AI如何實現安全生產智能監控

　　對於工業生產企業而言，因爲業務連續性強、系統複雜，大量生產設備相互聯繫、耦合緊密，並且具備功率大、運轉速度高的特色。安全生產更是保證從業人員的人身安全與健康，設備和設施免受損壞，環境免遭破壞，保證生產經營活動得以順利進行的必要條件。

　　對於石油石化行業屬於危險、危害因素衆多的高危行業，安全生產形勢依然十分嚴峻。

　　人工智能在安全生產領域的做用顯着提高

　　以人工智能技術爲手段，精準把握 「高精度質量檢測，大範圍安全管理」的行業需求，應用機器視覺、體態識別、異常行爲分析預警等人工智能技術，在安全防範、監管實施、質量檢測和生產流程管理方面，實現實時監控、自動發現問題、主動預警，提升了過去依靠肉眼或「遠水救不了近火」的窘境，確保生產安全高效、勞動力分配得當、保持低成本優點，爲協助工業企業「降本增效、安全生產」，等等智能化應用，已經逐漸在工業生產安全領域發揮着重要做用，改變了以往安全管理工做「過後處理」的模式，轉向對危險的預先識別、分析和控制的科學化管理方式，最終實現事先控制，預防爲主，關口前移，防患於未然的目的。

　　一般狀況下，石化企業歷年來已分期分批投建了視頻監控系統，基本實現每一個生產裝置和重點部位都已安裝監控攝像機。傳統機器視覺檢測(如比對法)解決了人工目檢的一些作不了、作很差以及人作成本高的問題。但依然存在安全隱患：

　　一、現場做業監管過程當中，因爲人力、物力等各類緣由，各環節相關管理人員有時會沒法到施工現場監督監護、審覈確認做業票證，或到了現場也是象徵性的停留很短期，最終難以知足當前做業許可制度規範的要求。

　　二、儘管已經實現了對做業票證的電子審批全過程管理，可是在施工現場工人的不規範行爲、設備設施的違規使用等方面也很難進行監管，即便有視頻監控，通常也僅絕限於在控制室進行人工識別監控，甚至僅能監控到主要生產裝置及要害部位，不能實如今任何生產區域發生不規範做業時進行監控的要求。

　　三、對承包商的勞務人員的監管也很是重要，在承包商施工人員進入現場前，實行了安全教育培訓、職業技能審查等工做，可是真正到現場施工時，也存在換人替代等安全隱患。

　　與傳統機器視覺檢測方法相比，基於人工智能的檢測方法將在減小對光照、擺放位置、傳輸速率等外在因素依賴程度，尤爲是對一些較難識別的行爲動做的大量圖像進行神經網絡學習，在充分訓練的狀況下，將爲各類行爲動做和物體的主要和非主要特徵提供更高的識別準確率。

　　人工智能如何在安全生產領域落地

　　經過創建一套安全做業智能監控管理系統，來增強做業現場的監控管理力度，同時落實屬地管理的管理方法，及時發現各生產環節的安全隱患，以便於可以及時分析和處理隱患，最終實現安全生產。

　　具體的應用場景以下：

　　一、基於人工智能的安全做業智能監控系統與做業許可票證管理系統相結合，實現對現場做業的全過程的實時監控，實現對施工做業現場的監護人、票證審覈人、做業申請人以及承包商派駐的施工人員進行智能識別、身份驗證的監控管理，同時也可監控做業區域內是否有人的危險行爲動做、是否有未受權人或物的越界等不規範行爲的發生。

　　二、運用基於人工智能的機器視覺識別技術，代替傳統的人工視覺識別方式，實現自動智能識別預警功能。

　　三、可以經過客戶端管理軟件系統實時查看各監控點視頻圖像，對關鍵監控點的遠程視頻進行調用、預警、廣播通知。

　　四、經過系統能夠經過視頻回放查看該屬地下近期進行的各類做業狀況，隱患狀況，視頻報警的處理狀況。

　　五、實現分級網絡架構，上級監控中心可以查看和管理所轄範圍內的全部視頻圖像。

　　基於AI的安全生產智能監控系統如何設計

　　基於人工智能的安全做業智能監控系統承擔着石化企業安全指揮控制、通信聯絡、數據採集、上傳和共享的重任，是企業安全生產和管理信息化的關鍵和紐帶，其設計原則必須保證整個系統具有可靠性高、穩定性強、技術先進、人機界面友好、操做簡單、維護方便、方便升級等特色。

　　一、知足集團化監控管理應用的須要，可以徹底考慮將來公司近期、中期、遠期發展，提出具體建設時間表，提供高效、優質的全系統技術支持服務。

　　二、保護既有投資，對原有已經安裝和使用過監控設備，在新系統建設中儘量的採用兼容方式處理，從而實現建設的資源節省和設備運轉週期加長。

　　三、石化廠區屬於高危險區域，因此有源設備均要採用符合國家標準的防爆設備，既要提升廠區內的安全級別又能知足視頻圖像採集的要求。

　　四、系統操做簡單，可輕鬆的控制系統的各類設備，操做形象、簡單，無須記憶各個煩瑣功能。而且控制面板和媒體播放器和視頻回放查詢集成在同一客戶端軟件界面，監控系統終端經過同單一軟件就能夠實現全部操做，方便客戶端的操做。

　　五、接口開放，能夠與其它相關係統無縫對接。

　　基於人工智能的安全生產監控管理系統區別於傳統的安防系統，不只僅在於視頻監控，更多地以深度神經網絡計算機視覺AI技術爲核心，用機器視覺代替人力肉眼的監管，真正作到解放人力、24小時無縫無死角監管，大大節省人力資源的同時，使得處置手段更爲高效化和多樣化。

　　傳統的機器學習技術每每使用原始形式來處理天然數據，模型的學習能力受到很大的侷限，構成一個模式識別或機器學習系統每每須要至關的專業知識來從原始數據中(如圖像的像素值)提取特徵，並轉換成一個適當的內部表示。

　　而深度學習則具備自動提取特徵的能力，它是一種針對表示的學習。深度學習容許多個處理層組成複雜計算模型，從而自動獲取數據的表示與多個抽象級別。這些方法大大推進了語音識別，視覺識別物體，物體檢測，藥物發現和基因組學等領域的發展。經過使用BP算法，深度學習有能力發如今大的數據集的隱含的複雜結構。

　　安全生產管理 從行政管理到數據驅動的進化

　　事實證實，物聯網、大數據和人工智能等新興技術無疑是當下企業實現全方位的安全生產管理的有力抓手，相比「制度管理」其能夠經過可預知的投入得到可衡量的收益。固然，這些新興技術也給傳統安全生產管理者帶來了困惑，就是如何在安全生產管理體系中去應用它們。寄雲科技提出「數據驅動安全生產管理」，經過層次化的思惟，在統一的工業互聯網平臺之上，分別從設備、生產和經營三個層面入手，落地安全生產管理解決方案。

　　基於數據驅動的設備可靠性管理。在設備層面，方案構建設備數字孿生模型，將資產、組織、過程、工藝的數據進行了模型化，造成了不一樣層次的管理對象，實現指標、從屬關係、數據源等屬性的配置，從而將接入平臺的設備基礎數據有效的管理起來。在這些基礎數據之上，方案爲企業關鍵生產設備開發預測性維護應用，實現故障率的下降，提升設備的可靠性。

　　基於數據驅動的生產關鍵工藝流程管理。在生產層面，方案採集生產過程當中的各種數據，經過精細化的多維度、長週期、以工藝爲基礎結合人工智能的數據分析，來提升生產成品的收率。對於生產中須要監控的各類關鍵指標，方案根據指標的各類特徵，經過模型計算出相應的監控指標，設定監控策略，並對違背策略的異常進行告警。　　大連婦科醫院排名 mobile.bohaifk.com

　　基於數據驅動的安全風險管控決策和應急指揮。方案創建全效應急指揮和安全生產機制，基於大數據全面感知安全風險態勢，結合事故頻度、單位等特徵統計分析，預測可能發生的重大突發事件;統一組態視角，打通控制系統信息化壁壘，實現實時的生產運行監控;系統還實現業務管理分級預警、報警功能，環保管理等。

　　數據是貫穿設備、生產和經營三個層面的血脈。方案經過採集設備數據、生產數據、外部數據等，構建融合的「數據中心」。基於這個融合的「數據中心」，實現統一的設備運行狀態的監測，並可以結合大數據、人工智能手段實現關鍵設備的預測性維護，以及生產過程優化等應用，並在此基礎上實現總體經營層面的全局管理，最終達到提高安全生產管理水平的目的。