结合智能安全帽的建筑工人施工安全行为绩效考核及激励机制

张 宏，符洪锋

(浙江大学 建筑工程学院，浙江 杭州 310058)

0 引言

建筑业作为国民经济支柱产业，处于高速发展期，建筑业年产值不断提高，安全事故也不断发生[1]。根据住房和城乡建设部数据[2]，我国2017年房屋市政工程生产安全事故高达692起，死亡807人，相比于2016年分别上升9.15%和9.8%。在日本、美国等发达国家，建筑施工事故率也居高不下[3-4]。因此，建筑企业必须加强施工现场安全管理。Heinrich[5]提出88%的事故是由于人的不安全行为所致，且每300次不安全行为会导致29次轻伤和1次重伤，很多学者以此为研究思路，探讨了人的不安全行为对于施工事故的影响路径。Chi等[6]在对台湾建筑业现状的研究中指出，导致建筑事故发生的主要原因是不安全行为；郭聖煜等[7]以大量反映地铁施工现场不安全行为的照片为数据，采用Apriori算法挖掘工人不安全行为与岗位工种、施工阶段的关联规则，揭示了不同工种岗位的工人在不同施工阶段存在的不安全行为；Zhang等[8]和Choudhry[9]利用行为安全方法观察、分析及矫正现场工人的不安全行为，其中Zhang针对施工现场动态性特点提出了基于监督的干预循环以及行为安全追踪分析系统的组合应用，对更大时间跨度建筑业安全施工问题带来新的解决方案；李恒等[10]提出主动行为安全的管理概念，将主动建造管理系统和行为安全相结合，自动监测并记录工人行为，量化评估工人安全绩效并且挖掘不安全行为的潜在原因；朱峭等[11]研究开发了基于Zigbee无线技术和TOA测距模型的施工人员安全管理和应急指挥系统，可对工人进行人员定位、视频监控和考勤管理。在建筑施工安全绩效评价及考核方面，李英攀等[12]提出了针对装配式建筑项目的安全绩效云模型评价方法；Hinze等[13]构建了基于贝叶斯网络的施工项目安全绩效评价模型；雷大喜[14]设计了工程项目的绩效考核体系，但都未具体研究施工个体的安全行为绩效评价与考核；刘惠[15]从政府的角度针对建筑企业构建了安全经济激励管理机制，充分实现外部损失内部化。

目前，有关建筑施工安全行为的研究主要侧重于不安全行为潜因分析、现场安全行为检测预警、安全行为矫正改善，少有结合现场监测的施工个体安全行为奖惩激励研究。本文基于智能安全帽系统的建筑工人安全行为监控和数据收集，以经济激励为切入点建立了施工现场工人安全行为绩效考核模型及薪酬激励机制，并以温银项目为例进行了智能安全帽监测系统和奖惩激励机制的实证分析。

1 安全行为理论分析

行为安全是从行为科学的角度进行事故预防的1套理论和方法[16]。行为安全认为事故的发生是行为链的运行结果，需根据行为链来研究如何预防事故的发生[17]。行为安全2-4模型[18]提出，人的安全知识不足、安全意识不高以及安全习惯不佳是导致事故发生的间接原因，安全管理体系和安全文化是导致事故发生的根本原因。在行为安全研究中,运行行为是指安全管理体系的体系文件及其执行状态，安全管理体系的运行行为是组织的整体行为，即组织行为，运行行为的直接结果是组织成员的习惯性行为状态。改善运行行为的主要途径是改善安全管理制度[19]。建筑工人安全行为绩效考核制度属于建筑企业安全管理制度，因此，建立该制度可改善企业安全管理制度和成员的习惯性行为状态。在建立工人安全行为绩效考核制度之前，需要收集并分析各类现场不安全行为相关数据。依据行为安全2-4模型，收集的行为数据应该体现工人的安全意识不高、安全习惯不佳等导致事故产生的间接原因，通过对此类行为的预先管理控制事故发生。

在造成致命伤害的事故中，施工人员未使用或不正确使用个人安全防护用品造成事故的发生率和死亡率都较高[20]，而安全帽佩戴不良行为造成事故数排在首位[21]。建筑施工现场的事故高发区包括2类：一类与建筑永久结构或临时设施有关，如洞口、临边、脚手架踏板等因边缘未设置防护或设置防护不规范而形成的危险区域；另一类与机械设施(如塔吊、电梯)的位置有关，易发生高处坠物、机械碰撞等事故。因此，通过对施工现场工人安全帽佩戴不良行为和工人靠近危险区域行为的监控和数据收集，建立对应的绩效考核制度，能够对建筑工人进行控制和管理，从而有效预防和控制事故。

2 基于智能安全帽系统的安全行为数据收集

基于智能安全帽系统的施工人员不安全行为监测与管理系统，集成了红外线传感器、RFID(射频识别)技术、蓝牙4.0技术及4G网络技术，系统框架如图1所示。该系统经过实验室测试及现场应用证实能够可靠运行且定位精度较高，可在不影响工人正常工作的情况下自动部署及自动化运行。系统实现技术原理为：由多个固定于特定生产场合的TRIG(触发器)定时发出125 kHz触发信号，智能安全帽接收到此信号后，会发出2.4 GHz蓝牙信息，与智能手机APP通讯及时间同步，把当前TRIG所在位置、时间、工人是否佩戴安全帽、进入此位置的时间等信息发给手机APP，进而通过4G网络或者WIFI(无线网络)发送到服务器端，从而实现信息的收集与管理。触发器与智能安全帽如图2所示，两者均采用锂电池供电，触发器定位安全帽的平均误差小于10 cm。智能手机APP如图3所示。

图1 智能安全帽系统架构Fig.1 Smart helmet system architecture diagram

由于智能安全帽系统自身的设计特性，服务器端即后台能够收集到的数据类型包括安全行为相关数据和安全行为无关数据。其中安全行为相关数据又可分为安全帽佩戴数据、靠近危险区域数据和消极安全作业数据3个子类，具体如表1所示。

图2 RFID触发器(左)和智能安全帽(右)Fig.2 RFID trigger is on the left; Smart helmet is on the right

上述有关安全帽佩戴、靠近危险区域和消极安全作业的安全行为数据体现了工人施工的安全风险，可作为工人安全行为绩效的评价依据；其余如考勤和工人运动轨迹等数据则对工人安全行为绩效评价意义甚微，不作为参考。

3 建筑工人安全行为绩效考核模型的构建

3.1 构建指标体系

本文通过对智能安全帽系统收集的数据内容进行分析，构建工人安全行为绩效指标体系，如图4所示。体系中所有绩效指标都可以量化，避免由主观评价因素带来的误差。

图3 “智能安全帽管家”手机APP 5个界面Fig.3 Five interfaces of “Smart helmet butler” mobile app

数据类型数据涵义安全行为相关数据安全帽佩戴数据工人在施工现场脱掉智能安全帽,手机APP会自动发出警报,同时后台服务器会统计每位工人的脱帽次数以及记录每次脱帽的具体时间靠近危险区域数据低权限级别的工人进入高权限级别的施工危险区域,手机APP会发出相应的警报,提示工人应该远离该危险区域,同时后台服务器会记录并统计工人靠近高级别权限危险区域次数及时间消极安全作业数据安全帽后台离线表明工人不愿被实时监测安全动态,体现了工人消极的安全作业态度,安全帽后台离线可能是由于关闭安全帽开关、手机关机、未打开手机APP或流量的其中1种或多种原因所造成的安全行为无关数据考勤数据每天工人佩戴智能安全帽进出施工区时(即经过放置有触发器的大门),后台会自动记录时间数据,将首次时间和末次时间分别记为工人上班和下班时间,实现考勤功能,并可统计工人的迟到早退、月出勤率,月工作时长等指标工人运动轨迹采用RFID技术的智能安全帽对工人进行定位,后台能形成工人的运动轨迹。通过分析工人的轨迹,可以辅助判断工人是否存在怠工现象

图4 工人安全行为绩效指标体系Fig.4 Performance indicator system of worker’s safety behavior

3.2 绩效指标权重确定

绩效指标权重的分配对绩效评价结果的科学性及准确性有重要影响。目前，绩效考核指标权重的确定方法主要有2种：主观赋权法和客观赋权法[22]。主观赋权法根据评价者对各项指标的主观重视程度和对实际情况的判断赋权，由该领域的各方面专家参与给出，如层次分析法、德尔菲法；客观赋权法则依据指标所反映的信息进行赋权，如熵权法、主成分分析法。本文通过AHP(层次分析法)来确定具体权重，并由实际施工项目管理方决定，但受于篇幅限制，不赘述确定具体权重的过程。设定指标安全帽脱帽情况X1、危险区域预警X2和安全帽后台离线X3的权重分别为w1，w2，w3，满足w1+w2+w3=1。

3.3 绩效考核标准设计

本文采用文献分析法，借鉴一般企业的绩效考核，对施工现场的工人安全行为绩效考核标准进行设计。考虑到建筑工人的流动性等特点，设置月度绩效考核和季度绩效考核，季度考核建立在月度考核的基础之上。

3.3.1 月度绩效考核

安全行为绩效指标X1，X2和X3能够量化，因此，月度绩效考核的结果以考核综合得分的形式体现。考核综合得分Q0是3项指标得分Q1，Q2和Q3的加权总分，即：

(1)

式中：wi为指标Xi的权重；Qi为指标Xi的得分。设置各项指标的得分上限为100分，下限为0分，即0≤Qi≤100，依据系统收集到的安全行为数据对各指标量化打分。

1)X1考核得分计算

当工人每月安全帽脱帽次数

(2)

式中:m为工人安全帽脱帽次数；b1为脱帽次数惩罚界限；k1，k2为脱帽惩罚系数。

2)X2考核得分计算

施工现场存在各危险区域，其危险程度不同。现定义区域危险系数α，范围为0～1，数值越大代表区域越危险。工人每次靠近高于自身权限等级的危险区域时，手机就会发出预警。指标得分计算公式如下:

(3)

式中：r为工人靠近高权限危险区域次数；αi为各危险区域危险系数；k3为靠近危险区域惩罚基准分。

3)X3考核得分计算

考虑到施工现场环境较为恶劣，某些地点网络信号不畅，允许每位工人每月出现c1次作业时段安全帽后台离线情况，当超过c1次时进行扣分，具体计算公式如下：

(4)

式中:n为工人安全帽后台离线次数；c1为安全帽后台离线次数惩罚界限；k4为安全帽后台离线惩罚系数。

3.3.2 季度绩效考核

季度安全行为绩效考核时间跨度较大，考核结果更能体现工人长期稳定的安全生产积极性。考核根据该季度内3个月的月度绩效得分进行等级划分，分为优秀、合格、待合格。其中，工人3个月的月度绩效得分均超过90分且每个月的绩效排名都是前10%时，季度绩效考核评定为优秀；当工人3个月中存在任意2个月的月度绩效得分不足60分，则季度绩效考核评定为待合格；其余情况一致评定为合格。

4 激励机制设计

激励机制的设计是建立健全的绩效管理制度必不可少的一环。赫茨伯格在双因素激励理论中提出[23]，有2个因素会对人们的工作动机产生影响，分别是激励因素和保健因素。激励因素鼓励企业员工，调动员工工作积极度和满意度；保健因素消除企业员工不满情绪，并不能激励员工。因此，激励机制的设计要着眼于激励因素，以激发员工的热情，提升工作效率。激励因素通常包括绩效薪酬、弹性福利等。结合前述的绩效考核，本文设计了安全行为绩效薪酬激励机制方案。其中月度绩效考核的激励因素以绩效薪酬为主，且遵循以正向激励为主，负向激励为辅的原则；季度绩效考核的激励因素以弹性福利为主。

4.1 月度绩效考核激励方案设计

激励方案依托工人月度绩效考核综合得分Q0，对得分<60分的工人进行负向激励；对得分≥60～70分的工人不进行激励；对得分>70分的工人进行正向激励(以手机话费、流量费补贴等形式)。为了达到更好的激励效果，提高工人的竞争意识，选取得分前10%的工人进行额外的薪酬奖励，详见表2。表中M1和M2分别代表惩罚和奖励的基数，M3=nQ0，n为奖励扩大系数。M1,M2,n的取值视具体工程项目而定。

表2 基于月度安全行为绩效考核的薪酬激励机制方案Table 2 Salary incentives plan based on monthly safety performance appraisal

4.2 季度绩效考核激励方案设计

对于季度绩效考核评定为优秀的工人进行正向激励，而对于合格及待合格的工人不进行任何激励。鉴于智能安全帽系统的运作离不开智能手机，可将奖励智能手机作为季度安全行为绩效考核的激励形式之一。此外，带薪休假作为建筑工人最为常见的工作福利，亦可纳入激励范畴。

5 实例分析

温银大厦施工项目位于温州市滨江商务区CBD片区，从2018年4月1 日起作为试点正式开始应用基于智能安全帽的施工人员不安全行为监测及管理系统。5月1日开始实施施工现场工人安全行为绩效考核及激励制度，依托系统收集的工人安全行为数据，对工人的安全行为绩效进行横向与纵向对比。选取2名工人孔、陶为研究对象，实时监测其安全行为数据。基于温银大厦的施工特点、进度成本等要求，由项目管理方确定绩效考核模型中的各参数。图5为温银现场危险区域分布，由此确定各区域危险系数(见表3)。截取工人孔5月和6月的安全行为数据和工人陶5月的安全行为数据，计算个人月度安全行为绩效考核综合得分并进行对比(见表4)，其中工人孔5月靠近钢筋加工站、建筑材料仓库1#、塔吊1#各1次，6月靠近高危平台2#1次。

分析表4可知，工人陶5月的安全行为绩效考核综合得分处于95～100，故对其进行+4M2的薪酬激励，且工人陶的考核得分在当月所有工人中排名前10%，可获得+M3的额外奖励；工人孔5月的安全行为绩效考核综合得分处于80～85，故对其进行+1.5M2的薪酬激励；工人孔6月的安全行为绩效总分处于90～95，故对其进行+3M2的薪酬激励。现由项目管理方设定惩罚基数M1为200元，奖励基数M2为150元，奖励放大系数n为3。因此5月份工人陶能够获得总共887.85元(600+287.85)的薪酬激励，工人孔则获得225元的薪酬激励；6月份工人孔由于安全行为绩效的提升，能够获得450元薪酬激励。对比可以看出，不同的现场安全行为会对自身收入造成较大的影响。通过薪酬激励，工人会有动力去最大化自身的安全人力资本，主动创造良好的现场安全业绩。

图5 温银项目现场危险区域分布Fig.5 Distribution of dangerous areas on site of Wenzhou bank project

序号位置名称危险系数1钢筋加工站0.352搅拌站0.53建筑材料仓库1#0.554建筑材料仓库2#0.555配电站0.756高危平台1#0.97高危平台2#0.98塔吊1#0.99塔吊2#0.9

表4 工人孔、陶月度安全行为绩效指标数据及相应得分Table 4 Monthly safety behavioral performance indicator data and corresponding scores of Kong and Tao

6 结论

1)利用基于智能安全帽的施工人员不安全行为监测及管理系统，在温银大厦项目上实时收集工人安全行为数据，结合智能安全帽系统构建工人安全行为绩效考核模型以及设计激励机制。现场应用结果表明，基于智能安全帽系统的安全行为绩效考核及激励机制能够有效激励工人去实现自身安全人力资本的最大化，提升企业安全业绩。

2)已开发的监测系统必须要在4G网络或者WIFI信号正常的情况下运作，当网络较差或者没有网络情况下的系统运行问题有待进一步研究。未来还将探讨其他不安全行为的监测功能、利用隐马尔可夫模型的工人运动路径预测、结合视频识别技术的预警功能等。