基于HSE管理构建石化企业安全生产个性化预测预报系统

张道斌

(国家安全生产监督管理总局化学品登记中心，山东 青岛 266071)

2017年我国发生了较大及以上安全生产事故17起，同比上升54.5%，安全形势严峻。如何有效地预测预报安全生产事故的发生，一直是安全领域重要的议题。建立完善的企业安全生产动态监控和事故预测预报体系一直是国务院、国家安全监管总局重点强调的工作，2017年4月1日我国实施的新版《企业安全生产标准化基本规范》要求：企业应根据生产经营状况、安全风险管理及隐患排查治理、事故等情况，运用定量或定性的方法，建立体现企业安全生产状况及其发展趋势的安全生产预测预报体系[1]。同时，是否建立有效的安全生产预测预报体系也是标准化一级企业区别于标准化二级企业的重要考核条件之一[2]。为此，本文针对目前石化企业建立的安全生产预测预报系统普遍存在的问题，结合石化企业HSE管理的实际，提出了一套能充分反映石化企业安全生产状态的个性化预测预报系统，成为石化企业生产过程中安全管理的重要工具和手段，以促进石化企业的安全生产。

1 石化企业安全生产预测预报的现状与存在的问题

虽然我国相关法律法规及规范性文件要求企业建立安全生产预测预报体系，但目前仍未出台石化企业构建安全生产预测预报体系的指导性标准。部分石化企业为了申请标准化一级企业达标，利用Excel表等工具建立了算法较简单的安全生产预测预报体系。目前，全国25家安全生产标准化一级企业，构建安全生产预测预报体系的方法各不相同，总体来看可分为4类：一是基于隐患分析，通过将统计发现隐患的数量乘以可能造成的不同后果所分配的系数，最后相加求和得出预测指数；二是基于安全风险评价，通过辨识分析可能导致事故发生的危险因素，利用风险矩阵等方法，评价出它们的危险等级并制定管控措施；三是基于某些关键生产控制参数,通过相关软件统计汇总自动化控制系统(DCS)中报警时间、报警数量以及关键指标偏离次数等参数形成预测指数；四是基于层次分析法(AHP)，通过选取一定的预测指标，采用专家打分法和层次分析法相结合的方法确定预测指标权重，并选取相应的数学方法构建安全生产预测模型[3-5]。

然而，石化企业现有的这些安全生产预测预报系统普遍存在预测指标获取不全和预测模型较为简单的问题，如预测指标仅仅考虑隐患数量、事故发生次数、应急演练数量、培训教育次数4项指标，对于规模较大的石化企业来讲，数据收集的全面性和及时性无法得到保证[6]；建立的安全生产预测指数模型只是将上述4项指标按照修正系数进行简单的代数加和，对于石化企业过程安全管理缺乏适应性和精确性，使得构建的安全生产预测预报系统有效性差、结果失真，不能客观地反映石化企业安全生产的实际。因此，结合石化企业HSE管理的实际，选取一套能充分反映石化企业安全生产状态的预测指标是重中之重。

2 石化企业安全生产预测指标的筛选与构成

2. 1 安全生产预测指标的选取原则和来源

安全生产预测指标的选取应与企业的安全生产状况相适应，并且要具有动态性和系统性,既要有定性的指标,又要有可量化的指标[7]。具体选择原则和来源如下：

(1) 为了避免重复工作，并有利于推广，预测指标的选取应建立在企业已有的安全管理体系的基础上，如石化企业的HSE管理体系、安全生产标准化管理等。

(2) 要充分考虑到预测指标数据采集统计工作的困难性和复杂性，应尽量依托企业已有的统计数据和信息统计渠道。

(3) 为了保证采集信息的时效性和真实性，采集信息的中间传递环节要尽可能的少，信息的获取尽可能要来源于直接观察与现场监测。

(4) 为了避免预测信息的片面性，预测指标录入人员应尽可能地覆盖企业各专业、各层级。

(5) 应及时总结预测预报体系的运行情况，调整和优化预测指标和预测模型，使其与企业的实际安全生产状况符合；当预测结果与企业的安全生产实际运行情况出现较大偏差时，应调整相关预测指标、预测模型及阈值[8]。

2. 2 石化企业安全生产预测指标体系的构成

本文在分析大量化工企业安全事故案例的基础上，结合我国企业安全生产标准化管理以及石化企业HSE管理的实际，建立了石化企业安全生产预测指标体系。该预测指标体系可划分为三级，其中一级指标4个，分别是领导力与安全文化、工艺安全信息、过程安全控制、检查与绩效考核[9-12]；二级指标19个，反映了石化企业过程安全管理的各个关键要素；三级指标87个，量化了石化企业生产过程中安全管理的各项具体内容，详见表1。

表1 石化企业安全生产预测指标体系

3 石化企业安全生产预测指数模型的构建

安全生产预测指数可以概括为将影响企业安全生产的预测指标，通过数据统计、建模、分析和计算，用来定量化表征企业安全生产的状态和发展趋势[13]。

本文考虑了安全管理薄弱环节预测和综合预测，构建了基于安全生产预测指标得分的石化企业安全生产预测指数模型，以便能够实时、准确地反映石化企业安全生产的状态，查找企业安全管理的薄弱环节，并对安全生产未来发展趋势做出预测。石化企业安全生产预测指数(SPI)的计算公式如下:

SPI=I1+I2-I3-I4+I5

(1)

式中：SPI为企业安全生产预测指数；I1为安全生产预测指标得分；I2为隐患整改率指数；I3为培训教育指数；I4为应急演练指数；I5为安全生产事故指数。

3. 1 安全生产预测指标得分I1

安全生产预测指标得分I1的计算公式为

(2)

每个三级预测指标满分值为5分，具体评分准则见表2。

表2 三级预测指标评分准则

注：“是”和“否”类型的预测指标，只按符合程度为100%或<30%计算。

3. 2 隐患整改率指数I2

隐患整改率指数I2的计算公式为

I2=B·C

式中：B为隐患的个数；C为隐患整改率对应的修正系数，其取值见表3。

表3 隐患整改率对应的修正系数表

3. 3 培训教育指数I3

培训教育指数I3的计算公式为

(4)

式中：Dn分别为企业级、二级单位级、基层单位级(在统计周期内)教育培训的次数，n=1,2,3；dn分别为企业级、二级单位级、基层单位级培训教育对应的修正系数，n=1,2,3；e1i为企业级培训教育时间比值对应的修正系数，i=1,2,3,4,5；e2i为二级单位级培训教育时间比值对应的修正系数，i=1,2,3,4,5；e3i为基层单位级培训教育时间比值对应的修正系数，i=1,2,3,4,5。

不同的培训教育等级对应的修正系数见表4。

表4 培训教育等级对应的修正系数表

企业从业人员培训教育的实际时间与企业培训教育计划的时间的比值，即培训教育时间比值对应的修正系数见表5。

表5 培训教育时间比值对应的修正系数表

3. 4 应急演练指数I4

应急演练指数I4的计算公式为

(5)

式中：Fn为分别企业级、二级单位级、基层单位级(在统计周期内)应急演练的次数，n=1,2,3；fn分别为企业级、二级单位级、基层单位级应急演练对应的修正系数，n=1,2,3；e1i为企业级应急演练结束后一段时期内的修正系数，i=1,2,3；e2i为二级单位级应急演练结束后一段时期内的修正系数，i=1,2,3；e3i为基层单位级应急演练结束后一段时期内的修正系数，i=1,2,3。

不同应急演练级别对应的修正系数见表6。

表6 不同应急演练级别对应的修正系数表

此外，还需要考虑应急演练后20 d内对企业安全生产状况产生的不同影响，应急演练后各段时间内对应的修正系数见表7。

表7 应急演练后时间对应的修正系数表

3. 5 安全生产事故指数I5

安全生产事故指数I5的计算公式为

I5=G1g1+G2g2+G3g3+G4g4+G5g5

(6)

式中：Gn为(在统计周期内)当期各级事故起数；gn为当期不同级别事故对应的修正系数，n=1,2,3,4,5。

不同级别事故对应的修正系数见表8。

表8 不同级别事故对应的修正系数表

4 石化企业安全生产预测预报系统的应用与分析

石化企业可根据上述预测方法开发定制安全生产个性化预测预报系统的管理软件，其中预测指标的录入数据可从石化企业安全管理信息系统自动获取，从而实现了安全生产预测预报系统和安全管理系统的数据共享[14-15]。石化企业安全生产预测预报系统通过预测指标数据的采集和录入，依据安全生产预测指数模型自动计算出4个一级指标的分数，4个一级指标的分数取平均值并结合相关修正系数生成预测指数；然后将每段时期的预测指数相连，形成预测指数曲线；最后采用离散灰色DGM(1,1)预测模型来预测企业安全生产未来的发展趋势[16-17]。具体过程如下:

设X(0)为非负序列，即X(0)={x(0)(1),x(0)(2)，…，x(0)(n)}，计算X(0)的一次累加生成序列X(1)，有

X(1)={x(1)(1),x(1)(2)，…，x(1)(n)}

则离散灰色预测模型X(1)(k+1)=β1x(1)(k)+β2的最小二乘估计参数列满足:

取x(1)(1)=x(0)(1),则递推函数为

基于上述模型的建模原理和某石化企业2017年1至6月份的预测指标数据，所得预测结果如下：

X(0)=(43.61,48.32,42.82,32.67,37.85,45.64)

X(1)=(43.61,91.93,134.75,167.42,205.27,250.91)

取3步预测值分别为37.59、36.40、35.24。

预测模型的误差检验结果见表9。

表9 预测模型误差检验表

由表9可知，预测模型的模拟值与原始值的误差较小，平均相对误差为0.112 7，表明预测模型精度较高可以使用。

图1为某石化企业2017年某月4个一级指标的得分分布图，由此可以发现该企业安全管理的薄弱环节。

图1 某石化企业2017年某月4个一级指标的得分分布图Fig.1 Distribution of the four first-grade indexes’ scores of a petrochemical enterprise in a month of 2017

利用某石化企业一级指标的得分，通过安全生产预测指数模型计算出当月的预测指数，每月的预测指数相连接形成预测指数曲线，并根据已生成的预测指数曲线利用离散灰色DGM(1，1)预测模型，可以预测得到未来一段时间该企业安全生产预测指数(SPI值)及其发展趋势曲线，见图2。

图2 某石化企业2017年安全生产预测预报图Fig.2 Forecast chart of work safety of a petrochemical enterprise in 2017

5 结论与建议

安全生产预测预报技术是目前企业安全生产管理研究领域的一个新课题，与传统方法相比，本文提出的基于石化企业HSE管理的安全生产预测预报系统(方法)更符合石化企业的实际，具有适用性和准确性。该方法融合了石化企业日常安全管理的数据，并能够实现与安全管理信息系统的数据共享，可为国家制定石化企业安全生产预测预报技术指导标准提供依据。然而，目前该预测预报系统只是从管理信息系统自动获取数据，今后还需要进一步借鉴“大数据”的相关技术，充分利用其他数据库(如设备设施、DCS仪表)等获取更为有效的数据信息，这将会极大地提高企业安全生产预测预报系统数据采集、数据挖掘的效率，使石化企业安全生产预测预报系统真正成为安全管理的重要工具和手段。对于预测阈值范围的划定尚需基于实践积累和经验不断完善，并在企业实际运行数据的基础上进行修正，将会取得更加理想的预测效果。另外，在预测预报系统具体实施的过程中，还需要考虑一些其他因素，并在企业进行试点应用与实践中，不断优化该安全生产预测指标体系、完善安全生产预测模型，这将是下一步研究工作的重点。