安全隱患排查治理中信息化軟件的研發與應用

狄 佳

(中鐵二十二局集團有限公司 北京 100043)

1 引言

近年來，基礎設施投資力度不斷加大，建筑施工領域的安全事故也隨之頻發，清華附中坍塌事故、江西豐城電廠平臺倒塌事故等一系列特重大事故的發生，造成了施工企業安全管理形勢面臨嚴峻挑戰。為有效遏制重特大事故的發生，《國務院安委會辦公室關于實施遏制重特大事故工作指南構建雙重預防機制的意見》中明確提出要建立施工隱患排查治理體系和安全風險分級管控雙重預防機制，對施工企業安全隱患排查治理方面提出了更高要求。如何更高效地發現、解決隱患問題，成為安全隱患排查治理體系的核心問題[1]。

2 安全隱患排查治理體系存在的弊端

(1)傳統安全隱患排查治理活動開展形式與弊端

傳統的安全隱患排查治理活動開展時，一般由施工單位負責人牽頭組織各部門對施工現場進行隱患排查[2-3]。在隱患整改過程中，經常會出現一個隱患問題因整改不到位，現場反復整改，管理人員頻繁奔波，造成人力資源的浪費[4-5]。

在傳統模式中加強現場管控的唯一手段就是多加人，安排大量的人員去從事隱患排查治理工作，嚴重增加了施工單位的人力成本[6-7]。可見，傳統的隱患排查治理手段已遠遠滿足不了施工現場的管理需要，無法適應當前安全管理的快節奏。

(2)現有信息化平臺的應用與弊端

中國鐵建安全隱患排查治理平臺于2014年投入使用，由中國鐵建股份公司安全監督部牽頭開發，系統內19家綜合工程局使用。系統基本涵蓋了中鐵二十二局的在建項目，主要功能為項目安全隱患排查治理，客戶端為網頁登錄，減少了程序的安裝，相比于一些需要安裝客戶端的軟件平臺進步了很多。但是隱患治理平臺的“發現隱患”模塊，仍然需要建立在傳統的隱患排查治理形式的基礎上，需要人首先完成隱患排查工作，然后通過電腦完成相應隱患信息的上傳，在使用中仍然存在隱患整改時效性差的缺點，同時隱患的整改記錄需要人工編制，重復作業、工作量繁重。

3 “智管云”軟件的研發

3.1 研發目地

為了解決以上問題，實現安全質量隱患信息即時傳遞，優化傳遞流程，實現無紙化辦公，自動形成安全檢查檔案記錄等目標，中鐵二十二局集團決定研發一款結合信息化資源與手機的便攜性，集成視頻監控、隱患排查、安全數據分析為一體的手機APP軟件。APP軟件后臺建立在阿里云計算服務器上，實現“互聯網＋安全質量隱患管理”智能一體化服務，軟件命名為“智管云”。

3.2 研發思路

選取北京地鐵17號線06標項目部為試點，成立研發組，計劃分三個階段展開研發工作。

第一階段:開發集成視頻監控系統，實現手機APP軟件查看現場作業情況。

第二階段:集成隱患排查功能，實現對隱患的實時傳遞。

第三階段:通過對隱患問題的風險等級、類型等標簽化實現APP軟件的智能實時分析能力。

通過模塊化的功能增加，實現軟件的可持續發展；通過每階段的實踐應用，修復管理流程的bug，優化軟件功能，提高軟件的可操控性。

3.3 視頻集成模塊研發

2017年9月，研發組完成第一階段軟件開發，實現手機客戶端與現場視頻監控互聯功能。通過軟件在項目工點地圖中點擊該處的攝像頭，實現實時查看該處施工作業現場的施工狀態，如圖1所示。

圖1 通過軟件視頻集成模塊實時監控作業現場

研發組將施工現場的視頻監控系統劃分為安全風險視頻監控系統、一般作業面監控系統和治安保衛重點部位監控系統。安全風險視頻監控攝像頭全部覆蓋項目部危險性較大及超過一定規模的危險性較大的工程區域。

3.4 隱患排查模塊研發

2018年2月，研發組完成第二階段軟件開發，實現手機客戶端隱患排查執法功能。隱患排查的核心是隱患數據的分類識別，以歷年的問題庫臺賬為基礎，結合法規、標準等文件，將施工現場隱患問題分成安全、質量兩大類。安全類中將所有的隱患問題分為安全管理、消防安全、臨電等18個小類共計101項330條；質量類中分為質量管理、防水工程、鋼筋工程等共計13個小類141條，并按季度更新數據庫，確保隱患數據與工程的實際情況相符合、現行標準與隱患排查依據相匹配。

通過實踐應用，研發組在隱患信息傳遞方面進行了不斷的深度優化和升級，增加了隱患信息推送功能。對于現場實施上傳的隱患，系統可以自動在軟件內進行信息推送，還可以將隱患信息以短信形式推送給整改責任人和隱患相關人，確保信息傳達的及時性及準確性，確保現場排查的隱患可以在第一時間得到重視和整改。

研發組優化隱患上傳功能，通過輸入關鍵字或查找隱患列表，即可在數據庫內查找到對應的隱患問題類別，再進行隱患問題描述及整改要求。隱患涉及的工區、勞務隊、整改時間、整改責任人、知會人等信息均在菜單中進行點擊選擇即可，方便快捷。發現隱患錄入界面如圖2所示。

圖2 軟件發現隱患的錄入界面

照片的導入可以使用軟件調用手機攝像頭進行拍攝，也可訪問手機相冊進行選擇。經過功能優化，一個熟練的人員從發現隱患在手機APP中進行隱患信息上傳及拍攝照片，用時平均不超過1 min，初次接觸人員在現場指導的情況下也可以在2 min內完成隱患信息上傳。

APP軟件上傳的所有問題均可以在軟件的控制后臺提取需要形成的隱患問題檢查記錄，按照隱患整改的五定原則，自動形成并導出檢查記錄及整改記錄，既確保了隱患問題整改的全過程透明化，又留下現場管理的檢查痕跡，同時大幅度降低工作量，全面提升工作效率。經比對，整改人員手工填表、編輯照片、閉合檢查記錄需要花費的時間約90 min，用軟件僅需1 min就可從后臺導出一份合格的檢查記錄。

3.5 智能分析數據模塊研發

施工單位每周、每月定期召開安全質量例會，項目部安全與質量管理部門需要匯總一周或一個月以來現場存在的隱患問題，通過隱患數量進行數據對比分析并對工區和勞務隊進行量化考核。由于施工工點數量多，隱患問題繁雜不一，需要安全、質量管理部門各配備專人耗時2 d進行人工統計分析，數據的邏輯關系基礎工作量大，對統計人員的工作精細程度要求高，且復核人員的審核工作量隨之增加。一個數據出錯可能造成連鎖反應，無法反映出現場的真實生產管理情況[8-9]。

為有效解決該問題，在第二階段隱患排查的基礎上，研發組進行了第三階段的智能數據分析模塊開發。在第二階段安全、質量隱患問題數據庫的基礎上，對設定的隱患數據進行標簽化，每一個隱患數據都有對應的隱患級別，考核扣分標準、處罰金額[10]。通過上傳隱患時選擇的隱患數據庫對發現的隱患問題進行同標簽化設置，添加隱患上傳可點擊選擇的工區、隊伍、責任人等數據標簽，實現了對發現隱患問題的數據化；實時體現工區、勞務隊之間的安全考核數據對比，實現按照隱患問題的類型進行數據對比，形成隱患問題發展趨勢等系統性的統計圖表，如圖3所示，便于過程中對隱患問題進行精確定位、精準管理[11]。

所有統計數據報表均以隱患排查為基礎體現實時變化，徹底解決了人工數據分析的不準確性和低效率，讓量化考核工作和安全管理數據分析精準無誤、管理導向清晰。

圖3 軟件發現隱患問題發展趨勢統計分析曲線

4 “智管云”軟件的應用與效果

“智管云”軟件在標準化、信息化管理程度較高的北京地鐵項目與工程建設同步研發，解決了風險源辨識和評估工作滯后或形式化，和現場施工不能緊密結合，對重大風險源可能帶來的安全、質量隱患以及可能由此造成的事故預判不及時，預防措施不到，“沒有想到”的問題；解決現場管理人員巡視現場“不能發現隱患”的問題；解決現場管理人員及項目部相關人員不主動履職的問題，巡檢頻率不足、整改不及時的現象；解決管理人員對現場安全質量管控狀態無法實時掌握的弊端。

2019年9月，在“智管云”軟件取得階段性成功的基礎上，集團公司對21個在建項目進行了軟件應用試點工作，參與試點的員工數量達930人，接入平臺的攝像頭數量為182臺，如圖4所示。

圖4 智管云軟件整體接入項目及隱患匯總統計界面

從試點項目應用推廣的情況看，各項目對隱患排查治理管理提升顯著，隱患問題的整改時限均在24 h內完成。安全隱患的動態管控，讓更多的問題得到記錄、整改與復核，同時提高了工作效能。項目上安全部門人員平均每日處理電子文檔時間從1～2 h不等，下降到30 min以內。既提高了安全管理的全時段、全周期管理覆蓋率，也大大降低了基層員工的勞動量。實踐證明，軟件有效地實現了研發目標。

5 “智管云”軟件下一步研發方向

為進一步提升項目安全管理信息軟件智能化應用，計劃在現有軟件一期研發基礎上，構建基于大數據的AI學習智慧大腦，初步具備智能預測各類風險的能力。隨著軟件在項目中不斷推廣普及，大量數據收集累加，把隱患等各種信息統籌起來，使用科學的方法洞察與分析，從這個復雜體系中提取關鍵的控制元素，再從控制元素入手去改善現有的項目安全管理舉措，從而形成良性循環[12]。在施工現場大規模隱患、風險數據的基礎上，采用tensor flow等機器學習框架，利用機器監督學習的方法，構建合理的數據模型，可以讓機器具備人工智能分析風險的能力，從而實現人工智能判斷項目風險。

6 結束語

科技的創新永無止境，圍繞項目安全管理工作的核心，充分利用信息化手段，促進項目安全管理水平提升，最終實現安全生產無事故的目標。