基于关联规则的煤矿机电运输事故不安全行为分析

2022-02-15葛晨迎张树川副教授杨文旺讲师

安全 2022年1期

葛晨迎张树川副教授杨文旺讲师

(安徽理工大学安全科学与工程学院，安徽淮南 232001)

0 引言

煤炭一直是我国一次能源生产的主体，2000-2015年一直占据一次能源生产的7成以上，之后占比有所下降，但仍超过68%，产量位居世界首位[1]。煤炭生产导致煤矿事故频繁发生，2018-2020年间，煤矿运输事故发生数量仅次于顶板事故排在第二位[2-4]。近几年机电运输事故死亡人数占煤矿事故总死亡人数比值呈小幅度上升趋势，这是因为其他事故(如瓦斯爆炸事故等)得到了遏制，煤矿机电运输事故所占比例越来越大。预防煤矿机电运输事故对于煤矿安全形势的改善具有重要作用。因此很多学者研究煤矿机电运输事故的发生规律来减少事故的发生。许多康[5]根据16个国有重点煤矿近10年的运输事故统计资料，分析研究煤矿发生的典型运输事故原因，提出煤矿运输事故风险防控措施；张苏[6]对1980-2014年间发生的死亡3人及以上的80起煤矿运输事故的不安全动作原因进行研究，发现运输事故一般规律；张鹤霄[7]总结常见煤矿倾斜井巷中的运输事故种类及其发生原因；宣文举[8]从煤矿机电事故产生的危害入手分析出生产安全制度因素、人员因素、设备因素会造成煤矿机电事故，并针对这3个方面提出防范对策。以上研究对煤矿事故的发生预防均有重要意义，但侧重对煤矿机电运输事故原因的分析，对事故中不安全行为关联规则研究较少。基于此，本文从煤矿安全生产网和应急管理部公布的煤矿事故案例中选取2015-2021年发生的90起机电运输事故作为案例样本，统计分析煤矿机电运输中的不安全行为，共计117次，研究不安全行为在动作分类、班次、月份、地点和岗位5个方面的关联度，以期为煤矿机电运输事故的检查、培训等工作提供参考。

1 不安全行为致因分析

1.1 不安全动作分析

煤矿的不同作业区域中，作业环境、设施设备都存在差异[9]，对煤矿不同作业区域一线工人的不安全动作进行具体统计分析得到，一线工人的不安全动作共计42种，划分为8种类型，见表1。

表1 一线工人不安全动作统计表Tab.1 The statisticsTable of unsafe actions of front-line workers

续表

数量最多的不安全动作类型是“作业行动错误”，占38.46%，其次为“冒险作业”，占33.33%。这2种不安全行为发生较多，一是因为安全知识、操作技能不足，导致不安全行为发生；二是因为安全意识不强，没有意识到此类不安全动作会导致事故发生，对做出的不安全动作没有在意。对矿工进行安全教育时可对这2种动作类型进行有针对性的教育培训，并且注重培养和提高员工的安全意识。

1.2 时间班次分析

国内煤矿作业多采用“三八制”作业，一天分为3个班次,0～8时为早班，8～16时为中班，16～24时为晚班。不安全动作的发生在班次分布上有不同特征，据统计，机电运输事故发生在中班最多，56次(占47.86%)；晚班次之，33次(占28.21%)；早班最少，28次(占23.93%)。中班时间段中14：00～15：59发生机电运输事故次数最多，此时间段为中班临近结束时段，工人临近下班放松警惕，身体疲惫，易发生不安全行为；12:00～13:59、8：00～9:59、10:00～11:59发生次数依次降低。从事物的对立面看，中班时间段比较符合人正常的作息时间，早班和晚班所处时间段会对人的精神和身体有负面影响，对安全生产可能存在更大阻碍，井下管理人员会花费更多时间、精力对这2个班次进行监督检查，从而早班和晚班发生的事故变少，中班发生的事故所占比例就会变大。

1.3 事故月份分析

据统计，1～3月不安全行为发生较少，为平安过年，企业加大安全教育，员工更加注意安全，做到安全生产;4～9月事故发生较多，天气逐渐转热，工人从心理到生理上都会不适应、心浮气躁造成事故发生;10～12月，天气转凉，工人精神状态良好，事故发生减少，见表2。

表2 不同月份不安全动作分布Tab.2 The distribution of unsafe actions in different months

1.4 事故地点分析

井下环境错综复杂，矿工在不同地点发生不安全行为分布也存在差异[2]，根据统计：工作面不安全行为发生最多，共计38次；轨道巷次之，共计27次；再次之为风巷、车场、上/下运输巷道、轨道上/下山、变电所、硐室、其他，数量分别是15、9、7、7、5、5、4次，累计数量52次，占总数量的44.4%。在对矿工进行安全教育培训时，要着重针对工作面和轨道巷处的安全操作知识、技能、安全意识等进行培训，并加强管理，避免由于管理不当、工人因侥幸心理和群体心理或知识技能储备不足而导致不安全行为发生，对煤矿安全造成不良后果。

1.5 岗位分析

产生不安全行为的工作人员共4种：一线工人、班组长、安全员、管理人员。一线工人产生的不安全行为数量最多，83次，达到总数的70.94%，一方面是因为一线工人数量占工作人员的大多数，另一方面是因为相比较其他工作人员，一线工人的受教育程度较低，不能严格遵守行为规范、有效识别风险。因此要加强矿工相关技能的教育培训和提高其对风险的认知能力。班组长、安全员、管理人员的不安全行为分别发生22、2、10次。

2 Apriori算法原理

Apriori算法关联规则描述：集合I={i1,i2, …，im}为项的集合。项目集是由I中项目构成的集合，假定数据库D，关联规则是形如X=>Y的规则，其中X、Y为项目集且交集不为空[10]。支持度和置信度为关联规则指标。关联规则中支持度为s，即：

s=P(XY)

(1)

式中：

P(XY)—集合中X、Y同时发生概率。

置信度为c，即：

(2)

式中：

P(Y|X)—在X的前提下，同时出现Y的概率。

若关联规则中支持度和置信度均大于或等于指定的最小支持度和最小置信度，则称关联规则X=>Y为强关联规则，否则称为弱关联规则[11]。关联规则的挖掘可分以下2步：找出集合中出现频率不低于设置的支持度阈值的项目组；产生关联规则，由高频项目集产生满足最小支持度和最小置信度的强关联规则。

分析过程中，可通过“任何频繁项集的非空子集也是频繁项集，非频繁项集的超集是非频繁项集”[12]提高分析效率。

在置信度满足条件时，有可能X会对Y有阻碍作用，相互之间产生排斥作用[13]，因此需要增加提升度L,来判断2因素之间关联是否有效的。提升度公式如下：

(3)

当L>1时，关联规则有效；L=1，说明X的频率不影响Y的出现；L<1时，说明X的出现对Y起阻碍作用。

3 基于关联规则对机电运输事故不安全行为分析

设定强关联规则X=>Y(13%，50%)，即最小支持度s=13%，最小置信度c=50%。

不安全行为的各因素关联分析：对“不安全动作类型”分析，冒险作业、作业行动错误满足条件；对“时间班次”进行分析，早班、中班、晚班均符合条件；对月份进行分析，8月份满足条件；对“地点”进行分析，工作面、轨道巷符合条件；对“岗位”进行分析，一线工人和班组长满足条件。删除其余项目，通过筛选，得到项目集，见表3。

在表3所示的一阶频繁项目集的基础上筛选二阶频繁项目集。对于同一因素下的内容，不做置信度统计，例如“冒险作业”和“作业行动错误”。筛选得到12项规则，将其支持度和置信度做计算统计，见表4。

表3 项目集行为因素及具体内容Tab.3 Behavioral factors and specific contents in the item set

表4 不安全行为二阶关联规则Tab.4 Second-order association rules for the unsafe behavior

Rule1的提升度小于1，说明强关联规则无效。Rule5的提升度为1，说明i5和i9相互独立。只有Rule2和Rule6满足强关联规则X=>Y(13%，50%)。由于Rule2和Rule6代表的项目集之间没有交集，所以不做进一步的关联规则分析。Rule2的提升度为1.03，表示当不安全行为发生在中班时，该行为往往是一线工人发出，两者之间的置信度为0.73，按照这一规则对中班一线工人加强行为检查能够使检查效率提升1.03倍。Rule6的提升度为1.52，表示当不安全行为发生在晚班时，该行为多是冒险作业，两者之间的置信度为0.5，按照这一规则加强对晚班冒险作业的预防和控制，能够使检查效率提升1.52倍。

一线工人是不安全行为的主要来源，70.94%的不安全行为是一线工人产生。根据安全金字塔理论，要从最底层的不安全行为开始预防[14]。通过对一线工人不安全动作的预防，剪断事故不安全动作致因链，从而在很大程度上降低煤矿机电事故发生的概率。通过加强对一线工人的安全教育培训和监督检查，从而减少煤矿事故的发生。其中一线工人在中班易发生不安全动作，煤矿要加强对中班一线工人的监督检查，从而提高检查效率，预防事故发生。冒险作业这一危险动作极易在晚班发生，在晚班安全检查时要加强预防这一不安全动作。