中國鐵路主數據中心基礎設施運維風險管理研究

◆高明星 劉忠東 李淳 李士紅 劉旭

中國鐵路主數據中心基礎設施運維風險管理研究

◆高明星1劉忠東2李淳3李士紅3劉旭3

（1.中國鐵路信息科技集團有限公司 北京 100844；2.中國國家鐵路集團有限公司 北京 100844；3.中鐵信大數據科技有限公司 天津 301700）

本文運用ERM風險管理相關理論，從戰略管理目標、風險管理要素、管理層級三個維度，對中國鐵路主數據中心的基礎設施運維進行全方位風險影響分析，構建持續改進的風險管理機制，保障運維決策的合理性和準確性，不斷排除風險隱患，提高運維質量。

數據中心；基礎設施；運行維護；風險管理

1 概述

中國鐵路主數據中心（以下簡稱“主數據中心”）是國鐵集團業務應用系統生產運行中心，承載著國鐵集團和全路集中應用系統部署及數據資源存儲的主要功能，肩負著鐵路核心業務安全穩定運行的重要使命。本文引入ERM風險管理相關理論，構建主數據中心基礎設施風險管理框架模型，根據基礎設施運維全生命周期特點，進行風險管理要素分析，挖掘潛在風險點，制定風險應對措施。同時引入質量控制中PDCA相關技術方法，構建持續改進的風險管理機制，確保運維質量的持續改進與高效可靠。

2 研究背景

2.1 主數據中心基礎設施運維風險管理的背景

主數據中心基礎設施運維管理的核心是通過各項合理的運維決策，使基礎設施能夠持續實現各自功能，從而為部署在主數據中心的應用系統提供可靠的外部條件。在基礎設施協同運行過程中，存在著設備種類繁多、配置復雜、維護保養差異性大等情況，為科學合理地開展運維工作，尤其是在風險面前做出正確決策，提高風險應對能力，風險管理應運而生。精細化的基礎設施風險管控策略，能夠促進決策科學化，降低決策風險，提升基礎設施的安全性、可靠性和穩定性。

2.2 數據中心基礎設施運維全生命周期風險特點

數據中心基礎設施運維的全生命周期大致分為建設轉運維期、運行穩定期和磨損老化期三個階段。每個運維階段存在的主要問題不同，所面臨的運維風險也不盡相同。

在建設轉運維期，風險主要來自：設計、施工質量等造成的工程遺留問題；設備投產后，隨著加載過程變化，設備性能參數未能調試到最佳運行模式；圖紙、設備手冊等資料不完整或與現場不一致；運維管理制度不健全、不系統等。建設轉運維期的主要風險整改完成后，會進入運行穩定期。數據中心基礎設施長久運行后會不斷老化，部分設備設施也會因磨損等原因接近其使用壽命，此階段的風險主要體現在設備設施的性能和可靠性持續降低。

3 主數據中心基礎設施風險管理

3.1 主數據中心基礎設施ERM模型

主數據中心基礎設施ERM風險管理框架包括戰略管理目標、風險管理要素和管理層級三個維度。

主數據中心基礎設施的戰略管理目標分別是合規、安全、報告、綠色。其中“合規”體現在遵守國家法律法規以及行業相關設計、驗收、運維標準要求；“安全”體現在以保障主數據中心基礎設施整體安全為根本；“報告”體現在確保風險管理過程可測量可監控；“綠色”體現在以建設綠色節能型數據中心為目標。主數據中心基礎設施的管理層級包括政府監管部門、上級單位、公司本身和供應商，各個管理層級在基礎設施運維管理過程中持續開展風險管理工作，每個層級都構筑了主數據中心基礎設施風險管理的防線。

3.2 主數據中心基礎設施風險管理要素分析

主數據中心基礎設施風險管理八要素包括內部環境、目標設定、風險識別、風險評估、風險應對、控制活動、信息和交流、監控。這八個要素相互獨立、相互聯系又相互制約，共同構成了主數據中心基礎設施風險管理的有機整體。

3.2.1內部環境

在開展風險管理工作時，必須對主數據中心所處的內部環境進行充分識別和了解，該環境是管理并確保基礎設施協同運轉、系統穩定高效運行的前提。內部環境包含：戰略定位及目標規劃、規章制度要求、服務內容輸出要求、運維管理組織架構設計及人員配置情況等。

3.2.2目標設定

主數據中心基礎設施運維的核心是保證“風、火、水、電”等各項設備設施功能的正常運行，因此按照電氣、暖通、消防、弱電、房建五大專業以及綜合安全共六個維度對風險管理的目標設定進行分解，對每個專業或維度進一步按其細分子系統分門別類進行風險管理。

3.2.3風險識別

主數據中心基礎設施風險識別以行業內外歷史事件經驗教訓、運維過程中發現的問題和內外部相關檢查評價報告為風險分析基礎，運用定性和定量風險分析相結合的方法，對基礎設施安全現狀以及各專業系統功能的潛在失效情況，進行系統性分析。

定性風險分析：主數據中心在設計、建造、驗收以及運維過程中，要嚴格遵守國家法律法規、行業規范等相關要求，采用合規性檢查的方法，開展內部檢查及外部評測等工作，對主數據中心基礎設施相關環境、人員、管理等進行定性風險分析。基礎設施的現存隱患是合規性檢查的結果，輸入內容主要包括A級機房測試報告、消防安全評估報告、安全現狀評價報告、運維事件資料庫、工程遺留問題清單等。

定量風險分析：主數據中心基礎設施運行高度自動化，過程變量多來自于設備設施本身，因此定量風險分析的關注點在設備設施上。基于此特點，借鑒運用FEMA分析方法，以各專業系統的關鍵設備設施為主要分析對象，以其運行邏輯為分析主線，用風險賦值的方式進行風險分析，剖析設備設施功能失效對系統的影響。其主要分析形式是衡量風險權重、計算風險指數、確定風險等級及處置原則。

3.2.4風險評估

根據定性分析結果，確定不符合項和建議整改項。根據定量分析中風險指數情況，按照風險承受能力、經濟性等原則，進行風險等級劃分，確定應對原則。

本次定性風險評估共分析出252個風險點，主要體現在主數據中心基礎設施存在的作業風險、管理風險、自然環境風險、社會環境風險、合規風險、人身安全風險等綜合性風險。其中，作業風險共147個風險點，主要是人員作業及巡視存在的問題因素等；管理風險共62個風險點，主要包括運維管理制度不健全、操作流程不規范、標識標簽不完善等；合規風險共18個風險點，主要是設計、建設階段造成的工程遺留問題；人身安全風險共12個風險點，主要是火災、跌落、觸電等；社會環境風險共8個風險點，主要是恐襲、治安、外部停水斷電等；自然環境風險共5個風險點，主要是地震、強風、極寒天氣等。

本次定量風險評估共分析出759個風險點，其中中等以上風險點88個，主要體現在主數據中心基礎設施存在的部分技術和質量風險。電氣系統風險主要包括設備自身絕緣、斷路器可靠性等；暖通系統風險主要包括各類蝶閥、浮球閥是否正常等；消防系統風險主要包括FAS報警主機或氣體滅火控制盤誤動作、閥門銹蝕導致無法打開等；弱電系統風險點主要包括DCIM系統不定期掉線、BAS系統自動控制穩定性差等；房建系統風險主要包括防屋面水層破損造成雨水滲入機房、屋面馬道或爬梯等銹蝕造成人身傷害等。

依照以上風險評估情況，對主數據中心基礎設施運維整體風險情況進行分析匯總，得出風險分布情況如圖1所示。

圖1 主數據中心基礎設施運維整體風險分布情況

3.2.5風險應對

依據風險分析結果，梳理風險應對原則和措施，明確改進問題方向。應對措施主要從管理措施、工程技術措施、個人防護措施和風險轉嫁措施等四方面進行制定。基于本次風險分析結果，考慮采取標準化運維、定期維保、日常值班巡檢、集中監控、人員培訓、搭建運維平臺等方式進行優化。

3.2.6控制活動

風險控制活動的核心是建立主數據中心基礎設施風險管理體系，明確管理核心及目標，識別風險點，明確責任人及應對措施。同時，將風險管理理念的實施由點到面滲透，培養員工風險意識和行為習慣，重視經驗積累，定期評審風險管理情況，建立長期運行機制。

3.2.7信息溝通

通過定期檢查、定期召開安全生產例會等形式分析當前運維情況，更新風險識別評價表，跟蹤計劃執行情況。通過安全教育、技術培訓將風險管理工作落實到執行層，確保全員參與。

3.2.8監控

堅持對風險管理工作進行持續性管理審計和風險監控。監控的范圍從風險管理制度本身到執行過程，從宏觀到局部。改進評估制度的適用性，并進行風險管理經驗復盤。

4 效果評價

建設轉運維期，通過系統性的風險管理，及早識別并處置工程遺留問題、設備功能調試、圖紙資料欠缺、制度流程不完善等問題，促使主數據中心基礎設施提早進入穩定運行階段。穩定運行期，通過對規章制度流程、設備維護保養、人員技能培訓、例行巡檢等運維過程的風險管理，不斷優化完善，持續改進，從而延長主數據中心基礎設施運維生命周期。磨損老化期，通過對設備設施運行性能的風險分析，能夠提早發現設備設施故障發生前的征兆，進行提前預警，避免突然的運行中斷。

5 風險管理機制

風險管理是一個動態變化的過程，外部條件的變化或分析對象自身的變化，都可能需要重新進行風險評估。通過定期評估、觸發式評估等方式，對風險管控措施進行緊密跟蹤、及時完善、確保落實，形成PDCA的持續改進風險管理機制。

6 總結

根據鄧寧-克魯格效應：“人在能力不足時，作出的判斷往往是不周全的結論，但是人又無法正確認識到自身的能力不足，來辨別這種錯誤的行為，這種現象是一種認知偏差。”因此，隨著人員的經驗不斷積累和技術能力不斷提升，對運維風險點的分析也必將是一個周而復始、持續提升的過程。

[1]施衛忠. 鐵路數據中心建設與規劃研究[J]. 中國鐵路，2021（01）.

[2]楊陽，李印，孫麗玫，等. 數據中心基礎設施認證體系研究綜述[J]. 工程建設標準化，2020（01）.

[3]周平春. 數據中心基礎設施建設的規劃階段管理分析[J]. 工程建設（重慶），2020（06）.

[4]朱林，李程貴，侯曉雯. 超大型數據中心基礎設施全生命周期維護模式的研究與應用[J]. 信息通信，2019（09）.

中國國家鐵路集團有限公司科研項目專項基金（N2019S009）