科技猎智能制造大数据应用–看联想大数据如何提升企业安全生产管控水平
编者按：
大数据在安全生产中的应用，最基本的功能就是从海量的安全生产数据中寻找事故发生的规律、预测未来，从而对症下药，有效遏制事故的发生。同时，大数据在提升安全监管能力和明确安全责任方面也可发挥重要作用。
背 景：
大数据一方面加速了安全生产事故信息传播速度，导致企业安全生产的被关注度空前高涨，另一方面，也为解决安全生产问题带来了“利器”——大数据。基于联想内部生产制造安全生产验证和外部行业项目应用，安全生产大数据正以迅猛的速度渗透到越来越多的如工程制造、炼油化工等智能制造领域。
近些年来危险化学品和开发区制造行业事故频发，安全大数据作为安全生产管控的有力抓手，正越来越受到企业和政府安全监管部门的重视，即通过帮助企业智能制造水平和智能化程度的提升(如采用在线检测系统，对煤矿生产、危化品生产、石油化工工艺、加工制造等生产过程中的温度、压力、重量、粉尘、气体等实施严密监控，采用智能传感器获取重要过程参数和工艺指标，推广智能装备、生产线在线健康监测与诊断系统等)，减少高危生产环节过程中作业人员，以及重大危险源安全管理少现场巡检人员和应急处置人员，最终达到提高企业本质安全和减少作业人员接触高危风险几率，提升企业的安全生产管控水平。
一、智能大数据分析在企业安全生产中的价值
1、练就隐患管理苗头发现的眼睛
大数据应用可及时准确地发现事故隐患，提升排查治理能力。当前，企业的安全生产隐患排查工作主要靠人力，通过人的专业知识去发现生产中存在的安全隐患。这种方式易受到主观因素影响，且很难界定安全与危险状态，可靠性差。通过应用海量数据库，建立计算机大数据模型，可以对生产过程中的多个参数进行分析比对，从而有效界定事物状态是否构成安全隐患。
图1-智慧隐患排查整改系统
2、提供安全监管有的放矢的抓手
大数据应用可揭示事故规律，为安全决策提供理论支撑。当前，在安全生产管理中，由于缺少有效的分析工具，缺少对事故规律的认识，导致企业对于安全生产主要采取“事后管理”的方式，缺少事前预防，在事故发生后才分析事故原因、追究事故责任、制定防治措施。这种方式存在很大局限性，不能达到从源头上防止事故的目的。大数据的发展为海量事故数据提供了有效的分析工具。将大数据原理运用到安全生产中，通过对海量安全生产事故数据进行分析，分析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，提升安全监管能力，降低安全生产事故的发生。
图2-安全动态监控系统
3、形成安全预警风险前置的能力
通过建立预警指数，将目前安全风险量化和可视化，以便采取措施消除事故隐患和风险，预警指数是反应企业生产及事故特征指标，即通过采集录入的隐患等数据，进行数据统计、分析、建模、计算，对生产安全状况进行定量化表示，反映企业某一时间的生产安全状态的数值，提前预测可能存在的安全风险，能有效指导企业安全生产管理的决策，从事故源头降低企业事故风险，从而创造出企业安全生产事故可防可控的“可视化管控模式”。
图3-安全大数据预警预测平台
二、企业安全生产大数据应用价值场景
1、智能隐患排查及治理
庞杂的隐患信息中是否暗含着某种规律?通过对过往的隐患信息进行整理能否得出新的认识?企业该如何把这些隐患数据转换为有效资源加以利用?在安全生产管理工作中，隐患信息记录是一项例行工作。可是，你是否设想过，这些庞杂的信息当中是否暗含着某种规律?通过对过往隐患信息的整理能否得出新的认识?大数据智能隐患排查及整改就扮演着这样一个角色。
通过对大数据的有效利用，这些原本零散琐碎的信息成为不可多得的宝贵资源。安全生产大数据通过各种统计方法，寻找隐患信息背后的规律，对隐患信息做深度解码。比如，通过词频重要性的分析，可以发现最易发生隐患的位置。通过对隐患特性与严重程度、发生概率等进行关联分析，能够评估出各类隐患的风险等级，评估整改计划、治理资金等是否合理。
图4-隐患排查治理管控平台
2、安全预警和决策分析
安全生产预测预警平台是通过“量化数据采集、安全现状诊断、预警指标设计、预警指数建模、指数运行监测、整改措施实施”等六个环节的 PDCA循环闭环过程来运行的。系统建立和运行的过程中主要运用到数据采样、安全评价、风险量化、相关性分析、层次分析、灰色预测等方法和工具。联想数据分析人员会预先和企业确定预警指标，建立预警系统，运行预警系统，监控安全风险，发出预警信号，采取预防措施。
图5-安全监管决策分析平台
3、指挥应急处理协同指挥
大数据在应急管理中的应用体现在三个方面：
1)事前准备阶段，企业或政府需要为大数据的应用做出准备。在管理和权限设置上，有必要设置基于大数据开展事故事态预测、应急资源匹配、事故后果分析等方面的工作机制，并赋予其具有改进组织流程的权限，以推进大数据在部门工作中的落实。在技术升级和设备使用方面，政府或其他部门要明确需要解决的问题，以需求为导向，进行一定设施的准备。
2)事中响应阶段，信息的有效聚合和快速传递是核心环节。企业或政府在使用大数据增强信息采集能力的同时，也要进行数据共享，建立统一的数据中心，以便在应急管理过程中提高效率。同时，在应急管理的事中响应阶段，指挥人员、专家技术人员和现场处置人员的联系也至关重要，建立高效的信息共享渠道也是很重要的方面。
3)事后处置和救援阶段，及时了解救援信息和对所获信息的处理最为重要。如果有明确的信号可以让应急处置人员快速了解需要救援的地点和所需救援内容，救援效率便可大幅度提高。大数据在事后处置的应用便是遵循这种逻辑：通过网络或者监控设备，采集需要救援的信息，用算法筛选整合这些信息，并将指令快速传达给应急处置人员，从而提高救援效率。
通过大数平台建设，建立健全统一指挥、分级管理、反应灵敏、协调有序、运转高效的灾害应急指挥体系。实现应急指挥中心与各级减灾救灾应急平台互联互通功能的建设，具备企业与各级政府应急平台互联互通能力。
图6-应急大数据预警平台
三、大数据安全生产应用案例
1、安全生产大数据项目介绍
以下是我们服务于某石油企业安全大数据项目介绍，通过安全生产大数据的应用分析，指出了安全管理需要加强的几个方面，为企业安全管理的发展与提升提供了数据支持。如通过大数据平台数据采集集成分析，整合物联网、智能传感器、智能巡检、隐患排查系统、重大危险源监控系统等数据源，提升安全生产管理的数据质量和针对性，某大型石油公司近三年来事故事件和违章隐患方面的资料汇集和分类分析(表1)：
表1-事故事件、违章隐患数据
由此表1看出违章隐患存在数量大，2014年事件、违章和隐患数量偏少，2016年安全无一般B级以上事故，这些数据是安全监督管理人员根据生产安全情况进行统计的，违章隐患是安全生产检查、HSE体系审核、安全帮促、现场监督检查、班组日常检查中发现的。
此项目安全大数据的作用表现为大数据是使用互联网的人通过系统平台输入汇集的资料信息，如果没有大数据思维，没有加以分析利用，这些数据只能是一些数据资料而已。由表1通过大数据分析可看出，2014年事件统计数量仅5起，低于事故数量，很明显不符合“海因里希法则”，通过大数据的验证和模型分析得出：这是由于安全监督管理人员及基层班组人员对事故事件上报不了解，不明白事故事件安全经验分享的重要性，存在瞒报、少报情况，违章隐患数量不符合生产实际，对违章隐患查纠重视不够。
针对此种情况，建议该公司修订了《XXX公司生产安全事故管理办法》，根据生产实际安排进行了分批安全生产培训，并对现场监督业绩进行考核，2015年后违章隐患查处数量数倍增加，事件数量符合现场生产安全实际。
2、联想大数据平台功能介绍
安全大数据平台(见图7)对提升企业安全整体管控水平具备重要的支撑作用，要从根本上提升生产安全水平，推进两化的深度融合是重要手段。以信息化为先导、以先进装备为支撑,提升完善安全监管物联网系统,提高安全监管智能化、精细化水平，发挥两会融合的重要作用。企业两化融合进程正在不断加速，未来它在安全生产领域的影响力也会更加凸显。为将企业的安全生产工作做好，应该加速两化融合，早日实现数字化、信息化、智能化生产。自动化技术的发展，使得两化融合的脚步不断加快，以工业互联网、信息物理系统为特征的智能制造为安全生产增添了更有利的保障。
图7：安全大数据平台应用架构图
结语
目前，多数企业还未认识到大数据之于提升安全生产管控的巨大作用，多数企业安全生产准备还不充分，缺少高性能大数据分析工具和平台是各领域应用大数据普遍面临的问题。企业各部门应统一安全生产相关数据库建设标准，事故数据库、监管信息数据库等应做好衔接;信息化主管部门做好相关协调和保障工作，建立部门间协调机制，保障安全生产相关数据的有效应用。
总之，大数据在安全生产中的运用是群力群策参与管理安全生产，参与使用大数据的人员越多，统计的隐患违章和事故事件越真实，对安全生产趋势分析也更科学，依据数据分析的结果，安全管控和隐患治理措施能得到更有效落实，同时再利用大数据来进行验证，确保不失真，让大数据为企业安全生产和政府监管发挥指导性和决策性作用。
本文由 联想大数据组投稿至36大数据，并经由36大数据编辑发布，转载必须获得原作者和36大数据许可，并标注来源36大数据_____________，任何不经同意的转载均为侵权。
End.
转载请注明来自36大数据（36dsj.com)： 36大数据 » 智能制造大数据应用–看联想大数据如何提升企业安全生产管控水平
