基于数据挖掘的安全管理信息系统研究——以某煤炭企业班组安全管理为例.doc

基于数据挖掘的安全管理信息系统研究 ——以某煤炭企业班组安全管理为例汪莹周婷王光岐张海凤中国矿业大学(北京)管理学院摘要:构建了基于7大功能模块的煤炭班组安全管理信息系统，给出了应用数据挖掘 到该系统开发与设计中的基本流程.以某煤炭企业为例，采用数据仓库将该企业 班组安全管理信息系统中各分立业务数据库以特定主题进行集成，并利用联机 分析处理(OLAP)服务器构建了多维星型结构模型.采用模糊聚类算法对该煤炭 班组安全监测数据进行了数据挖掘，划分出安全监测点隶属区域，不同区域代 表不同安全级别•结果表明:采用数据仓库和OLAP服务器技术，实现了系统对煤 炭班组安全信息多角度和多方位分析•该数据挖掘算法提高了安全监测区域划分 的准确度，系统界面颜色差异化设计，使得挖掘结果更加直观明了.关键词：数据挖掘;数据仓库;煤炭企业;班组安全管理信息系统;安全监测;模糊聚作者简介：汪莹(1973-),女，江苏省徐州市人，副教授，博士，从事煤炭企 业信息化方面的研究・ E-ma订:wyzxguoguo@sina. comTel: 13910066992收稿日期：2013-11-01基金：国家自然科学基金项目(71273118)Safety management information system based on data mining: A casestudy of team safety management of acoal mineWANG Ying ZHOU Ting WANG Guangqi ZHANG HaifenSchool of Management, Chirm University of Mining& Technology (Beijing);Abstract：The coal mine team safety management information system based on seven function modules was constructed, and the basic application process of data mining in the system development and design was given. Taking a coal enterprise as an example, the data warehouse was used to integrate each divided business database of the enterprises tearn safety management information system at a particular theme. Also, the OLAP server was used to construct multidimensional star structure model. Then, the fuzzy clustering algorithm was used to excavate the coal teams safety monitoring data. Thus, the membership areas of safety monitoring points were divided> Different areas represented different environment safety levels. The resuIts show that the data warehouse and OLAP server technology realized the multi-angle and multi-dimensional analysis of coal mine team safety information of the system. The data~mining algorithm improves the accuTscy of the division of safety monitoring areas. Further, the color di fferen tiatioii design of the sys tem int er face makes the mining resul ts become more intuitive and clear.Keyword：data mining; delta warehouse; coal enteTprise; team safety management i 门format ion system; safety monitoring; fu77y clustering;Received： 2013-11-01随着煤炭企业的发展和计算机技术的普及，煤炭班组安全管理信息化建设越来 越受到重视.为了实现煤炭班组安全管理信息系统由传统事务处理系统向决策分 析系统转变，引进数据挖掘可以为煤炭班组安全管理决策支持系统的开发提供 技术支持•近年来，对数据挖掘与煤炭安全管理系统领域研究较多，如文献［1］ 提出的而向煤矿绿色开采的集成信息系统;文献［2］提出的矿山信息系统开放式 架构；文献［3］提出的将空间数据挖掘和地理信息系统(GIS)技术应用到煤矿安 全监测系统;文献［4］提出的构建基于粗糙集和径向基神经网络的煤矿瓦斯爆炸 预警管理系统数据挖掘模块;文献［5］提出的利用可扩展标记语言(XML)、ADO. Net和Apriori算法，设计异构数据源转换、数据仓库和数据挖掘的煤矿安 全监控系统模型;文献［6-7］提出的基于粗糙集与神经网络算法的煤矿安全信息 管理模型以及基于SQL Server运行环境构建煤矿安全数据挖掘系统原型架构. 综上可知，数据挖掘已被广泛应用于煤矿安全监测、安全预警、安全监控等系统 设计与开发中，但将数据挖掘应用到煤炭班组安全管理信息系统的研究几乎没 有，而煤炭班组安全管理是企业安全管理的关键环节•基于上述研究背景，本文 将对引进数据挖掘技术到煤炭班组安全管理信息系统展开研究.1系统构成煤炭企业班组安全管理信息系统是建立在计算机技术和网络通讯及专家系统基 础上，将各子系统进行有机结合，实现信息资源共享，支持煤炭班组安全运作、 安全控制和安全管理决策的集成化人机系统•结合煤炭班组安全管理实际情况， 借鉴文献［8］研究成果，从环境安全管理、员工安全管理、设备安全管理、安全 监察管理、隐患管理、应急预案管理和事故统计分析管理构建该系统的7大功能 模块结构，如图1所示.图1煤炭班组安全管理信息系统的构成F ig.l The compos i t i o n o f the coal team safety m a n a g e m e n t information s y s t e m 下载原图2基于数据挖掘的系统分析2.1数据挖掘基本流程构建煤炭班组安全管理数据挖掘模型，首先根据煤炭班组安全管理内容确立数 据仓库的主题，然后从煤炭企业各类业务数据库抽取相关数据，釆用Web Service和XML技术进行数据转换集成，利用OLAP服务器建立多维数据模型构 建数据仓库，进而应用数据挖掘算法发现海量数据隐含的潜在关联、事故隐患等, 最后将挖掘出的安全信息显示在系统相应的子模块上.煤炭班组安全管理数据挖掘设计环境主要基于SQL Server 2008.利用SQL Server 2008建立数据仓库，釆用传输控制协议/因特网互联协议（TCP/TP协议）实现 煤炭班组信息网络连接•在系统中应用数据挖掘的基本流程包括数据获取、数据 集成、数据存储、数据挖掘和信息服务，如图2所示.图2数据挖掘在煤炭班组安全管理信息系统中的基本应用流程Fig. 2 Basic application process of data mining in coal tearn safety managementinformation system下载原图2. 1.1数据获取数据获取主要是从源数据库包括瓦斯安全监测、通风网络监测、矿压监测、井下 安全考勤等系统获取各类业务数据，包括瓦斯检测、隐患整改、员工管理、安 全监察管理、伤亡事故等，外部信息包括煤炭行业标准数据、煤炭法规政策等. 根据煤炭班组安全管理问题涉及到的影响因素，确定从各系统的相关子功能模 块获取数据.2. 1. 2数据集成数据集成主要采用Web Service技术和XML合成技术.模型首先利用.NET使用Web 服务..NET是微软的新一代技术平台，为敏捷商务构建互联互通的应用系 统.Web Service是建立可互操作的分布式应用程序的新平台，让应用程序在Web 上实现互操作•接着利用XML合成技术定义数据结构，采用SOAP通信协议进行信 息交换，实现异构数据库的转换集成.2.1. 3数据存储数据存储主要采用数据仓库技术•在存储前先利用SQL Server中的数据转换服务 （DTS）进行数据提取、转换和加载（ETL）预处理.根据煤炭班组安全管理内容确 定数据仓库主题，包括瓦斯、通风、矿压、人员、设备、安全管理、事故管理、 隐患预警等主题•建立数据仓库时将自顶到底和由底到顶相结合•规划期间采用 自顶到底，而实施阶段实行由底到顶•利用数据仓库的OLAP工具建立“星型模 型”的多维数据模型•采用关系型联机分析处理（ROLAP）形式，基本数据和聚 合数据均存放于关系型数据库管理系统（RDBMS）・2. 1. 4数据挖掘数据挖掘建立在数据仓库之上，可以简化源数据的预处理•利用向导数据接口和 开放数据库互联（ODBC）功能对数据仓库数据进行挖掘.SQL Server Analysis Services提供了设计、创建和管理数据挖掘模型的功能.数据挖掘算法按照发现知识的类型分类，分为：1）关联分析类，包括Apriori, Fg-growth等算法;2）异常检测类，包括基于距离或基于密度的异常检测等;3） 聚类分析类，包括k均值、综合的层次聚类算法、基于密度的聚类算法等;4）分 类与预测类，包括贝叶斯、神经网络、决策树、回归分析等算法.为了实现煤炭班组灾害防控、预警和治理，可以联合采用上述类别数据挖掘算法 来解决煤炭班组安全管理的如下问题：1） 瓦斯主题•根据对瓦斯涌出量、瓦斯浓度、风压、风速等数据的挖掘，分析 各区域瓦斯分布状态，预测高瓦斯、煤与沼气突出区域等；2） 通风主题.根据对通风风速、风量、风压等数据的挖掘，分析矿井通风动力和 风流网络运行状况；3） 矿压主题.根据对矿压相关数据的挖掘，分析矿山压力显现规律、顶板管理、 应力重新分布情况等；4） 人员主题.根据对员工“三违”情况、安全培训考核、日常考勤等数据的挖掘, 分析员工工作、学习和违章记录情况；5） 设备主题•根据对生产、辅助和安全设备的缺陷表、定期检修表等数据的挖掘, 分析设备检修、折旧和更换等运行情况；6） 安全管理主题.根据对安全管理制度落实情况、质量标准化考评、现场监察等 数据的挖掘，分析班组安全管理效率与质量情况；7） 事故主题•根据对事故时间、事故类别、地点、事故过程、涉及重要人员等数 据的挖掘，分析造成事故诱因等；8） 隐患预警主题.根据对隐患排查情况、班组各项安全检测指标等数据的挖掘， 评估隐患警度级别和信息发布.2.1. 5信息服务建立满意的挖掘模型，便可在煤炭班组内部部署和应用•另外，还应采用各种数 据库开发和可视化工具包括JAVA, VB, ASP等，将挖掘得到的知识和模式，通过 煤炭班组安全管理信息系统相应的二级子模块展示，形成良好的人机界面，为 煤炭班组安全监督和管理提供决策服务.2・2数据挖掘的实现过程下而以数据挖掘在煤炭班组安全监测点隶屈。