[發明專利]基于TE模型的智能工廠安全大數據數據源發生方法及裝置

有效

• 申請號: 201810125926.1
• 申請日: 2018-02-08
• 公開（公告）號: CN108490889B
• 公開（公告）日: 2019-09-10
• 發明（設計）人: 榮岡;馮毅萍;馮海杰;楊啟煒;任其龍;陳新志;吳忠標;陳豐秋;何潮洪
• 申請（專利權）人: 浙江大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 胡紅娟

本發明公開了一種基于TE模型的智能工廠安全大數據數據源發生裝置，包括：工業安全大數據模型，基于工業安全大數據模型及TE過程模型映射生成工廠安全場景模型庫，并對TE智能工廠仿真器產生的非結構化的工業安全大數據進行結構化；TE智能工廠仿真器，針對執行器、物料狀態、控制器和傳感器預埋故障源，進行事故場景的動態仿真；安全數據采集模塊，分類采集TE智能工廠仿真器產生的工業安全大數據；安全數據處理模塊，對采集到的工業安全大數據進行實例化處理；工業安全大數據實例集，存放實例化處理后的工業安全大數據。本發明可合理有效地獲取智能工廠工業安全大數據，可用于對工業安全大數據進行針對性地研究與測試。

技術領域

本發明涉及工業安全大數據發生方法，尤其涉及一種基于TE模型的智能工廠安全大數據數據源發生方法及裝置。

背景技術

工業生產過程自動控制與優化管控系統涉及大量的數據。工業領域大數據具有多源性、連續采樣、價值密度低、動態性強等特點。大數據的合理應用對于工業領域動態模型建設、安全運行及監控、多目標優化控制方法等多個方面將有顯著的促進作用。因此，促進制造企業工業大數據的自動采集、應用不斷創新的工業大數據開發與分析技術，促進制造企業從工業大數據中獲取最大收益，是非常緊迫的挑戰與任務。

石化行業是一個高危行業，具有高溫高壓、有毒有害、連續作業、點多面廣的特點，隨著生產能力和規模的逐年加大，生產儲存裝置逐漸向大型化、規?；l展，重大危險源不斷增多，任何一項制度缺陷、設備隱患、程序遺漏、工作疏忽或個人違章行為，都有可能造成重大事故的發生，引發嚴重后果。大型石油化工企業建立的業務系統，加上互聯網不斷的深化應用，已經為安全管理積累了大量的安全數據。隨著智能制造時代的來臨，工業大數據技術及實踐應用將成為未來提升企業競爭力、生產力和創新力的重要驅動力。從工業安全大數據中挖掘人的不安全行為、物的不安全狀態及管理缺陷等有價值信息，尋找事故發生的規律，提高安全生產的管理的水平，具有重要的意義和作用。為加快工業大數據在安全生產領域的發展，國家安全監督管理總局于近年提出了建立安全生產數據庫的目標，同時指出目前安全生產大數據面臨的主要問題包括缺乏統一的標準、部門協調能力不足、信息化能力弱、分析工具欠缺、專業人員缺乏和數據規模小而缺乏原始信息等。

工業大數據一般可分為企業信息化數據、工業物聯網數據以及外部跨界數據。其中，企業信息化和工業物聯網中設備運行過程所產生的海量生產時序數據是導致工業數據規模變大的主要來源。在工業大數據背景下，安全數據涵蓋生產作業安全、企業安全文化制度等各個領域，如事故調查報告、安全管理靜態和動態信息、視頻監控數據、生產圖紙信息等；數據載體的表現形式也更為豐富，包括數值、文本、語音、視頻、圖片等；數據的獲取手段更為全面，包括物聯網技術下的移動終端采集系統、視頻監控系統、生產實時數據采集系統，以及互聯網等。

王秉等在文獻“基于安全大數據的安全科學創新發展探討”中提出安全大數將對安全科學領域產生深遠影響，表現在改變人們對安全現象的思考方式、提升安全科學研究的時效性、增強安全分析結果的客觀性等諸多方面。

李金諾在文獻“淺談石油行業大數據的發展趨勢”中充分肯定工業大數據應用價值的同時，指出工業大數據目前需要解決的問題主要有數據的采集與存儲、數據分析及可視化、數據開放共享等。

劉強等在文獻“過程工業大數據建模研究展望”中指出工業大數據的采樣率高、數據源廣，數據大量以圖片、視頻、文檔等非結構化形式存在，其具有多層面不規則采樣性、多時空時間序列性和不真實數據混雜性等特性。

公開號為CN201510770114.9的中國專利申請“一種面向工業大數據的知識表示及其自動化應用方法”公開了一種面向工業大數據的知識表示及其自動化應用方法。包括創建智能對象庫、相應的各種判定條件和計算模型及自動化規則、業務流程等內容。

綜上可知，目前針對工業安全大數據挖掘和應用方面還存在許多技術問題，需要針對性地進行研究與測試。如何合理有效地獲取工業安全大數據集及實例集成為目前亟需解決的問題。

發明內容