The invention discloses a structured management method for multi-source safety large data of an intelligent factory, which comprises the following steps: (1) collecting multi-source safety large data of an intelligent factory through a multi-source data acquisition module, and dividing the multi-source safety large data into static data and dynamic data according to the updated time scale, and establishing an intelligent factory safety database. (3) Based on the structured model of static data and dynamic data, the main data table definition of intelligent factory security database is obtained, and the structure of multi-source security large data is realized. Management. The method for structured management of multi-source secure large data of the invention can model and describe various kinds of data structurally, and convert unstructured data into structured data, thereby realizing structured management of multi-source secure large data and maximizing the application value of secure large data.
【技术实现步骤摘要】
一种智能工厂多源安全大数据结构化管理方法
本专利技术涉及工业安全数据管理方法,尤其涉及一种智能工厂多源安全大数据结构化管理方法。
技术介绍
随着智能制造时代的来临,智能工厂工业大数据技术及实践应用将成为未来提升企业竞争力、生产力和创新力的重要驱动力。工业大数据一般可分为企业信息化数据、工业物联网数据以及外部跨界数据。其中,企业信息化和工业物联网中设备运行过程所产生的海量生产时序数据是导致工业数据规模变大的主要来源。在工业大数据背景下,安全数据涵盖生产作业安全、企业安全规范制度等各领域,如事故调查报告、安全应急预案、工艺流程安全数据、视频监控数据、生产图纸信息等;数据载体的表现形式也更为丰富,包括数值、文本、语音、视频、图片等;数据的获取手段更为全面,包括物联网技术下的移动终端采集系统、视频监控系统、生产实时数据采集系统,以及互联网等。为加快工业大数据在安全生产领域的发展,国家安全监督管理总局于近年提出建立安全生产数据库的目标,同时指出目前安全生产大数据面临的主要问题包括缺乏统一的标准、部门协调能力不足、信息化能力弱、分析工具欠缺、专业人员缺乏和数据规模小而缺乏原始信息等。王秉等在文献“基于安全大数据的安全科学创新发展探讨”中提出安全大数将对安全科学领域产生深远影响,表现在改变人们对安全现象的思考方式、提升安全科学研究的时效性、增强安全分析结果的客观性等诸多方面。李金诺在文献“浅谈石油行业大数据的发展趋势”中充分肯定工业大数据应用价值的同时,指出工业大数据目前需要解决的问题主要有数据的采集与存储、数据分析及可视化、数据开放共享等。苏鑫等在文献“大数据技术在过 ...
【技术保护点】
1.一种智能工厂多源安全大数据结构化管理方法,其特征在于,包括以下步骤:(1)通过多源数据采集模块采集智能工厂的多源安全大数据,并按更新时间尺度将多源安全大数据分为静态数据和动态数据,建立智能工厂安全数据库;(2)分析静态数据和动态数据的组成要素、现有数据组织结构,分别建立静态数据和动态数据的结构化模型;(3)基于静态数据和动态数据的结构化模型,得到智能工厂安全数据库的主数据表定义,实现对多源安全大数据的结构化管理。
【技术特征摘要】
1.一种智能工厂多源安全大数据结构化管理方法,其特征在于,包括以下步骤:(1)通过多源数据采集模块采集智能工厂的多源安全大数据,并按更新时间尺度将多源安全大数据分为静态数据和动态数据,建立智能工厂安全数据库;(2)分析静态数据和动态数据的组成要素、现有数据组织结构,分别建立静态数据和动态数据的结构化模型;(3)基于静态数据和动态数据的结构化模型,得到智能工厂安全数据库的主数据表定义,实现对多源安全大数据的结构化管理。2.根据权利要求1所述的智能工厂多源安全大数据结构化管理方法,其特征在于,所述的静态安全数据包括工厂设计数据、安全事故记录数据、安全应急预案数据及安全失效数据。3.根据权利要求2所述的智能工厂多源安全大数据结构化管理方法,其特征在于,建立工厂设计数据模型,表达为:PlantDesignData=(eID,elayoutdata,esizedata,eprocessdata,etechnicaldata)其中eID为TE工厂生产线设备编号,elayoutdata为设备布局,esizedata为设备外形尺寸,eprocessdata为设备工艺参数,包括原料产品、加工工艺等,etechnicaldata为设备安全技术参数,包括设备可靠性参数等。4.根据权利要求2所述的智能工厂多源安全大数据结构化管理方法,其特征在于,建立安全事故记录数据模型,表达为:AccidentData=(aID,aDatetime,aPlace,aEnvironment,aLevel,aType,aCause,aLoss)其中aID为事故编号,aDatetime为事故发生时间,aPlace为事故发生地点,aEnvironment为事故发生的气象条件以及周边环境,aLevel为事故等级,aType为事故类型,aCause为事故起因,aLoss为事故所造成的后果损失。5.根据权利要求2所述的智能工厂多源安全大数据结构化管理方法,其特征在于,所述的安全失效数据包括安全设备失效数据和人员失效数据;建立安全设备失效数据模型,表达为:SEFailureData=(ID,Name,Location,ServiceTime,Inventory,Failure,Maintenance)其中ID是安全设备在厂区的唯一标识;Name是设备名称;Location是地理数据;ServiceTime为累积服役时间;Inventory是编目数据;Failure是失效数据;Maintena...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。