班前危险预知与安全评估实践

近几年,企业生产经营在传统的安全管理基础上,逐步走上安全科学与实践相结合的道路.一些企业在工作中,推行危险预知与安全评估的安全生产管理模式,进行危险辨识、预知、预测,分析和评估安全生产状况,为规避生产安全风险,择优选取安全对策措施方案. 广州钢铁企业集团公司(以下简称"广钢集团")通过开展危险预知、安全评估活动,消除了生产过程中的危险有害因素,减少了各类事故的发生,保护了企业财产和员工生命安全与健康,全面提高了企业的安全素质,促进了企业安全生产的良性循环与稳步发展.     

韶关冶炼厂"危险预知"活动的步骤与效果

通过开展“危险预知”活动,有效地提高了职工的安全意识和工厂的安全管理水平,降低了伤亡事故发生率,取得了良好的效果。     

开展KYT 迈向零事故目标

中国于2006年10月与日本签订了“加强中国安全生产科学研究能力建设”的合作协议，并以此为契机，学习日本企业先进的安全管理理念和在日本企业普遍采用的危险预知训练（KYT）。我公司有幸成为首批“中日安全技术交流”仅有的两家中国试点企业之一，而其中公司氯厂的氯氢处理岗位则为公司开展KYT活动的首个试点岗位。     

危险预知的要求及应用

危险预知作为一种简单、有效的风险辨识方法,广泛地应用于中国铝业中州分公司员工作业中。班前会要对本班的作业进行预知,清理检修作业要做出预案,科学地规范员工的作业行为,真正体现了“我要安全”,对确保员工的安全作业起到了积极的作用。危险预知的要求危险预知要实现一个目     

如何有效开展“班前危险预知”活动(KTV)

在企业管理是以传统管理为主 ,员工素质较低的情况下 ,简化开展班前危险预知活动 ,提高员工的安全生产意识和辨识生产岗位危险隐患的能力 ,以达到减少事故发生的频率 ,实现安全生产的目的。     

实施危险预知训练是实现事故零的必由之路

危险预知训练(KYT)方法是20世纪七、八十年代日本在预防事故、保护劳动者身心健康和生命安全方面行之有效的手段之一，八十年代末期被引入我国的部分企业。实践证明：KYT在提高企业安全管理水平、控制各类事故发生、提高员工自我防护能力和意识等方面成效显著。下面介绍的是攀钢集团成都有限责任公司电炉炼钢厂在实施危险预知训练活动方面的情况。     

企业现代化安全管理技术的探讨

以系统论、信息论、控制论作指导,综合运用安全系统工程有关技术,结合企业现场安全管理实际,提出以危险源辨识为基础,狠抓系统危险控制为核心,进行安全检查改革,危险预知活动和标准化作业,安全评价为控制机制的一整套企业现代化安全管理模式,并开发了系统动力学安全评价模型12种有关计算机软件。所获成果既可作为大中型企业自主安全管理,实施危险控制有效手段,又为主管部门进行宏观安全管理工作,实施劳动安全监察提供一种有效的新方法。     

福建化纤化工厂开展危险预知活动

福建化纤化工厂作出决定:在全厂班组开展危险预知活动.危险预知活动,简称KYT,源于日本住友金属公司,是日本广泛应用的一种安全活动方式.具体内容是:依靠集体的力量,迅速准确地发现本岗位的危险因素,包括不安全行为的性质和特点,不安全行为的表现形式,以及在一定的工作环境中易出现的事故种类,在特定的危险环境中人的思维活动等,制订解决这些危险因素的措施和目标.最后通过活动来加强对危险的确定,并明确行动目标.     

KYT危险预知训练

什么是KYT？ 危险预知训练简称KYT（Kiken Yochi Training）,是针对生产的特点和作业工艺的全过程,以其危险性为对象,以作业班组为基本组织形式而开展的一项安全教育和训练活动,它是一种群众性的“自我管理”活动,目的是控制作、№过程中的危险,预测和预防可能发生的事故。     

危险预知活动在安全生产中的运用

危险预知活动是由日本住友金属矿山公司和歌山冶炼厂于1973年首先提出来的,实践证明效果很好,因此很快在日本的各企业普及。日本东予冶炼厂在开展危险预知活动后,伤亡事故大幅度减少,直至事故几乎为零。     

基于网络分析和联系熵的煤与瓦斯突出预测研究

以煤与瓦斯突出预控为目的,将网络分析法和联系熵理论相耦合,建立了煤与瓦斯突出预测的ANP-CE模型。该模型运用网络分析法建立了煤与瓦斯突出预测指标网络模型并计算预测指标权重分布,划分了突出危险性等级及其相应的指标临界值,确定了各危险等级的联系熵范围。结合工程实例,预测结果与工程实际情况相符,表明了该预测模型在计算预测指标权重分布和煤与瓦斯突出危险性预测上具有可行性和合理性,为煤与瓦斯突出预测方法提供了一种新的途径。     

供应链库存管理中的风险问题研究

库存风险是供应链库存管理中的一个基本问题 ,笔者通过对供应链的不确定性及其对库存风险影响的分析与探讨 ,提出了实施库存集中控制 ,能够汇集需求 ,提高需求预测的准确度 ,降低需求的变动性 ,从而在不影响管理服务水平的同时 ,降低安全库存 ,以实现风险分担。     

深埋长隧道施工地质灾害风险模糊层次评价

地质灾害是影响深埋长隧道安全施工的重要因素,将综合超前地质预报和模糊层次评价相结合,建立深埋长隧道地质灾害风险预测体系。首先对超前地质预报进行了研究并建立综合超前地质预报体系,以该体系为指导对隧道进行地质预报,了解掌子面前方的地质信息。其次在地质预报基础上作隧道施工地质灾害风险模糊层次评价,对隧道施工中可能遇到的地质灾害及整体风险程度进行评估。最后以米仓山隧道为工程背景,对建立的地质灾害风险预测体系进行了实践,得到里程段内发生涌水突泥、塌方、大变形及岩爆等地质灾害的风险等级,以及地质灾害整体综合评价风险等级。     

基于火灾统计数据的火灾形势综合评价和定量预测

火灾统计分析是研究火灾随机性规律的有效方法,它通过总结、整理和分析大量的火灾原始资料,归纳出火灾发生的统计规律.利用多属性综合评价法可对火灾统计数据进行深层次的开发和利用;同时应用预测学原理,建立了我国火灾形势的二次指数平滑预测模型,结果表明火灾总体呈发展趋势.     

基于粒子群-支持向量机(PSO-SVM)的苯储罐泄漏事故风险预测

将支持向量机(SVM)模型运用于事故前苯储罐泄漏事故风险预测,为使模型性能最优, 用粒子群算法PSO优化SVM模型参数,建立了PSO-SVM风险预测模型。为验证模型风险预测性能,分别采用遗传算法(GA)和网格搜索法(GS)优化SVM参数,并比较测试集与PSO-SVM、GA-SVM、GS-SVM三种模型预测结果的均方误差及相关系数。然后进一步探讨模型中权重调整方式、种群规模对PSO-SVM模型预测性能的影响。研究发现,权重线性递减所建PSO-SVM预测值与测试集相关系数更高、均方误差更小、预测效果更好,种群规模没有影响PSOSVM模型预测值但会影响计算时间,这为危化品泄漏事故的风险预测提供了一种新的方法。     

库岸涉水滑坡危险性现状分析与预测评价

为合理评价库岸涉水滑坡危险性,基于层次分析法与模糊理论,构建滑坡危险性现状评价模型,并利用优化支持向量机构建滑坡变形预测模型,通过对比分析实现滑坡危险性综合判断。结果表明:大柿树滑坡危险性现状为69.78分,风险等级为Ⅲ级,属高度危险;通过危险性预测评价,滑坡变形呈持续增加趋势,将趋于不利方向发展;综合滑坡危险性现状分析与预测评价结果可知,滑坡危险性相对较大。研究结果可为滑坡灾害防治提供一定理论依据。     

基于神经网络模型的燃料空气混合物爆炸威力预测研究

燃料空气混合物爆炸威力准确预测研究是学术界的一个难题。针对燃料空气混合物爆炸威力有效预测问题,采用神经网络方法,设计多层神经网络模型,进行实际预测应用。应用结果表明,采用的预测方法简便、可行,可以为燃料空气混合物爆炸威力预测提供一种新途径。相比3层BP模型,设计的预测模型可以减少训练次数,缩短训练时间,提高预测正确率,应用优势较明显。     

辅助驾驶中的换道决策安全研究

换道是驾驶员达到快速通行目标的一种常用手段,但换道会带来很多公路交通事故。为有效避免交通事故,需给驾驶员提供换道安全预警。构建了安全换道决策模型,将换道决策分为换道意图识别和换道条件判断分别建立模型以提高预测精确度。通过神经网络方法SOM(Self-Organization-Map)聚类及BP(Back Propagation)建立换道意图识别模型,基于贝叶斯理论建立最小风险贝叶斯换道条件判别模型。模型开发和测试采用车辆轨迹数据集(NGSIM),提取数据中的换道行为特征参数作为模型的输入,将驾驶员换道决策预测视为输入变量的函数。通过对比最小贝叶斯和最小风险贝叶斯方法发现,由后者构建的换道条件判别模型效果较好,对于不换道行为的预测精度为90.4%,换道行为的预测精度为73.8%。鉴于错误的换道决策可能导致交通事故,而错误的不换道决策只会导致失去一次换道的机会,在换道辅助系统中,不换道决策的精确度要求需高于换道决策的精度。最后,在微观交通仿真系统中加入换道决策模型,其结果验证换道决策安全。最小风险贝叶斯换道条件判别模型的引入,使得换道决策系统能够通过修正风险系数,进一步提高换道判别精度,减少不安全的换道概率。     

基于MATLAB工具箱的开采煤层自燃危险性预测

正确预测开采煤层自燃发火的趋势与危险性,对煤矿安全生产具有重要的指导意义。煤层自燃发火的趋势和危险程度与其影响因素之间存在着复杂的非线性关系,而人工神经网络具有极强的非线性逼近能力,能真实刻画出输入变量与输出变量之间的非线性关系。为准确预测开采煤层自燃发火的危险性,笔者针对反向BP神经网络收敛差的缺点,分别采用基于MATLAB神经网络工具箱中的VLBP和LMBP算法的改进BP神经网络模型对开采煤层自燃的危险性进行了预测。根据开采煤层自燃的特点,选取煤本身自燃倾向性、煤层地质及赋存条件、通风技术条件3个关键影响因素作为开采煤层自燃危险性的评判指标,建立了开采煤层自燃危险性预测的神经网络模型。实际应用效果表明,采用基于MATLAB神经网络工具箱的BP网络模型,能克服一般BP网络收敛较慢的缺点,能加快收敛速度;运用LMBP算法比VLBP算法快,但需较大计算机内存;该模型收敛速度快,准确性高,是一种十分有效的开采煤层自燃危险性预测方法。