叉车安全智慧管理系统的设计与应用

2022-02-20赵春晖胡静波

起重运输机械 2022年23期

王丹赵春晖胡静波

1北京起重运输机械设计研究院有限公司北京 100007 2南京市特种设备安全监督检验研究院南京 210017

0 引言

叉车是一种适用于短距离运送货物的工业车辆，作为机电类特种设备之一，属于场（厂）内专用机动车辆的一种。虽然在工业企业中叉车一般不作为主要生产设备，但由于其操作过程具有一定的风险，发生事故会造成较大的人员和财产损失。据统计，大部分特种设备事故均发生在使用环节，在叉车事故中违章作业是主要原因，具体包括无证操作、弯道车速过快、行驶中遮挡视线、设备本体维护缺失和货物失衡等。

叉车事故主要表现为倾覆、碰撞、挤压和坠落4类。虽然按相关法规要求，叉车的操作人员应当取得相应资格证书。但存在很多企业仅要求操作人员持证上岗，而缺乏对操作人员的定期专业培训和内部考核。操作人员在实际工作中驾驶的叉车类型可能和培训机构的叉车类型不同，实际操作中也会遇到很多培训时无法模拟的突发工况。事故的发生多是因为操作人员技能水平不足，工作中遇到紧急情况时无法快速判断和操作，导致了事故的发生。

1 系统需求分析

通过对叉车使用单位管理状况的监督检查，结合叉车日常检验检测情况，叉车使用单位普遍在管理制度、管理人员、操作人员和设备状况等方面存在一定的问题。

1）管理制度的建立实施很多叉车使用单位没有专门的部门或人员负责特种设备安全管理制度的建立与实施，所建立的管理制度与企业实际管理模式存在脱节现象。企业的安全管理制度并不是一成不办的，在建立发布后需要在日常工作中根据实际情况，进行不断地修订和完善，达到指导企业特种设备使用管理的目的。叉车使用单位说一套、做一套的情况比较明显。

2）管理人员的管理水平叉车使用单位，由于特种设备数量相对较少，因此大部分没有配备专职安全管理人员。企业配备的兼职安全管理人员普遍没有经过专业培训，安全管理水平较低。在日常监督检查中发现，企业的管理人员对叉车相关的安全技术规范和标准的要求了解较浅，对企业叉车操作人员的管理不力等情况较多。

3）操作人员的技能水平叉车操作人员应当经过专业培训，并取得相应的特种设备作业人员资格证书。但很多使用单位只关注操作人员是否持证，缺乏对操作人员的定期专业培训和内部考核。因操作人员技能水平的原因，工作中遇到紧急情况时无法快速判断和操作，从而导致事故的发生。操作人员技能水平不高是目前存在的普遍现象。

4）叉车的现场使用状况安全技术规范中规定对叉车的修理应当由有资质的单位进行，但并未对叉车的日常维护保养做类似的规定。因此，大部分叉车使用单位存在对日常维护保养不够重视的情况，往往让普通机修人员开展叉车的日常维护保养和自行检查。甚至存在没有按照安全技术规范的要求，进行规定项目的维护保养和自行检查，造成叉车的运行状况不佳，存在带病运行的状况。

同时，叉车作为一种工业车辆，具有流动作业的特点。当前对于特种设备安全监管实行的是属地化管理，但叉车的流动性决定了很难保证在一个固定的区域内使用，如何通过技术手段知晓叉车的使用区域，并对其进行有效监管也是当前面临的一个管理难点。

因此，搭建叉车安全智慧管理系统，通过技术手段降低叉车使用中存在的风险，提高使用单位管理效能是本系统建立的根本目的。

2 系统组成

根据叉车运行特点和安全管理需求，系统可分为安全管理平台和硬件终端两部分，整体框架如图1所示。

图1 叉车安全智慧管理系统框架

系统通过硬件终端采集叉车操作人员身份信息、叉车行驶轨迹和叉车运行状态，此外系统也留有数据接口，必要时可接收符合GB/T 38893—2020《工业车辆安全监控管理系统》的标准数据以及叉车原厂控制系统的运行数据。系统通过安全管理平台对操作过程存在的风险进行预判，风险预警信息直接向硬件终端进行反馈，同时通过安全管理平台向各个不同权限用户发送综合判定结果，及时对叉车运行进行报警和干预，从而进行叉车的安全管理，避免事故的发生。

2.1 安全管理平台

通过管理平台建立每台叉车的电子身份证，归集该台叉车的各类信息。信息包括该叉车的生产企业、型号、主参数、出场时间、使用单位、定期检查数据、维护保养数据、备品更换数据、定期检验数据、管理人员、操作人员、维修人员、工作排程、维修排程、运行时间、运行轨迹等各类信息等。管理平台的主要模块和功能如图2所示。

图2 系统安全管理平台功能

主要功能包括工作排程、维修排程、操作授权、自行检查、日常点检、故障报修、维修记录和信息查看。身份管理是本平台的重点，不同身份类别人员进入平台后，可根据权限获取该台叉车的不同信息，并实现不同功能。身份分为管理人员、操作人员、维修人员和临时人员。管理人员、操作人员和维修人员的身份需提前在管理平台中进行确认和权限分配，未进行认证的人员均为临时人员。

2.2 硬件终端

系统硬件装置的目的是获取该台叉车的信息，该装置由位置定位模块、身份识别模块、数据传输模块、预警提示模块、输出控制模块、电池模块和防短接模块组成，安装于叉车操作室内。硬件终端应当符合TSG 81—2022《场（厂）内专用机动车辆安全技术规程》安全监控装置的技术要求，即应当具有司机坐姿状态感知功能和司机权限信息采集功能。

图3 系统硬件重点组成

其中位置定位模块采用GPS模块，可对该台叉车的地理位置进行实时记录。身份识别模块采用指纹验证，只有经过授权的操作人员才可启动叉车。数据传输模块作用是将叉车的定位信息、人员身份信息传输到管理平台，同时可接受管理平台对叉车的预警信息，通过预警提示模块进行声光提示。防短接模块的功能是防止将该智慧终端装置进行短接，当监测到有认为短接或拆除该智慧终端装置时，可发出声光报警，并通过输出控制模块自动将车锁定，无法继续启动。

3 系统工作流程

系统的工作流程如图4所示。首先系统识别人员身份信息，不同身份人员可进入系统完成不同的工作任务。管理人员进入系统后可进行的管理操作包括叉车设备的添加删除、基本信息的更改，可叉车各报警阈值的修改，叉车工作排程、修理排程等。

图4 系统工作流程

身份识别为操作人员可进入指纹验证环节，授权人员是指经过培训取得叉车操作证，并且在管理人员的工作排程中有对应操作任务的人员，无工作排程的操作人员流程结束。

管理人员进入平台后进行的管理操作主要是对叉车进行的台账管理，主要内容包括：叉车的基础信息、保养记录、修理记录、使用记录、日常自行检查记录、年度全面检查信息、法定年检报告等内容的输入和修改。该模块可对叉车的基本信息和各类记录进行分类存储，其中使用记录和日常自行检查记录等可通过扫描车身二维码的方式，进行记录。保养记录、检查记录等有制式表格要求的，在系统中预录入表格表式，操作者只需要选择记录内容即可。

维修人员的维修记录主要内容包括现场叉车运行数据的实时上传、故障上报、维修申请、实时地图、设备健康度等。故障上报可将叉车出现的故障或故障现象进行上报。工作量统计根据叉车的实时地图中可以对厂区内所有叉车的位置进行观察，点击该查车后，可显示当前使用者、交接班时间、工作状态（载荷、车速等）等信息。设备健康度可根据采集到的实时数据，结合故障、使用统计、违章统计等情况，综合定量地给出该叉车的健康分值。

通过管理操作和维修记录操作，安全管理平台的运维管理模块可完成的主要功能包括：统计分析、风险预测、维修计划、定检计划、备品备件管理等内容。统计分析包括出车统计、人员工作量统计、车辆工作时长统计、故障统计、违章统计等。风险预测可根据采集到的数据，结合特定的算法完成叉车的故障预警（设备本体）、使用过程的风险预测（结合使用状况）等。维修计划中可智能生成叉车的维修计划，并且可人工对该计划进行调整。

异常状态包括叉车未按照要求进行点检、叉车未按要求开展周期性自行检查、叉车法定检验逾期等情况，出现异常状态时流程结束。在正常启动叉车后，可开始工作，系统实时获取叉车的运行状态。

工作异常包括超速行驶、超工作范围行驶、装置短接等情况。超速行驶可通过硬件终端的位置定位模块计算获得。工作范围由管理人员在安全管理平台进行设置，划定区域，通过位置定位模块识别叉车当前的经纬度，超出预设的范围则判断为超过工作范围。当工作异常时，一方面通过硬件终端的预警提示模块，以声光报警的方式提示叉车操作者，当长时间未返回工作范围时，在声光报警的同时通过输出控制模块对叉车进行降速后停止启动；另一方面通过安全管理平台进行记录并上报。

当安全管理平台判断出该台叉车出现异常状况时，通过输出控制模块对叉车进行干预。如果此时叉车处于停止状态，则通过输出控制模块将该台叉车的电源锁定，叉车自动关闭并无法继续启动叉车；如果此时叉车处于运行状态，则自动降速到车速为0后，叉车自动关闭并无法继续启动叉车。

4 系统实现与应用

4.1 安全管理平台

根据系统组成和数据量采集的特点，系统采用基于Hadoop的开发环境进行安全管理平台开发。Hadoop是一个由Apache基金会所开发的分布式系统基础架构，用户可以在不了解分布式底层细节的情况下去开发分布式程序，充分利用集群的威力进行数据的存储和数据计算。Hadoop的框架最核心的工具是HDFS和MapReduce，其他工具，诸如Hive、Pig、HBase等共同组成了Hadoop的生态圈，如图5所示。在这个生态圈里，各组件发挥各自的作用，组成了生态系统。

图5 系统安全管理平台拓扑结构

首先对平台内各类数据进行规定，设计各类数据表，如设备维修数据表如图6所示。

图6 设备维修数据表设计

由于平台同时留有第三方叉车安全监控系统和叉车自有控制系统的数据采集，因此会造成数据类型多、数据量大的情况，需要进行数据降维处理。针对多维数据的行降维处理，本项目采用主成分分析法(PCA)。引入这样一个算法的原因是在实际情况中，经常会采集过多的数据特征（维度），如果删除其中一个指标对于算法而言并不会丢失太多的信息。PCA就是用来解决这种问题的算法，其核心思想是将N维特征映射到K维上(N＞K)，而K维是全新的重新构造出来的K维特征，而不是简单地从N维特征中拿走N—K维特征。如电动叉车发动机，假设采集了3个度的变量,即振动、温度和电流。通过PCA算法，可以将这3个维度映射为两个维度(PC1和PC2)，以便找出PC1和PC2之间的关系。PC1和PC2并没有实际的物理含义，但并不妨碍推导出有意义的结果，这也是基于机器学习的大数据预测性维护与传统的基于设备故障机理算法的最大区别。

此外，平台的数据格式多样化是主要特征之一,这就要求系统的存储系统能够适应对各种非结构化数据进行高效管理的需求。通过使用键值(key-value)对文件等非二维表的结构,具有很好的包容性，适应了非结构化数据多样化的特点。同时，采用NoSQL数据库主要面向分析型业务，一致性要求可以降低，只要保证最终一致性即可，给并发性能的提升让出了空间。在分布式数据存储中,因涉及工业数据中的关键性业务数据或敏感数，还应注意保护数据的隐私和安全。为此，研发过程应当首先应识别出关业务数据、敏感数据，然后通过字段级、记录级、文件级、目录级、系统级和设备级对这些数据进行如密保护,同时增强身份认证,授权和权限管控策略,以避免暴露给第三方。