CN117745070A - 不安全作业行为的识别方法及装置、服务器及介质 - Google Patents
不安全作业行为的识别方法及装置、服务器及介质 Download PDFInfo
- Publication number
- CN117745070A CN117745070A CN202311767672.0A CN202311767672A CN117745070A CN 117745070 A CN117745070 A CN 117745070A CN 202311767672 A CN202311767672 A CN 202311767672A CN 117745070 A CN117745070 A CN 117745070A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- value
- dimension
- determining
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000011156 evaluation Methods 0.000 claims abstract description 217
- 230000006399 behavior Effects 0.000 claims abstract description 42
- 238000012549 training Methods 0.000 claims description 33
- 238000012797 qualification Methods 0.000 claims description 17
- 208000028571 Occupational disease Diseases 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种不安全作业行为的识别方法及装置、服务器及介质,所述不安全作业行为的识别方法包括:获取当前工作区域内终端的终端数据以及与所述当前工作区域对应的危险因子;根据所述终端数据,查找与所述终端数据对应的作业人员的第一信息,所述第一信息包括多个不同评价维度下的第一评价值;根据所述危险因子,确定各个评价维度的评价系数;根据各个评价维度的第一评价值以及评价系数,确定作业人员在各个评价维度加权后的第二评价值;根据各个评价维度下的第二评价值,确定当前安全策略。
Description
技术领域
本发明属于预警技术领域,具体涉及一种不安全作业行为的识别方法及装置、服务器及介质。
背景技术
化工行业作为我国经济发展的重要支柱产业之一,对国家的经济发展起着至关重要的作用。然而,化工行业也是一个高风险行业,生产过程中涉及大量的化学反应和危险物质。如何有效地提高企业的生产安全性,成为了当前亟待解决的问题。
引起安全事故的主要原因包括人的不安全行为、物的不安全状态和作业环境不良、管理缺陷等,但是事故的根源是人的不安全行为,企业安全生产的关键是改善人的行为方式,最大限度的较少人的不安全行为,提前主动地识别人员风险。
发明内容
本发明提供一种不安全作业行为的识别方法及装置、服务器及介质,以解决如何最大限度的较少人的不安全行为,提前主动地识别人员风险的问题。
为了实现上述目的,本发明提供一种不安全作业行为的识别方法,其特征在于,包括:
获取当前工作区域内终端的终端数据以及与所述当前工作区域对应的危险因子;
根据所述终端数据,查找与所述终端数据对应的作业人员的第一信息,所述第一信息包括多个不同评价维度下的第一评价值;
根据所述危险因子,确定各个评价维度的评价系数;
根据各个评价维度的第一评价值以及评价系数,确定作业人员在各个评价维度加权后的第二评价值;
根据各个评价维度下的第二评价值,确定当前安全策略。
优选地,在所述不安全作业行为的识别方法中,所述根据各个评价维度下的第二评价值,确定当前安全策略的步骤,包括:
当各个评价维度下的任一第二评价值小于或等于第一阈值时,发送第一预警信息至所述终端;
当各个评价维度下的任一第二评价值大于第一阈值且小于或等于第二阈值时,发送第二预警信息至所述终端。
优选地,在所述不安全作业行为的识别方法中,所述第二预警信息包括需要协同参与的提示信息以及符合协同参与条件的候选辅助人员信息;
相应地,所述当各个评价维度下的任一第二评价值大于第一阈值且小于或等于第二阈值时,发送第二预警信息至所述终端的步骤,具体为:
当各个评价维度下的任一第二评价值大于第一阈值且小于或等于第二阈值时,筛选当前工作区域内符合协同参与条件的候选辅助人员信息;
将需要协同参与的提示信息以及筛选出的候选辅助人员信息,发送给所述终端。
优选地,在所述不安全作业行为的识别方法中,所述当各个评价维度下的任一第二评价值大于第一阈值且小于或等于第二阈值时,筛选当前工作区域内符合协同参与条件的候选辅助人员信息的步骤,包括
当各个评价维度下的任一第二评价值大于第一阈值且小于或等于第二阈值时,筛选当前工作区域内终端对应的作业人员的各个评价维度下的第二评价值均大于第三阈值的候选辅助人员信息。
优选地,在所述不安全作业行为的识别方法中,所述当各个评价维度下的任一第二评价值大于第一阈值且小于或等于第二阈值时,筛选当前工作区域内终端对应的作业人员的各个评价维度下的第二评价值均大于第三阈值的候选辅助人员信息的步骤之后,所述将需要协同参与的提示信息以及筛选出的候选辅助人员信息,发送给所述终端的步骤之前,所述方法还包括:
根据当前工作区域对应的危险因子,确定候选辅助人员的各危险因子下的评价权重值;
根据各危险因子下的评价权重值,从所述候选辅助人员中确定至少一个目前推荐辅助人员;
其中,各危险因子下的评价权重值的确定方法包括:
确定任一候选辅助人员对应的各危险因子对应的推荐模型;
根据所述推荐模型,获取各危险因子对所述候选辅助人员的评价权重值,所述评价权重值用于指示所述候选辅助人员在所述各危险因子下的重要程度;
所述推荐模型为:
或者,/>
yi为第i个危险因子下的评价权重值;
xi为第i个危险因子下的评价值;
M为所有候选辅助人员中第i个危险因子下的评价值的最大值;
c为常数;
a为所有候选辅助人员中第i个危险因子下的评价值的平均值。
优选地,在所述不安全作业行为的识别方法中,所述评价维度包括安全资质技能,所述安全资质技能包括作业技能评估、三级安全教育培训情况、本岗位操作直至和技能培训情况、特种作业岗位技术培训情况、以及安全应急技能评估,所述安全资质技能的第一评价值=λ1*作业技能评估值+三级安全教育培训情况值+本岗位操作直至和技能培训情况值+特种作业岗位技术培训情况值+安全应急技能评估值;
其中,λ1为系数;
作业技能评估值为1-5;
三级安全教育培训情况值为1或0;
本岗位操作直至和技能培训情况值为1或0;
特种作业岗位技术培训情况值为1或0;
安全应急技能评估值为1或0。
优选地,在所述不安全作业行为的识别方法中,所述评价维度包括生理特征,所述生理特征包括年龄、最近3天工作疲劳程度、职业病记录、是否存在职业禁忌、以及心率是否正常;
所述生理特征的第一评价值=C4*C5*((C1*λ2+C2*λ2+C3)/3)*5;
其中,C1为年龄的评分,C1为1-5;
C2为最近3天工作疲劳程度的评分,C2为1-5;
C3为是否有职业病,C2为1或-0.2n,n为职业病记录的条数;
C4为是否存在符合所在区域的职业禁忌,C4为0或1;
C5为心率是否正常,C5为0或1。
为了实现上述目的,本发明还提供一种不安全作业行为的识别装置,所述不安全作业行为的识别装置包括:
数据获取单元,用于获取当前工作区域内终端的终端数据以及与所述当前工作区域对应的危险因子;
信息查找单元,用于根据所述终端数据,查找与所述终端数据对应的作业人员的第一信息,所述第一信息包括多个不同评价维度下的第一评价值;
第一确定单元,用于根据所述危险因子,确定各个评价维度的评价系数;
第二确定单元,用于根据各个评价维度的第一评价值以及评价系数,确定作业人员在各个评价维度加权后的第二评价值;
第三确定单元,用于根据各个评价维度下的第二评价值,确定当前安全策略。
为了实现上述目的,本发明还提供一种服务器,所述服务器包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述不安全作业行为的识别方法。
为了实现上述目的,本发明还提供一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述的不安全作业行为的识别方法。
本发明至少具有如下有益效果:
本发明获取当前工作区域内终端的终端数据以及与所述当前工作区域对应的危险因子;根据所述终端数据,查找与所述终端数据对应的作业人员的第一信息,所述第一信息包括多个不同评价维度下的第一评价值;根据所述危险因子,确定各个评价维度的评价系数;根据各个评价维度的第一评价值以及评价系数,确定作业人员在各个评价维度加权后的第二评价值;根据各个评价维度下的第二评价值,确定当前安全策略,如此可以最大限度的较少人的不安全行为,提前主动地识别人员风险。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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。
图1为本发明不安全作业行为的识别方法在第一实施方式的示意图;
图2为本发明不安全作业行为的识别方法在第二实施方式的示意图;
图3为本发明不安全作业行为的识别装置的示意图;
图4为服务器一实施例的示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
本发明实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本发明实施例中术语“多个”是指两个或两个以上,其它量词与之类似。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施例进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施例中,为了使读者更好地理解本发明而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施例的种种变化和修改,也可以实现本发明所要求保护的技术方案。以下各个实施例的划分是为了描述方便,不应对本发明的具体实现方式构成任何限定,各个实施例在不矛盾的前提下可以相互结合相互引用。
为了解决上述问题,本实施方式涉及一种不安全作业行为的识别方法,可以应用于服务器,服务器可以为台式机、平板电脑、笔记本等等具有数据处理能力的电子设备,在此不做具体限制。
下面对本发明第一实施方式的不安全作业行为的识别方法的实现细节进行说明,以下内容仅为方便理解而提供的实现细节,并非实施本方案的必须。
本实施方式的具体流程如图1所示,具体包括;
步骤S100,获取当前工作区域内终端的终端数据以及与所述当前工作区域对应的危险因子;
应该理解的是,终端数据与各个作业人员对应,通过获取当前工作区域内终端的终端数据,可以获取当前工作区域内的作业人员的数据。具体地,通过人员定位技术,和作业人员身上佩戴的定位终端,来实时获取作业人员所处的具体位置,以及当前其所处于的工作区域。
由于每个工作区域对应的危险因子是不同的,通过获取当前工作区域对应的危险因子,可以更准确地确定当前工作区域真正具备危险的因素。危险因子可以包括安全资质技能、安全作业经验、生理特征、安全行为、安全业务执行力等。每个工作区域对应的危险因子可以根据统计历史数据来获取,也可以是用户自定义,在此不做具体限制。例如工作区域A通常发生危险的危险因子都是由于人员违章操作,那么工作区域A的危险因子包括安全行为;又例如工作区域B通常发生危险的危险因子是由于生理特征或安全作业经验不足,那么工作区域B的危险因子包括生理特征和安全作业经验。危险因子可以是包括至少部分评价维度;也可以是包括全部评价维度,具体根据当前工作区域的特征确定。
步骤S200,根据所述终端数据,查找与所述终端数据对应的作业人员的第一信息,所述第一信息包括多个不同评价维度下的第一评价值;
应该理解的是,终端数据对应相应的作业人员,通过终端数据可以查找对应的作业人员的第一信息。评价维度包括上述的危险因子,还可以包括除了上述危险因子以外的其他评价维度,在此不做具体限制。评价维度可以包括安全资质技能、安全作业经验、生理特征、安全行为、安全业务执行力等。
以安全资质技能为例,安全资质技能可以包括作业技能评估、三级安全教育培训情况、本岗位操作知识和技能培训情况、特种作业岗位技术培训情况、以及安全应急技能评估。进一步地,作业技能评估包括初级作业人员、中级作业人员、高级作业人员、技师、高级技师及以上,对应的分值分别为1分、2分、3分、4分、5分。三级安全教育培训情况包括考试合格、不合格,对应的分值分别为1和0。本岗位操作知识和技能培训情况包括合格、不合格,对应的分值分别为1和0。对于特种作业岗位的操作人员,特种作业岗位技术培训情况包括考试合格、不合格,对应的分值分别为1和0;对于非特征作业岗位人员分值为1。安全应急技能评估包括考试合格、不合格,对应的分值分别为1和0。
以安全作业经验为例,安全作业经验可以是包括最近半年在该区域的有效作业次数。有效作业次数指的是单次现场工作时间超过1小时的为1次有效作业次数。分为有效作业次数≥132次、96次≤x<132次、72次≤x<96次、48次≤x<72次、10次≤x<48次、以及x<10次,对应的分值分别为5分、4分、3分、2分、1分、0分。
以生理特征为例,生理特征包括年龄(C1)、最近3天工作疲劳程度(C2)、职业病记录(C3)、职业禁忌(C4)、心率(C5),其中,年龄分为20岁≤x<30岁、30岁≤x<40岁、40岁≤x<50岁、50岁≤x<60岁,对应的分值分别为2分、5分、5分、3分。最近3天工作疲劳程度包括x<24、24≤x<36、36≤x<48、48≤x<72,对应的分值分别为5分、4分、3分、1分。职业禁忌包括有无职业病记录,无职业病记录则表示为1,若有且符合所在的区域的职业禁忌种类,则表示为0。心率包括正常和不正常,正常值表示1,不正常表示0。
另外,评价维度还可以包括根据识别图像,自动识别劳保用品是否符合要求,对于符合要求的记为1分,对于不符合要求的记为0分。图像识别还可以是识别其他安全图像,例如作业人员自身的图像,通过作业人员自身的图像来确定作业人员的健康状态等等。
步骤S300,根据所述危险因子,确定各个评价维度的评价系数;
应该理解的是,对于每个作业人员各个评价维度下的评价值是确定的;但是不同的工作区域对作业人员的要求也是不同的。例如工作区域A是否发生危险核心在于安全资质技能,且安全资质技能中的安全应急技能评估最为重要,此时可以将安全资质技能的评价系数设置的相较其他的评价维度的评价系数更高。如此,可以针对不同的工作区域对作业人员的要求,来确定各个评价维度的评价系数,得到的当前不安全作业行为安全系数更准确。
所述评价维度包括安全资质技能,所述安全资质技能包括作业技能评估、三级安全教育培训情况、本岗位操作直至和技能培训情况、特种作业岗位技术培训情况、以及安全应急技能评估,所述安全资质技能的第一评价值=λ1*作业技能评估值+三级安全教育培训情况值+本岗位操作直至和技能培训情况值+特种作业岗位技术培训情况值+安全应急技能评估值;
其中,λ1为系数;
作业技能评估值为1-5;
三级安全教育培训情况值为1或0;
本岗位操作直至和技能培训情况值为1或0;
特种作业岗位技术培训情况值为1或0;
安全应急技能评估值为1或0。
所述评价维度包括生理特征,所述生理特征包括年龄、最近3天工作疲劳程度、职业病记录、是否存在职业禁忌、以及心率是否正常;
所述生理特征的第一评价值=C4*C5*((C1*λ2+C2*λ2+C3)/3)*5;
其中,C1为年龄的评分,C1为1-5;
C2为最近3天工作疲劳程度的评分,C2为1-5;
C3为是否有职业病,C2为1或-0.2n,n为职业病记录的条数;
C4为是否存在符合所在区域的职业禁忌,C4为0或1;
C5为心率是否正常,C5为0或1。
步骤S400,根据各个评价维度的第一评价值以及评价系数,确定作业人员在各个评价维度加权后的第二评价值;
应该理解的是,通过评价系数对第一评价值进行加权,如此可以更准确地确定作业人员的不安全作业行为风险等级。
步骤S500,根据各个评价维度下的第二评价值,确定当前安全策略。
需要说明的是,当根据第二评价值得到的风险等级较高,可以是发送告警信息至该作业人员对应的移动终端,要求该作业人员离开该工作区域;还可以是发送提醒的注意事项,例如提醒该员工,已进入某某作业区域,需要注意该作业区域的注意事项;或者,推送该区域的安全规定和操作要求,并严格遵守,注意避免任何可能导致事故或伤害的行为;还可以是推送该工种作业区域的布局、设备和工具的使用方法。
本发明获取当前工作区域内终端的终端数据以及与所述当前工作区域对应的危险因子;根据所述终端数据,查找与所述终端数据对应的作业人员的第一信息,所述第一信息包括多个不同评价维度下的第一评价值;根据所述危险因子,确定各个评价维度的评价系数;根据各个评价维度的第一评价值以及评价系数,确定作业人员在各个评价维度加权后的第二评价值;根据各个评价维度下的第二评价值,确定当前安全策略,如此可以最大限度的较少人的不安全行为,提前主动地识别人员风险。
如图2所示,图2示意出的是本发明提供的不安全作业行为的识别方法的第二实施方式,所述步骤S500包括:
步骤S510,当各个评价维度下的任一第二评价值小于或等于第一阈值时,发送第一预警信息至所述终端;
需要说明的是,第一预警信息可以是提示离开的信息,以第一阈值为例,当第一阈值为2分时,当各个评价维度下的任一第二评价值小于或等于2分,则发送第一预警信息至所述终端。例如通过便携式移动终端推送告警信息,要求该人员离开该工作区域,同时,业务系统上显示一条预警信息,并将该条告警信息推送给该区域负责人的便携式移动终端。
步骤S520,当各个评价维度下的任一第二评价值大于第一阈值且小于或等于第二阈值时,发送第二预警信息至所述终端。
需要说明的是,第二预警信息可以是提示作业人员必须在其他满足要求的人员的监督协同下才能进行作业。以第一阈值为2分,第二阈值为3分为例,当各个评价维度下的任一第二评价值大于2分且小于或等于3分时,发送第二预警信息至所述终端,提示必须在其他满足要求的人员的监督协同下才能进行作业。
更具体地,所述第二预警信息包括需要协同参与的提示信息以及符合协同参与条件的候选辅助人员信息;
相应地,所述步骤S520,具体为:
步骤S521,当各个评价维度下的任一第二评价值大于第一阈值且小于或等于第二阈值时,筛选当前工作区域内符合协同参与条件的候选辅助人员信息;
具体地,当各个评价维度下的任一第二评价值大于第一阈值且小于或等于第二阈值时,筛选当前工作区域内终端对应的作业人员的各个评价维度下的第二评价值均大于第三阈值的候选辅助人员信息。
应该理解的是,第三阈值大于第二阈值,对于不满足分值要求的作业人员,可以由候选辅助人员进行带领和监管,如此来提高作业安全。
步骤S522,将需要协同参与的提示信息以及筛选出的候选辅助人员信息,发送给所述终端。
其中,步骤S521和步骤S522之前还包括步骤S523和步骤S524;
步骤S523,根据当前工作区域对应的危险因子,确定候选辅助人员的各危险因子下的评价权重值;
步骤S524,根据各危险因子下的评价权重值,从所述候选辅助人员中确定至少一个目前推荐辅助人员;
其中,各危险因子下的评价权重值的确定方法包括:
确定任一候选辅助人员对应的各危险因子对应的推荐模型;
根据所述推荐模型,获取各危险因子对所述候选辅助人员的评价权重值,所述评价权重值用于指示所述候选辅助人员在所述各危险因子下的重要程度;
所述推荐模型为:
或者,/>
yi为第i个危险因子下的评价权重值;
xi为第i个危险因子下的评价值;
M为所有候选辅助人员中第i个危险因子下的评价值的最大值;
c为常数;
a为所有候选辅助人员中第i个危险因子下的评价值的平均值。
当a=M时,
通过推荐模型可以确定各个候选辅助人员的重要程度,如此可以进一步提高安全系数。
为了实现上述目的,本发明还提供一种不安全作业行为的识别装置,如图3所示,所述不安全作业行为的识别装置包括数据获取单元601、信息查找单元602、第一确定单元603、第二确定单元604、第三确定单元605;
数据获取单元601用于获取当前工作区域内终端的终端数据以及与所述当前工作区域对应的危险因子;
信息查找单元602用于根据所述终端数据,查找与所述终端数据对应的作业人员的第一信息,所述第一信息包括多个不同评价维度下的第一评价值;
第一确定单元603用于根据所述危险因子,确定各个评价维度的评价系数;
第二确定单元604用于根据各个评价维度的第一评价值以及评价系数,确定作业人员在各个评价维度加权后的第二评价值;
第三确定单元605用于根据各个评价维度下的第二评价值,确定当前安全策略。
为了实现上述目的,本发明还提供一种服务器,如图4所示,该服务器包括至少一个处理器701;以及,与所述至少一个处理器701通信连接的存储器702;其中,所述存储器702存储有可被所述至少一个处理器701执行的指令,所述指令被所述至少一个处理器701执行,以使所述至少一个处理器701能够执行上述不安全作业行为的识别方法。
其中,存储器702和处理器701采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器701和存储器702的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器701处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器701。
处理器701负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器702可以被用于存储处理器701在执行操作时所使用的数据。
为了实现上述目的,本发明提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述不安全作业行为的识别方法。
即,本领域技术人员可以理解,实现上述实施方式方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施方式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、只读存储器(ROM,Read-On ly Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
显然,上述所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下,可以做出其它不同形式的变化或变动,都应当属于本发明保护的范围。
Claims (10)
1.一种不安全作业行为的识别方法,其特征在于,包括:
获取当前工作区域内终端的终端数据以及与所述当前工作区域对应的危险因子;
根据所述终端数据,查找与所述终端数据对应的作业人员的第一信息,所述第一信息包括多个不同评价维度下的第一评价值;
根据所述危险因子,确定各个评价维度的评价系数;
根据各个评价维度的第一评价值以及评价系数,确定作业人员在各个评价维度加权后的第二评价值;
根据各个评价维度下的第二评价值,确定当前安全策略。
2.如权利要求1所述的不安全作业行为的识别方法,其特征在于,所述根据各个评价维度下的第二评价值,确定当前安全策略的步骤,包括:
当各个评价维度下的任一第二评价值小于或等于第一阈值时,发送第一预警信息至所述终端;
当各个评价维度下的任一第二评价值大于第一阈值且小于或等于第二阈值时,发送第二预警信息至所述终端。
3.如权利要求2所述的不安全作业行为的识别方法,其特征在于,所述第二预警信息包括需要协同参与的提示信息以及符合协同参与条件的候选辅助人员信息;
相应地,所述当各个评价维度下的任一第二评价值大于第一阈值且小于或等于第二阈值时,发送第二预警信息至所述终端的步骤,具体为:
当各个评价维度下的任一第二评价值大于第一阈值且小于或等于第二阈值时,筛选当前工作区域内符合协同参与条件的候选辅助人员信息;
将需要协同参与的提示信息以及筛选出的候选辅助人员信息,发送给所述终端。
4.如权利要求3所述的不安全作业行为的识别方法,其特征在于,所述当各个评价维度下的任一第二评价值大于第一阈值且小于或等于第二阈值时,筛选当前工作区域内符合协同参与条件的候选辅助人员信息的步骤,包括
当各个评价维度下的任一第二评价值大于第一阈值且小于或等于第二阈值时,筛选当前工作区域内终端对应的作业人员的各个评价维度下的第二评价值均大于第三阈值的候选辅助人员信息。
5.如权利要求4所述的不安全作业行为的识别方法,其特征在于,所述当各个评价维度下的任一第二评价值大于第一阈值且小于或等于第二阈值时,筛选当前工作区域内终端对应的作业人员的各个评价维度下的第二评价值均大于第三阈值的候选辅助人员信息的步骤之后,所述将需要协同参与的提示信息以及筛选出的候选辅助人员信息,发送给所述终端的步骤之前,所述方法还包括:
根据当前工作区域对应的危险因子,确定候选辅助人员的各危险因子下的评价权重值;
根据各危险因子下的评价权重值,从所述候选辅助人员中确定至少一个目前推荐辅助人员;
其中,各危险因子下的评价权重值的确定方法包括:
确定任一候选辅助人员对应的各危险因子对应的推荐模型;
根据所述推荐模型,获取各危险因子对所述候选辅助人员的评价权重值,所述评价权重值用于指示所述候选辅助人员在所述各危险因子下的重要程度;
所述推荐模型为:
或者,/>
yi为第i个危险因子下的评价权重值;
xi为第i个危险因子下的评价值;
M为所有候选辅助人员中第i个危险因子下的评价值的最大值;
c为常数;
a为所有候选辅助人员中第i个危险因子下的评价值的平均值。
6.如权利要求1所述的不安全作业行为的识别方法,其特征在于,所述评价维度包括安全资质技能,所述安全资质技能包括作业技能评估、三级安全教育培训情况、本岗位操作直至和技能培训情况、特种作业岗位技术培训情况、以及安全应急技能评估,所述安全资质技能的第一评价值=λ1*作业技能评估值+三级安全教育培训情况值+本岗位操作直至和技能培训情况值+特种作业岗位技术培训情况值+安全应急技能评估值;
其中,λ1为系数;
作业技能评估值为1-5;
三级安全教育培训情况值为1或0;
本岗位操作直至和技能培训情况值为1或0;
特种作业岗位技术培训情况值为1或0;
安全应急技能评估值为1或0。
7.如权利要求1所述的不安全作业行为的识别方法,其特征在于,所述评价维度包括生理特征,所述生理特征包括年龄、最近3天工作疲劳程度、职业病记录、是否存在职业禁忌、以及心率是否正常;
所述生理特征的第一评价值=C4*C5*((C1*λ2+C2*λ2+C3)/3)*5;
其中,C1为年龄的评分,C1为1-5;
C2为最近3天工作疲劳程度的评分,C2为1-5;
C3为是否有职业病,C2为1或-0.2n,n为职业病记录的条数;
C4为是否存在符合所在区域的职业禁忌,C4为0或1;
C5为心率是否正常,C5为0或1。
8.一种不安全作业行为的识别装置,其特征在于,包括:
数据获取单元,用于获取当前工作区域内终端的终端数据以及与所述当前工作区域对应的危险因子;
信息查找单元,用于根据所述终端数据,查找与所述终端数据对应的作业人员的第一信息,所述第一信息包括多个不同评价维度下的第一评价值;
第一确定单元,用于根据所述危险因子,确定各个评价维度的评价系数;
第二确定单元,用于根据各个评价维度的第一评价值以及评价系数,确定作业人员在各个评价维度加权后的第二评价值;
第三确定单元,用于根据各个评价维度下的第二评价值,确定当前安全策略。
9.一种服务器,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7任意一项所述的不安全作业行为的识别方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述的不安全作业行为的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311767672.0A CN117745070A (zh) | 2023-12-21 | 2023-12-21 | 不安全作业行为的识别方法及装置、服务器及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311767672.0A CN117745070A (zh) | 2023-12-21 | 2023-12-21 | 不安全作业行为的识别方法及装置、服务器及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117745070A true CN117745070A (zh) | 2024-03-22 |
Family
ID=90252384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311767672.0A Pending CN117745070A (zh) | 2023-12-21 | 2023-12-21 | 不安全作业行为的识别方法及装置、服务器及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117745070A (zh) |
-
2023
- 2023-12-21 CN CN202311767672.0A patent/CN117745070A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
K. Sejjaaka et al. | Professionalism, rewards, job satisfaction and organizational commitment amongst accounting professionals in Uganda | |
CN101706889A (zh) | 行政审批电子监察的方法及系统 | |
CN113449959A (zh) | 一种矿山人员行为治理系统及平台 | |
JP2009512036A (ja) | プロセス産業プラントの安全性評価のためのコンピュータ・システムおよびコンピュータ・ベースの方法 | |
CN114817681A (zh) | 一种基于大数据分析的金融风控系统及其管理设备 | |
Alves et al. | Factors influencing occupational accidents: a multidimensional analysis in the electricity sector | |
CN113657788A (zh) | 一种企业安全生产标准化智能监管系统及方法 | |
CN117745070A (zh) | 不安全作业行为的识别方法及装置、服务器及介质 | |
Al-Shayea et al. | Structural model of factors contributing to the motivational problem of taking shortcuts at construction workplaces in the Kingdom of Saudi Arabia | |
CN114625627B (zh) | 一种基于大数据多维分析的用户智能感知方法 | |
CN110782119A (zh) | 基于人工智能的保险代理人甄选方法、装置及设备 | |
CN115222549A (zh) | 风险评估处理方法、装置、计算机设备及存储介质 | |
CN113919679A (zh) | 业务流程风险防控方法及系统 | |
Hon | Relationships between safety climate and safety performance of repair, maintenance, minor alteration and addition (RMAA) works | |
CN116822941B (zh) | 一种基于新能源工作站的智慧安全管理系统 | |
Zhu et al. | Determinates of employee voluntary turnover and forecasting in R&D departments: a case study | |
Stojiljković | Knowledge management for the purpose of human error reduction | |
Zhang et al. | Evaluation and Improvement of Employee Performance with respect to Health, Safety, and Environment (HSE) Factors: A Case of Complex Transport Construction Project | |
CN114549078B (zh) | 基于时序的客户行为处理方法、装置及相关设备 | |
CN110826852B (zh) | 一种强制隔离戒毒人员风险评估方法及系统 | |
CN113723811A (zh) | 基于机器学习的设备维保单位评估方法、装置及电子设备 | |
Manch et al. | Watching the birth of the regulatory profession | |
Haber et al. | Safety culture management: the importance of organizational factors | |
Tokar et al. | Information Technology Development for Social Services Consumers' Choice. | |
Bonsu-bandoh | Effect of Supply Chain Uncertainty on the Performance Of Poultry Firms in Dormaa Ahenkro Municipality, Ghana: the Moderating Role of Supply Risk Management |
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 |