建筑行业破拆作业人员作业疲劳测量量表研究★

何佳媛，易灿南，刘雪阳，郑艳芳，胡 丹

(湖南工学院安全与管理工程学院,湖南 衡阳 421102)

1 研究现状

破拆作业具有作业条件恶劣、作业环境复杂、作业过程中工人体力负荷较大等特点,在建筑、应急救援和矿井中都广泛存在[1]。在建筑作业现场具有环境杂乱、卫生条件差、噪声大、工人素质参差不齐、作业交替进行等特点,导致作业人员疲劳增加,事故发生率上升[2]。

20世纪80年代有国外学者在驾驶领域对作业疲劳进行研究,发现作业疲劳会增加能量消耗,从而影响作业人员生理或心理状态的变化[3-4],2015年ZHANG等人对于建筑行业的肌肉疲劳问题进行研究,发现在建筑行业中有33%的人员由于工作疲劳或过度劳累导致了疲劳[5]。同时刘辉等人发现建筑行业有超过20%的作业人员处于超负荷工作状态[6]。

与建筑作业人员相比,破拆作业人员由于作业过程中长期暴露于粉尘、振动和噪声环境中,会导致手部振动病或听力受损等生理损伤,同时作业过程中强度大、难度高,会增加心理损伤,诱发心理疾病[7],当作业人员的生理负荷水平超出人体所能承受的负荷范围时,就会产生剧烈的疲劳感而无法继续工作[8],因此对于导致建筑破拆作业人员疲劳的原因分析十分重要。

在徐明伟等人的研究中发现作业人员的疲劳状况与身体认知功能障碍之间存在负相关,当作业人员疲劳值上升时,往往会伴随着生理指标的变化以及行为能力的降低,同时体力作业会增加人体伤害的风险[9]。DONG X的研究发现,处于疲劳状态的工人错误率会增加[10]。周晓凤在煤矿井下噪声的研究中发现噪声会增加作业人员的疲劳,并且对于员工身体健康造成一定的损伤[11],在破拆作业中,何佳媛等人以问卷调查的形式从不同时间以及不同工种的角度,研究对破拆作业人员患肌肉骨骼疲劳的因素进行分析,得出长期的作业会导致人员腰部以及手臂患有严重的疾病[12]。现阶段,对于建筑行业作业疲劳的研究逐渐增多,但大量研究集中在建筑行业整体,针对于破拆作业人员的研究较少,研究方法主要以实验和问卷为主,缺乏对作业疲劳产生原因以及加剧的综合考虑,同时缺少有效的作业疲劳评估模型。

为探讨破拆作业恶劣的施工环境对施工人员作业疲劳的影响程度,揭示导致其疲劳的因子分析,依托建筑工程的现场实测以及施工专业技术人员的交流访谈,开发一套适用于建筑行业破拆作业疲劳因子分析测量的量表,从而为建筑破拆作业降低安全事故,提高过程作业效率,并推广到其他破拆作业行业。

2 测量量表

相比于其他行业,破拆作业所设计的工种类型多(比如架子工、木工、拆卸工人等),每个工种的作业内容复杂,因此对于作业过程中导致疲劳产生的原因很难以实验来模拟,同时将肌电信号测量仪、生理多导仪用在施工现场的难度较大[13]。因此,本研究选择问卷调查为研究手段,操作简单方便、测试成本低,对测试对象作业过程影响程度小,非常适合用于本次研究。

2.1 问卷设计与回收

根据表1问卷测试指标设计调查问卷,问卷包括被试者基本信息和作业人员疲劳因子题项两部分内容,调查对象为建筑行业所有破拆作业人员。

主观问卷调查有很多种,而在此次研究中选用主观评价法对导致破拆作业人员疲劳的影响因素进行分析和研究,收集原始数据,以便开展研究和得到相对客观的结果。在此次研究中,主要是根据日本新版的《自觉症状调查法》[14]当中对于疲劳的各指标变量进行提炼后得到初始问卷,根据Likert评分表,对问卷的各个指标进行评分,各个指标分为:非常同意、同意、一般、不太同意、不同意,依情况分别给予1分～5分的计分方式,结合破拆作业的特点得出各项指标。以湖南省某建筑现场的破拆作业工人为调查对象进行问卷调查。共发放问卷220份,回收问卷210份,对填写中有大量遗漏和空白的问卷进行剔除,最后得到有效问卷199份,有效问卷占90.45%。

表1 问卷测试指标

2.2 样本数据

调查对象中平均年龄38岁,其中30岁～39岁的工人占59%,40岁～49岁的工人占35.3%。样本详细数据见表2。

表2 样本数据

2.3 问卷检验

1)信度检验。根据过往经验,Cronbach’α系数在 0.8 以上最好,0.7～0.8属于可接受的范围,对于基础研究为目的时应大于0.7[15],在本次分析中,使用SPSS22.0进行信度检验,其Cronbach’α为0.739,因此该问卷的信度是可以接受的。

2)效度检验。效度检验的主要指标为KMO检验(Kaiser-Mewyer-Olkin)和Bartlett检验,当KMO检验系数>0.5,P值<0.05时,问卷才有结构效度,才能进行因子分析,本问卷的KMO值为0.737,P值为0.000<0.05,数据具有较高的相关性,说明变量适合进行因子分析。

2.4 纬度筛选

1)反映像相关矩阵。反映像矩阵中对角元素是与KMO类似的指标MSA(Measures of Sampling Adequay,MSA)[16]与KMO值一样,越接近1,说明原始变量越适合做因子分析,如果个别题项存在MSA值小于0.4时,表示不适合做因子分析,可以将该题项剔除,在MSA结果中,题项E4的MSA值为0.251小于0.4,因此将其剔除,其余数值都满足要求。

2)采用主成分分析方法通过降维的方式进行进一步分析,分析已通过MSA检验的数据,得到疲劳测量指标的方差累计贡献率,见表3。一般来说,如果某一项主成分的特征值小于1,那么我们就认为该主成分对数据变异的解释程度比单一变量小,应该剔除。在本次研究中,第六主成分的特征值为1.135,大于1,因此选取前6个作为共同因子,即为作业疲劳的6个维度。在社会科学领域中当因子的累计方差贡献率能高于60%,即表示提取的因子是可靠的,由表3可知,6个共同因子的累计方差贡献率为62.339%。

为使分析更为严谨,利用旋转后的因子结构来综合确定因子数,通过主成分分析得到旋转后的因子载荷矩阵即旋转成分矩阵,见表4。因子载荷系数反映了工人作业疲劳6个维度和19个测量指标(包括题E4)的相关程度,按照因素负荷量的高低排列,因子载荷系数的绝对值越大,表明相关程度越高。在本研究中,由于第6个维度只包含2题,层面所包含的题数太少,并且与前5个维度因子有重复,因此剔除掉第6维度,此时,作业疲劳保留5个维度和18个测量指标,组成新的五因子模型。其中第一维度包括L1,L2,L3,T2,T3,T4,命名为环境因素(包括自然环境和人员环境);第二维度包括H2,H4,H5,命名为职业危害;第三维度包括E5,E6,T1,命名为作业心理;第四维度为E1,E2,E3,命名为作业复杂度;第五维度为H1,H3,H6,命名为人员自身因素。

表3 累计方差贡献率

3)运用Mplus8.0软件验证上述分析中得到的因子结构模型与实际数据的适配性。发现初始的五因子模型拟合度不佳。通过分析题项,结合模型的修正指标修正模型,剔除题项H6,E3,E5,L2,由此组合成五因子修正模型。初始五因子模型与修正后五因子模型指数见表5。由表5数据可知,卡方值减少了200,同时CFI,TLI>0.9时[17],表示模型拟合度较好、RMSEA(Root Mean Square Error of Approximation)值小于0.08时[18],表示拟合较好,模型修正后数据均有所提高,模型整体拟合较好。因此,将破拆作业人员疲劳测量量表的结构最终定为五因子修正模型。

表5 模型拟合指数

3 结论

1)将作业疲劳的概念带入破拆作业领域,提出导致破拆作业人员疲劳的原因由作业环境、作业心理、作业复杂度、职业危害和作业人员自身5个维度构成。

2)构建适用于破拆作业人员疲劳测量量表,该量表可以指导企业对破拆作业人员的职业管理,通过对疲劳五因子的测量,预测加剧其疲劳的原因,并提出改进措施。

3)下一步研究的重点将是探究测量量表各维度间的相互影响机制。