基于云物元理论的矿工行为安全水平评价研究

2021-04-06白彦龙李海立白长江薛玉壁彭佳佳

煤矿安全 2021年3期

白彦龙，陈昱，李海立，白长江，西龙，薛玉壁，彭佳佳，王欣

（1.河南省正龙煤业有限公司城郊煤矿，河南永城476600；2.中国矿业大学（北京）应急管理与安全工程学院，北京100083）

统计表明，大多数煤矿事故都与不安全行为有关[1]。近年来，随着机械化水平的提升和安全监管的越发严格，由设备和环境引起的事故逐渐减少，但由人员引起的事故所占的比例在增加[2]。因此，科学合理的评价体系有助于煤矿准确迅速地掌握一线员工行为安全水平，确定不安全因素，并采取针对性措施，进而预防和减少事故。国内外学者对煤矿井下作业人员行为安全水平的研究主要有2 种，一种是基于不安全行为发生机理，构建不安全行为的仿真演化模型，通过调节模型参数来判断掌握安全行为水平，如Cao 等人结合遗传算法和BP 神经网络算法对煤矿工人群体安全行为进行了全面的定性模拟[3]；杨雪等采用系统动力学（System dynamics, SD）方法，构建情感事件视角下矿工不安全行为影响因素SD模型，并进行了影响因素对不安全行为的作用研究[4]。另一种是构建煤矿工人不安全行为的评价指标体系，结合指标权重进行综合评价，如安景文等从管理因素、作业环境、机械设备、员工自身素质、班组5 个方面建立了评价指标体系，并利用网络层次分析法（Analytic Network Process, ANP）确定了指标权重[5]；黄萍等从一线职工行为、班组长行为、管理者行为以及组织行为4 个方面来建立指标体系，构建了煤矿职工不安全行为的熵权物元可拓模型[6]；郑侨宏等基于多元集对联系数，围绕组织技术、行为个体，技术和环境因素，建立了矿工不安全行为风险态势评估模型[7]。通过建立指标体系对行为安全水平进行评价，相较于构建复杂的演化推理模型，更有利于快速掌握企业当前的人员行为安全水平。基于此，利用SHELL 模型建立评价指标体系，引入云物元理论建立评价模型，收集煤矿企业不安全行为的相关数据对该模型进行有效性验证。

1 构建指标体系

1972 年英国学者Edwards 首次提出SHEL 模型，用于研究与系统资源相关的人机工程学问题，Hawkins 在原模型基础上进行改进并图表化，形成了SHELL 模型[8]。SHELL 模型包括软件（Soft, S）、硬件（Hard, H）、环境（Environment, E）和人（Litigant,L）4 个要素，其中，人处于整个模型的中心位置并与其他要素相连形成S-L 界面、H-L 界面、E-L 界面、L-L 界面。人与其他4 个界面的不匹配被认为是人失误的根源。人的不安全行为是人失误的特例，人失误的致因分析和预防措施也适用于人的不安全行为[9]。因此可以依据SHELL 模型，结合前人、成果以及煤矿的实际情况，从人的因素、S-L 界面因素、H-L 界面因素、E-L 界面因素、L-L 界面因素5 个方面选取指标，建立不安全行为的评价体系。最终确定了19项评价指标，矿工行为安全水平评价指标体系如图1。

图1 矿工行为安全水平评价指标体系Fig.1 Evaluation index system of behavior safety level of miners

2 建立评价模型

煤炭生产系统是一个复杂的社会技术系统，受内外部因素的影响，对煤矿员工行为安全水平的评测也具备不确定性的特点，尤其是随机性和模糊性。其中，随机性主要指不安全行为的发生具有一定的随机性，而模糊性主要指行为安全水平的“好”和“坏”没有明确的界限，评价指标需要主观进行判断。云模型在考虑随机性和模糊性的同时，实现了定性概念与定量数值之间的不确定性转化。此外，所构建的评价指标同时存在正向评价型和反向评价型，引入可拓理论中的物元分析，将正向评价型和反向评价型指标的矛盾转换为相容，建立基于云物元理论的矿工行为安全水平评价模型。

2.1 云物元理论

为了能够清晰地说明模型的评价步骤，对云物元理论的具体原理进行阐释。假设C 是定量论域V上的一个定性概念，x∈V 为C 上的一次随机实现，将x 对C 的确定度记为μ（x）∈［0，1］，且μ（x）是稳定倾向随机数，那么μ：V→［0，1］，∀x∈V，x→μ（x）。则x 在V 上的分布即形成了云C（x），点［x，μ（x）］被称为“云滴”。云模型一般用期望Ex、熵En、超熵He这3 个特征值来表示。对于云C（Ex，En，He），Ex是定性概念C转化为数值后的中心值，即平均值; En是定性概念C不确定性的度量，定性概念C 的模糊程度随着En值的增大而增大；He是对熵不确定性的度量，C 的离散程度随着He值的增大而增大。对于现实问题的定性模糊概念C，正态云模型具有普适性，选取正态云模型进行分析[10]。

物元理论中定义物元为事物的基本元R，则R＝（N，c，V），其中，N 为事物名称，c 为事物特征，V 为事物特征的值，用云模型中的特征值（Ex，En，He）来代替V，得到云物元模型：

2.2 评价步骤

N 为煤矿企业的行为安全水平，C1、C2、…、Cn为行为安全水平的n 个指标，（Ex，En，He）为指标的等级区间。应用云物元模型进行评价的基本思路是，首先将待评价事物进行等级划分，用云模型来表示每个等级，形成评价等级“标准云”；然后对每个指标进行评价，将评价语转化为云模型，形成每个指标的“评价云”，并结合指标权重，拟合出最终的评价结果“综合云”；最后，将结果“综合云”与等级“标准云”对比，得到评价等级。

2.2.1 生成评价等级“标准云”

结合煤矿安全相关评价的实际执行情况，将煤矿不安全行为水平划分为优秀级（I 级）、良好级（Ⅱ级）、一般级（Ⅲ级）、较差级（Ⅳ级）、差级（Ⅴ级），对应划分每个指标的等级，每个等级的分数区间分别为［100，90］、（90，80］、（80，70］、（70，60］、（60，0］。将评价指标的等级用云的特征值来表示，其每个等级之间的无法严格区分，等级之间具有模糊性，采用式（2）～式（4）进行转化。

式中：Lmax、Lmin为指标等级上限和下限；f 为常数，需根据指标的不确定性和实际情况进行调节。

2.2.2 确定指标权重

指标权重的确定会直接影响到最终评价结果的精准度，权重确定方法主要分为主观赋权法和客观赋权法。前者可以反映出评价专家的知识经验，但可能具有主观随意性；后者主要是根据指标间的相关关系或指标值变异程度来确定权重，避免了人为偏差，但是不能体现评价专家的决策意图。综合2 种方法的优点，采用主客观相结合的组合赋权法来确定不安全行为评价指标的权重。主观赋权采用层次分析法，客观赋权采用熵权法，具体计算公式可参照文献[11]。采用式（5）进行组合权重计算。

式中：ωi为第i 项指标的组合权重；λi为主观赋权得到的第i 项指标权重；μi为客观赋权得到的第i项指标权重；α 为主观偏好系数，通常取0.5。

2.2.3 生成指标的“评价云”

组成专家组，按照指标的等级划分，给出每个指标的评分。根据所有专家的评分值，将对某项指标的评价转化为以云特征值来表示，消除主观打分的模糊性，采用近似法进行计算[12]。

式中：xi为第i 个专家对某项指标的打分值；n为专家数；（Ex，En，He）为该项指标评价结果的云特征值。

2.2.4 结果“综合云”的计算

通过对每个指标的打分和转化，可得到每个指标的“评价云”，但还需要从低一层次指标向高一层次进行拟合，得到最终评价结果的“综合云”。采用文献[13]提出的虚拟云中浮动云的综合运算方法，对下一层指标评价结果向上拟合。

3 实例应用

选择煤矿C 作为评价应用试点，对该煤矿进行调研。由行业专家和煤矿各级人员共8 人组成评价专家组。分别采用层次分析法和熵权法，根据问卷结果，计算指标的权重值，根据式（5）得到每项指标的组合权重，再由每位专家对指标进行打分，得到所有指标的评分值。以“安全知识技能（C11）”这一指标为例，8 名专家打分依次为82、84、81、79、84、83、82、77。各级指标权重值及评价结果云特征值见表1。

根据式（6）～式（9）计算出该指标评价结果的云特征值，利用云的正向发生器，得到的该项指标评价结果的云图如图2。由图2 可以看出，专家组对于“安全知识技能”这一指标的评价介于“良好”级和“一般”级之间，且更倾向于“良好”级，对该指标的评价较为集中。

以此类推，得到所有指标评价结果的云特征值，进行计算，可得到所有二级指标评价结果的云特征值，根据表1 中二级指标的权重值和评分云特征值，可得到煤矿井下作业人员行为安全水平评价结果的“综合云”特征值为（84.642，3.121，1.103），将“综合云”与评价等级“标准云”在云图上显示结果如图3，可以直观的看到，该煤矿井下作业人员行为安全水平等级为良好级。通过查阅当前阶段该煤矿的事故记录等，与实际情况相符。

表1 各级指标权重值及评价结果云特征值Table 1 Index weight values at all levels and cloud characteristic values of evaluation results

图2 “安全知识技能（C11）”评价结果云Fig.2 Evaluation value cloud of“safety knowledge and skills（C11）”

4 结语

依据SHELL 模型，建立了煤矿井下作业人员行为安全水平评价指标体系，该指标体系由人的因素、S-L 界面因素、H-L 界面因素、E-L 界面因素、L-L界面因素5 个二级指标以及对应的19 个三级指标组成，使得评价指标体系更加完善；引入云物元理论，在评价指标体系的基础上，构建了煤矿井下作业人员行为安全水平评价模型，同时解决了评价过程中的模糊性和随机性问题，提高了评价精确度；将本模型应用于C 煤矿的实际评价，得到C 煤矿的井下作业人员行为的安全水平为良好级，与实际情况相符，说明该模型具有一定的可行性和科学性。