基于AHP-TOPSIS的煤矿安全风险评价探讨

任江朋

山西煤炭进出口集团 蒲县豹子沟煤业有限公司, 山西 临汾 041204)

煤矿生产系统是一个由多项生产子系统构成的复杂系统[1],其生产表征是煤矿生产系统内部各要素之间相互作用的结果。在煤矿开采过程中,由于煤矿生产系统复杂,生产环境恶劣,加之我国煤炭赋存条件复杂,导致煤炭采掘及运输流程中存在较大的风险隐患,严重影响了煤矿的安全生产。从系统学的角度出发,煤矿安全风险的宏观把控是实现煤矿安全生产的重要考量之一[2]. 以安全风险为核心的煤矿评价体系能够对生产系统中已存有的安全风险进行定量或定性分析,而对煤矿安全风险的预测能够对系统风险迁移规律进行研究,进而采取及时有效的措施进行风险干预,达到风险预控的效果[3]. 煤矿风险的评价为煤矿安全管理模式的转变奠定了数据基础,对提升煤炭企业安全管理水准具有重要价值[4-5].

基于此,本文从安全管理过程数据出发,识别煤矿安全风险致因因素,建立煤矿系统风险评价指标体系,对煤矿系统风险进行综合评价,对实现煤矿安全生产、保证煤矿稳定运营、践行以智慧矿山为导向的国家战略发展方向,具有重要的理论意义和应用价值。

1 煤矿安全风险指标体系构建

结合煤矿生产实际情况及煤矿安全评价相关文献研究成果,分别从人员因素、设备因素、环境因素以及管理因素等4个层面进行指标遴选与层次空间关系建立。

1) 人员因素。

人员因素是煤矿事故的主要行为者,从人员行为来看,违规作业、安全制度及安全措施的不执行是引发煤矿事故的主要原因。在对人员行为进行评估时,可以从工人的本科学历占比、工龄占比、“三违”次数等角度出发进行评估;从人员意识角度出发,缺乏基本的安全意识也是造成不安全行为的原因之一,而工人的安全意识则主要受企业的安全文化以及相关培训的影响,因而可以从培训率、持证率等角度进行指标分析。因此,综合以上分析,人员因素层面的指标体系可以由本科学历占比、工龄占比、“三违”次数、培训率、持证率等5个指标构成。

2) 设备因素。

煤矿设备可以大致分为两类,一类是用于生产的机械化设备,另一类是用于安全监控与监测的信息化系统,在构建设备因素时可以从以上两个层面出发。对于机械化设备可以从机电设备故障率、大型设备检验合格率、机电设备失爆率等角度考虑;信息化系统可以从安全监控系统运行状态、视频监控系统运行状态等角度考虑。综上分析,设备因素可以由机电设备故障率、大型设备检验合格率、机电设备失爆率、安全监控系统运行状态、视频监控系统运行状态等5类指标进行构建。

3) 环境因素。

环境是煤矿生产周期内,开采活动本身所依托的外界环境,可以分为两类,一类是煤矿自然环境,此类环境是煤矿系统本身的固有属性,包含的因素多为静态指标与定性指标,如水文地质条件、老空积水是否存在、冲击地压倾向性、地质条件、瓦斯等级、煤层自燃倾向性、煤尘爆炸指数等;另一类是煤矿生产环境,此类环境是为完成开掘活动,由人类所建立的人工环境,因而煤矿生产环境因素可以从瓦斯浓度、温度等角度考虑。综上分析,环境因素可以由水文地质条件、老空积水是否存在、冲击地压倾向性、地质条件、瓦斯等级、煤层自燃倾向性、煤尘爆炸指数、瓦斯浓度、温度等9类指标进行构建。

4) 管理因素。

安全管理其本质是对企业人员、设备、环境等所建立的保证企业安全正常运转的综合措施,是抑制不安全行为与危险源控制的重要举措之一,也是实现煤矿安全生产的重要保障。安全管理涉及的内容较多,包括企业安全文化、企业安全规章制度、安全经费投入等。因此,对安全管理的分析可以从煤矿标准化等级、安全投入、安全管理制度、违规情况、隐患整改率等角度进行评价。

综上分析,结合人员因素、设备因素、环境因素以及管理因素等4类二级指标,共计24项构建煤矿安全风险指标体系。

2 AHP-TOPSIS综合评判模型构建

2.1 基于AHP指标综合权重分析

层次分析法(Analytic Hierarchy Process, AHP)在指标权重确定过程中主要由人为因素进行定性分析,以大数定理为基础,构建期望回归的数值模拟方法,以实现对指标权重的确定[6].

1) 决策矩阵同一化。

针对指标体系中指标类型不同及量纲不同,对指标按照不同标准进行同一化处理和无量纲化处理。

(1)

式中:i=1,2,…,m;j=1,2,…,n.

2) 加权决策矩阵的建立。

加权决策矩阵是决策矩阵与指标体系权重矩阵的对应性乘积。

C=(cij)m×n=(wjrij)m×n=

(2)

式中:wj为第j指标的权重,j=1,2,…,n.

3) 样本贴近度计算。

a) 正理想解和负理想解求取。

(3)

式中:J1属于效益性指标集,表示在第i个指标的最优解;J2属于损耗性指标集,表示第i个指标的最劣解。

b) 样本指标与理想解距离计算。

样本指标与理想解的距离可以通过空间欧氏距离进行衡量。

(4)

c) 贴近度计算。

(5)

式中:Ei∈[0,1],当Ei=0时,表示样本为负理想解;Ei=1时,表示样本为正理想解。

2.2 AHP-TOPSIS模型

AHP-TOPSIS综合评判模型中,以AHP确定安全评价指标体系的综合权重,进而结合TOPSIS模型确定的相对贴近度评判矩阵,以获得最优的安全评价结果。其数学表达可进行如下描述:

F=ε×E

(6)

式中:F为综合评判模型结果向量;ε为AHP模型确定的综合权重;E为相对贴近度评判矩阵。

3 实例分析

3.1 工程背景

豹子沟矿开拓方式为斜立井综合开拓,分为两个生产水平。一水平共布置3个采区,即:十采区、七采区、后备采区。回采工作面采用长壁后退式采煤方法,综采放顶煤采煤工艺,全部垮落法管理顶板。矿井采用中央边界式通风方式,通风方法为机械抽出式,有4个进风井,1个回风井。

3.2 风险评价

3.2.1 指标权重的确定

在建立的煤矿安全风险评价指标体系之上,以1—9标度值分别对4类一级指标以及24项二级指标进行重要度标度,进而对评判矩阵进行特征向量和特征值求解,从而进行一致性检验,检验通过,则进行权重记录。将权值进行均一化处理,作为煤矿安全风险评价指标的最终权重,见表1.

表1 煤矿安全风险评价指标权重值表

3.2.2 TOPSIS指标综合评价

根据煤矿安全生产系统的特点,将煤矿安全风险评价体系中的各类指标对煤矿安全风险的影响划分为四个等级,分别记为Ⅰ级(轻微影响)、Ⅱ级(一般影响)、Ⅲ级(较大影响)和Ⅳ级(严重影响)。同时结合相关研究成果,对各指标因素的量化进行分级。定性指标中的部分危险性存在指标以0和1进行划分,而能够进行分级的指标,分别按照影响等级从小到大以0.2、0.4、0.6、0.8进行标注,则煤矿安全风险评价指标对煤矿安全风险的影响程度见表2.

表2 煤矿安全风险影响因素等级划分表

基于豹子沟煤矿2020年7月份的相关指标信息建立人员因素初始评判矩阵Dh,对7月份的安全状况进行判定:

由于煤矿安全风险评价指标的人员因素中,“三违”次数属于损耗性指标,值越小越好;而其它的4个指标,均属于效益性指标,值越大越好,因此结合式(2)构建加权决策矩阵Ch:

根据式(3)计算人员因素正理想解为A+={0.125,0.158,0,0.132,0.164},负理想解为A-={0,0,0.281,0,0},根据式(4)计算各煤矿安全风险评价等级到正理想解的距离为S+={0.512,0.341,0.171,0,0.283},到负理想解的距离为S-={0.14,0.098,0.240,0.405,0.158};根据式(5)基于人员因素的各煤矿安全风险等级的贴近度为Eh={0.215,0.222,0.584,1,0.358}.

同理,计算可得基于设备因素的各煤矿安全风险等级的贴近度为Ed={0.235,0.362,0.423,1,0.268},基于环境因素的各煤矿安全风险等级的贴近度为Ee={0.264,0.285,0.379,1,0.306},基于管理因素的各煤矿安全风险等级的贴近度为Em={0.284,0.265,0.408,1,0.322}.

3.2.3 煤矿安全风险评价

根据TOPSIS模型计算的指标综合评价贴近度,可得出煤矿安全风险等级综合评判矩阵:

结合已计算的煤矿安全风险评价指标体系中的准则层权重,则可得综合评价矩阵的结果为:

F=[0.185,0.277,0.455,1,0.289]

则煤矿安全风险等级可按照如下级别划分,见表3.

表3 煤矿安全风险等级量化表

综上分析,结合表3的分级结果可知,豹子沟煤矿在2020年7月份的煤矿安全风险评价的结果为0.289,表明该阶段煤矿安全风险量化分级属于Ⅲ级风险,即为橙色风险。灵泉煤矿在2020年7月份发生一起瓦斯超限事故以及一次违规事故,造成煤矿安全隐患的风险量突增,模型评判结果与实际情况相符,由此验证了模型的可靠性。

4 结 论

1) 挖掘了煤矿安全事故致因,结合指标体系构建原则,建立了以4类一级指标和24类二级指标为核心的多层次煤矿安全风险综合评价指标体系。

2) 构建了AHP-TOPSIS的煤矿安全风险评价模型。以豹子沟煤矿2020年7月份的数据为例,利用AHP-TOPSIS模型对当月的煤矿安全风险等级进行评价,结果表明安全风险等级为Ⅲ级,对该矿的安全管理具有一定的指导意义。