基于C-OWA和云模型的高校化工实验室安全韧性评价

张洪杰，余恺瑞，魏甜甜，聂俊杰

（武汉科技大学a.资源与环境工程学院；b.湖北省工业安全工程技术研究中心；c.冶金矿产资源高效利用与造块湖北省重点实验室，武汉 430081）

0 引言

化工实验室是高校实验室的重要组成部分，伴随着科教兴国战略的实施，化工类实验室的规模不断扩大、数量不断增多，但同时也面临着人员流动性大、管理不规范、危险有害因素多等问题，安全事故时有发生［1］。如2018 年，北京某高校学生在处理垃圾渗滤液污水试验期间发生爆炸，造成3 人死亡；2021 年，南京某高校实验室发生爆燃，造成2 人死亡，8 人受伤。因此，探索高校化工实验室安全研究的新范式，找出提升安全水平的新方法，对于高校化工实验室高质量发展具有重要意义。

国内外针对高校化工实验室的安全问题进行了广泛的研究，主要集中在风险评价、安全管理和事故分析等方面。在风险评价方面，刘音等［2］基于4M 事故致因理论和灰色层次分析法，构建高校煤化工实验室风险评价模型。刘义等［3］针对化工类实验室的固有风险，从物质、工艺、设备出发，提出一种风险评价方法。姚洁等［4］采用AHP和物元可拓的组合模型，对一间化工实验室进行安全评价。在安全管理方面，韩玉德［5］从防范、应急和善后3 个维度来分析化工实验室安全管理所存在的问题，并探究了开展安全管理工作的措施。阳富强等［6］运用系统动力学建立实验室安全管理模型，预测实验室安全管理水平的发展趋势。Olewski等［7］提出了一种应用过程安全管理原则的方法，讨论了高校实验室过程安全管理面临的挑战，并提出了相应的解决方案。在事故分析方面，付净等［8］采用“2-4”事故致因模型，分析了107 起高校实验室事故，发现实验试剂材料的使用环节为事故多发环节。李志华等［9］从风险的角度，对高校化工实验室的事故类型以及危险性进行总结分析，并提出针对性的管理对策。Ma等［10］收集了39 起实验室火灾爆炸事故，利用HFACS-FBN模型对事故人为因素进行探讨。以上研究为高校化工实验室安全发展提供了，但缺乏考虑系统面对风险或事故的发展变化过程和优化能力。

韧性作为系统安全的重要属性，强调系统面对风险冲击扰动时的抵抗、应对、恢复及适应能力，聚焦于系统面对不利事件的过程表现［11］，弥补了传统风险理论只关注系统运行某一过程中的局限性。目前，韧性理论已广泛应用于安全科学领域［12］，如城市防灾［13］、消防安全［14］、施工安全［15］等。王菡等［16］将韧性理论与高校实验室安全管理相结合，构建了安全管理韧性模型，同时也提出展望：韧性理论在高校实验室安全研究中还需进一步深入。基于此，本文将韧性理论与高校化工实验室安全研究相结合，界定高校化工实验室安全韧性的概念，构建以稳定性、冗余性、效率性和适应性为核心的评价指标体系，采用有序加权平均COWA 算子确定指标权重，利用云模型处理不确定信息，对高校化工实验室安全韧性进行评价，为风险防控、安全管理提供参考。

1 高校化工实验室安全韧性

1.1 高校化工实验室安全韧性概念

韧性原意为物质受到外力时的抵抗能力，1973年，Holling［17］将韧性理论引入到生态系统评估框架中，将其定义为系统在重组后和形成新的结构平衡前，可以吸收转化扰动的能力。至此，韧性理论扩展到了城市建设、工业安全、心理学等领域，并逐渐趋于完善。韧性的具体含义需要根据各类领域的实际情况来进行定义［18］，但都有其共性：系统受到不利事件扰动和冲击时，能够通过内外部条件进行应对与调整，从而实现系统安全的可持续发展。

基于韧性的概念及其特征，结合高校化工实验室特点，将高校化工实验室安全韧性定义为：高校化工实验室面对未知风险的冲击时，安全系统完成吸收、应对和恢复，并通过相应措施进行调整，促进自身优化，从而达到更好安全状态的能力。

高校化工实验室安全韧性通过维持、吸收、应对、恢复和优化5 个阶段来实现整个安全系统的动态发展。基于此，构建高校化工实验室安全韧性的概念曲线，如图1 所示。在t0～t1阶段，安全系统还未受到冲击，系统处于初始的安全状态。当t1节点安全系统的承受能力超出阈值时，便开始遭受风险的冲击。在t1～t2阶段，冲击持续存在，超过了系统维持安全状态的最大安全容量，系统遭受破坏。在t2～t3阶段，系统开始采取必要的资源或措施应对冲击，进入t3～t4恢复阶段。在t4～t5阶段，系统借助恢复手段可以恢复至初始安全状态（a），也可以通过学习能力进行强化，恢复至更优的安全状态（b），若系统恢复、学习优化能力较弱，则不能恢复至初始的安全状态（c），不能承受未来的风险冲击。

图1 安全韧性概念曲线

1.2 基于安全韧性特征要素的高校化工实验室安全韧性评价指标体系

在进行系统安全韧性评价前，需要基于安全韧性特征要素选择合适的指标。通过查阅相关文献［11-16］，本文选择稳定性、冗余性、效率性和适应性作为高校化工实验室安全韧性的4 个特征要素。高校化工实验室安全韧性通过4 个特征要素，对安全系统进行支撑，完成其表现过程。

稳定性是安全韧性表现的基础要素，是系统抵御冲击的固有属性，指系统面对风险冲击时，最大限度维持其安全状态的能力。冗余性表示系统安全状态受到破坏时，能够通过备用、增设的资源和措施进行应对和恢复，保持系统正常运转的能力。效率性表示系统应对冲击或不利事件时，尽可能减少其存在的时长和损失程度，加快恢复至安全状态的能力。适应性决定了系统在冲击之后的总结与学习情况，表示系统不断优化的学习能力。

基于高校化工实验室安全韧性概念与特征要素，参考有关文献［2-4］，并结合《高等学校实验室安全规范》（教科信函〔2023〕5 号）《高等学校消防安全管理规定》（公安部令第28 号）《学生伤害事故处理办法》（教育部令第12 号）等文件，构建出由稳定性、冗余性、效率性和适应性为核心的安全韧性评价指标体系，如图2 所示。

图2 某校化工实验室安全韧性评价指标体系

2 基于C-OWA 和云模型的高校化工实验室安全韧性评价方法

2.1 C-OWA确定指标权重

C-OWA算子是OWA 算子的改进，该方法能够充分考虑专家的主观偏好，将专家所赋权重与组合数结合，以弱化专家评分中的主观性因素的影响，实现对指标的科学加权，具体计算步骤如下［19］：

（1）邀请n位专家，利用10 分制对各指标重要程度进行打分，分值的大小代表影响因素的重要程度。原始的打分数据集合Y=｛a1，a2，…，an｝，对集合内的数据从大到小进行编号重新整理，得到新的数据集合U=｛b1，b2，…，bn｝。

（2）确定加权向量。新的数据集合B的加权向量ωj+1可由组合数确定：

（3）利用加权向量ωj+1对数据集合B加权，得出评价指标的绝对权重

式中，i为评价指标，i=1，2，…，m。

（4）计算评价指标的相对权重

2.2 云模型确定评价等级

2.2.1 云模型基本理论

云模型是以模糊理论和概率论为基础的数学理论，由李德毅等［20］在1995 年提出。该模型能够实现定性与定量之间的转换，很好地解决了复杂决策过程中存在的模糊性和随机性［21］，目前在决策领域已得到广泛应用。云模型的基本概念如下：

U为一个定量论域，C为定性概念。论域U中存在着任意元素x，为定性概念C的一次随机实现，x对C的隶属度μ（x）∈［0，1］是稳定的随机数值，即μ：U→［0，1］，∀x∈U，x→μ（x）。若满足x～N（Ex，En′2），其中En′～N（Ex，En2），则x对C的隶属度为：

云模型的数字特征由期望Ex、熵En、超熵He组成，是定性概念的定量描述。期望Ex为定性概念在论域U中的值；熵En是定性概念的模糊、离散程度，能够反映云滴的取值范围；超熵He表示熵的不确定性度量，即为熵的熵，He越大，云滴的厚度越大。

云模型通过云发生器来进行定性与定量之间的转换，云发生器又被分为正向和逆向［22］。正向云发生器通过输入已知的数字特征，输出N个云滴的定量值，来实现定性到定量的映射；逆向云发生器则是将一定数量的样本数据进行转换，产生数字特征，实现定量到定性的转换，云发生器的表现过程如图3 所示。

图3 云发生器

2.2.2 云模型综合评价

（1）确定标准云。将各指标及高校化工实验室安全韧性等级分为“差（Ⅰ级），较差（Ⅱ级），中等（Ⅲ级），较好（Ⅳ级），好（Ⅴ级）”5 个等级，评价等级分值采用百分制，根据

确定标准云的数字特征，如表1 所示（本文中，k的取值为0.5）。

表1 评价范围及标准云数字特征

根据表1 中的云模型参数，以评分值为横坐标，隶属度为纵坐标，云滴数N取1 000，利用Matlab编程得到5 个标准云的云图，如图4 所示。

图4 标准云的云图

（2）为实现定性与定量之间的转换，首先基于评价矩阵，由逆向云发生器生成云模型的数字特征。邀请k个专家对n个评价指标进行评分，构建评价矩阵

式中，Pij为第i位专家对第j个评价指标的评价结果，i=1，2，…，k；j=1，2，…，n。

（3）计算第j个指标的评价云Cj（Exj，Enj，Hej）：

（4）计算上一级评价云C（Ex，En，He）：

（5）由正向云发生器生成综合评价云图，将综合评价云图与标准云图进行对比，选取与综合评价云图最为接近的标准云图作为评价结果，得到高校化工实验室安全韧性等级，结束评价流程。

3 实 例

为验证评价方法的可行性和有效性，选取武汉市某高校化学与化工学院实验楼，邀请5 位经验丰富、专业性强的安全工程专家，对该实验楼多间实验室的整体安全韧性进行评价，专家基本信息如表2 所示。该实验楼的实验室主要承担精细化学品化学、化工环保、煤炭转化等方向的科研项目，共有35 间，日均实验人数约为100～120 人。近年来，实验楼隶属学院积极响应科教兴国战略，大力发展科研教育，科研项目与实验人员不断增多的同时，其安全状态的不确定性也随之增大，因此，选择该研究对象具有代表性。

表2 专家基本信息

3.1 确定指标权重

5位专家为各韧性指标的重要度进行打分，通过式（1）～（3）计算各指标的权重。以指标“稳定性A”为例，专家原始打分集合Y=（9，9，8.5，8，9）；对集合Y进行排序，得到集合U=（9，9，9，8.5，8）；其次，由式（1）确定加权向量：（0. 062 5，0. 25，0. 375，0.25，0.062 5），根据式（2）计算指标“稳定性A”的绝对权重为8.812 5，同理可得，指标“冗余性B”的绝对权重为6.187 5，指标“效率性C”的绝对权重为7.687 5，指标“适应性D”的绝对权重为8.312 5。最后，由式（3）可得到一级指标权重为（0.284 3，0.199 6，0. 248 0，0.268 1）。按上述步骤计算出其他指标的权重，见表3。

表3 评价指标的权重及云模型数字特征

3.2 确定各指标云模型参数

根据表1，邀请5 位专家对二级指标进行评分，通过式（7）计算二级指标的云模型数字特征，随后通过式（8）进行权值合成，计算得到一级指标和安全韧性综合评价的云模型数字特征，结果见表3。

3.3 评价结果分析

通过正向云发生器，利用Matlab 编程，得到各一级指标及综合评价结果的云图，如图5 和图6 所示。

图5 一级指标评价云图

图6 综合评价结果云图

指标“稳定性A”的评价云滴与“较好（Ⅳ级）”更为接近，则“稳定性A”的评价等级为“较好（Ⅳ级）”，表明该实验楼的实验室安全系统面对扰动和冲击时，抵御能力较强，能最大程度维持系统安全状态。该实验楼于3 年前进行翻新改造，基础设施、实验设备使用年限较短，实验环境优良，且由于实验过程中涉及到危险材料，实验楼隶属学院以及课题组对于危险化学品、风险源评估较为重视，有关制度、标准的完善程度较高。

指标“冗余性B”的评价云滴与“中等（Ⅲ级）”更为接近，则“冗余性B”的评价等级为“中等（Ⅲ级）”，表明该实验楼的实验室安全系统在发生破坏时，储备资源和措施有限。实验楼隶属学院着重关注基础设施和安全管理体系的发展，却忽略了储备资源的重要性。

指标“效率性C”的评价云滴与“较好（Ⅳ级）”更为接近，则“效率性C”的评价等级为“较好（Ⅳ级）”，表明该实验楼的实验室安全系统能够有效降低冲击不利事件的存在时长和严重程度。实验楼周围2 km 内有2 家医院、1 处消防救援站，救援可达性强。同时，校园及实验楼的安全通道、疏散指示标志和安全出口设置完善，消防系统布设较完备。

指标“适应性D”的评价云滴与“中等（Ⅲ级）”更为接近，则“适应性D”的评价等级为“中等（Ⅲ级）”，表明该实验楼的实验室安全系统学习优化能力一般。该实验楼的1 间实验室曾发生过1 起机械伤害事故，1名实验者的手指被设备挤压，导致挫伤。事发之后，有关单位对事故的调查过程简略，报告不完善，有关的安全教育培训工作开展较少。该实验楼的实验室安全韧性综合评价云滴与“较好（Ⅳ级）”更为接近，则安全韧性的评价等级为“较好（Ⅳ级）”，处于可接受状态，评价结果与实际情况基本相符，评价方法可行有效。

综上所述，根据安全韧性特征要素的评价结果，需要采取必要的措施来提高安全韧性的整体水平。4 个安全韧性特征要素的期望值Ex排名为：效率性C（75.74）＞稳定性A（74.25）＞冗余性B（52.47）＞适应性D（45.33）。“适应性D”的期望值Ex最低，所以应将适应性作为主要管理重视目标，提高事故调查处理能力，完善绩效考核制度，加强对于师生的安全教育培训，从而促进实验室安全系统的优化。其次，应加强储备资源的建设，保证应急物资、应急队伍等资源的完善程度，使“冗余性B”能够发挥最大的应对与恢复作用。“稳定性A”与“效率性C”的期望值Ex较高，但仍有一定的提升空间：在保持当前稳定性水平的同时，确保实验设备、实验环境、能源供应系统和化学品等固有物质的处于最优状态；在保持当前效率性水平的同时，完善应急管理机制和应急响应预案，并加强消防系统的维保力度，保证安全应急通道的畅通。

4 结语

（1）将安全韧性理论引入高校化工实验室安全研究中，界定高校化工实验室安全韧性概念，构建以冗余性、稳定性、效率性、适应性为核心的评价指标体系，并提出一种基于C-OWA 和云模型的安全韧性评价方法，为高校化工实验室安全发展提供新思路。

（2）将方法应用于武汉市某高校化学与化工学院实验楼的实验室，对其整体安全韧性水平进行评价，评价结果显示，该实验楼的实验室整体安全韧性等级为“较好（Ⅳ级）”，与实际情况基本相符，表明方法具有一定的可行性和有效性。

（3）本文关于高校化工实验室安全韧性评价指标体系中的指标多为定性指标，在评价过程中的主观性无法完全避免。在下一步研究工作中，需要进一步丰富评价指标体系，增加定量指标，以提高韧性评价结果的准确性。