基于FAHP与机器学习的烟草行业实验室安全管理评价

汪洪焦， 贾云祯， 张其东， 张 涛， 杨国涛， 赵继俊

（中国烟草总公司郑州烟草研究院，郑州450001）

0 引 言

实验室是进行科技创新活动和培养科技人才的重要场所。近年来，社会经济的快速发展和科技、教育水平的日益提高促进了实验室软硬件建设，使得实验室场地规模不断增大，仪器设备及试剂药品日益增多，科研活动愈加频繁，实验室人员流动加大，这些与相对落后的管理体制之间的矛盾愈加突出，使得实验室安全形势愈加严峻。2015年，清华大学化学系实验室使用氢气做实验时发生爆炸后起火，造成一名博士后当场死亡［1］。2018年，北京交通大学环境工程实验室在进行垃圾渗滤液污水处理试验时，摩擦碰撞火花引发氢气爆炸并起火，造成2名博士生和1名硕士生死亡。通过对近年来实验室安全事故进行统计分析，尽管实验室事故在事故类型、发生原因、危险物质类别存在差异，但根本原因是实验室安全管理机制不健全、管理制度不到位造成的安全管理不善［2］。实验室安全事故频发，为实验室安全管理敲响了警钟，加强实验室安全管理，提高安全管理水平，确保其安全平稳运行已成为实验室管理部门的一项重要研究课题。

2005年，韩国学者JOO PARK TAE等［3］最早开发了用于实验室卫生和安全检查的实验室安全管理系统。2011年，瑞士学者Marendaz等［4］最先开展了化学实验室的安全管理和风险评估工作。国内方面，2012年陈晶晶［5］最早开展了高校实验室安全管理评价体系的研究工作，2013年董继红等［6］最先应用DHGF集成法对高校实验室安全管理进行评价。随后，一些学者针对实验室安全管理评价方法进行了研究，相继采用BP神经网络［7］、物元熵权模型［8］、模糊综合评价［9-10］、GA-BP神经网络［11］、Simulin等［12］方法对实验室安全管理进行评价，以上方法均有各自的优点，但普遍存在评价指标选取及权重设置较为随意，人为因素影响较大，评价的准确性存在较大局限性，只能定性地粗略评价实验室系统的安全性，而不能定量地评价危险程度等缺陷。

烟草行业的科技创新为提升烟草质量提供保障，烟草行业实验室作为烟草科技创新的重要场所，其安全平稳运行至关重要。随着国家和烟草行业对安全生产认识程度的不断提高，烟草行业逐步形成了一套规范的实验室安全管理体系，为确保实验室安全运行奠定了基础。然而，与其相应的评价烟草行业实验室安全管理水平的有效方法目前尚未建立［13-14］。目前大多数实验室安全管理评价方法是基于高校实验室进行的，烟草行业实验室与高校实验室在人员结构、管理模式、评价指标上均有较大差异。基于此，在分析现有实验室安全管理评价方法的基础上，根据烟草行业实验室安全管理的特点及现状，提出了基于模糊层次分析（Fuzzy Analytic Hierarchy Process，FAHP）与机器学习（Machine Learning，ML）相结合的烟草行业实验室安全管理评价方法。首先，利用安全检查表及专家群智慧确定评价指标并获取权重数据，减少个人片面知识和能力对指标选取和权重确定的影响，尽可能降低人为因素造成的评价偏差。然后采用层次分析法确定评价指标权重，利用模糊矩阵进行综合评价，得到实验室安全管理评价结果。为进一步发挥安全评价的功能，为实验室安全管理提供科学的整改建议措施及对策，利用机器学习针对评价结果提取整改建议措施及对策。近年来，机器学习算法被用来从现有的数据分析和挖掘中获取准则，从而获取有价值信息［15］。应用机器学习技术可以实现实验室安全评价从定性评价到定量分析的转换，能够更直观地评价实验室的危险程度，及时发现实验室存在的违规操作和隐蔽故障，防止违规行为，找出科学整改措施及对策，确保实验室人身和财产安全。利用上述方法进行烟草行业实验室安全管理评价，可以评估实验室安全管理现状，及时发现安全管理中存在的薄弱环节和隐患，采取有针对性的整改方案进行改进，防患于未然，对于提高实验室安全管理水平具有重要意义。

1 评价方法

1.1 总体设计及评价程序

基于FAHP与机器学习的烟草行业实验室安全管理评价方法由三部分组成，包括基于安全检查表及专家群智慧的评价指标及其权重获取，模糊层次分析建模及综合评价，以及基于机器学习的安全整改措施与对策决策，评价方法的总体设计与程序见图1。

图1 烟草行业实验室安全管理评价总体设计及程序

1.2 基于安全检查表及专家群智慧的评价指标及其权重获取

基于安全检查表及专家群智慧的评价指标及其权重确定方法主要目的是减少个人片面知识和能力对指标选取和权重确定的影响，尽可能降低人为因素造成的评价偏差。专家群的选取要综合考虑与实验室安全相关的各类人员，包括实验室安全管理人员、政府监管人员、实验员、安全技术专家等。在遵循科学性、全面性、针对性、可操作性与可比性等原则的基础上，通过现场实际考察并集中专家群智慧，合理构建烟草行业实验室安全管理安全评价指标体系及各指标权重。该方法注重综合评价机制，在评价指标选取、权重设置等关键环节充分利用专家群智慧，从源头上保证了评价结果的科学性和准确性。

1.3 模糊层次分析建模及综合评价

实验室安全问题是一个涉及多影响因素的模糊的复杂问题，采用模糊数学与层次分析法相结合的安全评价方法。在分解分析对象之后，将其中包含的元素分解为目标层、准则层和指标层。从定量的角度，列举影响因素和评价水平，确定各指标的权重。模糊综合评价技术包括以下几个步骤［9-10］：

（1）建立评价因素集。所谓因素集，就是影响烟草行业实验室安全的各种因素组成的一个普通集合，定义为U=｛u1，u2，…，un｝，其中n为影响实验室安全的因素个数，ui（i=1，2，…，n）代表各相关因素，这些因素通常都具有不同程度的模糊性。

（2）建立评价集。评价集是烟草行业实验室安全评价结果所组成的集合，定义V=｛v1，v2，…，vm｝，m为实验室安全评价结果可能出现的个数，vj（j=1，2，…，m）代表各种可能的实验室安全评价结果。模糊综合评价的目的，就是在综合考虑所有影响因素的基础上，从评价集中得出最佳的评价结果。

（3）建立评价指标权重集。采用层次分析法确定评价指标的权重集A=｛a1，a2，…，ai，…，an｝，ai（i=1，2，…，n）表示指标的权重系数。

（4）构建单因素模糊评价矩阵。对因素集U中的单个因素ui（i=1，2，…，n）进行单因素评价，根据专家提出的各因素ui对评价集中vj（j=1，2，…，m）的隶属度rij，构建单因素模糊评价矩阵：

殊不知，灵云禅师见桃花前，已踏踏实实修炼了三十年；张旭看到挑夫过路时，书法几已炉火纯青。见桃花，遇挑夫，都只是引线。厚积薄发，真正的门道还在日复一日的积累与修炼中。

（5）模糊综合评价。单因素模糊评价仅反映了一个因素对评价对象的影响，这显然是不够的。要综合考虑所有因素的影响，便是模糊综合评价。选择模糊算子，建立模糊综合评价矩阵。通过已知的指标权重模糊集A和综合评价矩阵R，可以应用R作模糊线性变换，把A变为评语集V上的模糊子集B：

式中，bj称为模糊综合评价指标，简称评价指标。其含义为：综合考虑所有因素的影响时，评价对象对评价集中第j个元素的隶属度。考虑到实验室安全评价的特点，模糊运算选择M（·，⊕）模糊算子，该模型不仅考虑了所有因素的影响，而且保留了单因素评价的全部信息，适用于需要全面考虑各个因素的影响和全面考虑单因素评价结果的情况。

（6）确定评价结果。得到评价指标之后，可以按最大隶属原则确定评价对象的具体结果，即取与最大的评价指标max bj相对应的备择元素vj为评价结果。

1.4 基于机器学习的安全整改措施及对策提取

整改建议和措施的提取过程是一个典型的机器学习的过程，如图2所示。首先输入评价指标评分和综合评价结果，经特征提取后输入到案例库中进行匹配，按照相似度分析在知识库中查找相匹配的针对存在安全隐患的整改建议和风险降低措施，提取整改措施及对策。如果不匹配，则输入到推理机，经推理得出新的符合条件的事实存入事实库，然后通过解释机制解释，将最有效的整改措施及对策输出。同时学习模块将事实库中的信息存储到知识库中（即新的降低风险措施）从而更新知识库，待下次进行安全评价时如果评价结果与以前知识库中的知识存在相似情况则系统会快速准确检索风险降低措施，如果出现新的评价结果则系统会不断学习将新的知识注入知识库中从而提高整个评价系统的适应性，机器学习的过程是一个不断重复而又不断提升的过程。

图2 机器学习过程

2 应用实例

以中国烟草总公司郑州烟草研究院实验室为评价对象。中国烟草总公司郑州烟草研究院是中国烟草总公司直属的烟草综合性科研机构，下设生态环境与烟叶质量重点实验室、烟草工艺重点实验室、烟草化学重点实验室、烟草香料基础研究重点实验室四个研究室和国家烟草基因研究中心、中国烟草科技信息中心、中国烟草标准化研究中心3个行业中心，主要从事烟叶栽培调制技术、烟草基因、卷烟加工工艺和配方、烟草化学、香精香料、打叶复烤、膨胀烟丝、烟草薄片、烟草加工设备、烟用仪器仪表、标准、检验、信息等方面的应用基础和共性技术研究；承担卷烟厂、烟叶复烤厂工程设计和技术改造任务，学科范围覆盖从烟草栽培至卷烟生产的全过程。近年来，在借鉴国内外先进的实验室安全管理理念和管理标准体系的基础上，逐渐形成了具有烟草行业特色的实验室安全管理体系。邀请26名与烟草行业实验室密切相关的专家组成安全评价小组，根据他们的工作经验对各项指标进行评分、评价。根据烟草行业实验室特点，同时结合现行烟草行业实验室安全管理规范，提出烟草行业实验室安全管理影响因素，构建烟草行业实验室安全管理待定评价指标及权重确定专家智慧调查表（见表1）。

表1 待定评价指标及权重确定专家智慧调查表

根据专家群智慧，淘汰不重要指标，建立正式评价指标体系，同时采用层次分析法确定烟草行业实验室安全评价准则层和指标层的权重，结果见表2。

表2 准则层和指标层的权重

将问题分解为目标层、准则层和指标层。然后，将下一层因素与上一层因素进行比较，建立评判矩阵。通过对评判矩阵计算，对各层次进行了单级排序和一致性检验。经过相关分析和归一化，得到相应的指标权重和模糊关系矩阵，最后利用模糊算子进行多级综合评价，对安全运行管理进行综合评价分析。

对于人的因素中的安全意识，53%的专家认为安全，32%的专家认为较为安全，13%认为一般安全，2%认为不太安全，评价集为｛0.53，0.32，0.13，0.02｝。基于同样的原理，对于身心健康，65%的专家认为安全，31%的专家认为较为安全，4%认为一般安全，0%认为不太安全，评价集为｛0.65，0.31，0.04，0｝。实验业务水平为｛0.31，0.37，0.32，0｝，个人防护为｛0.60，0.32，0.04，0.04｝，然后得到R1；同样可得到R2，R3和R4。即：

采用M（·，⊕）算子，得到了人员B1，实验室设备及药品水平B2，实验室环境水平B3和实验室管理水平B4。

根据指标层的得分向量，得到准则层的综合得分向量如下：

采用模糊综合评分法，将3、2、1和0，即临界值向量α=（3，2，1，0）赋给｛V1，V2，V3，V4｝，它们对应｛安全，较为安全、一般安全、不安全｝，分别属于向量B1、B2、B3和B4中的每个评价等级，然后目标层的综合评分可以表示为下面的等式：

分别计算各准则层的指标综合得分：

根据安全检查表给出的实验室各目标层、准则层和指标层的评分，可以通过机器学习检索知识库中相应的纠正建议和措施，最后提出建议。实验室综合评分为2.395 5分，处于［安全，较为安全］的范围内，说明实验室整体运行处于相对安全的水平。准则层各指标得分也在［安全、较为安全］范围内。为了从各个指标层找出潜在的安全隐患，对各指标层的得分进行了综合分析，发现人员实验业务水平和事件控制能力不够，需要进行整改。通过机器学习提取信息，将提高实验人员学历水平、加强实验操作规范性、加大安全培训、强化预判和忧患意识、增强应变技能等作为实验室安全管理整改措施及对策。

3 结 语

（1）将多层模糊综合评价与机器学习方法相结合，提出了基于FAHP与机器学习的烟草行业实验室安全管理评价方法。

（2）以郑州烟草研究院实验室为评价对象，构建了烟草行业实验室安全管理待定评价指标及权重确定专家智慧调查表，建立了正式评价指标体系，确定了准则层和指标层的权重。

（3）实例应用表明，郑州烟草研究院实验室的综合得分为2.3955分，表明该实验室的总体运行水平处于相对安全的水平。综合分析各指标层的得分，发现实验业务水平和事故控制能力方面存在不足，须整改，通过机器学习，提出了针对性整改措施及安全对策。

（4）应用表明，该评价与传统评价方法相比，评价结果更为可靠、直观、准确。