工业企业安全生产大数据云治理平台技术方案.docx

《工业企业安全生产大数据云治理平台技术方案.docx》由会员分享，可在线阅读，更多相关《工业企业安全生产大数据云治理平台技术方案.docx（9页珍藏版）》请在第一文库网上搜索。

1、工业企业安全生产大数据云治理平台技术方案目录1 .工业企业安全数据治理重要性，六个问题让风险增大11.1. 我们为什么要进行工业企业安全数据治理11.2. 安监局在督查中仍发现一系列问题21.3. 建成三个标准32 .工业企业安全生产进行安全生产数据治理的六个关键点31. 1.安全生产数据治理需要有战略指导42. 2.管理组织专业化是基础43. 3.规范机制的建立是基础保障44. 4.数据管理体系要体现业务价值45. 5.质量提升要统筹考虑46. 6.技术支撑需要跟管理重点配套43 .工业企业安全数据治理主要功能54 .工业企业安全数据治理平台架构64.1. 总体应用架构64.2. 总体技术架

2、构65 .工业企业安全数据治理应用效果85.1. 应用背景95.2. 行业痛点95.3. 市场应用前景91 .工业企业安全数据治理重要性，六个问题让风险增大我们为什么要进行工业企业安全数据治理。煤炭是重要的基础能源和工业原料，为保障我国经济社会快速健康发展作出了重要贡献。今后一个时期，煤炭仍将是我国的主体能源。近年来，我国煤炭产业取得了长足发展，为国民经济和社会发展提供了可靠能源保隙，但自身存在的开发布局不合理、增长方式粗放、安全保障能力不足、效率低、污染严重等突出问题仍未得到根本性解决。1.1. 我们为什么要进行工业企业安全数据治理煤炭是重要的基础能源和工业原料，为保障我国经济社会快速健康发

3、展作出了重要贡献。今后一个时期，煤炭仍将是我国的主体能源。近年来，我国煤炭产业取得了长足发展，为国民经济和社会发展提供了可靠能源保障，但自身存在的开发布局不合理、增长方式粗放、安全保障能力不足、效率低、污染严重等突出问题仍未得到根本性解决。党的十八大对能源产业发展提出了更高要求，中央财经领导小组第六次会议和国家能源委员会第一次会议明确了煤炭开发利用的发展方向。推进煤炭安全绿色开发和清洁高效利用，是煤炭工业可持续发展的必由之路，是改善民生和建设生态文明的必然要求。1.2. 安监局在督查中仍发现一系列问题一是开展“两个专项”工作不认真。一些监管监察部门和企业对专项行动不重视，有的以日常监管监察和隐

4、患排查治理代替专项行动，未对照8个方面突出问题开展自查分析、制定针对性防治措施，对系统性风险分析研判不认真、不深入；有的专业监察人员少，将专项监察与其他内容合并监察，监察效果打折扣。二是企业落实主体责任有差距。一些工业企业企业安全生产管理制度不健全，修订不及时、不切合实际，甚至相互矛盾、有明显错误、照抄照搬；企业安全办公会议、“一通三防”会议流于形式，安排工作没有针对性；部分工业企业“五职”矿长专业性不强，工程技术人员匮乏。三是违法违规问题依然严重。一些企业盲目追求经济效益，存在超能力、超强度组织生产。四是重大灾害治理仍有差距。一些工业企业对多种灾害耦合叠加的危害性和复杂性认识不足，致灾因素查

5、不清，灾害防治措施不落实，特别是多数工业企业安全监控系统存在运行不可靠、功能不健全，井下主要地点未按要求安设传感器，瓦斯超限不能断电等问题。五是工业企业安全基础较为薄弱。工业企业工人安全意识不强，安全策略也落实不到位，存在很多安全隐患。六是监管监察执法有待加强。部分工业企业属地监管责任落实不到位，日常安全监管检查标准和要求不高，对复产验收、复工审查备案等把关不严；一些工业企业安全监察机构执法文书上传不及时，对企业基础数据、管理平台数据填报审核把关不严，与实际严重不相符。1. 工业企业风险预警与防控平台。运用当前先进的大数据物联网、流式计算、云存储、时序数据库等技术，全面实现了工业企业安全数据从

6、数据标准化，数据异地采集，流式计算分析，云端存储，指标计算到数据可视化（风险一张图）展现的全数据生命周期应用，并通过风险（智能）研判、风险预警下发、工业企业风险处置反馈、风险处置效果审核，实现数据赋能业务，循序渐进帮助工业企业改进风险。2. 3.建成三个标准1 .构建工业企业安全风险指标体系和风险预警分析模型针对不同特点工业企业构建自适应的工业企业风险预警分析模型，动态对工业企业风险进行自动评估。2 .开发工业企业风险预警与防控系统包括政府端和企业端政府端实现工业企业区域安全风险分级评判与预警，企业端采集工业企业企业静态、动态指标数据。3 .示范试点工业企业数据联网采集和系统部署应用遵循联网备

7、查等相关数据标准要求完成监控监测系统数据采集和视频在线分析工作。2.工业企业安全生产进行安全生产数据治理的六个关键点近年来，大型集团企业全面开展安全生产数据治理，挖掘工业企业数据价值，为企业的数字化转型助力赋能。同时，在实践中发现，要想发挥数据的价值就要解决数据可见、可用、可视等问题。因此，通过总结发现需要解决5大方面的问题：1 .要让使用者知道企业中有哪些安全生产数据；2 .要让使用者知道安全生产数据长啥样子；3 .要让使用者知道如何获取安全生产数据；4 .要满足使用者对安全生产数据质量的要求；5 .要保障应用中安全生产数据的安全。所以，只有建立高效、全面、协同的安全生产数据治理体系，才能使

8、数据可发现、可获得、可理解、可使用，才能发挥安全生产数据治理在工业企业的价值。而且工业企业进行安全生产数据治理必须掌握以下六个关键点：2. 1.安全生产数据治理需要有战略指导安全生产数据治理的目的就是使数据通过有效的管理发挥数据的价值，从而支持企业战略、业务发展和数字化转型。因此，安全生产数据治理要从企业级视角出发，根据企业战略的需要，制定数据战略，从而保证数据管理是在正确的轨道上开展。3. 2.管理组织专业化是基础要有专职或专职虚职结合的组织开展安全生产数据治理工作，关键要有核心管理层的支持。没有安全生产数据治理组织开展安全生产数据治理就像没有队伍打仗一样，难以协调和形成合力，安全生产数据治

9、理基本是支离破碎的状态，因此安全生产数据治理的效果就不明显，有时还会出现反作用。4. 3.规范机制的建立是基础保障制定公司的安全生产数据治理制度、流程、考核等机制，是安全生产数据治理规范开展和持续开展的基础。通过制度、流程、考核机制形成常态化安全生产数据治理生态。有些企业做了安全生产数据治理规划，制定了制度还是不知道如何开展安全生产数据治理。安全生产数据治理就是要把治理的工作与信息化项目开展结合和融合，是每一个项目中数据相关的内容是受治理的。5. 4.数据管理体系要体现业务价值安全生产数据治理无论从数据标准、数据质量、数据安全、数据共享等方面进行了建设，必须要体现业务价值才能让企业有信心持续开

10、展。因此，要把安全生产数据治理和业务价值实现紧密联系起来，比如决策的准确度，流程优化、效率提升、成本降低等。6. 5.质量提升要统筹考虑工业企业数据量大，数据质量策略不能完全一样，必须将有限资源投入到关键数据上。因此，数据质量的提升要关注关键数据，比如战略决策数据、财务报告数据、市场发展数据等。只有采用全面统筹、重点突破、核心价值实现的理念，实现关键数据质量的提升，才能更好的做好数据质量管理工作。7. 6.技术支撑需要跟管理重点配套众所周知，安全生产数据治理是一项全面的持续化的工作，需要考虑数据标准、数据质量、数据安全、主数据、元数据、数据资产等技术工具的支撑。但是，我们又不可能一下子把工具配

11、备齐全，因此在技术支撑方面就要结合公司战略重点和业务的重点工作进行建设。不管安全生产数据治理怎么进行都离不开安全生产数据治理人才，只有更多专业的安全生产数据治理人才发挥所长，企业的安全生产数据治理才能进行的更顺畅。为了解决社会对数据管理人才的紧迫需求，规范化数字要素市场，推进政府数据开放共享、提升社会数据资源价值、加强数据资源整合和安全保护三项要求，DAMA中国决定建立一个长期的“数据人才”成长计划，面向个人开展培训认证。为了便于国内广大数据从业者学习相关认证，DAMA中国以国际数据管理协会（简称“DAMA国际）DAMA数据管理知识体系为基础，结合国内实际需求，对DAMA国际数据管理专业人员认

12、证（CDMP）的考试语言、考试形式、考试内容、证书类型等进行了适当本地化重构。重构后认证考试分为安全生产数据治理工程师（CDGA）和安全生产数据治理专家（CDGP）,DAMA中国承担认证考试命题工作，并定期组织中文考试，对考试通过者由DAMA中国颁发认证证书。证书有效期为三年，获得CDGA认证才能申请CDGP认证考试。3 .工业企业安全数据治理主要功能高度概括应用解决方案的特色、实现的主要功能及达到的应用效果。口）事故总览：清楚知道事故总数、直接经济损失、死亡人数、伤亡人数以及事故区域分布及区域占比，事故级别分布及事故级别占比，事故行业分布及行业占比，对事故总起数、直接经济损失、死亡人数、伤亡

13、人数、事故级别进行同比展示。（2）事故智能分析：根据自定义时间查找，得出事故类型排行，根据事故类型了解事故发生区域、行业、级别、时间、天气进行多维度分析，得出大数据分析结果以及大数据预测结论，为领导提供决策依据。（3）隐患事故关联分析：对事故热点词云自定义时间查询，关联事故类型，事故区域，事故发生原因等，事故原因跟企业隐患进行配对，有相同隐患企业进行提供预防措施，为领导提供决策依据。（4）安全生产指数：分为行业和区域，主要从基础数据、隐患数据、事故风险数据、物联网数据、特殊时期数据五大维度以及每个维度中小维度，利用安全生产指数模型，通过对选定字段预处理操作，进而得到行业跟区域安全生产指数。基础

14、服务平台：主要为项目提供统一的数据访问/存储介质管理，简化数据处理过程中数据来源和目标配置的复杂度，通过大规模，可扩展算法的ET1实现数据的清洗、转换、加载功能，保障数据正确、完整、规范地加载到目的地，解决数据整合过程中的传输异常、数据加载异常、数据结构与质量异常等问题。（5）模型管理平台：通过平台提供相关控件搭建模型流程，就是我们常说的可视化建模，可以对第5页共9页已建好的模型流程进行修改，相比传统的代码方式修改更简单快捷，还可以自定义更新模型运算机制。4 .工业企业安全数据治理平台架构4.1总体应用架构安全生产大数据智能管控平台建设采用J2EE技术架构，遵循SOA体系结构结合国家安监总局大

15、数据平台建设指导意见要求，并根据国家标准电子政务模型体系建设的实际要求设计。平台建设规划包括智能管控基础服务平台、大数据模型管理引擎、大数据可视化管理引擎和大数据可视化展示服务等内容。按照大数据架构图进行编辑，按照相关性重新划分产品的分布。其整体架构如下图所示：4.2.总体技术架构可视化系统可视化展示堪行业生产安全指数I隐患特征词引布傍隐电重复性分析隐患事故关联分析模板引擎异垢S信反向伸SH5*出艮务平台数据源元数据管理模型管理可视化管理业务层雌服务运行触系疣管理数据后日志系统安全管理体系平台软件应基于国际标准的J2EE多层架构，使应用表现层和运用逻辑层、数据存储分离，从架构上保证系统的灵活、高效、可支持跨平台应用。采用B/S模式，使用户端可以通过浏览器访问和维护系统，支持远程办公，且用户操作简单易于上手。软件应支持集群部署，支持主流的中间件如Websphere,Web1ogic,JbossTomCat等上的集群部署，任意节点可查看和管理其它集群节点，集群节点可随时动态加入或退出，对某个服务器实例状态的修改，也会自动同步到集群环境中的其他节点服务器上而无需重启各节点服务器。平台采用的技术框架如下图所示：基于J2EE架构技术F1exHTM15JavaScriptWinForm应浏览器及面娥用Java.NETCAndroid