建筑施工中人为差错影响因素分析

刘 惠

（莱芜职业技术学院， 莱芜 271100）

0 引言

建筑施工中的人为差错严重影响工程质量和施工安全，开展建筑施工人为差错的相关研究对于有效保证建筑施工的质量和安全具有重要意义[1,2]。目前，人因可靠性分析领域普遍认为，人为差错是由其影响因素导致的，因此只有有效分析人为差错的影响因素，才能有针对性的制定相应措施，进而更好的避免或减少人为差错的发生。当前，对于建筑施工中人为差错影响因素的分析仍停留于比较低的层次，理论的完备性和使用的简便性都存在缺陷和不足，没有形成可用于指导建筑施工人为差错管理的有效方法[3,4]。

本文借助文献[5]的成果，运用关联规则挖掘方法对建筑施工人为差错的影响因素进行分析，以一种客观的方式得到不同影响因素的权重，进而可以为建筑施工人为差错的管理提供有效指导。

1 关联规则挖掘方法简介

关联规则挖掘方法是由Agrawal等人提出的，用于发现隐藏在大型数据集中事物之间的关系[6]。该方法包括3个基本概念：关联规则、支持度和置信度。

关联规则是形如X⇒Y的蕴含式。其中，X和Y是不相交的项值。X称为关联规则的前提，Y称为关联规则的结果。X⇒Y有意义是指：如果X出现，那么Y也会同时出现。关联规则的强度是通过支持度和置信度度量。

支持度反映的是关联规则的广泛性和普遍性。对于关联规则X⇒Y来说，支持度等于数据集中同时包含项集X和项集Y的个数与所有数据个数之比，记为Support(X⇒Y)，即

Support(X⇒Y) =P(XY)

(1)

置信度反映的是两个项集之间关联程度的大小。对于关联规则X⇒Y来说，置信度等于数据集中同时包含项集X和项集Y的个数与仅包含项集X的数据个数之比，记为Confidence(X⇒Y)，即

Confidence(X⇒Y) =P(Y|X)(2)

通过关联规则挖掘方法可知，置信度能够能够反映不同项集之间的关联程度。由于在建筑施工中可以积累大量的人为差错数据，并且人为差错影响因素与人为差错之间存在因果关系，而关联规则挖掘方法适用于揭示前提与结果的关系，因此，可以考虑使用关联规则挖掘方法来分析人为差错及其影响因素之间的关系。

2 人为差错分类及其影响因素分类

人为差错可以分为多种类型，不同类型的人为差错其影响因素是不同的。在确定影响因素的权重之前，需要对人为差错进行分类。这里基于SRK模型，将人为差错分为：技能型差错，规则性差错和知识型差错3种类型[7]。

目前普遍认为，人为差错是由人所处的情景环境所导致的。对于情景环境的表征，人因可靠性分析领域一般使用行为形成因子或人为差错影响因素。人为差错影响因素有很多，这里采用文献[8]提出的影响因素分类方法，将人为差错影响因素分为6大类，34个具体因素，如表1所示。

表1 人为差错影响因素分类表

需要指出的是，上述分类也只是比较详尽的涵盖了人为差错的所有影响因素，表述未必全面，内容也并非必要。针对具体的分析对象，可以根据实际情况进一步分析，选取那些与人为差错直接相关的那些影响因素。

3 基于关联规则挖掘的建筑施工人为差错影响因素分析

根据人为差错及其影响因素的分类，可以对建筑施工中积累的人为差错数据进行分类统计，得到人为差错数据表格，其形式规范化为表2。

注：EMi为第i种人为差错类型，ECj（j= 1,… ,m）为第j种影响因素，NEMi表示第i种人为差错类型的数量，nECij表示导致第i种人为差错类型的第j种影响因素的数量。

根据关联规则中置信度的定义，只要对某种人为差错类型，计算关联规则“人为差错类型=>影响因素”的置信度，然后将计算结果做归一化处理就可以得到该种人为差错类型所对应的影响因素权重。

由式（2）可知，关联规则EMi⇒ECj置信度可由下式得到：

表2 人为差错数据表

(3)

对于人为差错类型EMi来说，与之对应的影响因素的权重可通过下式得到：

通过上述过程，就可以计算得到人为差错类型所相对应的影响因素的权重，具体包含3个步骤：（1）将人为差错数据规范化为如表2所示的人为差错数据表；（2）建立人为差错类型与影响因素所构成关联规则，并计算其置信度；（3）将置信度做归一化处理，得到每种人为差错类型对应的影响因素权重。

4 示例分析

步骤1：对某建筑施工项目中人为差错数据进行收集、统计，并按照表2的形式整理，得到如表3所示的人为差错数据表。下面使用联规则挖掘方法计算不同人为差错类型所对应的影响因素权重。

表3 某建筑施工项目的人为差错数据

步骤2：根据式（3）计算所有关联规则“人为差错类型=>影响因素”的置信度。如： “技能型差错=>精力”的置信度计算方法为：“规则型差错=>可用工程时间”置信度的计算方法为：。对所有的人为差错类型和影响因素做类似计算，得到所有关联规则“人为差错类型=>影响因素”的置信度如表4所示。

表4 “人为差错类型=>影响因素”的置信度

步骤3：根据式（4）对表4中的置信度做归一化处理，得到影响因素的权重。如：对于人为差错类型“技能型差错”来说，其影响因素“精力”权重的计算方法为：

通过对所有的置信度做类似计算，得到影响因素的权重如表5所示。

影响因素权重代表的是对某种人为差错的影响程度，意味着对其进行有针对性的改进有助于减少或消除该种人为差错的发生，根据这一思路，就可以对建筑施工人为差错的管理提供有效指导。如：对于技能型差错来说，影响因素按照权重从大到小排序依次为：精力、经验、可用工程时间、工程复杂度、施工设备、态度、知识和施工方案，因而在制定措施减少或消除此类差人为错时，需要重点关注精力、经验和可用工程时间这3种影响因素的改进，其中工人的“精力”是首先应该被关注的。

表5 影响因素的权重

4 结论

本文使用关联规则挖掘方法分析建筑施工的人为差错及其影响因素之间的关系。关联规则方法完全依赖人为差错数据且理论完备、计算简便，可方便用于建筑施工人为差错的分析计算，且具有客观性特点。另外，本文充分考虑了不同人为差错类型的特点，通过计算可以得到不同人为差错类型所对应的影响因素的权重，因而可以为建筑施工中人为差错的管理提供有效指导。

需要指出的是，建筑施工中由于制度不健全，管理不规范的情况时有发生，人为差错数据的收集统计往往存在很多遗漏，这必将对计算结果产生直接的影响。因此，为了保证分析结果的有效性，必须加强建筑施工制度建设，尤其是等统计制度的贯彻落实。

[1]徐茂波,徐峰,刘西拉.混凝土施工中人为差错的模拟[J].中国安全科学学报,2007,17(2):9-16.

[2]徐茂波,徐峰,刘西拉.施工过程中人因差错控制效率分析[J].中国安全科学学报,2008,18(8):20-27.

[3]余海莉.基于人为因素的工程施工安全风险分析与评价[D].硕士.武汉:华中科技大学,2012.

[4]史秀琴.钢结构施工阶段人为失误研究[D].硕士.西安:西安建筑科技大学,2009.

[5]蒋英杰.认知模型支持下的人因可靠性分析方法研究[D].博士.长沙:国防科学技术大学,2012.

[6]Agrawal R,Imielinski T,Swami A.Mining association rules between sets of items in large databases[C].Proceedings of 1993 ACM-SIGMOD International Conference on Management of Data,Washington DC,1993.

[7]Rasmussen J.Skills,rules,and knowledge;Signals,signs and symbols,and other distinctions in human performance models[J].IEEE Transactions on System,Man,and Cybernetics,1983,13(3):257-266.

[8]蒋英杰,孙志强,宫二玲等.一种系统化的行为形成因子分类方法[J].中国安全科学学报,2010,20(10):20-25.