煤礦隱患閉環管理系統研究

導語：煤礦隱患閉環管理系統研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要:分析了現有煤礦隱患管理系統中存在的不足，制定了完整的隱患級別、隱患種類和隱患標準項管理方式，優化了隱患排查治理流程，利用分層架構方法和ASP．NETMVC技術完成了煤礦隱患閉環管理系統的研發。系統利用智能終端實現了隱患的動態檢查與錄入，具備隱患的確認、整改、驗收及申訴等功能，并借助FP－Growth算法，發現隱患在多個維度間的關聯關系，為隱患治理提供可靠的決策建議與支持，有效減少煤礦隱患的發生次數，促進企業安全生產。

關鍵詞:隱患閉環管理;隱患標準項;數據挖掘;關聯規則分析;智能終端

近年來，國家煤炭產量不斷提高，煤炭生產中的各類事故屢有發生，造成重大的人員傷亡和經濟損失。隨著煤炭行業經濟形勢的持續下滑，人才流失嚴重，投入資金不斷減少，煤礦安全形勢更是不容樂觀［1］。然而，每個事故的發生，都是由一個或多個長期累積且沒有得到正確及時處理的隱患轉變而來，因此，作為事故發生的前兆，對煤礦隱患的治理受到越來越多的重視，正確及時處理存在的隱患，是避免事故發生的重要手段之一。

1現有隱患管理系統存在的問題

1)隱患處理流程簡單，治理效果不明顯。系統往往只是對煤礦隱患的簡單記錄，處理流程簡單，整改與處罰措施不到位。有些地方只為應付檢查，對錄入的隱患甚至沒有任何實際的整改與驗收，根本無法起到應有的作用。2)在隱患分級、分類、標準建立上過于隨意，無法做到全面、統一與公平公正，不利于系統的實際推廣與應用，也無法支持后期的數據分析。3)隱患記錄手段不合理，缺少便捷的錄入工具。許多煤礦和隱患系統仍然停留在人工現場檢查后，將隱患信息記錄到紙張表格中，再由專門的信息技術人員錄入到隱患管理系統中，在手持智能終端普遍流行的今天，顯得尤其笨拙與不合理。4)對煤礦隱患數據沒有很好的利用與分析，造成同類型的隱患屢次出現，沒有從根本上幫助企業減少隱患的發生次數，改善企業安全生產狀況。實際上，這才是隱患管理系統的根本之處和意義所在。因此，設計并實現了一種煤礦隱患閉環管理系統，它優化了隱患的管理流程，增加了智能終端的使用，并利用數據挖掘算法對已經有隱患數據進行挖掘與分析，給煤礦隱患的預防與評估提供了可參考的建議與支持，減少了隱患的發生次數。

2隱患管理及流程分析

2．1隱患分級分類與標準項管理

系統在設計時，將隱患按照其嚴重程度分為4個等級，A級、B級、C級、D級，其中A級為嚴重級別最高的隱患。而在隱患分類上，根據煤礦實際生產情況，系統將隱患分為調度、通風、采掘、機運、地測防治水、爆炸品與放炮、共性等7個標準專業。隱患標準項，是隱患治理與管理的基礎，是隱患考核的主要標準依據。系統在以上隱患分類和隱患等級的基礎上，制定了578個隱患標準項。每個隱患標準項由標準項編號、標準項內容、適用崗位、隱患種類、隱患級別、罰款標準等組成。

2．2煤礦隱患排查治理流程

通過對煤礦生產過程中的實際隱患處理情況進行分析并優化之后，系統將隱患流程設計為檢查、錄入、確認、整改、驗收和存檔幾個主要過程，并增加了隱患申訴與仲裁、挖掘與分析、評估與建議等幾個環節。

3煤礦隱患閉環管理系統

3．1系統架構

系統使用分層架構的設計理念，抽出了相對獨立的數據存取層和服務層。數據存取層由DataAc-cess數據存取模塊和Depot數據處理模塊組成，分別用來負責數據庫表的直接讀寫和相關業務的SQL語句或存儲過程的轉換與執行。服務層由Service服務模塊和WCF服務模塊組成，其中Service服務模塊負責對業務邏輯的封裝，而WCF服務模塊則是利用WCF技術［2－4］，向Web網頁和智能終端APP提供無差別的數據服務和業務邏輯服務，這得益于面向服務體系架構的思想與技術實現。系統具有公共的日志記錄與管理Log模塊，并利用基于元數據與角色的權限管理控制MetaRBAC模塊［5］。同時系統還提供了基于Android平臺的智能終端APP，具備隱患的現場錄入、整改、驗收與簡單的查詢統計等功能。

3．2系統功能實現

其中基礎數據管理部分主要是對隱患標準、類別、級別以及用戶、地址、人員、權限和日志管理等功能;隱患流程管理部分是從系統設計的隱患流程出發，提供針對每個流程的相關操作，不同的人員具有不同的權限，可以操作不同的流程;隱患統計分析部分則是對煤礦所有相關隱患，根據其責任人員、級別、類型、整改驗收狀態、隱患檢查日期、整改日期以及驗收日期等不同條件進行查詢與統計，并提供柱圖、餅圖、曲線等多種類型的圖表展示方式。系統提供Web網頁和APP終端2種錄入方式。

3．3隱患數據分析與預測

缺乏對大量隱患歷史數據的深入分析與利用，是當前隱患管理系統中普遍存在的問題。系統結合數據挖掘方法，利用FP－Growth算法［6］，對歸檔隱患數據進行清理后存儲在數據倉庫中，并從隱患類別、隱患級別、發生地點、責任部門等4個維度進行關聯規則的挖掘與發現，在可參考的支持度和置信度范圍內，發現發生隱患的主要地點及常見隱患類別，并與責任部門相結合，給出針對性的改進方案，減少同類型隱患的重復產生次數，為部門隱患預防預測提供數據支持。隱患關聯分析圖如圖3，以現場某煤礦1個月的隱患分析數據來看，總的隱患數量為206條，其中采掘類的占據了85．43%，而掘進二隊和綜采二隊2個部門下的3個地點的此類隱患之和為全礦隱患的38．35%，置信度均在33．33%以上。通過分析發現了隱患種類、相關部門及隱患地點之間的聯系，因此，由以上數據的支撐，建議煤礦加強對以上3個地點的采掘類隱患的整治力度，展開對掘進二隊和綜采二隊相關人員的安全管理培訓，加強作業規范，提高安全意識，對有效減少煤礦隱患的發生起到一定的積極作用，為輔助煤礦決策有著重要的指導意義。

4結語

隱患是影響煤礦安全生產的一個重要因素，系統在制定全面細致的隱患標準基礎上，結合煤礦實際業務流程并進行適當優化，利用智能終端及關聯規則算法，實現了對隱患的錄入管理與挖掘分析，方便了煤礦隱患的整改與管理，為輔助決策提供支持。系統目前已經推廣應用于全國多個煤礦，給企業隱患治理提供了有力的幫助，具有一定的經濟與社會意義。

作者:茍怡 陳運啟 單位:中煤科工集團重慶研究院有限公司 重慶市礦山物聯網關鍵技術工程技術研究中心

參考文獻:

［1］王衛兵．煤炭企業應對當前市場變化之策［J］．煤炭經濟研究，2014，34(1):39－41．

［2］李璟．基于．NET的分層架構及抽象工廠模式在Web開發中的應用［J］．軟件導刊，2015，14(4):105－108．

［3］秦冠男．基于ASP．NETMVC框架的IT管理系統的設計［D］．上海:上海交通大學，2013．

［4］蔣學寨．基于WCF的異構系統集成研究與應用［D］．成都:西南交通大學，2014．

［5］陳運啟，許金．基于元數據與角色的煤礦綜合信息管理系統權限控制模型設計與實現［J］．工礦自動化，2014，40(11):22－25．

［6］遲麗寧．基于FP－Growth的分類規則挖掘算法及其應用［D］．青島:青島大學，2012．