群厂核安全监督数据治理研究

卢 洋，许俊俊，刘治刚

（苏州热工研究院有限公司，深圳 518028）

由于核电业务精细化管理需求驱动核安全监督的现代化发展，核电厂的信息化程度越来越高，核安全监督相关的数字数据增长迅猛。数据成为核安全监督的基本要素之一，大量的监督活动以数据为基础展开。

群厂核安全监督数据存在数据量巨大、数据缺乏标准要求、数据孤岛和数据结构化不足等特点，这些低质量的数据无法支撑起核安全监督业务数字化转型，核安全监督效率提升面临挑战。

数据治理是一种以数据为中心的创新管理理论，它把数据作为一种资产来管理，并行使相关权力和控制活动。借助数据治理理论方法，可以优化和提升数据的标准、质量和安全等技术指标，从而实现效率提升和价值创造。

本文在分析群厂核安全监督数据特点和现状的基础上，依据数据治理理论，并结合群厂核安全监督系统开发实践，研究了提升核安全监督效率的方法。

1 数据治理理论

1.1 数据治理概念

目前，数据治理存在多种定义［1］。本文不纠结于各种定义的差异，为了便于叙述和理解，选取工业互联网产业联盟给出的定义［2］：数据治理是指对数据资产管理活动行使权力和控制的活动集合（包括计划、监督和执行等）。

根据上述定义可知：数据治理的对象虽然还是数据，但是又将数据进一步视为一种有价值的资源，提升为资产地位。这种表述将数据治理纳入组织机构的高层级管理活动范围，要求配置一整套的原则、政策、资源、流程和操作规则等以支撑管理目标的实现。

1.2 数据治理框架

当数据治理上升为组织机构的一种高层级管理活动时，应当建立与之相应的管理框架。数据治理框架将相关的管理要素以一定的逻辑关系组建起来，可以为组织机构的数据治理实践工作提供理论指导。

比较典型的数据治理框架有以下几种：DAMA（The Data Management Association，国际数据管理协会）框架包括两个子框架：功能子框架和环境要素子框架［3］；DGI（The Data Governance Institute，国际数据治理研究所）框架分为人员与组织机构、规则与协同工作 规 范、过 程3个 职 能［4］；IBM（International Business Machines Corporation，国际商业机器公司）框架包含目标、支持要素、核心准则和支持准则4个部分［5］；CALiB（China Acadenic Library DG Framework，中国高校图书馆数据治理）框架分为促成因素、范围、实施与评估3个维度［3］。

通过对比研究上述框架发现，数据治理框架主要包括管理要素（机构组织和人员职责等）和实施要素（数据管理和评价等）两方面。

2 群厂核安全监督数据

核安全监督分为内部监督和外部监督。群厂核安全监督是由核电集团组织对所属核电厂进行的内部独立监督活动。群厂核安全监督对内需要统筹各核电厂的内部监督，对外需要接口核安全局等单位的外部监督。

群厂核安全监督数据主要是指核电集团对核电厂进行核安全监督所需的数据，同时也包括相关数据，如进行监督评估活动时产生的数据。群厂核安全监督数据能够较为全面地反映出核电厂真实的安全生产状态和安全管理水平。

按照电厂专业划分，群厂核安全监督数据范围涵盖核电厂安全生产相关的所有重要领域数据，具体指核安全管理、运行、维修、技术支持、辐射防护、消防、化学环境和厂房管理8个重要领域数据。每个领域又可以进一步细分为若干个子项目，具体见表1。

表1 群厂核安全监督相关领域Table1 The specialties related to fl eet nuclear safety supervision

2.1 数据类型

从数据治理的角度，将数据作为对象进行分类可以得到不同的数据分类结果，具体包括参考数据、主数据、业务活动数据、分析数据和时序数据5大类［5］。

（1）参考数据：主要是指外部标准数据，包括各行业通用标准数据（地理行政区、计量单位等）和本行业标准数据（WANO指标等）。这些数据相对稳定和静态，基本不会变化。

（2）主数据：是指满足跨部门协同需要、反映核心业务实体属性的基础信息，如设备及设备不可用信息。

（3）业务活动数据：是指在核电厂运行管理过程中产生的数据，如定期试验、维修、辐射防护等数据。

（4）分析数据：是指与统计、报表或指标有关的数据，如缓解系统指标、机组安全状态指标等数据。

（5）时序数据：主要是指核电厂各种工业测量设备按照时间顺序读取到的数据以及根据这些测量数据直接计算出来的数据，如温度、压力、饱和裕度等。

2.2 数据现状及原因分析

随着工业信息化发展，以及核电厂大量信息化系统的投入使用，数字化数据迅猛增长。据笔者统计，截至2019年5月，某集团仅仅设备不可用（I0）数据达22.4万条，并预估以每年3.6万条的速度增长。信息化使得基于原始I0数据的二次分析应用数据在此基础上翻了数倍。这个例子只是核电众多核安全监督业务的冰山一角。这些数据增长速度还会随着信息化的深入和新电厂的不断商运而加速。

群厂核安全监督数据结构差异大，存在大量结构化的时序数据和业务数据，同时，业务数据中又存在半结构化和非结构化的数据。这是从传统线下业务数字化转型过程中不可避免的情况。

群厂核安全监督数据缺少统一的规范标准。各个核电厂的核安全监督工作在客观和主观方面都存在不可避免的差异，这些差异既包括不同堆型监督内容的差异，也包括对相同监督内容理解的差异。与此同时，极少开展数据标准化工作，使得这些不处于管控范围的差异日益扩大。

另外，群厂核安全监督数据孤岛和数据重复现象也不鲜见。核安全监督数据来源广泛，由于专业分工限制和缺乏沟通，极易形成数据孤岛和数据重复建设现象。

上述现象导致核安全监督数据质量较低，特别是在数据量的迅猛增长趋势背景下，数据并没有成为监督的有效资源，甚至反而制约了监督效率。监督数据质量提升工作迫在眉睫，需要以数据治理的专业方法来指导具体工作。

3 群厂核安全监督数据治理

通过对数据治理框架理论进行分析，群厂核安全监督数据治理工作可以从管理要素和实施要素两个方面展开。

3.1 数据治理管理要素

数据治理的管理要素可以遵循一般的治理管理标准列出，主要包括组织机构、规章制度、责任分工、运作方式和资源保证等内容。

根据群厂核安全监督的特点，其组织机构应当建立在群厂层级的核安全监督组织或者更高级别的管理机构中，或在现有相应层级机构中增加数据治理相关职能，成立数据治理委员会。该委员会应当纳入各电厂的数据治理利益相关方。

数据治理委员会适当增加有IT技术背景的成员，这样有利于在现有的业务结构中提升IT话语权，制定更加切实可行的数据治理实施方案。

根据数据治理的特点，应当在充分评估现阶段数据治理状态的前提下，明确提出数据治理的可行性目标。数据治理目标应当通过IT专家审查，以便切实可行。

3.2 数据治理实施要素

从不同的角度出发，数据治理的实施要素也不同。DAMA从数据功能角度将数据治理分为：数据架构管理、数据开发、数据库操作管理、数据质量管理、元数据管理、文档与内容管理、数据仓库与商业智能管理、参考数据与主数据管理和数据安全管理10个方面进行治理；DGI将数据治理分为：任务、关注点、数据规则与定义、决策权、问责制、控制、数据相关方、数据治理办公室、数据责任人和数据治理流程10大要素；CALib则根据功能层次将数据治理分为：数据整合与发现、数据统计与分析、元数据、数据质量、数据安全隐私与合规、基础业务数据、信息资源体系和数据架构8个关注领域进行治理。

根据群厂核安全监督数据来源广泛，数据流转环节复杂的特点，以数据生命周期为核心的治理方式是比较可行的一种实施方式。依据监督业务流转程序，对数据从初始起源到数据加工，到数据应用，再到数据存档等环节进行梳理，列出业务涉及的数据全生命周期流程。针对流程中的每个环节实施数据管理。

全生命周期数据管理包括元数据管理、主数据管理、时序数据管理、数据质量管理、数据安全管理和数据共享等措施。针对不同的环节，应用相适用的管理方式。

在数据治理实施过程中，影响数据质量的一个重要因素是数据标准。只有统一有约束力的数据标准，才能保证数据的质量，提升数据利用效率。数据标准来源于业务标准，在交叉变化的业务活动中，确定统一的业务标准是有效数据治理的一个先决条件。

3.3 系统开发实践

在某集团进行的群厂核安全监督系统开发实践过程中，整合了多个电厂和堆型的核安全监督系统数据。通过系统开发，形成了集团层面的群厂核安全监督数据标准化，并将这些数据标准共享至集团数据中台供其他系统调用。以标准化的群厂核安全监督数据为基础，构建了群厂的核安全监督指标应用模型，并开发了众多的监督工作应用模块，包括监督报告自动生成、指标动态展示、状态评估和异常提醒等。该系统通过数据标准化有效地控制了基础数据差异，极大地提高了群厂核安全监督效率。

通过项目实践和经验总结，笔者认为，在数据治理委员会中增加有IT背景的专家，可以制定出更加切实可行的数据治理方案；同时，在梳理业务流程的基础上，确定并发布统一的业务数据标准，可以极大地提高数据治理的效果。

4 结论

本文在分析了群厂核安全监督数据类型和现状的基础上，提出将数据治理方法应用在群厂核安全监督领域的建议。通过某集团群厂核安全监督数据治理实践，总结了提高群厂核安全监督数据治理效果的两个重要因素。该研究成果可作为群厂其他领域数据治理工作参考，也可为多电厂核安全监督数据治理相关工作提供帮助。