大數據在推進安全生產雙重預防機制中的運用

黃英華 中國鐵路上海局集團有限公司杭州工務段

1 大數據的概念

大數據指的是由數量巨大、結構復雜、類型眾多、價值密度低的數據構成的數據集合，必須通過專業化處理才能形成有價值的信息。安全生產大數據是指安全生產領域的音頻、視頻、圖片、地理位置及信息日志等巨量、復雜的數據集合體，它不僅僅包括安全檢查發現的信息，還包括安全生產基礎知識 (如法規、標準、規范、事故案例等數據)、安全生產基礎數據 (如單位基本情況、人員基本信息、設備基本信息、風險隱患分類、應急資源等數據)和安全生產過程應用數據 (如重大危險源監控、重點區域監測監控、隱患排查、安全檢查、設備監測預警、統計分析等數據)。

2 大數據的來源

一般來說，數據的產生有被動、主動和自動3個階段。被動階段就是最原始的階段，比如在早期的工區作業記錄，每天完成作業，就在日計劃完成簿中記錄一條安全記錄，這一類數據最往往伴隨著一定運營活動而產生并記錄在數據庫中。互聯網的誕生使人們錄入信息更為方便，安全管理人員對現場檢查發現的違章和隱患進行記錄，再使用互聯網通過系統平臺進行錄入，系統平臺對數據進行匯集、分析，匯集和保存的數據供安全管理人員查閱、分析。隨著技術的發展，人們有能力制造及其微小帶有處理功能的傳感器，并開始將這些設備廣泛地布置于社會的各個角落，通過這些設備來對整個社會的運轉進行監控，這些設備會源源不斷地產生新數據，這種數據的產生方式是自動的。例如視頻監控就是自動產生、發送及保存的。

3 大數據在推進安全生產雙重預防機制發展的作用

一是大數據運用是推進雙重預防機制深入發展的需要。目前，我段共有普速線路車間12個、普速橋梁車間4個、高鐵線橋車間4個、重點維修車間1個、綜合車間（檢查監控、運輸、機修）3個、采石場2個，生產人員3 500多人，參控安全管理人員僅有170多人，段安全生產點多、線長、面廣，各方面安全生產問題突出，安全管理力量相對薄弱、管理手段落后，缺乏安全管理方面的信息化系統，安全信息數據大量流失，信息數據不真實等現象普遍存在，只有充分利用信息化手段和大數據技術，徹底改變傳統運動式、粗放式的安全管理手段和方法，才能提升安全管理效能。二是應用大數據能夠及時、準確地發現隱患，大大提高隱患排查能力。三是應用大數據可以實現動態評估安全生產風險。四是應用大數據能大大提高事故防范與預警預測效率。通過對安全生產數據進行挖掘分析，探尋和查找事故發生的季節性、周期性、關聯性等規律特征，從而找出事故根源，有針對性地制定預防方案，提升源頭治理能力，降低安全生產事故的發生率。

4 現狀及存在的問題

當前，信息技術高速發展引發了數據的迅猛增長，數據已成為各行各業甚至各國都爭相研究和開發的關鍵技術手段。我們國家在2015年初步建成了國家安全生產大數據應用平臺，國內各大城市也在運用大數據來加強城市治理，鐵路在客貨運組織與服務、運輸調度、移動設備和固定設檢修與監測等很多領域開展了大數據的運用。雖然我們鐵路行業已經充分認識到了數據的重要性，也在一些領域取得了很好的成績，但大數據在推進雙重預防機制的作用發揮還不明顯，主要表現在以下幾個方面：

（1）數據資源分散，不夠真實。一方面錄入集團公司的安全管理信息系統問題后要考核到人，出于好人主義，一些問題降級處理，問題量化完成了多余的問題不錄入系統，問題數據存入了自己的電腦中或筆記中。另一方面量化標準不夠科學，對參控人員量化問題要求一刀切，部分崗位可能完不成量化問題后，隨便找問題湊數，導致問題質量不高，數據不真實，還有一部分涉及風險的崗位管理人員沒有全部參控，掌握的問題沒有錄入系統，造成部分安全風險在系統中得不到驗證。

（2）數據采集還處于被動階段。我們安全風險管控和隱患排查治理還沒有自己的系統作為支撐，而集團公司的安全管理信息系統也不夠完善，缺少每項風險檢查統計模塊，同時智能終端工具跟不上大數據收集的要求，目前風險檢查頻次和隱患數量主要靠各科室、車間信息員進行統計，與風險相關的問題還要靠人工加以甄別，導致信息數據采集效率大大減低，信息數據來源不全，數據不完整，真實性無法得到保障。

（3）安全風險和隱患數據標準規范不健全。雖然我們對集團公司問題典庫數據進行梳理，但日常錄入的信息還有很多與典庫不對應的數據流，一方面是大數據應用剛剛起步，大家對大數據認知程度不高，不夠重視，錄入信息隨意性強。另一方面大數據標準不全面，除了梳理典庫數據外，沒有認真對段錄入的信息進行梳理，可能一些有用的信息數據正是典庫中缺少的。標準規范不健全，數據不全面、質量不高、時效性差，影響了數據分析挖掘、決策支持與可視化展示等，導致大數據應用效果差。

（4）大數據模型不健全。一是安全關鍵子項目的大數據模型缺失，例如關鍵崗位（工班長、防護員、道口員、軌道車司機等）的數據管理。二是已建大數據模型還不健全，尚不能由計算機平臺自動生成統計分析結果，例如安全風險管控模塊還處于要人工被動統計分析的階段。

5 大數據模型建設的思考和建議

大數據模型的建設思路要體現“四個一”，即基于安全生產“一張網”采集安全生產大數據，分析整合為“一張表”，通過時間空間多維度分析可視化展示為“一張圖”，形成全段大數據應用“一盤棋”。利用大數據先進技術手段歸集分析各級安全生產數據，深入推進風險分級管控和隱患排查治理雙重預防機制。

（1）在既有安全信息管理平臺的基礎上，搭建獨立的安全風險分級管控、隱患排查治理子平臺。

一是按照安全風險類別劃分，建立風險項目數據庫，對不同風險項目分四個不同等級進行評估，不同的風險項由于風險因子危害程度、數量和產生頻率不同風險等級可能不一樣，應采用不同的風險評估辦法，如車輛傷害風險，線路和橋梁兩類不同車間對車輛傷害風險就應該有不同，線路車間上道作業多，而橋梁車間上線大多數時間不上道，上道作業車輛傷害風險大，上線作業風險小，可適當考慮加權平衡，同時作業頻次也不一樣，應對同類型作業按年度平均值進行統計，最終來判別風險等級。

二是建立安全風險問題數據庫，數據庫要按照風險類別分門別類和嚴重程度劃分，同時也要將問題可能發生的崗位加以區別，既方便檢索，也方便對不同崗位風險進行分析。同時梳理完善風險問題庫，描述要清晰明了，方便錄入問題只需檢索問題點后直接選擇即可，不需另行編輯。

三是建立關鍵崗位人員數據庫，含四員一長、軌道車司機、特種作業人員、道口工等，對關鍵崗位人員要關聯風險問題，要便于分析，也便于對關鍵崗位人員綜合素質進行評價。

四是構建風險評估模型，包括風險項目評估模型、關鍵崗位風險評估模型、班組風險評估模型和車間風險評估模型，不同的風險評估模型由于風險因子數量不一樣，不同風險評估模型總分數應加以區別，或用系數進行加權平衡，扣分根據發現問題對應的嚴重程度進行扣分，扣分除以總分數的所得值作為風險評估值，根據風險評估值大小分為受控、基本受控和不受控三種形式，三種形式可以按照紅、黃、綠三種不同的顏色在系統中可視化顯示。如一個風險項目風險因子有10項，每個風險因子按100分，該風險項目總分值為1 000分，A類問題扣50分，B類問題扣20分，C類問題5分，A、B、C類問題分別發生1件，總扣分為75分，風險評估值即為75/1 000=7.5%，假設10%以內為受控，10%～20%為基本受控，20%以下為不受控，那么該項風險評價為受控，顯示綠色。

五是建立安全風險預警機制。遇安全風險上升、轉移或管控效果不好、安全風險不受控、安全問題凸顯，應及時進行風險預警，明示存在的安全風險、等級、可能導致的安全危害，提出加強安全風險管控的要求和時限。

六是根據隱患分級規定，建立隱患分級控制手冊，統一標準、規范管理，讓車間在研判隱患等級有據可依。隱患按嚴重程度劃分三個等級，Ⅰ類隱患、Ⅱ類隱患和Ⅲ類隱患；按隱患產生對象劃分四大類，設備設施缺陷、安全防護缺陷、自然環境不良和作業場所不良等。建立隱患問題分級處理流程，對不同的等級隱患設定處理時限，錄入系統后隱患按照流程辦理，保證隱患能落實到人的同時也能及時整改到位。

（2）完善管理干部量化制度。一是因崗設量化標準，不搞一刀切，完不成量化也不作為直接考核標準，只作為風險項不受控后倒追責任的考核依據，以保證問題數據的真實性。二是補齊風險參控人員，凡涉及到風險項的管理崗位都納入參控人員范圍，確保風險項有人盯控。

6 結束語

大數據在工務安全管理中的應用還有很多，如安全生產方面、應 急管理等等。而工務在大數據的運用方面還在起步階段，需要管理者高度的重視，大數據的廣泛運用勢必將會給安全生產帶來來更大的效益和光明的前景。