XiaoMi-AI文件搜索系统
World File Search System安全事故
引用：Maduabuchi E. (2024) 人工智能 (AI) 在石油作业过程安全累积风险可视化中的应用：概念框架，国际工程与先进技术研究杂志 12 (1), 33-49
摘要：在运营工厂中预防重大工艺安全事故的关键挑战之一是缺乏一个集成系统/模型，该系统/模型将安全关键屏障的缺陷/偏差所带来的风险汇总在一起，以供运营决策。基于此背景，开发了一个模型/框架，用于评估和可视化尼日利亚尼日尔三角洲石油设施中安全关键屏障受损引起的工艺安全风险的累积。基于对该模型的审查，确定了对基于网络的智能软件的需求。因此，通过广泛的文献综述和焦点小组参与者进行了一项探索性研究，以开发用于工艺安全累积风险可视化的基于网络的智能软件的概念框架。研究结果表明，该概念框架提供了一种使用人工智能 (AI) 技术开发基于网络的智能软件的新方法，用于实时可视化工艺安全累积风险图。关键词：工艺安全、累积风险评估、人工智能、重大事故预防、石油作业
使用可扩展数据挖掘算法发现异常航空安全事件
全球民用航空系统是有史以来最复杂的动态系统之一。大多数现代商用飞机都配备了机载飞行数据记录器 (FDR)，可在整个飞行过程中以大约 1 Hz 的频率记录数百个离散和连续参数。这些数据包含有关飞行控制系统、执行器、发动机、起落架、航空电子设备和飞行员命令的信息。在本文中，我们讨论了开发一种新颖的知识发现过程的最新进展，该过程由一套用于识别航空安全事故前兆的数据挖掘技术组成。数据挖掘技术包括可扩展的多核学习，用于大规模分布式异常检测。一种新颖的多元时间序列搜索算法用于在海量数据集上搜索已发现异常的特征。该过程可以识别高维飞行运营质量保证 (FOQA) 数据中由于环境、机械和人为因素问题而导致的对运营有重大影响的事件。所有发现的异常都由一组独立的领域专家进行验证。这种新颖的自动化知识发现过程旨在补充最先进的基于人为超标的分析，这种分析无法发现以前未知的航空安全事件。在本文中，我们讨论了发现流程、使用的方法以及在现实世界的商业航空数据中检测到的一些重大异常。
飞行数据监控 (FDM) 未知危险检测...
摘要 — 航空公司安全部门分析机上记录的飞机数据 (FDM) 以检查安全事件。此活动依靠人类专家创建一个基于规则的系统，该系统根据一小组参数是否超过一些预定义的阈值来检测已知的安全问题。但是，罕见事件最难手动检测，因为模式通常无法一目了然。专家一致认为，进近和起飞程序都更容易发生安全事故。在本文中，我们进行了描述性和预测性分析，以检测 LEBL 机场 25R 跑道进近阶段的异常情况。从描述的角度来看，聚类技术有助于在数据中发现模式和相关性，并识别类似观察的聚类。此外，这些聚类可能会将某些点揭示为与其他观察值隔离的罕见事件。可以使用预测分析以及更简洁的深度学习 ANN 和自动编码器来检测这种异常事件。该方法依赖于学习“正常”观察的样子，因为它们通常是大多数情况。之后，如果我们处理异常飞行，由于与训练数据的偏差，模型将返回较高的重建误差。这表明预测方法可以作为安全专家和 FDM 分析师极其有用的取证工具。关键词 — 异常检测、危险识别、安全、聚类、深度学习、LSTM、自动编码器、HDBSCAN
ISSN印刷：2208-3502新能量车辆电池的安全故障的潜在原因分析
1。引言随着世界越来越关注环境问题，作为一种环保和可持续的运输方式，新的能源车正在逐渐取代传统的燃料汽车。电池作为新能量车辆的核心组件之一，对于车辆的安全性尤为重要。但是，近年来发生了安全事故，并引起了人们对新能量车辆安全的担忧。因此，对新能量车电池安全故障的潜在原因的深入分析对于确保新能量车辆的安全至关重要。本文将从电池电池的组成和工作原理开始，然后探索电池安全故障的潜在原因。具体来说，分析了诸如过度充电和过度收费，高温和低温环境，内部故障以及外部冲击和振动对电池安全性的因素的影响。随后，提出了一些共同的安全措施和解决方案，以提高电池对新能车辆的安全性。我们希望为新的能源电池的安全提供一些指导和参考，并通过本文促进新能源车产业的可持续发展。2。首先，电池对新能量车的重要性是电池的主要能源来源。电能在需要时由电池储存和释放。与传统的燃料汽车相比，新能车辆电池可以更有效地转换能源并提供更大的功率输出。新能量车的电池使用电能；因此，它不会产生排气排放并达到零 -
电力锂电池的灭火技术的研究和开发
近年来，随着日益严重的环境问题的需求，对新能源的需求正在增加，而电动汽车代表的新能量车辆引起了人们的关注。到2015年底，新能源车的年度总产量接近380000，而新能量车的数量显示出爆炸性的增长趋势。预计中国电动汽车的生产和销售将在2017年达到100万。中国现在处于发展新能源汽车行业的关键阶段，因此新能源车辆的安全变得更加敏感。新能量车辆的安全事故具有其特殊的内部原因，因为电池可作为高能量载体。热失控发生在低温下，消除此类事故并不容易。许多有影响力的火灾事故造成了许多经济损失，死亡和严重的社会影响力。电动汽车电池的自然自动点，火灾和爆炸现象使锂离子电池的安全成为关注的焦点。有关电动汽车电池安全性和可靠性的问题给消防和紧急救援带来了新的问题和挑战。最近，国家主要消防科学实验室进行了有关锂电池防火和控制技术的消防实验，但研究仍处于初始阶段[1]。这项研究将18650＃锂离子电池UTLES检查纯水，5％F-500溶液和5％的自制溶液（阴离子非离子表面活性剂）在锂电池火灾上的效率。此外，将灭火系统应用于熄灭锂电池火灾，这为这种火灾提供了另一种方法。这项工作揭示了研究熄灭大规模锂电池火的技术的一些基本见解。
使用可扩展数据挖掘算法发现异常航空安全事件
全球民用航空系统是有史以来最复杂的动态系统之一。大多数现代商用飞机都配备了机载飞行数据记录器 (FDR)，可在整个飞行过程中以大约 1 Hz 的频率记录数百个离散和连续参数。这些数据包含有关飞行控制系统、执行器、发动机、起落架、航空电子设备和飞行员命令的信息。在本文中，我们讨论了开发一种新颖的知识发现过程的最新进展，该过程由一套用于识别航空安全事故前兆的数据挖掘技术组成。数据挖掘技术包括可扩展的多核学习，用于大规模分布式异常检测。一种新颖的多元时间序列搜索算法用于在海量数据集上搜索已发现异常的特征。该过程可以识别高维飞行运营质量保证 (FOQA) 数据中由于环境、机械和人为因素问题而导致的对运营有重大影响的事件。所有发现的异常都由一组独立的领域专家进行验证。这种新颖的自动化知识发现过程旨在补充最先进的基于人为超标的分析，这种分析无法发现以前未知的航空安全事件。在本文中，我们讨论了发现流程、使用的方法以及在现实世界的商业航空数据中检测到的一些重大异常。
使用可扩展数据挖掘算法发现异常航空安全事件
全球民用航空系统是有史以来最复杂的动态系统之一。大多数现代商用飞机都配备了机载飞行数据记录器 (FDR)，可在整个飞行过程中以大约 1 Hz 的频率记录数百个离散和连续参数。这些数据包含有关飞行控制系统、执行器、发动机、起落架、航空电子设备和飞行员命令的信息。在本文中，我们讨论了开发一种新颖的知识发现过程的最新进展，该过程由一套用于识别航空安全事故前兆的数据挖掘技术组成。数据挖掘技术包括可扩展的多核学习，用于大规模分布式异常检测。一种新颖的多元时间序列搜索算法用于在海量数据集上搜索已发现异常的特征。该过程可以识别高维飞行运营质量保证 (FOQA) 数据中由于环境、机械和人为因素问题而导致的对运营有重大影响的事件。所有发现的异常都由一组独立的领域专家进行验证。这种新颖的自动化知识发现过程旨在补充最先进的基于人为超标的分析，这种分析无法发现以前未知的航空安全事件。在本文中，我们讨论了发现流程、使用的方法以及在现实世界的商业航空数据中检测到的一些重大异常。
使用可扩展数据挖掘算法发现异常航空安全事件
全球民用航空系统是有史以来最复杂的动态系统之一。大多数现代商用飞机都配备了机载飞行数据记录器 (FDR)，可在整个飞行过程中以大约 1 Hz 的频率记录数百个离散和连续参数。这些数据包含有关飞行控制系统、执行器、发动机、起落架、航空电子设备和飞行员命令的信息。在本文中，我们讨论了开发一种新颖的知识发现过程的最新进展，该过程由一套用于识别航空安全事故前兆的数据挖掘技术组成。数据挖掘技术包括可扩展的多核学习，用于大规模分布式异常检测。一种新颖的多元时间序列搜索算法用于在海量数据集上搜索已发现异常的特征。该过程可以识别高维飞行运营质量保证 (FOQA) 数据中由于环境、机械和人为因素问题而导致的对运营有重大影响的事件。所有发现的异常都由一组独立的领域专家进行验证。这种新颖的自动化知识发现过程旨在补充最先进的基于人为超标的分析，这种分析无法发现以前未知的航空安全事件。在本文中，我们讨论了发现流程、使用的方法以及在现实世界的商业航空数据中检测到的一些重大异常。
飞行数据监控 (FDM) 未知危险检测...
摘要 — 航空公司安全部门分析机上记录的飞机数据 (FDM) 以检查安全事件。此活动依靠人类专家创建一个基于规则的系统，该系统根据一小组参数是否超过一些预定义的阈值来检测已知的安全问题。但是，罕见事件最难手动检测，因为模式通常无法一目了然。专家一致认为，进近和起飞程序都更容易发生安全事故。在本文中，我们进行了描述性和预测性分析，以检测 LEBL 机场 25R 跑道进近阶段的异常情况。从描述的角度来看，聚类技术有助于在数据中发现模式和相关性，并识别类似观察的聚类。此外，这些聚类可能会将某些点揭示为与其他观察值隔离的罕见事件。可以使用预测分析以及更简洁的深度学习 ANN 和自动编码器来检测这种异常事件。该方法依赖于学习“正常”观察的样子，因为它们通常是大多数情况。之后，如果我们处理异常飞行，由于与训练数据的偏差，模型将返回较高的重建误差。这表明预测方法可以作为安全专家和 FDM 分析师极其有用的取证工具。关键词 — 异常检测、危险识别、安全、聚类、深度学习、LSTM、自动编码器、HDBSCAN
负责任采购政策
在 Hellenic Cables，“负责任采购”是指将环境、社会、道德和经济标准融入我们与供应商的合作中。该政策定义了采购背景下的可持续性。其目标是为社会创造共享价值，同时遵守监管要求并管理可能影响公司声誉和供应连续性的供应链风险。该政策的制定考虑到了 Hellenic Cables 主要利益相关者的利益。该政策适用于 Hellenic Cables 所有相关职能（采购、可持续性、法律）以及所有供应商、承包商、代理商和业务合作伙伴（上游价值链）。该政策确保遵守适用法律和公认的指导，例如经合组织《负责任商业行为尽职调查指南》、《经合组织《受冲突影响和高风险地区矿产负责任供应链尽职调查指南》、欧盟《冲突矿产法规》和英国《现代奴隶制法案》。该政策定期审查和更新，至少每三年更新一次，如果新发展需要，则可提前更新，并与所有受影响的利益相关者协商。该审查每年进行一次，需要可持续发展和采购部门负责人批准。希腊电缆公司的负责任采购原则是我们既定的采购实践的一部分，可确保公平的采购流程符合所有适用法律和法规。制定该政策是为了解决劳工和人权问题，以及与上游价值链相关的环境潜在负面影响。潜在的负面影响可能与侵犯人权和劳动法、健康和安全事故以及不可再生能源的消耗和温室气体排放有关。