智能化煤矿监控作业人因失误影响因素研究

2024-02-23郑占彬杨金辉

山西焦煤科技 2024年1期

郑占彬,杨金辉,赵津

(1.开滦(集团)有限责任公司设备管理中心, 河北唐山 063000;2.辽宁工程技术大学工商管理学院, 辽宁葫芦岛 125105;3.天津理工大学管理学院天津 300384)

随着数字化技术的发展,煤炭行业正经历根本性变革[1]. 近几年,5G、大数据、人工智能等技术的快速发展为煤矿智能化建设提供了技术支持,煤矿企业致力于建设“生产监控、生产调度、安全监测、生产经营、应急指挥”等在内的煤矿智能综合管控平台,届时煤矿生产经营、应急调度、安全监测等信息,将会在控制台、大屏幕上一同展示,监控作业人员面临着从数目众多的监控界面中搜寻信息的任务,出现异常情况时,需要准确判断并迅速做出反应。监控作业人员的行为安全间接影响着煤矿智能化作业的安全运行。因此,探究煤矿监控作业人员的人因问题对于煤矿安全生产有一定必要性和意义。

目前航空、交通运输及化工等领域广泛应用HFACS模型分析事故中的人因问题,其中宋志红等[2]把HFACS模型和故障模式与影响分析法相结合,对民机总装过程中人为失误风险因子进行分析;王军武等[3]通过构建HFACS和贝叶斯网络相结合的地铁车站施工高处坠落的模型,分析了高空坠落事故的关键影响因素;Ghasemi等[4]采用HFACS模型和贝叶斯网络相结合的方法对有毒气体泄漏事故进行关键影响因素分析。HFACS模型也被应用于煤矿领域,沈中芹等[5]将矿井透水事故案例分析与改进HFACS-MI模型相结合,剖析了煤矿透水事故中人的行为及所造成的影响;白彦龙等[6]对煤矿事故进行统计,基于HFACS模型,运用卡方检验和让步比分析得出了4条煤矿一般事故的发生路径。在煤矿领域,少有针对煤矿监控作业人员人因失误的分析,且随着煤矿智能化工作面的增加,人因事故的影响因素发生了改变,鲜有人分析智能化背景下煤矿监控作业人员人因失误的影响因素。

鉴于此,从智能化煤矿监控作业特点出发,通过对煤矿监控作业等的演进分析,得出煤矿监控作业中的人因特点;据此构建HFACS模型,探究煤矿监控作业人员人因失误影响因素;最后利用灰色关联分析对煤矿监控作业人员人因失误影响因素进行分析,得出关键影响因素,从而有针对性的制定人因失误预防措施。

1 煤矿监控作业演进及特点分析

随着智慧矿山建设的推进,监控作业广泛存在于煤矿系统中,作业人员的作业模式由操作逐渐转为监测控制。作业人员通过观察和监控大型设备,对煤矿生产管理进行集中控制。我国自20世纪80年代从国外引进主要用于生产控制的监控系统。监控系统的投入对煤矿安全生产和应急调度都产生了积极的影响[7]. 煤矿监控作业的发展已经到了网络分布、远程协同时代[8],见图1.

图1 煤矿监控作业、人机交互模式及监控作业人员演化对应关系

由图1可知,传统监控作业是人通过按钮手动进行操作的,紧接着接入键盘,可以利用计算机进行信息集中处理,再宽屏显示、软控制、远程化、跨控制室应用等。随着数字化技术的引进,集控室自动化控制越来越普及,在这种情况下,监控作业人员的任务从开始的参与控制过程逐渐变为监视与处理紧急情况,认知过程和行为响应方式都发生了根本性的改变,对人的认知能力和操作水平提出了更高要求,人的可靠性问题凸显。

2 煤矿监控作业人因分析模型及灰色关联分析

2.1 模型构建

HFACS模型是人为因素分析领域中应用较广的模型之一[2]. 通过运用回溯性分析方法从个体不安全行为角度挖掘出事故发生的根本原因。根据煤矿监控作业特点,借鉴该方法在航空领域[9]、化工事故领域[10]、建筑事故领域[11]、地铁事故领域[12]等的应用,构建基于HFACS的煤矿监控作业人员人因失误分析模型,见图2.

2.2 人为因素灰色关联分析

灰色关联分析法是一种多因素统计分析的方法,对样本数据量没有太大要求;该方法通过判断参考序列和比较序列曲线的相似或相异程度,来衡量两者之间的关联程度,与多种经验和统计方法分析得出的结果具有较好的一致性[13].

由于因煤矿监控作业人员引起的事故较少,为了便于分析,拟采用灰色关联分析法。具体操作步骤[14]:

1) 确定分析序列。

参考序列为X0,即

X0(k)={x0(1),x0(2),…,x0(n)}

k=1,2,…,n

(1)

比较序列为Xi,即

Xi(k)={xi(1),xi(2),…,xi(n)}

k=1,2,…,n;i=1,2,…,m

(2)

2) 变量的无量纲化。

由于系统中各变量的量纲不同,一般都要进行数据的无量纲化处理,得到新的序列,即

{x′(1),x′(2),…,x′(n)}k=1,2,…,n

(3)

3) 序列作差。

对处理后的参考序列和比较序列进行差运算,即

k=1,2,…,n;i=1,2,…,m

(4)

4) 序列矩阵最小值和最大值求解。

k=1,2,…,n;i=1,2,…,m

(5)

k=1,2,…,n;i=1,2,…,m

(6)

5) 灰色关联系数计算。

k=1,2,…,n;i=1,2,…,m

(7)

式中:ρ为分辨系数,ρ越小,分辨力越大。当ρ≤0.546 3时,分辨力最好,通常ρ取0.5.

6) 灰色关联度计算。

(8)

得出的γ(x0,xi)越大,说明两者关联度越高。将该方法应用到煤矿监控作业人员人因失误的影响因素的关联度分析,可为企业对人因事故的预防提供相应的依据。

3 煤矿监控作业人员人因失误分析及预防措施

3.1 样本数据来源、筛选及记录

查阅并整理出2019—2022年国内发生的24起有关煤矿监控作业人因失误事件[15],每年6个事故。以模型为标准,对24起人因失误事件的影响因素进行灰色关联分析,结果见表1.

表1 2019—2022年煤矿监控作业人因失误影响因素统计

3.2 人因失误影响因素子层级归类分析

为进一步剖析4个层级中的重要影响因素,分别对煤矿监控作业人员人因失误分析模型中的4个层级进行灰色关联分析。其中,不安全行为为第一层级,不安全行为的前提条件为第二层级,不安全监管为第三层级,组织影响为第四层级。

3.2.1 不安全行为层级分析

以不安全行为(A1)的发生数量为参考序列X0(k),k代表年份;以技能差错(A11)、决策差错(A12)、认知差错(A13)、习惯性违规(A14)、偶然性违规(A15)及知识储备不足(A16)子层级影响因素的数量为比较序列Xi(k),i代表影响因素的种类。

依照式(3)—(8),将参考序列X0(k)和比较序列Xi(k)分别代入进行运算,得到第一层级灰色关联度γ的统计表,见表2. 由表2可知,在第一层级中,导致煤矿监控作业人员人因失误的主要影响因素为习惯性违规和知识储备不足。

表2 第一层级影响因素灰色关联度

3.2.2 不安全行为的前提条件层级分析

表3为第二层级影响因素灰色关联分析结果,由此可得:导致煤矿监控作业人员人因失误不安全行为的前提条件层级发生的主要影响因素为安全意识淡薄、技术环境和个人工作准备。

表3 第二层级影响因素灰色关联度

3.2.3 不安全监管层级分析

表4为第三层级影响因素灰色关联分析结果,由此可得:导致煤矿监控作业人员人因失误第三层级发生的主要影响因素为监督不充分和监督违规。

表4 第三层级影响因素灰色关联度

3.2.4 组织影响层级分析

表5为第四层级影响因素灰色关联分析结果,由此可得:导致煤矿监控作业人员人因失误第四层级发生的主要影响因素为资源管理和组织过程。

表5 第四层级影响因素灰色关联度

3.3 人因失误影响因素整体分析

为了从系统的角度明晰煤矿监控作业人员人因失误影响因素,对分析模型中的22个影响因素的重要程度进行整体性灰色关联分析。依据重要程度的排序关系,为整体性人因失误事件制定相应预防措施。人因失误影响因素完整灰色关联分析结果见表6.

表6 整体性灰色关联度

由表6得,对于煤矿监控作业事故中出现的人因失误而言,从系统完整性的角度分析煤矿监控作业人员人因失误分析模型中4个层级22个影响因素,影响人因失误事件发生的概率最大的影响因素主要有资源管理、监督违规、安全意识淡薄、监督不充分、个人工作准备、组织氛围、习惯性违规及组织过程;从各层级与整体的关系角度分析:7个概率最大的影响因素均在其所在的层级中概率最大,说明分析结果具有较强的一致性。