基于数据统计分析的特种设备风险防控研究

温 泉

（广东省佛山市顺德区市场监督管理局，广东佛山 528300）

0 引言

特种设备对人身和财产安全有较大危险性，应坚持“安全第一、预防为主、节能环保、综合治理”的工作原则[1]。近年来，全国特种设备数量逐年增加，根据《市场监管总局关于2020年全国特种设备安全状况的通告》，截至2020年年底，全国特种设备总量达1 648.41万台。特种设备统计数据是特种设备安全监察工作决策的重要依据，是特种设备安全状况的客观反映，也是安全监察和检验检测工作绩效的具体体现[2-3]。国家市场监管总局定期统计各地特种设备相关数据，涵盖设备数量、执法检查、行政许可、作业人员、检验检测和事故调查等方面的信息，并且每年发布全国特种设备安全状况的通告。各级监察部门和检验机构也将检查和检验相关数据作为工作决策的参考[4-5]。

但是，由于目前特种设备相关数据统计分析缺乏理论研究，一些基层监察部门对特种设备统计信息不够重视，只是按上级要求填写一些报表，很少结合统计数据对风险隐患进行系统性分析，而且统计数据多用于事后分析，很少用于事前预防。此外，如果特种设备监察部门、检验机构、生产单位和使用单位的信息共享度不足，也难以形成计划、执行、检查、处理（PDCA）这一循环，提高特种设备的质量安全管理水平[6-9]。

“5大工具”和“7大手法”是近些年一些发达国家积极研究改进质量管理的一种手段，其主要利用统计学方法替代事后检验，从而达到控制产品质量的目的，被广泛应用于企业管理。主要包括计划管理、质量控制、成本管控、环境管理、安全管理和日常管理等诸多领域，特别是产品质量控制领域[10-11]。因此，将“5大工具”和“7大手法”延伸到特种设备风险防控方面，对相关数据进行统计分析，能够准确掌握风险的关键要素，有效消除事故隐患。

1 7大手法在特种设备安全领域的延伸应用

7大手法是由日本企业总结出来的一种常用的统计管理方法，又称为初级统计管理方法。传统的7大手法包括因果图、检查表、柏拉图、直方图、散布图、层别法和管制图。7大手法用途各有不同：因果图追原因，检查表集数据，柏拉图抓重点，直方图显分布，散布图看相关，管制图找异常，层别法作解析。

1.1 因果图

因果图，又称为特性要因图、鱼骨图，主要用于分析因果关系或寻找对策，通过把握现状、分析原因、寻找措施来促进问题的解决。因果图适用于特种设备事故或故障的调查分析。根据海因里希的事故因果连锁论，事故的发生是由于人的不安全行为和物的不安全状态。对于特种设备事故或故障，确定问题点后，可以画出因果图（鱼骨图）的主骨、中骨和小骨，从人（人员）、机（设备）、料（介质）、法（管理）、环（环境）等方面查找原因。因果图在应用时应注意集思广益、避免疏漏，结合实际，把重点放在解决问题上，如图1所示。

图1 特种设备事故鱼骨图示例

1.2 检查表

检查表常用于不良原因和不良项目的记录，或对作业项目进行确认，可用于采集风险分析所需的基础数据。表中记有检查的必要项目，只要记上数据或记号，加以统计整理就可作为进一步分析或核对之用。特种设备制造点检表、现场安全监督检查记录表、安全隐患排查记录表、检验检测记录表之类都属于检查表一类。为了便于统计分析，填写原始表格后还需提取表中的有用数据，用电子表格（如EXCEL）或电子系统进行储存和整理，如图2所示。

图2 特种设备检查记录表示例

1.3 层别法

层别法是将观察到的现象或所收集到的数据，按照它们共同的特征加以分类统计的一种分析方法，确定主题后对收集的数据进行层别和比较分析，可以找出其内在原因，确定改善项目。在对特种设备进行风险分析时，可以按设备类别、设备品种、设备参数、缺陷类别、隐患类别、制造单位、使用领域、属地等进行分层。通过层别法，把错综复杂的问题，按照不同的目的、性质、来源等，加以分类整理，使之系统化和条理化，能更清晰地反映数据所代表的客观事实，如图3所示。例如，同样是特种设备事故数量，既可以按行业层别，分析不同行业的事故数量占比情况，也可以按月份层别，分析不同月份事故数量分布情况，如图4所示。

图3 特种设备事故占比（按行业层别）

图4 特种设备事故分布（按月份层别）

1.4 柏拉图

柏拉图建立在层别法的基础上，将已经层别的项目从大到小进行排列，再加上累积值的图形。通过柏拉图对数据进行比对分析，有助于查找关键问题，分清主次，提取重要信息。例如，按隐患类别对隐患数量分层和排序之后，绘制柏拉图，用来分析系统性、普遍性风险隐患问题，为开展专项整治提供决策支持，具体如图5所示。

图5 特种设备隐患数量柏拉图示例

1.5 散布图

散布图又称为相关图，是用非数学的方式来辨认某现象的测量值与可能原因各因素之间的关系，分析一组成对的数据之间是否有相关性的一种图表。在进行风险分析的时候，结果常涉及多个变量（风险因素）之间的关系，各变量之间的关系未必能够通过一个精确的函数关系进行描述，两者之间为非确定性关系。散布图就是将两个非确定性关系变量的数据对应列出，标记在坐标图上，来观察它们之间的关系的图表，如图6所示。例如，可以用散布图来研究某型号电梯使用频次和故障率之间的关系。坐标图X轴表示使用频次，Y轴表示故障次数，选取若干台同型号电梯，将其故障次数在坐标轴图上标识出来，即可得到该型号电梯使用频次和故障率的散布图，如图7所示。

图6 散布图分类

图7 电梯故障次数与使用频次散布图示例

1.6 直方图

直方图是用来表示质量波动情况的一种主要工具。针对某产品或过程的特性值，利用正态分布的原理，把若干个（一般不少于50个）的数据进行分组，并算出每组出现的频次，再用类似的直方图形描绘在横轴上，如图8所示。

图8 直方图示例

延伸应用到特种设备安全领域，可以用来评估设备安全性能的稳定性，或验证实际值和预期值之间的偏差。例如，验证特种设备或其零部件的实际使用寿命和设计使用寿命的偏差时，可以利用直方图进行分析。

直方图实施步骤：（1）收集同一类型的相关数据；（2）计算极差（全距）R=Xmax-Xmin；（3）设定组数的方式有多种，或用斯特吉斯公式K=1+3.23logN，或求数据量的平方根，或通过经验值法，数据量50～100的组数选取6～10，数据量100～250的组数选取7～12，数据量250以上的选组数选取10～20；（4）确定测量最小单位，即小数位数为n时，最小单位为10-n；（5）计算组距h，h=R/K，R为极差，K为组数；（6）求出各组的上、下限值，第一组下组值=最小值－最小测定值/2，第一组上组值=下组值＋组距，依此类推；（7）计算各组的中心值，组中心值=（组下限值+组上限值）/2；（8）制作频数表；（9）按频数表画出直方图。

直方图的常见形态与判定：（1）正常：是正态分布，服从统计规律，过程正常；（2）缺齿、偏态、离岛、高原、双峰、不规则：不是正态分布，不服从统计规律。

1.7 控制图

控制图是一种以预防为主的统计方法。利用现场收集到的特征值，绘制成控制图，通过观察图形来判断过程波动情况。控制图上有中心线和上下控制限值，并有反映按时间顺序抽取的各样本统计量的数值点。中心线是所控制的统计量的平均值，上下控制限与中心线相距数倍标准差。常用的控制图有计量值和记数值两大类。延伸应用到特种设备安全领域，可以用来表示某个时间段内事故或故障的数量变化情况，如图9所示。

图9 特种设备事故控制图示例

2 5大工具在特种设备安全领域的延伸应用

5大工具是由美国三大汽车公司（福特、通用、克莱斯勒）于1995年为统一对供方管理而联合提出的指南，是产品开发和设计以及期间产品质量控制的技术和工具，包括：产品质量先期策划和控制计划（APQP&CP）、生产件批准程序（PPAP）、潜在的失效模式和后果分析（FMEA）、统计过程控制（SPC）、测量系统分析（MSA）。5大工具主要适用于产品设计和制造过程的质量管控，潜在的失效模式和后果分析（FMEA）作为一种风险评估方法，在特种设备安全管理领域也适用。

FMEA(失效模式与影响分析)是在产品设计阶段和过程设计阶段，对构成产品的子系统、零件，对构成过程的各个工序逐一进行分析，找出所有潜在的失效模式，并分析其可能的后果，从而预先采取必要的措施，提高产品的质量和可靠性的一种系统化手段[12]。FMEA从失效后果严重程度（严重度）、发生失效的可能性（频度）和失效的可控程度（探测度）等3个维度对潜在的风险性进行分析，风险顺序数（RPN）=严重度（S）×频度（O）×探测度（D），然后制定风险矩阵图，对于RPN达到一定数值的潜在风险采取相应的对策措施，预防不良后果发生。FMEA是一种半定量分析法，与安全领域中常用的LEC评价法相似。LECD评价法从3种因素指标值的乘积来评价风险性大小，危险性（D）=事故的可能性（L）×人员暴露于危险环境中的频繁程度（E）×事故可能造成的后果（C）。特种设备潜在的事故风险大小通常可以综合设备固有的危险性（事故可能造成的后果严重度，与结构、参数和介质等因素有关）、事故发生概率、安全管理水平、人员密集程度等方面因素，结合实际采用FMEA或LEC法进行综合评价。

3 结束语

为保证结论的准确可靠，试验对大量的数据进行统计，通过长时间将“7大手法”和“5大工具”应用于特种设备的基于安全管理和风险防控研究，结果表明此种手段具有如下优点：

（1）数据的采集和整理可涵盖特种设备的设计、制造、安装、使用、检验和监察各环节的基础数据，为特种设备的安全管理与风险防控提供参考；

（2）能够充分利用计算机和互联网技术，对相关数据进行存储和分析。

（3）能够对取样的合理性以及对复杂数据进行必要的层别，并确保样本数据的随机性，合利避免进入“幸存者偏差”的误区。