如何利用物联网实现企业生产安全?

生产与安全管理是企业管理的重要领域。但绝大部分大型企业由于现代化管理系统存在缺失，只能更多依赖人工经验进行生产管理，事后的应急处置来降低安全事故代来的损失。

针对这种情况, 本文提出利用物联网收集的生产数据、报警信息、事故信息等，建立大数据分析模型，构建每一生产环节的运行模式，使实时监控和预警成为可能，实现了生产管理实时决策，重大危险源的快速辨识、监控、跟踪和决策支持。使得风险和安全隐患已经在出现征兆时就可以被识别、分析、联动预警，因此未来安全生产管理的发展将从人工转向自动化，智能化。安全风险从事后补救转向事前预防。

关键字：大数据，安全预警，物联网

全球企业的生产与安全管理体系在持续完善中，如排产系统升级，机械设备监控，生产透明化体系构建，规章制度建立、人员安全生产培训、HSE 体系的建立、应急指挥系统的建设等等。但是MARSH公司的研究发现，由于硬件系统、管理体系、应急管理等多方面原因，仍然导致了企业生产效率低下与安全事故频发[8]。

特别是在能源制造企业中更是产生了极为严重的后果，MARSH公司数据显示，在过去40年间共发生了1万多个能源行业生产安全事故，并且到2013年为止，100个最大的能源企业生产事故造成的直接损失（财产、清理费用）超过340亿美元，而停产、信誉、气候、后续索赔等方面的损失更是难以计数。

例如2010年BP墨西哥湾原油泄漏事故 [7]。事故导致11名员工死亡，平均每日6万桶原油泄漏，全美超过40%的湿地可能需要数十年才能完全恢复。

美国相关部门调查发现事故的直接原因是加固油井的水泥出现问题，而其深层原因则暴露了政府监管不力、BP应急预案不完善且实施能力欠缺、对安全和风险估计不足造成安全标准无法满足实际生产情况等深层原因[6]。

在 2011年9月, 一个明确的报告发布了核心的原因是水泥在油井底部的失败。与此同时, BOEMRE (美国海洋能源管理、管制和执法局) 和海岸警卫队的报告指出, 漏油的原因还包括:

风险管理不善

对计划的最后一分钟更改

未能观察和回应关键指标

良好的控制反应不充分， 低效率的公司和个人的应急反应培训

在某大型咨询公司的一份针对油气行业管理层的全球调查显示，企业策略与数据分析在职能和部门层面不相一致，分析工作无法与企业管理有机整合。同时，五分之四的受访者都面临数据整合的窘境：他们在日常业务中的数据分析依然是零散孤立的，不能使用覆盖整个企业组织的集成化方法来分析数据。这些最终导致企业在收集了大量环境，交通，资源，人员位置等信息后仍然难以实现统一的分析和调度能力。类似的问题在其他行业也不同程度的存在。

进一步分析发现在改进安全生产系统、构建应急管理体系方面都面临一些相同挑战。主要涉及三大问题

2.1. 缺乏一体化生产与管理平台

不少现代化企业一直在通过传感器、智能化设备间的数据交换对生产过程进行安全监控，同时建立了应急管理系统。但当灾害或突发性事件来临，企业发现应急管理工作仍然没有章法。其中很大一个原因便是管理体系和数字化管理“两张皮”的存在，造成线上和线下信息断裂而无法实现联动。而另一个同样重要的原因便是没有构建覆盖整个组织的分析、预测和调度能力。

2.2 应急管理停留在事后处理阶段

目前应急管理系统通常在事后处理阶段才发挥作用，主要是由于传统的安全管理系统存在缺失。虽然企业普遍建立了安全生产的规章制度以预防事故的发生，但由于预测系统缺失或无法联动、决策效率低、人为执行不到位等原因，企业仍然无法有效预防生产安全事故，而只能依赖事后的应急管理来解决问题。

2.3大量复杂的人员情况成为影响企业生产效率与安全应急管理的重要因素

现在代大型企业中复杂的生产流程，需要更加严格的作业标准、更加及时准确的预判和能够有效执行的预防措施。而传统的人工经验已难以分析复杂情况下的风险，人工执行效率早已落后于突发事件的发展速度。

同时传统行业由于多种原因，难以吸引先进的技术人才加入，也进一步影响了传统行业使用先进技术解决生产与安全管理问题的进程。

因此需要新的解决方案能够有效弥补人工经验的不足以及由于条件复杂而无法实现人工巡检的特殊情况，将人员掌握的生产安全知识转化为标准的知识系统，提升安全生产效率，降低人工产生的风险。

3.1以产业物联网为基础的安全预警管理平台

产业物联网平台，以传感器，手持设备，甚至数字化的日常工作记录为数据源，建立基于分布式体系构建大数据分析服务平台，集成了批处理、流处理和内存计算三大计算引擎，满足大数据的批量、实时的高效分析计算。同时引入基于深度学习的算法，对进入平台的多种非结构化数据进行分析预测处理。更关键的是平台利用云平台已有的服务与技术，一方面提高了数字化平台的工作效率与能力，另一方面也解决了传统行业对IT技术人才储备不足的问题。分析平台技术框架如下图所示：

图1  大数据分析平台技术框架

3.2 基于产业物联网生产安全平台的优势

与已有的信息化管理平台进行对接，打通了生产与安全数字化管理之间的联接，新的平台覆盖了日常生产，安全管理，应急管理以及灾后恢复的每个环节。从多维度进行分析与模拟，给企业提供一整套可操作的方案。

图2 大数据分析服务平台参考架构

在统一平台下给企业提供如下优势：

1）  数据共享标准化，打破企业内部的信息孤岛，构建企业级的共享平台以将数据有效集成各个业务系统积累的大量数据。为建立生产企业物理信息系统奠定坚实的基础。

2）  充分享受数据挖掘技术带来的红利。通过广泛的机器学习来建立分析模型，提供给企业实时的洞察力，帮助企业做出快速准确的决策。大数据分析应注重关联分析，统一的数据平台，更有利于分析模型可以从多维度对生产效率，安全模型进行分析，提高准确性、实时性、可操作性和可应用性，并根据新业务的需求，不断调整传统的数据挖掘技术和方法。

3）  安全管理数据，使用统一平台，可以对不同数据进行有效的分级管理，统一的安全策略，保证数据共享的同时，极大的维护企业的数据安全。

3.3 基于深度学习进行安全预警管理

预测和预警功能是本解决方案的重要价值体现。而这些功能的实现需要建立有效的预测模型，实现从海量存在的数据中提取潜在的、有预知作用的信息，并且输出的结果应表现为一定的规则、规律、模式或者态势。

基于大数据挖掘的预测建模是一个循环迭代的过程，通过不断完善，来建立满足业务目标的模型。埃森哲开发的大数据挖掘预测模型采用了CRISP-DM(Cross-Industry Standard Process for Data Mining)框架，如下图所示（图3）：

图3  建立大数据预测模型的框架

这六个阶段的顺序不是完全固定的，需要根据前一个阶段的产出物是不是满足下一个阶段的输入来调整这些阶段的顺序，图中箭头指出了最重要和依赖度高的阶段关系。在实际的数据分析过程中，需要经过多次反复才能达到预期目标。例如，在进行数据理解过程中需要重新对业务进行认识，模型部署前要对模型进行彻底的评估来确保模型可以完成业务目标。

生产与安全管理对现代化大型企业是一件长期进行、持续提升、全局协同的工作。本文提出基于产业物联网的生产安全系统使用物联网，分布式计算平台以及云平台技术，以生产优化，风险预测模型为技术核心，合理使用数据，分析数据，实现生产与安全管理的可预测、可监控、可挽救。实现了安全生产与高效管理的制度体系与数字化管控的融合，增强了企业决策能力。