大数据在推进安全生产双重预防机制中的运用

黄英华 中国铁路上海局集团有限公司杭州工务段

1 大数据的概念

大数据指的是由数量巨大、结构复杂、类型众多、价值密度低的数据构成的数据集合，必须通过专业化处理才能形成有价值的信息。安全生产大数据是指安全生产领域的音频、视频、图片、地理位置及信息日志等巨量、复杂的数据集合体，它不仅仅包括安全检查发现的信息，还包括安全生产基础知识 (如法规、标准、规范、事故案例等数据)、安全生产基础数据 (如单位基本情况、人员基本信息、设备基本信息、风险隐患分类、应急资源等数据)和安全生产过程应用数据 (如重大危险源监控、重点区域监测监控、隐患排查、安全检查、设备监测预警、统计分析等数据)。

2 大数据的来源

一般来说，数据的产生有被动、主动和自动3个阶段。被动阶段就是最原始的阶段，比如在早期的工区作业记录，每天完成作业，就在日计划完成簿中记录一条安全记录，这一类数据最往往伴随着一定运营活动而产生并记录在数据库中。互联网的诞生使人们录入信息更为方便，安全管理人员对现场检查发现的违章和隐患进行记录，再使用互联网通过系统平台进行录入，系统平台对数据进行汇集、分析，汇集和保存的数据供安全管理人员查阅、分析。随着技术的发展，人们有能力制造及其微小带有处理功能的传感器，并开始将这些设备广泛地布置于社会的各个角落，通过这些设备来对整个社会的运转进行监控，这些设备会源源不断地产生新数据，这种数据的产生方式是自动的。例如视频监控就是自动产生、发送及保存的。

3 大数据在推进安全生产双重预防机制发展的作用

一是大数据运用是推进双重预防机制深入发展的需要。目前，我段共有普速线路车间12个、普速桥梁车间4个、高铁线桥车间4个、重点维修车间1个、综合车间（检查监控、运输、机修）3个、采石场2个，生产人员3 500多人，参控安全管理人员仅有170多人，段安全生产点多、线长、面广，各方面安全生产问题突出，安全管理力量相对薄弱、管理手段落后，缺乏安全管理方面的信息化系统，安全信息数据大量流失，信息数据不真实等现象普遍存在，只有充分利用信息化手段和大数据技术，彻底改变传统运动式、粗放式的安全管理手段和方法，才能提升安全管理效能。二是应用大数据能够及时、准确地发现隐患，大大提高隐患排查能力。三是应用大数据可以实现动态评估安全生产风险。四是应用大数据能大大提高事故防范与预警预测效率。通过对安全生产数据进行挖掘分析，探寻和查找事故发生的季节性、周期性、关联性等规律特征，从而找出事故根源，有针对性地制定预防方案，提升源头治理能力，降低安全生产事故的发生率。

4 现状及存在的问题

当前，信息技术高速发展引发了数据的迅猛增长，数据已成为各行各业甚至各国都争相研究和开发的关键技术手段。我们国家在2015年初步建成了国家安全生产大数据应用平台，国内各大城市也在运用大数据来加强城市治理，铁路在客货运组织与服务、运输调度、移动设备和固定设检修与监测等很多领域开展了大数据的运用。虽然我们铁路行业已经充分认识到了数据的重要性，也在一些领域取得了很好的成绩，但大数据在推进双重预防机制的作用发挥还不明显，主要表现在以下几个方面：

（1）数据资源分散，不够真实。一方面录入集团公司的安全管理信息系统问题后要考核到人，出于好人主义，一些问题降级处理，问题量化完成了多余的问题不录入系统，问题数据存入了自己的电脑中或笔记中。另一方面量化标准不够科学，对参控人员量化问题要求一刀切，部分岗位可能完不成量化问题后，随便找问题凑数，导致问题质量不高，数据不真实，还有一部分涉及风险的岗位管理人员没有全部参控，掌握的问题没有录入系统，造成部分安全风险在系统中得不到验证。

（2）数据采集还处于被动阶段。我们安全风险管控和隐患排查治理还没有自己的系统作为支撑，而集团公司的安全管理信息系统也不够完善，缺少每项风险检查统计模块，同时智能终端工具跟不上大数据收集的要求，目前风险检查频次和隐患数量主要靠各科室、车间信息员进行统计，与风险相关的问题还要靠人工加以甄别，导致信息数据采集效率大大减低，信息数据来源不全，数据不完整，真实性无法得到保障。

（3）安全风险和隐患数据标准规范不健全。虽然我们对集团公司问题典库数据进行梳理，但日常录入的信息还有很多与典库不对应的数据流，一方面是大数据应用刚刚起步，大家对大数据认知程度不高，不够重视，录入信息随意性强。另一方面大数据标准不全面，除了梳理典库数据外，没有认真对段录入的信息进行梳理，可能一些有用的信息数据正是典库中缺少的。标准规范不健全，数据不全面、质量不高、时效性差，影响了数据分析挖掘、决策支持与可视化展示等，导致大数据应用效果差。

（4）大数据模型不健全。一是安全关键子项目的大数据模型缺失，例如关键岗位（工班长、防护员、道口员、轨道车司机等）的数据管理。二是已建大数据模型还不健全，尚不能由计算机平台自动生成统计分析结果，例如安全风险管控模块还处于要人工被动统计分析的阶段。

5 大数据模型建设的思考和建议

大数据模型的建设思路要体现“四个一”，即基于安全生产“一张网”采集安全生产大数据，分析整合为“一张表”，通过时间空间多维度分析可视化展示为“一张图”，形成全段大数据应用“一盘棋”。利用大数据先进技术手段归集分析各级安全生产数据，深入推进风险分级管控和隐患排查治理双重预防机制。

（1）在既有安全信息管理平台的基础上，搭建独立的安全风险分级管控、隐患排查治理子平台。

一是按照安全风险类别划分，建立风险项目数据库，对不同风险项目分四个不同等级进行评估，不同的风险项由于风险因子危害程度、数量和产生频率不同风险等级可能不一样，应采用不同的风险评估办法，如车辆伤害风险，线路和桥梁两类不同车间对车辆伤害风险就应该有不同，线路车间上道作业多，而桥梁车间上线大多数时间不上道，上道作业车辆伤害风险大，上线作业风险小，可适当考虑加权平衡，同时作业频次也不一样，应对同类型作业按年度平均值进行统计，最终来判别风险等级。

二是建立安全风险问题数据库，数据库要按照风险类别分门别类和严重程度划分，同时也要将问题可能发生的岗位加以区别，既方便检索，也方便对不同岗位风险进行分析。同时梳理完善风险问题库，描述要清晰明了，方便录入问题只需检索问题点后直接选择即可，不需另行编辑。

三是建立关键岗位人员数据库，含四员一长、轨道车司机、特种作业人员、道口工等，对关键岗位人员要关联风险问题，要便于分析，也便于对关键岗位人员综合素质进行评价。

四是构建风险评估模型，包括风险项目评估模型、关键岗位风险评估模型、班组风险评估模型和车间风险评估模型，不同的风险评估模型由于风险因子数量不一样，不同风险评估模型总分数应加以区别，或用系数进行加权平衡，扣分根据发现问题对应的严重程度进行扣分，扣分除以总分数的所得值作为风险评估值，根据风险评估值大小分为受控、基本受控和不受控三种形式，三种形式可以按照红、黄、绿三种不同的颜色在系统中可视化显示。如一个风险项目风险因子有10项，每个风险因子按100分，该风险项目总分值为1 000分，A类问题扣50分，B类问题扣20分，C类问题5分，A、B、C类问题分别发生1件，总扣分为75分，风险评估值即为75/1 000=7.5%，假设10%以内为受控，10%～20%为基本受控，20%以下为不受控，那么该项风险评价为受控，显示绿色。

五是建立安全风险预警机制。遇安全风险上升、转移或管控效果不好、安全风险不受控、安全问题凸显，应及时进行风险预警，明示存在的安全风险、等级、可能导致的安全危害，提出加强安全风险管控的要求和时限。

六是根据隐患分级规定，建立隐患分级控制手册，统一标准、规范管理，让车间在研判隐患等级有据可依。隐患按严重程度划分三个等级，Ⅰ类隐患、Ⅱ类隐患和Ⅲ类隐患；按隐患产生对象划分四大类，设备设施缺陷、安全防护缺陷、自然环境不良和作业场所不良等。建立隐患问题分级处理流程，对不同的等级隐患设定处理时限，录入系统后隐患按照流程办理，保证隐患能落实到人的同时也能及时整改到位。

（2）完善管理干部量化制度。一是因岗设量化标准，不搞一刀切，完不成量化也不作为直接考核标准，只作为风险项不受控后倒追责任的考核依据，以保证问题数据的真实性。二是补齐风险参控人员，凡涉及到风险项的管理岗位都纳入参控人员范围，确保风险项有人盯控。

6 结束语

大数据在工务安全管理中的应用还有很多，如安全生产方面、应 急管理等等。而工务在大数据的运用方面还在起步阶段，需要管理者高度的重视，大数据的广泛运用势必将会给安全生产带来来更大的效益和光明的前景。