數字智能化安全防護管理的研究與應用

云南電網有限責任公司曲靖供電局 陸 原 陳 恒 王 甫 北京道亨軟件股份有限公司 路 寧 任秀英

隨著信息技術和互聯網技術的快速發展，對不同類型的數字化設備使用范圍越來越廣泛，因此高效率且安全性的特點，能夠完成多個行業的數據采集和管理。在生產能力不斷提高的前提下，經濟勢態呈現穩定增長趨勢，各行業為加快產業轉型和成本控制，在實際生產過程中，極容易造成安全危險事故[1]。為保證在標準的環境內進行安全生產，大部分企業已經完成了安全防護管理方法的應用，在生產過程中進行危險因素的把控[2]。但由于原有方法只能在事故發生后進行分析，且對不同行業的生產標準劃分不清晰，在一些小范圍或者潛在威脅中，無法進行有效識別和管理，造成危險因素并入生產的局面，導致運行生產過程發生不同程度的事故[3]。

數字化和智能化技術不斷融合，產生了多種先進的識別技術和感知技術，其中以可視化技術和人工智能技術為主，能夠對多種數據進行集中分類和識別[4]。通過機器學習等理論的應用，在實際生產過程中能夠進行數據自動采集，并根據數據的自身特點進行處理，直接對不同類型的數據進行區分[5]。為保證各行各業的健康穩定發展，對設備的維護和管理工作，越來越受到管理人員的重視，需要設計一種新型的安全防護管理方法。本文以此為基礎，研究數字智能化的安全防護管理方法，擬補原有方法的不足，以保障多種設備穩定操作和運行，為此提出理論支持。

1 數字智能化安全防護管理方法

1.1 基于可視化技術構建安全管理模型

為正確地進行安全防護管理工作，必須要對生產的各個階段進行分析和描述，選擇可視化技術進行全程監控建模，以面向對象語言的方式設置表達標準[6]。主要面向對象語言，是一種通用的可視化建模語言，能夠對生產的各個階段進行開發監控，通過用例圖和行為圖以及交互圖的形式來展示[7]。

其中用例圖能夠直接連接外部參與者，對其產生的用例狀況進行連接，完成對其生產全過程的描述。行為圖包括活動圖和狀態圖，能夠對生產對象的狀態進行顯示，通過引擎改變生產的事件，進行需要安全防護的操作。而交互圖則可以描述生產對象之間的關系，通過順序圖進行動態協作，以表示生產過程之間事件的連續習慣，在出現安全事故時能夠排列出時間順序。

利用數字可視化技術建立安全管理模型，對需要監管的全過程進行分析，以綜合管理工具設置模型中多個層級，按照不同的指示操作進行排序，基本上可以確定為數據層、支撐層、業務層以及表示層。每個層級內設定的內容不一致，具備的各項功能相對獨立，將可視化技術投入至每個層級內，在全方位監控的方式下，形成安全管理模型框架。

每個層級之間處于相對獨立狀態，各個模塊之間沒有交互的聯系性，在表示層中主要是通過信息數據的訪問，用以集成成產過程之間的發生事件。業務層主要對統一的生產方式進行設定，將生產過程中產生的決策和查詢結果，直接上傳至模型中用以分析，通過數字化手段可以減少信息的溝通障礙，以此建立出各個生產階段的數據庫。支撐層和數據層主要是用于身份的認證，和各種安全事件的數據采集，以保證用戶的單點登錄為基礎，在安全管理模型中，建立多組數據的儲存與訪問集合，用來共享生產過程中的文件和關系事件等。

1.2 模糊集理論設置安全防護等級

將產生的安全事件集合進行標記，以不同的生產時間進行排序，利用模糊集理論判定安全防護等級，完成統一模式下的管理工作。以管理模型中的事件儲存層為基礎，在其中引入模糊集理論進行分析，對影響事件發生的后續結構進行判斷，設置出生產過程中的安全防護等級。

在當下網絡信息技術不斷更新的背景下，不同數據類型的傳輸速度均有所增加，因此對輸入的數據需要在第一時間進行分類和處理，防止危險因素與安全因素的重復并入。以發生危險事件的概率為基礎，選擇不同時段下的數據集合x 和c，設置該危險事件處于數據集合x 中，表示為xZ，安全事件屬于集合c，表示為cZ，根據同時段內發生的概率，獲取兩種事件之間的相對關系，表達式為：

模糊集理論自身具有定量尺度規則，能夠通過建立判斷矩陣進行數據分析，對比出不同數據中涵蓋的因素類型，以此確定該時間集合的危險或安全等級。根據不同程度的安全防護等級設定，能夠清晰地了解到每一種危險因素的破壞強度，對其進行智能辨認能夠及時完成標記，區分安全因素與危險因素，實現安全防護的最終目的。

1.3 危險源智能辨識完成安全防護管理

在安全管理模型中加入智能感知模塊，通過對不同事物的發展過程分析，定位其產生危險因素的確切位置，以數據采集為基礎，完成多類型危險源的辨識與標記。將感知模塊布置在模型內，分別利用攝像頭和定位主站，以及元素標簽進行管控，對安全生產過程中產生的數據進行分類處理，直接進行危險元素的辨識和警告處理。將攝像頭安裝在每一個需要監控的施工區域，用來實時采集生產過程中的視頻數據，需要注意的是避免死角區的布置，保證工作人員進行場地后，能夠出現在監控區域。

把收集到的數據資料作為原始數據，對每一個進入場地的工作人員進行標號，以便在生產過程中出現問題后，能夠及時對人員進行跟蹤處理。每個標記的人物標簽會直接轉換為數據，上傳至安全管理模型中，通過生產的布設主站，進行多組數據通信的鏈路傳輸。在管理模型接收到傳輸數據后，管理模塊能夠同時進行監控狀態，保證在生產的各個環節進行無死角監控。此次引入的數字化智能化管理技術，主要有人臉識別和認證系統，在標記好的人員名單中，能夠通過人臉識別完成準確定位。

在傳輸的視頻信息中能夠匹配到人像照片，一旦出現危險源信息對進行對比，實時提供認證結果并發出安全警告。在多次發出預警信息后，該危險信號源沒有切斷，則管理模型會默認其為危險標記物。在下一次進入生產中，只有在模型中認證成功的工作人員，能夠參與到正常的生產活動，而沒有認證成功的則不容許進入場地，完成安全防護管理。至此利用可視化技術構建安全管理模型，通過模糊集理論設置安全防護等級，智能辨識危險源進行安全防護管理，完成數字智能化安全防護管理的方法設計。

2 實驗結果與分析

為驗證此次設計的方法具有實際應用效果，能夠進行有效的安全防護管理，采用實驗測試的方法進行論證。實驗主要目的為測試管理方法的效果，在出現危險因素時，能否進行瞬時隔離，保證不同事物運行中的安全性能。以實際生產車間的運行數據為測試樣本，在常規生產操作中，若長時間地進行設備操作，會產生極強的高壓電流，若不及時地進行防護管理，會一直維持在高壓狀態，影響設備的安全運行。

調取生產車間內兩組運行設備，以初始電流不超過60A 為運行標準，每小時運行電流不斷增長幅值，該車間工作運行的生產時間不低于8小時，兩組設備的具體運行數據，如表1所示。

表1 兩組設備運行電流數據（A）

根據表中內容所示，在兩組設備運行過程中，均出現了電流不變換的情況，由此可以得出在超過85A 的電流幅值下，設備就會進入不安全的操作環境。以此借助本文方法進行管理，以高壓電流為危險因素，在其達到85時進行阻斷，保證設備能夠保持在平穩電流下進行生產操作。將兩組設備產生的電流數據進行整理，上傳至MSATLAB 測試中，為保證測試的準確性，引入一組傳統方法作對照，分別比較兩種方法的安全防護管理效果。

實驗共分為兩個部分：第一部分測試管理方法的有效性，即在并入危險因素的前提下，能夠完成有效地監控，實現安全防護效果。第二部分測試管理方法的及時性，即在出現危險因素的情況下，管理方法是否能夠能夠第一時間進行監測，并進行有效隔離，保證運行數據的穩定。首先進行第一輪測試，以平穩運行電流控制在85A 以下為安全標準，同時進行兩組方法的管理效果對比，具體情況如圖1所示。

圖1 不同方法下高壓電流管理效果

根據圖中內容所示，在本文方法的應用下，能夠在出現高壓電流時進行及時管理，保證設備在穩定電流下進行生產，具有安全防護的效果。而在傳統方法的應用下，雖然能夠將電流進行管理，降至到穩定范圍內，但持續的時間較長，容易造成設備的損壞，在長期生產中影響后期的安全使用效果。綜合結果說明：本次設計的管理方法能夠對高壓電流進行管理，使其在運行周期內保持在穩定狀態，維持設定的安全生產。

為進一步驗證本文方法的管理效果，直接以設備產生的高壓電流的危險源進行測試，設定防護管理時間為15s，對比兩種方法的電流幅值，在多輪測試下結果如表2所示。

表2 不同管理方法下電流的控制效果（A）

根據表中內容所示，本文設計的管理方法能夠在15s 之內，直接將高壓電流完成控制，使其在安全范圍內進行生產應用。而傳統方法則，受危險因素劃分不清晰影響，在管控效果上遠遠低于本文方法，在設定的時間內不能將高壓電流進行管理，會影響后續的設備生產運行。

綜合實驗結果表明：本文方法能夠對產生危害的因素進行控制，以設備生產的電流為例，可以將其穩定在平穩狀態，保證生產的穩定運行，具有實際應用效果。

綜上，本文在分析安全防護的重要性基礎上，重新設計可一個數字智能化的管理方法，用于改善原有管理效果不佳的問題。通過可視化技術和人工智能識別技術，分別構建安全管理模塊，以及危險識別模塊，通過模糊理論集設置安全防護等級，以危險元素辨識標記劃分，完成不同行業的安全防護管理。實驗結果表明：以生產運行的設備作為測試對象，在本文方法應用下，能夠對產生高壓的危險電流進行管控，將其降到安全的生產范圍內，保證設備的長期穩定生產，具有實際應用效果。