基于大數據的特種設備宏觀安全風險預警方法研究*

王新浩，羅 云，李 桐，黃西菲

( 1.中國地質大學(北京) 工程技術學院，北京 100083； 2.中國特種設備檢測研究院，北京 100029)

0 引言

特種設備作為我國國民經濟和人民生活的重要基礎設施，量大面廣，具有特殊的專業技術性和潛在高危險性[1]。近年來，我國特種設備萬臺死亡率呈下降趨勢，但特種設備事故的傷亡人數仍是發達國家的4～5倍[2]。為進一步遏制特種設備事故發生，保障人民生命和財產安全，我國實行嚴格的監督檢驗制度[3]。在此過程中，特種設備監管機構積累了大量的數據資料。充分挖掘、利用其中的潛在價值，將對增強監管針對性，提高檢驗效率，實現特種設備監督檢驗工作優化提升具有重要意義。

目前，我國特種設備風險評價預警的研究主要集中在單體設備風險評價和整類設備風險評價2個方面。單臺設備風險評價方面，文獻[4]、文獻[5]、文獻[6]等分別以機電類、承壓類等特種設備為對象，構建風險評價模型，指導企業進行隱患查治以及風險防控。但由于此類方法的研究對象尺度相對較小，對安全監督檢驗工作的指導作用有限。在此背景下，部分學者嘗試通過風險強度模型[7]、功效系數法[8]等方式評價整類設備的風險等級，指導政府合理分配監管力量。

受上述文獻啟發，本文擬構建1種宏觀安全風險預警方法，以特種設備安全監督檢驗大數據為基礎，利用關聯規則挖掘、社區發現、可視化等數據挖掘技術，對區域范圍、缺陷類別等多種宏觀指標進行預警，以期為特種設備監督檢驗提供更多指導意見，進一步增強監管針對性，提高檢驗效率。

1 理論基礎

1.1 宏觀安全風險

宏觀安全風險是指從較大時間尺度和空間范圍來度量的系統性、綜合性、社會性安全風險，是各種不確定性對安全監管預期目標的不利影響。其研究范疇是多維度視角下的風險防控規律，包含多種時間尺度(包括風險過程、周期、時段等)，多種空間范圍(點、線、面、體、單位、行業等)，多種應用領域(政府檢查、行業監管、技術檢驗等)。因此，宏觀安全風險具有社會性、系統性、綜合性等特點。

1)社會性：宏觀安全風險具有社會風險的屬性，不僅包括本體(設備)風險因素，還包括受體風險因素。

2)系統性：宏觀安全風險以系統為研究對象，不僅涉及設備、人員、環境和社會等因素的主要特征和狀態，還包含系統因素間的內在聯系。

3)綜合性：宏觀安全風險具有自然風險與社會風險、個體風險與群體風險綜合的特性，包括生命安全風險、財產安全風險、環境安全風險、社會安全風險等形態。

基于上述定義可以認為，為了滿足政府檢查、行業監管、技術檢驗的需求，實現宏觀安全風險預警，應以海量數據為基礎，分析設備、人員、環境等多種微觀因素間的聯系，進而評估宏觀層面風險的狀況。

1.2 大數據

安全生產大數據是指在進行與安全生產相關的活動時，通過一定方式獲取到的可反映安全生產本質規律、體現安全生產基礎理論價值的安全生產數據集，以及對安全生產數據集進行處理時所使用的大數據思維和大數據技術[9]。根據《特種設備安全監察條例》相關規定，我國特種設備監督檢驗機構會開展特種設備監督檢驗、定期檢驗、型式試驗以及專門為特種設備生產、使用提供無損檢測服務，在此過程中形成了大量的安全生產檢查報告、設備設施檢驗案例報告、設備設施可靠性鑒定報告等監管數據[10]。隨著監督檢驗工作的開展，大量數據被不斷積累，最終匯集成了特種設備安全監督檢驗大數據。

1.3 數據挖掘技術

數據挖掘(data mining, DM)是數據庫知識發現(Knowledge-Discovery in Databases, KDD)中的一個步驟，一般是指從大量數據中挖掘有趣模式和知識的過程，主要通過統計發現、機器學習、專家系統和模式識別等方法實現[11]。宏觀安全風險預警方法涉及多最小支持度關聯規則挖掘算法、快速展開(Fast unfolding)算法和可視化技術。

多最小支持度關聯規則挖掘算法是等價類變換(Equivalence class transformation, Eclat)算法[12-13]的優化算法，可以用于挖掘各類因素間的關聯關系。Eclat算法是采用垂直數據格式挖掘頻繁項集的深度優化算法，是在概念格理論的基礎上，利用基于前綴的等價關系，將搜索空間劃分為較小的子空間，對各子空間進行自下而上的搜索，進而獲取頻繁項集[14]。不同于傳統水平數據格式挖掘算法，該算法不用通過掃描所有數據集來確定(K+1)項集的支持度，算法效率較高，適應于數量巨大、因素眾多的安全生產大數據。

現實世界中，許多復雜系統可以表示成圖或網絡，如社會網絡、生物網絡、信息網絡等。復雜網絡可以自然地分成一些節點組，使同1個節點組內的2個節點之間比不同節點組的2個節點之間更傾向于有邊相連，網絡的這種拓撲特性被稱為社區結構，相應的，每個節點組被稱為1個社區[15]。通過對社區信息的認識，可以幫助我們了解各安全相關因素間的親疏關系，進而進行針對性監管和檢驗。快速展開算法是基于模塊度對社區劃分的一種迭代的算法[16]，算法包括模塊化優化(Modularity Optimization)和社區聚集(Community Aggregation)2個階段，首先，通過模塊化優化，將每個節點劃分到預期鄰接的節點社區；然后，將第一階段得到的社區聚合成1個點，并重復上述過程，最終使各個節點分配到最優社區。

可視化技術是利用計算機圖形學和圖像處理技術，將數據信息轉換為圖形信息，并交互處理的理論、方法和技術[11]。將可視化技術應用于宏觀安全風險中，可以更加清晰地表現各類因素間的關聯關系，以及因素關系的緊密程度，方便監管者理解風險信息，優化監管檢驗策略。

2 宏觀安全風險預警方法

宏觀安全風險預警主要包括數據預處理、風險預警信息挖掘、可視化分析及決策3個環節，如圖1所示。

2.1 海量數據預處理

數據預處理是宏觀安全風險預警中的一個重要環節，尤其是對含有異常數據、不完整數據的對象進行挖掘時，需要進行數據預處理，以提高數據挖掘對象的質量，并最終達到提高所獲信息質量的目的。

1)結構化處理：政府檢查、行業監管、技術檢驗等資料多以文本形式存儲，而數據挖掘模型往往無法直接處理這些非(半)結構化信息，因此需要對文本資料進行預處理，以滿足數據挖掘需求。在此階段，非(半)結構化文本資料中的主要信息將以關鍵詞的形式被提取與存儲，形成結構化數據。

圖1 宏觀安全風險預警流程Fig.1 Process of macro safety risk warning

2)清理與集成：原始資料往往存在著大量的“臟”數據，如主要屬性信息缺失、關鍵指標偏離期望值、數據結構不一致等，這些數據會影響信息質量。在此階段，需要填補遺漏數據、剔除異常數據、平滑噪聲數據，并對數據結構進行標準化處理，將不同來源的數據合并到一起，形成統一的數據集合。

3)選擇與變換：根據分析需求，選擇數據信息，然后對數據進行規格化操作，利用一般化識別編碼(Generalized Identifier, GID)將關鍵詞轉化為結構化代碼，形成安全生產監管數據庫，為數據挖掘做準備。

2.2 風險預警信息挖掘

風險預警信息挖掘主要包括3部分，首先，利用多最小支持度關聯規則挖掘算法挖掘單臺設備微觀因素間的關聯關系；然后，根據冗余原理刪除冗余關聯規則；最后，基于快速展開算法，對關聯規則進行社區發現與劃分。

1)關聯規則挖掘：因素性質不同，出現頻度也不盡相同，如瓶體受火焰損傷的可能性明顯少于管路管件存在缺陷的情況，西部地區特種設備數量明顯小于東部地區等。因此，最小支持度設置過高，則無法挖掘這些低頻度因素的關聯規則；而降低支持度閾值，關聯規則數量又會急劇增多，增加分析難度。針對上述問題，設計多最小支持度關聯規則挖掘算法，在傳統Eclat算法基礎上，分別對各因素指標設置不同的最小支持度，從而解決出現頻率不均勻的問題，發現更多有用的規則。具體步驟包括：步驟1，根據監管需求設置多最小支持度、最小置信度、最小Kulczynski(Kulc)值和最大不平衡比(Imbalance Ratio, IR)；步驟2，搜索數據集，獲得符合各自最小支持度的頻繁1項集；步驟3，按照最小支持度對頻繁1項集進行升序排列，形成如圖2所示的搜索空間；步驟4，應用Eclat算法，獲取滿足各自最小支持度的頻繁項集；步驟5，根據最小置信度、最小Kulc值和最大IR，計算滿足條件的關聯規則。

圖2 頻繁項集搜索樹Fig.2 Frequent item sets search tree

2)冗余發現與刪除：設置多最小支持度進行挖掘關聯規則會產生大量規則，監管者很難有效分析和利用這些規則。為了解決此問題，提出冗余原理，有效減少規則數量。

設關聯規則X→Y和A→B，若(X∪Y)?(A∪B)，且A?X，則A→B可以稱為X→Y的冗余規則。

證明：由(X∪Y)?(A∪B)可知，Sup(A∪B)≥Sup(X∪Y)；又因為A?X，則Sup(X)≥Sup(A)。

設Sup表示項集支持度，Conf表示規則的置信度。

因此，可由X→Y推出A→B，即A→B為X→Y的冗余規則。

3)社區發現與劃分：若將關聯規則的前、后項分別看作通過連線連接的2個獨立節點，那么通過關聯規則挖掘，可以得到由若干節點和連線組成的復雜網絡。利用快速展開算法，對這些節點進行社區劃分，可以確定節點間的親疏關系。

通過上述過程，安全生產監管數據庫中的監督檢驗信息被轉化為存在于不同社區中的關聯規則。利用關聯規則，監管者可以根據已知因素預測其他因素存在的可能性，實現風險預警；根據社區劃分，則可發現不同因素間的緊密關系，進而指導監管檢驗策略的優化。

2.3 可視化分析及決策

宏觀安全風險的可視化圖像可以看作是一個由若干節點和連線組成的復雜網絡，節點代表各類安全相關因素，因素出現的頻度越高，對應節點越大；因素間的關聯關系則由連線表示，連線越粗表示關系越緊密。關系密切的因素節點被歸為同1個社區，并用不同的顏色進行區別。通過對可視化圖像分析，監管者可通過已知節點來預警未知節點，并根據社區分類情況對關系密切的參數進行統一監管。

3 應用實踐分析

以2008—2016年全國長管拖車檢驗數據為例，進行應用實踐分析，驗證方法的可行性。

3.1 數據描述

實踐過程中，收集2008—2016年全國長管拖車檢驗案例報告1 123份，以紙質文件和電子文檔形式為主。經過數據預處理，得到1 123條結構化數據，每條數據均包括缺陷類型、設備使用地區、使用單位、設備類型、制造單位、制造時間、缺陷描述關鍵詞、檢驗結論關鍵詞、檢驗人員9類信息。其中，缺陷類型包括：管路及管件缺陷、爆破片安全裝置缺陷、氣瓶固定裝置缺陷、氣瓶腐蝕、瓶口缺陷、氣瓶鼓包等19項因素；缺陷描述關鍵詞包括：缺陷形式描述、缺陷位置描述、檢查方式描述3類，如：裂紋、變形、底部、鋼印端、宏觀檢查、滲透檢測等59項因素；檢驗結論關鍵詞主要包括：更換、修復、繼續使用、縮短周期、報廢、復檢等10項因素。

分析檢驗案例報告時間分布發現，檢驗案例報告數量由2008—2016年逐年遞增，且增長趨勢較為平穩，如圖3所示。分析其中原因，一方面，與我國長管拖車制造能力提升，長管拖車的保有量逐年遞增有關；另一方面，自2008年國家質量監督檢驗檢疫總局正式頒布《長管拖車定期檢驗專項要求》起，長管拖車定期檢驗方式方法與制度法規不斷優化完善，相應的氣瓶裝備報檢系統逐步建立并投入使用，檢驗報告的數據質量及存儲能力大幅提高，使得可利用數據量增多[17]。

統計設備缺陷類型及比例，共得到管路及管件缺陷、爆破片安全裝置缺陷、氣瓶固定裝置缺陷等19種缺陷，如圖4所示。數據涵蓋了主要的長管拖車缺陷問題，且前3種缺陷的數量占總數的54%，與實際情況相符[18]。可以認為，本文涉及的長管拖車數據與實際情況基本相符，具有進一步數據挖掘與分析價值。

圖3 檢查時間分布情況Fig.3 Distribution of check time

圖4 缺陷類型及比例Fig.4 Defect type and proportion

3.2 數據挖掘

應用Python對數據挖掘算法進行編碼。設頻度閾值為10，即若因素出現次數大于10，則被劃分為頻繁1項集。頻繁1項集的最小支持度為該項出現頻率的20%，如管路及管件缺陷頻度為213，則該項的最小支持度為42。另外，設最小置信度為70%，最小Kulc為50%，最大IR為50%。運算得到關聯規則4 131條，刪除冗余規則2 455條，占總規則數的59.4%，剩余1 676條關聯規則被劃分74個社區，如表1所示。

關聯規則分析應以滿足用戶需求為目的，因此，在進行特種設備宏觀安全風險預警過程中，應從政府監管部門、制造企業、檢驗機構、使用單位4個角度進行規則分析挖掘：

1)缺陷信息與使用地區間的規則，如規則1表示氣瓶壁薄缺陷多出現在04地區的長管拖車中，用于預警某地地區的某類缺陷可能存在的風險較大，指導政府監管部門調整監管策略、提高監管針對性。

表1 關聯規則及社區Table 1 Association rules and communities

2)缺陷信息與制造企業間的規則，如規則2表示制造單位01制造的設備多出現氣瓶固定裝置缺陷問題，用于指導制造企業優化生產工藝，提升設備可靠性。

3)缺陷信息與檢驗人員、設備類型間的規則，如規則3表示檢驗員11可以高效利用硬度檢測技術檢測硬度異常問題，用于檢驗機構優化人員培養、調整檢驗方法，提高檢驗效率。

4)缺陷信息與使用單位間的規則，規則4表示使用單位08多出現氣瓶固定裝置缺陷問題，用于指導企業發現缺陷產生原因，優化設備使用操作規程、明確維修保養重點。

3.3 可視化及分析

關聯規則數量眾多，因素間往往存在緊密關聯關系，如表1規則3與規則5中，硬度檢測、硬度高于標準值、氣瓶硬度異常缺陷、不允許使用等因素往往同時存在。為了便于發現因素間的有用現象，指導分析決策，對上述1 676條關聯規則進行可視化處理，如圖5所示。

圖5 關聯規則可視化Fig.5 Visualization of association rules

分析圖5發現，因素間呈明顯的聚集現象，形成若干緊湊的社區。由各社區核心因素的標簽可以看出，相同缺陷類型或企業類型涉及的因素關系較為緊密，不同社區間節點相對獨立；如：氣瓶硬度異常、使用單位03等社區節點數量多、連線密集，氣瓶鼓包、氣瓶腐蝕等社區間卻幾乎沒有連線。因此，只要合理控制各自社區中連線較多的關鍵因素節點，就可以大幅降低社區規模，達到宏觀風險預控的目的。

為發現社區內部因素間的關系，需對各個社區進行逐一分析，以使用單位03社區為例進行說明，如圖6所示。圖中x軸為關聯規則的前項，y軸為規則后項，第2行第3列的節點表示使用地區08等8項因素存在的條件下，會出現硬度超出標準值等14項因素，有70條規則與該類因素有關。點的大小代表該類規則出現的頻度，點越大表示該類規則出現頻度高；點的顏色表示規則的置信水平，顏色越深置信度越高。

具體分析如下：

1){使用地區08→硬度超出標準值}、{使用地區08→氣瓶硬度異常缺陷}、{硬度超出標準值→使用地區08 }、{氣瓶硬度異常缺陷→使用地區08 }同時出現，且3項因素互為條件的現象，說明3項因素間的關系十分緊密。因此，可以認為使用地區08的氣瓶硬度異常問題具有較高風險，應進行針對性檢驗與管理。

2){制造單位03→硬度超出標準值}、{制造單位03→氣瓶硬度異常缺陷}說明該單位制造的設備存在該類缺陷的可能性較大。但由于相應節點顏色較淺、置信度較低，關聯度相對較弱，因此不能確定是否存在必然聯系，制造單位應認真進行工藝安全分析，降低風險。

3)檢驗員03，08，10，11均檢測出氣瓶硬度異常缺陷，其中檢驗員11對應的規則置信度與頻度較高，說明該檢驗人員對該類異常問題的檢驗較為高效，應分析其檢驗方式方法，并予以推廣。

4)使用單位03出現氣瓶硬度異常缺陷問題的概率較高，該單位應查詢分析缺陷設備的制造單位，減少該單位設備的使用率，提升設備安全水平。

圖6 社區可視化Fig.6 Visualization of community

4 結論

1)應用并優化關聯規則挖掘、社區發現、可視化等數據挖掘技術，構建1種宏觀安全風險預警方法，以特種設備安全監督檢驗大數據為基礎，通過挖掘單臺設備微觀因素間的關聯關系，實現整類特種設備宏觀安全風險的識別與預警。

2)以2008—2016年全國長管拖車檢驗數據為例進行應用實踐分析，研究結果表明，該方法可以對區域范圍、缺陷類別等多種宏觀指標進行預警，指導針對性監管與檢驗。

3)本文提出的方法以安全生產監管大數據為運行基礎，對于信息化水平較低、歷史數據較少的機構單位，數據挖掘效果可能不佳，而如何增強對稀疏數據的挖掘能力將是下一步研究方向。

[1] 江書軍.基于動態博弈的特種設備安全投入監管策略研究[J].中國安全生產科學技術，2014，10(S1)：59-64.

JIANG Shujun. Study on supervision strategies for safety investment of special equipment based on dynamic game theory [J].Journal of Safety Science and Technology, 2014, 10(S1): 59-64.

[2] 王新浩，羅云，何義，等.特種設備政府安監職能轉變風險預警及控制決策方法研究[J].中國安全科學學報，2014，24(12)：103-109.

WANG Xinhao, LUO Yun,HE Yi,et al.Research on method of risk pre-warning and control decision when transferring function of government safety supervision of special equipment[J]. China Safety Science Journal, 2014,24(12):103-109.

[3] 崔慶玲，羅云，崔剛，等.基于灰色理論的特種設備安全事故預測研究[J].中國安全生產科學技術，2013，9(5)：141-144.

CUI Qingling,LUO Yun,CUI Gang,et al.Study on prediction of special equipment accident based on grey theory [J].Journal of Safety Science and Technology, 2013, 9(5):141-144.

[4] 崔文，羅云，曾珠，等.機電類特種設備典型事故風險分級預警預控方法研究[J].工業安全與環保，2014，40(5)：59-62,4.

CUI Wen, LUO Yun,ZENG Zhu,et al. The study of ranking methods of the typical accidents risks of machinery & electronic special equipment for early-warning and pre-controlling [J]. Industrial Safety and Environment Protection, 2014, 40(5):59-62,4.

[5] 楊景標，鄭炯，李緒豐，等.承壓類特種設備系統性風險研究[J].中國安全生產科學技術，2012，8(8)：41-46.

YANG Jingbiao,ZHENG Jiong,LI Xufeng,et al.Investigation on the failure consequence weighting model in risk assessment for pressure equipment [J]. Journal of Safety Science and Technology, 2012,8(8):41-46.

[6] 陳學東，艾志斌，楊鐵成，等.基于風險的檢測(RBI)中以剩余壽命為基準的失效概率評價方法[J].壓力容器，2006(5)：1-5.

CHEN Xuedong,AI Zhibin,YANG Tiecheng,et al.Assessment method of failure probability with residual life as reference in risk-based inspection (RBI)[J].Pressure Vessel Technology, 2006(5):1-5.

[7] 門智峰，張彥朝.特種設備的風險評估技術[J].中國安全生產科學技術，2006,2(1)：92-94.

MEN Zhifeng,ZHANG Yanchao. Risk assessment of special equipment [J].Journal of Safety Science and Technology, 2006,2(1):92-94.

[8] 王冠韜，羅斯達，羅云，等.基于功效系數法的特種設備宏觀安全風險評價模型[J].中國安全生產科學技術，2016，12(9)：146-151.

WANG Guantao,LUO Sida,LUO Yun,et al. Assessment model of macro safety risk for special equipment based on efficacy coefficient method [J].Journal of Safety Science and Technology, 2016,12(9):146-151.

[9] 歐陽秋梅，吳超.安全生產大數據的5W2H采集法及其模式研究[J].中國安全生產科學技術，2016，12(12)：22-27.

OUYANG Qiumei, WU Chao. Research on 5W2H acquisition method and mode of big data for work safety[J]. Journal of Safety Science and Technology, 2016, 12(12):22-27.

[10] 張長魯.煤礦事故隱患大數據處理與知識發現分析方法研究[J].中國安全生產科學技術，2016，12(9)：176-181.

ZHANG Changlu.Study on big data processing and knowledge discovery analysis method for safety hazard in coal mining [J]. Journal of Safety Science and Technology, 2016, 12(9):176-181.

[11] HAN J,KAMBER M,PEI J.Data mining concepts and techniques (Third Edition) [M]. Waltham: Morgan Kaufmann Publishers, 2012: 243-248.

[12] 馬明煥，王新浩，許曉輝，等.基于數據挖掘技術的事故隱患預警方法研究[J].中國安全生產科學技術，2017，13(7)：11-17.

MA Minghuan,WANG Xinhao,XU Xiaohui,et al.Research on the method of hidden danger early warning based on data mining [J]. 2017, 13(7):11-17.

[13] 王新浩，秦緒華，羅云.基于垂直數據格式的企業隱患預警方法研究[J].中國安全科學學報，2017，27(2)：157-162.

WANG Xinhao, QIN Xuhua, LUO Yun,et al. Research on vertical data format based method for enterprise hidden trouble early warning [J]. China Safety Science Journal,2017,27(2):157-162.

[14] ZAKI M J. Scalable Algorithms for Association Mining[J]. IEEE Trans.knowl.data Eng, 2000, 12(3):372-390.

[15] 程學旗，沈華偉.復雜網絡的社區結構[J].復雜系統與復雜性科學，2011，8(1)：57-70.

CHENG Xueqi,SHEN Huawei. Community structure of complex networks[J]. Complex Systems And Complexity Science, 2011, 8(1):57-70.

[16] BLONDEL V D, GUILLAUME J L, LAMBIOTTE R A. Fast unfolding of communities in large networks[J]. Journal of Statistical Mechanics-Theory and Experiment, 2008(10): 155-168.

[17] 董紅磊，李邦憲，薄柯，等.我國長管拖車安全技術發展綜述[J].中國特種設備安全，2014，30(8)：1-5.

DONG Honglei, LI Bangxian,BO Ke,et al. Review of the development of tube trailer cylinder on safety technology [J].China Special Equipment Safety, 2014, 30(8):1-5.

[18] 駱輝，薄柯，李邦憲，等.高純氣體長管拖車結構特點及定期檢驗問題[J].中國特種設備安全，2016，32(3)：35-39.

LUO Hui, BO Ke,LI Bangxian,et al. Structure features and periodic inspection problem of high purity gases tube trailer [J].China Special Equipment Safety, 2016, 32(3):35-39.