淺析大數據技術在企業安全生產預警系統中的應用

鄂洪儒

摘 要 本文闡述了大數據技術并研究了大數據技術在企業安全生產中的應用，特別是利用大數據的采集技術和挖掘技術，解決了傳統分析結果不準確，預測效果差強人意的問題，從而提高了安全預警的能力，實現了企業生產的良好安全預警，文章就大數據技術在企業安全生產預警中的應用進行研究。

關鍵詞 大數據技術;安全;生產;預警系統

引言

企業的安全管理工作是企業管理的重要組成部分，企業應樹牢安全發展理念，絕不能只重發展不顧安全。將大數據技術運用于企業安全生產預警系統中，強化風險預警、防控，提前發現和消除事故隱患，可提高企業安全生產管理水平，有效避免事故發生

1企業生產安全預警系統重要性

近幾年，國家積極推進安全標準化管理體系建設，要求企業認真落實安全主體責任。山東省率先推進安全生產風險分級管控體系和生產安全隱患排查治理體系建設，補充和細化了安全標準化體系對內容。目的就是要求企業提前發現安全存在問題。而安全預警系統正是以上管理體系中的重要部分。安全預警系統能夠對影響企業安全生產的各個因素進行分析，評估風險，警示員工，使得工人有效規避風險[1]，促使企業及時整改安全隱患，有效的保證企業安全事故的發生。因此企業的安全預警系統有著重要作用。

2大數據技術

“大數據”一般指數據資料大到或多到無法通過現有的工具進行收集，分析，處理和運用，隨著科技不斷發展，大數據技術發展有了很大的飛躍，一大批用于采集大數據分析大數據挖掘大數據以及更好地運用大數據的技術應運而生，各種各樣的數據庫，各種各樣的軟件為大數據分析提供了條件基礎，因此大數據的技術的作用被挖掘出來，運用到了各行各業，尤其是企業的安全預警系統方面，大數據有他特有的優勢[2]。

3大數據技術在安全生產預警系統中的應用

3.1 采集技術

企業傳統的安全數據采集運用的是人工收集的方式，工作效率十分低下，而且數據結果十分片面，還有時間的差錯，嚴重影響到了數據的準確性和真實性，一個企業的安全生產預警指數設置時，對應多少指標，然而在現實運用過程中，這些數據都要詳細的錄入下來，然后系統才會采用公式計算，從而得到預警指數，那么，當一個企業規模十分龐大時，數據的錄入顯然是一個問題，數據收集方面就面領著巨大挑戰，甚至將浪費一個企業的人力，資源且得到的數據還不全面，而大數據技術一般不采用人工紀錄的方法，大數據技術運用各個數據庫收取數據，極大地降低了人力成本，將人工都投入到企業生產中去，企業日常生產時，會出現大量數據，例如：費用單，簽到表，事故分析報告還有更多其他表格，如果運用大數據技術將所有的數據進行收集分析，從中提取有用的信息，用于企業安全生產預警系統所需，企業信息采集效率大大提高[3]。

3.2 挖掘技術

企業在日常生產經營時不斷收集安全生產的數據，以此獲得企業生產安全評估，從而規避風險，從根本上是為了能夠將企業的安全狀況用數據的方式顯現出來，當超過安全指數的數據時，能夠及時采取措施，因此，企業收集數據時要盡可能將所有可能發生的事件都計入進去，保證數據的全面性和準確性，傳統的數據挖掘技術往往不夠，企業需要更深入的技術用于挖掘數據，將大數據挖掘用于傳統的分析將大大地提高安全預警系統的預警能力，著名的海因里理論就是大數據技術用于分析生產安全的一個成功案例，55萬起工傷作為依據，利用大數據技術得出結論。傳統的安全隱患排查依靠人力，往往受到檢查人員的主觀意識影響，不利于安全隱患的有效排查，而依靠大數據技術能有效避免這個弊端，企業制訂統一的排查標準，不但能有效排查，還能將各個隱患進行收集分析以及挖掘，不僅可以用于規避風險，更是企業生產發展問題的重要依據，有利于企業不斷變革生產方式，在不影響產品質量的前提下，提高產品合格率，從而提高企業的生產效率，促進企業發展[4-6]。

4結束語

大數據技術運用于企業安全生產預警系統對于企業未來發展有著重要作用，對于提升企業數據化管理水平有著重要意義。當前我國大數據技術正處于不斷發展的階段，許多方面并不成熟，大數據技術發展有待進一步提高。

參考文獻

[1] 趙善龍，羅金滿.大數據技術在企業安全生產預警系統中的應用[J].中國高新科技，2017，1（3）：43-45.

[2] 王洋，雷亮，張磊.大數據技術在煤礦安全生產運營管理中的應用分析[J].科技經濟導刊，2019（9）：219.

[3] 李原.淺談大數據技術在安全生產工作中的現狀與應用[J].科技創新與應用，2017（24）：158，160.

[4] 曹慧.大數據技術在網絡安全分析中的應用探討[J].信息周刊，2018（3）：1.

[5] 楊彥，田連成.大數據技術在企業安全生產預警系統中的應用[J].鐵路節能環保與安全衛生，2015，5（2）：87-89.

[6] 許斌.大數據技術在企業安全生產管理標準化系統中的運用研究[J].中國新通信，2019（21）：159.