大数据在煤矿安全管理中的应用研究

郑 磊

（河南煤矿安全监察局，河南 郑州 450003）

大数据在煤矿安全管理中的应用研究

郑 磊

（河南煤矿安全监察局，河南 郑州 450003）

当前，大数据在我国发展迅速，在很多行业已得到广泛应用。煤炭行业经过多年的信息化应用，积累了大量的生产和管理数据，但对这些海量数据的深度发掘和利用还远远不够。在当前煤矿经济效益下滑的形势下，安全资金投入不足，开采环境复杂，造成煤矿事故隐患不断增多，安全生产事故时有发生，安全监察监管的难度和防范重特大事故的压力不断加大。文章介绍了如何利用大数据对煤矿基础数据进行深度挖掘，以寻找事故发生的规律，提升煤矿安全的源头治理能力。

大数据；煤矿；安全管理

煤炭行业是高危行业，在当前煤炭市场低迷，煤炭企业面临巨大亏损、开采成功本高企、历史负担沉重以及员工素质参差不齐等问题，安全管理面临新挑战［1］。今年以来，我国煤矿重大和较大安全事故不断发生，暴露出某些煤炭企业安全生产主体责任不落实、隐患排查治理工作不到位、矿井通风系统不完善、隐患排查不到位、四位一体防突措施不落实、复工复产检查环节不严格、现场管理混乱等一系列问题，煤矿生产安全形势依然严重。这些重大事故的惨痛教训，迫使政府和企业必须思考改变现有的安全管理方式，采用先进的信息化手段，提高安全管理和科学决策的水平。

随着信息化、工业化的不断融合发展，目前我国的中大型煤矿都有自己的一套完整的生产信息系统，积累了大量的音频、视频及文本等各种原始生产数据，各级煤矿监察监管部门也都有各自的业务系统，积累有大量监察、执法、管理等数据，目前对这些数据的深度挖掘和利用还远远不够。从这些海量的数据里面发掘有利于安全生产的有价值的信息，寻找事故发生的规律［2］，提高煤矿安全生产管理水平，具有重大意义。

1　大数据与煤矿安全管理

1.1大数据的概念

根据维基百科的定义，“大数据”［3］是指一些使用目前现有数据库管理工具或传统数据处理应用很难处理的大型而复杂的数据集。其挑战包括采集、管理、存储、搜索、共享、分析和可视化。必须通过特殊化处理分析才能形成有规律、可预测的信息服务能力。研究大数据的目的就是预测，把数学算法和数学模型运用到海量的数据集中来预测事情发生的可能性并发现事物内在关联。对于大数据可以用4个V总结，即Volume（数据体量巨大）、Variety（数据类型繁多）、Value（价值密度低）、Velocity（处理速度快），如图1所示。

（1）volume（数据体量巨大）。数据级别从TB级别跃升到PB级别，甚至到ZB级别，1ZB=100万PB=10亿TB。据市场研究机构预测：到2020年，整个世界的数据总量将会增长44倍，达到35.2ZB。

（2）Variety（数据类型繁多）。大数据类型包含结构化数据、非结构化数据和半结构化数据，结构化数据是指能够用具体的数据或统一的结构来表示，如数字、符号；非结构化数据是指无法用数字或统一的结构表示，如图像、声音、视频、标识等；半结构化数据是结构化的数据，但是结构变化很大，比如员工的简历、不同商品的信息等等。这种多类型数据对大数据的处理能力提出了更高要求。

（3）Value（价值密度低）。以井下瓦斯监控数据为例，在24小时连续不断的井下瓦斯监测数据中，有用的数据可能仅有几个，沙里淘金，数据的价值弥足珍贵。如何通过强大的运算能力和高效的数据模型迅速完成海量数据的价值“提纯”，是目前大数据背景下需要解决的难题。

（4）Velocity（处理速度快）。在计算能力强大的云计算环境中，利用各种大数据分析工具，比如Hadoop，SPSS和R，可从各种类型的数据中快速获得高价值的信息，大大减轻了人的工作强度和时间，这一点和传统的数据分析技术有着本质的区别。

图1　4V特征

1.2我国煤矿生产的特征

我国大多数煤矿地质条件复杂，且绝大多数为井工开采［4］。主要特点要表现在以下几个方面：

（1）生产条件复杂。我国煤矿井深平均都在400m以上，井下空间狭小、环境恶劣、阴暗潮湿，没有阳光照射，能见度低，作业场所变动频繁，各类事故难以有效控制，对井下设备的安全性和可靠性要求很高。

（2）生产系统复杂。煤矿生产必备的六大产系统有：采煤系统、掘进系统、机电系统、运输系统，通风系统、排水系统；为保证安全生产，大部分煤矿又建有：监测监控、人员定位、通讯联络、紧急避险、压风自救、供水施救等系统。要使各系统相互协调、高效运转十分不易。

（3）作业环境艰苦。煤矿井下巷道阴暗潮湿，没有阳光，煤矿工人长时间高强度在井下作业，体能下降快，反应迟钝，极易产生焦躁情绪；同时，在煤炭生产过程中，作业人员还要牢记作业规程，防止水、火、瓦斯、冒顶、机电等各种安全事故的发生，思想上一直处于高度紧张状态。

（4）自然灾害严重。我国煤层赋存条件较差，地质条件复杂，一大批矿井快速进入深部开采阶段，开采深度有的甚至达到千米以上。深部开采伴随着灾害因素增多，导致灾害的机理复杂，灾害事故时有发生。高温热害、冲击地压、煤与瓦斯突出、突水、煤层自燃等问题，严重危害煤矿安全生产。

（5）职工劳动技能素质偏低。我国煤矿从业人员数量多、结构复杂，受教育程度普遍偏低，缺乏自我保护意识和能力，违章作业现象很普遍。

1.3煤矿数据特征

（1）数据体量巨大。煤矿企业在生产过程中产生持续不断的动态数据，如瓦斯监测数据、机电设备运转数据、井下人员运动轨迹数据以及调度视频监控图像等等各种数据；同时，煤矿安全监察监管部门历年来也积累了大量的管理和执法数据。

（2）数据种类繁多。有结构化数据如瓦斯监测数据、入井人数、煤炭产量等；半结构化和非结构化数据如矿土资料、监控视频、规章制度、应急案例等，并且此类数据所占比例越来越高。

（3）数据价值密度低。井下各种类型监测设备和传感器实时运行，连续监控井下生产环境和设备运行状况，从而不间断产生海量数据，而真正有用的数据占比例很少。

（4）数据产生和增长速度快。物联网与工业信息化系统大量应用于煤矿生产安全管理，涵盖的子系统越来越多。各系统的24h不间断运行，产生大量的数据，使数据量持续快速增长。

从以上特征可以看出，煤矿数据具备大数据的4V特征，能够运用大数据技术进行分析，并预测煤矿发生事故的可能性。同时，大数据在提升安全监察监管能力和明确安全责任方面也可发挥重要作用。

1.4当前我国煤矿安全管理存在的问题

近年来，我国各级政府高度重视煤矿安全生产工作，出台了一系列保障煤矿安全生产的政策法规，加大了监察监管力度，煤矿的安全生产环境得到了明显的改善，近年来煤矿的伤亡事故和死亡人数有较大幅度的下降，但仍有很多问题需要认真地思考和妥善地处理：（1）当前煤矿企业的事故隐患排查主要靠人力，通过人的专业知识和工作经验去发现生产中存在的事故隐患。这种方式容易受到人的主观因素的影响，同时还受人的专业知识掌握程度和工作经验的限制，难以准确判断安全与危险状态，可靠性和科学性不高；（2）由于缺少有效的事故分析工具，缺乏对事故规律的认识，导致我国对安全生产事故主要采取“事后管理”的模式，缺少事前预防，在事故发生后才去分析事故原因、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；（3）信息共享程度不够，由于煤矿生产信息的敏感性，企业和监察监管部门可能都不愿意共享安全生产和监察执法数据，使信息的价值和利用率大大降低。

2　大数据将对煤矿安全管理带来变革

2.1大数据推动安全管理思维变革，增强系统安全观念

大数据技术推动管理人员改变传统的安全管理思路，从依靠个人专业知识和经验管理转变为依靠大数据分析结果，同时结合个人专业知识和经验做出科学的判断，构建以数据、技术、思维为轴心的安全管理系统，为安全管理提供新的视角。

各级监察监管部门和煤炭企业经过多年的信息化应用，产生了海量的数据。这些数据中隐含了丰富的内容和未知的规律，对这些数据仅进行了简单归集和整理，缺少有效的发掘和利用。据测算，煤矿结构化数据仅占全部数据的5%，管理者也就依靠这5%的数据进行“宏观”管理，在实际工作中很难发现各类数据之间存在规律和关联性，无法从海量的数据中提取更有价值的信息。大数据时代，通过数据模型的分析运算，将这些半结构化、非结构化的海量数据进行加工、转换为结构化数据，或许可以发现很多表面上毫无关系的数据背后的秘密，这些从“微观”数据中提取出的规律为大数据决策提供了有力支持，使管理者从安全生产的“宏观”把握转变成对“微观”数据的准确判断，从而为安全管理做出更加科学的决策。

2.2大数据推动安全监察监管信息的共享，加快打通信息源壁垒

由于各种原因，监察监管部门和煤炭企业对安全生产数据比较敏感，不能完全实现各部门之间的数据共享，各部门宝贵的数据资源无法得到充分利用，从而形成了一个个“信息孤岛”。大数据时代的安全管理者必须改变传统的思维方式，收集和共享企业生产数据和监察监管信息，通过应用海量数据库，建立大数据模型，对生产和监察监管过程中的多个数据进行分析和对比，从而有效判断事物的状态、人的行为或环境的因素是否安全，准确发现存在的安全隐患，预防事故的发生。

2.3大数据推动数据的深度发掘，为科学决策提供理论支撑

通过对国内外的事故进行分析，发生事故的原因不外乎是人的不安全行为、物的不安全状态、管理上的缺陷等这三方面因素造成，大数据技术可以对安全生产中这三方面的数据进行深度发掘，通过有效的分析工具和数据模型运算，对海量安全生产事故数据进行分析、比对，分析事故发生的季节性、周期性、关联性等规律和特征，从而找出事故根源，针对性的制定事故预防措施，提升源头治理能力。

3　当前煤矿安全管理中大数据应用存在的问题

大数据在煤炭安全生产领域的应用目前尚处于研究和起步阶段，没有成功的模式和案例，还有很多问题需要解决：

（1）当前大数据在煤炭行业的应用面临很多技术难题，一是缺少有效的大数据分析工具；二是大数据的去冗降噪技术、新型表示方法、非结构化和半结构化的高效处理等一系列技术问题都有待进一步研究和完善。

（2）基础数据准备不充分，数据库建设标准和规范亟待统一。各级监察监管部门及煤矿企业都根据自身业务需要建有各自独立的数据库，目前各个数据库还没有形成统一的标准和规范，数据库的完整性、规范性存在很多缺陷，很难实现数据库的有效对接。

（3）大数据时代信息安全问题不容忽视，需从立法和技术两方面保障数据的安全。尽管大数据蕴含巨大财富和价值，但也给企业信息安全带来很大风险。大数据的应用很大程度上也增加了大规模数据泄露的可能性，一旦数据泄露，会对企业或个人的声誉、经济效益、个人隐私等方面造成重大后果。

（4）大数据专业人才严重缺乏，既懂大数据又懂安全管理的复合型人才更是少之又少。大数据是一门新兴技术，技术含量较高，大数据建设的每个环节都需要依靠专业人员完成，其关键环节数据分析是基于预言建模或未来趋势分析，传统的数据分析师并不具备这项技能，安全生产领域的相应人才更是少之又少。

4　如何实施煤炭企业安全管理中的大数据战略

从发展的趋势来看，大数据对传统行业将带来的深远影响，将大数据战略引入到煤矿安全生产领域，将会有效推动决策从“经验依赖”型向“数据依靠”型转变，实现管理模式从“粗放型”向“精细化”转型。为此，煤矿安全监察监管部门和煤炭企业需要在以下几个方面做好准备：

（1）推进建立行业数据共享平台。要发展大数据战略，就必须打破传统的数据源壁垒，将行业数据、企业内部数据和互联网数据互联，以获得更完整、更大量的数据。

（2）建设基于物联网/云计算技术［5］的煤矿安全综合信息平台。通过行政管理手段，利用物联网和云计算技术实现全面综合的数据集成，将煤矿基础数据、行政执法数据、在线监测的实时数据、安全隐患排查数据、安全生产规程等各种数据综合集成起来，构建一个完善的煤矿安全综合信息平台。

（3）加强风险管控，确保大数据安全［6］。大数据是一把“双刃剑”，但如果管理不善，大数据本身也可能带来大风险。大数据的应用改变了传统数据安全风险的特征，它不仅需要创新管理方法，还必须纳入到全面风险管理体系，通过立法和技术手段保证数据的安全。

（4）以人才推动大数据应用战略的进程。与科研院校联合建立大数据相关人才培养计划，同时加强与发达国家之间以及其他行业之间的人才交流，建立人才合作机制，积极引进高端人才，推动安全生产领域的大数据战略应用。

5　结语

大数据时代已经到来，当前煤炭行业面临供给侧改革，煤矿安全管理依靠传统模式已跟不上形势需求，必须凭借大数据等新的信息技术提高管理水平，降低管理成本，转变管理方式，使煤矿企业的安全生产在大数据的保驾下安全航线，将煤矿企业的安全生产带入新的时代。

［1］韩欣玲.我国煤炭企业安全生产的政府监管研究［D］.开封：河南大学，2012.

［2］杨雷，史胜春.大数据：开辟石油化工企业安全生产新时代［J］.中国管理信息化，2014（18）：36-38.

［3］马建光，姜巍.大数据的概念、特征及其应用［J］.国防科技，2013（2）：10-17.

［4］刘成强.煤矿安全管理方法研究［D］.济南：山东科技大学，2006.

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

［6］冯登国，张敏，李昊.大数据安全与隐私保护［J］.计算机学报，2014（1）：246-258.

Study on Application of Big Data in Coal Mine Safety Management

Zheng Lei
（Henan Administration of Coal Mine Safety， ZhengZhou 450003， China）

Nowadays， big data develops rapidly in China， which has been widely applied in many fields.Coal mine industry has experienced many years of information application and has accumulated plenty of data about production and management， but still far from enough to explore deeply and use this mass of data.Under the situation of coal mine economic benefits declining， investment of safety is not enough， mining environment is complicated，causing the increasing hidden dangers of coal mine safety， work safety accidents happened now and then， safety supervision is more difficult and the pressure of avoiding major accidents is increasing. This article introduced how to use big data to explore deeply the coal mine basic data， to find the regularities in accidents happening， and to enhance the ability of coal mine safety governance from the source.

big data； coal mine； safety management

郑磊（1970-），男，重庆，硕士，高级工程师；研究方向：煤矿安全监察信息系统的建设与管理。