大數據在煤礦安全管理中的應用研究

鄭 磊

（河南煤礦安全監察局，河南 鄭州 450003）

大數據在煤礦安全管理中的應用研究

鄭 磊

（河南煤礦安全監察局，河南 鄭州 450003）

當前，大數據在我國發展迅速，在很多行業已得到廣泛應用。煤炭行業經過多年的信息化應用，積累了大量的生產和管理數據，但對這些海量數據的深度發掘和利用還遠遠不夠。在當前煤礦經濟效益下滑的形勢下，安全資金投入不足，開采環境復雜，造成煤礦事故隱患不斷增多，安全生產事故時有發生，安全監察監管的難度和防范重特大事故的壓力不斷加大。文章介紹了如何利用大數據對煤礦基礎數據進行深度挖掘，以尋找事故發生的規律，提升煤礦安全的源頭治理能力。

大數據；煤礦；安全管理

煤炭行業是高危行業，在當前煤炭市場低迷，煤炭企業面臨巨大虧損、開采成功本高企、歷史負擔沉重以及員工素質參差不齊等問題，安全管理面臨新挑戰［1］。今年以來，我國煤礦重大和較大安全事故不斷發生，暴露出某些煤炭企業安全生產主體責任不落實、隱患排查治理工作不到位、礦井通風系統不完善、隱患排查不到位、四位一體防突措施不落實、復工復產檢查環節不嚴格、現場管理混亂等一系列問題，煤礦生產安全形勢依然嚴重。這些重大事故的慘痛教訓，迫使政府和企業必須思考改變現有的安全管理方式，采用先進的信息化手段，提高安全管理和科學決策的水平。

隨著信息化、工業化的不斷融合發展，目前我國的中大型煤礦都有自己的一套完整的生產信息系統，積累了大量的音頻、視頻及文本等各種原始生產數據，各級煤礦監察監管部門也都有各自的業務系統，積累有大量監察、執法、管理等數據，目前對這些數據的深度挖掘和利用還遠遠不夠。從這些海量的數據里面發掘有利于安全生產的有價值的信息，尋找事故發生的規律［2］，提高煤礦安全生產管理水平，具有重大意義。

1　大數據與煤礦安全管理

1.1大數據的概念

根據維基百科的定義，“大數據”［3］是指一些使用目前現有數據庫管理工具或傳統數據處理應用很難處理的大型而復雜的數據集。其挑戰包括采集、管理、存儲、搜索、共享、分析和可視化。必須通過特殊化處理分析才能形成有規律、可預測的信息服務能力。研究大數據的目的就是預測，把數學算法和數學模型運用到海量的數據集中來預測事情發生的可能性并發現事物內在關聯。對于大數據可以用4個V總結，即Volume（數據體量巨大）、Variety（數據類型繁多）、Value（價值密度低）、Velocity（處理速度快），如圖1所示。

（1）volume（數據體量巨大）。數據級別從TB級別躍升到PB級別，甚至到ZB級別，1ZB=100萬PB=10億TB。據市場研究機構預測：到2020年，整個世界的數據總量將會增長44倍，達到35.2ZB。

（2）Variety（數據類型繁多）。大數據類型包含結構化數據、非結構化數據和半結構化數據，結構化數據是指能夠用具體的數據或統一的結構來表示，如數字、符號；非結構化數據是指無法用數字或統一的結構表示，如圖像、聲音、視頻、標識等；半結構化數據是結構化的數據，但是結構變化很大，比如員工的簡歷、不同商品的信息等等。這種多類型數據對大數據的處理能力提出了更高要求。

（3）Value（價值密度低）。以井下瓦斯監控數據為例，在24小時連續不斷的井下瓦斯監測數據中，有用的數據可能僅有幾個，沙里淘金，數據的價值彌足珍貴。如何通過強大的運算能力和高效的數據模型迅速完成海量數據的價值“提純”，是目前大數據背景下需要解決的難題。

（4）Velocity（處理速度快）。在計算能力強大的云計算環境中，利用各種大數據分析工具，比如Hadoop，SPSS和R，可從各種類型的數據中快速獲得高價值的信息，大大減輕了人的工作強度和時間，這一點和傳統的數據分析技術有著本質的區別。

圖1　4V特征

1.2我國煤礦生產的特征

我國大多數煤礦地質條件復雜，且絕大多數為井工開采［4］。主要特點要表現在以下幾個方面：

（1）生產條件復雜。我國煤礦井深平均都在400m以上，井下空間狹小、環境惡劣、陰暗潮濕，沒有陽光照射，能見度低，作業場所變動頻繁，各類事故難以有效控制，對井下設備的安全性和可靠性要求很高。

（2）生產系統復雜。煤礦生產必備的六大產系統有：采煤系統、掘進系統、機電系統、運輸系統，通風系統、排水系統；為保證安全生產，大部分煤礦又建有：監測監控、人員定位、通訊聯絡、緊急避險、壓風自救、供水施救等系統。要使各系統相互協調、高效運轉十分不易。

（3）作業環境艱苦。煤礦井下巷道陰暗潮濕，沒有陽光，煤礦工人長時間高強度在井下作業，體能下降快，反應遲鈍，極易產生焦躁情緒；同時，在煤炭生產過程中，作業人員還要牢記作業規程，防止水、火、瓦斯、冒頂、機電等各種安全事故的發生，思想上一直處于高度緊張狀態。

（4）自然災害嚴重。我國煤層賦存條件較差，地質條件復雜，一大批礦井快速進入深部開采階段，開采深度有的甚至達到千米以上。深部開采伴隨著災害因素增多，導致災害的機理復雜，災害事故時有發生。高溫熱害、沖擊地壓、煤與瓦斯突出、突水、煤層自燃等問題，嚴重危害煤礦安全生產。

（5）職工勞動技能素質偏低。我國煤礦從業人員數量多、結構復雜，受教育程度普遍偏低，缺乏自我保護意識和能力，違章作業現象很普遍。

1.3煤礦數據特征

（1）數據體量巨大。煤礦企業在生產過程中產生持續不斷的動態數據，如瓦斯監測數據、機電設備運轉數據、井下人員運動軌跡數據以及調度視頻監控圖像等等各種數據；同時，煤礦安全監察監管部門歷年來也積累了大量的管理和執法數據。

（2）數據種類繁多。有結構化數據如瓦斯監測數據、入井人數、煤炭產量等；半結構化和非結構化數據如礦土資料、監控視頻、規章制度、應急案例等，并且此類數據所占比例越來越高。

（3）數據價值密度低。井下各種類型監測設備和傳感器實時運行，連續監控井下生產環境和設備運行狀況，從而不間斷產生海量數據，而真正有用的數據占比例很少。

（4）數據產生和增長速度快。物聯網與工業信息化系統大量應用于煤礦生產安全管理，涵蓋的子系統越來越多。各系統的24h不間斷運行，產生大量的數據，使數據量持續快速增長。

從以上特征可以看出，煤礦數據具備大數據的4V特征，能夠運用大數據技術進行分析，并預測煤礦發生事故的可能性。同時，大數據在提升安全監察監管能力和明確安全責任方面也可發揮重要作用。

1.4當前我國煤礦安全管理存在的問題

近年來，我國各級政府高度重視煤礦安全生產工作，出臺了一系列保障煤礦安全生產的政策法規，加大了監察監管力度，煤礦的安全生產環境得到了明顯的改善，近年來煤礦的傷亡事故和死亡人數有較大幅度的下降，但仍有很多問題需要認真地思考和妥善地處理：（1）當前煤礦企業的事故隱患排查主要靠人力，通過人的專業知識和工作經驗去發現生產中存在的事故隱患。這種方式容易受到人的主觀因素的影響，同時還受人的專業知識掌握程度和工作經驗的限制，難以準確判斷安全與危險狀態，可靠性和科學性不高；（2）由于缺少有效的事故分析工具，缺乏對事故規律的認識，導致我國對安全生產事故主要采取“事后管理”的模式，缺少事前預防，在事故發生后才去分析事故原因、追究事故責任、制定防治措施，這種方式存在很大局限性，不能達到從源頭上防止事故的目的；（3）信息共享程度不夠，由于煤礦生產信息的敏感性，企業和監察監管部門可能都不愿意共享安全生產和監察執法數據，使信息的價值和利用率大大降低。

2　大數據將對煤礦安全管理帶來變革

2.1大數據推動安全管理思維變革，增強系統安全觀念

大數據技術推動管理人員改變傳統的安全管理思路，從依靠個人專業知識和經驗管理轉變為依靠大數據分析結果，同時結合個人專業知識和經驗做出科學的判斷，構建以數據、技術、思維為軸心的安全管理系統，為安全管理提供新的視角。

各級監察監管部門和煤炭企業經過多年的信息化應用，產生了海量的數據。這些數據中隱含了豐富的內容和未知的規律，對這些數據僅進行了簡單歸集和整理，缺少有效的發掘和利用。據測算，煤礦結構化數據僅占全部數據的5%，管理者也就依靠這5%的數據進行“宏觀”管理，在實際工作中很難發現各類數據之間存在規律和關聯性，無法從海量的數據中提取更有價值的信息。大數據時代，通過數據模型的分析運算，將這些半結構化、非結構化的海量數據進行加工、轉換為結構化數據，或許可以發現很多表面上毫無關系的數據背后的秘密，這些從“微觀”數據中提取出的規律為大數據決策提供了有力支持，使管理者從安全生產的“宏觀”把握轉變成對“微觀”數據的準確判斷，從而為安全管理做出更加科學的決策。

2.2大數據推動安全監察監管信息的共享，加快打通信息源壁壘

由于各種原因，監察監管部門和煤炭企業對安全生產數據比較敏感，不能完全實現各部門之間的數據共享，各部門寶貴的數據資源無法得到充分利用，從而形成了一個個“信息孤島”。大數據時代的安全管理者必須改變傳統的思維方式，收集和共享企業生產數據和監察監管信息，通過應用海量數據庫，建立大數據模型，對生產和監察監管過程中的多個數據進行分析和對比，從而有效判斷事物的狀態、人的行為或環境的因素是否安全，準確發現存在的安全隱患，預防事故的發生。

2.3大數據推動數據的深度發掘，為科學決策提供理論支撐

通過對國內外的事故進行分析，發生事故的原因不外乎是人的不安全行為、物的不安全狀態、管理上的缺陷等這三方面因素造成，大數據技術可以對安全生產中這三方面的數據進行深度發掘，通過有效的分析工具和數據模型運算，對海量安全生產事故數據進行分析、比對，分析事故發生的季節性、周期性、關聯性等規律和特征，從而找出事故根源，針對性的制定事故預防措施，提升源頭治理能力。

3　當前煤礦安全管理中大數據應用存在的問題

大數據在煤炭安全生產領域的應用目前尚處于研究和起步階段，沒有成功的模式和案例，還有很多問題需要解決：

（1）當前大數據在煤炭行業的應用面臨很多技術難題，一是缺少有效的大數據分析工具；二是大數據的去冗降噪技術、新型表示方法、非結構化和半結構化的高效處理等一系列技術問題都有待進一步研究和完善。

（2）基礎數據準備不充分，數據庫建設標準和規范亟待統一。各級監察監管部門及煤礦企業都根據自身業務需要建有各自獨立的數據庫，目前各個數據庫還沒有形成統一的標準和規范，數據庫的完整性、規范性存在很多缺陷，很難實現數據庫的有效對接。

（3）大數據時代信息安全問題不容忽視，需從立法和技術兩方面保障數據的安全。盡管大數據蘊含巨大財富和價值，但也給企業信息安全帶來很大風險。大數據的應用很大程度上也增加了大規模數據泄露的可能性，一旦數據泄露，會對企業或個人的聲譽、經濟效益、個人隱私等方面造成重大后果。

（4）大數據專業人才嚴重缺乏，既懂大數據又懂安全管理的復合型人才更是少之又少。大數據是一門新興技術，技術含量較高，大數據建設的每個環節都需要依靠專業人員完成，其關鍵環節數據分析是基于預言建模或未來趨勢分析，傳統的數據分析師并不具備這項技能，安全生產領域的相應人才更是少之又少。

4　如何實施煤炭企業安全管理中的大數據戰略

從發展的趨勢來看，大數據對傳統行業將帶來的深遠影響，將大數據戰略引入到煤礦安全生產領域，將會有效推動決策從“經驗依賴”型向“數據依靠”型轉變，實現管理模式從“粗放型”向“精細化”轉型。為此，煤礦安全監察監管部門和煤炭企業需要在以下幾個方面做好準備：

（1）推進建立行業數據共享平臺。要發展大數據戰略，就必須打破傳統的數據源壁壘，將行業數據、企業內部數據和互聯網數據互聯，以獲得更完整、更大量的數據。

（2）建設基于物聯網/云計算技術［5］的煤礦安全綜合信息平臺。通過行政管理手段，利用物聯網和云計算技術實現全面綜合的數據集成，將煤礦基礎數據、行政執法數據、在線監測的實時數據、安全隱患排查數據、安全生產規程等各種數據綜合集成起來，構建一個完善的煤礦安全綜合信息平臺。

（3）加強風險管控，確保大數據安全［6］。大數據是一把“雙刃劍”，但如果管理不善，大數據本身也可能帶來大風險。大數據的應用改變了傳統數據安全風險的特征，它不僅需要創新管理方法，還必須納入到全面風險管理體系，通過立法和技術手段保證數據的安全。

（4）以人才推動大數據應用戰略的進程。與科研院校聯合建立大數據相關人才培養計劃，同時加強與發達國家之間以及其他行業之間的人才交流，建立人才合作機制，積極引進高端人才，推動安全生產領域的大數據戰略應用。

5　結語

大數據時代已經到來，當前煤炭行業面臨供給側改革，煤礦安全管理依靠傳統模式已跟不上形勢需求，必須憑借大數據等新的信息技術提高管理水平，降低管理成本，轉變管理方式，使煤礦企業的安全生產在大數據的保駕下安全航線，將煤礦企業的安全生產帶入新的時代。

［1］韓欣玲.我國煤炭企業安全生產的政府監管研究［D］.開封：河南大學，2012.

［2］楊雷，史勝春.大數據：開辟石油化工企業安全生產新時代［J］.中國管理信息化，2014（18）：36-38.

［3］馬建光，姜巍.大數據的概念、特征及其應用［J］.國防科技，2013（2）：10-17.

［4］劉成強.煤礦安全管理方法研究［D］.濟南：山東科技大學，2006.

［5］馬小平，胡延軍，繆燕子.物聯網、大數據及云計算技術在煤礦安全生產中的應用研究［J］.工礦自動化，2014（4）：5-9.

［6］馮登國，張敏，李昊.大數據安全與隱私保護［J］.計算機學報，2014（1）：246-258.

Study on Application of Big Data in Coal Mine Safety Management

Zheng Lei
（Henan Administration of Coal Mine Safety， ZhengZhou 450003， China）

Nowadays， big data develops rapidly in China， which has been widely applied in many fields.Coal mine industry has experienced many years of information application and has accumulated plenty of data about production and management， but still far from enough to explore deeply and use this mass of data.Under the situation of coal mine economic benefits declining， investment of safety is not enough， mining environment is complicated，causing the increasing hidden dangers of coal mine safety， work safety accidents happened now and then， safety supervision is more difficult and the pressure of avoiding major accidents is increasing. This article introduced how to use big data to explore deeply the coal mine basic data， to find the regularities in accidents happening， and to enhance the ability of coal mine safety governance from the source.

big data； coal mine； safety management

鄭磊（1970-），男，重慶，碩士，高級工程師；研究方向：煤礦安全監察信息系統的建設與管理。