一种基于大数据的煤矿生产风险评估指标体系构建方法技术

本发明专利技术涉及煤矿生产风险指标体系技术领域，公开了一种基于大数据的煤矿生产风险评估指标体系构建方法，根据相关的法律法规、行业标准以及事故分析后选择指标，其步骤包括：人的因素、设备因素、环境因素以及管理因素四个因素，本发明专利技术以此四要素建立煤矿生产风险评估的指标体系，使得风险评估过程有法规依据，采用视频识别技术丰富人、设备、环境因素的指标系统，提高风险指标体系的实用性和全面性，基于本发明专利技术的风险指标体系的风险评估过程，其数据驱动程度高，且可实现与安全监测监控等信息化系统的数据采集同步的实时评估。

A construction method of coal mine production risk assessment index system based on big data

【技术实现步骤摘要】
一种基于大数据的煤矿生产风险评估指标体系构建方法
本专利技术涉及煤矿生产风险指标体系
，特别涉及一种基于大数据的煤矿生产风险评估指标体系构建方法。
技术介绍
煤矿企业属于高危行业，煤矿井下开采的地质条件复杂，工作场所狭窄，环境恶劣，冒顶、水灾、火灾、瓦斯、煤尘等五大灾害在煤矿实际生产过程中带来了很大安全隐患。矿井持续的生产、不断地开拓新水平、新采区和新工作面，以及生产衔接等，增加了风险管理工作的复杂性。随着煤矿企业对煤矿生产过程风险评估及管理工作的日趋常态化，企业一般通过建立风险评价指标体系进行对煤炭生产的风险状况评估。多数企业的风险评价体系采用头脑风暴和专家经验方法建立，存在指标体系脱离《煤矿安全规程》等安全生产规范标准，可能出现风险评估缺乏依据，评分难度大，评估周期长等问题。以国家、行业安全生产标准为依据建立风险指标体系，一方面指标评分有量化依据，标准规范明确的安全要素绝大部分都可在煤矿生产信息化系统，如安全监测监控系统，中获取；另一方面风险综合评分后溯源风险薄弱点，进一步的落实处置整改有法可依。随着物联网、大数据技术的发展，大型煤矿企业开始依托信息化和智能化的手段来实现生产中的安全监控与管理，提高了生产安全水平的同时也减轻了生产人员安全管理的工作负荷,例如神东上湾煤矿建立智能视频识别系统对采煤人员及井下设备的安全状态进行智能分析和报警，包括人员在岗检测、区域入侵检测等。海量数据通过信息化平台采集后经过机器学习和数据挖掘技术，形成智能化手段来提供更丰富的安全监控数据接口，如采用视频识别技术对人的违章行为、设备的异常工作状态、环境的危险状态的实时监控数据。为了使信息化建设在煤矿企业中的普及化，有必要更新完善风险指标体系，将智能化监控数据纳入风险评估指标体系中，丰富风险评估的全面性，以更加贴合实际的生产情况。
技术实现思路
专利技术的目的在于提供一种基于大数据的煤矿生产风险评估指标体系构建方法，本专利技术以“人的因素、设备因素、环境因素、管理因素”四要素建立煤矿生产风险评估的指标体系，使得风险评估过程有法规依据，采用视频识别技术丰富人、设备、环境因素的指标系统，提高风险指标体系的实用性和全面性，基于本专利技术的风险指标体系的风险评估过程，其数据驱动程度高，且可实现与安全监测监控等信息化系统数据采集同步的实时评估，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种基于大数据的煤矿生产风险评估指标体系构建方法，根据相关的法律法规、行业标准以及事故分析后选择指标，其步骤如下：步骤1：人的因素海因里希因果连锁理论认为事故的发生是由于人的不安全行为和物的不安全状态引起，其中人的不安全行为和物的不安全状态均由人的缺陷造成，在煤矿生产中，一般从员工学历占比、工龄占比、培训率、持证率、有无领导带班制度、超员报警次数、井下人员作业时长、视频识别的人的违章行为次数等角度反映人的安全性，随着人工智能技术在煤矿生产中的广泛应用，可采用视频识别技术实现对人的违章行为的识别，包括安全帽检测、人员离岗检测、越界报警、区域入侵等；步骤2：设备因素根据《煤矿安全规程》、《煤矿矿井机电设备完好标准》和《煤矿机电质量标准化》等规定，设备的风险因素从大型在用设备检验合格率、送检设备合格率、监测监控类系统的运行状况、视频识别的设备的不安全状态报警次数等四方面进行选择，采用视频识别技术实现对生产设备异常状态的监测，包括堆煤、纵撕等引起的皮带冒烟、皮带撕裂等现象；步骤3：环境因素根据煤矿生产工作环境构成和相关安全监督管理规定，井工矿环境因素可由气象、水害、顶板、瓦斯、火灾、煤尘和视频识别的环境危险状态报警次数等二级指标综合评估，其中二级指标的评估根据规范文件内容选择相关的可量化的关键指标进行评估，形成三级指标；采用视频识别技术可实现对环境危险状态的监测报警，包括明火报警、浓烟报警等；步骤4：管理因素管理的风险水平可由安全生产标准化等级、安全经费投入、隐患整改率、行政处罚次数等四项指标进行综合评估。进一步地，步骤1的人的因素的二级指标包括员工学历占比、工龄占比、培训率、持证率、有无领导带班制度、超员报警次数、井下人员作业时长、视频识别的人的违章行为次数等。进一步地，步骤2的设备因素的二级指标有大型在用设备检验合格率、送检设备合格率、监测监控类系统的运行状况、视频识别的设备的不安全状态报警次数等。进一步地，步骤4管理因素的二级指标有标准化等级、安全经费投入、隐患整改率、行政处罚次数等。进一步地，步骤4管理因素的二级指标有标准化等级、安全经费投入、隐患整改率、行政处罚次数等。与现有技术相比，本专利技术的有益效果是：1、本专利技术提出的基于大数据的煤矿生产风险评估指标体系构建方法，与当前信息化和智能化的煤矿安全监控现状相适应，更新煤矿指标体系，将采用视频识别技术实时监测人的违章行为、设备的异常状态和环境的危险状况引发的报警信息分为作为评估人、设备、环境风险水平的一个重要指标，提高风险指标体系的实用性和全面性。2、本专利技术提出的基于大数据的煤矿生产风险评估指标体系构建方法，严格依据《煤矿安全规程》等相关文件规范对煤矿安全生产的规定，在“人、机、环、管”四方面选择重要因素建立煤矿生产风险评估的指标体系，使得风险评估过程有法规依据。3、本专利技术提出的基于大数据的煤矿生产风险评估指标体系构建方法，指标体系末级指标量化程度高，连接煤矿信息化数据采集系统，基于本专利技术的风险指标体系的风险评估过程，其数据驱动程度高，且可实现与安全监测监控系统等信息化系统数据采集同步的实时评估。附图说明图1为本专利技术的流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1，一种基于大数据的煤矿生产风险评估指标体系构建方法，根据相关的法律法规、行业标准以及事故分析后选择指标，其步骤如下：步骤1：人的因素海因里希因果连锁理论认为事故的发生是由于人的不安全行为和物的不安全状态引起的，其中人的不安全行为和物的不安全状态均是人的缺陷造成的。因此，确定人的因素相关的风险指标非常关键。在煤矿生产中，一般从员工受教育水平、员工工龄比例、员工接受培训比例、安全管理人员的持证比例、有无领导带班制度、超员报警次数等角度侧面反映人的安全性。随着人工智能技术在煤矿生产中的广泛应用，可采用视频识别技术对人的行为实现实时监控，及时完成对人的违章行为识别，包括安全帽检测、人员离岗检测、越界报警、区域入侵等。本专利技术为提高指标体系在智能化管理的煤矿企业中应用的贴合度，在对人的因素的指标体系分支中新添了违章行为智能监测报警次数。表1中列出了以人的因素为一级指标的二级指标的定义方法与选择的规范文件依据本文档来自技高网...

【技术保护点】
1.一种基于大数据的煤矿生产风险评估指标体系构建方法，其特征在于，根据相关的法律法规、行业标准以及事故分析后选择指标，其步骤如下：/n步骤1：人的因素/n在煤矿生产中，一般从员工学历占比、工龄占比、培训率、持证率、有无领导带班制度、超员报警次数、井下人员作业时长、视频识别的人的违章行为次数等角度反映人的安全性,随着人工智能技术在煤矿生产中的广泛应用，可采用视频识别技术实现对人的违章行为的识别，包括安全帽检测、人员离岗检测、越界报警、区域入侵；/n步骤2：设备因素/n根据《煤矿安全规程》、《煤矿矿井机电设备完好标准》和《煤矿机电质量标准化》规定，设备的风险因素从大型在用设备检验合格率、送检设备合格率、监测监控类系统的运行状况、视频识别的设备不安全状态报警次数等四方面进行选择,采用视频识别方法可实现对生产设备不安全状态的监测，包括堆煤、纵撕等引起的皮带冒烟、皮带撕裂；/n步骤3：环境因素/n根据煤矿生产工作环境构成和相关安全监督管理规定，井工矿环境因素可由气象、水害、顶板、瓦斯、火灾、煤尘和视频识别的环境危险状态报警次数二级指标综合评估，其中二级指标的评估根据规范文件内容选择相关的可量化的关键指标进行评估，形成三级指标；采用视频识别技术实现对环境危险状态的监测报警，包括明火报警、浓烟报警；/n步骤4：管理因素/n管理的风险水平可由安全生产标准化等级、安全经费投入、隐患整改率、行政处罚次数等四项指标进行综合评估。/n...

【技术特征摘要】
1.一种基于大数据的煤矿生产风险评估指标体系构建方法，其特征在于，根据相关的法律法规、行业标准以及事故分析后选择指标，其步骤如下：
步骤1：人的因素
在煤矿生产中，一般从员工学历占比、工龄占比、培训率、持证率、有无领导带班制度、超员报警次数、井下人员作业时长、视频识别的人的违章行为次数等角度反映人的安全性,随着人工智能技术在煤矿生产中的广泛应用，可采用视频识别技术实现对人的违章行为的识别，包括安全帽检测、人员离岗检测、越界报警、区域入侵；
步骤2：设备因素
根据《煤矿安全规程》、《煤矿矿井机电设备完好标准》和《煤矿机电质量标准化》规定，设备的风险因素从大型在用设备检验合格率、送检设备合格率、监测监控类系统的运行状况、视频识别的设备不安全状态报警次数等四方面进行选择,采用视频识别方法可实现对生产设备不安全状态的监测，包括堆煤、纵撕等引起的皮带冒烟、皮带撕裂；
步骤3：环境因素
根据煤矿生产工作环境构成和相关安全监督管理规定，井工矿环境因素可由气象、水害、顶板、瓦斯、火灾、煤尘和视频识别的环境危险状态报警次数二级指标综合评估，其中二级指标的评估根据规范文件内容选择相关的可量化的关键指标进行评估，形成三级指标；采用视频识别技术实现...

【专利技术属性】
技术研发人员：付恩三，王鹏，马曦，王翀，宿国瑞，毛开江，汪鹏，张倩，
申请(专利权)人：中安智讯北京信息科技有限公司，
类型：发明
国别省市：北京;11