馮慶善

中國石油管道分公司

【摘要】隨著管道管理技術的進步和信息科技的發展，管道管理逐步邁入大數據時代，管道大數據的形成將從本質上改變對管道的風險認知和管理模式，使管道安全管理投入更有針對性。雖然當前基于大數據可以基本實現管道本體缺陷的風險識別和管理變革，但如何挖掘和利用好大數據，提升第三方損傷、打孔盜油及地質災害等風險的識別和管理水平還有待進一步探索。解決好限制管道大數據發展和應用的各種因素也是需要思考的問題。

【關鍵詞】管道 大數據 風險 占率

1 前言

管道安全及經濟性是管道管理的核心。在不同的環境和技術基礎條件下，方式與方法不同，技術需求也隨之變化。傳統管理者習慣于在無法全面、系統知曉管道本體狀態和周邊環境因素的條件下，期望借鑒對管道的一般認知、積累的有限經驗和被評估管道的有限數據，類比測算出管道可能存在的泄漏風險因素和位置，以相對明晰管道可能存在的風險狀態。這種模式經過幾十年的發展， 形成了較為成熟的技術，應用效果也頗為顯著[1] [2][3]。很多專家在此方面不斷修正評估模型和算法，使得在有限認知條件下對風險預測的準確性得到持續提高[4]。然而，隨著技術的發展，管體的部分數據已經非常系統和全面，形成了能夠對管體部分風險因素近乎全面認知的大數據，使得對管道本身風險從“黑箱”識別評估轉變為“透明”的全面掌握。雖然對數據存在一定的置信度等問題，但足以改變對管道安全狀態的判定，而不是傳統意義的評定。對此，作者相關論文對大數據風險評估認知等進行了論述[5]，但對于如何利用大數據來識別第三方損傷、打孔盜油及地質災害等管道環境風險卻探討甚少。為此作者就國外利用大數據防范恐怖襲擊等做法來探討如何應對管道環境風險，保證本質安全水平，以期引起相關專家的注意并討論。

2 大數據對環境風險管理的相關分析

大數據正在促使管理理念發生變革，傳統的管理理念和方式將在變革中遭遇沖擊。大數據的魅力在于它能夠讓企業在無邊界的數據中，發現提升管理和效益的機遇。比如，基于本體內外檢測等形成的大數據很容易判定本體缺陷的狀態，從而將管道本體風險的評價轉變為本體狀態的判定，這是管道本體數據所體現出來的價值。然而，對于環境風險，如果能夠基于大數據實現從風險評估到狀態判定的轉變，將極大地減少運行成本和事故，提升本質安全。

由于當前處于基于社交媒體和數字化記憶的大數據時代，亞馬遜能夠監視人們的購物習慣，谷歌監視網民的網頁瀏覽習慣，微博似乎什么都知道，包括我們的社交關系網，使得人們不僅擔心無處不在的“第三只眼”，而且擔心隱私被二次利用。維克托•邁爾-舍恩伯格和肯尼思•庫克耶在《大數據時代》[6]以及吳軍在《數學之美》[7]中論述了大數據如何通過數據統計、識別而實現對隱私或習慣的“了解”。

作者在《“樹生”事故致因理論模型》一文中[8]，提出應該在具備大數據的基礎上，用“樹生”事故分析模型分析事故，風險分析從內因分析出發，確定缺失因素量對失效因素量的“占率”是核心思想。換言之，在管道的全生命周期中，當某一點已經具備事故發生的因素比率越高，其發生事故的概率也就越高。與傳統分析方法不同的是，此方法是對具體的點或具備相同數據特征的群，通過分析具備泄漏的條件判定泄漏的概率，而傳統的方法是借鑒事故發生的概率這一表面現象來類比評價某類事故發生的可能性。基于上述理論，對于環境風險，由于導致事故發生的因素復雜，即使基于大數據，傳統的風險評估方法也較難實現對風險的預測和判定，需要改變對此類風險事故的致因分析， 找出導致事故的因素，分析出“占率”，從而作為數據挖掘規則，辨別和判定管道狀態。

從管道防第三方施工損傷和防打孔盜油的需求考慮，如果能夠利用可能存在的大數據來防范管道第三方損壞，即是否可以從大數據中識別出可能的第三方損傷或打孔盜油，比如識別和收集管道中心線附近的手機信號強度，附近路口的交通變化和特征，以及規劃、施工報批或施工車輛動態等大量數據，統計管道開挖和開孔設備購置等數據，然后按照一定的規則進行統計挖掘，則有可能識別出部分管道區域存在的第三方施工損傷風險。

其實，當前很多管道管理者善于通過識別管道附近是否有交叉道路，道路是否偏僻，地面是否易于開挖，附近是否有可疑房屋，是否常有可疑車輛出入等多條信息識別出潛在的打孔盜油的區域， 并成功阻止了較多的打孔盜油事件發生。這種做法雖然是基于個人對管道的了解和經驗判斷，但足以說明如果利用信息技術手段，收集更多相關數據， 則能夠更好的識別出可能的打孔盜油事件，實現對打孔破壞從事后被動應對轉變為有效預防和提前阻止。

大數據將會改變管道企業對地質災害的管理模式。當前管道企業對地質災害的管理多為基于對管道路由可能存在的地質災害風險進行專業化識別，評估其狀態并決策是否治理，但很難識別出沒有跡象的滑坡或水毀等地質風險。多年來發生的滑坡或水毀的事故案例表明，造成這些風險的因素是可以統計和識別的。比如，對沿山溝河道附近敷設的管道，在附近發生較多施工而改變河道流通能力等條件下，極易發生水毀漂管。因此，當有足夠的信息統計出管道在山溝河床敷設、河道被填埋侵占、高強度降雨等數據基礎上，將很容易判定出水毀的地點和可能發生的概率。

3 大數據應用的限制

大數據固然能夠協助分析人和環境因素可能對管道造成的傷害，但涉及到人和部分環境因素數據的保密和高成本問題等都將嚴重影響大數據的應用。基于當前的認知，主要從如下三個方面探討。

3.1 數據來源限制

對人活動所帶來的影響分析必須基于和人各種活動相關的海量數據分析，如何獲得關系人的海量數據，哪些數據能夠對管道企業開放，是否涉嫌隱私等都是限制數據來源的關鍵因素。在大數據應用日益重要的今天，數據資源的開放共享程度已經成為制約大數據及促使管理變革的主要障礙。在保證隱私不被侵犯的情況下，推進數據開放將會帶來更多的價值，為大數據發展打牢基礎，這是實現基于大數據預防人為損壞管道的關鍵。比如，建立開放的城市規劃、交通、社會治安和施工管理信息等數據，則能夠較容易地實現識別可能存在的施工損傷。

3.2 雜散數據的影響

《大數據的時代》[6]中也指出：“數據量的大幅增加會造成結果的不準確，一些錯誤的數據會混進數據庫。”數據量的增大，也會帶來規律的喪失和嚴重失真。此外，來源不同的各種信息混雜在一起會加大數據的混亂程度。統計學者和計算機科學家指出，巨量數據集和細顆粒度的測量會導致出現“錯誤發現”的風險增加。如果雜散的數據經常造成第三方損傷管道的預警頻繁誤報或識別率低，將會失去其應用價值。

3.3 因素的不關聯性

大數據意味著更多的信息，但同時也意味著更多的虛假關系信息。海量數據帶來顯著性檢驗的問題，將使我們很難找到真正的關聯。有可能基于大數據的全數據分析、模糊計算和重關聯而得不到應有的因果特性。如果能夠得到較好的關聯性，延伸維克托•邁爾-舍恩伯格的說法，則可以實現被預知的可能性——基于數據的預測能夠預測可能存在的第三方損傷或即將發生的打孔盜油行為。所以在完整性管理的基礎上[9]，深入分析事故致因、導致事故因素關系和占率，將是解決關聯性的基礎。

4 結束語

管道大數據的形成還處于起始階段，在大數據方面的探索將是今后一個時期的焦點。作者在管道大數據及其對管道安全管理等帶來的轉變等方面的思考僅是初步探索。但基于大數據條件下的管道安全管理是未來的發展趨勢，也必將帶來管道安全管理變革和相關技術進步。提前研究如何推進大數據條件下的管道安全管理，促成可能的數據共享和數據關聯模式，會使我們在提升管道安全管理水平中占得先機。◢

參考文獻：

[1] Peter Tuft, Nader Yoosef-Ghodsi, John Bertram. Benchmarking Pipeline Risk Assessment Processes, IPC 2012- 90045, September 24- 28, 2012, Calgary, Alberta, Canada.

[2] 曹云. 系統工程風險評估方法的研究進展[J].中國工程科學，2005，7（6）：88-95.

[3] 張華兵，程五一，周利劍,等. 管道公司管道風險評價實踐[J]，油氣儲運，2012，31（2）：96-98.

[4] 戴聯雙，張俊義， 張鑫，等. RiskScore管道風險評價方法與應用[J]，油氣儲運，2010，29（11）：818- 821

[5] 馮慶善，基于大數據條件下的管道風險評估方法思考. 油氣儲運，2014，33（5）：457-461.

[6] Viktor Mayer-Schonberger & Kenneth Cukier. Big data：a revolution that will transform how we live，work and think [M].Boston：Houghton Mifflin Harcourt Publishing Company，2013.

[7] 吳軍，數學之美，人民郵電出版社，ISBN 978- 7-115-28282-2

[8] 馮慶善，“樹生”事故致因理論模型，油氣儲運，2014，33（2）：115-120，128.

[9] 馮慶善，王學力，李保吉，等. 長輸油氣管道的完整性管理[J]. 管道技術與設備，2011（6）：1-5.

（作者：馮慶善，高級工程師，1974年生，2010年博士畢業于北京航空航天大學材料學專業,現主要從事管道完整性技術研究與管理工作。）

《管道保護》2015年第3期（總第22期）