【技术实现步骤摘要】
一种厂房内安全隐患危险等级的快速预估方法
本专利技术涉及制造业危险管控
,具体涉及一种厂房内安全隐患危险等级的快速预估方法。
技术介绍
目前，随着我国制造业信息化和制造车间数字化的迅速发展，在传统制造业实际生产中对于车间五要素(人机料法环)中各单独的要素，例如设备(机)或产品(料)，都具有较为成熟管控方法。然而对于生产厂房中实际存在安全隐患的研究，由于涉及到车间五要素，难以对其进行系统且全面的危险等级划分以及评估。在当前制造业实际生产过程中，对于厂房安全隐患的评估主要存在两个问题：一是由于厂房的安全隐患涉及到的要素较多，且大多都是文本化的描述，难以对其进行量化的等级评价。二是对于安全隐患的评估需要由相关领域的安全专家才能进行较为准确的评估。因此，目前传统制造业领域多采用LEC评价法(美国安全专家K.J.格雷厄姆和K.F.金尼提出)用于评价操作人员在具有安全隐患环境中作业时的危险性、危害性。该方法用与系统风险有关的三种因素指标值的乘积来评价操作人员伤亡风险大小，这三种因素分别是：L(likelihood，事故发生...
【技术保护点】
1.一种厂房内安全隐患危险等级的快速预估方法，其特征在于，包括以下步骤：/n步骤1，建立厂房安全隐患数据库，具体包括以下步骤：/n步骤1.1，根据厂房实际生产状况以及人机料法环车间生产五要素列出厂房存在的所有安全隐患；/n步骤1.2，对厂房存在的每一个安全隐患按照以下六点进行分析：/n(1)安全隐患的产生原因，产生原因包括人为因素和设备物料因素；/n(2)安全隐患的危险表征，即该安全隐患实际发生时在厂房内部的实际表现形式，具体包括环境因素、设备物料因素和人员因素；/n(3)安全隐患致险后果，其中致险后果包括人员致险后果、物料致险后果和设备致险后果；/n(4)安全隐患涉及区域...
【技术特征摘要】
1.一种厂房内安全隐患危险等级的快速预估方法，其特征在于，包括以下步骤：
步骤1，建立厂房安全隐患数据库，具体包括以下步骤：
步骤1.1，根据厂房实际生产状况以及人机料法环车间生产五要素列出厂房存在的所有安全隐患；
步骤1.2，对厂房存在的每一个安全隐患按照以下六点进行分析：
(1)安全隐患的产生原因，产生原因包括人为因素和设备物料因素；
(2)安全隐患的危险表征，即该安全隐患实际发生时在厂房内部的实际表现形式，具体包括环境因素、设备物料因素和人员因素；
(3)安全隐患致险后果，其中致险后果包括人员致险后果、物料致险后果和设备致险后果；
(4)安全隐患涉及区域，即该安全隐患可能发生在厂房哪些区域；
(5)安全隐患涉及对象，即该安全隐患涉及到人机料法环中哪几个因素；
(6)安全隐患的危险等级，采用LEC法对厂房初始存在的安全隐患进行危险等级评估；
步骤1.3，将步骤1.2中所分析出的各安全隐患的六点信息都录入进数据库中，形成厂房安全隐患数据库；
步骤2，利用中文语料库进行中文词向量模型的预训练；
步骤3，划分厂房安全隐患文本训练集、测试集和验证集，并生成安全隐患语料词向量，具体包括以下步骤：
步骤3.1，利用pymysql提取出步骤1所形成的厂房安全隐患数据库中存放的文本数据；
步骤3.2，将提取出来的安全隐患的文本数据标准化，每个安全隐患都采用危险等级+文本内容的格式，用“\t”间隔；
步骤3.3，将安全隐患文本内容中的信息利用Jieba进行分词，在得到分词结果后，针对具体厂房的安全隐患文本内容，建立专门的停用词表；
步骤3.4，将分词以及去除停用词之后的安全隐患文本内容送入步骤2训练好的词向量模型中，输出得到每个对应词汇的特征向量；
步骤4，将经过划分和标准化的安全隐患文本送入bert神经网络模型进行微调，得到危险等级分类模型；
步骤5，当厂房出现新安全隐患时，按照步骤1.2中的六点获取其相关要素信息并形成文本信息并导入危险等级分类模型，预估危险等级，具体为：对新安全隐患的文本信息进行预处理后导入微调之后的危险等级分类模型，按照模型输出的危险等级概率，从高到低排序预估新安全隐患的危险等级；
步骤6，得到预估的新安全隐患的危险等级...
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。