基于云模型的煤礦員工不安全行為評價研究

劉海濱 周佳寧 路燕娜

(1.中國礦業大學(北京)管理學院，北京市海淀區，100083； 2.安陽學院，河南省安陽市，455000)

★ 煤礦安全 ★

基于云模型的煤礦員工不安全行為評價研究

劉海濱1周佳寧1路燕娜2

(1.中國礦業大學(北京)管理學院，北京市海淀區，100083； 2.安陽學院，河南省安陽市，455000)

為有效地監測和評估煤炭企業員工不安全行為，提出了基于正態云模型的綜合評判方法。在已有研究的基礎上，綜合考慮煤炭企業員工不安全行為的模糊性和隨機性，利用云模型的數字特征，在逐層確定各級指標云后，對比分析最終評價云與云標尺，得出各指標下待評員工不安全行為的評價等級。通過實例進行了檢驗，結果表明，云模型可以實現定性描述與定量表達之間的轉換，評價結果以圖像形式展示出來，并能準確找出風險性較高的指標，使管理和控制員工的不安全行為更有針對性。

云模型 不安全行為 指標云 評價分析

通過統計分析各類煤礦企業安全事故發現，大多數事故原因都與人的因素有關，員工的不安全行為導致煤礦安全事故頻發的問題仍十分棘手。煤礦人因事故頻發，既是由于煤礦生產系統本身的復雜性，也是由于對煤礦員工的行為認識和管理不到位。員工不安全行為的控制管理應以發現問題為導向，實現矛盾隱患排查，突出前端管理，這就體現出對員工不安全行為進行評價的重要性。

當前，學者們對員工不安全行為的研究關注較高。劉海濱、梁振東對煤礦員工不安全行為的前因變量進行分析研究，運用ANP理論對非意向性不安全行為影響因素進行優先度分析，并建立了結構方程模型，研究了不安全行為與其意向的關系；曹慶仁將員工的不安全行為劃分為意向選擇和非意向選擇兩種，并直接研究了安全文化對員工行為安全的影響作用特點；趙廣金建立了煤田地質鉆探員工不安全行為因素評價指標及模型，并用加權法評價模型對員工不安全行為進行了實證研究；段瑜在人機環仿真模型建立的條件下研究個體安全行為能力的趨勢與特征，并用模糊綜合評價對員工個體安全行為能力進行評估。但是，隨著煤礦企業管控員工不安全行為的實際深入，僅靠單一數字得出的評價等級已不能滿足對不安全行為原因分析的準確性要求，迫切需要一種評價方法既能直觀判斷出員工的不安全行為狀況，也能深層次的尋找風險性較高的指標，使管控不安全行為的針對性更強。因此，本文將正態云模型引入到煤礦員工不安全行為評價研究中，以煤礦一線生產操作人員為研究對象，對其非意向性不安全行為進行預判，通過計算得出云數字特征，利用Matlab程序，生成云圖，形象、直觀地反映出員工不安全行為評價情況，并對原因進行深入分析，找出具體哪一項指標是煤礦員工不安全行為風險級別較高的指標，從而為降低員工不安全行為風險提供切實性的建議。

1 云模型在評價員工不安全行為評價中的應用

1.1 云模型原理

(1)設U為定量論域，C為定性概念，在定量論域之內，如果有一定量值x∈U，且x是C的某次隨機實現，x對C的確定度μ(x)∈[0,1]是具有穩定傾向的隨機數。即若μ:U→[0,1]，?x∈U，x→μ(x)，則x在U上的分布就叫做云。

(2)云模型上的定性概念，需用3個數字特征(Ex,En,He)來表現。Ex表示為期望值，在中心位置上，是U中最佳體現概念C的點；En表示為熵，它可以衡量概念C的未確知性；He為超熵，超熵的取值情況對云滴的厚度和分散程度有直接的影響。

(3)云發生器，表示為云模型的過程算法，包括正向云發生器和逆向云發生器。本文將利用逆向云發生器的算法，算出云模型的參數特征，計算過程如下：

第一步：計算期望值Ex，即云滴的均值：

(1)

第二步：計算熵En：

(2)

第三步：計算超熵He：

(3)

得到云模型的一組數字特征后，它對應的隸屬云模型也隨之明確，進而形成云分布。

1.2 煤礦員工不安全行為的云模型評價

(1)指標體系及權重。本文的指標體系及權重采用劉海濱、梁振東在《煤礦員工不安全行為影響因素及其干預研究》一書中的非意向性不安全行為影響因素評級指標體系及權重的計算結果。指標體系如圖1所示。

圖1 煤礦員工不安全行為評價指標體系

(2)不安全行為評價指標的云模型標尺。不安全行為等級劃分的意義在于幫助煤礦在開展安全監察過程中，抓住重點，有針對性地開展煤礦安全監察工作，預防事故的發生。借鑒已有相關文獻，根據員工不安全行為的危險級別(危險級別主要考慮不安全行為可能造成的直接或間接潛在后果嚴重度)，將不安全行為分為低風險、一般風險、中等風險、重大風險和特大風險5個等級。利用李德毅教授對五層正態云的定義，在[0,1]論域劃分5個評價等級，基于黃金分割法，生成不安全行為評價指標的云模型標尺分別為低風險(1,0.1031,0.013)，一般風險(0.691,0.064,0.008)，中等風險(0.5,0.039,0.005)，重大風險(0.309,0.064,0.008)，特大風險(0,0.1031,0.013)。

(3)各指標的云模型特征參數選取。由于評價指標為定性指標，所以利用Delphi法，向煤礦企業內熟悉公司業務的5名基層管理者、3名一線工作者和2名煤礦安全管理領域的專家進行咨詢，要求其根據評價標準，對各個指標進行10分制打分，利用雙邊約束原則，即評判出最低分和最高分，以此獲得某生產操作人員的各項評價指標的實測數據，針對同一指標，對所有受咨詢人員給出的最高分和最低分進行處理，運用云參數算法得出云的3個數字特征，通過Matlab平臺生成云圖，在定量數值與定性表達之間實現轉換，便于進一步的評價語言分析。若云圖呈現霧狀，則將結果反饋給受咨詢人員，調整評分，一般經過2～4次的循環反復，使10名評分人員的意見趨于一致性，以此獲得更為合理的云特征參數和云圖。

(4)綜合評價云模型。本文選用的評價指標體系分為如圖1所示的3個層級：目標層、準則層和指標層。指標層中各個指標值的獲得是通過受咨詢人員給出評價區間的方式，即評出最大值和最小值，以此限制人們主觀判斷時的隨機性，使評價值的客觀性增強。利用云理論中擬合父云的思想，體現評價區域內的信息。以兩朵云為例，得到父云模型Cloud(Ex,En,He)的計算公式如下：

(4)

在對各項指標的最大云和最小云進行父云擬合后，根據下列公式(5)，依次向上傳遞，則可得到準則層的云數字特征和目標層的最終評價云模型。利用MATLAB生成云圖，根據云圖可對煤炭員工不安全行為進行評價分析。

(5)

2 實例應用

以某位一線生產操作人員A為例，A人員具有5年的煤炭現場工作經驗，其所在的煤炭企業近年來為有效解決煤礦員工不安全行為頻發的問題做出了許多的嘗試和努力。本文所提供的煤炭企業員工不安全行為評價云模型適用于企業當前著力控制員工不安全行為的需要，以可視化的圖形顯示評價結果，為管理員工行為及推進煤礦企業安全管理提供了一種新途徑。

2.1 指標云的確定

(1)以個體因素下的指標為例，計算出各指標云模型的數字特征，指標云每一個指標的最高值和最低值數據見表1。

表1 指標雙邊實測值

利用逆向云發生器算法，云數字特征均保留3位小數，如指標“安全意識”，其擬合父云計算過程如下：“安全意識”的Max云，利用Excel對10條數據進行處理分析，可算出均值、熵和超熵，即“安全意識”Max云為(0.865,0.035,0.001)；“安全意識”的Min云，利用Excel對10條數據進行處理分析，可算出均值、熵和超熵，即“安全意識”Min云為(0.745,0.069,0.008)；生成父云，利用式(4)，對“安全意識”這一指標的Max云和Min云進行父云擬合，可得“安全意識”指標最終父云為(0.785,0.104,0.006)。

同理，可算出其他6個指標的最終父云，分別為“注意力”(0.794，0.133，0.01)，“應急反應”(0.76,0.109,0.021)，“疲勞程度”(0.659,0.09,0.012)，“情緒穩定性”(0.757,0.079,0.01)，“操作技能”(0.681,0.073,0.012)，“工作經驗”(0.765,0.071,0.014)。

(2)根據式(5)可以計算得到準則層“個體因素”的云數字特征為(0.754,0.11,0.018)。限于篇幅有限，省略其他各指標的計算過程，各個指標云數字特征及相應權重的整體結果如表2所示。

表2 各指標云數字特征及權重一覽表

2.2 評價結果分析

由表2和式(5)可得，目標層煤礦員工不安行為的評價云為(0.785，0.098，0.013)，應用Matlab程序生成云圖，如圖2所示。圖中“*”型云圖為本文所選用的云模型標尺，“.”型云圖為該煤礦企業員工的不安全行為評價云圖，可見其不安全行為的評價等級是處于一般風險與低風險之間，更偏向于一般風險。

圖2 員工不安全行為最終評價云與云模型標尺對比圖

進一步分析員工不安全行為評價云圖，根據準則層的云數字特征，得到準則層的評價云圖如圖3所示。由圖3可知，個體因素、設備因素、環境因素和組織因素都在一般風險與低風險之間，但是個體因素的風險要高于其他幾個因素，鑒于此，對個體因素下的各個指標進行詳細分析，判斷出是哪些具體指標的風險性更高。由于云圖占據版面較大，各指標云圖就不再進行一一展示，通過分析云圖結果，可以發現指標“疲勞程度”處于一般風險與中等風險之間，風險等級明顯高于其他的指標，指標“操作技能”基本與一般風險重疊，并未趨近于低風險，也對整體的不安全行為評價產生了負面影響；另外，雖然準則層組織因素的整體風險更趨近于低風險，但其下屬的工作單調性、作業強度和人際關系這3項指標云圖的風險性偏高，同樣應該給予重視；設備因素和環境因素下的各指標風險性不高，當前處于較穩定的狀態。

圖3 準則層的評價云圖

云模型評價法通過依次向上遞進的方式，既能得到目標層的最終評價結果，也能深入分析每一項指標，掌握每一項指標的風險情況，為處理員工不安全行為問題提供有效途徑。

3 結論

考慮到員工不安全行為狀態的模糊性與隨機性，本文將定性與定量轉化的正態云模型引入煤礦員工不安全行為評價的研究當中，并利用雙邊約束打分獲得指標原始數據，通過云圖顯示最終評價結果。結果表明：在多個評價指標的共同作用下，該煤礦員工的不安全行為等級更傾向于一般風險，但是準則層的個體因素較其他幾個因素的風險級別更高，剖析來看，其下層的疲勞程度、操作技能2個指標需要管理層特別重視，檢查該員工是否近期工作強度過大，產生了身體疲勞，并且在操作技能上有需要完善的地方；同時也應注意到，從組織因素的角度，長久讓員工從事單一項工作，不利于提高員工的積極性，作業強度過大、與其他同事相處時間少，也會增加員工不安全行為發生的風險。本文得到的煤礦員工不安全行為評價云圖，既能夠形象直觀地反映出員工行為的安全狀態，也能夠找出不安全行為的主要風險因素，為員工不安全行為的管理與風險控制提供一種新的分析手段，也是對煤礦安全可視化管理的一種探索。

[1] 劉海濱,梁振東.基于SEM的不安全行為與其意向關系的研究[J].中國安全科學學報,2012(2)

[2] 曹慶仁,李凱,劉麗娜.煤礦安全文化對員工行為安全影響作用的實證研究[J].中國安全科學學報,2011(4)

[3] 田佩芳,劉浩,劉海濱.煤礦人因事故安全評價[J].中國煤炭,2016(3)

[4] 丁昊,王棟.基于云模型的水體富營養化程度評價方法[J].環境科學學報,2013(1)

[5] 王健,肖文杰，王樹文等.一種改進的基于云模型的效能評估方法[J].火力與指揮控制,2010(7)

[6] 張秋文,章永志,鐘鳴.基于云模型的水庫誘發地震風險多級模糊綜合評價[J].水利學報, 2014(1)

[7] 劉海濱,梁振東.煤礦員工不安全行為影響因素及其干預研究[M].北京:中國經濟出版社, 2013

Studyonevaluationofmineworkers'unsafebehaviorsbasedoncloudmodel

Liu Haibin1, Zhou Jianing2, Lu Yanna3

(1.College of Management, China University of Mining & Technology, Beijing, Haidian, Beijing 100083, China; 2.Anyang University, Anyang, Henan 455000, China)

In order to effectively monitor and assess mine workers' unsafe behaviors, this paper proposed a comprehensive evaluation method based on normal cloud model. On the basis of existing research, considering the fuzziness and randomness of mine workers' unsafe behaviors, after using the numerical characteristics of cloud model to determine the index cloud at each level, comparing and analyzing the final evaluation cloud and the scale cloud, the evaluaiton level of workers' unsafe behaviors was attained. The cloud model was validated and the result showed that it could realize the conversion between qualitative description and quantitative expression. The evaluation results could be displayed by image and the high risk index could be identified accurately, then the management and control of mine workers' unsafe behaviors would be more targeted.

cloud model, unsafe behavior, index cloud, evaluation analysis

劉海濱，周佳寧，路燕娜.基于云模型的煤礦員工不安全行為評價研究[J].中國煤炭，2017,43(10)：123-127.

Liu Haibin, Zhou Jianing, Lu Yanna. Study on evaluation of mine workers' unsafe behaviors based on cloud model [J]. China Coal, 2017，43(10):123-127.

TD79

A

劉海濱(1969-)，男，吉林公主嶺人，教授，博士，博士生導師，主要從事能源經濟學、安全管理、管理信息系統等方面的教學與科研工作。

(責任編輯 張艷華)