毕节市纳雍县安监局 贵州毕节 553300
摘要：现如今，我国的科技发展十分迅速，随着煤矿自动化、信息化建设的不断发展，开采过程中产生了大量的生产技术、业务管理、监测监控、综合自动化等类型数据，目前对这些海量数据的利用多数仍停留在基本的统计汇总、上报展示阶段。介绍了如何利用大数据技术，建立煤矿安全生产辅助管理模型，对矿井积累的海量数据进行统一集成管理和深度分析挖掘，并以“阳煤安全生产运营管理平台”建设中大数据应用实践为例，说明了其对提升煤矿安全生产管理水平的意义。
关键词：安全管理平台；自动化；大数据挖掘技术；分析模型；煤矿安全生产；信息化
引言
针对煤矿安全生产的问题，国内外专家学者从不同角度、采用不同方法进行了大量研究，取得了一定的成果。国内学者主要在专题性安全生产技术、安全生产规章制度制定、安全生产管理和评价方法、安全管理信息系统和专家决策支持系统的构建等几个方面开展相应的研究；国外学者在煤矿安全信息、事故树分析及应用、煤矿安全评价方法、安全管理模式和安全管理信息系统的开发等方面均有研究。但我国在煤矿生产过程的安全管理方面仍存在着许多不足，仍没有形成一套完备且行之有效的管理体系，导致不能够在源头上减少安全隐患，避免煤炭企业在生产过程中的安全隐患及事故的发生。因此，本研究综合考虑煤矿企业管理的各方面因素，将煤矿安全生产管理水平的提高和改善作为研究目标，对煤矿安全生产管理体系进行了优化，以期进一步提高煤炭企业的安全管理水平，提高煤炭企业的经济效益和社会效益。
1大数据技术煤矿安全生产管理特征分析
1.1生产数据体量巨大
煤矿生产是最复杂的系统工程之一，生产过程中涉及到大量的监测数据、设备运转数据、图形数据、方案措施等文档数据、流程管理等业务数据等。1个中型煤矿每天可产生约10GB安全监测数据；1个稍具规模的煤矿单位的图形数据，包括井巷工程设计图形、采掘通风监测类图形、机电设计图形等，经压缩管理后仍可达上百GB。传统的处理方法不可能保存煤矿数十年的生产数据，特别是含有巨大分析价值的安全监测数据，传统做法是定期删除存档，造成巨大价值浪费。
1.2数据产生速度快
煤矿安全监测系统的完善，管理制度的完善，系统24h不间断运行等都是煤矿大数据产生快的客观因素。如瓦斯、温度、风速、CO等传感器，会每秒或几毫秒产生1条数据，系统24h不间断运行，产生大量的数据，使数据量持续快速增长。
2煤矿安全生产管理大数据模型
2.1安全可视化管理对象
1)人员对象分析。煤矿安全管理主要针对的主体是人，这是煤矿安全可视化管理的首要对象，通常煤矿人员对象分三类，其一是企业领导，其二是安全管理人员，剩下的是其他员工。企业领导在可视化管理中具体代表的是带班下井，然后解决安全问题情况，安全管理人员体现的是责任主体，其他员工体现的是不安全行为。2)设备对象分析。当前煤矿机械设备越来越多，其对煤矿安全生产至关重要，按照安全管理和设备的关系主要分为生产设备、安全监测设备两大类。
期刊文章分类查询,尽在期刊图书馆其中，安全监测设备能够确保煤矿安全生产，因为监测设备对各种安全信息都可以获取，如果它发生故障，对其他安全方面的信息就无从得知，所以，煤矿安全管理可视化要想实现，前提条件就要是要确保安全监测设备处于正常运行状态。煤企监测设备涉及很多系统，在这里主要以矿压监测系统、瓦斯监控监测系统、探放水系统、温度监测系统为主。3)环境对象分析。煤矿生产环境对于企业安全运营至关重要，这里主要是指井下矿压、温度、瓦斯浓度、水文条件、CO、通风条件等。这些环境因素能够直接导致安全事故的发生，因此要通过不同的环境监测设备对这些客观存在的因素进行监测，如果有异常情况发生，要及时采取措施。4)区域对象分析。煤矿生产覆盖到的范围比较广，区域不同，则危险程度也不一样，因此，在煤矿开采过程中，一定要按照地理位置进行区域划分，然后根据区域来划定安全责任，同时再采取相应的安全措施，以保证安全管理效率的提升，以此来看，安全区域是可视化管理中必不可少的一个对象。5)应急预案对象分析。该对象属于安全管理的重点，只有对可能发生的事故制定应急预案，才是把危害降到最低的方式，所以，应急预案体系一定要完善，确保各类预案和对应的安全管理对象产生联系，这样就可以形预案联动。煤矿安全可视化管理业务中所采取的应急预案既要体现可视化预演，保证预案可操作性和实用性，又要实现预案和事故的联动。
2.2煤矿安全生产管理大数据专家知识库
构建煤矿安全生产管理专家知识库的过程主要是整理行业规范规程体系中的经验和相关专业理论知识[6]，为大数据计算提供规则和逻辑支撑，流程为：整理矿山生产相关法律法规，及规范规程，如《安全生产法》、《矿山安全法》、《煤矿安全规程》等，建立煤矿安全知识分类体系，通过选择合理的知识表达方式，建立知识数据库。分析挖掘矿山生产过程中实施方案、规章制度、作业规程、工程措施等，形成安全动态诊断专家知识库的概念数据模型和逻辑数据结构。开发元数据库管理系统，实现专家知识库中评估打分知识结构、打分策略以及安全推理知识体系的定义、描述、管理维护。开发知识库库管理系统，实现知识增加、删除、更新、查找，以及正确性、歧义性、冗余性、包含性检查。设计开发知识库的推理机和解释机，实现安全知识的推理以及解释。根据煤矿安全生产活动不同的主题内容，可以将煤矿各类安全知识规则分成一般知识、开采、通风及安全监控、灾害防治（瓦斯防治、粉尘防治、煤与瓦斯突出防治、防灭火、防治水）、爆破安全、电气安全、运输提升安全、煤矿救护等七大主题。其中，各个主题均规定了各类生产活动中人/机构/部门、机器设备、生产环境、管理制度必须遵循和具备的管理、技术、工程方面的知识规则。
2.3安全监察理论
安全监察主要包括事前监察、事中监察和事后监察。事前监察的主要目的是消除不安全因素，从源头上预防意外事故的发生；事中监察的主要目的是对已发生的安全事故进行全面的检查，从而找到事故发生的原因；事后监察的主要目的是从已发生的事故中总结经验，制定相应的预防措施，同时对事故的相关负责人进行一定的惩戒。以上三种监察方式均有各自的侧重点，有效消除了不安全因素，在一定程度上减少了意外事故的发生。该煤矿在实施安全监督检查流程中，只注重的是事前监察，事中监察和事后监察方面的工作相对薄弱。
结语
为了解决煤矿安全生产管理中海量数据的深度应用问题，引入大数据技术解决方案，建立了煤矿安全生产大数据动态分析、诊断、预警模型，对矿井“人、机、环、管”数据综合集成管理和深度分析挖掘，直观、动态展现矿井的安全生产状况。实际应用效果表明，基于大数据技术可以，对煤矿安全生产的各类信息进行展示、分析、推理，诊断并概括现势安全状态、预测未来安全形势，对煤矿管理正确决策提供科学依据，对提升煤矿安全生产管理水平具有积极作用。
参考文献:
［1］孙继平.煤矿事故分析与煤矿大数据和物联网［J］.工矿自动化，2015，41（3）：1-5.
［2］王海军，武先利.“互联网+”时代煤矿大数据应用分析［J］.煤炭科学与技术，2016，44（2）：139-143.
［3］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，2014，40（4）：5-9.
［4］王元卓，靳小龙，程学旗.网络大数据:现状与展望［J］.计算机学报，2013，36（6）：1125-1138.
［5］吴开兴，张亚静，张明.行为安全管理在煤矿安全管理与评价系统中的应用［J］.煤矿安全，2017，48（1）：218-220.
论文作者:韩勇
论文发表刊物:《防护工程》2018年第34期
论文发表时间:2019/3/21
标签：数据论文; 煤矿论文; 煤矿安全生产论文; 煤矿安全论文; 安全管理论文; 的是论文; 对象论文; 《防护工程》2018年第34期论文;