煤炭港口水系统数据管理方法

张广元

摘   要： 煤炭港口周边扬尘和污水的存在带来了严重的环境污染，对水系统进行有效的数据管理成为迫切需要。针对传统的煤炭港口水系统存在着重数据、轻管理，数据管理体系不健全、数据统计与处理手段落后等问题，形成基于信息化的煤炭港口水系统数据管理方法：一是根据组织结构，将人力资源及相关制度文件等考虑在内，形成内控制度完善、具有约束力的煤炭港口水系统数据管理体系;二是建立水系统数据管理平台，实现基础信息管理、数据采集、数据计算分析、数据报表查询等基本功能;三是将SPSS数据分析软件接入水系统数据处理与统计模块，直观监测月度、年度用水规律。煤炭港口水系统数据管理方法打破了手动抄表、计算等传统管理手段，将水系统数据管理从静态管理变为动态管理，提升了管理水平，减少了人为因素，提高了水系统调水效率。

关键词： 煤炭港口;水系统;数据管理;SPSS;组织结构;动态管理

引言

随着我国煤炭港口规模不断扩大，环境污染问题也日益严重，创建环境友好、生态优良的绿色煤炭港口成为发展目标。

目前，煤炭港口的主要污染源是扬尘和污水。针对这一问题，煤炭港口投入并建立了大量的水系统基础设施，实现了各水源与各泵站的互联互通，形成了庞大的水系统网络。这一水系统网络不仅能满足煤炭港口的日常生活用水及绿化用水需求，而且能结合合理的水源调度方式、及时的污水治理策略，将煤炭港口环境污染降至最低。

煤炭港口水系统的关键要素是数据。数据管理是煤炭港口水系统管理提升效率的重要应用领域。目前，煤炭港口水系统数据管理主要存在重数据、轻管理，数据采集、应用的管理体系不健全，管理人员应用信息系统的技能有待提升，数据统计与处理手段落后等问题[1]。这些问题极大地制约了煤炭港口水系统数据管理质量和效能。

据此，本文首先针对上述问题，提出煤炭港口水系统数据管理需求;其次，围绕人力资源、设备资源及相关制度文件的调配，构建煤炭港口水系统数据管理体系;然后，通过信息化手段，搭建水系统数据管理平台，为水系统数据采集与分析做好准备;最后，结合水系统数据处理与统计实例，展现本文提出的水系统数据管理方法在水系统运行决策中发挥的重要作用。

1  煤炭港口水系统数据管理需求分析

目前，煤炭港口水系统数据管理系统亟待从以下方面进行突破：

（1）解决“重数据、轻管理”的问题。目前水系统数据几乎全部由人工抄写、计算，Excel台账记录也由人工填写，无法统计的数据甚至是根据主观经验猜测而来的。因此，当前的水系统数据管理方式原始、简单，人为因素多、漏洞严重，应从信息技术应用控制层面加强内控。

（2）加强数据管理体系构建[2]。如果要實现水系统数据管理，除了对已有的数据进行采集、整理、统计、分析、规范以外，还需要对整个水系统的部门运行数据进行全面采集。哪怕只少一个业务班组、一块业务或一个岗位的数据，都将导致数据管理体系不完整，这就需要对每个部门、每块业务、每个岗位进行细化。

（3）提升信息化水平，注重人员操作技能。上文已提到煤炭港口水系统数据、台账由人工抄写、猜测的管理现状，因此，应注重水系统运行、管理人员信息化知识理论的掌握和操作技能的提高。但是，目前煤炭港口水系统信息化基础相对薄弱、信息化需求不旺、信息孤岛突出。此外，还存在现场硬件老旧、信息化软件落后、数据无法正确上传等问题，有待改进。

2  煤炭港口水系统数据管理体系构建

对煤炭港口水系统数据管理体系进行构建，可以从顶层设计的高度，较为客观、真实地反映出煤炭港口水系统的运行情况。当前，以新一代信息技术为基础的数据管理体系，能够将多种不同类别的信息进行融合，增强信息的可用性;同时，运用先进的数据管理思想，能够对各业务、各岗位工作进行细化，建立科学有效的绩效考核制度，将静态管理转变为动态管理，最终实现煤炭港口水系统运行过程的全面控制[3-4]。本文构建的煤炭港口水系统数据管理体系如图1所示。

在煤炭港口水系统管理组织结构方面，根据现状，将数据管理相应负责人考虑在内，完善水系统数据管理中需要的人力资源、设备资源及相关制度文件等，力求涵盖水系统全部数据，并将数据收集、数据统计、数据分析等环节贯穿始终[1]。

在人力资源管理方面，具体而言，在设立相应的数据管理岗位时，摆脱原先的岗位职责不清的状况，系统合理地对相关人员进行协调分配，规定部门经理为数据管理体系的总负责人，全员必须遵守数据管理体系相关制度，接受行为规范的约束[5]。

在数据的收集、统计和分析方面，摒弃了手动抄表、计算、录入的方式，而是通过智能水表每日定时将数据上传至水系统数据管理平台（参见本文第3章），管理人员每日登录该平台审核数据上传情况。该方式保证了数据的正确性、准时性、唯一性，也避免了数据的错误遗失，同时可对数据进行简单的数据处理分析。对于较复杂的数据分析，参见本文第4章。

3  水系统数据管理平台

在煤炭港口水系统数据管理中，各水源进水量、各站点用水量、污水处理量以及各水池水位、压力等数据资源是重要管理对象。为实现信息化管理，数据管理人员不仅要收集保管好这些数据，还要灵活编制数据管理报表，根据水系统管理目标，挖掘数据变化规律，对数据进行针对性的统计和分析，将水位信息变为水量，压力信息变为流速，从定量到定性，实现水系统动平衡管理[6]。

本章基于B/S模式，以Java和JS为开发语言，以Bex5企业快速开发平台为依托，建立水系统数据管理平台[7-8]。

在数据采集方面，该平台可实现供水数据采集、污水数据采集和调水数据采集;在数据报表查询方面，该平台可生成日数据报表和月数据分析报表;在基础数据管理方面，该平台可进行基础数据配置、角色管理配置和角色权限配置。此外，平台主体还有用户登录管理，登录信息查询，基于树形结构的数据查询、数据优化、有效性检查以及Excel数据报表导出等功能。水系统数据管理平台架构如图2所示。

3.1  功能模块

根据图2，该平台包括四个模块——基础信息管理模块、数据采集模块、数据计算分析模块、数据报表查询模块。各模块功能详细介绍如下。

（1）基础信息管理模块。该模块包括基础数据配置、角色管理配置、角色权限配置，该模块应用于系统的日常使用与维护。

（2）数据采集模块。该模块根据煤炭港口业务需求分为供水数据采集、污水数据采集、调度数据采集三个界面，各业务人员根据自己的业务属性分配相应的界面权限，并登录界面完成数据的采集，实现水系统数据的全面采集、录入、存储和编辑。数据采集包括自动读取和人工录入两个部分。对于现场已安装智能水表可自动采集数据的站点，系统每日采集一次数据并上传至数据库。对于现场不能自动采集数据的站点，业务人员登录系统录入每日数据，完成数据的采集。

（3）数据计算分析模块。该模块功能是协助水系统业务人员根据业务需求完成数据的计算和分析。该模块以数据采集模块为基础，采用科学的数据处理方法，对基础数据进行二次加工开发，进而得到业务需求数据。

（4）数据报表查询模块。该模块分为日数据报表和月数据分析报表两个界面，用户可根据查询日期、用水属性等查询条件进行查询，还可导出水系统进用水Excel表，便于管理人员掌握每日运行的水系统数据情况;月数据分析报表界面根据管理人员对水系统数据的月度数据分析需求，制定相应的统计分析方法，实现月度统计数据的查询、展示和Excel导出。

3.2  数据表类型

根据水系统业务属性，该平台的数据表有三类：供水表、污水表、调度表，每个数据表包括水量、水位、压力等数据参数。

（1）供水表。供水表主要包括供水班组涉及的各站点水表数据，如一期泵房电厂供水、一期泵房市政供水、绿化用水、各水表压力等数据。

（2）污水表。污水表主要包括污水班组涉及的各污水处理站污水处理量、用药量等，如二期煤污水处理站处理量、PAC用药量、PAM用药量等数据。

（3）调度表。调度表主要包括调度班组涉及的各站点进、用水数据以及各水池水位信息等，如一期高压用水、二期翻车机用水、5号池今日水位等数据。

3.3  数据库设计

该平台使用SQL Server 2012，主要设计了以水系统数据（SXTSJ）为名称的水系统数据管理平台后台数据库。该数据库主要包括：供水表（GSB），存放供水数据信息表;污水表（WSB），存放污水数据信息表;调度表（DDB），存放调度水数据信息表;组织机构表（SA_OPOrg），存放系统的人员信息;其他系统表。

3.4  關键代码

以调度录入页面为例说明关键代码的实现过程，如下：

Model.prototype.savebuttonClick = function（event）{

var data=this.comp（"mainData"）;var data2=this.comp（"swfilterData"）

var sj=data.getValue（"fSJ"）;var sjr=sj.toString（）.substring（8，10）

var nDate = justep.Date.fromString（sj， 'yyyy-MM-dd'）;var date = justep.Date.increase（nDate， -1， "d"）;

var date1= justep.Date.toString（date，'yyyy-MM-dd'）;

var ny=sj.toString（）.substring（0，7）;

var name=this.getContext（）.getCurrentPersonName（）;

data.setValue（"fLRR"， name）;

var strDate = justep.Date.toString（new Date（）， justep.Date.STANDART_FORMAT）;

var lrsj = justep.Date.fromString（strDate，'yyyy-MM-ddThh：mm：ss'）;

data.setValue（"fLRSJ"， lrsj）;

var currentRowID = data.getCurrentRowID（）;

data.each（function（param） {var row = param.row;

if （row.getID（） ！== currentRowID && data.getRowState（row） ！== "none"） {data.setRowState（param.row， "none"）; };}）;data.saveData（）;data.refreshData（）;};

4  水系统数据处理与统计

根据煤炭港口水系统运行情况，水系统数据处理与统计采用SPSS数据分析软件进行，接入第3章所述的水系统数据管理平台[9]。煤炭港口水系统每天都会产生大量不同类型的数据，但有些数据与水系统运行相关，而有些则无关。在水系统数据管理中，数据的处理与统计是核心，若无法对数据做出正确的处理与统计，就会对未来水系统的运行、调度决策作出错误的判断，带来水资源的极大浪费。反之，则可对水系统运行决策提供正确的依据，带来可观的社会效益和经济效益。

对于较复杂的数据分析，接入专业的SPSS数据分析软件[10]。现以煤炭港口水系统年度进水量为例进行说明。首先，登录水系统数据管理平台，对进水量数据进行收集与整理;然后，在该平台月度分析报表界面下载Excel数据表，如表1所示。

数据分析人员得到这些数据后，将其输入至SPSS软件，即可对数据进行分析对比，可到2019年市政水、电厂水、压舱水、污水回用、生态水等水源进水量的变化波动图，如图3所示。

分析得知，新鲜水源（市政水、电厂水）趋势大体一致，夏天7、8月份进水量最少，春天、秋天4、5、10、11月份进水量较多;生态水（雨水）趋势则不同，夏天7、8月份显著增多，冬天10、11月份明显减少，跟季节气候有很大关系，属于人为不可控因素;压舱水呈“M”型趋势，3、6、9、10月份进水量较多;污水也呈“M”型趋势，5、6、9、1月份较多，主要原因是冬季天气寒冷，不处理回用污水，而夏季生态水（雨水）水源充足，处理污水较少。从月份进水量来看，市政水、污水回用进水量普遍高于其他水源，市政水是主要进水源，污水回用是第二大进水源，压舱水、电厂水及生态水紧跟其后。在煤炭港口水系统数据管理平台通过此曲线趋势图监测得到年度用水规律，就可以合理调配下一年市政水、电厂水、压舱水及污水四大水源月度进水量，对下一年每月进水源的指标制定提供坚实有利的依据。

5  结论与展望

本文首先分析了煤炭港口水系统数据管理现状，从煤炭港口水系统运行实际工作出发，以精细化管理为目标，基于数据管理思想，融合信息化手段，提出一套完整的煤炭港口水系统数据管理方法。该方法通过构建合理的数据管理体系、搭建水系统数据管理平台、接入专业的SPSS数据分析软件等措施，让数据具有实时展示功能，体现最大价值，摸索数据规律，把握好数据对煤炭港口环境影响的边界条件，实施煤炭港口管理运行决策。

本文打破了传统的数据管理手段，将水系统管理从静态管理转换为动态管理，力争将数据管理达到最优。目前水系统数据管理尚在起步阶段，仍存在系统功能简单、数据分析维度较小等问题。如何将数据的颗粒度与企业的最优决策相结合，更好地体现数据对煤炭港口管理的重要作用，是未来需要继续探索与努力的方向。

参考文献

[1] 郝丽芳. JDZ燃气公司数据管理体系构建与效能评价[D]. 南昌： 南昌大学， 2012： 10-27.

[2] 何国正， 张建林. 企业管理新概念： E化企业与E化管理[J]. 武汉科技学院报， 2007（1）： 88-92.

[3] 孙华梅. 数据挖掘及其在企业管理中的应用[J]. 商业研究， 2008（5）： 69-71.

[4] 金智勇. 铁路物资大数据管理体系建设研究[J]. 学习与研究， 2019（7）： 24-26.

[5] 王海萍. 大数据时代下企业财务管理的创新研究： 评《大数据时代下的企业财务管理研究》[J]. 商业经济研究， 2020（23）： 193.

[6] 张宁. 基于大数据的高校信息化模型的评估[J]. 新乡学院学报， 2020（12）： 48-57.

[7] 唐丽娜. 基于Bex5+SQL Server的神華黄骅港务公司内部审计系统的开发与实现[J]. 军民两用技术与产品， 2016（7）： 79.

[8] 张泽恩. 利用BeX5平台实现与后台数据库的交互应用[J]. 电子技术与软件工程， 2017（12）： 182.

[9] 朱钰， 朱英珍， 刘鹏飞. 基于spass软件的陕北公路边坡K-均值聚类分析[J]. 公路交通科技， 2017（4）： 130-132.

[10] 陈成. 基于SPASS模型的银行个人理财客户满意度影响因素分析： 以农业银行长安路支行为例[J]. 时代金融， 2013（11）： 145.