大數據如何成為(wèi)安(ān)全生産(chǎn)“利器”

    信息化一方面加速了安(ān)全生産(chǎn)事故信息傳播速度，導緻安(ān)全生産(chǎn)的被關注度空前高漲，另一方面，也為(wèi)解決安(ān)全生産(chǎn)問題帶來了“利器”——大數據。當前，大數據正以驚人的速度滲透到越來越多(duō)的領域，電(diàn)商(shāng)、零售商(shāng)、IT企業等應用(yòng)大數據的成功案例屢見不鮮。大數據在安(ān)全生産(chǎn)中(zhōng)的應用(yòng)，最基本的功能(néng)就是從海量的安(ān)全生産(chǎn)數據中(zhōng)尋找事故發生的規律、預測未來，從而對症下藥，有(yǒu)效遏制事故的發生。同時，大數據在提升安(ān)全監管能(néng)力和明确安(ān)全責任方面也可(kě)發揮重要作(zuò)用(yòng)。

    大數據對安(ān)全生産(chǎn)意義非凡

    将大數據用(yòng)到安(ān)全生産(chǎn)中(zhōng)，可(kě)提升源頭治理(lǐ)能(néng)力，降低事故的發生。

    大數據應用(yòng)可(kě)及時準确地發現事故隐患，提升排查治理(lǐ)能(néng)力。當前，企業的安(ān)全生産(chǎn)隐患排查工(gōng)作(zuò)主要靠人力，通過人的專業知識去發現生産(chǎn)中(zhōng)存在的安(ān)全隐患。這種方式易受到主觀因素影響，且很(hěn)難界定安(ān)全與危險狀态，可(kě)靠性差。通過應用(yòng)海量數據庫，建立計算機大數據模型，可(kě)以對生産(chǎn)過程中(zhōng)的多(duō)個參數進行分(fēn)析比對，從而有(yǒu)效界定事物(wù)狀态是否構成安(ān)全隐患。美國(guó)礦難追責就是大數據在安(ān)全生産(chǎn)領域應用(yòng)的成功案例。2010年美國(guó)網民(mín)在網上追責過程中(zhōng)，通過對梅西公(gōng)司下屬的另外一家煤礦魯比煤礦的安(ān)全監管、查處等數據進行分(fēn)析，發現該煤礦同樣岌岌可(kě)危，随時有(yǒu)“引爆”的可(kě)能(néng)。

    大數據應用(yòng)可(kě)揭示事故規律，為(wèi)安(ān)全決策提供理(lǐ)論支撐。當前，在安(ān)全生産(chǎn)管理(lǐ)中(zhōng)，由于缺少有(yǒu)效的分(fēn)析工(gōng)具(jù)，缺少對事故規律的認識，導緻我國(guó)對于安(ān)全生産(chǎn)主要采取“事後管理(lǐ)”的方式，缺少事前預防，在事故發生後才分(fēn)析事故原因、追究事故責任、制定防治措施。這種方式存在很(hěn)大局限性，不能(néng)達到從源頭上防止事故的目的。大數據的發展為(wèi)海量事故數據提供了有(yǒu)效的分(fēn)析工(gōng)具(jù)。1931年，美國(guó)安(ān)全工(gōng)程師海因裏希通過分(fēn)析55萬起工(gōng)傷事故的發生概率，提出了著名(míng)的海因裏希“事故金字塔”理(lǐ)論，論證了加強日常安(ān)全管理(lǐ)、細節管理(lǐ)對消除不安(ān)全行為(wèi)和不安(ān)全狀态的重大作(zuò)用(yòng)。将大數據原理(lǐ)運用(yòng)到安(ān)全生産(chǎn)中(zhōng)，通過對海量安(ān)全生産(chǎn)事故數據進行分(fēn)析，分(fēn)析和查找事故發生的季節性、周期性、關聯性等規律、特征，從而找出事故根源，有(yǒu)針對性地制定預防方案，提升源頭治理(lǐ)能(néng)力，降低安(ān)全生産(chǎn)事故的發生。

    大數據應用(yòng)可(kě)完善安(ān)全生産(chǎn)事故追責制度。從大量的事故調查處理(lǐ)情況可(kě)以看出，我國(guó)的安(ān)全生産(chǎn)事故追責制度還存在許多(duō)不完善之處，如事故取證難、事故資料搜集難、責任認定難等。美國(guó)大數據下的礦難追責制度給予了很(hěn)好的啓示。2010年，美國(guó)西弗吉尼亞州發生死亡29人的礦難，由于該煤礦的監管記錄保存完整，每條記錄都包括檢查的時間、結果、違反的法律條款、處理(lǐ)的意見、罰款金額、已繳納的金額、煤礦是否申訴等數據項。逾千條的監管記錄為(wèi)事故追責提供了重要證據，最終事故認定說明煤礦安(ān)全健康局無監管失職，出事煤礦所屬公(gōng)司應承擔主要責任。可(kě)見完善的監管、執法數據庫對完善安(ān)全生産(chǎn)事故追責制度異常重要。

    我國(guó)安(ān)全生産(chǎn)準備還不充分(fēn)

    缺少高性能(néng)大數據分(fēn)析工(gōng)具(jù)是各領域應用(yòng)大數據普遍面臨的問題。

    基礎數據準備不充分(fēn)，數據庫建設亟待完善。第一，雖然我國(guó)具(jù)備安(ān)全監管職責的部門都建有(yǒu)安(ān)全生産(chǎn)相關的數據庫，但由于其數據搜集、數據整理(lǐ)等能(néng)力的不足，造成數據庫完整性、規範性方面還存在很(hěn)大缺陷。第二，目前我國(guó)建築、交通、鐵路、民(mín)航、民(mín)爆和通信行業的安(ān)全監管職責在行業管理(lǐ)部門，石化、化工(gōng)、冶金等其他(tā)行業的安(ān)全監管職責在安(ān)監部門，各部門建立的事故信息、監管信息等數據庫沒有(yǒu)形成統一的标準，為(wèi)數據銜接造成很(hěn)大局限。第三，信息化主管部門，在協調數據庫建設和應用(yòng)，以及先進信息技(jì )術推廣和信息化資源配置等方面的作(zuò)用(yòng)沒有(yǒu)得到充分(fēn)發揮。

    缺少數據分(fēn)析工(gōng)具(jù)，信息公(gōng)開力度不夠。第一，大數據是信息化時代的産(chǎn)物(wù)，雖然近年我國(guó)在兩化融合促進安(ān)全生産(chǎn)、安(ān)全生産(chǎn)信息化等方面做了許多(duō)工(gōng)作(zuò)，也取得了很(hěn)大的進步，但總體(tǐ)來講我國(guó)安(ān)全生産(chǎn)信息化水平還較低，多(duō)收集少應用(yòng)、重事後輕事前等問題突出，為(wèi)大數據的應用(yòng)帶來了阻礙。第二，缺少高性能(néng)大數據分(fēn)析工(gōng)具(jù)，這也是各領域應用(yòng)大數據普遍面臨的問題，如果沒有(yǒu)高性能(néng)分(fēn)析工(gōng)具(jù)，大數據的價值就得不到釋放。第三，自“政府信息公(gōng)開條例”頒布實施以來，安(ān)全生産(chǎn)信息公(gōng)開工(gōng)作(zuò)取得了較大突破，但相比美、日等國(guó)，我國(guó)安(ān)全生産(chǎn)的信息公(gōng)開力度很(hěn)不夠，特别是在安(ān)全監管信息的公(gōng)開方面。

    人才準備不充分(fēn)，專業人才不足。大數據是一門新(xīn)技(jì )術，且技(jì )術含量較高，大數據建設的每個環節都需要依靠專業人員完成，其關鍵環節數據分(fēn)析是基于預言建模或未來趨勢分(fēn)析，傳統的數據分(fēn)析師并不具(jù)備開發預言分(fēn)析應用(yòng)程序模型的技(jì )能(néng)，安(ān)全生産(chǎn)領域的相應人才更是少之又(yòu)少。

    安(ān)全生産(chǎn)應做好準備迎接大數據

    要在現有(yǒu)基礎上加大力度，特别是做好事故信息和安(ān)全監管信息公(gōng)開。

    一是完善數據庫，做好數據庫銜接。安(ān)監、工(gōng)信、建築、交通、民(mín)航等具(jù)有(yǒu)安(ān)全監管職責的部門應做好安(ān)全生産(chǎn)相關數據的采集、整理(lǐ)和存儲工(gōng)作(zuò)，建立和完善安(ān)全生産(chǎn)相關數據庫，包括事故數據庫、監管信息數據庫等。各部門應統一安(ān)全生産(chǎn)相關數據庫建設标準，事故數據庫、監管信息數據庫等應做好銜接。信息化主管部門做好相關協調和保障工(gōng)作(zuò)，建立部門間協調機制，保障安(ān)全生産(chǎn)相關數據的有(yǒu)效應用(yòng)。

    二是加強安(ān)全生産(chǎn)信息化建設，做好信息公(gōng)開工(gōng)作(zuò)。進一步深化兩化融合促進安(ān)全生産(chǎn)、安(ān)全生産(chǎn)信息化等工(gōng)作(zuò)，在物(wù)聯網發展專項等資金中(zhōng)加大對安(ān)全生産(chǎn)的支撐力度；加強海量數據分(fēn)析工(gōng)具(jù)的開發和利用(yòng)，推進大數據價值盡快實現；在現有(yǒu)信息公(gōng)開的基礎上加大信息公(gōng)開力度，特别是做好事故信息和安(ān)全監管信息的公(gōng)開，并保障信息的真實可(kě)靠。

    三是以人才推動大數據應用(yòng)進程。設置教學(xué)學(xué)科(kē)，建立大數據相關人才培養計劃；加強與美、日等發達國(guó)家之間的人才交流，建立人才合作(zuò)機制；建立人才引進機制，引進國(guó)外高端人才。