基于循环管理的石化企业HSE培训模式研究

<正>HSE培训是消除人的不安全行为、减少人为失误的重要途径,是提高全员安全生产意识、安全生产素质和安全生产技能的重要手段。建立系统的培训模式,培训流程规范化和标准化,企业HSE培训才能达到良好的培训效果。1培训模式设计HSE培训在保障企业安全运行中具有重要的基础作用,培训活动的成本比较高,因此必须精心设计与组织。要有效地做好这一工作,应采用一种系统的方法,使HSE培训符合企业的目标。培     

基于深度学习算法的叉车危险操作行为检测

随着物流仓储行业快速发展及叉车数量的不断增多，针对叉车作业过程中存在的人员碰撞、挤压、坠落等潜在风险，迫切需要对危险行为进行及时检测和预警。为解决人员值守易漏报误报及传统方法检测精度低的问题，建立基于图像特征识别的叉车检测深度学习模型和算法。通过采集、处理现场视频图像素材，完成模型的训练及性能评价，建立相应的报警规则和报警阈值，搭建测试环境并进行仿真测试，开发相应的软件系统。结果表明:模型检测速率为130 ms/帧，人员靠近叉车准确率为85.6%，叉车举升人员准确率为83.7%，达到良好的实践效果。     

石化企业检维修施工作业过程动态智能管控技术研究

为解决石化企业检维修施工作业过程中存在的监管难题,利用物联网和移动应用技术,建立了检维修施工作业过程全流程移动监管模式,提出了包括人员定位追溯、作业票电子签发、作业过程移动检查、移动视频监察、电子看板在内的成套技术,构建了异常情况预警方法和模型,研发了人员定位胸卡、防爆手持终端、防爆视频监控终端等硬件设备,并开发了检维修作业过程智能安全管控平台。试点应用表明,该技术实现了检维修项目全流程的信息化管理和智能化管控,有效提升了现场作业监管的全面性、针对性、实时性和有效性。     

钻井过程人员异常行为视频智能识别系统

针对钻井现场视频监控人工值守工作量大、异常行为识别不及时、海量视频数据缺乏实时报警等问题,结合钻井作业操作规程建立井控坐岗监测、起下钻、甩钻具等钻井作业场景典型异常行为判别规则,在基于卷积神经网络的目标检测方法基础上,引入SIFT方法和基于强化学习的困难样本筛选策略,提高了算法识别的准确率与鲁棒性。测试结果表明,在像素分辨率1 920×1 080的情况下,该方法整体识别准确率达到85%以上,平均识别速度为135 ms/帧。在此基础上,开发了钻井过程人员异常行为智能识别系统,试点应用结果表明,该系统能够对接入的视频流进行实时检测,及时、准确识别出坐岗人员擅自离岗、起下钻及甩钻具过程人员危险站位等异常行为,有效提升钻井现场安全管理水平。     

中国石化海外油气钻井项目HSSE管理探讨

对海外油气钻井工程项目及其特点进行了分析,提出了加强海外油气钻井工程项目HSSE管理的对策及建议。     

基于WBS-RBS与RS方法的油气管道穿越工程风险评价研究

针对油气管道穿越工程的具体实际情况,提出了WBS-RBS与RS相结合的风险评价方法。该方法以油气管道穿越工程——河流开挖施工为例,利用WBS-RBS方法全面识别施工过程中的各项HSE风险,并在风险评价的过程中引用RS理论确定各个风险因素的权重。WBS-RBS与RS相结合的评估方法有效规避了其他方法如层次分析法的主观性强、计算过程繁琐等弱点,并可计算得到施工过程中各项作业单元风险度及风险因素的排序,直观地展示需重点注意的作业工序,以为工程建设人员快速制定风险决策提供科学依据。     

钻井作业典型违章行为视频监控智能分析技术研究

针对钻井现场视频监控人工值守工作量大、存在遗漏、海量视频数据缺乏实时报警等问题,在识别筛选严重事故后果及高概率违章事件的基础上,利用卷积神经网络算法研发视频智能分析技术,开发了钻井视频智能分析与报警系统,研制了配套的便携式视频监控终端及视频分析服务器,对现场直接作业、溢流监测坐岗等过程进行实时行为检测。现场应用表明,该系统可有效识别抽烟、人员离岗等现场典型违章行为,提升了钻井安全管理智能化水平。