一種流程作業多層級安全數智化監控系統
1.本發明屬于流程安全作業技術領域，更具體地，涉及一種流程作業多層級安全數智化監控系統。
背景技術：
2.流程行業主要包括化工、冶金、石化、造紙、電力等行業，生產過程中，原料通過化學、物理等反應或變化，經連續加工生成新的物質。流程行業是國民經濟和社會發展的重要支柱產業，在保障國家重大工程建設和帶動國民經濟增長等方面具有不可替代的作用。流程行業工藝繁多、流程長、工序關聯耦合等特點導致的流程工廠安全一體化管控困難。面向繁多的流程工廠安全生產管控內容，以靜態分析、事后應急、單點防控為主要特征的傳統流程工廠安全管理模式存在信息獲取不全面、標準實施和固化困難、決策靠人等缺陷。
3.當前工業安全生產管控技術水平有待進一步提升，以及工業互聯網在安全生產領域擁有巨大前景。
4.現有安全生產管控技術體系存在三個方面的技術問題：(1)缺乏科學的安全監測方法。現有流程工廠的安全監測大都以幾類安全風險要素為中心，實施以人工例行檢查為代表的靜態被動監測手段，缺乏對重大安全隱患(如設備腐蝕、泄露)科學有效的監測和對整個生產流程的系統性評估，少有建立對危險源進行全面識別、評估和跟蹤的技術體系。(2)數據利用效率有待提高。鋼鐵行業生產系統包含大量設備、儀表，但分布在不同的功能系統中，導致工控信息零散分布，且由于數據結構各異，集成困難，數據的利用效率低下；一旦出現異常生產狀況，需要跨系統的數據對比分析，處理過程繁瑣，容易造成異常狀況處理的滯后。(3)需構建實時的決策機制。當前流程工廠安全管控的決策普遍經過廠區中央系統的信息收集、處理、分析形成，然后將執行措施反饋至各部門，最后落實至生產鏈終端，導致管控閉環的環節多、周期長，與鋼鐵行業生產現場實時性需求不匹配。
技術實現要素：
5.針對現有技術的以上缺陷或改進需求，本發明提供了一種流程作業多層級安全數智化監控系統，其目的在于利用參數級智能傳感器、工序級智能管控儀、流程級智能管控儀和工廠級邊緣云平臺，分級處理流程安全相關的實時參數從而提高監測管控效率，由此解決當前流程作業安全生產管控技術缺乏科學安全監測手段、數據利用率低和實時性差的技術問題。
6.為實現上述目的，按照本發明的一個方面，提供了一種流程作業多層級安全數智化監控系統，包括：
7.參數級智能傳感器，用于感知各個工序中流程安全相關的實時參數，并評估所述實時參數是否符合參數安全管控標準，當不符合時進行預警；所述實時參數包括：作業環境安全參數和作業工序質量參數；
8.工序級智能管控儀，與所述參數級智能傳感器通信連接，用于接收所述參數級智
能傳感器傳輸的所述實時參數，并根據多模態數據融合算法每個工序對應的實時參數進行分析得到工序級決策；當所述工序級決策標識不符合工序安全管控標準時進行預警；
9.流程級智能管控儀，與所述參數級智能傳感器通信連接，用于接收所述參數級智能傳感器傳輸的所述實時參數，并根據多模態數據融合算對各個生產線對應的實時參數進行分析得到流程級決策；當所述流程級決策標識不符合流程安全管控標準時進行預警；
10.工廠級邊緣云平臺，與所述參數級智能傳感器、所述工序級智能管控儀、所述流程級智能管控儀通信連接，用于接收所述參數級決策、所述工序級決策、所述流程級決策并整合形成實時決策數據集，還用于接收所述參數級智能傳感器傳輸的所述實時參數并；基于多模態數據融合模型對接收的數據進行分析和融合得到實時安全狀態信息；
11.工廠級云平臺，與所述工廠級邊緣云平臺通信連接，用于接收所述實時參數和所述實時決策數據集，并基于人工智能算法模型進行長周期的安全態勢預測和管控過程優化。
12.子在其中一個實施例中，所述工廠級云平臺部署有ai算法引擎，執行 ai算法模型相關的復雜任務，并將訓練更新后的模型參數下發至所述工廠級邊緣云平臺，由所述工廠級邊緣云平臺直接承載算法產生的結果，形成邊-云協同，滿足現場安全生產決策的實時性需求；同時與參數級、工序級、流程級決策形成對照關系，以保證各層級實時決策的全面性、科學性和準確性。
13.在其中一個實施例中，所述工廠級邊緣云平臺用于接收所述工序級決策、所述流程級決策和所述參數級智能傳感器傳輸的所述實時參數，將接收的海量數據進行信號處理和特征提取，產生與安全生產狀態相關的信息。
14.在其中一個實施例中，所述工廠級邊緣云平臺包括：
15.無線接收組件，被配置為接收所述實時參數、所述工序級決策和所述流程級決策；
16.邊緣計算組件，與所述無線接收組件連接，被配置根據部署的多模態數據融合模型完成對所述實時參數、所述工序級決策和所述流程級決策進行分析，形成工序級安全狀態信息和流程級安全狀態信息；
17.無線發送組件，被配置將所述工序級安全狀態信息以無線通信技術發送至工序級智能管控儀，將所述流程級安全狀態信息以無線通信技術發送至流程級智能管控儀；
18.網絡通信組件，被配置將融合形成的所述工序級安全狀態信息和所述流程級安全狀態信息以網絡通信技術發送至所述工廠級云平臺。
19.在其中一個實施例中，所述工廠級云平臺獲取來自所述參數級智能傳感器、所述工序級智能管控儀、所述流程級智能管控儀的數據，分別包含了參數級、工序級、流程級的原始信息；并根據所述原始信息進行后期的多模態數據融合處理，形成表征工廠安全狀態水平的信息，并用作工廠級的管控決策；
20.其中，所述工廠級云平臺部署多模態融合算法模型，執行后期融合層次的數據處理分析任務。
21.在其中一個實施例中，所述參數級智能傳感器包括：
22.傳感器模塊，用于獲取傳感器監測對象的實時參數；
23.微處理器，與所述傳感器模塊連接，根據所述實時參數的作用轉化為作業流程中不同工序的技術參數和狀態參數；若所述技術參數不達標或所述狀態參數超過閾值時，生
成預警信號；
24.無線發送模塊，與所述微處理器連接，將所述實時參數通過無線通信技術發送至所述流程級智能管控儀、所述工序級智能管控儀和所述工廠級邊緣云平臺；
25.報警模塊，與所述微處理器連接，用于根據所述預警信號通過聲或光形式進行示警。
26.在其中一個實施例中，所述工序級智能管控儀用于：接收來自所述參數級智能傳感器的技術參數和狀態參數；根據對技術參數和狀態參數的多模態融合處理，形成判別工序的是否順利完成的信息，并用作工序級次的管控決策，并將工序級決策信息發送至所述工廠級邊緣云平臺。
27.在其中一個實施例中，所述流程級智能管控儀用于：接收來自所述參數級智能傳感器的技術參數、狀態參數，進行中期融合層次的多模態融合處理形成表征流程安全狀態的信息，以用作流程級次的管控決策，并流程管控發送至所述工廠級邊緣云平臺。
28.為實現上述目的，按照本發明的第二個方面，提供了一種流程作業多層級安全數智化監控方法，應用于所述的流程作業多層級安全數智化監控系統，包括：
29.在參數級，利用參數級智能傳感器感知各個工序中流程安全相關的實時參數，并評估所述實時參數是否符合參數安全管控標準，當不符合時進行預警；所述實時參數包括：作業環境安全參數和作業工序質量參數；
30.在工序級，利用工序級智能管控儀接收所述參數級智能傳感器傳輸的所述實時參數，并根據多模態數據融合算法每個工序對應的實時參數進行分析得到工序級決策；當所述工序級決策標識不符合工序安全管控標準時進行預警；
31.在流程級，利用流程級智能管控儀接收所述參數級智能傳感器傳輸的所述實時參數，并根據多模態數據融合算對各個生產線對應的實時參數進行分析得到流程級決策；當所述流程級決策標識不符合流程安全管控標準時進行預警；
32.在工廠級，利用工廠級邊緣云平臺接收所述參數級決策、所述工序級決策、所述流程級決策并整合形成實時決策數據集，還用于接收所述參數級智能傳感器傳輸的所述實時參數并基于多模態數據融合模型進行分析和融合得到實時安全狀態信息；利用工廠級云平臺接收所述實時參數和所述實時決策數據集，并基于人工智能算法模型進行長周期的安全態勢預測和管控過程優化。
33.總體而言，通過本發明所構思的以上技術方案與現有技術相比，能夠取得下列有益效果：
34.1.多層級安全管控架構匹配既定的生產組織管理結構，參數級、工序級、流程級和工廠級分別對應了工人、班組長、機長和領導，能夠根據不同層次生產人員的專業知識、經驗充分發揮各自的安全管控能力，結合不同層級的數字化智能設備，形成良好的聯動，合理調度安全管理資源。
35.3.針對實時安全管控場景的決策依據均來源于終端智能傳感器的原始數據保證決策依據的可用性、完整性和安全性。
36.2.集合邊緣計算技術，下沉計算能力，賦能靠近生產現場的設備端，集成感知、傳輸和計算功能，實現邊緣智能決策和實時預警，滿足實時性場景需求；應用云計算技術實現長周期整體安全管控，以滿足工廠整體安全態勢預測、管控過程優化等全局性安全管控場
景需求，形成云-邊-端協同的安全數智化管控布局，突出該方法及系統快速感知、實時監測、超前預警、聯動處置和系統評估的優勢。
附圖說明
37.圖1是本發明一實施例中流程作業多層級安全數智化監控系統的結構示意圖；
38.圖2a是本發明另一實施例中流程作業多層級安全數智化監控系統的數字基礎設備布置示意圖；
39.圖2b是本發明一實施例中流程作業多層級安全數智化監控系統的運行邏輯圖；
40.圖3是本發明一實施例中流程作業多層級安全數智化監控系統的運行流程圖；
41.圖4是本發明一實施例中流程作業多層級安全數智化監控系統的工藝流程圖；
42.圖5是本發明一實施例中參數級智能傳感器的結構示意圖；
43.圖6是本發明一實施例中工序級智能管控儀的結構示意圖；
44.圖7是本發明一實施例中流程級智能管控儀的結構示意圖；
45.圖8是本發明一實施例中工廠級邊緣云平臺的結構示意圖。
具體實施方式
46.為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。此外，下面所描述的本發明各個實施方式中所涉及到的技術特征只要彼此之間未構成沖突就可以相互組合。
47.對本技術實施例進行進一步詳細說明之前，對本技術實施例中涉及的名詞和術語進行說明，本技術實施例中涉及的名詞和術語適用于如下的解釋。
48.云計算(cloud computing)：指將計算任務分布在大量計算機構集成的資源池上，使各種應用系統能夠根據需要獲取計算力、存儲空間和信息服務的計算模式。
49.邊緣計算(edge computing)：指在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的分布式開放平臺，就近提供邊緣智能服務，滿足行業數字化在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。
50.多模態數據融合(multimodal data fusion)：多模態數據是指對同一個描述對象，通過不同領域或視角獲取到的數據，并且把描述這些數據的每一個領域或視角叫做一個模態；多模態數據融合利用計算進行多模態數據的綜合處理，負責融合各個模態的信息來執行目標預測任務，為決策提供支持。
51.如圖1所示，數字化管控系統包括參數級、工序級、流程級與工廠級四個層次，分別部署相應層次決策的智能傳感器、工序級智能管控儀、流程級智能管控儀和邊緣云平臺等。本發明提供了一種流程作業多層級安全數智化監控系統，包括：
52.參數級智能傳感器，用于感知各個工序中流程安全相關的實時參數，并評估實時參數是否符合參數安全管控標準，當不符合時進行預警；實時參數包括：作業環境安全參數和作業工序質量參數；
53.工序級智能管控儀，與參數級智能傳感器通信連接，用于接收參數級智能傳感器傳輸的實時參數，并根據多模態數據融合算法每個工序對應的實時參數進行分析得到工序
級決策；當工序級決策標識不符合工序安全管控標準時進行預警；
54.流程級智能管控儀，與參數級智能傳感器通信連接，用于接收參數級智能傳感器傳輸的實時參數，并根據多模態數據融合算對各個生產線對應的實時參數進行分析得到流程級決策；當流程級決策標識不符合流程安全管控標準時進行預警；
55.工廠級邊緣云平臺，與所述參數級智能傳感器、所述工序級智能管控儀、所述流程級智能管控儀通信連接，用于接收所述參數級決策、所述工序級決策、所述流程級決策并整合形成實時決策數據集，還用于接收所述參數級智能傳感器傳輸的所述實時參數并基于多模態數據融合模型進行分析和融合得到實時安全狀態信息；
56.工廠級云平臺，與所述工廠級邊緣云平臺通信連接，用于接收所述實時參數和所述實時決策數據集并基于人工智能算法模型進行長周期的安全態勢預測和管控過程優化。
57.本技術的提供的數字化管控系統，管控系統至少包括參數級智能傳感器、智能管控儀和云平臺，參數級智能傳感器、智能管控儀和云平臺分別執行各自的多層級安全數字化管控方法。
58.參數級智能傳感器構成智能前臺，具有感知-分析-評估-應用與傳輸功能；工序級和流程層構成智能中臺，具有接收實時感知數據-分析-評估-應用-傳輸本級應用數據功能；工廠級與云臺層構成智能后臺，其中工廠級智能管控儀具有智能中臺的相同功能，云平臺接收參數級實時數據，同時接收各層智能管控儀應用結果數據，并進行數據的綜合分析與應用。參數級智能傳感器包括感知數據的實時向工序級、流程層和工廠級無線傳輸模塊和自處理評估參數數據，當不符合安全管控標準值時進行提示或預警；工序級、流程層、工廠級智能管控儀采用移動手持式，包括接收流程、工序、參數級的智能傳感器傳輸數據的模塊，以及分析評估工序、流程安全狀態，當不符合安全管控標準時進行提示或預警。
59.本發明提供了一種流程作業多層級安全數智化監控方法，應用于所述的流程作業多層級安全數智化監控系統，包括：
60.在參數級，利用參數級智能傳感器感知各個工序中流程安全相關的實時參數，并評估所述實時參數是否符合參數安全管控標準，當不符合時進行預警；所述實時參數包括：作業環境安全參數和作業工序質量參數；
61.在工序級，利用工序級智能管控儀接收所述參數級智能傳感器傳輸的所述實時參數，并根據多模態數據融合算法每個工序對應的實時參數進行分析得到工序級決策；當所述工序級決策標識不符合工序安全管控標準時進行預警；
62.在流程級，利用流程級智能管控儀接收所述參數級智能傳感器傳輸的所述實時參數，并根據多模態數據融合算對各個生產線對應的實時參數進行分析得到流程級決策；當所述流程級決策標識不符合流程安全管控標準時進行預警；
63.在工廠級，利用工廠級邊緣云平臺接收所述參數級決策、所述工序級決策、所述流程級決策并整合形成實時決策數據集，還用于接收所述參數級智能傳感器傳輸的所述實時參數并基于多模態數據融合模型進行分析和融合得到實時安全狀態信息；利用工廠級云平臺接收所述實時參數和所述實時決策數據集，并基于人工智能算法模型進行長周期的安全態勢預測和管控過程優化。
64.舉例來說，在鋼鐵廠連鑄工藝流程作業場景中，工廠部署多條連鑄作業線，連鑄作業流程由5道主要工序構成：p1鋼包回轉臺轉運鋼液、p2中間包、p3結晶器振搗、p4二次冷
卻、p5引流鑄坯及成型，每道工序有專門的作業工級班組長負責。在工序的執行過程中，存在著各類控制該工序安全狀態水平的參數，如在s1鋼包回轉臺轉運鋼液工序涉及鋼水高度、鋼包轉速升降速度等。
65.結合圖2a和圖2b描述在連鑄工藝作業場景下，各層級數字基礎設施的布置：
66.(1)參數級，每類參數由對應的智能傳感器來獲取表征其狀態的原始實時數據，該層級根據需要布設智能傳感器達到全面覆蓋、少量重疊的感知布局，并基于實時數據進行參數邏輯判斷和決策；一線各類作業工人可直接接收到智能傳感器的提示或預警。
67.(2)工序級，每道工序涉及的作業區域中部署有大量智能傳感器，部署一臺工序級智能管控儀，收集來自該區域范圍內智能傳感器的原始實時數據并進行處理分析和工序級決策；作業班組長可直接接收到工序級智能管控儀的提示或預警。
68.(3)流程級，每道流程涉及多道工序，作業區域中部署有大量智能傳感器和多臺工序級智能管控儀器，每條作業流程線部署一臺流程級智能管控儀，收集來自工序級智能管控儀器的數據并進行處理分析和流程級決策；連鑄機機長或操控室的操作工可直接接收到流程級智能管控儀的提示或預警。
69.(4)工廠級，部署云平臺和由多臺本地服務器協同構成的邊緣云，邊緣云接收來自終端智能傳感器海量的原始實時數據，執行實時、短周期數據的處理與分析，以支撐安全生產管控的實時智能化決策與執行；云平臺接收來自邊緣云的部分數據，執行全局性、非實時、長周期的大數據處理與分析，以支撐安全生產管控在長周期態勢預測、過程優化等整體性智能化決策與執行。工廠的管理層領導可通過登錄企業服務端知悉工廠安全生產的相關信息，并通過云平臺進行協同決策。
70.圖3具體展示了本技術的實現步驟，結合圖4連鑄作業場景詳細描述：
71.編號說明：fi指管控第i條流程生產線的流程級智能管控儀，p
ij
指管控第i條流程生產線中第j個工序的工序級智能管控儀，v
ijk
指管控第i條流程生產線的第j個工序中第k個參數的智能傳感器；sn指實施例中的第n個實施步驟。(f
–
flow,p
–
procedure,v-value,s-step)
72.假設：為方便描述實現步驟，假設每個工序涉及的安全參數為10個。
73.s1-1：連鑄工藝流程線1執行工序1-鋼包回轉臺轉運鋼液，生產設備及原材料狀態發生變化，觸發v
1-1-1
～v
1-1-10
的傳感器模塊采集表參數狀態變化的模擬信號，經a/d轉換器后形成數字信號，傳遞至智能傳感器的微處理器進行數據處理分析，依據部署的邏輯判斷程序，檢測是否存在未達標或超出閾值的參數；
74.s1-2：如檢測到存在異常的參數，處理器將發送預警指令至報警模塊，以聲、光等形式提示作業工人以幫助及時進行精準實時的作業調整直至所有參數狀態恢復正常；
75.s1-3：所有原始數據通過無線發送模塊發送至工序級智能管控儀、流程級智能管控儀和邊緣云。
76.其他智能傳感器v
i-j-k
同步執行s1-1～s1-3的操作步驟。須知參數級決策只對相關參數進行了簡單的邏輯判斷，目的是為了知識結構單一的作業工人能夠得到所負責任務執行情況的直觀反饋以做出實時調整，但所有參數均在正常范圍內不能代表該工序的安全狀態水平合格。
77.s2-1:負責管控工序1的p
1-1
接收來自v
1-1-1
～v
1-1-10
的數據。在具備一定計算能力的
邊緣計算組件中，根據部署的多模態數據融合算法對這些數據進行處理分析，并形成判斷該工序狀態的決策性信息；
78.s2-2:并根據該信息向可視化模塊發送顯示對應信息內容的指令，以幫助作業班組長隨時掌握該工序的執行狀態和完成情況，對異常狀態進行反饋管控。
79.其他工序級智能管控儀p
1-2
～p
1～5
同步執行s2操作步驟。
80.s3-1:負責管控流程生產線1的f1接收來自所有部署在該生產線區域內的智能傳感器v
1-j-k
的數據，在具備一定計算能力的邊緣計算組件中，根據部署的多模態數據融合算法對這些數據進行處理分析，并形成判斷該流程安全狀態水平的決策性信息；
81.s3-2：并根據該信息向可視化模塊發送顯示對應信息內容的指令，以幫助機長或操控室操作工隨時掌握該流程生產線的安全生產狀態水平，對異常狀態進行反饋管控。
82.其他流程級智能管控儀p2和p3同步執行s3操作步驟。
83.s4-1：邊緣云平臺接收來自在廠區內所有智能傳感器v
i-j-k
的數據，將短時間內產生的海量安全管控數據進行信號處理和特征提取后產生與安全生產狀態相關的信息，并傳給云平臺，所后續的進一步處理。
84.s4-2:在實現安全生產管控的實時智能化決策方面：云端部署有設備故障診斷、安全風險溯源等ai算法引擎，執行ai算法模型訓練等復雜任務，并將訓練更新后的模型參數下發至邊緣云，由邊緣云直接承載算法產生的結果，形成邊-云協同，滿足現場安全生產決策的實時性需求，同時與參數級、工序級、流程級決策形成對照關系，以保證各層級實時決策的全面性、科學性和準確性。
85.s4-3:在實現長周期態勢預測、過程優化等整體性智能化決策方面，依據云端部署的態勢預測、過程優化等ai算法引擎，直接在云端完成大數據分析所有過程，將分析結果以可視化的形式展示在邊緣側。
86.如圖5所示，在其中一個實施例中，參數級智能傳感器包括：
87.傳感器模塊，用于獲取傳感器監測對象的實時參數；
88.微處理器，與傳感器模塊連接，根據實時參數的作用轉化為作業流程中不同工序的技術參數和狀態參數；若技術參數不達標或狀態參數超過閾值時，生成預警信號；
89.無線發送模塊，與微處理器連接，將實時參數通過無線通信技術發送至流程級智能管控儀、工序級智能管控儀和邊緣云平臺；
90.報警模塊，與微處理器連接，用于根據預警信號通過聲或光形式進行示警。
91.如圖6所示，在其中一個實施例中，工序級智能管控儀用于：接收來自參數級智能傳感器的技術參數和狀態參數；根據對技術參數和狀態參數的多模態融合處理，形成判別工序的是否順利完成的信息，并用作工序級次的管控決策，并將工序級決策信息發送至工廠級邊緣云平臺。
92.如圖7所示，在其中一個實施例中，流程級智能管控儀用于：接收來自參數級智能傳感器的技術參數、狀態參數，進行中期融合層次的多模態融合處理形成表征流程安全狀態的信息，以用作流程級次的管控決策，并流程管控發送至工廠級邊緣云平臺。
93.在其中一個實施例中，所述工廠級云平臺部署有ai算法引擎，執行ai 算法模型相關的復雜任務，并將訓練更新后的模型參數下發至所述工廠級邊緣云平臺，由所述工廠級邊緣云平臺直接承載算法產生的結果，形成邊
??
云協同，滿足現場安全生產決策的實時性
需求；同時與參數級、工序級、流程級決策形成對照關系，以保證各層級實時決策的全面性、科學性和準確性。
94.如圖8所示，在其中一個實施例中，所述工廠級邊緣云平臺包括：
95.無線接收組件，被配置為接收所述實時參數、所述工序級決策和所述流程級決策；
96.邊緣計算組件，與所述無線接收組件連接，被配置根據部署的多模態數據融合模型完成對所述實時參數、所述工序級決策和所述流程級決策進行分析，形成工序級安全狀態信息和流程級安全狀態信息；
97.無線發送組件，被配置將所述工序級安全狀態信息以無線通信技術發送至工序級智能管控儀，將所述流程級安全狀態信息以無線通信技術發送至流程級智能管控儀；
98.網絡通信組件，被配置將融合形成的所述工序級安全狀態信息和所述流程級安全狀態信息以網絡通信技術發送至所述工廠級云平臺。
99.在其中一個實施例中，所述工廠級云平臺獲取來自所述參數級智能傳感器、所述工序級智能管控儀、所述流程級智能管控儀的數據，分別包含了參數級、工序級、流程級的原始信息；并根據所述原始信息進行后期的多模態數據融合處理，形成表征工廠安全狀態水平的信息，并用作工廠級的管控決策；其中，所述工廠級云平臺部署多模態融合算法模型，執行后期融合層次的數據處理分析任務。
100.本領域的技術人員容易理解，以上僅為本發明的較佳實施例而已，并不用以限制本發明，凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明的保護范圍之內。
技術特征：
1.一種流程作業多層級安全數智化監控系統，其特征在于，包括：參數級智能傳感器，用于感知各個工序中流程安全相關的實時參數，并評估所述實時參數是否符合參數安全管控標準，當不符合時進行預警；所述實時參數包括：作業環境安全參數和作業工序質量參數；工序級智能管控儀，與所述參數級智能傳感器通信連接，用于接收所述參數級智能傳感器傳輸的所述實時參數，并根據多模態數據融合算法每個工序對應的實時參數進行分析得到工序級決策；當所述工序級決策標識不符合工序安全管控標準時進行預警；流程級智能管控儀，與所述參數級智能傳感器通信連接，用于接收所述參數級智能傳感器傳輸的所述實時參數，并根據多模態數據融合算對各個生產線對應的實時參數進行分析得到流程級決策；當所述流程級決策標識不符合流程安全管控標準時進行預警；工廠級邊緣云平臺，與所述參數級智能傳感器、所述工序級智能管控儀、所述流程級智能管控儀通信連接，用于接收所述參數級決策、所述工序級決策、所述流程級決策并整合形成實時決策數據集，還用于接收所述參數級智能傳感器傳輸的所述實時參數并基于多模態數據融合模型進行分析和融合得到實時安全狀態信息；工廠級云平臺，與所述工廠級邊緣云平臺通信連接，用于接收所述實時參數和所述實時決策數據集，并基于人工智能算法模型進行長周期的安全態勢預測和管控過程優化。2.如權利要求1所述的流程作業多層級安全數智化監控系統，其特征在于，所述工廠級云平臺部署有ai算法引擎，執行ai算法模型相關的復雜任務，并將訓練更新后的模型參數下發至所述工廠級邊緣云平臺，由所述工廠級邊緣云平臺直接承載算法產生的結果，形成邊-云協同，滿足現場安全生產決策的實時性需求；同時與參數級、工序級、流程級決策形成對照關系，以保證各層級實時決策的全面性、科學性和準確性。3.如權利要求2所述的流程作業多層級安全數智化監控系統，其特征在于，所述工廠級邊緣云平臺包括：無線接收組件，被配置為接收所述實時參數、所述工序級決策和所述流程級決策；邊緣計算組件，與所述無線接收組件連接，被配置根據部署的多模態數據融合模型完成對所述實時參數、所述工序級決策和所述流程級決策進行分析，形成工序級安全狀態信息和流程級安全狀態信息；無線發送組件，被配置將所述工序級安全狀態信息以無線通信技術發送至工序級智能管控儀，將所述流程級安全狀態信息以無線通信技術發送至流程級智能管控儀；網絡通信組件，被配置將融合形成的所述工序級安全狀態信息和所述流程級安全狀態信息以網絡通信技術發送至所述工廠級云平臺。4.如權利要求2所述的流程作業多層級安全數智化監控系統，其特征在于，所述工廠級云平臺獲取來自所述參數級智能傳感器、所述工序級智能管控儀、所述流程級智能管控儀的數據，分別包含了參數級、工序級、流程級的原始信息；并根據所述原始信息進行后期的多模態數據融合處理，形成表征工廠安全狀態水平的信息，并用作工廠級的管控決策；其中，所述工廠級云平臺部署多模態融合算法模型，執行后期融合層次的數據處理分析任務。5.如權利要求1所述的流程作業多層級安全數智化監控系統，其特征在于，所述參數級智能傳感器包括：
傳感器模塊，用于獲取傳感器監測對象的實時參數；微處理器，與所述傳感器模塊連接，根據所述實時參數的作用轉化為作業流程中不同工序的技術參數和狀態參數；若所述技術參數不達標或所述狀態參數超過閾值時，生成預警信號；無線發送模塊，與所述微處理器連接，將所述實時參數通過無線通信技術發送至所述流程級智能管控儀、所述工序級智能管控儀和所述工廠級邊緣云平臺；報警模塊，與所述微處理器連接，用于根據所述預警信號通過聲或光形式進行示警。6.如權利要求1所述的流程作業多層級安全數智化監控系統，其特征在于，所述工序級智能管控儀用于：接收來自所述參數級智能傳感器的技術參數和狀態參數；根據對技術參數和狀態參數的多模態融合處理，形成判別工序的是否順利完成的信息，并用作工序級次的管控決策，并將工序級決策信息發送至所述工廠級邊緣云平臺。7.如權利要求1所述的流程作業多層級安全數智化監控系統，其特征在于，所述流程級智能管控儀用于：接收來自所述參數級智能傳感器的技術參數、狀態參數，進行中期融合層次的多模態融合處理形成表征流程安全狀態的信息，以用作流程級次的管控決策，并流程管控發送至所述工廠級邊緣云平臺。8.一種流程作業多層級安全數智化監控方法，其特征在于，應用于權利要求1-7所述的流程作業多層級安全數智化監控系統，包括：在參數級，利用參數級智能傳感器感知各個工序中流程安全相關的實時參數，并評估所述實時參數是否符合參數安全管控標準，當不符合時進行預警；所述實時參數包括：作業環境安全參數和作業工序質量參數；在工序級，利用工序級智能管控儀接收所述參數級智能傳感器傳輸的所述實時參數，并根據多模態數據融合算法每個工序對應的實時參數進行分析得到工序級決策；當所述工序級決策標識不符合工序安全管控標準時進行預警；在流程級，利用流程級智能管控儀接收所述參數級智能傳感器傳輸的所述實時參數，并根據多模態數據融合算對各個生產線對應的實時參數進行分析得到流程級決策；當所述流程級決策標識不符合流程安全管控標準時進行預警；在工廠級，利用工廠級邊緣云平臺接收所述參數級決策、所述工序級決策、所述流程級決策并整合形成實時決策數據集，還用于接收所述參數級智能傳感器傳輸的所述實時參數并基于多模態數據融合模型進行分析和融合得到實時安全狀態信息；利用工廠級云平臺接收所述實時參數和所述實時決策數據集，并基于人工智能算法模型進行長周期的安全態勢預測和管控過程優化。
技術總結
本發明公開了一種流程作業多層級安全數智化監控系統，屬于生產全管控技術領域。所述方法分為參數級、工序級、流程級和工廠級四個控層次：參數級通過對環境安全參數、工序質量安全參數的實時監測、估、決策和反饋控制實現；工序級通過對工序故障、失效等進行實時識別決策和反饋控制實現；流程級通過對流程線的安全水準進行實時評估、策和反饋控制實現；工廠級基于邊云協同架構，進行邊端實時性智能化策和云端全局性智能化決策，實現對工廠的整體性安全管控。與所述方對應，所述系統移動智能管控儀和邊緣云等四個層級的數字化基礎設施成，分別執行不同層次的智能化決策，并與生產人員形成交互，進而反調控生產流程。進而反調控生產流程。進而反調控生產流程。
