[发明专利]一种基于大数据的煤矿生产风险评估指标体系构建方法

权利要求书

1.一种基于大数据的煤矿生产风险评估指标体系构建方法，其特征在于，根据相关的法律法规、行业标准以及事故分析后选择指标，其步骤如下：

步骤1：人的因素

在煤矿生产中，一般从员工学历占比、工龄占比、培训率、持证率、有无领导带班制度、超员报警次数、井下人员作业时长、视频识别的人的违章行为次数等角度反映人的安全性,随着人工智能技术在煤矿生产中的广泛应用，可采用视频识别技术实现对人的违章行为的识别，包括安全帽检测、人员离岗检测、越界报警、区域入侵；

步骤2：设备因素

根据《煤矿安全规程》、《煤矿矿井机电设备完好标准》和《煤矿机电质量标准化》规定，设备的风险因素从大型在用设备检验合格率、送检设备合格率、监测监控类系统的运行状况、视频识别的设备不安全状态报警次数等四方面进行选择,采用视频识别方法可实现对生产设备不安全状态的监测，包括堆煤、纵撕等引起的皮带冒烟、皮带撕裂；

步骤3：环境因素

根据煤矿生产工作环境构成和相关安全监督管理规定，井工矿环境因素可由气象、水害、顶板、瓦斯、火灾、煤尘和视频识别的环境危险状态报警次数二级指标综合评估，其中二级指标的评估根据规范文件内容选择相关的可量化的关键指标进行评估，形成三级指标；采用视频识别技术实现对环境危险状态的监测报警，包括明火报警、浓烟报警；

步骤4：管理因素

管理的风险水平可由安全生产标准化等级、安全经费投入、隐患整改率、行政处罚次数等四项指标进行综合评估。

2.根据权利要求1所述的一种基于大数据的煤矿生产风险评估指标体系构建方法，其特征在于，步骤1的人的因素的二级指标包括员工学历占比、工龄占比、培训率、持证率、有无领导带班制度、超员报警次数、井下人员作业时长、视频识别的人的违章行为次数。

3.根据权利要求1所述的一种基于大数据的煤矿生产风险评估指标体系构建方法，其特征在于，步骤2的设备因素的二级指标有大型在用设备检验合格率、送检设备合格率、监测监控类系统的运行状况、视频识别的设备的不安全状态报警次数。

4.根据权利要求1所述的一种基于大数据的煤矿生产风险评估指标体系构建方法，其特征在于，步骤3的环境因素的二级指标包括气象、水害、顶板、瓦斯、火灾、煤尘和视频识别的环境危险状态报警次数。

5.根据权利要求1所述的一种基于大数据的煤矿生产风险评估指标体系构建方法，其特征在于，步骤4管理因素的二级指标有标准化等级、安全经费投入、隐患整改率、行政处罚次数。