馬瑞

（中鐵城市發(fā)展投資集團(tuán)有限公司，成都610000）

1 引言

美國(guó)安全工程師海因里希提出了其著名的“安全金字塔”法則：1 個(gè)死亡重傷害事故背后，有29 起輕傷害事故；29 起輕傷害事故背后，有300 起無(wú)傷害虛驚事件以及大量的不安全行為和不安全狀態(tài)存在。當(dāng)前，排查這些不安全行為和不安全狀態(tài)工作主要靠人力，通過(guò)現(xiàn)場(chǎng)人員的專業(yè)知識(shí)去發(fā)現(xiàn)生產(chǎn)中存在的安全隱患。這種方式易受到主觀因素影響，這樣經(jīng)驗(yàn)式的管理無(wú)法適應(yīng)企業(yè)的較高要求。即便有的現(xiàn)場(chǎng)應(yīng)用了“安全隱患排查系統(tǒng)”“隧道監(jiān)控量測(cè)系統(tǒng)”“視頻監(jiān)控系統(tǒng)”等安全管理輔助軟件，但這些軟件大都相對(duì)獨(dú)立，數(shù)據(jù)不共享，難以對(duì)建設(shè)項(xiàng)目安全管理形成事前預(yù)知（風(fēng)險(xiǎn)可視）、事中預(yù)防（控制可視）、事后響應(yīng)和總結(jié)（結(jié)果可視）。

2 解決方案

為建設(shè)項(xiàng)目建立并應(yīng)用一個(gè)以危險(xiǎn)源管理為核心，覆蓋安全生產(chǎn)體系各項(xiàng)業(yè)務(wù)的智能預(yù)警信息系統(tǒng)，對(duì)各項(xiàng)業(yè)務(wù)產(chǎn)生的大量數(shù)據(jù)信息進(jìn)行數(shù)據(jù)挖掘、數(shù)據(jù)分析、數(shù)據(jù)簡(jiǎn)化后，應(yīng)用多參數(shù)動(dòng)態(tài)數(shù)據(jù)處理決策支持模型和預(yù)警指標(biāo)體系庫(kù)等知識(shí)庫(kù)和方法庫(kù)【1】，對(duì)危險(xiǎn)源進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)，評(píng)估危險(xiǎn)源的風(fēng)險(xiǎn)等級(jí)，對(duì)不可接受的風(fēng)險(xiǎn)及時(shí)進(jìn)行預(yù)警，對(duì)危險(xiǎn)源采取必要的技術(shù)控制、人員不安全行為控制、管理控制等措施，有針對(duì)性地、及時(shí)并有效地消除或降低安全隱患風(fēng)險(xiǎn)，實(shí)現(xiàn)危險(xiǎn)源的可視化管理，即風(fēng)險(xiǎn)可視、控制可視和結(jié)果可視（見圖1）。

3 系統(tǒng)架構(gòu)

圖1 智能預(yù)警信息系統(tǒng)數(shù)據(jù)原理圖

通過(guò)對(duì)項(xiàng)目的整體信息、管理制度、應(yīng)急預(yù)案、人員信息、設(shè)備信息、材料信息等進(jìn)行管理，對(duì)雙控系統(tǒng)分層級(jí)、按照安全責(zé)任矩陣分權(quán)限管理，實(shí)現(xiàn)統(tǒng)一表單、統(tǒng)一考核制度、統(tǒng)一數(shù)據(jù)來(lái)源、統(tǒng)一安全隱患PDCA 閉環(huán)管理、統(tǒng)一獎(jiǎng)懲激勵(lì)，實(shí)現(xiàn)規(guī)范、標(biāo)準(zhǔn)、精細(xì)、簡(jiǎn)潔的管理，從而提高項(xiàng)目整體安全管理工作效率。其功能包括危險(xiǎn)源辨識(shí)、評(píng)定安全風(fēng)險(xiǎn)等級(jí)、隱患排查治理、教育培訓(xùn)、勞務(wù)人員管理、人員定位、作業(yè)現(xiàn)場(chǎng)檢查、監(jiān)理人員履職監(jiān)控、應(yīng)急救援、事故管理、特種設(shè)備穩(wěn)定監(jiān)控、機(jī)械設(shè)配定位管理、問(wèn)題庫(kù)建立與安全績(jī)效考核等。

4 應(yīng)用及數(shù)據(jù)采集

各子系統(tǒng)的業(yè)務(wù)緊密聯(lián)系、環(huán)環(huán)相扣，在辨識(shí)出重大危險(xiǎn)源后，對(duì)涉及的危險(xiǎn)性較大分部分項(xiàng)工程編制專項(xiàng)方案并審批，對(duì)管理人員、專職安全生產(chǎn)管理人員、特種作業(yè)人員和其他人員，有針對(duì)性地推送技術(shù)交底內(nèi)容，并根據(jù)安全責(zé)任矩陣明確具體如安全措施等工作實(shí)施人、驗(yàn)收人、監(jiān)督人等；通過(guò)視頻識(shí)別、RFAD 定位等方法確認(rèn)責(zé)任人員是否在現(xiàn)場(chǎng)進(jìn)行履職，安全隱患是否在規(guī)定時(shí)間內(nèi)被排除并驗(yàn)收；利用方案中有關(guān)技術(shù)參數(shù)和計(jì)算書中的相關(guān)參數(shù)與現(xiàn)場(chǎng)設(shè)置傳感器或監(jiān)測(cè)點(diǎn)采集的數(shù)據(jù)進(jìn)行匹配對(duì)比，自動(dòng)判定安全狀況；在發(fā)生事故或緊急情況系統(tǒng)自動(dòng)或人工手動(dòng)啟動(dòng)相應(yīng)的應(yīng)急預(yù)案時(shí)，相關(guān)信息可以通過(guò)系統(tǒng)第一時(shí)間通知到指定的人員，以便相關(guān)應(yīng)急處置措施可以在最短時(shí)間內(nèi)實(shí)施。在正常情況下以上描述的各類信息都被作為數(shù)據(jù)采集到數(shù)據(jù)庫(kù)中。

數(shù)據(jù)采集和輸入由初始輸入、執(zhí)行預(yù)設(shè)安全管理的業(yè)務(wù)輸入和實(shí)施采集，形成歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)，初始輸入數(shù)據(jù)包括安全生產(chǎn)法律法規(guī)及相關(guān)制度、危險(xiǎn)源信息、危險(xiǎn)源辨識(shí)信息、從業(yè)人員相關(guān)信息、進(jìn)場(chǎng)設(shè)備及材料信息、應(yīng)急預(yù)案初始設(shè)置信息等；業(yè)務(wù)輸入數(shù)據(jù)包括危險(xiǎn)性較大工程的專項(xiàng)方案及審批信息、技術(shù)交底執(zhí)行信息、現(xiàn)場(chǎng)作業(yè)實(shí)施信息、安全管理人員進(jìn)行隱患排查過(guò)程信息、人員安全培訓(xùn)過(guò)程信息、人員作業(yè)行為信息、材料的進(jìn)場(chǎng)及使用信息、機(jī)械設(shè)備作業(yè)信息等；實(shí)施采集信息包括現(xiàn)場(chǎng)氣象數(shù)據(jù)及氣象大數(shù)據(jù)獲取，隧道監(jiān)測(cè)、基坑監(jiān)測(cè)等物聯(lián)網(wǎng)數(shù)據(jù)、視頻監(jiān)控等。數(shù)據(jù)的采集可以通過(guò)傳統(tǒng)的系統(tǒng)錄入、導(dǎo)入方式和二維碼、GPS/GIS、NFC、物聯(lián)網(wǎng)、互聯(lián)網(wǎng)+等方式自動(dòng)采集。

5 智能預(yù)警原理

危險(xiǎn)源涉及人、材、機(jī)、法、環(huán)等方面的因素出現(xiàn)各種狀態(tài)或行為，及其持續(xù)時(shí)間和發(fā)生頻次等量化為基礎(chǔ)數(shù)據(jù)，并建立目錄及索引，將數(shù)據(jù)庫(kù)中的歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)作為參數(shù)輸入人工神經(jīng)網(wǎng)絡(luò)（ANN），并建立多參數(shù)動(dòng)態(tài)處理決策支持模型（后簡(jiǎn)稱“模型”）（輸入層），由模型對(duì)預(yù)警指標(biāo)體系庫(kù)等知識(shí)庫(kù)和方法庫(kù)進(jìn)行深度學(xué)習(xí)（DL），并循環(huán)迭代后（隱藏層），對(duì)風(fēng)險(xiǎn)結(jié)果進(jìn)行概率預(yù)測(cè)（輸出層），預(yù)測(cè)該工點(diǎn)可能發(fā)生不同級(jí)別事故的概率。如圖2 所示為人工神經(jīng)網(wǎng)絡(luò)原理圖。

圖2 人工神經(jīng)網(wǎng)絡(luò)原理圖

在神經(jīng)網(wǎng)絡(luò)中，數(shù)據(jù)的傳遞以神經(jīng)網(wǎng)絡(luò)的線性操作進(jìn)行，危險(xiǎn)源的基礎(chǔ)數(shù)據(jù)（X）從輸入層開始，在網(wǎng)絡(luò)中按著箭頭標(biāo)示的方向，在層間從一個(gè)節(jié)點(diǎn)到另一個(gè)節(jié)點(diǎn)的傳輸處理，從箭頭根部節(jié)點(diǎn)到下個(gè)節(jié)點(diǎn)進(jìn)行數(shù)學(xué)變換，數(shù)據(jù)從箭頭的底部開始，然后乘以該路徑預(yù)警指標(biāo)體系庫(kù)、知識(shí)庫(kù)等的參數(shù)作為權(quán)重（ω），每個(gè)節(jié)點(diǎn)將以這種方式得到一個(gè)值，匯總所有在節(jié)點(diǎn)收斂的值。

為提高模型的預(yù)測(cè)準(zhǔn)確性，通過(guò)模型的自我學(xué)習(xí)的方式進(jìn)行，對(duì)生產(chǎn)過(guò)程中的多個(gè)參數(shù)進(jìn)行分析比對(duì)，從而有效界定危險(xiǎn)源狀態(tài)是否構(gòu)成安全隱患。在模型中將危險(xiǎn)源獲得的歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)分為3 個(gè)數(shù)據(jù)集合：訓(xùn)練集合、測(cè)試集合和驗(yàn)證集合。對(duì)于訓(xùn)練集合，利用80%的數(shù)據(jù)，通過(guò)神經(jīng)網(wǎng)絡(luò)的迭代結(jié)果，分別在剩余數(shù)據(jù)的10%測(cè)試和10%驗(yàn)證集中進(jìn)行測(cè)試和驗(yàn)證預(yù)測(cè)的準(zhǔn)確率，并通過(guò)調(diào)整神經(jīng)網(wǎng)絡(luò)寬度和深度，計(jì)算誤差平方之和（SSE）對(duì)預(yù)測(cè)的準(zhǔn)確性進(jìn)行評(píng)估【2】。在循環(huán)與迭代中不斷調(diào)整權(quán)重，當(dāng)SSE 最小時(shí)確定權(quán)重，完成模型算法優(yōu)化，以達(dá)到預(yù)測(cè)系統(tǒng)的智能化【3】。

6 系統(tǒng)應(yīng)用

在開展安全管理各項(xiàng)業(yè)務(wù)的同時(shí)，系統(tǒng)不斷累積數(shù)據(jù)，并不斷自我學(xué)習(xí)，通過(guò)系統(tǒng)預(yù)測(cè)和人為干預(yù)，使得預(yù)測(cè)結(jié)果向更準(zhǔn)確的方向發(fā)展。安全管理風(fēng)險(xiǎn)可視，即系統(tǒng)在事前具備風(fēng)險(xiǎn)預(yù)知能力，使得一般隱患和緊急風(fēng)險(xiǎn)能可視化；在風(fēng)險(xiǎn)控制過(guò)程中，系統(tǒng)通過(guò)對(duì)隱患的排查情況進(jìn)行監(jiān)控，進(jìn)一步學(xué)習(xí)和預(yù)測(cè)，做到控制可視化；在隱患排除或風(fēng)險(xiǎn)降低后，系統(tǒng)生成風(fēng)險(xiǎn)控制結(jié)果報(bào)告及相關(guān)的安全管理業(yè)務(wù)報(bào)表，實(shí)現(xiàn)結(jié)果可視化。

7 結(jié)語(yǔ)

根據(jù)風(fēng)險(xiǎn)等級(jí)和安全責(zé)任矩陣對(duì)安全風(fēng)險(xiǎn)預(yù)警及警示進(jìn)行個(gè)人級(jí)別的精準(zhǔn)推送，督促現(xiàn)場(chǎng)及時(shí)、有針對(duì)性地采取預(yù)防措施，從源頭上控制各種不安全因素，使得安全生產(chǎn)具有“報(bào)警”和“免疫”能力，實(shí)現(xiàn)項(xiàng)目隱患排查治理異常情況自動(dòng)報(bào)警和安全風(fēng)險(xiǎn)智能預(yù)測(cè)預(yù)警。