动态工业环境中职业安全风险的建模与缓解
应用统计
2022-05-03 v1 机器学习
摘要
在许多行业中,识别和缓解安全风险至关重要。除指南与最佳实践外,许多行业已部署安全管理系统(SMS)以监控并强化良好的安全行为。然而,分析此类系统所采集数据的能力,在稳健量化各类职业危害所致风险方面仍然不足。此外,最佳实践与现代SMS无法应对众多工业环境中常见的动态演化环境/行为特征。本文提出一种以数据驱动方式实现安全风险连续定量评估的方法来应对上述问题。我们方法的核心是一个直观的层次概率模型,用以解释典型SMS采集的稀疏且含噪的安全数据。我们开发了全贝叶斯方法,以在线方式根据安全数据校准该模型。此后,校准后的模型持有必要信息,可用于刻画不同安全隐患所致风险。此外,所提模型可用于自动化决策,例如求解资源受限工业环境中常遇到的、面向风险缓解的资源分配问题。该方法在模拟测试平台上得到严格验证,并通过对某石化厂大型维修项目的真实数据展示了其可扩展性。
引用
@article{arxiv.2205.00894,
title = {Modeling and mitigation of occupational safety risks in dynamic industrial environments},
author = {Ashutosh Tewari and Antonio R. Paiva},
journal= {arXiv preprint arXiv:2205.00894},
year = {2022}
}