基于多元聯系數的礦工不安全行為風險態勢評估

鄭僑宏，韓　勇

(東南大學 經濟管理學院 江蘇 南京 210096)

0　引言

相關統計和研究結果表明，近年來發生的煤礦安全生產事故中由人員不安全行為引發的約占97%[1-2]。這就需要對煤礦作業人員的不安全行為采用預先控制和干預，從而降低人員不安全行為引發事故的可能性。而進行風險評估是實施風險預控的基礎[3]，因此，通過對礦工不安全行為的風險狀況和變化趨勢進行分析，從而為不安全行為風險預控提供參考。

由于礦工不安全行為在事故形成中的重要影響，學術界對礦工不安全行為進行了大量的探索，形成了許多有價值的研究成果。Casey等以安全管理文化差錯和安全信息溝通2個因素為變量，運用實證分析方法探究兩變量對礦工安全行為的作用機理[4]；SHUANG L運用博弈論分析了安全行為選擇、安全監管和安全控制與礦工安全行為間關系[5]；劉雙躍等采用模糊聚類分析法對礦工“三違”行為(不安全行為)產生的原因進行定量化分析，確定了礦工不安全行為的3個基本影響因素[6]；陰東玲綜合運用人因分析與分類系統(HFACS，Human Factors Analysis and Classification System)和貝葉斯網絡分析煤礦作業人員不安全行為影響因素，確定了礦工不安全行為的直接因素和深層因素[1]；蘭建義等從人因失誤理論辨識礦工人因失誤影響因素，運用灰色關聯法分析影響因素的重要度并確定關鍵影響因素[2]；佟瑞鵬等在梳理煤礦個體安全行為影響因素的基礎上，采用統計分析方法對組織安全行為對個體行為的作用關系進行分析，確定了個體行為安全的影響因素[7]。

上述成果對礦工不安全行為影響因素進行了系統研究，為不安全行為矯正和控制提供了實踐指導，但是對礦工不安全行為風險涉及較少，對于不安全行為風險的動態變化趨勢的研究更少，這對采用風險預控具有一定的限制。為此，本文在現有礦工不安全行為影響因素研究的基礎上，建立礦工不安全行為風險因素集，同時考慮礦工不安全行為風險因素的不確定性和模糊性，運用熵值法和集對分析法建立礦工不安全行為風險態勢評估模型，從風險態勢和風險發展趨勢對不安全行為風險動態變化進行分析，以期為煤礦企業建立礦工不安全行為風險預控體系提供參考。

1　集對分析與多元聯系數

集對分析是一種用于處理和分析確定與不確定現象并存的不確定系統的不確定性決策分析方法[8-9]。該方法通過對系統不確定性的客觀承認和系統化描述，可以獲得更為接近實際的客觀結論，因而在機械[10]、教育評估[11]和安全[12]等領域得到廣泛應用。集對分析在這些不確定系統中運用主要通過構建同異反聯系度函數實現，聯系度函數一般可以表示為[13]：

μ=a+bi+cj

(1)

式中：μ為同異反聯系度；a為聯系度函數的同一度；b為聯系度函數的差異度；c為聯系度函數的對立度；其中，?a,b,c∈[0,1]，且a+b+c=1。而參數i和j分別表示差異度系數和對立度系數，其取值一般滿足：i∈[-1,1]和j≡-1。

由上述三元聯系數中差異度系數可知，隨著差異度系數bi的變化，可以用以表征系統在一定情形下的確定性和一般情形下的不確定性，因此，在實際運用過程中，通常可以通過對差異度系數bi進行拓展，形成多元聯系數，可表示為[9]：

μ=a+b1i1+b2i2+…+bnin+cj

(2)

式中：?a,bn,c∈[0,1],且a+b1+b2+…+bn+c=1；in∈[-1,1]。

2　基于多元聯系數的礦工不安全行為風險態勢評估模型

礦工不安全行為風險態勢評估過程中需要風險評估人員參與，這就不可避免造成風險評估中存在模糊和隨機等不確定性現象，同時，風險評估中所依賴的風險因素是預先設定的，一定程度屬于確定性范圍，由此，礦工不安全行為風險態勢評估屬于一個確定和不確定性問題，而集對分析理論正是處理此類問題的有效方法[9]。因此，本文將集對分析的多元聯系數用于礦工不安全行為的風險態勢評估，基于多元聯系數的礦工不安全行為風險態勢評估模型的構建主要包括以下3個步驟：建立礦工不安全行為風險因素集；構建礦工不安全行為風險的同異反評估模型；不安全行為風險態勢分析。

2.1　礦工不安全行為風險因素集構建

礦工不安全行為是指礦工在生產作業過程中已存在或者潛在的可能導致煤礦生產系統要素形成損失或者危害的一切行為[14]。這些行為在形成或者發生的過程中受到諸多因素的影響，對礦工不安全行為風險的評估需要辨識這些影響因素。目前用于分析人員不安全行為的理論主要有計劃行為理論(TPB，Theory of Planned Behavior)[15]、行為形成因子(PSF，Performance Shaping Factors)[16]、人因分析和分類系統理論(HFACS)[17]等。HFACS理論是在Reason事故致因理論基礎上建立的，以組織管理因素、組織監督因素、不安全行為形成條件和不安全行為4個分層標準對人因事故進行分類，能較細致分解不安全行為形成原因，可有效建立不安全行為與安全事故間的關聯性，解釋礦工不安全行為形成機理。本文以HFACS理論為基礎確定礦工不安全行為形成的影響因子。考慮本文具體研究內容，將上述4個層次進行如下修訂。礦工不安全行為的組織管理和組織監督2個影響因子歸并為組織影響因子，不安全行為條件劃分為礦工行為個體因素、技術因素和作業環境3個方面。綜上，礦工不安全行為影響因子包括組織因素、技術因素、礦工行為個體因素和環境因素4個因子系統。依據上述4個因子系統結合現有礦工不安全行為影響因素研究[1-3]，建立如圖1所示的礦工不安全行為風險因素集。

圖1　礦工不安全行為影響因素集Fig.1　Influence factors set of miners’ unsafe behavior

2.2　礦工不安全行為風險的同異反評估模型

礦工不安全行為風險態勢評估模型主要是通過式(2)的多元集對聯系數構建礦工不安全行為的同異反評估模型實現，而構建同異反評估模型首先需要確定風險因素的權重值。考慮所建立的礦工不安全行為風險因素具有客觀統計數據資料，因此在確定風險因素時可以采取客觀賦權方法，而熵值法是一種較為常用的客觀賦權法，為此，筆者依據文獻[18]給出的熵值法計算步驟并結合不安全行為風險因素在2012—2015年中引發事故的頻率統計確定礦工不安全行為風險因素的權重(wj,j=1,2,…12)，結果如表1所示。

表1　礦工不安全行為風險因素權重Table 1　Weight of risk factors for coal miners’ unsafe behavior

μ+=a+bi+cj+dk+el

(3)

式中：?a,b,c,d,e∈[0,1]；i∈[0,1]；j∈[0,0]為中性標記，不表示j=0；k∈[-1,0],l=-1(此處i，j，k為聯系數的系數與上文風險因素標記不同)；且a+b+c+d+e=1。

綜合礦工不安全行為風險因素權重和風險評估結果可將式(3)中的礦工不安全行為風險同異反評估模型表示為：

μ+=wj·RLjk·ET=

(4)

2.3　礦工不安全行為風險態勢分析

集對勢反映了礦工不安全行為風險相對理想狀態的變化態勢，但是對于礦工不安全行為風險在不同風險程度之間的發展趨勢描述不足。因此引入不同階的偏聯系數用以描述礦工不安全行為風險程度的動態變化趨勢。五元聯系數的4個不同階的偏聯系數可用式(5)～(8)表示[13]。

?μ+=?a+i?b+j?c+k?d

(5)

?2μ+=?(?μ+)=?2a+i?2b+j?2c

(6)

?3μ+=?(?2μ+)=?3a+i?3b

(7)

?4μ+=?(?3μ+)=?4a

(8)

為了有效刻畫礦工不安全行為風險態勢變化與偏聯系數變化趨勢之間的關聯，本文依據文獻[13]提出的各階偏聯系數提高和下降趨勢判別方法對上述四階偏聯系數變化趨勢進行分析。同時，依據文獻[13]，對于偏聯系數提高的不安全行為風險影響因素，判定其對應的風險程度呈下降趨勢；對于偏聯系數下降的不安全行為風險影響因素，判定其對應的風險程度呈增大趨勢。

3　算例分析

3.1　模型計算

為了驗證所提出的煤礦作業人員不安全行為風險態勢評估方法有效性，以內蒙古某煤礦為例，依據所提出的風險評語集，向35位來自不同作業崗位的一線作業人員、技術員和管理人員以及5位在該煤礦實施風險預控項目的教師發放問卷，對該煤礦作業人員不安全行為風險程度進行風險等級判定，結果如表2所示。

表2　礦工不安全行為風險等級評估

基于表2中的風險等級評估值，結合式(4)～(8)可得煤礦作業人員不安全行為風險的多元聯系數及偏聯系數，結果如表3和表4所示。

表3　礦工不安全行為風險聯系數值與一階偏聯系數

表4　礦工不安全行為風險二階、三階、四階偏聯系數

3.2　結果分析

1)由表3中的礦工不安全行為風險五元聯系數和表1中的風險因素權重，結合式(4)可得礦工不安全行為整體風險的聯系數為：μ+=0.484+0.205i+0.139j+0.089k+0.084l。按照“均分取值”法確定礦工不安全行為風險的聯系數參數，可知該礦礦工不安全行為的風險聯系數為0.343，其風險等級為較低風險。同時，針對礦工不安全行為風險的4個不同階的偏聯系數可知，礦工不安全行為風險在一階偏聯系數和二階偏聯系數呈現風險程度增高，而在三階偏聯系數和四階偏聯系數上整體呈現風險程度下降趨勢，表明礦工不安全行為風險趨勢不穩定呈波動狀態，需要加強礦工不安全行為風險預控管理。

2)由表3和表4中礦工不安全行為風險各個影響因素的偏聯系數可知，風險因素bf3為集對反勢，表明風險程度較高，需要重點關注，加強煤礦安全文化建設；風險因素bf4，bf5和bf6在一階偏聯系數和二階偏聯系數潛在層次上呈現下降趨勢，表明這些風險因素的風險程度增高，需要給予關注，通過完善作業標準、加強設備檢修和技術改善等活動降低風險程度。同時，風險因素bf4，bf6，bf9和bf12在三階偏聯系數和四階偏聯系數潛在層次上呈現下降趨勢，表明這些風險因素的風險程度增高，需要通過安全培訓、合理安排作業任務以及安全文化建設等措施緩解礦工作業過程中的心理壓力和精神疲勞，同時需要加強作業環境改善，降低由作業環境和作業條件導致礦工不安全行為產生的概率。

4　結論

1)通過五元集對聯系數建立礦工不安全行為風險態勢評估模型，不僅可以評估礦工不安全行為的靜態風險程度，還可以通過各階偏聯系數刻畫礦工不安全行為的動態變化趨勢，從而實現礦工不安全行為風險的動態評估，可以為煤礦企業對不安全行為進行風險預控提供有效的理論指導。同時，如何結合生成流程建立面向作業流程和作業不安全動作的風險態勢評估是后續研究的要點。

2)通過偏聯系數分析礦工不安全行為風險的發展趨勢，風險因素中“作業標準不當”、“生產設備”、“技術環境”、“心理狀況”和“作業環境”等因素的風險狀態兩次呈現下降趨勢，在后續的礦工不安全行為風險預控措施制定中需要重點關注。

[1]陰東玲,陳兆波,曾建潮,等.煤礦作業人員不安全行為的影響因素分析[J].中國安全科學學報,2015,25(12):151-156.

YIN Dongling，CHEN Zhaobo，ZENG Jianchao，et al. Analysis of factors affecting coal mine operators’ unsafe acts[J]. China Safety Science Journal， 2015，25(12):151-156.

[2]蘭建義,喬美英,周英.基于灰色系統理論的煤礦人因事故關鍵因素分析[J].中國安全生產科學技術,2015,11(2):178-185.

LAN Jianyi，QIAO Meiying，ZHOU Ying. Analysis on critical factor of human error accidents in coal mine based on gray system theory[J].China Safety Science Journal，2015，11(2):178-185.

[3]李新春,劉全龍,孫祥佼.基于風險預控的煤礦瓦斯爆炸事故人員不安全行為風險度量[J]. 煤礦安全,2014,45(11):225-229.

LI Xinchun，LIU Quanlong，SUN Xiangjiao. Risk measurement of human’s unsafe behavior in coal mine gas explosion accidents based on risk pre-control[J]. Safety in Coal Mines，2014，45(11):225-229.

[4]T.W.Casey，A.D.Krauss. The role of effective error management practices in increasing miners’ safety performance[J].Safety Science，2013，60(12): 131-141.

[5]LI.S，WANG Y.B，LIU Q. A model of unsafe behavior in coal mines based on game theory[J].International Journal of Mining Science and Technology，2013，23(12):99-103.

[6]劉雙躍,陳麗娜,周佩玲,等.礦工不安全行為致因分析及控制[J].中國安全生產科學技術,2013，9(1):158-163.

LIU Shuangyue，CHEN Lina，ZHOU Peiling，et al. Cause analysis and control measures of miners’ unsafe behaviors[J]. Journal of Safety Science and Technology，2013，9(1):158-163.

[7]佟瑞鵬,陳策.煤礦組織安全行為對個體不安全行為的作用機理研究[J].中國安全生產科學技術,2015，11(12):40-45.

TONG Ruipeng，CHEN Ce. Research on action mechanism of organizational safety behavior on individual unsafe behavior in coal mine[J]. Journal of Safety Science and Technology，2015，11(12):40-45.

[8]汪偉忠,盧明銀,周波,等. 基于集對分析的車間安全管理能力評價[J].安全與環境學報,2013，13(3):252-254.

WANG Weizhong，LU Mingyin，ZHOU Bo，et al. Assessment for the workshop safety management based on the set pair analysis[J]. Journal of Safety and Environment，2013，13(3):252-254.

[9]周興慧，張吉軍.基于五元聯系數的風險綜合評價方法及其應用[J].系統工程理論與實踐，2013,33(8):2169-2176.

ZHOU Xinghui，ZHANG Jijun. Risk comprehensive evaluation method and its application based on the five-element connection number[J]. Systems Engineering-Theory &Practice，2013，33(8):2169-2176.

[10]張衛,李仁旺,石先蔚,等.基于集對分析的制造服務需求動態挖掘方法[J].計算機集成制造系統，2016，22(1):62-69.

ZHANG Wei，LI Renwang，SHI Xianwei，et al. Dynamic mining method of manufacturing services demand based on set pair[J]. Computer Integrated Manufacturing Systems，2016，22(1):62-69.

[11]華薇,馬壯. 基于SPA的大學生自主學習能力評價的物元模型研究[J].內蒙古大學學報(自然科學版)，2015,46(5):475-481.

HUA Wei，MA Zhuang. Study on matter-element model for college students’ autonomous learning abilities based on SPA[J]. Journal of Inner Mongolia University (Natural Science Edition)，2015,46(5):475-481.

[12]李同鎖,何啟林.集對分析在煤炭自然發火危險性評價上的應用[J].中國安全生產科學技術,2013,9(8):54-58.

LI Tongsuo，HE Qilin. Application of set pair analysis in the risk evaluation of coal spontaneous combustion[J]. Journal of Safety Science and Technology，2013,9(8):54-58.

[13]施志堅,王華偉,王祥.基于多元聯系數集對分析的航空維修風險態勢評估[J].系統工程與電子技術，2016，38(3):588-594.

SHI Zhijian，WANG Huawei，WANG Xiang. Risk state evaluation of aviation maintenance based on multiple connection number set pair analysis[J].Systems Engineering and Electronics，2016，38(3):588-594.

[14]程戀軍,仲維清.代際劃分視角下礦工不安全行為研究[J].財經論叢,2016(1):90-96.

CHENG Lianjun，ZHONG Weiqing. Research on miners’ unsafe behaviors from the perspective of intergeneration[J].Collected Essays on Finance and Economics，2016(1):90-96.

[15]ROWEA R，ANDREWSE，HARRISC P R ，et al. Identifying beliefs underlying pre-drivers’ intentions to take risks: An application of the Theory of Planned Behavior[J]. Accident Analysis and Prevention，2016，89(4):49-56.

[16]KIM Y，PARK J K，JUNG W，et al. A statistical approach to estimating effects of performance shaping factors on human error probabilities of soft controls[J]. Reliability Engineering and System Safety，2015，142(10):378-387.

[17]OMOLE H，WALKER G. Offshore transport accident analysis using HFACS[J]. Procedia Manufacturing，2015，3(7):1264-1272.

[18]王濤云,馬宏忠,崔楊柳,等.基于可拓分析和熵值法的GIS狀態評估[J].電力系統保護與控制，2016,44(8):115-120.

WANG Taoyun，MA Hongzhong，CUI Yangliu，et al. Condition evaluation of gas insulated switchgear based on extension analysis and entropy method[J]. Power System Protection and Control，2016，44(8):115-120.

[19]王國平,楊潔,王洪光.五元聯系數在地表水環境質量評價中的應用[J].安全與環境學報,2006,6(6): 22-23．

WANG Guoping，YANG Jie，WANG Hongguang. Application of five-element connection number to the quality assessment of the surface water environment[J].Journal of Safety and Environment，2006,6(6): 22-23．