数字政府背景下特种设备大数据价值发挥的策略与路径研究

2024-05-22邱郡

中国特种设备安全 2024年3期

邱郡

（上海市特种设备监督检验技术研究院上海 200062）

2022 年我国数字经济规模首超50 万亿元[1]，居世界第二位，在GDP 中占比达到41.5%，数字经济正在成为稳增长、促转型的重要引擎。我国政府数字化转型在经历了电子政务、“互联网+政务服务”两个发展阶段后，已经进入了数字政府[2]的第三发展阶段，更加强调突出数字思维，挖掘数据资源价值，发挥数字生产力。基于数字化和大数据的治理体系的建设，关键在于相关方的有效参与，核心则是信息交换与共享。当前，全球都在积极推动开放数据和数据开发工作，通过大数据推进治理结构改革创新。美国2009 年签署《开放政府指令》[3]并建立统一的政府数据门户网站data.gov，欧盟2020 年发布《欧洲数据战略》[4]，并且欧盟新《电梯指令》（LIFT，2014/33/EU）更加强调了连通性[5]；此外，英国发布了《数据能力发展战略规划》[6]，日本发布了《创建最尖端IT 国家宣言》[7]。

2015 年起，以《国务院关于印发促进大数据发展行动纲要的通知》为纲领，我国陆续发布系列文件要求建立相应的管理机制，“用数据说话、用数据决策、用数据管理、用数据创新”，建设社会治理大数据应用体系，从而推动政府管理理念、社会治理模式与能力的进步和提升。特种设备方面，为提高大数据运用能力，增强政府服务、监管有效性，2018 年对电梯质量安全工作提出运用大数据、物联网等技术构建电梯安全公共信息服务平台，以故障率、使用寿命为主要指标，建立电梯质量安全评价体系、全生命周期质量安全追溯体系，实现问题可查、责任可追，发挥社会监督作用的目标。

可见，大数据理念和技术正成为推动科学决策、提升监管效能的关键。特种设备量大面广、使用频繁，兼具安全属性和公共服务属性。如何在物联网、大数据、云计算、区块链、人工智能等新技术发展时代，用好特种设备产业全生命周期丰富的数据资源，逐步实现从信息化向数字化的实质性转变，充分发挥数据价值，亟须对其总体策略以及核心路径进行规划与研究。

1 特种设备数字化转型现状分析

自“十三五”以来，有关特种设备安全科学研究的关键词也是“大数据”[8]，希望通过运用大数据的理念及技术提升特种设备安全治理的质量与效益。硬件基础方面，国内多地建立了电梯应急处置平台，部分也涉及起重机械、场（厂）内专用机动车辆等其他特种设备；技术路径方面，以国家重点研发计划《基于大数据的特种设备事故预测预防技术研究》（2018YFC0809000）课题为中心，大数据在特种设备领域的研究与应用辐射多个维度和多类设备；转型落地方面，国家、地方、行业、企业陆续开展有关特种设备政务、监管、管理数字化的试点与实践。

1.1 硬件设施基础建设

当前我国有关特种设备的大数据中心和平台硬件建设的探索与实践，政府层面主要集中于电梯“96333”等基于“简单物联网”的应急处置平台等，其主要目标导向和应用场景还是在电梯故障、困人等突发事件的应急处置与救援。上海市市场监督管理局2023 年度政策研究课题组（20230206）基于本文主题的调查研究显示，2018 年初，杭州将“电梯安全智慧监管”列为政府为民办实事项目，目标完成10 万台电梯“透明维保”和1 万台电梯智慧监管装置的安装。2018 年上半年，苏州“电梯物联网管理平台”实现同8 家电梯生产企业的平台数据对接，完成近万台电梯数据上传，并且实现了同“96333”电梯应急救援指挥平台的有效联动。南京市开展了城市电梯应急救援体系及救援对策研究与实践，选择6 500 台电梯基于物联网技术构建“电梯安全运行应急处置中心”系统，建立电梯应急救援响应体系和对策。“上海电梯监管智能化研究”被列为2018 年市委一号课题“充分运用现代科技，提高社会治理智能化水平”的子课题，通过物联网接入近5 000 台电梯，建设了“上海市电梯应急处置公共服务平台”，并与上海市“智慧电梯”平台开展了融合。

虽然各地有关特种设备尤其是电梯物联网平台的建设如火如荼，但是总体而言，关于大数据中心的硬件基础建设以及数据分析挖掘等软件基础开发的深度与广度仍然不足，绝大多数还是停留在概念和初步探索阶段。上述以电梯为主的应急处置平台所汇集的数据体量、数据采集的颗粒（细化）度与大数据的要求之间相差甚远，既有数据的分析和应用多是简单的统计分析，预测性和辅助决策的应用较少。故障率的细化统计、故障原因的深层次关联分析，以及期望的故障预测、寿命预测等目标，还未能实现。行业专家指出，特种设备风险识别和有效防控的前提是建立强大的风险数据库，数据库的建立依赖于海量监察数据和数据分析模型[9]。目前实质上为信息化的“数字化”建设，较多地表现为在技术上被动地模拟人工或简单地信息采集，大数据、智能化运用不够，特种设备数据利用价值不高。

1.2 大数据核心技术与算法模型

大数据应用的技术路径和流程一般包括数据采集、预处理、分析挖掘和应用。核心技术方面，数据挖掘（Data Mining）是数据库知识发现（Knowledge-Discovery in Databases）中的核心步骤，即从大量数据中挖掘模式与知识的过程，主要通过统计发现、机器学习、专家系统和模式识别等方法实现。可视化技术[10]则能够利用计算机图形学和图像处理技术将数据信息转换为图形信息并进行交互处理，有助于应用人员直接感知。当前有关特种设备大数据的核心技术与算法模型，总体上还是大数据通用技术方法在特种设备领域的浅度应用。

特种设备在线数据采集与通信技术方面，基于通用的STM32 系列单片机和FPGA（现场可编程门阵列）可以联合构建一种特种设备行业高精度的数据采集系统[11]；选择RS232、RS485（2 种计算机通信接口），CAN（控制器局域网）总线和以太网等特种设备典型监测通信方式，分析特种设备多协议转换系统流程，应用Petri（Place and Transition，位置和变迁）网模型理论，可以建立特种设备多协议转换系统网络模型，设计和实现特种设备多协议转换系统[12]。

数据处理技术方面，基于云数据处理技术，通过定义数据来源、数据存储、数据分析、最终数据解释的处理过程，利用ETL（抽取、转换、加载）数据加工工具、MapReduce（映射、化简，分布式并行处理模式）批处理模型，可以实现特种设备监管平台中数据的处理过程[13]。运用Python 语法简洁、数据结构灵活高效和具有丰富的“第三方库”的特征优势，开发基于Python 的电梯大数据预处理和清洗方法[14]，能够提高数据清洗的工作效率。

数据挖掘技术方面，应用并优化关联规则挖掘、社区发现、可视化等数据挖掘技术可以构建宏观安全风险预警方法[15]，其本质是以特种设备监督检验大数据为基础，通过挖掘单台设备微观因素间的关联关系，实现整类特种设备宏观安全风险的识别与预警。国家重点研发计划《基于大数据的特种设备事故预测预防技术研究》课题组面向电梯主要部件故障，综合运用聚类、关联、决策树等算法以及神经网络等技术方法[16]，提出了电梯主要部件典型故障的预测模型与方法，编制了相应的技术指南。

特种设备大数据至少包括基础架构、数据技术、大数据应用、大数据周边服务四大完整板块，并可分为30 多个领域。当前特种设备大数据核心技术层面存在的难点和问题，包括数据颗粒度大、体量小；静态数据的多源异构性和动态数据采集标准不一导致采集、预处理困难；物联网平台的数据分析简单化，分析结论可应用性和指导性不足；大数据挖掘预测模型泛化能力弱、预测精度不佳。

1.3 特种设备大数据技术在政府监管中的应用

政府特种设备安全监管工作需要利用大数据技术进行数据挖掘分析与利用，择取最佳的风险管理方案，支持监管部门做出更加合理的决策，提高工作质效。监管平台建设和应用方面，依托山东质监大数据共享平台建设实践，吴行惠等[17]利用大数据技术，归纳出适应“四位一体”特种设备监察工作的部分应用，获得了一定的智慧监管支持效果。章彬斌等[18]研发B/S（浏览器/服务器）模式下的特种设备使用安全管理公共服务平台，初步实现了八大类特种设备、安全附件、仪表及作业人员等信息网络化管理，并具有到期预警、检验信息同步更新等功能。石家庄市电梯安全大数据综合管理平台[19]融合了大数据、物联网、区块链等技术，通过细化角色划分，赋予相关主体不同权限，实现了多方信息数据融合汇聚。

特种设备检验检测专业技术服务领域，基于“一数、三网、N 平台、大数据挖掘”四位一体规划模式开展的“智慧特检”整体建设[20]，实现了主动风险预测，防患未然。其中，“一数”是特种设备检验综合数据中心；“三网”包括内网、政务内网以及互联网；“N 平台”涵盖特种设备检验检测平台、智慧监察平台、安全监管平台、节能监管平台、应急管理平台、OA 系统、绩效考核平台、质量管理平台、知识库与在线考试平台等；“大数据挖掘”包含了数据挖掘、数据决策、预警分析。

总体而言，相关研究和应用提出了特种设备大数据价值发挥的部分系统和思路，但主体应用仍然停留于浅层，数据挖掘深度和利用率仍然有待提高。对于如何采集底层核心数据（特征参数），搭建数据仓库，建立数据分析模型，以及基于大数据技术方法开展多元化预测应用等核心问题，还未提供系统有效的方案。要真正实现底层数据价值充分挖掘并将业务数据转化为数据资产，通过数字化转型建设实现数据驱动管理的目标，依然任重道远。此外，在大数据采集、分析、利用流程中涉及的法规、制度、政策等，尚未见到有效建立。

2 特种设备大数据价值发挥的策略与路径

基于前述特种设备数字化转型的现状分析，面向特种设备大数据价值发挥整个逻辑过程和系统中的数字基础设施建设、政务数据资源管理政策制度建立、多元化应用方案三个主体，结合数字政府和数字经济发展的趋势与技术进步，剖析各个主体的内涵与外延，来明确特种设备大数据价值发挥的具体策略与路径，可以为相关建设、研究工作提供模式参考。

2.1 特种设备大数据数字基础设施建设

“数据底座”是数字化转型的数据根本和后续一切分析与应用工作的核心基础，也是数字经济的核心资产。数据的数量和质量，决定了应用的优劣。因此，数字基础设施建设的第一要务，就是建立特种设备大数据的“数据表规范”（数据标准）。以数据标准为引领，细化数据颗粒度，明确相应的采集要求，一步到位，改善当前优质数据稀缺的现状。同时，要以数据标准为准则，坚持系统性观念与思维、一体化布局，指导数字基础设施中软、硬件的设计开发和配置使用。

数据采集设施、装置应当与数据采集要求相匹配，除了静态、格式化数据的调用、转化之外，要重点考虑在线、实时采集装置的配置。既有设备可以通过加装传感器、监测设备等采集装置的方式，鼓励或者要求新建造的设备置入（内置）必要的自动化数据采集、传输终端。采集参数（即核心数据）的设计要触及逻辑底层，并与数据分析具有强关联性，避免粗颗粒、无效数据的采集和资源浪费。

数据传输、通信方面，需要根据各类特种设备的运行特点和数据特征，区分静、动态设备，选择适用于特种设备的数据传输、通信技术装备，鼓励采用5G、5G+等技术，保障数据传输的及时性和可靠性。数据存储软、硬件方面，要考虑数据体量和访问速度，从“数据库”升级为“数据仓库”，并建立可扩展的数据存储架构，包括实时数据流和历史数据；兼顾数据备份和恢复策略，确保数据安全。

数据预处理方面，在入库前可先行开展数据清洗、格式转换、质量检验等过程，尤其是特种设备多源异构数据中的非结构化数据，可以采用ETL 工具和技术来实现。数据采集与整合流程中还必须考虑数据的安全性和隐私保护，纳入必要的数据加密、访问控制和数据脱敏技术，尤其是可能包含敏感信息的情况。“边缘计算”、区块链等技术可以用于数据采集和预处理过程中。

数据分析与挖掘一直是特种设备大数据应用技术路径中的关键步骤与核心技术，数据分析涵盖了统计分析、机器学习、深度学习等技术方法，旨在识别数据中的模式、趋势和异常。机器学习算法如决策树、支持向量机、神经网络等，可以用于分类、聚类和回归分析，实现特种设备数据的智能分类和预测。挖掘分析模型的建立和算法的选择及开发要与特种设备数据特征匹配，模型建立初期，基于专家经验或者概率统计的特征工程尤为重要，在后期算法选择、模型训练与改进、效果评价是核心。

通过数据分析与挖掘，比对实时数据，发现隐藏在数据中的知识和见解，进而明确数据关联关系、共性模式，使得潜在问题得以显性表达，开展趋势预测。数据分析挖掘还要考虑数据可视化和交互性，通过可视化工具将复杂的特种设备数据转化为易于理解的图形、图表，帮助决策者更好地理解数据，快速识别关键信息和趋势。虽然数据分析挖掘的成功基于高质量的数据前处理、特征工程和模型验证，但是全过程中的数据安全性和隐私保护不容忽视。

2.2 特种设备政务数据资源管理制度与政策

数字经济时代，特种设备数据资源已经成为重要的生产要素，应当建立健全涉及数据产出、加工、再加工、应用等各环节的管理制度与政策。特种设备数字化治理体系中，首先是建立基于“数据表规范”的大数据标准规范体系[21]，体系设计构建既要考虑特种设备行业内部的系统性、数据颗粒度细化程度与协调性，也要考虑特种设备政务数据与相关行政监管部门、行业企业数据的交互性、关联性。采用层次分析法、知识图谱等方法，可以设计和构建特种设备大数据标准规范体系，令其具有足够的柔韧性与拓展性。

在维护国家数据安全、保护个人信息隐私和企业商业秘密的前提下，需要基于特种设备行业、产业特性和数据特征，综合考虑数据产权、流通、交易、使用、分配、治理、安全等各个环节和维度，开展特种设备数字化治理体系顶层设计，进而在实践中依据数据来源、产业链节点等实行分级分类的监督管理，防止各环节主体的垄断与不正当竞争，实现多元共治，促进数据合法高效地流通和使用。

基于特种设备政务数据资源清单，该体系至少应当涵盖以下机制：1）地方、行业、国家标准；2）政府一体化平台下的多源数据采集与追溯制度；3）数据质量评价标准与实施机制；4）数据第三方存储（“数据银行”）准则；5）原始数据流转控制机制；6）数据产权、确权、授权机制；7）数据要素、产品流通交易规则；8）数据要素、产品收益分配与合法权益保护制度；9）政务数据交互、信息协同机制；10）全流程数据涉密、涉私、脱敏保密制度；11）数据存储（备份）安全保护制度；12）数据访问、使用管理权限分配规则；13）区块链技术准入规则；14）数据预测效果验证、评价与改进机制。

政府监管机构、设备制造商、运营商、使用方、维修服务提供商等构成的复杂生态系统中，特种设备大数据交互、协同机制的建立要考虑中央与地方、政府与企业的关系，其核心涉及两方面，一是数据资产（产权）带来的收益分配问题，二是涉及企业（个人）的技术机密、隐私和安全性等问题。除了政府明确需要采集的基本数据信息之外，可以受限地、采用付费（购买服务）方式接入（调用）企业（个人）经过脱敏、加密的必要数据，或者已经过加工的数据（产品）。行业以及区域的数据“银行”、大数据交易中心将逐步成为具有公信力的第三方数据存储、交互机构，但应当避免将数据产权集中于与政务数据资源不相关的第三方。数据交互机制、信息协同机制文件可以采用“系统对接建议书”等文本进行固化体现，而有关产权归属、权益分配、权限管理等，则需要通过立法途径解决。

数据资源产权归属、数据管理、使用权限[22]是涉及特种设备数据资源价值和利用的敏感与难点问题。区块链[23]可以被认为是相关方平等参与、共同维护的一个计算机数据库，结合特种设备（如电梯）自身属性与数据特性，研究和发挥区块链技术的核心优势，即分布式数据存储、点对点传输、共识机制以及基于密码学原理的“时间戳”技术等，可以用于协调解决上述交互机制、产权归属、管理与使用权限等系列机制中的难点痛点，甚至赋能特种设备产业、大数据开发应用的新一轮创新。

2.3 特种设备大数据多元化应用方案

数据驱动的特种设备智慧监管、信用监管、协同监管、“互联网+检验检测”、故障预测预防等多元应用方案，为特种设备产业数字化转型升级，高质量、高附加值、安全可靠发展以及高效能管理提供了模式参考。场景应用时，数据可视化与集成可视化工具的决策支持系统，是界面友好性的关键。数字产业层面，在解决了生产企业技术壁垒保护、大数据与特种设备相容性较差的问题后，特种设备大数据加工、应用企业孵化稀疏的现状将得到显著改观。

对于设备使用者和管理者而言，特种设备数据流运行各个阶段中，远程、在线安全监测系统能够识别潜在的安全风险和异常行为，促进其遵守相关法规和标准，保障安全性；数据分析结果可以优化特种设备运行策略，降低能源消耗，提高效率与可用性；前瞻性预测可以辅助制定维护计划，减少不必要的停机时间，实现预防性维护（检验）、精准维护（检验）和远程运维。智能决策支持系统可以根据数据分析结果提供建议和行动计划，确保决策支持系统自动化反应，降低潜在风险。

对于政府监管部门而言，智慧监管平台能够将不同来源的特种设备政务数据资源整合为一个无缝的信息生态系统，包括监管记录、检验报告、维护记录、使用数据、安全漏洞信息等，消除数据孤岛，使其全面掌握特种设备状态，更好地进行决策。基于大数据技术应用的信用监管，能够建立多层次的信用评估体系、信用积分分配机制，进而关联实际权益，丰富监管手段。基于特种设备大数据交互、共享与协同机制，能够实现不同监管机构、政府部门之间的协作和信息共享，有助于更加高效地优化政务数据资源利用、应对跨部门问题和事件。