基于云模型的煤矿员工不安全行为评价研究

刘海滨 周佳宁 路燕娜

(1.中国矿业大学(北京)管理学院，北京市海淀区，100083； 2.安阳学院，河南省安阳市，455000)

★ 煤矿安全 ★

基于云模型的煤矿员工不安全行为评价研究

刘海滨1周佳宁1路燕娜2

(1.中国矿业大学(北京)管理学院，北京市海淀区，100083； 2.安阳学院，河南省安阳市，455000)

为有效地监测和评估煤炭企业员工不安全行为，提出了基于正态云模型的综合评判方法。在已有研究的基础上，综合考虑煤炭企业员工不安全行为的模糊性和随机性，利用云模型的数字特征，在逐层确定各级指标云后，对比分析最终评价云与云标尺，得出各指标下待评员工不安全行为的评价等级。通过实例进行了检验，结果表明，云模型可以实现定性描述与定量表达之间的转换，评价结果以图像形式展示出来，并能准确找出风险性较高的指标，使管理和控制员工的不安全行为更有针对性。

云模型 不安全行为 指标云 评价分析

通过统计分析各类煤矿企业安全事故发现，大多数事故原因都与人的因素有关，员工的不安全行为导致煤矿安全事故频发的问题仍十分棘手。煤矿人因事故频发，既是由于煤矿生产系统本身的复杂性，也是由于对煤矿员工的行为认识和管理不到位。员工不安全行为的控制管理应以发现问题为导向，实现矛盾隐患排查，突出前端管理，这就体现出对员工不安全行为进行评价的重要性。

当前，学者们对员工不安全行为的研究关注较高。刘海滨、梁振东对煤矿员工不安全行为的前因变量进行分析研究，运用ANP理论对非意向性不安全行为影响因素进行优先度分析，并建立了结构方程模型，研究了不安全行为与其意向的关系；曹庆仁将员工的不安全行为划分为意向选择和非意向选择两种，并直接研究了安全文化对员工行为安全的影响作用特点；赵广金建立了煤田地质钻探员工不安全行为因素评价指标及模型，并用加权法评价模型对员工不安全行为进行了实证研究；段瑜在人机环仿真模型建立的条件下研究个体安全行为能力的趋势与特征，并用模糊综合评价对员工个体安全行为能力进行评估。但是，随着煤矿企业管控员工不安全行为的实际深入，仅靠单一数字得出的评价等级已不能满足对不安全行为原因分析的准确性要求，迫切需要一种评价方法既能直观判断出员工的不安全行为状况，也能深层次的寻找风险性较高的指标，使管控不安全行为的针对性更强。因此，本文将正态云模型引入到煤矿员工不安全行为评价研究中，以煤矿一线生产操作人员为研究对象，对其非意向性不安全行为进行预判，通过计算得出云数字特征，利用Matlab程序，生成云图，形象、直观地反映出员工不安全行为评价情况，并对原因进行深入分析，找出具体哪一项指标是煤矿员工不安全行为风险级别较高的指标，从而为降低员工不安全行为风险提供切实性的建议。

1 云模型在评价员工不安全行为评价中的应用

1.1 云模型原理

(1)设U为定量论域，C为定性概念，在定量论域之内，如果有一定量值x∈U，且x是C的某次随机实现，x对C的确定度μ(x)∈[0,1]是具有稳定倾向的随机数。即若μ:U→[0,1]，∀x∈U，x→μ(x)，则x在U上的分布就叫做云。

(2)云模型上的定性概念，需用3个数字特征(Ex,En,He)来表现。Ex表示为期望值，在中心位置上，是U中最佳体现概念C的点；En表示为熵，它可以衡量概念C的未确知性；He为超熵，超熵的取值情况对云滴的厚度和分散程度有直接的影响。

(3)云发生器，表示为云模型的过程算法，包括正向云发生器和逆向云发生器。本文将利用逆向云发生器的算法，算出云模型的参数特征，计算过程如下：

第一步：计算期望值Ex，即云滴的均值：

(1)

第二步：计算熵En：

(2)

第三步：计算超熵He：

(3)

得到云模型的一组数字特征后，它对应的隶属云模型也随之明确，进而形成云分布。

1.2 煤矿员工不安全行为的云模型评价

(1)指标体系及权重。本文的指标体系及权重采用刘海滨、梁振东在《煤矿员工不安全行为影响因素及其干预研究》一书中的非意向性不安全行为影响因素评级指标体系及权重的计算结果。指标体系如图1所示。

图1 煤矿员工不安全行为评价指标体系

(2)不安全行为评价指标的云模型标尺。不安全行为等级划分的意义在于帮助煤矿在开展安全监察过程中，抓住重点，有针对性地开展煤矿安全监察工作，预防事故的发生。借鉴已有相关文献，根据员工不安全行为的危险级别(危险级别主要考虑不安全行为可能造成的直接或间接潜在后果严重度)，将不安全行为分为低风险、一般风险、中等风险、重大风险和特大风险5个等级。利用李德毅教授对五层正态云的定义，在[0,1]论域划分5个评价等级，基于黄金分割法，生成不安全行为评价指标的云模型标尺分别为低风险(1,0.1031,0.013)，一般风险(0.691,0.064,0.008)，中等风险(0.5,0.039,0.005)，重大风险(0.309,0.064,0.008)，特大风险(0,0.1031,0.013)。

(3)各指标的云模型特征参数选取。由于评价指标为定性指标，所以利用Delphi法，向煤矿企业内熟悉公司业务的5名基层管理者、3名一线工作者和2名煤矿安全管理领域的专家进行咨询，要求其根据评价标准，对各个指标进行10分制打分，利用双边约束原则，即评判出最低分和最高分，以此获得某生产操作人员的各项评价指标的实测数据，针对同一指标，对所有受咨询人员给出的最高分和最低分进行处理，运用云参数算法得出云的3个数字特征，通过Matlab平台生成云图，在定量数值与定性表达之间实现转换，便于进一步的评价语言分析。若云图呈现雾状，则将结果反馈给受咨询人员，调整评分，一般经过2～4次的循环反复，使10名评分人员的意见趋于一致性，以此获得更为合理的云特征参数和云图。

(4)综合评价云模型。本文选用的评价指标体系分为如图1所示的3个层级：目标层、准则层和指标层。指标层中各个指标值的获得是通过受咨询人员给出评价区间的方式，即评出最大值和最小值，以此限制人们主观判断时的随机性，使评价值的客观性增强。利用云理论中拟合父云的思想，体现评价区域内的信息。以两朵云为例，得到父云模型Cloud(Ex,En,He)的计算公式如下：

(4)

在对各项指标的最大云和最小云进行父云拟合后，根据下列公式(5)，依次向上传递，则可得到准则层的云数字特征和目标层的最终评价云模型。利用MATLAB生成云图，根据云图可对煤炭员工不安全行为进行评价分析。

(5)

2 实例应用

以某位一线生产操作人员A为例，A人员具有5年的煤炭现场工作经验，其所在的煤炭企业近年来为有效解决煤矿员工不安全行为频发的问题做出了许多的尝试和努力。本文所提供的煤炭企业员工不安全行为评价云模型适用于企业当前着力控制员工不安全行为的需要，以可视化的图形显示评价结果，为管理员工行为及推进煤矿企业安全管理提供了一种新途径。

2.1 指标云的确定

(1)以个体因素下的指标为例，计算出各指标云模型的数字特征，指标云每一个指标的最高值和最低值数据见表1。

表1 指标双边实测值

利用逆向云发生器算法，云数字特征均保留3位小数，如指标“安全意识”，其拟合父云计算过程如下：“安全意识”的Max云，利用Excel对10条数据进行处理分析，可算出均值、熵和超熵，即“安全意识”Max云为(0.865,0.035,0.001)；“安全意识”的Min云，利用Excel对10条数据进行处理分析，可算出均值、熵和超熵，即“安全意识”Min云为(0.745,0.069,0.008)；生成父云，利用式(4)，对“安全意识”这一指标的Max云和Min云进行父云拟合，可得“安全意识”指标最终父云为(0.785,0.104,0.006)。

同理，可算出其他6个指标的最终父云，分别为“注意力”(0.794，0.133，0.01)，“应急反应”(0.76,0.109,0.021)，“疲劳程度”(0.659,0.09,0.012)，“情绪稳定性”(0.757,0.079,0.01)，“操作技能”(0.681,0.073,0.012)，“工作经验”(0.765,0.071,0.014)。

(2)根据式(5)可以计算得到准则层“个体因素”的云数字特征为(0.754,0.11,0.018)。限于篇幅有限，省略其他各指标的计算过程，各个指标云数字特征及相应权重的整体结果如表2所示。

表2 各指标云数字特征及权重一览表

2.2 评价结果分析

由表2和式(5)可得，目标层煤矿员工不安行为的评价云为(0.785，0.098，0.013)，应用Matlab程序生成云图，如图2所示。图中“*”型云图为本文所选用的云模型标尺，“.”型云图为该煤矿企业员工的不安全行为评价云图，可见其不安全行为的评价等级是处于一般风险与低风险之间，更偏向于一般风险。

图2 员工不安全行为最终评价云与云模型标尺对比图

进一步分析员工不安全行为评价云图，根据准则层的云数字特征，得到准则层的评价云图如图3所示。由图3可知，个体因素、设备因素、环境因素和组织因素都在一般风险与低风险之间，但是个体因素的风险要高于其他几个因素，鉴于此，对个体因素下的各个指标进行详细分析，判断出是哪些具体指标的风险性更高。由于云图占据版面较大，各指标云图就不再进行一一展示，通过分析云图结果，可以发现指标“疲劳程度”处于一般风险与中等风险之间，风险等级明显高于其他的指标，指标“操作技能”基本与一般风险重叠，并未趋近于低风险，也对整体的不安全行为评价产生了负面影响；另外，虽然准则层组织因素的整体风险更趋近于低风险，但其下属的工作单调性、作业强度和人际关系这3项指标云图的风险性偏高，同样应该给予重视；设备因素和环境因素下的各指标风险性不高，当前处于较稳定的状态。

图3 准则层的评价云图

云模型评价法通过依次向上递进的方式，既能得到目标层的最终评价结果，也能深入分析每一项指标，掌握每一项指标的风险情况，为处理员工不安全行为问题提供有效途径。

3 结论

考虑到员工不安全行为状态的模糊性与随机性，本文将定性与定量转化的正态云模型引入煤矿员工不安全行为评价的研究当中，并利用双边约束打分获得指标原始数据，通过云图显示最终评价结果。结果表明：在多个评价指标的共同作用下，该煤矿员工的不安全行为等级更倾向于一般风险，但是准则层的个体因素较其他几个因素的风险级别更高，剖析来看，其下层的疲劳程度、操作技能2个指标需要管理层特别重视，检查该员工是否近期工作强度过大，产生了身体疲劳，并且在操作技能上有需要完善的地方；同时也应注意到，从组织因素的角度，长久让员工从事单一项工作，不利于提高员工的积极性，作业强度过大、与其他同事相处时间少，也会增加员工不安全行为发生的风险。本文得到的煤矿员工不安全行为评价云图，既能够形象直观地反映出员工行为的安全状态，也能够找出不安全行为的主要风险因素，为员工不安全行为的管理与风险控制提供一种新的分析手段，也是对煤矿安全可视化管理的一种探索。

[1] 刘海滨,梁振东.基于SEM的不安全行为与其意向关系的研究[J].中国安全科学学报,2012(2)

[2] 曹庆仁,李凯,刘丽娜.煤矿安全文化对员工行为安全影响作用的实证研究[J].中国安全科学学报,2011(4)

[3] 田佩芳,刘浩,刘海滨.煤矿人因事故安全评价[J].中国煤炭,2016(3)

[4] 丁昊,王栋.基于云模型的水体富营养化程度评价方法[J].环境科学学报,2013(1)

[5] 王健,肖文杰，王树文等.一种改进的基于云模型的效能评估方法[J].火力与指挥控制,2010(7)

[6] 张秋文,章永志,钟鸣.基于云模型的水库诱发地震风险多级模糊综合评价[J].水利学报, 2014(1)

[7] 刘海滨,梁振东.煤矿员工不安全行为影响因素及其干预研究[M].北京:中国经济出版社, 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

刘海滨，周佳宁，路燕娜.基于云模型的煤矿员工不安全行为评价研究[J].中国煤炭，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

刘海滨(1969-)，男，吉林公主岭人，教授，博士，博士生导师，主要从事能源经济学、安全管理、管理信息系统等方面的教学与科研工作。

(责任编辑 张艳华)