基于多元联系数的矿工不安全行为风险态势评估

郑侨宏，韩　勇

(东南大学 经济管理学院 江苏 南京 210096)

0　引言

相关统计和研究结果表明，近年来发生的煤矿安全生产事故中由人员不安全行为引发的约占97%[1-2]。这就需要对煤矿作业人员的不安全行为采用预先控制和干预，从而降低人员不安全行为引发事故的可能性。而进行风险评估是实施风险预控的基础[3]，因此，通过对矿工不安全行为的风险状况和变化趋势进行分析，从而为不安全行为风险预控提供参考。

由于矿工不安全行为在事故形成中的重要影响，学术界对矿工不安全行为进行了大量的探索，形成了许多有价值的研究成果。Casey等以安全管理文化差错和安全信息沟通2个因素为变量，运用实证分析方法探究两变量对矿工安全行为的作用机理[4]；SHUANG L运用博弈论分析了安全行为选择、安全监管和安全控制与矿工安全行为间关系[5]；刘双跃等采用模糊聚类分析法对矿工“三违”行为(不安全行为)产生的原因进行定量化分析，确定了矿工不安全行为的3个基本影响因素[6]；阴东玲综合运用人因分析与分类系统(HFACS，Human Factors Analysis and Classification System)和贝叶斯网络分析煤矿作业人员不安全行为影响因素，确定了矿工不安全行为的直接因素和深层因素[1]；兰建义等从人因失误理论辨识矿工人因失误影响因素，运用灰色关联法分析影响因素的重要度并确定关键影响因素[2]；佟瑞鹏等在梳理煤矿个体安全行为影响因素的基础上，采用统计分析方法对组织安全行为对个体行为的作用关系进行分析，确定了个体行为安全的影响因素[7]。

上述成果对矿工不安全行为影响因素进行了系统研究，为不安全行为矫正和控制提供了实践指导，但是对矿工不安全行为风险涉及较少，对于不安全行为风险的动态变化趋势的研究更少，这对采用风险预控具有一定的限制。为此，本文在现有矿工不安全行为影响因素研究的基础上，建立矿工不安全行为风险因素集，同时考虑矿工不安全行为风险因素的不确定性和模糊性，运用熵值法和集对分析法建立矿工不安全行为风险态势评估模型，从风险态势和风险发展趋势对不安全行为风险动态变化进行分析，以期为煤矿企业建立矿工不安全行为风险预控体系提供参考。

1　集对分析与多元联系数

集对分析是一种用于处理和分析确定与不确定现象并存的不确定系统的不确定性决策分析方法[8-9]。该方法通过对系统不确定性的客观承认和系统化描述，可以获得更为接近实际的客观结论，因而在机械[10]、教育评估[11]和安全[12]等领域得到广泛应用。集对分析在这些不确定系统中运用主要通过构建同异反联系度函数实现，联系度函数一般可以表示为[13]：

μ=a+bi+cj

(1)

式中：μ为同异反联系度；a为联系度函数的同一度；b为联系度函数的差异度；c为联系度函数的对立度；其中，∀a,b,c∈[0,1]，且a+b+c=1。而参数i和j分别表示差异度系数和对立度系数，其取值一般满足：i∈[-1,1]和j≡-1。

由上述三元联系数中差异度系数可知，随着差异度系数bi的变化，可以用以表征系统在一定情形下的确定性和一般情形下的不确定性，因此，在实际运用过程中，通常可以通过对差异度系数bi进行拓展，形成多元联系数，可表示为[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　基于多元联系数的矿工不安全行为风险态势评估模型

矿工不安全行为风险态势评估过程中需要风险评估人员参与，这就不可避免造成风险评估中存在模糊和随机等不确定性现象，同时，风险评估中所依赖的风险因素是预先设定的，一定程度属于确定性范围，由此，矿工不安全行为风险态势评估属于一个确定和不确定性问题，而集对分析理论正是处理此类问题的有效方法[9]。因此，本文将集对分析的多元联系数用于矿工不安全行为的风险态势评估，基于多元联系数的矿工不安全行为风险态势评估模型的构建主要包括以下3个步骤：建立矿工不安全行为风险因素集；构建矿工不安全行为风险的同异反评估模型；不安全行为风险态势分析。

2.1　矿工不安全行为风险因素集构建

矿工不安全行为是指矿工在生产作业过程中已存在或者潜在的可能导致煤矿生产系统要素形成损失或者危害的一切行为[14]。这些行为在形成或者发生的过程中受到诸多因素的影响，对矿工不安全行为风险的评估需要辨识这些影响因素。目前用于分析人员不安全行为的理论主要有计划行为理论(TPB，Theory of Planned Behavior)[15]、行为形成因子(PSF，Performance Shaping Factors)[16]、人因分析和分类系统理论(HFACS)[17]等。HFACS理论是在Reason事故致因理论基础上建立的，以组织管理因素、组织监督因素、不安全行为形成条件和不安全行为4个分层标准对人因事故进行分类，能较细致分解不安全行为形成原因，可有效建立不安全行为与安全事故间的关联性，解释矿工不安全行为形成机理。本文以HFACS理论为基础确定矿工不安全行为形成的影响因子。考虑本文具体研究内容，将上述4个层次进行如下修订。矿工不安全行为的组织管理和组织监督2个影响因子归并为组织影响因子，不安全行为条件划分为矿工行为个体因素、技术因素和作业环境3个方面。综上，矿工不安全行为影响因子包括组织因素、技术因素、矿工行为个体因素和环境因素4个因子系统。依据上述4个因子系统结合现有矿工不安全行为影响因素研究[1-3]，建立如图1所示的矿工不安全行为风险因素集。

图1　矿工不安全行为影响因素集Fig.1　Influence factors set of miners’ unsafe behavior

2.2　矿工不安全行为风险的同异反评估模型

矿工不安全行为风险态势评估模型主要是通过式(2)的多元集对联系数构建矿工不安全行为的同异反评估模型实现，而构建同异反评估模型首先需要确定风险因素的权重值。考虑所建立的矿工不安全行为风险因素具有客观统计数据资料，因此在确定风险因素时可以采取客观赋权方法，而熵值法是一种较为常用的客观赋权法，为此，笔者依据文献[18]给出的熵值法计算步骤并结合不安全行为风险因素在2012—2015年中引发事故的频率统计确定矿工不安全行为风险因素的权重(wj,j=1,2,…12)，结果如表1所示。

表1　矿工不安全行为风险因素权重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]为中性标记，不表示j=0；k∈[-1,0],l=-1(此处i，j，k为联系数的系数与上文风险因素标记不同)；且a+b+c+d+e=1。

综合矿工不安全行为风险因素权重和风险评估结果可将式(3)中的矿工不安全行为风险同异反评估模型表示为：

μ+=wj·RLjk·ET=

(4)

2.3　矿工不安全行为风险态势分析

集对势反映了矿工不安全行为风险相对理想状态的变化态势，但是对于矿工不安全行为风险在不同风险程度之间的发展趋势描述不足。因此引入不同阶的偏联系数用以描述矿工不安全行为风险程度的动态变化趋势。五元联系数的4个不同阶的偏联系数可用式(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)

为了有效刻画矿工不安全行为风险态势变化与偏联系数变化趋势之间的关联，本文依据文献[13]提出的各阶偏联系数提高和下降趋势判别方法对上述四阶偏联系数变化趋势进行分析。同时，依据文献[13]，对于偏联系数提高的不安全行为风险影响因素，判定其对应的风险程度呈下降趋势；对于偏联系数下降的不安全行为风险影响因素，判定其对应的风险程度呈增大趋势。

3　算例分析

3.1　模型计算

为了验证所提出的煤矿作业人员不安全行为风险态势评估方法有效性，以内蒙古某煤矿为例，依据所提出的风险评语集，向35位来自不同作业岗位的一线作业人员、技术员和管理人员以及5位在该煤矿实施风险预控项目的教师发放问卷，对该煤矿作业人员不安全行为风险程度进行风险等级判定，结果如表2所示。

表2　矿工不安全行为风险等级评估

基于表2中的风险等级评估值，结合式(4)～(8)可得煤矿作业人员不安全行为风险的多元联系数及偏联系数，结果如表3和表4所示。

表3　矿工不安全行为风险联系数值与一阶偏联系数

表4　矿工不安全行为风险二阶、三阶、四阶偏联系数

3.2　结果分析

1)由表3中的矿工不安全行为风险五元联系数和表1中的风险因素权重，结合式(4)可得矿工不安全行为整体风险的联系数为：μ+=0.484+0.205i+0.139j+0.089k+0.084l。按照“均分取值”法确定矿工不安全行为风险的联系数参数，可知该矿矿工不安全行为的风险联系数为0.343，其风险等级为较低风险。同时，针对矿工不安全行为风险的4个不同阶的偏联系数可知，矿工不安全行为风险在一阶偏联系数和二阶偏联系数呈现风险程度增高，而在三阶偏联系数和四阶偏联系数上整体呈现风险程度下降趋势，表明矿工不安全行为风险趋势不稳定呈波动状态，需要加强矿工不安全行为风险预控管理。

2)由表3和表4中矿工不安全行为风险各个影响因素的偏联系数可知，风险因素bf3为集对反势，表明风险程度较高，需要重点关注，加强煤矿安全文化建设；风险因素bf4，bf5和bf6在一阶偏联系数和二阶偏联系数潜在层次上呈现下降趋势，表明这些风险因素的风险程度增高，需要给予关注，通过完善作业标准、加强设备检修和技术改善等活动降低风险程度。同时，风险因素bf4，bf6，bf9和bf12在三阶偏联系数和四阶偏联系数潜在层次上呈现下降趋势，表明这些风险因素的风险程度增高，需要通过安全培训、合理安排作业任务以及安全文化建设等措施缓解矿工作业过程中的心理压力和精神疲劳，同时需要加强作业环境改善，降低由作业环境和作业条件导致矿工不安全行为产生的概率。

4　结论

1)通过五元集对联系数建立矿工不安全行为风险态势评估模型，不仅可以评估矿工不安全行为的静态风险程度，还可以通过各阶偏联系数刻画矿工不安全行为的动态变化趋势，从而实现矿工不安全行为风险的动态评估，可以为煤矿企业对不安全行为进行风险预控提供有效的理论指导。同时，如何结合生成流程建立面向作业流程和作业不安全动作的风险态势评估是后续研究的要点。

2)通过偏联系数分析矿工不安全行为风险的发展趋势，风险因素中“作业标准不当”、“生产设备”、“技术环境”、“心理状况”和“作业环境”等因素的风险状态两次呈现下降趋势，在后续的矿工不安全行为风险预控措施制定中需要重点关注。

[1]阴东玲,陈兆波,曾建潮,等.煤矿作业人员不安全行为的影响因素分析[J].中国安全科学学报,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]兰建义,乔美英,周英.基于灰色系统理论的煤矿人因事故关键因素分析[J].中国安全生产科学技术,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,刘全龙,孙祥佼.基于风险预控的煤矿瓦斯爆炸事故人员不安全行为风险度量[J]. 煤矿安全,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]刘双跃,陈丽娜,周佩玲,等.矿工不安全行为致因分析及控制[J].中国安全生产科学技术,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]佟瑞鹏,陈策.煤矿组织安全行为对个体不安全行为的作用机理研究[J].中国安全生产科学技术,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]汪伟忠,卢明银,周波,等. 基于集对分析的车间安全管理能力评价[J].安全与环境学报,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]周兴慧，张吉军.基于五元联系数的风险综合评价方法及其应用[J].系统工程理论与实践，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]张卫,李仁旺,石先蔚,等.基于集对分析的制造服务需求动态挖掘方法[J].计算机集成制造系统，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]华薇,马壮. 基于SPA的大学生自主学习能力评价的物元模型研究[J].内蒙古大学学报(自然科学版)，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]李同锁,何启林.集对分析在煤炭自然发火危险性评价上的应用[J].中国安全生产科学技术,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]施志坚,王华伟,王祥.基于多元联系数集对分析的航空维修风险态势评估[J].系统工程与电子技术，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]程恋军,仲维清.代际划分视角下矿工不安全行为研究[J].财经论丛,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]王涛云,马宏忠,崔杨柳,等.基于可拓分析和熵值法的GIS状态评估[J].电力系统保护与控制，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]王国平,杨洁,王洪光.五元联系数在地表水环境质量评价中的应用[J].安全与环境学报,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．