机制模型，并根据具体的安全管理数据和多种影响因素，为企业的各个业务因子构建安全管理运行机制的联立方程组，包括：
根据企业个业务因子，每个业务因子分别设置有对应的安全管理指标，并受
到内部管理因素和外部环境因素的影响；
通过以下公式：
构建联立方程组，其中，表示在时间的第个业务因子的安全管理指标，
和表示分别为内部管理因素和外部环境因素，影响第个业务因子，和分别表示主动
预防和被动应对的影响系数，表示第个业务因子与第个业务因子之间的相互作用系
数，表示第个业务因子时间延迟因素的系数，表示第个业务因子在时间
的历史数据，表示第个业务因子对第个业务因子的反馈作用系数。
可选的，对所述联立方程组进行解析，推导出通项公式，得出方程组的通解，包括：
建立差分方程x(t+1)=Ax(t)，其中，是系统矩阵，x(t+1)表
示的是下一个时间点的状态向量，x(t)表示的是当前时间点的状态向量，t和t+1分别表示
当前和下一个时间点；
通过求解特征值，其中，是单位矩阵，是特征值；
通过构建通解，其中，和是根据初始条件确定的常数，
和分别是特征值，和分别是特征值和特征值相对应的特征向量，其中，，是特征值，是特征向量。
可选的，根据方程组的通解，构建量化预测企业安全管理的风险评估模型，包括：
确定与企业安全管理相关的关键参数；
根据线性差分方程组模型，建立关于关键参数的差分方程组；
根据企业的当前状况和历史数据确定每个风险因子的初始值，以及相互影响系数；
根据每个风险因子的初始值，以及相互影响系数，求解差分方程组，得到每个风险因子随时间变化的函数形式。
可选的，根据所述风险评估模型，构建基于双重预防机制的数学研判分析模型，包括：
识别潜在风险，并对风险进行评估，以得到评估结果；
根据评估结果确定双重预防机制；
根据双重预防机制，创建一个矩阵，列出所有识别的风险，以及各个风险分别对应的主动和被动预防措施，评估每种预防措施对降低特定风险的有效性以及为每种预防措施分配一个量化的效果值；
计算实施每项预防措施的成本，对比预防措施的成本与预期的风险降低效益，以得到对比结果。
可选的，根据所述数学研判分析模型，对企业安全生产数据进行实时监控与分析，以得到潜在的安全风险，包括：
根据安全生产的要求，确定与安全风险相关的关键特征；
构建用于分析关键特征与安全风险之间关系的数学研判分析模型；
将实时获取的数据输入所述数学研判分析模型中，进行实时分析，以得到分析结果；
根据所述分析结果，预测潜在的安全风险。
需要说明的是，该系统是与上述方法相对应的系统，上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本发明的实施例还提供一种计算设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本发明的实施例还提供一种计算机可读存储介质，存储指令，当所述指令在计算机上运行时，使得计算机执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外，需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行，某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言，能够理解本发明的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置（包括处理器、存储介质等）或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此，本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此，本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说，这样的程序产品也构成本发明，并且存储有这样的程序产品的存储介质也构成本发明。显然，所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.安全生产的双重预防管理方法，其特征在于，所述方法包括：
根据实际行业特点，对企业安全管理进行结构化分析，以得到分析结果；
根据分析结果，使用双重预防运行机制模型，并根据具体的安全管理数据和多种影响因素，为企业的各个业务因子构建安全管理运行机制的联立方程组；
对所述联立方程组进行解析，推导出通项公式，得出方程组的通解；
根据方程组的通解，构建量化预测企业安全管理的风险评估模型；
根据所述风险评估模型，构建基于双重预防机制的数学研判分析模型；
根据所述数学研判分析模型，对企业安全生产数据进行实时监控与分析，以得到潜在的安全风险；
根据潜在的安全风险，制定对应的应急预案。
2.根据权利要求1所述的安全生产的双重预防管理方法，其特征在于，根据实际行业特点，对企业安全管理进行结构化分析，以得到分析结果，包括：
通过计算风险因素权重，其中，/>表示第/>个风险因素的权重，/>表示第/>个风险因素的修正系数，/>表示第/>个风险因素的影响程度，/>表示第/>个风险因素的发生频率；
通过预测整体安全风险，其中，表示整体安全风险评分，表示外部环
境因素的加权系数，表示关键风险因素的数量；
通过计算安全管理总效能，其中，表示安全管理总效能，表示组
织文化因素的影响系数，表示第项安全措施的效能评分，表示第项安全措施的实施
程度，表示安全措施的总数。
3.根据权利要求2所述的安全生产的双重预防管理方法，其特征在于，根据分析结果，使用双重预防运行机制模型，并根据具体的安全管理数据和多种影响因素，为企业的各个业务因子构建安全管理运行机制的联立方程组，包括：
根据企业个业务因子，每个业务因子/>分别设置有对应的安全管理指标/>，并受到内部管理因素/>和外部环境因素/>的影响；
通过以下公式：
构建联立方程组，其中，表示在时间/>的第/>个业务因子的安全管理指标，/>表示分别为内部管理因素，影响第/>个业务因子；/>和/>分别表示主动预防和被动应对的影响系数，/>表示第/>个业务因子与第/>个业务因子之间的相互作用系数，/>表示第/>个业务因子时间延迟因素的系数，/>表示第/>个业务因子在时间/>的历史数据，/>表示第/>个业务因子对第/>个业务因子的反馈作用系数。
4.根据权利要求3所述的安全生产的双重预防管理方法，其特征在于，对所述联立方程组进行解析，推导出通项公式，得出方程组的通解，包括：
建立差分方程x(t+1)=Ax(t)，其中，是系统矩阵，x(t+1)表示的是下一个时间点的状态向量，x(t)表示的是当前时间点的状态向量，t和t+1分别表示当前和下一个时间点；
通过求解特征值，其中，/>是单位矩阵，/>是特征值；
通过构建通解，其中，/>和/>是根据初始条件确定的常数，/>和/>分别是特征值，/>和/>分别是特征值/>和特征值/>相对应的特征向量，其中，/>，是特征值，/>是特征向量。
5.根据权利要求4所述的安全生产的双重预防管理方法，其特征在于，根据方程组的通解，构建量化预测企业安全管理的风险评估模型，包括：
确定与企业安全管理相关的关键参数；
根据线性差分方程组模型，建立关于关键参数的差分方程组；
根据企业的当前状况和历史数据确定每个风险因子的初始值，以及相互影响系数；
根据每个风险因子的初始值，以及相互影响系数，求解差分方程组，得到每个风险因子随时间变化的函数形式。
6.根据权利要求5所述的安全生产的双重预防管理方法，其特征在于，根据所述风险评估模型，构建基于双重预防机制的数学研判分析模型，包括：
识别潜在风险，并对风险进行评估，以得到评估结果；
根据评估结果确定双重预防机制；
根据双重预防机制，创建一个矩阵，列出所有识别的风险，以及各个风险分别对应的主动和被动预防措施，评估每种预防措施对降低特定风险的有效性以及为每种预防措施分配一个量化的效果值；
计算实施每项预防措施的成本，对比预防措施的成本与预期的风险降低效益，以得到对比结果。
7.根据权利要求6所述的安全生产的双重预防管理方法，其特征在于，根据所述数学研判分析模型，对企业安全生产数据进行实时监控与分析，以得到潜在的安全风险，包括：
根据安全生产的要求，确定与安全风险相关的关键特征；
构建用于分析关键特征与安全风险之间关系的数学研判分析模型；
将实时获取的数据输入所述数学研判分析模型中，进行实时分析，以得到分析结果；
根据所述分析结果，预测潜在的安全风险。
8.安全生产的双重预防管理系统，其特征在于，包括：
获取模块，用于根据实际行业特点，对企业安全管理进行结构化分析，以得到分析结果；根据分析结果，使用双重预防运行机制模型，并根据具体的安全管理数据和多种影响因素，为企业的各个业务因子构建安全管理运行机制的联立方程组；
处理模块，用于对所述联立方程组进行解析，推导出通项公式，得出方程组的通解；根据方程组的通解，构建量化预测企业安全管理的风险评估模型；根据所述风险评估模型，构建基于双重预防机制的数学研判分析模型；根据所述数学研判分析模型，对企业安全生产数据进行实时监控与分析，以得到潜在的安全风险；根据潜在的安全风险，制定对应的应急预案。
9.一种计算设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410000732.4A CN117495112A (zh) | 2024-01-02 | 2024-01-02 | 安全生产的双重预防管理方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410000732.4A CN117495112A (zh) | 2024-01-02 | 2024-01-02 | 安全生产的双重预防管理方法、系统、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117495112A true CN117495112A (zh) | 2024-02-02 |
Family
ID=89685438
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410000732.4A Pending CN117495112A (zh) | 2024-01-02 | 2024-01-02 | 安全生产的双重预防管理方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117495112A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110135724A (zh) * | 2019-05-10 | 2019-08-16 | 苏州睿沃信息科技有限公司 | 基于coso内部控制框架的企业全面风险管理系统与方法 |
| CN111738568A (zh) * | 2020-06-03 | 2020-10-02 | 塔盾信息技术(上海)有限公司 | 一种基于场景识别驱动的人工智能风险管控系统 |
| CN113610338A (zh) * | 2021-06-23 | 2021-11-05 | 卡斯柯信号有限公司 | 轨道交通信号系统安全风险评价和风险预警方法及装置 |
| CN115953252A (zh) * | 2022-12-07 | 2023-04-11 | 常州工学院 | 一种建工安责险保费的确定方法 |
| CN116739811A (zh) * | 2023-06-28 | 2023-09-12 | 威海海洋职业学院 | 一种自适应风险控制的企业财务信息智能管理系统及方法 |
| CN117196311A (zh) * | 2023-09-18 | 2023-12-08 | 北京交通大学 | 一种铁路工程建设项目风险管理方法 |
-
2024
- 2024-01-02 CN CN202410000732.4A patent/CN117495112A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110135724A (zh) * | 2019-05-10 | 2019-08-16 | 苏州睿沃信息科技有限公司 | 基于coso内部控制框架的企业全面风险管理系统与方法 |
| CN111738568A (zh) * | 2020-06-03 | 2020-10-02 | 塔盾信息技术(上海)有限公司 | 一种基于场景识别驱动的人工智能风险管控系统 |
| CN113610338A (zh) * | 2021-06-23 | 2021-11-05 | 卡斯柯信号有限公司 | 轨道交通信号系统安全风险评价和风险预警方法及装置 |
| CN115953252A (zh) * | 2022-12-07 | 2023-04-11 | 常州工学院 | 一种建工安责险保费的确定方法 |
| CN116739811A (zh) * | 2023-06-28 | 2023-09-12 | 威海海洋职业学院 | 一种自适应风险控制的企业财务信息智能管理系统及方法 |
| CN117196311A (zh) * | 2023-09-18 | 2023-12-08 | 北京交通大学 | 一种铁路工程建设项目风险管理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106951984B (zh) | 一种系统健康度动态分析预测方法及装置 | |
| CN106886481B (zh) | 一种系统健康度静态分析预测方法及装置 | |
| CN109544399B (zh) | 基于多源异构数据的输电设备状态评价方法及装置 | |
| CN111723367B (zh) | 一种电力监控系统业务场景处置风险评价方法及系统 | |
| CN111614491A (zh) | 一种面向电力监控系统安全态势评估指标选取方法及系统 | |
| CN109525435A (zh) | 一种电网业务服务器运行状态预警方法 | |
| CN116842527A (zh) | 一种数据安全风险评估方法 | |
| CN111639864A (zh) | 一种用于港口作业人员岗位安全胜任力定量评估方法 | |
| CN111310803B (zh) | 环境数据处理方法和装置 | |
| Carrasquilla | Benchmarking algorithms for detecting anomalies in large datasets | |
| CN117495112A (zh) | 安全生产的双重预防管理方法、系统、设备及存储介质 | |
| CN113807743A (zh) | 一种电网调度自动化软件可靠性评估方法及系统 | |
| CN115204608A (zh) | 电网工程质量指数的确定方法、装置和计算机设备 | |
| Prasad et al. | Predictive maintenance in forging industry | |
| Ying et al. | Research on tax inspection case selection model based on Bayesian network | |
| CN112488534A (zh) | 一种银行软件上线前的风险预警方法、系统、设备和介质 | |
| Sun et al. | Machine diagnostic service centre design under imperfect diagnosis with uncertain error cost consideration | |
| Budiraharjo et al. | IMARA: A New Approach to Multi-Attribute Risk Assessment based on Event Data Weighting (Case Study in a Container Terminal) | |
| CN111798069A (zh) | 基于机器学习的复杂装备备品备件管理方法及系统 | |
| Wahlgren et al. | Evaluation of escalation maturity model for IT security risk management: A design science work in progress | |
| CN114124526B (zh) | 一种结合多层次和熵权法的威胁复杂性分析方法 | |
| Balasubramanian | SafeOne Machine Learning model to predict industrial incidents in Chemical and Gas Industries | |
| Hasimi et al. | Cloud Computing Security and Deep Learning: An ANN approach | |
| CN117631632B (zh) | 一种pta混合入料的控制方法及系统 | |
| Kang et al. | Commercial Bank IT Risk Evaluation Model Based on GA-BP Neural Network |
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 |