煤矿井下安全系统脆弱性的系统动力学仿真研究

李乃文，张　丽，牛莉霞

(辽宁工程技术大学 工商管理学院，辽宁 葫芦岛 125105)

0　引言

近年来，煤矿井下安全事故时有发生，安全管理难度不断加大。据国家煤监局统计，2016年，全国发生矿难事故15起以上的省份为陕西(15起)、四川(18起)、山西(17起)、辽宁(15起)、内蒙(23起)，共计事故249起。可以看到，煤矿安全事故发生数较大，井下事故所占比例达85%以上，形势很是严峻。因此，研究煤矿井下安全系统很有必要，有助于降低煤矿井下安全系统脆弱性，减少煤矿井下安全事故的发生。

目前，对于煤矿井下安全方面，学者们进行了不同层次的深入研究和分析，主要集中于煤矿井下安全评价[1]与预测[2-3]、煤矿井下安全管理[4]、煤矿井下安全生产技术[5]等方面，前人的研究成果虽然可以有效提高煤矿安全生产水平，但是缺乏对煤矿井下活动的系统性研究。脆弱性理论最早是由地质学家Timmerman[6]提出，随后广泛应用于自然灾害和金融领域。在自然灾害领域，宋守信[7]研究了地铁电气火灾系统的脆弱性，从人、机、环角度提出了管控措施；在金融领域，饶勋乾[8]以金融脆弱性为研究对象，提出货币因素是金融脆弱性的重要致因之一。可以看出，脆弱性在管理方面有比较深入的研究，但是将脆弱性理论应用到煤矿井下安全系统的研究还是极为少见的。

因此本文以煤矿井下安全系统为研究对象，结合脆弱性理论，通过文献调研和实地考察，建立煤矿井下安全系统的仿真模型，甄别主要影响因素，对不同影响因素对煤矿井下安全系统脆弱性的影响程度进行分析，以便为降低煤矿井下安全系统脆弱性，减少煤矿井下安全事故提供思路。

1　研究设计和数据来源

1.1　研究设计

20世纪初，海因里希等[9]首次提出事故致因理论，认为导致安全生产事故发生的因素主要包括人员失误、设备故障、不良的生产环境与管理匮乏。该理论比较详尽地阐述了煤矿安全事故的致因，但是煤矿井下环境复杂特殊，缺乏针对煤矿井下安全管理的具体指导。

在事故致因理论的基础上，结合文献梳理[10-12]，将脆弱性理论应用到煤矿井下安全系统，得到煤矿井下安全系统的脆弱性概念模型(见图1)，即煤矿井下安全系统受到不利影响因子(员工、机器设备、周遭环境和管理制度等)的暴露时间、频率和范围，遭受到不利影响因子的破坏程度以及从不利影响因子的破坏中恢复正常运行的能力。

图1　煤矿井下安全系统脆弱性概念模型Fig.1　The conceptual model of coal mine enterprise safety system fragility

其中，煤矿井下安全系统由员工、设备、环境和管理4个子系统构成；脆弱性表现为暴露度、敏感度和适应度。通过概念模型和文献分析[7,10-13]，结合实地调研，进行问卷设计，问卷内容见表1。根据调查问卷数据结果，得到4个子系统对系统脆弱性的影响程度以及4个子系统之间的相互影响程度。

1.2　样本来源

根据上述测量内容，设计调查问卷。题项选择分为五个等级，分别为非常不认同、不认同、不确定、认同、非常认同。此次调查问卷发放对象是煤矿企业管理者和员工，本科生居多，便于在调查过程中对于问卷项目有更好的理解，更准确地反映矿区情况。为了保证调研效果，笔者进行2次调查。首先，预调研发出问卷450份，回收问卷399份，有效样本回收率为88.7%；然后对项目进行初步分析，剔除掉贡献值较低的项目，形成正式问卷。正式施测共发出问卷800份，涉及到陕西、辽宁、山西、四川等15个省份的96个煤矿企业，回收690份，有效率为86.2%。

表1　煤矿井下安全系统及脆弱性测量内容

1.3　信效度分析

为了保证研究结果的合理性，笔者采用SPSS 17.0软件对调查问卷进行信效度检验。首先，用Cronbach’α值[14]和CITC系数法对调查问卷信度进行检验，结果表明各个项目的Cronbach’α值(见表1)均大于0.7，CITC数值分别为0.557，0.612，0.572，0.644，0.663，0.599和0.634，均大于0.5，说明问卷的可信度较高；然后采用验证性因子分析来检验问卷的效度，结果显示：χ2/df= 3.92，CFI= 0.91，GFI= 0.92，NFI= 0.92，IFI= 0.93，RMSEA= 0.049，说明问卷具有良好的效度。

表2　验证性因子分析结果

2　煤矿井下安全系统脆弱性的仿真研究

2.1　煤矿井下安全系统脆弱性的系统流图

煤矿井下安全系统是一个由多个子系统相互作用和影响的整体，每一个子系统分别对煤矿井下安全系统的暴露度、敏感度和适应度有一定的影响。因此，为了反映各子系统对煤矿井下安全系统脆弱性的影响程度，采用系统动力学理论构建煤矿井下安全系统脆弱性的系统流，如图2所示。

图2　　煤矿井下安全系统脆弱性的系统流Fig.2　The system flow chart of coal mine underground safety system

2.2　系统动力学仿真模型参数确定

为了构建SD仿真方程，需要对模型参数进行设定。在以往的研究中，学者们多采用AHP、德尔菲法对权重系数进行设定。这些方法主要是通过主观判断对系数进行衡量，误差较大。为了规避主观误差，笔者采用变异系数法[15]对各个因素的权重系数进行确定。在指标评价中，如果某项衡量指标的直接观测值较大，则变异程度较大，赋予较大的权重系数；反之，赋予较小的权重系数。在统计学上，通常采用均值、标准差、平均差系数、标准差系数等来衡量权重系数的变异程度，由于标准差系数可以规避均值的影响，笔者采用标准差系数衡量权重系数的变异程度。

限于篇幅，笔者以设备系统为例，计算设备系统各个影响因素的权重系数。根据图2的煤矿井下安全系统脆弱性流程图，确定设备系统的衡量指标为采煤设备、掘进设备、通讯设备、监测监控设备、排水通风设备、应急设施、员工安全保障物品，样本数据为96个煤矿企业，设备系统衡量指标有7个，构成96×7阶矩阵，xij表示第i个被评价对象在第j项指标的直接观测值。

(1)

(2)

然后计算各个衡量指标的变异程度系数Vj：

(3)

最后对变异系数进行归一化处理，得到各个影响因素的权重系数：

(4)

根据得到的各个影响因素的权重系数，可以建立设备系统的系统动力学方程：设备系统=0.13×采煤设备+0.15×掘进设备+0.08×通讯设备+0.14×监测监控设备+0.16×排水通风设备+0.11×应急设施+0.23×员工安全保障物品。同理，可以计算出各个子系统影响因素和子系统对脆弱性的影响程度的权重值，并建立相应的系统动力学方程，见表3。

[91] 葛红亮、鞠海龙：《“中国-东盟命运共同体”构想下南海问题的前景展望》，《东北亚论坛》2014年第4期，第29-30页。

表3　煤矿井下安全系统脆弱性的系统动力学方程

2.3　仿真结果分析

煤矿企业项目的工期大多比较长，根据开放式访谈的结果，在进行仿真分析的时候，将单位设定为2个月，进行为期10个月的仿真分析，对煤矿井下安全系统在一个工期内的变化有一个较为实际的把握。笔者从暴露度、敏感度和适应度3个方面对煤矿井下安全系统脆弱性进行仿真分析，在分析各个子系统对煤矿井下安全系统脆弱性影响程度时，设定员工系统、设备系统、环境系统和管理系统4个变量，探讨每个变量变化1个单位引起煤矿井下安全系统脆弱性变化的规律。

2.3.1煤矿井下安全系统暴露度分析

煤矿井下安全系统是一个复杂的系统，包括人、机、环、管4个主体要素，暴露度主要考察系统受到外界扰动危害的几率。为有效降低煤矿井下安全系统的暴露度，需要明确各个子系统对系统暴露度的影响程度。仿真分析结果如图3所示，暴露度结果分为系统在初始状态下的结果和变化某个子系统状态下的结果。初始状态下的结果是指每个子系统不发生任何变化的安全系统暴露度，各子系统变化一个单位下的结果是指某个子系统的取值，其他子系统取值保持不变，最后得出的安全系统的暴露度。

图3　煤矿井下安全系统暴露度仿真走势Fig.3　Mine safety system exposure simulation trend chart

由图3可知，对于系统暴露度，设备系统影响最为显著，环境系统次之，员工系统和管理系统作用不大。另外，在一个仿真周期内，安全系统自身的暴露度有下降趋势，但是并不明显。仿真结果(见表4)表明当设备系统增加一个单位时，系统暴露度在2月时下降30.28%，在工期即将竣工时，下降率达到了87.64%；当环境系统增加一个单位时，系统暴露度在2月时下降25.14%，在10月时，下降率达到了72.50%，仅次于设备系统；当员工系统和管理系统增加一个单位时，系统暴露度最高下降率分别为41.25%和28.75%。由此可以得出，对于煤矿井下安全系统的暴露度，设备系统影响程度最强，环境系统次之，管理系统和人员系统影响程度相对较弱。因此，为有效降低系统的暴露度，需要提升设备系统安全水平，当设备系统安全水平提升时，可以有效较少外界扰动与系统的关联度，从而降低系统暴露度。

2.3.2煤矿井下安全系统敏感度分析

系统敏感度着重反映系统面对外界扰动的反应时间、幅度和限度。在仿真分析时，控制其他子系统取值不变，变化某个子系统取值，观察安全系统敏感度的变化，仿真结果如图4所示。

表4　煤矿井下安全系统暴露度仿真结果分析

图4　煤矿井下安全系统敏感度仿真走势Fig.4　Mine safety system sensitiveness simulation trend chart

由图4可以看出，系统自身敏感度水平比较高，亟待解决；另外，从趋势上看，对于煤矿井下安全系统的敏感度，环境系统影响强度最强，设备系统次之，管理系统最弱。仿真结果(见表5)表明煤矿井下安全系统自身的敏感度比较高，初始敏感度达到8.0，在工期即将竣工时，敏感度为7.14，虽然有所下降，但是仍然处于较高水平。当环境系统增加一个单位时，系统敏感度在2月时，下降率为14.88%，在4月时，下降率为24.00%，在6月时，下降率为35.75%，在8月时，下降率为47.63%，在10月时，下降率达到59.50%，下降水平超出一半，效果最佳。当设备系统增加一个单位时，系统敏感度在2月时，下降率为9.50%，在10月时，下降率达到41.38%，效果稍逊于环境系统，而管理系统和员工系统达到的最大下降率分别为23.50%和26.75%，效果差强人意。因此，为了有效降低安全系统的敏感度，需要努力完善环境系统，比如尘毒的有效治理、加强矿井照明等。

表5　煤矿井下安全系统敏感度仿真结果分析

系统适应度是指系统从外界扰动的危害中恢复的程度和能力。在仿真分析中，仍然采取单因素适应度分析法，保持其他子系统取值不变，仅仅变化某个子系统取值，探讨安全系统适应度的变化规律，仿真结果如图5所示。

由图5可知，员工系统和管理系统对于提高适应度效果非常显著，设备系统和环境系统效果不明显。仿真结果(见表6)表明系统自身适应度初始值为6.5，适应度水平一般。当员工系统增加一个单位时，煤矿井下安全系统适应度在2月时是7.09，上升率为9.08%，在4月时，适应度为7.69，上升率为18.31%，在6月时，适应度为8.21，上升率为26.31%，在8月时，适应度为8.92，上升率为37.23%，在10月时，适应度为9.58，上

图5　煤矿井下安全系统适应度仿真走势Fig.5　Mine safety system adaptation simulation trend chart

升率达到47.38%，提升效果最好。当管理系统增加一个单位时，煤矿井下安全系统适应度在2月时是7.01，上升率为7.85%，在4月时，上升率为16.62%，在6月时，上升率为24.15%，在8月时，上升率为34.31%，在10月时，上升率为44.46%，提升效果仅次于员工系统。当环境系统和设备系统增加一个单位时，环境系统和设备系统达到的最高上升率分别为19.23%和24.46%，提升效果不显著。因此，为了提高系统的适应度，需要改进员工系统和管理系统，从安全意识、操作规范入手，有效提升员工系统安全水平，通过定时的安全监督检查来完善管理系统，从而显著提高系统的适应度。

表6　煤矿井下安全系统适应度仿真结果分析

3　结论

1)设备系统对煤矿井下安全系统的暴露度影响最显著，煤矿企业应该对设备及时更新和维护，尤其是员工安全保障品，要每天定时进行检查，可以有效降低煤矿井下安全系统的暴露度。

2)环境系统对煤矿井下安全系统的敏感度影响最显著，煤矿企业应该通过改进井下矿工的工作环境，比如尘毒的有效治理和改善矿井的透水情况，来降低煤矿井下安全系统的敏感度。

3)员工系统和管理系统对煤矿井下安全系统的适应度影响最显著，煤矿企业可以通过减少员工违规率和提高员工安全意识水平，同时定时进行安全监督检查，从而提高煤矿井下安全系统的适应度。

4)本文采用控制变量法，控制其他子系统取值不变，只是变化某个子系统取值，研究单个子系统变化对系统脆弱性的影响，存在一定的局限性，后期可以进一步研究多个子系统同时变化对系统脆弱性带来的影响。

[1]吴凯,褚召祥.基于B/S模式的煤矿企业安全现状评价研究[J].中国安全生产科学技术，2011,7(1):103-106.

WU Kai, CHU Zhaoxiang.The mine safety status evaluation research based on B/S model [J].Chinese Safety Production Science Technology,2011,7(1):103-106.

[2]李莹莹,叶义成,吕垒,等.矿业系统安全事故周期分析及预测研究[J].工业安全与环保,2010,36(6):54-56.

LI Yingying, YE Yicheng, LV Lei, et al.The period analysis and prediction research of mine system safety accidents[J].Industrial Safety and Environment Protection,2010,36(6):54-56.

[3]Sudha Gupta,Faruk Kazi,Sushama Wagh,et al. Analysis and prediction of vulnerability in smart power transmission system: a geometrical approach[J]. International Journal of Electrical Power and Energy Systems,2017,6(33):77-87.

[4]吴秀美.当前煤矿企业的安全现状分析与安全管理[J].科技与企业,2015,14(5):48-49.

WU Xiumei.The mine safety status analysis and safety management currently[J].Science Technology and Enterprise,2015,14(5):48-49.

[5]王栓柱.煤矿企业机械安全技术的现状与对策探析[J].煤炭技术,2012,31(12):237-238.

WANG Shuanzhu. The status and countermeasure probe of mine machine safety technology[J].Coal Technology,2012,31(12):237-238.

[6]Timmerman P. Vulnerability resilience and the collapse of society:A review of models and possible climatic; applic;ations [A].Environmental Monograph[C]. Toronto:Institute for Environmental Studies, Canada,1981.

[7]宋守信,肖楚阳,翟怀远,等.基于脆弱性理论的地铁电气火灾影响因子研究[J].西安科技大学学报,2016,36(5):692-695.

SONG Shouxin,XIAO Chuyang,ZHAI Huaiyuan,et al.The influencing factors research of metro electrical fire based on vulnerability theory[J].Xian science and Technology University Journal,2016,36(5):692-695.

[8]饶勋乾.基于金融脆弱性指数构建金融风险预警系统的实证研究[J].山东财经大学学报，2015,27(1):18-27.

RAO Xunqian.The empirical study of constructing finance risk pre-warning system based on finance vulnerability index[J].Shandong Finance and Economics University Journal,2015,27(1):18-27.

[9]牛聚粉.事故致因理论综述[J].工业安全与环保,2012,38(9):45-48.

NIU Jufen.Accident causation theory summary[J].Industry safety and environment protection,2012,38(9):45-48.

[10]Adger W N.Vulnerability Global Environmental Change[J]. Progress in Geography， 2006,16(3):268-281．

[11]Birkmann J，Ebrary I.Measuring Vulnerability to Natural Hazards:Towards Disaster Resilient Societies[M].Tokyo:United Nations University,2006．

[12]李鹤,张平宇,程叶青.脆弱性的概念及其评价方法[J].地理科学进展,2008,7(2):18-25.

LI He, ZHANG Pingyu,CHENG Yeqing.The concept and evaluation methods of ragility[J].Geographical Science Progress,2008,7(2):18-25.

[13]刘铁民.事故灾难成因再认识-脆弱性研究[J].中国安全生产科学技术,2010,6(5):5-10.

LIU Tiemin.The recognition of accident disaster reasons-fragility research[J].Chinese Safety Production Science Technology,2010,6(5):5-10.

[14]温忠麟,叶宝娟.测验信度估计:从α系数到内部一致性信度[J].心理学报,2011,43(7): 821-829.

WEN Zhonglin，YE Baojuan. Test reliability estimates: from α coefficient to internal consistency reliability[J].Psychology Journal,2011,43(7):821-829.

[15]赵微,林健,王树芳.变异系数法评价人类活动对地下水环境的影响[J].环境科学,2013,34(4):1278-1283.

ZHAO Wei,LIN Jian,WANG Shufang.Using variation coefficient method to evaluate the influence of human activities to groundwater environment[J].Environment Science, 2013,34(4):1278-1283.