□赵 方

一、引言

随着移动互联网、物联网、云计算等新一代信息技术在大规模应用上取得的突破性进展，行政管理、生产经营、商务活动等众多领域的数据量出现爆炸式增长，这些数据被称为大数据。它们的出现和发展使企业、个人的行为模式发生了重大变化。2007年1月，吉姆·格雷(Jim Gray)——数据库软件的先驱，将这种转变称为科学发现进入“第四方式”[1]。他还认为，应对这种方式的唯一方法就是开发新的计算工具，以对海量数据进行管理、可视化和分析。

在研究大数据过程中人们逐渐认识、总结了大数据的四大特征[2]，以便把有价值的大数据与一大堆数据区分开来。当前很多行业已经在大数据开发应用方面取得很大进展，如智慧城市交通、数据驱动精准广告、库存管理和物流配送等，也体现出了不俗的成效。

中核核电运行管理有限公司(以下简称：中核运行)作为核电厂数据生产、数据管理、数据开发和数据发布的责任单位，正面临大数据时代的机遇与挑战。近年来随着核电厂信息化水平的不断提升，中核运行承包商开展的监督、监查和检查工作发现问题也已经逐步实现了通过信息系统录入整理、跟踪、关闭，而各个监督部门所录入收集的信息数据也在不断增加，并且有加速的趋势。

二、核电厂承包商质量管理现状

(一)承包商参与现场维修工作现状。当前承包商广泛参与中核运行核电现场检修工作。承包商参与现场维修工作的广度和深度,使其质量管理成为核电厂质量管理的重要组成部分，且重要性日益增加。随着中核运行质量管理水平的持续提升，相形之下，承包商的质量管理水平日益成为中核运行质量管理环节上的短板，2017、2018年承包商安全和服务质量管控风险均被列为中核运行重大风险进行重点管控。

(二)核电厂对承包商质量管理现状。事实上，近年来针对维修承包商的质量管理提升工作伴随着质量保证监查、大修监督等工作在持续不断的开展，承包商质量管理水平也有了明显的提升，但是这一切并没有彻底改变承包商质量管理是中核运行质量管理短板的客观事实。大量录入系统中的发现问题数据(下称“发现事实”)也仅是通过相应的软件实现了对具体问题的跟踪、关闭、闭环管理。

传统管理方式着重于关注单个问题的跟踪、改进闭环管理，擅长具体问题的发现和解决。而从海量数据中挖掘价值，正是大数据管理的技术特点；它更关注数据样本的混杂性，而不是精确性；它试图寻找样本的相关关系，而不是因果关系。因此可将核电厂监督大数据的管理作为承包商管理改进的新着力点。

三、承包商质量管理大数据的构建

利用大数据研究管理思路，挖掘核电厂针对承包商现场监督发现事实大数据的价值，寻找承包商管理改进薄弱环节，成为核电厂质量管理人员面临的一个课题。

(一)建立模型。利用大数据提升承包商质量管理，需明确整个过程中各个环节的输入信息、信息分析加工的手段以及需要的输出信息。具体来说，一是需要明确核电厂内哪些数据与承包商质量管理相关；二是通过分析确定哪些数据可用来提升承包商质量管理，及明确大数据管理工作的输入信息；三是对大数据来源的具体数据字段进行规范，确保具体数据可用、有效；四是建立与当前中核运行承包商质量管理相匹配的分析方法，核电厂承包商质量管理大数据模型。

(二)数据收集。

1.数据来源。承包商质量管理数据可分为承包商质量管理相关数据和承包商管理监督、监管数据两部分。当前与承包商相关的数据有承包商所持工单数据、承包商人力资源数据等。另外，承包商管理监督、监管数据包含来自于承包商自查、承包商使用部门监管、中核运行各专业监督、中核运行状态报告等系统4个层面的数据。这些层面的数据均以承包商为焦点，从不同角度反应承包商管理存在的问题。

2.数据初步筛选。对承包商质量管理相关数据进行分析，识别出哪些数据可用于承包商现场质量管理水平数据分析，从而确定承包商质量管理相关数据的范围。当前中核运行范围可直接作为针对承包商质量管理相关大数据的来源有10种。当前现场承包商质量管理相关数据中有状态报告、工单数据、工业安全监督发现问题等5种实现了信息化，其中质保监查监督发现问题和承包商自查发现问题与承包商之间实现了数据互通，QC检查发现问题、消防保卫监督发现问题等则尚未实现信息化。

(三)数据处理。分析10种承包商质量管理相关数据，其中承包商自查发现问题、质保监查监督发现问题、工业安全监督发现问题、消防保卫监督发现问题、辐射防护监督发现问题、接口部门监管发现问题均为现场监督管理发现问题，但数据来源不一。因此需要对现场监督大数据字段信息进行规范，以使不同监督信息软件基础数据的互联互通。应在现场监督各数据产生部门之间明确现场数据的标准信息字段，要求各部门提供数据时按照标准字段填写。

为加强现场监督发现事实的规范性，应将部分字段设置为必须字段以确保其完整性和可用性。对上述字段进行梳理明确了责任部门、处理方式、大修号等字段为必须字段。

(四)数据应用模型。大数据分为结构化数据和非结构化数据两类，结构化数据也称为行数据，是由二维表结构来逻辑表达和实现的数据；现场监督产生的发现事实大数据属于标准的结构化数据。当前各行各业对于结构化数据分析大多是以数据挖掘和统计分析为基础。对于现场监督大数据也将按照当前主流分析方法通过建立模型实现数据分析和价值的深度挖掘。

良好的质量管理体系模型是挖掘大数据价值、精确定位质量薄弱环节促进改进的基础和前提。因此承包商质量管理体系模型应该做到管理要素的颗粒度均匀、能较好的聚焦现场问题。同时好的质量管理体系模型能够较好地满足核电厂维修承包商的评价需求，能够有效覆盖承包商提供服务的工作领域。

根据核电厂质量保证上游法规《核电厂质量保证安全规定》HAF003要求，以秦山核电厂运行质量保证大纲为框架建立分析模型框架，其中包含17个管理要素。结合运行质保大纲分要素、管理程序要求、实际工作经验对分析模型的要素进行细化，形成模型子要素。按照以上原则，进行承包商质量管理分析模型的子要素确认，共形成129个质量管理核心点，即分析模型包含129个子要素。

承包商质量管理体系模型的建立为寻找管理薄弱环节奠定了基础，后续随着监查、监督等数据不断积累和分析，可能需要对个别子要素进行增加、删减或者修订。

(五)大数据信息平台的建设。根据承包商质量管理大数据理论的支持与引导，2017年来对中核运行质量管理软件进行了修订和完善。具体在原系统基础上细化完善了质保监查、监督发现问题分析模型字段；增加了发现问题原因字段与分析功能；增加了承包商自查发现事实数据录入模块；增加生成管理薄弱环节改进材料的功能；增加了承包商绩效评价等功能。

以上功能的增加和完善使中核运行原质量管理系统从侧重于现场监督问题录入信息录入软件，转变为侧重数据的统计、分析的承包商质量管理大数据管理平台。当前中核运行承包商质量管理大数据的各项功能是以质量管理系统为载体实现。

四、大数据在承包商质量管理方面的应用

当前承包商质量管理大数据以质量管理系统为载体，可直接使用的数据包括质保监查监督发现事实、承包商自查事实，其他数据尚未实现与质量管理软件的互联互通。

(一)精准定位承包商管理薄弱环节、精确分析原因。以承包商A为例，可实现以下分析方式。

1.某年度发现问题按模型要素的分布分析。依照分析模型，分析2017年承包商A发现事实按照大纲要素分布情况，可知该段时间承包商A管理的TOP10薄弱环节。根据此步骤分析结果，需要加强对TOP10薄弱环节的关注度，采取措施、提升管理水平。

2.发现问题按模型要素大修分层分布分析。按照大修进行分层分析，可有效地展示出承包商在不同大修期间管理要素管理水平的波动，有助于确定管理薄弱环节，寻找改进方向。

(二)统计承包商违反频度Top10管理程序。通过质量管理系统检索发现事实中的依据文件的方式，可统计并展示所关注承包商在某一时间段内按违反频度排布的管理程序清单。承包商可根据此清单进行有针对性的学习，以提高质量管理水平。

(三)针对管理薄弱环节生成改进材料。系统整理发现事实选取相关事例，形成图文结合的专项改进材料，一般包含主题、依据文件、事实描述、现场图片(如有)等内容，作为管理薄弱环节整改学习的材料。

(四)承包商质保绩效评价。质量管理系统中已建立承包商绩效评价模型。评价模型依据承包商承担工作任务的量作为基础分项，使用承包商自查数据等作为加分项，业主质保监督、监查发现问题等作为减分项，实现了按照某次大修、某年度实施评价的功能。

五、结论与展望

(一)大数据在承包商质量管理中的应用结论。大数据在承包商质量管理中的应用增加了促进承包商质量管理提升的方法；高效精准分析承包商质量管理薄弱环节；为承包商质量管理改进提供第一手材料；实现了更优化的承包商质量管理绩效评价；提升承包商质量管理的效率，节约质量管理的成本。

(二)大数据在承包商质量管理中的应用展望。当前中核运行在大数据分析应用促进承包商管理改进方面取得了一些进展，但尚有较多方面需要改进。

1.大数据应用价值尚未被充分识别、大数据完整性不足。可在公司层面加大数据管理应用的科普宣传，让更多的人认识大数据、了解大数据、熟悉大数据；宣贯公司在大数据管理应用方面的期望，增加现场监督人员在大数据管理方面的主观能动性。

2.公司范围内的大数据收集的信息系统尚需进一步完善。从公司层面宣贯、推动各业务监督数据记录的信息化作用；并发挥各监督专业的主观能动性，鼓励其建设信息系统、给予监督处室预算支持。