CN117670028A - 基于物联网监测的除尘系统风险动态评估及分级预警方法 - Google Patents
基于物联网监测的除尘系统风险动态评估及分级预警方法 Download PDFInfo
- Publication number
- CN117670028A CN117670028A CN202311441186.XA CN202311441186A CN117670028A CN 117670028 A CN117670028 A CN 117670028A CN 202311441186 A CN202311441186 A CN 202311441186A CN 117670028 A CN117670028 A CN 117670028A
- Authority
- CN
- China
- Prior art keywords
- risk
- index
- dust
- value
- early warning
- 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
- 239000000428 dust Substances 0.000 title claims abstract description 170
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012544 monitoring process Methods 0.000 title claims abstract description 49
- 238000004880 explosion Methods 0.000 claims abstract description 47
- 238000012937 correction Methods 0.000 claims abstract description 23
- 238000013139 quantization Methods 0.000 claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 238000004140 cleaning Methods 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 claims description 13
- 238000007726 management method Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 238000009434 installation Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000004080 punching Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 239000000843 powder Substances 0.000 claims description 5
- 230000002265 prevention Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 239000007921 spray Substances 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 3
- 238000013022 venting Methods 0.000 claims description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 239000001257 hydrogen Substances 0.000 claims description 2
- 229910052739 hydrogen Inorganic materials 0.000 claims description 2
- 239000002184 metal Substances 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000012502 risk assessment Methods 0.000 description 9
- 238000011002 quantification Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000004888 barrier function Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 2
- 239000007800 oxidant agent Substances 0.000 description 2
- 230000001590 oxidative effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于物联网监测的除尘系统风险动态评估及分级预警方法，包括：采集粉尘涉爆除尘系统风险涉及因素的相关数据；基于所采集的数据，建立粉尘涉爆除尘系统的固有风险指标库及动态风险指标库；基于AHP法计算各指标的指标风险权重系数；基于指标风险权重系数，得到各指标对应的指标分值；建立指标量化评分规则，对各指标进行等级划分并根据对应等级得到指标评分；确定固有风险值修正系数；计算动态风险系数；计算风险值；制定风险值分级策略；对风险值分级策略进行优化；制定风险预警策略。本发明实现了对涉爆粉尘除尘系统风险的实时感知、全面准确的动态评估以及智能预警。
Description
技术领域
本发明涉及粉尘涉爆安全检测的领域，尤其涉及一种基于物联网监测的除尘系统风险动态评估及分级预警方法。
背景技术
工贸行业粉尘防爆是防范遏制重特大事故的重要领域。粉尘爆炸一般要具有三种条件：(1)可燃性粉尘以适当的浓度在空气中悬浮，形成粉尘云；(2)有充足的空气和氧化剂；(3)有火源或者强烈振动与摩擦。粉尘爆炸极易引发粉尘二次爆炸和多次连环爆炸，二次爆炸的威力比一次爆炸要大得多，具有极强的破坏性。在企业的实际生产过程中，由于环保和职业卫生的要求，产生的粉尘需要及时通过除尘系统收集处理，因此存在大量粉尘的除尘系统也就成为了粉尘爆炸危险性最高的场所之一。
现有的安全生产风险评价方法，主要依靠有丰富经验的评价人员对企业当前安全生产情况进行定性或定量评估，对于评价人员的要求比较高。企业实际的安全生产状况是动态变化的，无论是除尘系统的运行工况还是现场作业人员的行为，都是不确定的，不可控的，而评价得到的风险结果一定是评价当时的，无法及时感知除尘系统实际的安全生产风险变化态势，实现对除尘系统可能存在的危险的及时预警。
发明内容
本发明的目的在于提供一种基于物联网监测的除尘系统风险动态评估及分级预警方法，用以解决现有涉爆粉尘除尘系统风险评估时效性差、评估不够准确的问题。本发明以粉尘涉爆除尘系统的物联网监测应用为基础，结合安全生产风险评估技术，以指标分析、AHP分析法、贝叶斯决策理论为基础，分别建立固有风险、动态风险指标库经过指标量化计算固有风险和动态风险，并进行耦合计算得到风险值，通过分级策略实现风险分级和智能预警。
一方面，本发明实施例提供了一种基于物联网监测的除尘系统风险动态评估及分级预警方法，包括：
S1，采集粉尘涉爆除尘系统风险涉及因素的相关数据；
S2，基于所采集的数据，建立粉尘涉爆除尘系统的固有风险指标库及动态风险指标库；
S3，基于AHP法计算各指标的指标风险权重系数；
S4，基于指标风险权重系数，得到各指标对应的指标分值；
S5，建立指标量化评分规则，对各指标进行等级划分并根据对应等级得到指标评分；
S6，确定固有风险值修正系数；
S7，计算动态风险系数；
S8，计算风险值；
S9，制定风险值分级策略；
S10，对风险值分级策略进行优化；
S11，制定风险预警策略。
进一步的，所述粉尘涉爆除尘系统风险涉及因素的相关数据包括：静态数据和动态数据；
静态数据还包括除尘系统基础信息、除尘系统监测配置信息、粉尘清扫信息、除尘系统检修信息、监测报警处置信息；
动态数据还包括除尘系统传感监测实时数据及报警数据，分为关键参数和非关键参数，其中关键参数还包括除尘器进出风口压差、锁气卸灰故障信号、除尘器灰斗温度、喷淋水流量、水箱水位信号、金属粉储存场所氢气浓度信号、火花探测器灭火装置喷淋水压/水蒸气压力、灰斗料位信号和输灰装置故障信号；非关键参数还包括除尘器灭火装置有效性信号、泄爆装置失效信号、隔爆阀自锁反馈信号、过滤器清灰气源压力、过滤水压力、火花探测器开关信号、火花探测器灭火装置有效性信号、爆炸防控措施失效信号。
进一步的，所述静态数据中：
除尘系统基础信息包括设备编码、设备名称、企业编码、设备安装位置、设备类型、设备厂家、安装日期、相关控爆措施、安装区域、除尘种类、本除尘系统相关岗位单班最高涉粉作业人数、关联高风险工艺设备、本除尘系统日产尘量和设备运行状态；
除尘系统监测配置信息包括：指标编码、设备编码、指标名称、指标类别、指标位置、计量单位、指标阈值上限、指标阈值上上限、指标阈值下限、指标阈值下下限、描述、信号类型、开关量报警值；
粉尘清扫信息包括主清扫项目、完成情况、打卡人、打卡日期、备注说明；
除尘系统检修信息包括检修设备、检修项目、检修频次、检修周期、检修负责人、检修类型、任务开始时间、任务结束时间、任务状态和检修情况；
监测报警处置信息包括报警记录、报警设备、是否已处置、报警原因、处置措施、处置人和处置时间。
进一步的，所述固有风险指标库中的指标包括：粉尘类型、日产尘量、除尘系统类型、高风险工艺、涉粉作业人数和控爆措施；
所述动态风险指标库包括常规指标和敏感指标，其中常规指标还包括关键参数信号离线量、关键参数平均扰动率、关键参数重复报警点位数、关键参数点位平均报警次数、关键参数平均消警时长、关键参数最大报警持续时间、非关键参数信号离线量、非关键参数平均扰动率、非关键参数重复报警点位数、非关键参数点位平均报警次数、非关键参数平均消警时长、非关键参数最大报警持续时间、粉尘清扫打卡超时量、检修未完成量、处置闭环未完成量；敏感指标还包括事故参数报警量和爆炸环境参数报警量。
进一步的，所述S3还包括：
S3-1，建立指标风险层次结构模型，
S3-2，构建层次分析判断矩阵，
S3-3，对判断矩阵进行一致性检验：
S3-4，计算指标权重值，
S3-5，计算指标风险影响度权重值，
S3-6、计算指标风险影响度权重系数。
进一步的，所述S6还包括：
S6-1，将各项固有风险指标评分值累加得到固有风险值；
S6-2，对每个固有风险指标的风险可接受度进行打分确定固有风险的可接受评分值，并将其累加得到可接受固有风险评分值；
S6-3，计算区域内所有待评估企业的固有风险评分值，按照评分值从低到高进行排序，得到50％分位点企业的固有风险评分值；
S6-4，结合可接受固有风险评分值和50％分位点企业的固有风险评分值，确定固有风险修正系数范围；
S6-5，将固有风险值G按照固有风险修正系数范围进行归一化处理得到固有风险值修正系数。
进一步的，所述S7还包括：
S7-1，由动态风险指标评分值累加计算得到动态风险值；
S7-2，由动态风险值进行归一化处理得到动态风险系数。
进一步的，所述S8中，风险值R由固有风险修正系数与动态风险系数相乘得到：
R＝γR×TR
其中，γR表示固有风险修正系数，TR表示动态风险系数。
进一步的，所述S9还包括：
S9-1，制定风险等级期望权重：按照风险四色管理办法，将风险值从高到低归类为为低风险、一般风险、较大风险、重大风险四个等级，按照实际监管策略，制定各风险等级期望权重；
S9-2，制定风险值分级策略，计算得到期望分位点对应的风险分级值，得到各等级风险的对应风险值区间。
进一步的，所述S10还包括：
以模型计算历史数据为样本，对风险值从小到大进行排序，计算实际的企业某风险等级分布权重与期望分布权重的偏离值
若存在一个偏离值则说明分级策略不符合期望，需要对分级策略进行优化，根据统计样本分布情况选取样本数据的期望期望分位点对应的数值作为分位点对应等级新的分级值；
若所有偏离值则认为分级策略符合期望。
进一步的，所述S11还包括：
根据风险预警值的变化态势，自动动态识别风险异常升高的情况，并生成风险预警记录提醒企业，当风险自动回落到可接收范围后，风险预警自动消除，实现风险的自动预警消警；
将低风险定义为可接受的风险，当企业风险等级从低风险动态升高到一般风险、较大风险、重大风险时，产生风险预警，并且根据达到的最高风险等级设定此次风险预警的预警等级，从低到高分别为黄色预警、橙色预警、红色预警，长时间未消警的预警则逐级提升预警等级。
本发明的有益效果为：本发明提出的基于物联网监测的除尘系统风险动态评估及分级预警方法，能够基于多种因素实现对涉爆粉尘除尘系统风险的全面评估，完善了涉爆粉尘除尘系统的风险评估，实现涉爆粉尘除尘系统风险的实时感知、动态评估、智能预警，为企业粉尘爆炸防控提供及时、动态、科学的指导。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中提供的基于物联网监测的除尘系统风险动态评估及分级预警方法的整体流程图；
图2为本发明实施例中基于AHP法计算固有风险指标风险影响程度权重系数的流程图；
图3为本发明实施例中基于AHP法计算动态风险指标风险影响程度权重系数的流程图；
图4为本发明实施例中风险分级面积法的分级示意图；
图5为本发明实施例中提供的样本区域80家企业固有风险评分结果；
图6为本发明实施例中提供的80家企业7日风险评估结果。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施，其中的步骤顺序不作限定，可根据需要作适当调整。
本发明实施例中提供了一种基于物联网监测的除尘系统风险动态评估及分级预警方法，图1为该方法的整体流程示意图，如图1所示，该方法包括：
S1，风险分析及数据采集
对粉尘涉爆除尘系统可能涉及的事故类型进行分析，通过蝴蝶结模型法从人、机、料、法、换多角度分析确定预防事故发生的预防性屏障及减少事故影响的缓解类屏障，以及引起这些屏障失效的因素。根据分析结果建立制定不同工业场所的监测管控方案，并按方案采集各类物联感知监测信息、生产经营单位信息、场所专项信息、设备设施信息、企业管理信息等数据。
S2，基于采集数据，建立固有风险指标库及动态风险指标库
根据步骤1采集的数据类型，整理风险评估所需要的数据指标，建立固有风险指标库和动态风险指标库；
固有风险指标选取依据：与场所类型、物料类型、工艺类型、设备类型等因素相关的短期内不变动，或变化幅度非常有限的风险类型。
动态风险指标选取依据：与设备运行状态、环境变化、人为操作管理等因素相关的持续处于动态变动中或短期内就有突变的风险类型；其中短期内突变，且直接能表征事故发生的指标定义为动态风险的敏感指标，在风险评估用，可实现风险值的突跃。
指标选取原则：1、必须要有明确数据来源；2、优先选取能表征事故状态的指标，其次能表征屏障状态的指标，最后是能表征屏障影响因素的指标。
表1：固有风险指标库
| 序号 | 指标 | 数据来源 |
| 1 | 固有风险指标1 | 设备设施数据 |
| 2 | 固有风险指标2 | … |
| … | … | … |
| n1 | 固有风险指标n | … |
表2：动态风险指标库——常规指标:
| 序号 | 指标名称 | 数据来源 |
| 1 | 动态风险常规指标1 | 实时监测数据 |
| 2 | 动态风险常规指标2 | … |
| … | … | … |
| n2 | 动态风险常规指标3 | … |
表3：动态风险指标库——敏感指标:
| 序号 | 指标名称 | 数据来源 |
| 1 | 动态风险敏感指标1 | 监测报警数据 |
| 2 | 动态风险铭感指标2 | … |
| … | … | … |
| n3 | 动态风险铭感指标n | … |
S3，基于AHP法计算指标风险权重系数
S3-1、建立指标风险层次结构模型
指标库建立后，根据采集的数据可以对指标进行量化描述，但这种量化只能体现单个指标的变动，未体现不同指标对风险影响度的差别，因此需要将指标对整体风险的影响程度进行量化描述，即指标的风险影响度权重，指标的风险影响度权重是一个描相对量，而不是绝对量。
根据定量风险评估技术(QRA)，采用定量化的概率风险值如个人风险和社会风险对系统的危险性进行描述的风险评价方法。即风险＝事故发生可能性×事故后果。
利用AHP法分别对固有风险类指标和动态风险类指标从事故发生的可能性和事故发生后的影响严重程度两个维度进行层次分析计算，得到可能性权重值和严重程度权重值，根据风险＝事故发生可能性×事故后果(严重程度)公式，得到的影响度权重值，经过归一化得到风险影响度权重系数来表征指标的风险影响度权重。详见附图2，图3
S3-2、构建层次分析判断矩阵
通过专家根据经验打分法对指标的可能性和严重程度进行定量描述，根据打分结果建立固有风险指标可能性及严重程度判断矩阵和动态风险指标可能性及严重程度判断矩阵。
固有风险指标可能性及严重程度判断矩阵和动态风险指标可能性及严重程度判断矩阵的层次计算方法均一致，下述不进行重复描述。
1)建立指标对比度定义表：
| 标度 | 定义 |
| 1 | 同样重要 |
| 3 | 稍微重要 |
| 5 | 较强重要 |
| 7 | 强烈重要 |
| 9 | 绝对重要 |
| 2、4、6、8 | 两判断级之间的折中值 |
2)通过专家打分建立指标对风险可能性或重要程度影响度对比矩阵：
| 指标1 | 指标2 | 指标3 | … | 指标n | |
| 指标1 | a11 | a12 | … | … | … |
| 指标2 | a21 | a22 | … | … | … |
| 指标3 | … | … | … | … | … |
| … | … | … | … | … | … |
| 指标n | … | … | … | … | ann |
根据上表得到一个n*n的影响度对比矩阵，记为A，对应的元素为aij，aij表示的意义是，与指标j相比，指标i的重要程度，aij需满足：当i＝j时，aij＝1；
利用spsspro的对矩阵A进行AHP算法运算，并根据计算结果判断矩阵一致性是否可接受，若不可接受则需要调整判断矩阵，若可接受，则获取指标权重值，用于下一步分析计算。
S3-3、判断矩阵一致性检验：
1)计算一致性指标CI：
2)根据指标数量n确定随机一致性指标RI值：
3)计算一致性比率CR:
CR值小于0.1，则判断矩阵满足一致性检验；
CR值大于0.1，则说明不具有一致性，应该对判断矩阵进行适当调整之后再次进行分析。
S3-4、计算指标权重值
利用几何平均法求各指标权重值wi：
记指标可能性权重值为wPi，严重程度权重值为wSi
S3-5、计算指标风险影响度权重值
指标风险影响度权重值wRi:
wRi＝wPi×wsi,，(i＝1,2,3,…,n)
S3-6、计算指标风险影响度权重系数
将指标风险影响度权重值归一化为风险影响度权重系数ωi
S4确定指标分值策略；
1、确定固有风险总分值、动态风险总分值，为了便于后续的分值量化，避免出现分值过小的情况，总分值按照10×n(n为指标类型数)计算，记固有风险总分值为G总，动态风险总分值为T总
G总＝10×n，n＝固有风险指标项数
T总＝10×n，n＝动态风险常规风险指标项数
2、根据S3步骤计算得到的固有风险指标风险影响度权重系数，计算得到固有风险指标项分值Gi：
Gi＝G总×ωGi
3、根据S3步骤计算得到的动态风险指标风险影响度权重系数，计算得到动态风险——常规指标项分值Ti。
Ti＝T总×ωTi
4、动态风险——敏感指标项作为突破指标项，不设置分值上限。
表4：固有风险指标分值表
表5：动态风险——常规指标分值表
S5，建立指标量化评分规则
指标量化规则根据采集数据的特点，制定对应的量化策略，下述列举本模型主要运用到的几类指标量化策略：
(1)统计结果量化方法：统计结果量化是指按照任务完成后的状况，直接给出数字化的任务结果，如产量、销售额、次数、频率、利润率等量化指标。
(2)分段赋值量化方法：分段赋值量化是指将不同程度水平的任务达成或行为表现情况进行区间赋值，通过对应区间直接找出考核结果分值的一种计量方法。
(3)关键行为量化方法：关键行为量化是指是从直接带来结果关键动作中给予分值的一种计量方法，把定性的事情通过寻找事情根源给出结果分值，重视细节对于任务成败的意义。
(4)时间维度量化方法：可从时间维度(即时效性)实现考核指标量化，如完成时间、批准时间、开始时间、最早开始时间、最迟开始时间、最早结束时间，最迟结束时间、期限天数、及时性、进度、周期等考核指标。时间量化的方法之一是进度量化，进度量化是指完成任务过程中对事态发展(时间阶段)进行控制的一种计量方法，通过计算特定时间与行为之间的因果关系给出结果的分值。
根据上述量化策略，制定指标对应的量化规则。
S6，确定固有风险值修正系数
1、计算固有风险值G，固有风险值G由固有风险指标评分值累加计算得到：
G′i——第i项固有风险指标的评分值
2、根据专家来对每个固有风险指标的风险可接受度进行打分确定固有风险的可接受评分值Gai，累加得到可接受固有风险评分值Ga；
3、计算区域内所有企业的固有风险评分值(若企业数量过多无法初期无法全部采集时，可随机采集一定数量的企业作为样本来进行计算)，按照评分值从低到高进行排序，得到50％分位点企业的固有风险评分值G50％；
4、确定固有风险修正系数范围：
Gmax——固有风险评分值最大值；
Gmin——固有风险评分值最小值；
若Gmax＝G50％，则γRm取值1；若Gmin＝G50％，则γRmin取值1
5、计算固有风险修正系数
固有风险修正系数γR由固有风险值G按照固有风险修正系数范围进行归一化处理而来：
S7，计算动态风险系数
1、计算动态风险值T，动态风险值T由动态风险指标评分值累加计算得到：
T′i——第i项动态风险指标的评分值
2、计算动态风险系数TR，动态风险系数TR，由动态风险值T进行归一化处理得到。由于存在动态风险突破指标，当动态风险值T超出动态风险总分值T总时，动态风险系数TR取值为4。
| 动态风险值T | 动态风险系数TR |
| 0≤T≤T总 | 0≤TR≤4 |
| T>T总 | TR＝4 |
当0≤T≤T总时，通过归一化计算公式得到动态风险系数TR：
S8，计算风险值
风险值R由固有风险修正系数与动态风险系数相乘得到：
R＝γR×TR
S9，制定风险值分级策略
1、制定风险等级期望权重，按照风险四色管理办法，将风险值从高到低归类为为低风险、一般风险、较大风险、重大风险四个等级，按照实际监管策略，制定各风险等级期望权重：
μ1——低风险期望分布权重
μ2——一般风险期望分布权重
μ3——较大风险期望分布权重
μ4——重大风险期望分布权重
模型建议分级权重：
| μ1 | 50％ |
| μ2 | 30％ |
| μ3 | 15％ |
| μ4 | 5％ |
2、制定风险值分级分级策略，根据模可知风险值R在一个[0,4γRmax]的固定区间内，因此需要划分4个等级只需要确定前三个等级的分级值即可。根据前三个等级期望权重得到3个期望分位点，分位点对应的风险值即为分级值。由于模型建设初始缺乏数据，默认企业风险平均分布，采用图形面积法来计算得到期望分位点对应的风险分级值Ri，面积图如图3所示：
| 风险等级 | 等级序号i | 期望权重μi | 分布值Si | 分级值Ri | 风险值区间 |
| 低风险 | 1 | μ1 | S1 | R1 | [0,R1] |
| 一般风险 | 2 | μ2 | S2 | R2 | (R1,R2] |
| 较大风险 | 3 | μ3 | S3 | R3 | (R2,R3] |
| 重大风险 | 4 | μ4 | S4 | - | (R3,4γRmax] |
总分布值S满足：
Si＝μi×S
根据图形面积比例计算得到分级值R1,R2,R3。
S10，分级策略自动优化
以贝叶斯模理论为基础，制定模型分级优化策略：模型根据运行产生的数据，定期对分级策略进行优化。以模型计算历史数据为样本，对风险值从小到大进行排序(需要剔除风险值为0的数据)。计算实际的企业某风险等级分布权重与期望分布权重的偏离值
μ′i——企业实际第i等级风险的占比
若存在一个偏离值则说明分级策略不符合期望，需要对分级策略进行优化，根据统计样本分布情况选取样本数据的期望期望分位点对应的数值作为分位点对应等级新的分级值。经过多次优化后，若所有偏离值/>则认为分级策略符合期望。
S11，制定风险预警策略
由于风险是客观存在无法消除的，因此需要将风险管控在可接收范围内。根据风险预警值的变化态势，自动动态识别风险异常升高的情况，并生成风险预警记录提醒企业，当风险自动回落到可接收范围后，风险预警自动消除，实现风险的自动预警消警。
将低风险定义为可接受的风险，当企业风险等级从低风险动态升高到一般风险、较大风险、重大风险时，产生风险预警，并且根据达到的最高风险等级设定此次风险预警的预警等级，从低到高分别为黄色预警、橙色预警、红色预警，长时间未消警的预警也将逐级提升预警等级。不同的风险预警等级，对企业的反馈要求不同，风险预警越高，要求企业的反馈时间短。风险分级预警管理机制见下表：
表6：风险分级预警规则表
| 风险等级跃升情况 | 预警级别 |
| 由低风险跃升至一般风险 | 黄色预警 |
| 由低风险/一般风险跃升至较大风险 | 橙色预警 |
| 由低风险/一般风险/较大风险跃升至重大风险 | 红色预警 |
根据风险管控需要，按企业风险动态变动情况，对风险不同跃升的情况进行分级预警提醒。
为了进一步说明本发明所提出的预警方法在实际应用中的使用，结合如下的具体实施例进行说明：
S1，采集粉尘涉爆除尘系统风险涉及因素的相关数据；
粉尘爆炸一般要具有三种条件：(1)可燃性粉尘以适当的浓度在空气中悬浮，形成粉尘云；(2)有充足的空气和氧化剂；(3)有火源或者强烈振动与摩擦。粉尘爆炸极易引发粉尘二次爆炸和多次连环爆炸，二次爆炸的威力比一次爆炸要大得多，具有极强的破坏性，造成大量人员伤亡和财产损失，给人民的生产生活安全带来极大威胁。在企业的实际生产过程中，由于环保和职业卫生的要求，产生的粉尘需要及时通过除尘系统收集处理，因此存在大量粉尘的除尘系统也就成为了粉尘爆炸危险性最高的场所之一。
本发明采集的数据包括：除尘系统基础信息、除尘系统监测配置信息、粉尘清扫信息、除尘系统检修信息、监测报警处置信息、监测参数实时采集数据、除尘系统监测参数报警记录、除尘系统监测参数类型信息。
需要说明的是，采集的数据包括静态数据和动态数据，采用不同的数据采集方式。
其中，静态数据由企业用户通过相关系统应用功能进行登记填报采集得到，采集的静态数据信息包括除尘系统基础信息、除尘系统监测配置信息、粉尘清扫信息、除尘系统检修信息、监测报警处置信息。
具体的，所采集的除尘系统基础信息包括：设备编码、设备名称、企业编码、设备安装位置、设备类型、设备厂家、安装日期、相关控爆措施、安装区域、除尘种类、本除尘系统相关岗位单班最高涉粉作业人数、关联高风险工艺设备、本除尘系统日产尘量和设备运行状态。
所采集的除尘系统监测配置信息包括：指标编码、设备编码、指标名称、指标类别、指标位置、计量单位、指标阈值上限、指标阈值上上限、指标阈值下限、指标阈值下下限、描述、信号类型、开关量报警值。其中，阈值上上限的数值高于上限的数值，而阈值下下限的数值低于下限数值，实现对指标的更精确分类。
所采集的粉尘清扫信息包括：清扫项目、完成情况、打卡人、打卡日期、备注说明。
所采集的除尘系统检修信息包括：检修设备、检修项目、检修频次、检修周期、检修负责人、检修类型、任务开始时间、任务结束时间、任务状态和检修情况。
所采集的监测报警处置信息包括：报警记录、报警设备、是否已处置、报警原因、处置措施、处置人和处置时间。
动态数据信息主要为除尘系统传感监测实时数据及报警数据，通过接入企业除尘系统监测传感，利用采集设备自动采集获取。
其中，除尘系统传感采集数据包括采集除尘系统安全性相关的参数，本发明中根据常见的干式除尘系统和湿式除尘系统的特点选取18类参数，同时根据监测参数对除尘系统事故的影响程度，划分为关键参数和非关键参数两类。
具体的，除尘系统传感监测实时数据的关键参数包括：除尘器进出风口压差、锁气卸灰故障信号、除尘器灰斗温度、喷淋水流量、喷淋水流量、水箱水位信号、火花探测器灭火装置喷淋水压/水蒸气压力、灰斗料位信号和输灰装置故障信号；
除尘系统传感监测实时数据的非关键参数包括：除尘器灭火装置有效性信号、泄爆装置失效信号、隔爆阀自锁反馈信号、过滤器清灰气源压力、过滤水压力、火花探测器开关信号、火花探测器灭火装置有效性信号、爆炸防控措施失效信号和除尘器启停信号。所采集的报警事件数据如下包括：报警编号、指标编码、设备编码、报警等级、报警起始时间、报警状态、报警结束时间。
进一步优选的，将所采集到的静态数据和动态数据转化为字符、数值或时期时间类型，使其数字化，便于后续进行计算。
S2，基于S1采集的数据，建立固有风险指标库及动态风险指标库；
1、固有风险指标库
| 序号 | 指标名称 | 数据来源 |
| 1 | 粉尘类型 | 除尘系统基础信息表 |
| 2 | 日产尘量 | 除尘系统基础信息表 |
| 3 | 除尘系统类型 | 除尘系统基础信息表 |
| 4 | 高风险工艺 | 除尘系统基础信息表 |
| 5 | 涉粉作业人数 | 除尘系统基础信息表 |
| 6 | 控爆措施 | 除尘系统基础信息表 |
2、动态风险指标库——常规指标
/>
3、动态风险指标库——敏感指标
S3，基于AHP法计算指标风险权重系数；
根据专家打分得到固有风险指标对除尘系统固有风险可能性的对比矩阵：
/>
固有风险指标可能性对比矩阵
一致性检验：
| CI值 | RI值 | CR值 | 一致性检验结果 |
| 0.016 | 1.25 | 0.013 | 通过 |
固有风险指标可能性权重值：
| 指标项 | 可能性权重值(％) |
| 粉尘类型 | 5.898 |
| 涉粉作业人数 | 9.717 |
| 除尘系统类型 | 11.876 |
| 高风险工艺设备 | 34.121 |
| 日产尘量 | 5.512 |
| 控爆措施 | 32.876 |
根据专家打分得到固有风险指标对除尘系统固有风险严重程度的对比矩阵：
固有风险指标严重程度对比矩阵B：
一致性检验：
| CI值 | RI值 | CR值 | 一致性检验结果 |
| 0.024 | 1.25 | 0.019 | 通过 |
固有风险指标严重程度权重值表：
| 指标项 | 严重程度权重值(％) |
| 粉尘类型 | 14.505 |
| 涉粉作业人数 | 37.529 |
| 除尘系统类型 | 6.531 |
| 高风险工艺设备 | 6.531 |
| 日产尘量 | 27.652 |
| 控爆措施 | 7.252 |
计算固有风险指标权重系数表：
根据专家打分得到动态风险——常规指标对除尘系统动态风险可能性的对比矩阵，矩阵中各元素值及其排列参考下表：
/>
动态风险——常规指可能性对比矩阵C如下：
一致性检验：
| CI值 | RI值 | CR值 | 一致性检验结果 |
| 0.055 | 1.584 | 0.035 | 通过 |
动态风险——常规指标可能性权重值：
| 指标项 | 可能性权重值(％) |
| 关键参数信号离线量 | 6.204 |
| 关键参数平均扰动率 | 12.346 |
| 关键参数重复报警点位数 | 12.346 |
| 关键参数点位平均报警次数 | 12.346 |
| 关键参数平均消警时长 | 12.346 |
| 关键参数最大报警持续时间 | 12.346 |
| 非关键参数信号离线量 | 2.115 |
| 非关键参数平均扰动率 | 4.505 |
| 非关键参数重复报警点位数 | 4.505 |
| 非关键参数点位平均报警次数 | 4.505 |
| 非关键参数平均消警时长 | 4.505 |
| 非关键参数最大报警持续时间 | 4.505 |
| 粉尘清扫打卡超时量 | 3.817 |
| 检修未完成量 | 1.679 |
| 处置闭环未完成量 | 1.928 |
根据专家打分得到动态风险指标——常规指标对除尘系统动态风险严重程度的对比矩阵，矩阵中各元素值及其排列参考如下：
动态风险——常规指严重程度对比矩阵D如下：
一致性检验：
| CI值 | RI值 | CR值 | 一致性检验结果 |
| 0.072 | 1.584 | 0.046 | 通过 |
动态风险——常规指标严重程度权重值：
/>
计算动态风险——常规指标权重系数
S4确定指标分值策略根据计算可得固有风险、动态风险分值表，如下表所示：1、固有风险指标分值表
2、动态风险指标分值表
S5，建立指标量化评分规则
根据量化策略，制定指标对应的量化规则，如下表所示。
1、固有风险指标量化规则表
2、动态风险常规指标量化规则表
/>
上述表格中，平均扰动率：以近24小时为一个统计周期，单个参数点位扰动率＝该点位在统计周期内报警时长/统计周期时长×100％，平均扰动率＝单个参数点位扰动率和/参数点位数；
重复报警点位：以近24小时为一个统计周期，统计周期内产生2次及以上报警记录的，记为重复报警点位；
参数点位平均报警次数：以近24小时为一个统计周期，参数点位平均报警次数＝监测参数点位周期内报警总次数/监测参数点位数；
参数平均消警时长：以近24小时为一个统计周期，统计周期内参数累计消警总时长/涉及消警的点位数；
最大持续报警时长：统计当前仍处于报警状态的参数点位持续报警时长，取其中持续报警时长最大值。
3、动态风险敏感指标量化规则表
/>
S6，确定固有风险值修正系数
1、根据专家打打分，固有风险指标的风险可接受度专家评分表如下所示：
/>
计算可得可接受固有风险评分值Ga＝20
2、对样本区域内80家企业的固有风险值进行评估计算，得到G50％＝33，80家企业固有风险评分表详见附图4。
固有风险修正系数计算公式：
Gmax——固有风险评分值最大值；
Gmin——固有风险评分值最小值；
若Gmax＝G50％，则γRmax取值1；若Gmin＝G50％，则γRmin取值1
根据前步骤计算已知：
| Gmax | Gmin | G50％ | Ga |
| 60 | 10 | 33 | 20 |
根据公式计算可得：γRmax＝1.74，γRmin＝0.78
可得：固有风险修正系数归一化计算公式：
S7，计算动态风险系数
1、根据企业实际数据的动态风险指标评分结果计算动态风险评分值T
2、对动态风险评分值T进行归一化得到动态风险系数T
/>
S8，计算风险值
风险值R由固有风险修正系数与动态风险系数相乘得到：
R＝γR×TR
S9，制定风险值分级策略
根据管控需要设定四个风险等级期望权重分别为：低风险30％，一般风险40％，较大风险25％，重大风险5％，对应面积：S＝7.68，S1＝2.304，S2＝3.072，S3＝1.92，S4＝0.384，根据面积法计算可得：R1＝2.55，R2＝4.65，R3＝5.81
| 风险等级 | 等级序号i | 期望权重μi | 分布值Si | 分级值Ri | 风险值区间 |
| 低风险 | 1 | μ1＝30％ | 2.304 | 2.55 | [0,2.55] |
| 一般风险 | 2 | μ2＝40％ | 3.072 | 4.65 | (2.55,4.65] |
| 较大风险 | 3 | μ3＝25％ | 1.92 | 5.81 | (4.65,5.81] |
| 重大风险 | 4 | μ4＝5％ | 0.384 | - | (5.81,6.96] |
S10，分级策略自动优化
以80家企业采集的7日数据为样本，进行统计分析，数据样本见附图5：
共采集数据679条，其中风险值为0的数据量555条，低风险等级数据量115，占比92.7％，一般风险等级数据量7，占比5.6％，较大风险等级数据1，占比0.8％，重大风险等级数据量1，占比0.8％。
低风险等级偏离值一般风险等级偏离值/>较大风险等级偏离值/>重大风险等级偏离值/> 均超过0.05，需要对分级策略进行调整：30％分位点数据值为0.06,70％分位点数据值为0.37,95％分位点数据值为3.77，重新调整分级策略：低风险等级风险值区间[0,0.06]，一般风险等级风险值区间(0.06,0.37]，较大风险等级风险值区间(0.37,3.77]，重大风险等级风险值区间(3.77,6.96]。后续数据样本累计越多，风险分级策略将越准确。
S11，制定风险预警策略
制定三色预警：黄色预警：风险等级升级至一般风险；橙色预警：风险等级升级至较大风险；红色预警：风险等级升级至重大风险。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (11)
1.一种基于物联网监测的除尘系统风险动态评估及分级预警方法，其特征在于，包括：
S1，采集粉尘涉爆除尘系统风险涉及因素的相关数据；
S2，基于所采集的数据，建立粉尘涉爆除尘系统的固有风险指标库及动态风险指标库；
S3，基于AHP法计算各指标的指标风险权重系数；
S4，基于指标风险权重系数，得到各指标对应的指标分值；
S5，建立指标量化评分规则，对各指标进行等级划分并根据对应等级得到指标评分；
S6，确定固有风险值修正系数；
S7，计算动态风险系数；
S8，计算风险值；
S9，制定风险值分级策略；
S10，对风险值分级策略进行优化；
S11，制定风险预警策略。
2.如权利要求1所述的基于物联网监测的除尘系统风险动态评估及分级预警方法，其特征在于，所述粉尘涉爆除尘系统风险涉及因素的相关数据包括：静态数据和动态数据；
静态数据还包括除尘系统基础信息、除尘系统监测配置信息、粉尘清扫信息、除尘系统检修信息、监测报警处置信息；
动态数据还包括除尘系统传感监测实时数据及报警数据，分为关键参数和非关键参数，其中关键参数还包括除尘器进出风口压差、锁气卸灰故障信号、除尘器灰斗温度、喷淋水流量、水箱水位信号、金属粉储存场所氢气浓度信号、火花探测器灭火装置喷淋水压/水蒸气压力、灰斗料位信号和输灰装置故障信号；非关键参数还包括除尘器灭火装置有效性信号、泄爆装置失效信号、隔爆阀自锁反馈信号、过滤器清灰气源压力、过滤水压力、火花探测器开关信号、火花探测器灭火装置有效性信号、爆炸防控措施失效信号。
3.如权利要求2所述的基于物联网监测的除尘系统风险动态评估及分级预警方法，其特征在于，所述静态数据中：
除尘系统基础信息包括设备编码、设备名称、企业编码、设备安装位置、设备类型、设备厂家、安装日期、相关控爆措施、安装区域、除尘种类、本除尘系统相关岗位单班最高涉粉作业人数、关联高风险工艺设备、本除尘系统日产尘量和设备运行状态；
除尘系统监测配置信息包括：指标编码、设备编码、指标名称、指标类别、指标位置、计量单位、指标阈值上限、指标阈值上上限、指标阈值下限、指标阈值下下限、描述、信号类型、开关量报警值；
粉尘清扫信息包括主清扫项目、完成情况、打卡人、打卡日期、备注说明；
除尘系统检修信息包括检修设备、检修项目、检修频次、检修周期、检修负责人、检修类型、任务开始时间、任务结束时间、任务状态和检修情况；
监测报警处置信息包括报警记录、报警设备、是否已处置、报警原因、处置措施、处置人和处置时间。
4.如权利要求2或3所述的基于物联网监测的除尘系统风险动态评估及分级预警方法，其特征在于，所述固有风险指标库中的指标包括：粉尘类型、日产尘量、除尘系统类型、高风险工艺、涉粉作业人数和控爆措施；
所述动态风险指标库包括常规指标和敏感指标，其中常规指标还包括关键参数信号离线量、关键参数平均扰动率、关键参数重复报警点位数、关键参数点位平均报警次数、关键参数平均消警时长、关键参数最大报警持续时间、非关键参数信号离线量、非关键参数平均扰动率、非关键参数重复报警点位数、非关键参数点位平均报警次数、非关键参数平均消警时长、非关键参数最大报警持续时间、粉尘清扫打卡超时量、检修未完成量、处置闭环未完成量；敏感指标还包括事故参数报警量和爆炸环境参数报警量。
5.如权利要求4所述的基于物联网监测的除尘系统风险动态评估及分级预警方法，其特征在于，所述S3还包括：
S3-1，建立指标风险层次结构模型，
S3-2，构建层次分析判断矩阵，
S3-3，对判断矩阵进行一致性检验：
S3-4，计算指标权重值，
S3-5，计算指标风险影响度权重值，
S3-6、计算指标风险影响度权重系数。
6.如权利要求5所述的基于物联网监测的除尘系统风险动态评估及分级预警方法，其特征在于，所述S6还包括：
S6-1，将各项固有风险指标评分值累加得到固有风险值；
S6-2，对每个固有风险指标的风险可接受度进行打分确定固有风险的可接受评分值，并将其累加得到可接受固有风险评分值；
S6-3，计算区域内所有待评估企业的固有风险评分值，按照评分值从低到高进行排序，得到50％分位点企业的固有风险评分值；
S6-4，结合可接受固有风险评分值和50％分位点企业的固有风险评分值，确定固有风险修正系数范围；
S6-5，将固有风险值G按照固有风险修正系数范围进行归一化处理得到固有风险值修正系数。
7.如权利要求6所述的基于物联网监测的除尘系统风险动态评估及分级预警方法，其特征在于，所述S7还包括：
S7-1，由动态风险指标评分值累加计算得到动态风险值；
S7-2，由动态风险值进行归一化处理得到动态风险系数。
8.如权利要求7所述的基于物联网监测的除尘系统风险动态评估及分级预警方法，其特征在于，所述S8中，风险值R由固有风险修正系数与动态风险系数相乘得到：
R＝γR×TR
其中，γR表示固有风险修正系数，TR表示动态风险系数。
9.如权利要求8所述的基于物联网监测的除尘系统风险动态评估及分级预警方法，其特征在于，所述S9还包括：
S9-1，制定风险等级期望权重：按照风险四色管理办法，将风险值从高到低归类为为低风险、一般风险、较大风险、重大风险四个等级，按照实际监管策略，制定各风险等级期望权重；
S9-2，制定风险值分级策略，计算得到期望分位点对应的风险分级值，得到各等级风险的对应风险值区间。
10.如权利要求9所述的基于物联网监测的除尘系统风险动态评估及分级预警方法，其特征在于，所述S10还包括：
以模型计算历史数据为样本，对风险值从小到大进行排序，计算实际的企业某风险等级分布权重与期望分布权重的偏离值
若存在一个偏离值则说明分级策略不符合期望，需要对分级策略进行优化，根据统计样本分布情况选取样本数据的期望期望分位点对应的数值作为分位点对应等级新的分级值；
若所有偏离值则认为分级策略符合期望。
11.如权利要求10所述的基于物联网监测的除尘系统风险动态评估及分级预警方法，其特征在于，所述S11还包括：
根据风险预警值的变化态势，自动动态识别风险异常升高的情况，并生成风险预警记录提醒企业，当风险自动回落到可接收范围后，风险预警自动消除，实现风险的自动预警消警；
将低风险定义为可接受的风险，当企业风险等级从低风险动态升高到一般风险、较大风险、重大风险时，产生风险预警，并且根据达到的最高风险等级设定此次风险预警的预警等级，从低到高分别为黄色预警、橙色预警、红色预警，长时间未消警的预警则逐级提升预警等级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311441186.XA CN117670028A (zh) | 2023-10-31 | 2023-10-31 | 基于物联网监测的除尘系统风险动态评估及分级预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311441186.XA CN117670028A (zh) | 2023-10-31 | 2023-10-31 | 基于物联网监测的除尘系统风险动态评估及分级预警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117670028A true CN117670028A (zh) | 2024-03-08 |
Family
ID=90085300
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311441186.XA Pending CN117670028A (zh) | 2023-10-31 | 2023-10-31 | 基于物联网监测的除尘系统风险动态评估及分级预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117670028A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117930733A (zh) * | 2024-03-22 | 2024-04-26 | 上海惊叹化学有限公司 | 聚氨酯粘合剂生产工艺自动化防爆联动控制系统 |
-
2023
- 2023-10-31 CN CN202311441186.XA patent/CN117670028A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117930733A (zh) * | 2024-03-22 | 2024-04-26 | 上海惊叹化学有限公司 | 聚氨酯粘合剂生产工艺自动化防爆联动控制系统 |
| CN117930733B (zh) * | 2024-03-22 | 2024-05-28 | 上海惊叹化学有限公司 | 聚氨酯粘合剂生产工艺自动化防爆联动控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108154291B (zh) | 一种基于策略库的供电厂性能指标评价方法及系统 | |
| Li et al. | Fuzzy logic-based approach for identifying the risk importance of human error | |
| CN112783101A (zh) | 存储器、危险化学品罐区安全风险预警方法、设备和装置 | |
| CN111275333B (zh) | 污染数据处理方法和装置 | |
| CN108133316B (zh) | 一种供电厂电力设备家族性缺陷的检测方法 | |
| CN107886235A (zh) | 一种耦合确定性与不确定分析的火灾风险评估方法 | |
| US20050143953A1 (en) | A method and system for targeting and monitoring the energy performance of manufacturing facilities | |
| CN117670028A (zh) | 基于物联网监测的除尘系统风险动态评估及分级预警方法 | |
| CN113268880B (zh) | 一种粉尘爆炸重大安全风险辨识与评估方法 | |
| Hong et al. | A fuzzy logic and probabilistic hybrid approach to quantify the uncertainty in layer of protection analysis | |
| CN111126853A (zh) | 基于模糊fmea的水利工程风险预警分析方法及系统 | |
| CN111310803B (zh) | 环境数据处理方法和装置 | |
| CN104456092A (zh) | 一种石油天然气管道报警优先级多维评定方法 | |
| CN117150934B (zh) | 变压器套管状态综合监测系统及其在线数据处理方法 | |
| CN113723726B (zh) | 化工装置运行过程风险预警与管控的方法及系统 | |
| Hamta et al. | Improving the Identification and prioritization of the most important risks of safety equipment in FMEA with a hybrid multiple criteria decision-making technique | |
| CN115953252A (zh) | 一种建工安责险保费的确定方法 | |
| Semeykin et al. | Forecasting and managing professional risks using information-analytical systems based on fuzzy logic methods | |
| CN113868948A (zh) | 一种面向用户的动态阈值模型训练系统及方法 | |
| CN113610338A (zh) | 轨道交通信号系统安全风险评价和风险预警方法及装置 | |
| CN115965234B (zh) | 基于双因素的生产作业风险综合定量评估方法与系统 | |
| CN116909235A (zh) | 一种智能工厂的监控方法及其监控系统、电子设备 | |
| CN114021864A (zh) | 一种涉氨制冷企业重大风险辨识与实时动态风险评估方法 | |
| CN117273467B (zh) | 一种基于多因素耦合的工业安全风险管控方法及系统 | |
| CN110728414A (zh) | 基于物联网的消防安全评估方法、装置、计算机设备及存储介质 |
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 |