【技术实现步骤摘要】
本专利技术涉及船舶制造，具体为基于lec等级评价的船舶制造现场安全风险辨识方法。
技术介绍
1、
2、公开号为cn117892920a的中国专利公开了一种基于移动终端的船舶制造现场施工的作业指导方法及系统，该系统包括以下至少一项：作业数据索引模块、制造模型可视化模块、可视化模型审阅模块、可视化节点导航模块、作业数据可视化模块和作业可视化反馈模块；可将制造信息从设计端到制造端连通，提升生产效率，也节省二维图纸设计成本、纸张成本、技术状态管理成本。但是，该专利存在以下缺陷：
3、现有的船舶制造时，不能对船舶制造现场中存在的船舶制造安全风险进行有效地辨识，也不能采取相应的风险控制措施来防控船舶制造现场安全风险，导致船舶制造过程中存在较大地安全风险，使得船舶制造管理效果差。
技术实现思路
1、本专利技术的目的在于提供基于lec等级评价的船舶制造现场安全风险辨识方法，可对船舶制造现场中存在的船舶制造安全风险进行有效地辨识，且能采取相应的风险控制措施来防控船舶制造现场安全风险，减少船舶制造过程中存在地安全风险，可提升船舶制造管理效果，解决了上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、基于lec等级评价的船舶制造现场安全风险辨识方法，包括如下步骤：
4、s1：确认船舶制造现场的风险类型，根据不同的风险类型进行不同方式的风险监控，确定出风险监控数据；
5、s2：根据风险监控数据进行风险识别
6、s3：根据lec等级评价结果进行船舶制造现场的安全风险辨识，将不同等级的风险进行不同区域的辨识划分，并根据划分的区域制定相应的风险控制措施并建立应急预案。
7、优选的，所述s1中，确认船舶制造现场的风险类型，执行以下操作：
8、基于船舶制造现场安全风险辨识需求；
9、对船舶制造现场的船舶制造过程进行船舶制造安全风险监测，确定出船舶制造现场中存在的船舶制造安全风险情况；
10、获取船舶制造现场中存在的船舶制造安全风险情况，且对船舶制造安全风险情况进行风险类型划分；
11、确定出船舶制造现场中存在的船舶制造安全风险情况的风险类型。
12、优选的，所述s1中，根据不同的风险类型进行不同方式的风险监控，执行以下操作：
13、获取船舶制造现场中存在的船舶制造安全风险情况的风险类型；
14、基于风险类型，对不同的风险监控方式进行逐一索引，且将逐一索引的风险监控方式与风险类型进行对比分析；
15、针对索引的风险监控方式与风险类型相匹配的情况，则将索引的风险监控方式调取出来，基于调取的风险监控方式对船舶制造现场中存在的船舶制造安全风险情况进行风险监控，确定出风险监控数据；
16、针对索引的风险监控方式与风险类型不匹配的情况，则按顺序索引下一个的风险监控方式，且将按顺序索引的下一个的风险监控方式与风险类型进行对比分析，直到按顺序索引的下一个的风险监控方式与风险类型相匹配，则将按顺序索引的下一个的风险监控方式调取出来，基于调取的风险监控方式对船舶制造现场中存在的船舶制造安全风险情况进行风险监控，确定出风险监控数据。
17、优选的，所述s2中，根据风险监控数据进行风险识别，执行以下操作：
18、获取风险监控数据；
19、基于船舶制造现场安全风险辨识需求，提取出预先设定好的与风险监控数据相匹配的风险监控标准数据；
20、基于风险监控标准数据，对风险监控数据进行风险识别，确定出船舶制造现场安全风险识别结果；
21、当风险监控数据在风险监控标准数据范围内时，则船舶制造现场安全风险识别结果为船舶制造现场不存在风险行为；
22、当风险监控数据不在风险监控标准数据范围内时，则船舶制造现场安全风险识别结果为船舶制造现场存在风险行为。
23、优选的，获取风险监控数据，包括：
24、获取所述风险监控数据之后，对所述风险监控数据进行扫描，获取所述风险监控数据中存在的重复数据和超出合理数值范围对应的异常数据；
25、提取所述重复数据；
26、判断所述重复数据中是否存在所述超出合理数值范围对应的异常数据；
27、当所述重复数据中不存在所述超出合理数值范围对应的异常数据时，则利用所述重复数据的数据量和超出合理数值范围对应的异常数据的数据量获取第一数据质量评价参数，其中，所述第一数据质量评价参数通过如下公式获取：
28、
29、其中，s01表示第一数据质量评价参数；n表示重复数据的个数；m表示异常数据的个数；si表示第i个重复数据的数据量；yi表示第i个异常数据的数据量；cz表示风险监控数据的总数据量；λi表示第i个重复数据的权重值；σi表示第i个异常数据的权重值；y和s表示第一系数和第二系数；并且，所述第一系数和第二系数通过如下公式获取：
30、
31、其中，sp表示重复数据的平均数据量；smax表示n个重复数据中出现的重复数据最大量；yp表示异常数据的平均数据量；ymax表示m个异常数据中出现的重复数据最大量；
32、当所述重复数据中存在所述超出合理数值范围对应的异常数据时，则利用所述重复数据的数据量和超出合理数值范围对应的异常数据的数据量获取第二数据质量评价参数；
33、当所述第一数据质量评价参数或第二数据质量评价参数低于其对应的评价参数阈值时，则判定风险监控数据的数据质量异常，并进行数据质量异常报警。
34、优选的，当所述重复数据中存在所述超出合理数值范围对应的异常数据时，则利用所述重复数据的数据量和超出合理数值范围对应的异常数据的数据量获取第二数据质量评价参数，包括：
35、当所述重复数据中存在所述超出合理数值范围对应的异常数据时，提取所述重复数据中存在的所述超出合理数值范围对应的异常数据对应的数据量；
36、利用所述重复数据中存在的所述超出合理数值范围对应的异常数据对应的数据量与风险监控数据中所包含的所述超出合理数值范围对应的异常数据的数据量，获取异常数据参数；其中，所述异常数据参数通过如下公式获取：
37、
38、其中，r表示异常数据参数；k表示重复数据中所包含的异常数据的数据个数；ysi表示第i个重复数据中所包含的异常数据的数据量；αi表示第i个重复数据中所包含的异常数据的权重值；t表示重复数据中所包含的重复数据的数据个数；ski表示第i个重复数据中所包含的重复数据的数据量；βi表示第i个重复数据中所包含的重复数据的权重值；ε表示调整系数；sz表示重复数据的总数据量；p表示不包含在重复数据中的异常数据的数据个数；yj表示第j个不包含在重复数据中的异常数据的数据量；λj表示第j个不包含在重复数据中的异常数据的权重值；
本文档来自技高网...【技术保护点】
1.基于LEC等级评价的船舶制造现场安全风险辨识方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于LEC等级评价的船舶制造现场安全风险辨识方法，其特征在于，所述S1中，确认船舶制造现场的风险类型，执行以下操作：
3.根据权利要求2所述的基于LEC等级评价的船舶制造现场安全风险辨识方法，其特征在于，所述S1中，根据不同的风险类型进行不同方式的风险监控，执行以下操作：
4.根据权利要求3所述的基于LEC等级评价的船舶制造现场安全风险辨识方法，其特征在于，所述S2中，根据风险监控数据进行风险识别，执行以下操作：
5.根据权利要求4所述的基于LEC等级评价的船舶制造现场安全风险辨识方法，其特征在于，获取风险监控数据，包括：
6.根据权利要求5所述的基于LEC等级评价的船舶制造现场安全风险辨识方法，其特征在于，当所述重复数据中存在所述超出合理数值范围对应的异常数据时，则利用所述重复数据的数据量和超出合理数值范围对应的异常数据的数据量获取第二数据质量评价参数，包括：
7.根据权利要求4所述的基于LEC等级评价
8.根据权利要求5所述的基于LEC等级评价的船舶制造现场安全风险辨识方法，其特征在于，所述S2中，风险事故发生的可能性L的等级划分为极低、低、中等、高、极高；
9.根据权利要求6所述的基于LEC等级评价的船舶制造现场安全风险辨识方法，其特征在于，所述S3中，根据LEC等级评价结果进行船舶制造现场的安全风险辨识，执行以下操作：
10.根据权利要求7所述的基于LEC等级评价的船舶制造现场安全风险辨识方法，其特征在于，所述S3中，将不同等级的风险进行不同区域的辨识划分，并根据划分的区域制定相应的风险控制措施并建立应急预案，执行以下操作：
...【技术特征摘要】
1.基于lec等级评价的船舶制造现场安全风险辨识方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于lec等级评价的船舶制造现场安全风险辨识方法，其特征在于，所述s1中，确认船舶制造现场的风险类型，执行以下操作：
3.根据权利要求2所述的基于lec等级评价的船舶制造现场安全风险辨识方法，其特征在于，所述s1中，根据不同的风险类型进行不同方式的风险监控，执行以下操作：
4.根据权利要求3所述的基于lec等级评价的船舶制造现场安全风险辨识方法，其特征在于，所述s2中，根据风险监控数据进行风险识别，执行以下操作：
5.根据权利要求4所述的基于lec等级评价的船舶制造现场安全风险辨识方法，其特征在于，获取风险监控数据，包括：
6.根据权利要求5所述的基于lec等级评价的船舶制造现场安全风险辨识方法，其特征在于，当所述重复数据中存在所述超出合理数值范围对应的异常数据时，则利用所...
【专利技术属性】
技术研发人员：袁轶，陈凤鸣，金松，刘松岩，魏鑫，王伯华，
申请(专利权)人：上海外高桥造船海洋工程设计有限公司，
类型：发明
国别省市：
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。