基于PT-IE的区域性企业整体应急准备能力评估分析

尹鑫伟，汪 彤，代宝乾，谢昱姝，王 瑜

(北京市劳动保护科学研究所 城市有毒有害易燃易爆危险源控制技术北京市重点实验室，北京 100054)

0 引言

近四十年来，我国国内生产总值稳步提高，企业生产安全问题也日益成为民生关注的焦点。据我国应急管理部统计，2018年各类生产安全事故死亡共计34 046人[1]，而提升企业应急能力将是减少人员伤亡和财产损失的重要举措，应急准备能力建设成为企业安全生产管理活动的重要内容。在安全事故频发的大环境下，站在政府监管部门的角度，如何科学评价以有效指导和提升地区企业整体应急水平显得尤为重要。

目前在生产安全领域的应急准备能力评价研究，主要运用层次分析法、模糊数学、灰色关联等分析评价方法。江田汉等[2]分析了4大类突发事件的相对风险，选取定性、定量指标构建应急准备能力指标体系，并辨识出应急管理工作中存在的缺陷；苗成林等[3]应用多级模糊评价法对煤矿事故事前、事中及事后应急准备能力进行综合评价，确定了该企业的应急准备能力等级；安景文等[4]通过构建合法性、全面性等5个维度的评估体系，应用基于犹豫模糊集的评价方法，对企业应急预案进行质量评级，并找出了预案的操作缺陷；张少刚等[5]根据化工企业应急救援具体含义，构建了事前监测、事中处置、事后恢复三级指标体系，并应用AHP-模糊数学方法对化工企业进行应急准备能力评价；葛悦等[6]根据调研和专家访谈对突发事件应急管理能力建立三层评价指标，同时关联应用灰色-模糊综合法某区域的突发事件应急管理能力进行验证分析；张利华等[7]分析了应急预案各环节应具备的基本要素，并利用故障树方法对杭州市部分自然灾害应急预案完备性进行实证研究，确定了其中缺少的基本事件，为修订预案提供重要依据。

以上研究没有考虑评价者的心理行为和风险因素之间的相互关系，而专家对指标的评判存在风险偏好[8-9]。本文以某市17个辖区所属各安全生产企业为评价对象，并以辖区为单位，运用前景理论(Prospect Theory，PT)并结合信息论中的熵理论(Information Entropy，IE)改进权重结构，并对各区分析排序，以期反映各区企业整体应急建设水平。

1 企业生产安全事故应急准备能力评价体系

企业应急是针对可能发生的生产安全事故提出的，而应急管理则是对突发事件全局性的动态管理，包括预防与应急准备、监测与预警、应急响应和善后处置等阶段。从事故预防的视角出发，任何生产经营单位在安全生产过程中都存在其固有的内在风险，这种生产安全风险是指危害事件发生可能性与其造成的后果严重性的耦合效应。生产单位一旦发生安全事故，将会对企业、社会和环境造成不可估量的严重后果。因此，企业必须依照相关规定建立健全各项安全生产规章制度、事故应急预案等，并按照文件程序定期辨识、分析企业风险，以保障企业安全运营。而应急准备能力评价指标建设需求受到其自身的管理结构和所处的环境等因素的影响，在面临不同的组织文化、管理水平，不同行业风险承受能力差异时，应急评价指标会存在较大的差异。

本文依据《生产经营单位生产安全事故应急预案编制导则GB/T29639-2013》《生产安全事故应急预案管理办法》《生产经营单位安全生产应急能力评估规范 DB61T 1089-2017》等规范文件,结合应急能力评估具体工作设置以下针对企业生产安全事故应急准备能力评估体系。指标体系如图1所示，评判标准见表2。

图1 企业安全生产事故应急准备能力评价指标体系Fig.1 Index system for evaluation of emergency preparedness capability for work safety accidents in enterprises

2 理论分析及研究方法

2.1 基本原理

Kahneman和Tversky[10]在1979年提出1种称为前景理论的评价决策论，用来描述和预测人们在面临具有不同属性问题决策过程中的心理表现。前景理论以行为有限理性为特征，通常存在期望参照依赖，敏感性边际效用递减和规避损失等影响人们正常决策的特点。

前景理论在评价过程中有2个阶段：编辑和评估[11]。编辑阶段主要内容是将评价者收集的包括确定型的和不确定型信息按照一定规则进行比较分析，若评价结果好于期望参考，那么编码结果显示为收益；若评价结果差于期望参考，编码结果则为损失。评估阶段是对前一阶段得到的初步结果进行再估值，并优选方案的过程。被编辑期望的价值V，用π(pi)和v(xi)这2个主观量度表达。π表示与概率p相对应的评价权重，反映p对期望价值的影响；v反映结果的主观价值，结果损益与设定的期望参考点有关，以v距离参考点位置远近衡量损益程度。前景价值函数Vi模型可表示为[12]：

(1)

表1 应急准备能力评价指标评判标准Table 1 Judgment standards for evaluation indexes of emergency preparedness capability

2.2 价值函数

价值函数v(Δxi)用于衡量各个评价对象前景的结果，反映决策者对不同指标前景损益的评价。其函数图形为1条S型曲线，以期望参考点为拐点，将图形分为收益和损失2个区域，参考点决定评价者的相对损益，如图2所示。收益区间的形状为上凸，即风险厌恶特征(确定效应)，表示人们在面对获得时倾向风险规避不愿冒险。在损失区间的形状为下凹，即风险偏好特征(反射效应)，表现为人们在面对损失时倾向风险探求。一般幂函数形式的价值函数[12]可表示为：

(2)

式中：Δxi为相对于期望参考点的损益值；α和β为风险态度系数(0<α,β<1)；λ为规避系数。

图2 价值函数曲线Fig.2 Value function curve

2.3 权重函数

概率权重π(p)是评价者对指标做出的主观判断，它不是事件结果发生概率p的线性函数，可以理解为考虑了心理尺度的单调递增函数，如图3所示。其次，它所表现出的次确定性，即所有互补概率事件的权重和小于确定性事件概率权重和π(p)+π(1-p)<1。对于小概率事件，评价者总是赋予过大的概率，即π(p)>p，即人们对小概率收益事件倾向风险偏好。对于较大概率事件，评价者总是赋予过小的概率，即π(p)

图3 评价权重函数曲线模型Fig.3 Evaluation weight function curve model

收益权重：

(3)

损失权重：

(4)

式中：γ为风险收益态度系数；δ为风险损失态度系数。

3 基于PT-IE的综合评估模型

3.1 构建初始评价矩阵

设多属性评价问题含有m个评价对象，每个评价对象对应n个评价属性，那么就形成评价初始矩阵X=(xij)m×n,该矩阵包含各评价对象各指标的原始信息。

3.2 标准化评价矩阵

在多指标评价问题中，各指标的属性会有所不同，因此指标存在不同的量纲。为了提高结果的可靠性，元数据需要标准化处理。分别用式(5)，式(6)处理收益型数据和成本型数据。为避免以下步骤求熵时，对数出现负值，需对数据平移1个单位。

收益型指标：

(5)

成本型指标：

(6)

3.3 信息熵权确定

在多指标评价问题中，人们获得信息的数量和质量决定评价的可靠性程度，而熵是度量不确定性的最直接的方式[14]。各评价指标的综合前景必须来自同1个准则权系数向量。

假设fij(i=1,2,…,m;j=1,2,…,n)为第i个评价对象第j项评价指标的样本数据。对于相同的评价指标j，fij差异越大，说明该评价指标对评价对象的作用越大，应赋予较大的熵权；若熵值达到1，即其熵权为0，则表明该评价指标未能提供有效信息，可考虑取消该指标。

代表不确定度的风险熵按式(7)计算[15]：

(7)

(8)

fij表示第j项评价指标下第i个评价对象占该指标的比重。

各评价对象所占熵权wj为：

(9)

熵权不作为某指标实际意义上的重要性系数，在被给定评价对象集后，各评价指标值确定的情况下，表示各指标的相对重要程度,故可用熵权修正主观赋权带来的不确定性。

3.4 确定损益权重函数

在多属性评价问题中，通常以指标权代替概率权[13]，因此损益权重函数可表示为：

收益矩阵：

(10)

损失矩阵：

(11)

3.5 损益矩阵计算

由于评价矩阵标准化过程将元数据规范在区间[1,2]，故在选择期望参考点时，收益型相对效用期望参考选取标准规范化后指标的最小值1，损失型相对效用期望参考选取标准规范化后指标的最大值2。因此，实际价值函数矩阵为：

收益矩阵：

v+(rij)=(rij-1)α

(12)

损失矩阵：

v-(rij)=-λ(2-rij)β

(13)

3.6 综合前景值计算

综合前景Vi是有正负前景共同决定，前景值受各评价对象各指标的权重和损益价值量综合影响。前景理论评价过程是对综合前景优选的过程[12]：

正前景值：

(14)

负前景值：

(15)

综合前景值：

(16)

4 区域性企业整体应急准备能力评价实例

2018年，团队对某市17个辖区共计9 000多家安全生产经营单位进行了应急准备能力现状评估工作。企业类型主要为人员密集单位，包括星级饭店、体育运动场馆以及成规模的商业零售等。在逐一获得各家企业现场评估信息后，以区属企业为单位，对各原始评价数据作平均化处理，最后汇总成初始评价矩阵D=(xij)17×7。

根据式(5)和式(6)将初始数据标准非负化处理后得到表2评价矩阵rij。

表2 标准非负规范矩阵Table 2 Standard nonnegative specification matrix

根据式(7)～(9)得到信息熵值和熵权。

由于原收益型评价指标权重有实际意义，故根据信息熵权修正成本型指标。修正公式为：

(17)

再将权重归一化处理得到期望权重w*，代入式(10)和式(11)计算指标损益权重。Tversky等[12]经研究得出，建议风险系数取值γ=0.61,δ=0.69，较能反映评价者面对收益和损失时的心理干预。各评价指标熵值与权重见表3。

将标准非负评价矩阵代入式(12)和式(13)，得到损益矩阵v+(rij)和v-(rij)。Kahneman等[12]经研究建议，α=β=0.88,λ=2.25，结果较为符合评价者的主观心理价值。

最后，根据式(14)～(16)得到各评价对象的相应的正负前景值以及综合前景值，见表4。

表3 各评价指标熵与权重Table 3 Entropy and weight of each evaluation index

表4 正负前景矩阵Table 4 Positive and negative foreground matrix

依据综合前景(见图4)，可以得到某市各辖区企业安全生产应急准备能力排序：P3区>P16区>P14区>P11区>P17区>P5区>P13区>P2区>P15区>P4区>P10区>P12区>P7区>P9区>P8区>P1区>P6区。

图4 各区综合前景Fig.4 Comprehensive prospect of each district

结合表4分析可知，P1区和P6区出现了综合负前景，P1区生产企业总体收益型指标得分较低，即应急组织体系建设，应急物资装备准备、应急预案筹备、应急演练、教育培训投入等方面都不胜理想；P6区生产企业总体在应急预案筹备和应急演练等方面的工作水平较好，但由于其成本型指标得分较低，导致出现综合负前景，即对P6区属企业安全工作成本投入较多，与其企业数量及其企业总体安全现状不佳有关。从另一角度分析，出现综合负前景说明成本型指标比重大，可优化收益型指标，即可合理安排对安全生产工作产生正效应的安全管理措施。

纵向比较表4可得到各评价项的弱势辖区，横向比较可得到该区的需补强项。譬如，从表4中可知，企业应急救援队伍建设和企业应急组织建设在所有评价项中综合前景偏低，启示该市政府监管部门应将这2项内容纳入下一步整体提升企业应急能力建设工作的重点。

5 结论

1)结合定性、定量方法构建应急准备能力评价体系，明确是非判断标准，减少了评价阶段的主观性，并通过信息熵理论修正指标权重，提高了评价可靠性。

2)通过应用前景理论，考量评价过程中决策者的心理偏好，以相对期望为参考点构建风险损益矩阵，得出各评价对象与各指标的前景值，并可据此分析被评价对象的得分排序及存在的薄弱项，为提高区域性企业整体应急准备能力提供改进方向。

3)该评价方法统一了收益型和损失型2类具有不同数据尺度的评价指标，模型具有指标可横向拓展的优点，可为政府决策部门评估区域性企业综合应急能力及其他具有相同数据结构的评价领域提供新的视角和思路。