赵沛宇 郭修琪 许德春 姚 翔
(1. 首都经济贸易大学,北京市丰台区,100070;2. 国家矿山应急救援中煤新集队,安徽省淮南市,232171;3. 新兴际华集团应急研究总院,北京市丰台区,100070)
近年来,煤矿企业重特大事故时有发生,安全生产形势依旧严峻。十九大报告提出,要健全公共安全体系,完善安全生产责任制,坚决遏制重特大安全事故,提升防灾减灾救灾能力。我国政府高度重视应急救援能力建设工作,做出了一系列重大决策部署,颁发了《国务院安委会关于进一步加强生产安全事故应急处置工作的通知》等文件。矿山救护队作为煤矿企业事故应急救援体系中的“效应器”[1],是处理矿山灾害事故的职业性、技术性并实行军事化管理的专业队伍,为我国煤炭工业的发展保驾护航。矿山救护队在事故救灾减灾中起着关键性的作用,其救援能力的高低直接影响救灾减灾的整体效能。目前我国对矿山应急救援的研究主要集中在矿山企业的应急救援能力评估和提升矿山救护队救援能力的方式方法上,其中矿山救援能力能否满足灾情的需要还有待研究,因此本文以此为研究切入点,通过对我国矿山救护队进行现场调研和咨询领域专家构建了矿山救护队救援能力评估体系,然后借助网络层次分析模型和超级决策软件对救护队救援能力进行评估,使救援指挥中心和救护队指战员对自身的救援能力做到心中有数,为处置灾情时科学高效救援提供参考依据。
评估体系的核心与基础是评估指标的选取,指标选取是否有效、科学合理直接关系到评估结果的准确度和可信度。本文基于文献[2]中所建立的军队核化医学救援队保障能力评价指标体系,结合矿山救护队抢险救灾特点和相关标准规范,采用德尔菲法(向遴选出的10位行业领域专家发放调查问卷,回收问卷对专家反馈的结果进行整理分析,然后对指标进行调整和修改,再次对专家进行问卷调查,再次回收问卷进行整理分析)选取最能反应矿山救护队救援能力的指标作为最终的评估指标,构建出如表1所示的矿山救护队救援能力评估指标体系。
表1 矿山救护队救援能力评估指标体系
网络层次分析评价模型由网络层次分析法(Analytic Network Process,简称ANP)发展形成,它是在层次分析法(Analytic Hierarchy Process,简称AHP)的基础上发展而形成的一种新的实用决策方法,弥补了层次分析法(AHP)在复杂决策问题中的缺陷[3]。影响救援能力的指标既相互独立又存在交叉影响,符合ANP模型的层次性和内部元素相互影响的特性,因此本文选用网络层次分析法评估模型对矿山救护队救援能力评估更富有科学性和适用性。根据评估指标体系各元素集之间和元素集内部以及各指标之间存在的依赖和反馈关系,建立如图 1 所示的网络层次分析模型。
评估模型建立完成后,通过ANP法来求得各指标权重,然后运用综合模糊评价来对矿山救护队的救援能力进行评估。将矿山救护队的救援能力设定为目标层元素A,将组织指挥能力、技术救援能力、救援装备保障能力和应急机动与环境适应能力设定为准则层元素Bi(i=1,2,3,4);将准则层包含的 4 个元素组设定为Ci,Cij表示元素组内的元素(j= 1,2,…,n;n为网络层中各个元素组内元素的个数),则基于 ANP 的指标权重计算过程如下。
1.3.1 构建判断矩阵
每一层中各元素的相对重要性都要给出判断,网络层中各元素不仅与本元素组内的元素存在影响关系,也与其他元素组内的元素存在依赖和反馈关系,故根据特定的标度法,以准则层元素Bi为准则,以网络层元素Cij为次准则,进行元素间的优势度比较,形成两两判断矩阵。
1.3.2 构建判断矩阵
由图1可知,本文的ANP结构属于典型的内部依存的循环系统结构,由特征根法和排序向量获得的超矩阵可表示为:
(1)
1.3.3 构建赋予权值的超矩阵和极限超矩阵
显然超矩阵W中的各个列向量不是归一化的,首先设定准则为Bi,设定次准则为Ci,然后计算Bi中各元素组内元素对Ci的重要程度得到所需的判断矩阵,最后通过对 4 个判断矩阵进行处理得到权矩阵[4]。
(2)
图1 ANP网络结构
在完成各个评价指标赋权和建立评判集的工作后,利用专家打分法获得模糊评判矩阵[5]。通过公式Fi=Bi·Ri(Fi、Bi、Ri分别表示第i个一级指标的评价向量、第i个一级指标的权重向量和第i个一级指标的模糊评价矩阵) 计算求得各指标的评价向量。最后结合评价集加权求得的矿山救护队救援能力的综合评分。由于网络层次分析法的计算异常繁琐复杂,元素多时用手工计算几乎不可完成,然而超级决策(Super Decision)软件很好地解决了这个问题[6]。因此,本文通过超级决策(Super Decision)软件来求解各一级指标和各二级指标的权重。
淮南中煤新集矿山救护队位于安徽省淮南市,具备国家矿山救援队伍一级资质,是37支矿山类国家救援队伍之一。本文以淮南中煤新集矿山救护队为例,根据建立的矿山救护队救援能力评估指标体系和ANP评估模型,并采用SD 软件对该救护队的救援能力进行评估。
在超级决策软件SD中按照如图1所示的网络层次分析模型图,通过执行菜单栏[Design]、[Cluster]、[Node]、[Node connexions from]等一系列操作命令,创建包含元素组、节点的指标框架并构建出各节点之间相互依存和反馈关系的网络结构图。邀请多位行业领域专家对相关元素间的重要度打分,将两两比较矩阵的结果录入SD软件之中,并进行一致性检验。部分过程如图2所示。
完成所有的判断矩阵构建后,进入主界面执行[Computations]、[Unweighted Super Matrix]进行未加权超级矩阵的计算。完成未加权的超级矩阵后即可对超级矩阵进行加权计算,进入主界面执行[Computations]、[Weighted Super Matrix]等命令来完成计算。接下来进入主界面执行[Computations]、[Limit Matrix]等命令来生成全局的加权矩阵,执行[Computations]、[Priorities]来产生成指标的全局权重,如表2所示。
表2 矿山救护队救援能力各评价指标权重结果
由表2可得,一级指标( 准则层) 权重向量B=[0.2153,0.3148,0.2890,0.1809],二级指标( 网络层)权重向量:B1=[0.4019,0.2648,0.3333],B2=[0.2459,0.3512, 0.2223,0.1806],B3=[0.3134,0.2629,0.2114,0.2114],B4=[0.1506,0.3968,0.4526]。
通过一级指标(准则层) 权重可得,技术救援能力和救援装备保障能力对矿山救护队的救援能力影响较大,而在二级指标(网络层)中,权重占比较大的因素为安全防护能力、常规战备物资保障能力、指挥能力和环境适应能力,所以在条件或资源受限的情况下,提高救援能力方面可以从权重较大的指标因素着手,提升现有救援装备的现代化水平,如购置自组网的井下救援通讯系统、可用于实时监测分析井下气体的单兵便携式终端等新型救援装备;提升技术救援能力,可采用系统化的培训教材、引进火区的封闭新技术、改进日常教学训练手段如引进VR技术,将具体的灾害进行情景再现,通过VR进行培训教学等,对救护队综合救援能力提高效果更佳。
为本文的评价模型设置量化评价集V= (4,3,2,1)= (优,良,中,差)。由于在实际评估过程中评价结果往往不是整数,所以将这4个等级用区间来划分,即( 优,良,中,差)= ([4,3.5],(3.5,2.5],(2.5,1.5],(1.5,1])。对10名专家打分的结果进行归一化处理,获得矿山救护队救援能力各指标的评价结果,如表3所示。
表3 矿山救护队各指标评价结果
由表3可得,一级指标B1的模糊综合评价矩阵为:
(3)
B1的综合评价向量F1=B1·R1=[0.2931,0.6068,01000,0]。同理可得B2的综合评价向量F2=[0.2712,0.5597,0.1691,0],F3=[0.1677,0.4098,0.2895,0.1320],F4=[0.2698,0.5453,0.1849,0]。故矿山救护队救援能力的综合评价向量D=B·[F1,F2,F3,F4]T= [0.2458,0.5239,0.1919,0.0381]。
根据本文的评价准则,将矿山救护队救援能力综合评价向量与各等级对应的分值相乘求和得到最终的评价分值。经计算淮南中煤新集矿山救护队的救援能力得分为3.36,根据评价结果的区间划分属于良。
(1)本文通过调研和德尔菲法选取最能反应矿山救护队救援能力的指标,构建了矿山救护队救援能力评估体系。针对评价指标之间存在依赖和反馈的关系,基于 ANP 建立了矿山救护队救援能力评价模型。
(2)通过一系列操作,在SD软件中建立了ANP结构图,并将判断矩阵的专家打分结果录入其中,然后通过求解未加权超矩阵、加权超矩阵和极限矩阵,最终得到各指标的权重。从所得权重可得到以下结论:一级指标的相对重要性从高到低,依次为技术救援能力、救援装备保障能力、组织和指挥能力和应急机动与环境适应能力;其中安全防护能力、常规战备物资保障能力、指挥能力和环境适应能力在二级指标中起到主导作用。
(3)将评估模型应用到淮南中煤新集矿山救护队的救援能力评估之中,通过模糊综合评价获得该矿山救护队的救援能力为良。结合各指标权重,给出了在资源受限的情况下,集中资源投入指标综合权重较大的评判因素之中,使救护队的救援能力获得最佳的提升效果。