基于FAHP與機器學習的煙草行業實驗室安全管理評價

汪洪焦， 賈云禎， 張其東， 張 濤， 楊國濤， 趙繼俊

（中國煙草總公司鄭州煙草研究院，鄭州450001）

0 引 言

實驗室是進行科技創新活動和培養科技人才的重要場所。近年來，社會經濟的快速發展和科技、教育水平的日益提高促進了實驗室軟硬件建設，使得實驗室場地規模不斷增大，儀器設備及試劑藥品日益增多，科研活動愈加頻繁，實驗室人員流動加大，這些與相對落后的管理體制之間的矛盾愈加突出，使得實驗室安全形勢愈加嚴峻。2015年，清華大學化學系實驗室使用氫氣做實驗時發生爆炸后起火，造成一名博士后當場死亡［1］。2018年，北京交通大學環境工程實驗室在進行垃圾滲濾液污水處理試驗時，摩擦碰撞火花引發氫氣爆炸并起火，造成2名博士生和1名碩士生死亡。通過對近年來實驗室安全事故進行統計分析，盡管實驗室事故在事故類型、發生原因、危險物質類別存在差異，但根本原因是實驗室安全管理機制不健全、管理制度不到位造成的安全管理不善［2］。實驗室安全事故頻發，為實驗室安全管理敲響了警鐘，加強實驗室安全管理，提高安全管理水平，確保其安全平穩運行已成為實驗室管理部門的一項重要研究課題。

2005年，韓國學者JOO PARK TAE等［3］最早開發了用于實驗室衛生和安全檢查的實驗室安全管理系統。2011年，瑞士學者Marendaz等［4］最先開展了化學實驗室的安全管理和風險評估工作。國內方面，2012年陳晶晶［5］最早開展了高校實驗室安全管理評價體系的研究工作，2013年董繼紅等［6］最先應用DHGF集成法對高校實驗室安全管理進行評價。隨后，一些學者針對實驗室安全管理評價方法進行了研究，相繼采用BP神經網絡［7］、物元熵權模型［8］、模糊綜合評價［9-10］、GA-BP神經網絡［11］、Simulin等［12］方法對實驗室安全管理進行評價，以上方法均有各自的優點，但普遍存在評價指標選取及權重設置較為隨意，人為因素影響較大，評價的準確性存在較大局限性，只能定性地粗略評價實驗室系統的安全性，而不能定量地評價危險程度等缺陷。

煙草行業的科技創新為提升煙草質量提供保障，煙草行業實驗室作為煙草科技創新的重要場所，其安全平穩運行至關重要。隨著國家和煙草行業對安全生產認識程度的不斷提高，煙草行業逐步形成了一套規范的實驗室安全管理體系，為確保實驗室安全運行奠定了基礎。然而，與其相應的評價煙草行業實驗室安全管理水平的有效方法目前尚未建立［13-14］。目前大多數實驗室安全管理評價方法是基于高校實驗室進行的，煙草行業實驗室與高校實驗室在人員結構、管理模式、評價指標上均有較大差異。基于此，在分析現有實驗室安全管理評價方法的基礎上，根據煙草行業實驗室安全管理的特點及現狀，提出了基于模糊層次分析（Fuzzy Analytic Hierarchy Process，FAHP）與機器學習（Machine Learning，ML）相結合的煙草行業實驗室安全管理評價方法。首先，利用安全檢查表及專家群智慧確定評價指標并獲取權重數據，減少個人片面知識和能力對指標選取和權重確定的影響，盡可能降低人為因素造成的評價偏差。然后采用層次分析法確定評價指標權重，利用模糊矩陣進行綜合評價，得到實驗室安全管理評價結果。為進一步發揮安全評價的功能，為實驗室安全管理提供科學的整改建議措施及對策，利用機器學習針對評價結果提取整改建議措施及對策。近年來，機器學習算法被用來從現有的數據分析和挖掘中獲取準則，從而獲取有價值信息［15］。應用機器學習技術可以實現實驗室安全評價從定性評價到定量分析的轉換，能夠更直觀地評價實驗室的危險程度，及時發現實驗室存在的違規操作和隱蔽故障，防止違規行為，找出科學整改措施及對策，確保實驗室人身和財產安全。利用上述方法進行煙草行業實驗室安全管理評價，可以評估實驗室安全管理現狀，及時發現安全管理中存在的薄弱環節和隱患，采取有針對性的整改方案進行改進，防患于未然，對于提高實驗室安全管理水平具有重要意義。

1 評價方法

1.1 總體設計及評價程序

基于FAHP與機器學習的煙草行業實驗室安全管理評價方法由三部分組成，包括基于安全檢查表及專家群智慧的評價指標及其權重獲取，模糊層次分析建模及綜合評價，以及基于機器學習的安全整改措施與對策決策，評價方法的總體設計與程序見圖1。

圖1 煙草行業實驗室安全管理評價總體設計及程序

1.2 基于安全檢查表及專家群智慧的評價指標及其權重獲取

基于安全檢查表及專家群智慧的評價指標及其權重確定方法主要目的是減少個人片面知識和能力對指標選取和權重確定的影響，盡可能降低人為因素造成的評價偏差。專家群的選取要綜合考慮與實驗室安全相關的各類人員，包括實驗室安全管理人員、政府監管人員、實驗員、安全技術專家等。在遵循科學性、全面性、針對性、可操作性與可比性等原則的基礎上，通過現場實際考察并集中專家群智慧，合理構建煙草行業實驗室安全管理安全評價指標體系及各指標權重。該方法注重綜合評價機制，在評價指標選取、權重設置等關鍵環節充分利用專家群智慧，從源頭上保證了評價結果的科學性和準確性。

1.3 模糊層次分析建模及綜合評價

實驗室安全問題是一個涉及多影響因素的模糊的復雜問題，采用模糊數學與層次分析法相結合的安全評價方法。在分解分析對象之后，將其中包含的元素分解為目標層、準則層和指標層。從定量的角度，列舉影響因素和評價水平，確定各指標的權重。模糊綜合評價技術包括以下幾個步驟［9-10］：

（1）建立評價因素集。所謂因素集，就是影響煙草行業實驗室安全的各種因素組成的一個普通集合，定義為U=｛u1，u2，…，un｝，其中n為影響實驗室安全的因素個數，ui（i=1，2，…，n）代表各相關因素，這些因素通常都具有不同程度的模糊性。

（2）建立評價集。評價集是煙草行業實驗室安全評價結果所組成的集合，定義V=｛v1，v2，…，vm｝，m為實驗室安全評價結果可能出現的個數，vj（j=1，2，…，m）代表各種可能的實驗室安全評價結果。模糊綜合評價的目的，就是在綜合考慮所有影響因素的基礎上，從評價集中得出最佳的評價結果。

（3）建立評價指標權重集。采用層次分析法確定評價指標的權重集A=｛a1，a2，…，ai，…，an｝，ai（i=1，2，…，n）表示指標的權重系數。

（4）構建單因素模糊評價矩陣。對因素集U中的單個因素ui（i=1，2，…，n）進行單因素評價，根據專家提出的各因素ui對評價集中vj（j=1，2，…，m）的隸屬度rij，構建單因素模糊評價矩陣：

殊不知，靈云禪師見桃花前，已踏踏實實修煉了三十年；張旭看到挑夫過路時，書法幾已爐火純青。見桃花，遇挑夫，都只是引線。厚積薄發，真正的門道還在日復一日的積累與修煉中。

（5）模糊綜合評價。單因素模糊評價僅反映了一個因素對評價對象的影響，這顯然是不夠的。要綜合考慮所有因素的影響，便是模糊綜合評價。選擇模糊算子，建立模糊綜合評價矩陣。通過已知的指標權重模糊集A和綜合評價矩陣R，可以應用R作模糊線性變換，把A變為評語集V上的模糊子集B：

式中，bj稱為模糊綜合評價指標，簡稱評價指標。其含義為：綜合考慮所有因素的影響時，評價對象對評價集中第j個元素的隸屬度。考慮到實驗室安全評價的特點，模糊運算選擇M（·，⊕）模糊算子，該模型不僅考慮了所有因素的影響，而且保留了單因素評價的全部信息，適用于需要全面考慮各個因素的影響和全面考慮單因素評價結果的情況。

（6）確定評價結果。得到評價指標之后，可以按最大隸屬原則確定評價對象的具體結果，即取與最大的評價指標max bj相對應的備擇元素vj為評價結果。

1.4 基于機器學習的安全整改措施及對策提取

整改建議和措施的提取過程是一個典型的機器學習的過程，如圖2所示。首先輸入評價指標評分和綜合評價結果，經特征提取后輸入到案例庫中進行匹配，按照相似度分析在知識庫中查找相匹配的針對存在安全隱患的整改建議和風險降低措施，提取整改措施及對策。如果不匹配，則輸入到推理機，經推理得出新的符合條件的事實存入事實庫，然后通過解釋機制解釋，將最有效的整改措施及對策輸出。同時學習模塊將事實庫中的信息存儲到知識庫中（即新的降低風險措施）從而更新知識庫，待下次進行安全評價時如果評價結果與以前知識庫中的知識存在相似情況則系統會快速準確檢索風險降低措施，如果出現新的評價結果則系統會不斷學習將新的知識注入知識庫中從而提高整個評價系統的適應性，機器學習的過程是一個不斷重復而又不斷提升的過程。

圖2 機器學習過程

2 應用實例

以中國煙草總公司鄭州煙草研究院實驗室為評價對象。中國煙草總公司鄭州煙草研究院是中國煙草總公司直屬的煙草綜合性科研機構，下設生態環境與煙葉質量重點實驗室、煙草工藝重點實驗室、煙草化學重點實驗室、煙草香料基礎研究重點實驗室四個研究室和國家煙草基因研究中心、中國煙草科技信息中心、中國煙草標準化研究中心3個行業中心，主要從事煙葉栽培調制技術、煙草基因、卷煙加工工藝和配方、煙草化學、香精香料、打葉復烤、膨脹煙絲、煙草薄片、煙草加工設備、煙用儀器儀表、標準、檢驗、信息等方面的應用基礎和共性技術研究；承擔卷煙廠、煙葉復烤廠工程設計和技術改造任務，學科范圍覆蓋從煙草栽培至卷煙生產的全過程。近年來，在借鑒國內外先進的實驗室安全管理理念和管理標準體系的基礎上，逐漸形成了具有煙草行業特色的實驗室安全管理體系。邀請26名與煙草行業實驗室密切相關的專家組成安全評價小組，根據他們的工作經驗對各項指標進行評分、評價。根據煙草行業實驗室特點，同時結合現行煙草行業實驗室安全管理規范，提出煙草行業實驗室安全管理影響因素，構建煙草行業實驗室安全管理待定評價指標及權重確定專家智慧調查表（見表1）。

表1 待定評價指標及權重確定專家智慧調查表

根據專家群智慧，淘汰不重要指標，建立正式評價指標體系，同時采用層次分析法確定煙草行業實驗室安全評價準則層和指標層的權重，結果見表2。

表2 準則層和指標層的權重

將問題分解為目標層、準則層和指標層。然后，將下一層因素與上一層因素進行比較，建立評判矩陣。通過對評判矩陣計算，對各層次進行了單級排序和一致性檢驗。經過相關分析和歸一化，得到相應的指標權重和模糊關系矩陣，最后利用模糊算子進行多級綜合評價，對安全運行管理進行綜合評價分析。

對于人的因素中的安全意識，53%的專家認為安全，32%的專家認為較為安全，13%認為一般安全，2%認為不太安全，評價集為｛0.53，0.32，0.13，0.02｝。基于同樣的原理，對于身心健康，65%的專家認為安全，31%的專家認為較為安全，4%認為一般安全，0%認為不太安全，評價集為｛0.65，0.31，0.04，0｝。實驗業務水平為｛0.31，0.37，0.32，0｝，個人防護為｛0.60，0.32，0.04，0.04｝，然后得到R1；同樣可得到R2，R3和R4。即：

采用M（·，⊕）算子，得到了人員B1，實驗室設備及藥品水平B2，實驗室環境水平B3和實驗室管理水平B4。

根據指標層的得分向量，得到準則層的綜合得分向量如下：

采用模糊綜合評分法，將3、2、1和0，即臨界值向量α=（3，2，1，0）賦給｛V1，V2，V3，V4｝，它們對應｛安全，較為安全、一般安全、不安全｝，分別屬于向量B1、B2、B3和B4中的每個評價等級，然后目標層的綜合評分可以表示為下面的等式：

分別計算各準則層的指標綜合得分：

根據安全檢查表給出的實驗室各目標層、準則層和指標層的評分，可以通過機器學習檢索知識庫中相應的糾正建議和措施，最后提出建議。實驗室綜合評分為2.395 5分，處于［安全，較為安全］的范圍內，說明實驗室整體運行處于相對安全的水平。準則層各指標得分也在［安全、較為安全］范圍內。為了從各個指標層找出潛在的安全隱患，對各指標層的得分進行了綜合分析，發現人員實驗業務水平和事件控制能力不夠，需要進行整改。通過機器學習提取信息，將提高實驗人員學歷水平、加強實驗操作規范性、加大安全培訓、強化預判和憂患意識、增強應變技能等作為實驗室安全管理整改措施及對策。

3 結 語

（1）將多層模糊綜合評價與機器學習方法相結合，提出了基于FAHP與機器學習的煙草行業實驗室安全管理評價方法。

（2）以鄭州煙草研究院實驗室為評價對象，構建了煙草行業實驗室安全管理待定評價指標及權重確定專家智慧調查表，建立了正式評價指標體系，確定了準則層和指標層的權重。

（3）實例應用表明，鄭州煙草研究院實驗室的綜合得分為2.3955分，表明該實驗室的總體運行水平處于相對安全的水平。綜合分析各指標層的得分，發現實驗業務水平和事故控制能力方面存在不足，須整改，通過機器學習，提出了針對性整改措施及安全對策。

（4）應用表明，該評價與傳統評價方法相比，評價結果更為可靠、直觀、準確。