王欣艷 李 靖 王養(yǎng)廷

(1.國家安全生產(chǎn)監(jiān)督管理總局通信信息中心， 北京 100013； 2.華北科技學院計算機學院， 北京 101601)

企業(yè)安全生產(chǎn)風險防控狀態(tài)是一個復雜的動態(tài)系統(tǒng)，其狀態(tài)指標值隨時間的變化而不斷變化。運用長期預測法對其風險狀態(tài)進行預測時，效果并不十分理想。短期預測法可以適應其隨機變量變化的特點，預測結(jié)果比較理想。馬爾可夫預測法是一種短期預測方法，可根據(jù)狀態(tài)之間的轉(zhuǎn)移概率來預測未來系統(tǒng)的發(fā)展變化，收效良好。本次研究將以當前獲取的安全風險防控狀態(tài)記錄數(shù)據(jù)為基礎，運用馬爾可夫基本原理和方法預測安全生產(chǎn)風險防控狀態(tài)[1]。

1 辨識風險點的危害因素

風險點的危害因素是安全生產(chǎn)事故的“導火索”，必須予以有效管控。運用事故致因理論，可以辯識風險點的危害因素。目前較為典型的事故致因理論有：事故因果連鎖理論、瑟利事故模型、軌跡交叉理論、能量意外釋放理論[2]。

造成事故的原因基本可歸結(jié)為：人的不安全行為；物的不安全狀態(tài)；管理缺陷；環(huán)境缺陷[3-5]。

(1) 人的不安全行為。如，交接班內(nèi)容不明確，對上班遺留問題未進行交接，造成人員傷害、設備損壞；或信息傳達不及時、未傳達或傳達錯誤，造成記錄失真(不清晰)或未記錄，影響生產(chǎn)或?qū)е氯藛T傷害。

(2) 物的不安全狀態(tài)。如，生產(chǎn)設施、設備和物料等存在的安全缺陷。

(3) 管理缺陷。如，網(wǎng)絡不通，數(shù)據(jù)資源無法共享，自動辦公及其他軟件無法運行；所有生產(chǎn)經(jīng)營單位主要負責人和安全生產(chǎn)管理人員教育培訓不足；應急救援器材數(shù)量不夠，維護不到位；責任制落實不到位。

(4) 環(huán)境缺陷。如，物品擺放雜亂，采光和通風不良。

2 量化風險點的危害因素

查詢安全生產(chǎn)隱患排查服務平臺中的風險管控臺賬記錄，將防控對象的風險分為6種：合格，風險系數(shù)為0；現(xiàn)場消除的一般隱患,風險系數(shù)為0.1；限期整改的一般隱患，系數(shù)為風險0.2；重大隱患，風險系數(shù)為0.4；已歸檔，風險系數(shù)為0；待整改，風險系數(shù)為0.5；待復查，風險系數(shù)為0.2。按照表1對各類風險影響指標值進行計算。

表1 各類風險的影響統(tǒng)計表

根據(jù)以下公式計算各指標：

(1)

(2)

式(1)、(2)中k1、k2、k3、k4、k5、h1、h2、h3、h4分別為對應項的系數(shù)值，通常取1。據(jù)此計算影響統(tǒng)計值I：

(3)

量化標準可以根據(jù)企業(yè)自身行業(yè)特點及相關安全檢查記錄可能造成事故的嚴重程度來制定，應滿足企業(yè)自身安全生產(chǎn)風險防控狀態(tài)預測的需求，以便采取相應的安全管理措施。

3 建立風險防控狀態(tài)預測模型

從安全生產(chǎn)隱患排查服務平臺中選取某企業(yè)的風險管控記錄，以危險因素量化指標為基礎，運用馬爾可夫預測理論，建立數(shù)學模型，對企業(yè)的風險防控狀態(tài)進行預測。如果一個隨機變量序列(X0，X1，X2，…，Xt)按照時間順序依次排序，處于t+1時刻的狀態(tài)Xt+1的條件概率只與Xt有關，而與t-1時刻以前的狀態(tài)無關，隨機變量的這種性質(zhì)稱為馬爾可夫性質(zhì)[6]。據(jù)此理論建立企業(yè)風險防控狀態(tài)預測模型，其數(shù)學表達式為：

P{Xt+1=jX0，X1，X2，…，Xt}

=P{Xt+1=jXt=i} (4)

?i,j∈S；t∈T

式中：S為馬爾可夫鏈的狀態(tài)集；i和j為S狀態(tài)集中某個具體的狀態(tài)值。在此時間序列中，狀態(tài)轉(zhuǎn)移概率Pij被定義為初始狀態(tài)i轉(zhuǎn)移到狀態(tài)j的概率，而狀態(tài)轉(zhuǎn)移矩陣P被定義為P=[Pij]=P{Xt+1=j|Xt=i}，當樣本容量足夠時，Pij的近似值為：

(5)

(1) 劃分狀態(tài)。根據(jù)最近10個月的風險防控臺賬列表數(shù)據(jù)，繪制危險因素影響統(tǒng)計值I的散點圖(見圖1)。按照影響統(tǒng)計值將風險管控狀態(tài)預測分為3類：I<3，屬黃色預警；3≤I≤4，屬橙色預警；I>4，屬紅色預警。

圖1 影響統(tǒng)計值I的散點圖

(2) 計算初始概率。黃色預警狀態(tài)下，M1=3；橙色預警狀態(tài)下，M2= 5；紅色預警狀態(tài)下，M3=2。

(3) 計算狀態(tài)轉(zhuǎn)移概率矩陣。計算狀態(tài)轉(zhuǎn)移概率時，最后一個數(shù)據(jù)不參加計算，因其究竟轉(zhuǎn)到哪個狀態(tài)尚不明了。根據(jù)：

得到

(4) 根據(jù)轉(zhuǎn)移概率對下個月的風險防控狀態(tài)進行預測。由于最近1個月風險防控狀態(tài)為黃色預警，則由黃色預警狀態(tài)轉(zhuǎn)為其他狀態(tài)的可能性為：

(6)

由式(6)可知下個月的風險防控狀態(tài)處于“紅色預警”狀態(tài)，因此該企業(yè)應該提前對相應人員進行安全生產(chǎn)培訓。

4 風險防控狀態(tài)預警措施

安全生產(chǎn)風險防控狀態(tài)預測機制的有效運行需要由專門的機構(gòu)或人員收集有效信息，使處于不安全狀態(tài)中的個人或組織迅速應對，避免或減少風險。為了更進一步預防和降低事故發(fā)生率，企業(yè)相關人員要根據(jù)預測狀態(tài)的級別和企業(yè)的風險點合理安排安全生產(chǎn)培訓的內(nèi)容和學時。當出現(xiàn)紅色預警狀態(tài)時，應高度重視本月的生產(chǎn)安全，同時根據(jù)最近一個周期的檢查對合格之外的風險點相關人員進行安全生產(chǎn)培訓。

當出現(xiàn)橙色預警狀態(tài)時，應重視本月的生產(chǎn)安全，同時對最近一個周期檢查中出現(xiàn)重大隱患和限期整改一般隱患安全風險點的相關人員進行安全生產(chǎn)培訓。

當出現(xiàn)藍色預警狀態(tài)時，應對最近一個周期檢查中存在重大隱患風險點的相關人員進行安全生產(chǎn)培訓。

5 結(jié) 語

根據(jù)安全生產(chǎn)隱患排查記錄，分析企業(yè)風險點的危害因素并予以量化。運用馬爾可夫理論建立危害因素量化指標模型，預測企業(yè)下一周期的風險防控狀態(tài)的級別。在實踐中，可針對不同防控狀態(tài)級別及風險點相關人員進行安全生產(chǎn)培訓，以進一步提升企業(yè)的事故防控能力。

[1] 劉思峰.預測方法與技術[M].北京:高等教育出版社，2015：10-20.

[2] 金珠.改進的支持向量機分類算法及其在煤礦人因事故安全評價中的應用[D].徐州：中國礦業(yè)大學，2011：81-98.

[3] 白一尚,吳恒,王穎慧,等.基于事故致因理論的安全隱患治理模型[J].工業(yè)工程與管理,2013,18(1):118-122.

[4] 劉斌,羅云.安全生產(chǎn)風險預警探討[J].安全,2008,29 (10) :18-22.

[5] 宮運華,羅云.安全生產(chǎn)預警管理研究[J].中國煤炭,2006,32(10): 67-69.

[6] LOHANI V K,LOGANATHAN G V.An early warning system for drought management using the palmer drought index[J].Jawra Journal of the American Water Resources Assaciation,1997,33(6):1375-1386.