大数据时代下的安全管理的量化应用

江波

摘 要：通过对大数据在安全管理上的应用剖析，以液化天然气管道的压力变化为例，通过设备在一段时期内，对管道压力值的变化值的读取，通过计算机分析管线压力的变化曲线，从而发现可能存在的风险，由此提出安全管理可以量化的管理思路，同时对计算机大数据发展的判断、分析，另辟蹊径的对安全生产管理提出新的工作方法，同时也提出应用推广的难点与重点。

关键词：大数据 应急管理 量化

中图分类号：G64 文献标识码：A 文章编号：1672-3791（2018）09（a）-0100-02

从本质上讲，事故属于在一定条件下，可能发生，也可能不发生，随时间推进产生的某些意外情况而显现的随机事件。当不安全因素事件充分集合时，事故必然发生；只有做到防患于未然，才能防止事故发生。安全管理最难的是什么？是对事故的科学预警。

1 大数据时代的管理化

当我们在建设一个项目前，我们要做安全评价，这是为什么？是为了我们要了解项目的安全性，通过评估，我们发现问题解决问题，但是我们做到了安全有效控制了吗？海因里希统计了55万件机械事故，其中死亡、重伤事故1666件，轻伤48334件，其余则为无伤害事故。从而得出一个重要结论，即在机械事故中，死亡、重伤、轻伤和无伤害事故的比例为1∶29∶300，国际上把这一法则叫事故法则。这个法则说明，在机械生产过程中，每发生330起意外事件，有300件未产生人员伤害，29件造成人员轻伤，1件导致重伤或死亡。对于不同的生产过程，不同类型的事故，上述比例关系不一定完全相同，但这个统计规律说明了在进行同一项活动中，无数次意外事件，必然导致重大伤亡事故的发生。要防止重大事故的发生必须减少和消除无伤害事故，要重视事故的苗头和未遂事故，否则终会酿成大祸。传统的安全管理就是靠安全人员去盯、去管、去培训。

有效果！但是精力花费大！其实是吗？天津港事故问责安监部门后，坊间有不少反思的文章，尽管反思的角度不同，但所有讨论的核心还是那个苦恼了安监人多少年的老大难问题：怎么干，才能不必为事故买单？难道真的有种委屈的原罪叫干安全吗？

2 大数据时代的管理化分析

21世纪的到来，科技最大的飞越就是互联网+时代带来的大数据被广泛应用，环顾四周，大数据的广泛应用于我们的周边，随着移动通信和行动装置普及、物联网和网络发展，以及云端技术的不断进步，现今数据产生、搜集和储存方式比以往更为方便。数据挖掘与大数据分析可以从海量数据中，找到值得参考的样型或规则，转换成有价值的信息、洞察或知识，创造更多新价值。从网络购物、网络搜素，在大数据中，我们的每次点触都被记录，我们的喜好被标记，计算机大数据的应用的本质就是通过对目标的长时间关注，而了解目标的动态特点。安全管理的量化时代到来了。

笔者所在的企业是经营LNG接收站，此次以LNG接收站相关的安全管理举例。首先，我们来评估一下LNG接收站的可能发生以下突发事件：LNG/天然气泄漏、火灾爆炸、特种设备失效、雷击、台风、船舶碰撞、其他人身伤亡事故等。

其中LNG/天然气泄漏事故、火灾爆炸事故是LNG企业生产过程所面临的主要危险。

如何要做好有效的预警？当然必须要有数据支持，作为数字化的LNG接收站，安全管理不应该只是局限于现场的巡检，更重要的是对数据的有效分析。首先，应急管理系统不但要能调用全套的DCS数据，还要必须对全接收站所有管线和阀门安装数据读取装置，通过三维应急動态软件，可以清晰地表述现场的运行情况。举例如下：储罐低压泵液态外输到槽车装车区的管线压力区间在1.1～1.3MPa之间。通过安置在管线上的众多的数据读取装置，经过一段时间（设为3年，每年按365天计算）的不间断记录，通过数据处理，我们能够得到一个管线压力变化曲线图形，将这个图型按24h时间分，我们可以得到1095张图，通过对比计算，不难发现正常的运行生产的期间（含不同年份的同月份比较）的图形相似度是很高的，通过对比我们应该可以得到一些可信度高的图形，可以代表正常生产的状态，以此为标杆，设置数值，缩小管线压力1.1～1.3MPa之间的区间，设为预警值，一旦发现管线的部分压力数值与预警值有一段时间的偏差后，通过与管线检查周期的对比，应该能修正处，再次检维修的时间，从而保证相关设备及设施的及时保养维修，起到较好的预警作用。

3 大数据时代下的应急管理措施

近年来，在DCS关联领域有许多新进展，主要表现在：（1）系统功能向开放式方向发展。传统DCS的结构是封闭式的，不同制造商的DCS之间难以兼容。而开放式的DCS将可以赋予用户更大的系统集成自主权，用户可根据实际需要选择不同厂商的设备连同软件资源连入控制系统，达到最佳的系统集成。这里不仅包括DCS与DCS的集成，更包括DCS与PLC、FCS及各种控制设备和软件资源的广义集成。（2）仪表技术向数字化、智能化、网络化方向发展。工业控制设备的智能化、网络化发展，可以促使过程控制的功能进一步分散下移，实现真正意义上的“全数字”“全分散”控制。另外，由于这些智能仪表具有的精度高、重复性好、可靠性高，并具备双向通信和自诊断功能等特点，致使系统的安装、使用和维护工作更为方便。

一直以来DCS的数据被广泛使用在生产运行中，重点在于控制，但现代发展更着重于全系统信息综合管理，今后“综合”又将成为其关键字，向实现控制体系、运行体系、计划体系、管理体系及应急体系的综合自动化方向发展，实施从最底层的实时控制、优化控制上升到生产调度、经营管理，到最高层的战略决策，形成一个具有柔性、高度自动化的管控一体化系统。

笔者认为，在大数据时代下的应急管理具有以下几个特点。

（1）数据的全面性。

在企业（化工企业）要尽可能对厂区的阀门、管线、排风口，收集池等一系列位置，设立数据读取装置并网格化网络化。通过计算机处理将数字化信息一方面在三维平台在虚拟化的企业场景图中显示出来，另一方面在计算机后台，将一系列的数值分门别类的存储，通过横向或纵向的比较，行程一个个类似股票分析的图标和图形。这样可以直观地将风险呈现在安全人员面前。就像当你得知了台风路径图以后，你还会对台风的何时何地登陆不清不楚吗？剩下的就是你要做什么，怎么做好的事情了。其实应急管理也应该是这样简单的事情。

（2）数据的分析复杂性。

通过大数据，我们会得到一大堆的数据，如何正确选用数据和分析是个难题，我们不能一股脑的指望给计算机，运算逻辑的编排一定是人脑完成的。国家讲到反恐的时候，总是强调人防和技防要相结合。其实应急也是这样，对数字的分析筛选，找出规律，对操作人员的要求很高，对数字的拿捏不逊于任何一个华尔街的精算师。紧急管理现在就缺少这样的人才。

（3）投入的巨大。

一具有个数字化的应急系统的企业，其硬件投资是巨大的，首先，其现场的每个阀门、仪表及管线的数值是可实时读取的；其次，有个1∶1的数字化三维LNG模型，所有的数值可以在其上相应显示并能及时更新，且服务器设置满足灾备条件；再次，整个工厂有自己的LET网络，可以稳定的进行厂内数字化信息的读取；最后，也是最重要的有一套适合企业本身的应急数据模型分析软件及有经验的应急数据分析师。

4 结语

随之大数据应用的普及，笔者相信安全管理不再是靠天吃饭，拼运气，而是通过具体的数据模型，对相关的人、物、环境的参数变化分析，从而判断出何时是风险的发生高峰值，然后进行有效干预，杜绝事故的发生，相信那一天的到来，作为安全管理人员才会自豪的说，一切事故都是可以避免的，因为科学分析已经论证了。

参考文献

[1] 陆红.房价大数据分析模型构建方法[J].数字技术与应用，2017（3）：137-138.

[2] 郑颖.基于Web信息大数据分析的信息资产研究与实现[D].北京交通大学，2017.

[3] 曹军威，袁仲达，明阳阳，等.能源互联网大数据分析技术综述[J].南方电网技术，2015，9（11）：1-12.