云南电网有限责任公司曲靖供电局 陆 原 陈 恒 王 甫 北京道亨软件股份有限公司 路 宁 任秀英

随着信息技术和互联网技术的快速发展，对不同类型的数字化设备使用范围越来越广泛，因此高效率且安全性的特点，能够完成多个行业的数据采集和管理。在生产能力不断提高的前提下，经济势态呈现稳定增长趋势，各行业为加快产业转型和成本控制，在实际生产过程中，极容易造成安全危险事故[1]。为保证在标准的环境内进行安全生产，大部分企业已经完成了安全防护管理方法的应用，在生产过程中进行危险因素的把控[2]。但由于原有方法只能在事故发生后进行分析，且对不同行业的生产标准划分不清晰，在一些小范围或者潜在威胁中，无法进行有效识别和管理，造成危险因素并入生产的局面，导致运行生产过程发生不同程度的事故[3]。

数字化和智能化技术不断融合，产生了多种先进的识别技术和感知技术，其中以可视化技术和人工智能技术为主，能够对多种数据进行集中分类和识别[4]。通过机器学习等理论的应用，在实际生产过程中能够进行数据自动采集，并根据数据的自身特点进行处理，直接对不同类型的数据进行区分[5]。为保证各行各业的健康稳定发展，对设备的维护和管理工作，越来越受到管理人员的重视，需要设计一种新型的安全防护管理方法。本文以此为基础，研究数字智能化的安全防护管理方法，拟补原有方法的不足，以保障多种设备稳定操作和运行，为此提出理论支持。

1 数字智能化安全防护管理方法

1.1 基于可视化技术构建安全管理模型

为正确地进行安全防护管理工作，必须要对生产的各个阶段进行分析和描述，选择可视化技术进行全程监控建模，以面向对象语言的方式设置表达标准[6]。主要面向对象语言，是一种通用的可视化建模语言，能够对生产的各个阶段进行开发监控，通过用例图和行为图以及交互图的形式来展示[7]。

其中用例图能够直接连接外部参与者，对其产生的用例状况进行连接，完成对其生产全过程的描述。行为图包括活动图和状态图，能够对生产对象的状态进行显示，通过引擎改变生产的事件，进行需要安全防护的操作。而交互图则可以描述生产对象之间的关系，通过顺序图进行动态协作，以表示生产过程之间事件的连续习惯，在出现安全事故时能够排列出时间顺序。

利用数字可视化技术建立安全管理模型，对需要监管的全过程进行分析，以综合管理工具设置模型中多个层级，按照不同的指示操作进行排序，基本上可以确定为数据层、支撑层、业务层以及表示层。每个层级内设定的内容不一致，具备的各项功能相对独立，将可视化技术投入至每个层级内，在全方位监控的方式下，形成安全管理模型框架。

每个层级之间处于相对独立状态，各个模块之间没有交互的联系性，在表示层中主要是通过信息数据的访问，用以集成成产过程之间的发生事件。业务层主要对统一的生产方式进行设定，将生产过程中产生的决策和查询结果，直接上传至模型中用以分析，通过数字化手段可以减少信息的沟通障碍，以此建立出各个生产阶段的数据库。支撑层和数据层主要是用于身份的认证，和各种安全事件的数据采集，以保证用户的单点登录为基础，在安全管理模型中，建立多组数据的储存与访问集合，用来共享生产过程中的文件和关系事件等。

1.2 模糊集理论设置安全防护等级

将产生的安全事件集合进行标记，以不同的生产时间进行排序，利用模糊集理论判定安全防护等级，完成统一模式下的管理工作。以管理模型中的事件储存层为基础，在其中引入模糊集理论进行分析，对影响事件发生的后续结构进行判断，设置出生产过程中的安全防护等级。

在当下网络信息技术不断更新的背景下，不同数据类型的传输速度均有所增加，因此对输入的数据需要在第一时间进行分类和处理，防止危险因素与安全因素的重复并入。以发生危险事件的概率为基础，选择不同时段下的数据集合x 和c，设置该危险事件处于数据集合x 中，表示为xZ，安全事件属于集合c，表示为cZ，根据同时段内发生的概率，获取两种事件之间的相对关系，表达式为：

模糊集理论自身具有定量尺度规则，能够通过建立判断矩阵进行数据分析，对比出不同数据中涵盖的因素类型，以此确定该时间集合的危险或安全等级。根据不同程度的安全防护等级设定，能够清晰地了解到每一种危险因素的破坏强度，对其进行智能辨认能够及时完成标记，区分安全因素与危险因素，实现安全防护的最终目的。

1.3 危险源智能辨识完成安全防护管理

在安全管理模型中加入智能感知模块，通过对不同事物的发展过程分析，定位其产生危险因素的确切位置，以数据采集为基础，完成多类型危险源的辨识与标记。将感知模块布置在模型内，分别利用摄像头和定位主站，以及元素标签进行管控，对安全生产过程中产生的数据进行分类处理，直接进行危险元素的辨识和警告处理。将摄像头安装在每一个需要监控的施工区域，用来实时采集生产过程中的视频数据，需要注意的是避免死角区的布置，保证工作人员进行场地后，能够出现在监控区域。

把收集到的数据资料作为原始数据，对每一个进入场地的工作人员进行标号，以便在生产过程中出现问题后，能够及时对人员进行跟踪处理。每个标记的人物标签会直接转换为数据，上传至安全管理模型中，通过生产的布设主站，进行多组数据通信的链路传输。在管理模型接收到传输数据后，管理模块能够同时进行监控状态，保证在生产的各个环节进行无死角监控。此次引入的数字化智能化管理技术，主要有人脸识别和认证系统，在标记好的人员名单中，能够通过人脸识别完成准确定位。

在传输的视频信息中能够匹配到人像照片，一旦出现危险源信息对进行对比，实时提供认证结果并发出安全警告。在多次发出预警信息后，该危险信号源没有切断，则管理模型会默认其为危险标记物。在下一次进入生产中，只有在模型中认证成功的工作人员，能够参与到正常的生产活动，而没有认证成功的则不容许进入场地，完成安全防护管理。至此利用可视化技术构建安全管理模型，通过模糊集理论设置安全防护等级，智能辨识危险源进行安全防护管理，完成数字智能化安全防护管理的方法设计。

2 实验结果与分析

为验证此次设计的方法具有实际应用效果，能够进行有效的安全防护管理，采用实验测试的方法进行论证。实验主要目的为测试管理方法的效果，在出现危险因素时，能否进行瞬时隔离，保证不同事物运行中的安全性能。以实际生产车间的运行数据为测试样本，在常规生产操作中，若长时间地进行设备操作，会产生极强的高压电流，若不及时地进行防护管理，会一直维持在高压状态，影响设备的安全运行。

调取生产车间内两组运行设备，以初始电流不超过60A 为运行标准，每小时运行电流不断增长幅值，该车间工作运行的生产时间不低于8小时，两组设备的具体运行数据，如表1所示。

表1 两组设备运行电流数据（A）

根据表中内容所示，在两组设备运行过程中，均出现了电流不变换的情况，由此可以得出在超过85A 的电流幅值下，设备就会进入不安全的操作环境。以此借助本文方法进行管理，以高压电流为危险因素，在其达到85时进行阻断，保证设备能够保持在平稳电流下进行生产操作。将两组设备产生的电流数据进行整理，上传至MSATLAB 测试中，为保证测试的准确性，引入一组传统方法作对照，分别比较两种方法的安全防护管理效果。

实验共分为两个部分：第一部分测试管理方法的有效性，即在并入危险因素的前提下，能够完成有效地监控，实现安全防护效果。第二部分测试管理方法的及时性，即在出现危险因素的情况下，管理方法是否能够能够第一时间进行监测，并进行有效隔离，保证运行数据的稳定。首先进行第一轮测试，以平稳运行电流控制在85A 以下为安全标准，同时进行两组方法的管理效果对比，具体情况如图1所示。

图1 不同方法下高压电流管理效果

根据图中内容所示，在本文方法的应用下，能够在出现高压电流时进行及时管理，保证设备在稳定电流下进行生产，具有安全防护的效果。而在传统方法的应用下，虽然能够将电流进行管理，降至到稳定范围内，但持续的时间较长，容易造成设备的损坏，在长期生产中影响后期的安全使用效果。综合结果说明：本次设计的管理方法能够对高压电流进行管理，使其在运行周期内保持在稳定状态，维持设定的安全生产。

为进一步验证本文方法的管理效果，直接以设备产生的高压电流的危险源进行测试，设定防护管理时间为15s，对比两种方法的电流幅值，在多轮测试下结果如表2所示。

表2 不同管理方法下电流的控制效果（A）

根据表中内容所示，本文设计的管理方法能够在15s 之内，直接将高压电流完成控制，使其在安全范围内进行生产应用。而传统方法则，受危险因素划分不清晰影响，在管控效果上远远低于本文方法，在设定的时间内不能将高压电流进行管理，会影响后续的设备生产运行。

综合实验结果表明：本文方法能够对产生危害的因素进行控制，以设备生产的电流为例，可以将其稳定在平稳状态，保证生产的稳定运行，具有实际应用效果。

综上，本文在分析安全防护的重要性基础上，重新设计可一个数字智能化的管理方法，用于改善原有管理效果不佳的问题。通过可视化技术和人工智能识别技术，分别构建安全管理模块，以及危险识别模块，通过模糊理论集设置安全防护等级，以危险元素辨识标记划分，完成不同行业的安全防护管理。实验结果表明：以生产运行的设备作为测试对象，在本文方法应用下，能够对产生高压的危险电流进行管控，将其降到安全的生产范围内，保证设备的长期稳定生产，具有实际应用效果。