煤矿安全生产管理的可行性分析

摘要：近两年”大数据”概念被越来越多地引用与应用，在数据爆棚的过程中，越来越多的企业和人也已经感受到了它的价值。本文通过“大数据”概念的特点分析，将其引入煤矿安全生产管理中的可行性，以及如何更好地应用。

关键词：大数据;安全生产管理;应用

1前言

煤炭行业是国民经济的基础产业，在我国一次能源生产和消费结构中，煤炭一直占到70%左右，预计今后30～50年，这一比例仍高达50%以上。但煤炭行业点多面广、从业人员多、危险源集中、事故灾害严重。为提高安全生产管理能力，需要不断引入适合的管理方法、体系，本文分析研究，将大数据概念引入煤矿安全生产管理中的可行性，以及实际应用的可操作性。

2大数据概念

大数据是一个IT界提出的一个新的概念，“大数据”研究机构Gartner给出了这样的定义：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，会产生新一波的生长率的增长，也预示着新的规律发现和新生事物发展趋势能够提前预测。“大数据”在物理学、生物学、环境生态学等领域，以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。数据正在迅速膨胀并变大，它决定着企业的未来发展，虽然很多企业可能并没有意识到数据爆炸性增长带来问题的隐患，但是随着时间的推移，人们将越来越多地意识到数据对企业的重要性。对于煤矿安全生产管理，实质上也是基于历史数据分析管理。其实大数据也早已存在于煤矿安全生产管理中，在一次次血的教训中总结了大量的经验，积累了大量的数据，包括安全生产经验、危险源、职工违章行为、违章类型、事故发生时间、事故类型等等，只是现阶段认识中它还只是“小数据”，也没有发挥大数据的效用。

3大数据的特点

在维克托迈尔-舍恩伯格博士看来，大数据有3个主要的特点：全体、混杂和相关关系。①全体，即去收集和分析更多的数据。这个数据都是有关研究问题的数据，这个数据点绝对的数字并不重要，重要的是有多少数据点是和研究的现象相关。如果想要研究的现象只有1000个数据点，抓住1000个数据点就是大数据，因为这就抓住了所有数据。通过这种方式可以看到很多细节，这些细节在之前随机抽样得不到的。②混杂，即接受混杂。在小数据时代人们总试图收集一些非常干净的数据、高质量的数据，花费很多金钱和精力来确定这些数据是否是好数据，是高质量的数据。可是在大数据时代，就不用去追求那种特别的精确性。当宏观上失去了精确性，微观上却能获得准确性。③相关关系。因为更加混杂，因果关系转向相关关系。人们不要认为可以真正地、容易地找到因果关系，其实那只是发现相关关系。在大量的混杂的数据之间找到相互关系，从中发现我们应该关注的是什么，而不是关注为什么，这也就是从小数据时间的随机样本和大数据时代的全部样本、从去糟存精到保留繁杂的数据、从究其原因到发现相互关系。通过对比得出，小数据时代和大数据时代的区别，这样也更容易诊断大数据是否适用于其他行业。

4大数据概念在煤矿安全生产管理中应用的可行性

4.1全体数据样本在煤矿安全生产管理中应用

从我国煤炭工业发展以来，不断建立起了各种煤矿开采规范、安全规程及安全生产法等安全生产法律、法规文件，诸多文件无一不是通过大量现场实践经验积累而来，部分规定还在随着开采技术及环境发生变化不断进行着修改。过去在安全生产过程中需要建立各种台账，包括设备点检记录、人员不安全行为记录、地质条件变化记录等等简单数据台账，经过长期积累形成小数据库。随着科学技术进步，现代化监测监控设备不断投入使用，产生了时时数据，逐步扩充着小数据库，通过数据统计分析，总结出了“煤矿安全生产五大灾害”、“安全生产红线”等等。所以，全体数据样本，已经在煤矿安全生产管理中应用，并且发挥了巨大作用。

4.2原始积累数据多而繁杂，但是都是有价值的数据

煤矿生产包括着方方面面繁杂的生产工艺，所涉及的各种台账及记录也是五花八门，虽然所使用的统计方法不一，但是在繁杂的大量数据中，能够得出一定的规律，每一次记录都是有效的数据。“海因里希法则”就是一个典型的示例，告诉我们当一个企业有300个隐患或违章，必然要发生29起轻伤或故障，另外还有一起重伤、死亡或重大事故。虽然不同行业不尽相同，但他说明了一种倾向，说明了数量巨大而且繁杂的原始数据是有价值的。

4.3数据相互关系的应用

在有大量数据基础的前提下，对基础数据进行分析，分析的是在多因素相互影响下事态发展趋势，在趋势形式下制定安全生产防范措施，从而促进安全生产。以下以某煤矿某一段时间内的“不安全行为”统计进行数据分析，具体见下表。以上数据为某一时段数据。看似简单的数据，但是蕴含的信息量却是庞大的。从数据信息中分析，20~30岁的员工违章数量小于30~40岁员工违章数量，30~40岁员工违章数量大于40~50岁员工违章数量；水泵工为单岗作业，夜班发生睡岗几率较大；瓦斯检查工也为单岗作业，容易产生侥幸心理而不按规定路线检查；10年及10年以下工龄员工违章数量较大；从事本岗位时间越长违章现象越少；近90%违章现象发生在夜班。从以上数据分析可以发现，虽然只是一个很小的样本，但是却还是蕴含了大量的信息，可发现一定的规律，从而有针对性的采取防范措施。可以预见，随着信息量的继续增大，规律会越来越明显，所反映趋势会越来越准确，其相互关系会自动显现。从而不用从数据样本着手去减小分析误差。综上所述，大数据的特点，都在煤矿安全生产数据应用中有所体现，但目前应用水平非常局限，仅仅是简单数据应用。①数据量不够，随着企业综合自动化水平提高，数据积累上有了质的飞跃，但数据还不够完善、全面。②数据仍然是零散的数据，没有对庞大的基础数据进行分析处理，数据处理仍然停留在样本处理上。安全生产管理中一些有关安全设施设置、事故隐患查处、重点危险源分布等信息查询和统计分析，主要依靠手工输入和单机处理，造成安全信息反馈相对滞后，分析统计不准确，无法进行资源共享，不利于安全管理水平的进一步提高。同时，也表现出数据应用，在煤矿安全生产领域有更为广阔的应用前景。

5大数据技术在煤矿安全生产管理中应用采取对策

5.1信息数据的采集

5.1.1自动化数据采集

加快煤矿综合自动化的建设，自动化水平的提高，一方面可以降低部分由于人为误操作造成的事故，一定程度上减少了井下工作人员数量；另一方面，由于软件平台实现了各个系统的数据接入，生产管理人员可同时获得更多、更全面的实时、历史生产数据，从而能够更准确、更精细地进行生产指挥调度，各平台之间建立数据接口，实现数据共享。

5.1.2人工数据采集

目前除了人员定位、安全环境监测、顶板压力及部分设备运行实现了实时监控，其余包括人员不安全行为在内均无法实现自动化监测，仍然需要人员数据采集。目前虽然也在进行采集，但是在数据采集过程中已经降低了其自身价值。例如人员的不安全行为的记录，要以现场安全监察员作为信息采集员，现场及时发现员工的不安全行为并进行记录，包括已经发生的和即将要发生但被制止的行为，记录中要包括员工姓名、年龄、文化程度、工龄、年内参加培训类型和次数等等信息。不漏掉一个有效信息是真实数据积累的基础。杜绝在信息采集过程中就人为筛选数据，忽略大量数据存在的意义。

5.2数据处理

安全生产工作应该加快安全管理信息化建设步伐，加强对安全生产管理和技术资料的收集、汇总、分析和建档工作，建立健全安全生产数据库，积极探索信息系统的开发和应用，科学、系统的反映出安全管理的项目、要素和标准，具备信息传递查询、数据统计分析、危险源检测控制、隐患检查整改等基本功能。同时可实现行业内数据库信息的共享。在大量数据基础上引入计算机的云计算进行数据分析，从数据中分析出各个数据间的相互关系，从而预测出自己所需要的信息。

5.3数据联网共享

大数据时代就是基于互联网而提出的，煤矿安全生产管理数据在海量数据中本来就是个体样本，从数据采集到积累都不易，应该建立统一共享平台、建立数据库，积累包括信息录入、信息调阅、信息搜索等等记录，从而从大量信息中筛选有价值信息。例如，在进行液压支架回撤过程中，因侧护板固定不牢靠而发生掉落伤人事故，从事故原因分析是人为主观责任事故，但终归是作业前没有危险源辨识，忽略检查。如果建立起作业内容及危险源辨识信息共享平台，只要发生一起事故，就会在全范围内通告，其他单位要进行同样的作业内容，只要在数据库搜索引擎中输入关键词，所有危险源及事故案例全部一一列出，便于在作业前对其风险评估及培训，避免同样事故的多次发生。

6结论

从大数据特点分析，煤矿安全生产管理也同样具有相应特点，而且在传统数据积累和现代矿业全自动化系统建设中，煤矿安全生产管理相关数据也将出现爆棚现象，数据越多，数据所隐含的内在关系也越清晰、越容易发掘，特别是对煤矿井下环境、灾害、人员活动高度耦合的大系统而言，数据越多，灾害预警模型维数也就可以更高，预警预报也就越准确。但大量数据处理将是又要解决的重点问题，在海量数据中必须要用到云计算技术提供计算支撑，也是要进一步解决的问题。

作者:薛志明 单位:神华宁夏煤业集团槽村煤矿

参考文献：

［1］马小平，胡延军，廖燕子.物联网、大数据、云计算在煤矿安全生产中的应用研究［J］.工矿自动化，2014，40（4）：5-9.

［2］维克托•迈尔-舍恩伯格，肯尼思•库克耶，盛杨燕，周涛.大数据时代：生活、工作与思维的大变革［N］.浙江：浙江人民出版社.