數字政府背景下特種設備大數據價值發揮的策略與路徑研究

邱 郡

（上海市特種設備監督檢驗技術研究院 上海 200062）

2022 年我國數字經濟規模首超50 萬億元[1]，居世界第二位，在GDP 中占比達到41.5%，數字經濟正在成為穩增長、促轉型的重要引擎。我國政府數字化轉型在經歷了電子政務、“互聯網+政務服務”兩個發展階段后，已經進入了數字政府[2]的第三發展階段，更加強調突出數字思維，挖掘數據資源價值，發揮數字生產力。基于數字化和大數據的治理體系的建設，關鍵在于相關方的有效參與，核心則是信息交換與共享。當前，全球都在積極推動開放數據和數據開發工作，通過大數據推進治理結構改革創新。美國2009 年簽署《開放政府指令》[3]并建立統一的政府數據門戶網站data.gov，歐盟2020 年發布《歐洲數據戰略》[4]，并且歐盟新《電梯指令》（LIFT，2014/33/EU）更加強調了連通性[5]；此外，英國發布了《數據能力發展戰略規劃》[6]，日本發布了《創建最尖端IT 國家宣言》[7]。

2015 年起，以《國務院關于印發促進大數據發展行動綱要的通知》為綱領，我國陸續發布系列文件要求建立相應的管理機制，“用數據說話、用數據決策、用數據管理、用數據創新”，建設社會治理大數據應用體系，從而推動政府管理理念、社會治理模式與能力的進步和提升。特種設備方面，為提高大數據運用能力，增強政府服務、監管有效性，2018 年對電梯質量安全工作提出運用大數據、物聯網等技術構建電梯安全公共信息服務平臺，以故障率、使用壽命為主要指標，建立電梯質量安全評價體系、全生命周期質量安全追溯體系，實現問題可查、責任可追，發揮社會監督作用的目標。

可見，大數據理念和技術正成為推動科學決策、提升監管效能的關鍵。特種設備量大面廣、使用頻繁，兼具安全屬性和公共服務屬性。如何在物聯網、大數據、云計算、區塊鏈、人工智能等新技術發展時代，用好特種設備產業全生命周期豐富的數據資源，逐步實現從信息化向數字化的實質性轉變，充分發揮數據價值，亟須對其總體策略以及核心路徑進行規劃與研究。

1 特種設備數字化轉型現狀分析

自“十三五”以來，有關特種設備安全科學研究的關鍵詞也是“大數據”[8]，希望通過運用大數據的理念及技術提升特種設備安全治理的質量與效益。硬件基礎方面，國內多地建立了電梯應急處置平臺，部分也涉及起重機械、場（廠）內專用機動車輛等其他特種設備；技術路徑方面，以國家重點研發計劃《基于大數據的特種設備事故預測預防技術研究》（2018YFC0809000）課題為中心，大數據在特種設備領域的研究與應用輻射多個維度和多類設備；轉型落地方面，國家、地方、行業、企業陸續開展有關特種設備政務、監管、管理數字化的試點與實踐。

1.1 硬件設施基礎建設

當前我國有關特種設備的大數據中心和平臺硬件建設的探索與實踐，政府層面主要集中于電梯“96333”等基于“簡單物聯網”的應急處置平臺等，其主要目標導向和應用場景還是在電梯故障、困人等突發事件的應急處置與救援。上海市市場監督管理局2023 年度政策研究課題組（20230206）基于本文主題的調查研究顯示，2018 年初，杭州將“電梯安全智慧監管”列為政府為民辦實事項目，目標完成10 萬臺電梯“透明維保”和1 萬臺電梯智慧監管裝置的安裝。2018 年上半年，蘇州“電梯物聯網管理平臺”實現同8 家電梯生產企業的平臺數據對接，完成近萬臺電梯數據上傳，并且實現了同“96333”電梯應急救援指揮平臺的有效聯動。南京市開展了城市電梯應急救援體系及救援對策研究與實踐，選擇6 500 臺電梯基于物聯網技術構建“電梯安全運行應急處置中心”系統，建立電梯應急救援響應體系和對策。“上海電梯監管智能化研究”被列為2018 年市委一號課題“充分運用現代科技，提高社會治理智能化水平”的子課題，通過物聯網接入近5 000 臺電梯，建設了“上海市電梯應急處置公共服務平臺”，并與上海市“智慧電梯”平臺開展了融合。

雖然各地有關特種設備尤其是電梯物聯網平臺的建設如火如荼，但是總體而言，關于大數據中心的硬件基礎建設以及數據分析挖掘等軟件基礎開發的深度與廣度仍然不足，絕大多數還是停留在概念和初步探索階段。上述以電梯為主的應急處置平臺所匯集的數據體量、數據采集的顆粒（細化）度與大數據的要求之間相差甚遠，既有數據的分析和應用多是簡單的統計分析，預測性和輔助決策的應用較少。故障率的細化統計、故障原因的深層次關聯分析，以及期望的故障預測、壽命預測等目標，還未能實現。行業專家指出，特種設備風險識別和有效防控的前提是建立強大的風險數據庫，數據庫的建立依賴于海量監察數據和數據分析模型[9]。目前實質上為信息化的“數字化”建設，較多地表現為在技術上被動地模擬人工或簡單地信息采集，大數據、智能化運用不夠，特種設備數據利用價值不高。

1.2 大數據核心技術與算法模型

大數據應用的技術路徑和流程一般包括數據采集、預處理、分析挖掘和應用。核心技術方面，數據挖掘（Data Mining）是數據庫知識發現（Knowledge-Discovery in Databases）中的核心步驟，即從大量數據中挖掘模式與知識的過程，主要通過統計發現、機器學習、專家系統和模式識別等方法實現。可視化技術[10]則能夠利用計算機圖形學和圖像處理技術將數據信息轉換為圖形信息并進行交互處理，有助于應用人員直接感知。當前有關特種設備大數據的核心技術與算法模型，總體上還是大數據通用技術方法在特種設備領域的淺度應用。

特種設備在線數據采集與通信技術方面，基于通用的STM32 系列單片機和FPGA（現場可編程門陣列）可以聯合構建一種特種設備行業高精度的數據采集系統[11]；選擇RS232、RS485（2 種計算機通信接口），CAN（控制器局域網）總線和以太網等特種設備典型監測通信方式，分析特種設備多協議轉換系統流程，應用Petri（Place and Transition，位置和變遷）網模型理論，可以建立特種設備多協議轉換系統網絡模型，設計和實現特種設備多協議轉換系統[12]。

數據處理技術方面，基于云數據處理技術，通過定義數據來源、數據存儲、數據分析、最終數據解釋的處理過程，利用ETL（抽取、轉換、加載）數據加工工具、MapReduce（映射、化簡，分布式并行處理模式）批處理模型，可以實現特種設備監管平臺中數據的處理過程[13]。運用Python 語法簡潔、數據結構靈活高效和具有豐富的“第三方庫”的特征優勢，開發基于Python 的電梯大數據預處理和清洗方法[14]，能夠提高數據清洗的工作效率。

數據挖掘技術方面，應用并優化關聯規則挖掘、社區發現、可視化等數據挖掘技術可以構建宏觀安全風險預警方法[15]，其本質是以特種設備監督檢驗大數據為基礎，通過挖掘單臺設備微觀因素間的關聯關系，實現整類特種設備宏觀安全風險的識別與預警。國家重點研發計劃《基于大數據的特種設備事故預測預防技術研究》課題組面向電梯主要部件故障，綜合運用聚類、關聯、決策樹等算法以及神經網絡等技術方法[16]，提出了電梯主要部件典型故障的預測模型與方法，編制了相應的技術指南。

特種設備大數據至少包括基礎架構、數據技術、大數據應用、大數據周邊服務四大完整板塊，并可分為30 多個領域。當前特種設備大數據核心技術層面存在的難點和問題，包括數據顆粒度大、體量小；靜態數據的多源異構性和動態數據采集標準不一導致采集、預處理困難；物聯網平臺的數據分析簡單化，分析結論可應用性和指導性不足；大數據挖掘預測模型泛化能力弱、預測精度不佳。

1.3 特種設備大數據技術在政府監管中的應用

政府特種設備安全監管工作需要利用大數據技術進行數據挖掘分析與利用，擇取最佳的風險管理方案，支持監管部門做出更加合理的決策，提高工作質效。監管平臺建設和應用方面，依托山東質監大數據共享平臺建設實踐，吳行惠等[17]利用大數據技術，歸納出適應“四位一體”特種設備監察工作的部分應用，獲得了一定的智慧監管支持效果。章彬斌等[18]研發B/S（瀏覽器/服務器）模式下的特種設備使用安全管理公共服務平臺，初步實現了八大類特種設備、安全附件、儀表及作業人員等信息網絡化管理，并具有到期預警、檢驗信息同步更新等功能。石家莊市電梯安全大數據綜合管理平臺[19]融合了大數據、物聯網、區塊鏈等技術，通過細化角色劃分，賦予相關主體不同權限，實現了多方信息數據融合匯聚。

特種設備檢驗檢測專業技術服務領域，基于“一數、三網、N 平臺、大數據挖掘”四位一體規劃模式開展的“智慧特檢”整體建設[20]，實現了主動風險預測，防患未然。其中，“一數”是特種設備檢驗綜合數據中心；“三網”包括內網、政務內網以及互聯網；“N 平臺”涵蓋特種設備檢驗檢測平臺、智慧監察平臺、安全監管平臺、節能監管平臺、應急管理平臺、OA 系統、績效考核平臺、質量管理平臺、知識庫與在線考試平臺等；“大數據挖掘”包含了數據挖掘、數據決策、預警分析。

總體而言，相關研究和應用提出了特種設備大數據價值發揮的部分系統和思路，但主體應用仍然停留于淺層，數據挖掘深度和利用率仍然有待提高。對于如何采集底層核心數據（特征參數），搭建數據倉庫，建立數據分析模型，以及基于大數據技術方法開展多元化預測應用等核心問題，還未提供系統有效的方案。要真正實現底層數據價值充分挖掘并將業務數據轉化為數據資產，通過數字化轉型建設實現數據驅動管理的目標，依然任重道遠。此外，在大數據采集、分析、利用流程中涉及的法規、制度、政策等，尚未見到有效建立。

2 特種設備大數據價值發揮的策略與路徑

基于前述特種設備數字化轉型的現狀分析，面向特種設備大數據價值發揮整個邏輯過程和系統中的數字基礎設施建設、政務數據資源管理政策制度建立、多元化應用方案三個主體，結合數字政府和數字經濟發展的趨勢與技術進步，剖析各個主體的內涵與外延，來明確特種設備大數據價值發揮的具體策略與路徑，可以為相關建設、研究工作提供模式參考。

2.1 特種設備大數據數字基礎設施建設

“數據底座”是數字化轉型的數據根本和后續一切分析與應用工作的核心基礎，也是數字經濟的核心資產。數據的數量和質量，決定了應用的優劣。因此，數字基礎設施建設的第一要務，就是建立特種設備大數據的“數據表規范”（數據標準）。以數據標準為引領，細化數據顆粒度，明確相應的采集要求，一步到位，改善當前優質數據稀缺的現狀。同時，要以數據標準為準則，堅持系統性觀念與思維、一體化布局，指導數字基礎設施中軟、硬件的設計開發和配置使用。

數據采集設施、裝置應當與數據采集要求相匹配，除了靜態、格式化數據的調用、轉化之外，要重點考慮在線、實時采集裝置的配置。既有設備可以通過加裝傳感器、監測設備等采集裝置的方式，鼓勵或者要求新建造的設備置入（內置）必要的自動化數據采集、傳輸終端。采集參數（即核心數據）的設計要觸及邏輯底層，并與數據分析具有強關聯性，避免粗顆粒、無效數據的采集和資源浪費。

數據傳輸、通信方面，需要根據各類特種設備的運行特點和數據特征，區分靜、動態設備，選擇適用于特種設備的數據傳輸、通信技術裝備，鼓勵采用5G、5G+等技術，保障數據傳輸的及時性和可靠性。數據存儲軟、硬件方面，要考慮數據體量和訪問速度，從“數據庫”升級為“數據倉庫”，并建立可擴展的數據存儲架構，包括實時數據流和歷史數據；兼顧數據備份和恢復策略，確保數據安全。

數據預處理方面，在入庫前可先行開展數據清洗、格式轉換、質量檢驗等過程，尤其是特種設備多源異構數據中的非結構化數據，可以采用ETL 工具和技術來實現。數據采集與整合流程中還必須考慮數據的安全性和隱私保護，納入必要的數據加密、訪問控制和數據脫敏技術，尤其是可能包含敏感信息的情況。“邊緣計算”、區塊鏈等技術可以用于數據采集和預處理過程中。

數據分析與挖掘一直是特種設備大數據應用技術路徑中的關鍵步驟與核心技術，數據分析涵蓋了統計分析、機器學習、深度學習等技術方法，旨在識別數據中的模式、趨勢和異常。機器學習算法如決策樹、支持向量機、神經網絡等，可以用于分類、聚類和回歸分析，實現特種設備數據的智能分類和預測。挖掘分析模型的建立和算法的選擇及開發要與特種設備數據特征匹配，模型建立初期，基于專家經驗或者概率統計的特征工程尤為重要，在后期算法選擇、模型訓練與改進、效果評價是核心。

通過數據分析與挖掘，比對實時數據，發現隱藏在數據中的知識和見解，進而明確數據關聯關系、共性模式，使得潛在問題得以顯性表達，開展趨勢預測。數據分析挖掘還要考慮數據可視化和交互性，通過可視化工具將復雜的特種設備數據轉化為易于理解的圖形、圖表，幫助決策者更好地理解數據，快速識別關鍵信息和趨勢。雖然數據分析挖掘的成功基于高質量的數據前處理、特征工程和模型驗證，但是全過程中的數據安全性和隱私保護不容忽視。

2.2 特種設備政務數據資源管理制度與政策

數字經濟時代，特種設備數據資源已經成為重要的生產要素，應當建立健全涉及數據產出、加工、再加工、應用等各環節的管理制度與政策。特種設備數字化治理體系中，首先是建立基于“數據表規范”的大數據標準規范體系[21]，體系設計構建既要考慮特種設備行業內部的系統性、數據顆粒度細化程度與協調性，也要考慮特種設備政務數據與相關行政監管部門、行業企業數據的交互性、關聯性。采用層次分析法、知識圖譜等方法，可以設計和構建特種設備大數據標準規范體系，令其具有足夠的柔韌性與拓展性。

在維護國家數據安全、保護個人信息隱私和企業商業秘密的前提下，需要基于特種設備行業、產業特性和數據特征，綜合考慮數據產權、流通、交易、使用、分配、治理、安全等各個環節和維度，開展特種設備數字化治理體系頂層設計，進而在實踐中依據數據來源、產業鏈節點等實行分級分類的監督管理，防止各環節主體的壟斷與不正當競爭，實現多元共治，促進數據合法高效地流通和使用。

基于特種設備政務數據資源清單，該體系至少應當涵蓋以下機制：1）地方、行業、國家標準；2）政府一體化平臺下的多源數據采集與追溯制度；3）數據質量評價標準與實施機制；4）數據第三方存儲（“數據銀行”）準則；5）原始數據流轉控制機制；6）數據產權、確權、授權機制；7）數據要素、產品流通交易規則；8）數據要素、產品收益分配與合法權益保護制度；9）政務數據交互、信息協同機制；10）全流程數據涉密、涉私、脫敏保密制度；11）數據存儲（備份）安全保護制度；12）數據訪問、使用管理權限分配規則；13）區塊鏈技術準入規則；14）數據預測效果驗證、評價與改進機制。

政府監管機構、設備制造商、運營商、使用方、維修服務提供商等構成的復雜生態系統中，特種設備大數據交互、協同機制的建立要考慮中央與地方、政府與企業的關系，其核心涉及兩方面，一是數據資產（產權）帶來的收益分配問題，二是涉及企業（個人）的技術機密、隱私和安全性等問題。除了政府明確需要采集的基本數據信息之外，可以受限地、采用付費（購買服務）方式接入（調用）企業（個人）經過脫敏、加密的必要數據，或者已經過加工的數據（產品）。行業以及區域的數據“銀行”、大數據交易中心將逐步成為具有公信力的第三方數據存儲、交互機構，但應當避免將數據產權集中于與政務數據資源不相關的第三方。數據交互機制、信息協同機制文件可以采用“系統對接建議書”等文本進行固化體現，而有關產權歸屬、權益分配、權限管理等，則需要通過立法途徑解決。

數據資源產權歸屬、數據管理、使用權限[22]是涉及特種設備數據資源價值和利用的敏感與難點問題。區塊鏈[23]可以被認為是相關方平等參與、共同維護的一個計算機數據庫，結合特種設備（如電梯）自身屬性與數據特性，研究和發揮區塊鏈技術的核心優勢，即分布式數據存儲、點對點傳輸、共識機制以及基于密碼學原理的“時間戳”技術等，可以用于協調解決上述交互機制、產權歸屬、管理與使用權限等系列機制中的難點痛點，甚至賦能特種設備產業、大數據開發應用的新一輪創新。

2.3 特種設備大數據多元化應用方案

數據驅動的特種設備智慧監管、信用監管、協同監管、“互聯網+檢驗檢測”、故障預測預防等多元應用方案，為特種設備產業數字化轉型升級，高質量、高附加值、安全可靠發展以及高效能管理提供了模式參考。場景應用時，數據可視化與集成可視化工具的決策支持系統，是界面友好性的關鍵。數字產業層面，在解決了生產企業技術壁壘保護、大數據與特種設備相容性較差的問題后，特種設備大數據加工、應用企業孵化稀疏的現狀將得到顯著改觀。

對于設備使用者和管理者而言，特種設備數據流運行各個階段中，遠程、在線安全監測系統能夠識別潛在的安全風險和異常行為，促進其遵守相關法規和標準，保障安全性；數據分析結果可以優化特種設備運行策略，降低能源消耗，提高效率與可用性；前瞻性預測可以輔助制定維護計劃，減少不必要的停機時間，實現預防性維護（檢驗）、精準維護（檢驗）和遠程運維。智能決策支持系統可以根據數據分析結果提供建議和行動計劃，確保決策支持系統自動化反應，降低潛在風險。

對于政府監管部門而言，智慧監管平臺能夠將不同來源的特種設備政務數據資源整合為一個無縫的信息生態系統，包括監管記錄、檢驗報告、維護記錄、使用數據、安全漏洞信息等，消除數據孤島，使其全面掌握特種設備狀態，更好地進行決策。基于大數據技術應用的信用監管，能夠建立多層次的信用評估體系、信用積分分配機制，進而關聯實際權益，豐富監管手段。基于特種設備大數據交互、共享與協同機制，能夠實現不同監管機構、政府部門之間的協作和信息共享，有助于更加高效地優化政務數據資源利用、應對跨部門問題和事件。

3 結論

1）基于特種設備大數據的技術特性，從宏觀和微觀兩個層面明確了數字政府背景下特種設備大數據價值發揮的軟、硬件基礎設施建設要求，政務數據資源管理制度與政策建立要點以及特種設備大數據多元化應用方案，剖析了實施途徑中的難點與要點，形成了完整的策略與路徑。

2）研究結論可以為特種設備產業數字化轉型升級，高質量、高附加值、安全可靠發展，以及高效能管理提供模式參考，在當前階段也支撐了上海市場監管現代化“十四五”規劃重點專項任務“機電類特種設備大數據中心”建設任務。

3）特種設備大數據價值發揮中，數據規范體系需要頂層設計與規劃，數據交互、共享要求多維度、多主體協同參與，而數據資源產權歸屬、分配與管理權限需要立法保障，并且這是當前技術與法治領域的最大難點。