馬瑞

（中鐵城市發(fā)展投資集團有限公司，成都610000）

1 引言

美國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，通過現(xiàn)場人員的專業(yè)知識去發(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)驗式的管理無法適應企業(yè)的較高要求。即便有的現(xiàn)場應用了“安全隱患排查系統(tǒng)”“隧道監(jiān)控量測系統(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獨立，數(shù)據(jù)不共享，難以對建設項目安全管理形成事前預知（風險可視）、事中預防（控制可視）、事后響應和總結(jié)（結(jié)果可視）。

2 解決方案

為建設項目建立并應用一個以危險源管理為核心，覆蓋安全生產(chǎn)體系各項業(yè)務的智能預警信息系統(tǒng)，對各項業(yè)務產(chǎn)生的大量數(shù)據(jù)信息進行數(shù)據(jù)挖掘、數(shù)據(jù)分析、數(shù)據(jù)簡化后，應用多參數(shù)動態(tài)數(shù)據(jù)處理決策支持模型和預警指標體系庫等知識庫和方法庫【1】，對危險源進行風險評價，評估危險源的風險等級，對不可接受的風險及時進行預警，對危險源采取必要的技術控制、人員不安全行為控制、管理控制等措施，有針對性地、及時并有效地消除或降低安全隱患風險，實現(xiàn)危險源的可視化管理，即風險可視、控制可視和結(jié)果可視（見圖1）。

3 系統(tǒng)架構(gòu)

圖1 智能預警信息系統(tǒng)數(shù)據(jù)原理圖

通過對項目的整體信息、管理制度、應急預案、人員信息、設備信息、材料信息等進行管理，對雙控系統(tǒng)分層級、按照安全責任矩陣分權(quán)限管理，實現(xiàn)統(tǒng)一表單、統(tǒng)一考核制度、統(tǒng)一數(shù)據(jù)來源、統(tǒng)一安全隱患PDCA 閉環(huán)管理、統(tǒng)一獎懲激勵，實現(xiàn)規(guī)范、標準、精細、簡潔的管理，從而提高項目整體安全管理工作效率。其功能包括危險源辨識、評定安全風險等級、隱患排查治理、教育培訓、勞務人員管理、人員定位、作業(yè)現(xiàn)場檢查、監(jiān)理人員履職監(jiān)控、應急救援、事故管理、特種設備穩(wěn)定監(jiān)控、機械設配定位管理、問題庫建立與安全績效考核等。

4 應用及數(shù)據(jù)采集

各子系統(tǒng)的業(yè)務緊密聯(lián)系、環(huán)環(huán)相扣，在辨識出重大危險源后，對涉及的危險性較大分部分項工程編制專項方案并審批，對管理人員、專職安全生產(chǎn)管理人員、特種作業(yè)人員和其他人員，有針對性地推送技術交底內(nèi)容，并根據(jù)安全責任矩陣明確具體如安全措施等工作實施人、驗收人、監(jiān)督人等；通過視頻識別、RFAD 定位等方法確認責任人員是否在現(xiàn)場進行履職，安全隱患是否在規(guī)定時間內(nèi)被排除并驗收；利用方案中有關技術參數(shù)和計算書中的相關參數(shù)與現(xiàn)場設置傳感器或監(jiān)測點采集的數(shù)據(jù)進行匹配對比，自動判定安全狀況；在發(fā)生事故或緊急情況系統(tǒng)自動或人工手動啟動相應的應急預案時，相關信息可以通過系統(tǒng)第一時間通知到指定的人員，以便相關應急處置措施可以在最短時間內(nèi)實施。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)庫中。

數(shù)據(jù)采集和輸入由初始輸入、執(zhí)行預設安全管理的業(yè)務輸入和實施采集，形成歷史數(shù)據(jù)和實時數(shù)據(jù)，初始輸入數(shù)據(jù)包括安全生產(chǎn)法律法規(guī)及相關制度、危險源信息、危險源辨識信息、從業(yè)人員相關信息、進場設備及材料信息、應急預案初始設置信息等；業(yè)務輸入數(shù)據(jù)包括危險性較大工程的專項方案及審批信息、技術交底執(zhí)行信息、現(xiàn)場作業(yè)實施信息、安全管理人員進行隱患排查過程信息、人員安全培訓過程信息、人員作業(yè)行為信息、材料的進場及使用信息、機械設備作業(yè)信息等；實施采集信息包括現(xiàn)場氣象數(shù)據(jù)及氣象大數(shù)據(jù)獲取，隧道監(jiān)測、基坑監(jiān)測等物聯(lián)網(wǎng)數(shù)據(jù)、視頻監(jiān)控等。數(shù)據(jù)的采集可以通過傳統(tǒng)的系統(tǒng)錄入、導入方式和二維碼、GPS/GIS、NFC、物聯(lián)網(wǎng)、互聯(lián)網(wǎng)+等方式自動采集。

5 智能預警原理

危險源涉及人、材、機、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)時間和發(fā)生頻次等量化為基礎數(shù)據(jù)，并建立目錄及索引，將數(shù)據(jù)庫中的歷史數(shù)據(jù)和實時數(shù)據(jù)作為參數(shù)輸入人工神經(jīng)網(wǎng)絡（ANN），并建立多參數(shù)動態(tài)處理決策支持模型（后簡稱“模型”）（輸入層），由模型對預警指標體系庫等知識庫和方法庫進行深度學習（DL），并循環(huán)迭代后（隱藏層），對風險結(jié)果進行概率預測（輸出層），預測該工點可能發(fā)生不同級別事故的概率。如圖2 所示為人工神經(jīng)網(wǎng)絡原理圖。

圖2 人工神經(jīng)網(wǎng)絡原理圖

在神經(jīng)網(wǎng)絡中，數(shù)據(jù)的傳遞以神經(jīng)網(wǎng)絡的線性操作進行，危險源的基礎數(shù)據(jù)（X）從輸入層開始，在網(wǎng)絡中按著箭頭標示的方向，在層間從一個節(jié)點到另一個節(jié)點的傳輸處理，從箭頭根部節(jié)點到下個節(jié)點進行數(shù)學變換，數(shù)據(jù)從箭頭的底部開始，然后乘以該路徑預警指標體系庫、知識庫等的參數(shù)作為權(quán)重（ω），每個節(jié)點將以這種方式得到一個值，匯總所有在節(jié)點收斂的值。

為提高模型的預測準確性，通過模型的自我學習的方式進行，對生產(chǎn)過程中的多個參數(shù)進行分析比對，從而有效界定危險源狀態(tài)是否構(gòu)成安全隱患。在模型中將危險源獲得的歷史數(shù)據(jù)和實時數(shù)據(jù)分為3 個數(shù)據(jù)集合：訓練集合、測試集合和驗證集合。對于訓練集合，利用80%的數(shù)據(jù)，通過神經(jīng)網(wǎng)絡的迭代結(jié)果，分別在剩余數(shù)據(jù)的10%測試和10%驗證集中進行測試和驗證預測的準確率，并通過調(diào)整神經(jīng)網(wǎng)絡寬度和深度，計算誤差平方之和（SSE）對預測的準確性進行評估【2】。在循環(huán)與迭代中不斷調(diào)整權(quán)重，當SSE 最小時確定權(quán)重，完成模型算法優(yōu)化，以達到預測系統(tǒng)的智能化【3】。

6 系統(tǒng)應用

在開展安全管理各項業(yè)務的同時，系統(tǒng)不斷累積數(shù)據(jù)，并不斷自我學習，通過系統(tǒng)預測和人為干預，使得預測結(jié)果向更準確的方向發(fā)展。安全管理風險可視，即系統(tǒng)在事前具備風險預知能力，使得一般隱患和緊急風險能可視化；在風險控制過程中，系統(tǒng)通過對隱患的排查情況進行監(jiān)控，進一步學習和預測，做到控制可視化；在隱患排除或風險降低后，系統(tǒng)生成風險控制結(jié)果報告及相關的安全管理業(yè)務報表，實現(xiàn)結(jié)果可視化。

7 結(jié)語

根據(jù)風險等級和安全責任矩陣對安全風險預警及警示進行個人級別的精準推送，督促現(xiàn)場及時、有針對性地采取預防措施，從源頭上控制各種不安全因素，使得安全生產(chǎn)具有“報警”和“免疫”能力，實現(xiàn)項目隱患排查治理異常情況自動報警和安全風險智能預測預警。