首都經(jīng)濟貿(mào)易大學(xué)管理工程學(xué)院 王大震 馬 峻 王尚康

■引言

機械加工企業(yè)生產(chǎn)車間環(huán)境復(fù)雜多變，一方面生產(chǎn)要素集中，涉及眾多機械設(shè)備、物料等；另一方面，車間生產(chǎn)工種、工序較多，現(xiàn)場作業(yè)較為集中[1]，這些特點決定了機械加工企業(yè)生產(chǎn)車間不可預(yù)測因素普遍存在，而這些不可測因素很容易轉(zhuǎn)化為隱患事件，這也是導(dǎo)致生產(chǎn)事故發(fā)生的主要原因[2]。因此，統(tǒng)計生產(chǎn)車間隱患因素的數(shù)據(jù)，分析隱患因素與事件發(fā)展之間的因果關(guān)系，建立事故風(fēng)險預(yù)警機制，提高生產(chǎn)車間安全管理水平、降低事故率，對機械加工企業(yè)的健康發(fā)展具有重要意義。

機械生產(chǎn)加工車間經(jīng)常發(fā)生觸電傷害、爆炸、火災(zāi)、物體打擊等多種事故，這些事故的發(fā)生與人-機-環(huán)-管4個方面存在的隱患事件密切相關(guān)[3]，這些隱患因素在時間、空間等因素的耦合作用下往往會導(dǎo)致事故的發(fā)生。從事故預(yù)防機制來講，研究隱患事件的發(fā)展以及相互之間、與事故發(fā)生之間的關(guān)系，有利于真正實現(xiàn)企業(yè)生產(chǎn)本質(zhì)安全化。一般研究事件之間因果關(guān)系發(fā)展的方法主要有故障樹模型、貝葉斯網(wǎng)絡(luò)、Bow-tie模型等[4-6]，這些模型能夠較為客觀地反映事件之間的關(guān)系，真實地揭示事故發(fā)生的內(nèi)在規(guī)律，但對于動態(tài)的、復(fù)雜的事件因果關(guān)系發(fā)展和動態(tài)事故風(fēng)險預(yù)測方面較為不足，文中將結(jié)合事故因果關(guān)系與事故風(fēng)險預(yù)測分析機械加工企業(yè)觸電傷害事故因果關(guān)系，并對事故風(fēng)險動態(tài)預(yù)警。

筆者擬通過分析某機械加工企業(yè)觸電傷害事故與隱患事件之間的因果關(guān)系，建立故障樹模型，利用結(jié)構(gòu)映射規(guī)則將故障樹轉(zhuǎn)化成貝葉斯網(wǎng)絡(luò)，再利用馬爾可夫鏈對根節(jié)點隱患風(fēng)險等級進行分析預(yù)測，然后通過貝葉斯網(wǎng)絡(luò)模型計算出頂上事件的風(fēng)險等級狀況，進而得到根節(jié)點隱患事件的后驗概率分布，有利于提出針對性的預(yù)防控制措施，實現(xiàn)該機械加工企業(yè)觸電傷害事故風(fēng)險預(yù)警，更好地預(yù)防事故的發(fā)生和提高其安全管理水平。

■企業(yè)觸電事故隱患概況

本文以某機械加工企業(yè)觸電傷害事故為研究對象，對企業(yè)中存在的觸電隱患進行分析，建立起隱患與觸電事故之間的因果關(guān)系，運用相關(guān)的科學(xué)方法進行預(yù)警分析。由于該企業(yè)在辦公、科研過程中使用電腦、打印機、投影儀、飲水機、照明設(shè)備等用電設(shè)備，生產(chǎn)區(qū)域也存在較多用電設(shè)備，故存在發(fā)生觸電的風(fēng)險。觸電事故隱患排查數(shù)據(jù)（部分）如表1所示。

表1 部分觸電隱患數(shù)據(jù)表（部分）

■企業(yè)風(fēng)險等級的確立

該企業(yè)事故風(fēng)險等級劃分是量化分析安全檢查數(shù)據(jù)并預(yù)警的基礎(chǔ)，科學(xué)合理的分級標(biāo)準(zhǔn)，可以針對企業(yè)安全生產(chǎn)過程中的警戒起到良好的預(yù)警作用。風(fēng)險等級一旦設(shè)定，當(dāng)企業(yè)生產(chǎn)過程中隱患的發(fā)展增多以及相關(guān)隱患事件之間的耦合作用機率增大時，事故發(fā)生的概率增大，事故所處高風(fēng)險等級的概率將增大，處于低風(fēng)險狀態(tài)的概率將減小，所以，需要重點關(guān)注對事故發(fā)生貢獻度較大的隱患點并且及時進行整改處理[7]。

企業(yè)可能發(fā)生事故的風(fēng)險等級的劃分，主要考慮到系統(tǒng)中隱患事件的多態(tài)性以及馬爾科夫鏈預(yù)測的可行性與有效性。第一，對于一個系統(tǒng)而言，系統(tǒng)在一定的時空條件下不可能只存在故障和正常兩種狀態(tài)，而可能系統(tǒng)內(nèi)部分部位處于正常狀態(tài)，另一部分部分為處于故障狀態(tài)，即系統(tǒng)內(nèi)某一階段事件的存在狀態(tài)不一定只存在“0”和“1”兩種狀態(tài)，而應(yīng)當(dāng)是一種多態(tài)的存在狀態(tài)；第二，對于馬爾科夫鏈模型，其隨機變量的存在狀態(tài)要求是多態(tài)的，如果隨機過程中只存在兩種狀態(tài)之間的轉(zhuǎn)移，馬爾科夫鏈預(yù)測過程過于簡便，不能很好的反映隨機變量的實際發(fā)展變化情況[8]。基于以上兩種情況，對隱患事件風(fēng)險等級的狀態(tài)劃分可以根據(jù)不同時間段內(nèi)隱患統(tǒng)計數(shù)據(jù)的范圍的四分位點分為“極低、低、中、高”四種狀態(tài)，同樣對應(yīng)的中間事件和頂上事件同樣也存在“極低、低、中、高”四種狀態(tài)，通過相關(guān)專家以及企業(yè)技術(shù)人員的建議，結(jié)合企業(yè)安全生產(chǎn)實際情況，建立起隱患事件（底事件）與中間事件以及頂事件（機械加工企業(yè)爆炸傷害和觸電傷害）4 種狀態(tài)之間的數(shù)學(xué)關(guān)系（條件概率），運用馬爾科夫鏈與貝葉斯網(wǎng)絡(luò)模型，可計算出兩種事故在不同時間段內(nèi)所處風(fēng)險等級的概率，從而實現(xiàn)事故風(fēng)險的動態(tài)分析預(yù)測[9]。

劃分企業(yè)事故風(fēng)險等級用P代表事故所處風(fēng)險等級的百分率，取值范圍為（0，100），如表 2 所示。

表2 事故風(fēng)險等級

并且，應(yīng)滿足a+b+c+d= 100。

通過對該企業(yè)的安全檢查數(shù)據(jù)進行處理，運用馬爾可夫鏈與貝葉斯網(wǎng)絡(luò)模型進行分析預(yù)測，即可得到現(xiàn)階段或未來階段該企業(yè)可能發(fā)生事故所處風(fēng)險等級的概率，能夠反映出企業(yè)安全生產(chǎn)管理狀況，然后通過貝葉斯網(wǎng)絡(luò)的后驗推理可得到隱患事件的后驗概率分布，能夠反映出隱患事件對于相對應(yīng)事故發(fā)生的貢獻程度，并以此制定相應(yīng)的防護措施，最終達(dá)到安全預(yù)警的目的[10]。

■觸電傷害事故風(fēng)險預(yù)測

1.風(fēng)險預(yù)警模型構(gòu)建

從安全檢查的隱患數(shù)據(jù)出發(fā)，結(jié)合該企業(yè)以往事故發(fā)生情況以及企業(yè)日常安全教育、安全管理情況，從隱患可能導(dǎo)致的事故層面出發(fā)，針對觸電傷害事故建立故障樹，通過嚴(yán)格邏輯關(guān)系的邏輯門建立起頂上事件、中間事件以及基本事件之間的關(guān)系。其中基本事件中包含有事故隱患、安全管理方面、安全教育培訓(xùn)以及導(dǎo)致事故發(fā)生但小概率發(fā)生的重要條件等。

針對企業(yè)可能發(fā)生的觸電傷害事故，首先引入貝葉斯網(wǎng)絡(luò)模型對事故風(fēng)險進行分析，將傳統(tǒng)的故障樹圖像結(jié)構(gòu)按照一定的規(guī)則映射到貝葉斯網(wǎng)絡(luò)模型，由于對未來預(yù)測過程中貝葉斯網(wǎng)絡(luò)底層指標(biāo)數(shù)據(jù)來源的欠缺，通過馬爾科夫鏈模型可以對底層指標(biāo)進行分析預(yù)測， 進而通過馬爾科夫鏈與貝葉斯網(wǎng)絡(luò)預(yù)測出目標(biāo)層事件的風(fēng)險等級狀態(tài)。通過貝葉斯網(wǎng)絡(luò)強大的后驗推理能力，得知各底層指標(biāo)的后驗概率，針對后驗概率較大的底層指標(biāo)制定出合理的預(yù)防處理措施，從而使該企業(yè)的風(fēng)險等級狀況維持在安全的范圍內(nèi)。

2.馬爾科夫鏈

通常情況下，某一事件的存在狀態(tài)受到多種因素的影響，事件未來的狀態(tài)不僅與現(xiàn)在的狀態(tài)有關(guān)系，而且可能與過去的狀態(tài)有關(guān)系。當(dāng)某一隨機事件無論在過去、現(xiàn)在還是未來均存在有多種不同的狀態(tài)，而且事件在未來的狀態(tài)演變只與事件現(xiàn)在的狀態(tài)有關(guān)系，而與過去時間內(nèi)所處的狀態(tài)無關(guān)時，則稱這一隨機事件的數(shù)據(jù)序列具有馬爾可夫性，馬爾科夫鏈具體指馬爾可夫過程中事件的時間和狀態(tài)上都離散化的特殊隨機過程。

3.貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)（Bayesian Network）又稱因果網(wǎng)絡(luò)，是利用聯(lián)合概率表達(dá)變量之間不確定性關(guān)系的網(wǎng)絡(luò)模型。網(wǎng)絡(luò)允許節(jié)點指標(biāo)具有多態(tài)性，利用條件概率建立起節(jié)點指標(biāo)多種狀態(tài)之間的連接強度，具有描述不確定性關(guān)系的強大能力。

貝葉斯網(wǎng)絡(luò)是按照一定的規(guī)則進行邏輯推理的，根據(jù)全概率公式進行正向推理計算出子節(jié)點指標(biāo)的先驗概率，亦可根據(jù)貝葉斯公式進行逆向推理計算出根節(jié)點指標(biāo)的后驗概率，貝葉斯網(wǎng)絡(luò)具有強大的推理運算能力，通常用于系統(tǒng)的故障診斷中，通過建立系統(tǒng)的貝葉斯網(wǎng)絡(luò)故障診斷模型，運用貝葉斯網(wǎng)絡(luò)的后驗推理能力，可提高故障診斷模型的可信度。

4.故障樹模型到貝葉斯網(wǎng)絡(luò)的映射

故障樹分析方法是一種圖形演繹推理分析方法，它將系統(tǒng)內(nèi)可能發(fā)生的事故與能夠?qū)е率鹿拾l(fā)生的所有危險事件因素用圖形的方式表達(dá)出來，且事件之間的因果關(guān)系具有確定性，適用于系統(tǒng)事件存在狀態(tài)較少的情況。

故障樹和貝葉斯網(wǎng)絡(luò)之間的映射包含兩類映射關(guān)系：結(jié)構(gòu)映射和數(shù)值映射， 圖像映射指模型結(jié)構(gòu)之間的映射，規(guī)則如圖1所示，本文只是運用了故障樹分析到貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)映射，關(guān)于數(shù)值映射部分，利用馬爾科夫鏈對基本事件的風(fēng)險等級狀況分析預(yù)測，對應(yīng)于根節(jié)點的初始概率，而由于貝葉斯網(wǎng)絡(luò)中各節(jié)點存在多種狀態(tài)，節(jié)點變量狀態(tài)之間的邏輯關(guān)系比較復(fù)雜，可參考故障樹到貝葉斯網(wǎng)絡(luò)模型的數(shù)值映射，結(jié)合相關(guān)專家或企業(yè)內(nèi)的技術(shù)人員進行主觀賦值，得到貝葉斯網(wǎng)絡(luò)模型中的條件概率表。

圖1 事故樹到貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)映射

■某機械加工企業(yè)預(yù)警應(yīng)用

1.故障樹模型構(gòu)建

對該企業(yè)爆炸傷害和觸電傷害事故進行分析預(yù)測，根據(jù)隱患檢查的數(shù)據(jù)，結(jié)合相關(guān)的理論知識，構(gòu)建觸電傷害故障樹，如圖2所示。然后根據(jù)故障樹到貝葉斯網(wǎng)絡(luò)的映射規(guī)則，建立觸電事故貝葉斯模型。底層指標(biāo)代碼標(biāo)識如表3所示。

2.數(shù)據(jù)處理

對該企業(yè)裝配系統(tǒng)隱患檢查數(shù)據(jù)進行分析，取 2017～ 2019年的數(shù)據(jù)按月進行分析整理，得出各底層指標(biāo)的數(shù)據(jù)序列，然后，根據(jù)研究該企業(yè)的實際情況以及專家的意見，以各底層指標(biāo)數(shù)據(jù)樣本的四分位點為基準(zhǔn)，將其離散化為 4 個等級，分別為：極低、低、中、高，同樣的，非底層指標(biāo)的狀態(tài)劃分也分為這 4 個等級，表示各指標(biāo)的風(fēng)險等級狀況。

圖2 觸電傷害故障樹

表3 底層指標(biāo)代碼標(biāo)識

對于觸電傷害事故的底層指標(biāo)通過人體的電流達(dá)到觸電電流，由于系統(tǒng)內(nèi)處于高壓用電環(huán)境，該隱患事件風(fēng)險等級處于高級別，G3接地不合格、I1電器外殼帶電以及I2電器設(shè)備帶電這三種隱患事件在安全檢查過程中出現(xiàn)的次數(shù)非常少，風(fēng)險等級為較低級別，根據(jù)相關(guān)專家以及技術(shù)人員的意見，結(jié)合實際情況，給出其風(fēng)險等級及概率分布，如表4所示。

表4 三個底層指標(biāo)的風(fēng)險值

首先，對該企業(yè)觸電傷害底層指標(biāo)在安全檢查過程中出現(xiàn)的次數(shù)進行馬氏性檢驗，由處理過的原始數(shù)據(jù)資料計算得出χ2值，如表5所示。

表5 底層指標(biāo)的卡方值

取顯著水平α= 0.05，則χ20.05 ·[(4-1)2] =χ20.05·9 = 16.92，可以得知所有指標(biāo)的χ2值都大于 16.92，符合馬氏性，可以進行馬爾可夫鏈預(yù)測。

3.馬爾可夫鏈計算

本文中選取馬爾可夫預(yù)測的一步轉(zhuǎn)移，經(jīng)結(jié)果檢驗預(yù)測精度較高。記初始狀態(tài)矩陣為B，轉(zhuǎn)移矩陣為M=AP'。式中，M為末狀態(tài)概率；A為初始狀態(tài)概率；P為概率轉(zhuǎn)移矩陣。

選取 2019年2月份數(shù)據(jù)對應(yīng)狀態(tài)作為初始狀態(tài)，將各底層指標(biāo)對應(yīng)的初始狀態(tài)矩陣與其狀態(tài)轉(zhuǎn)移矩陣相乘，預(yù)測的出 2019 年 3 月開始一月內(nèi)底層指標(biāo)風(fēng)險等級狀況概率分布，結(jié)果如表6所示。由表可知，馬爾可夫鏈的預(yù)測精度為78.6%，表明馬爾科夫鏈預(yù)測結(jié)果與基本事件風(fēng)險等級的實際情況吻合度較高，所以可以將其預(yù)測結(jié)果作為底層指標(biāo)的先驗概率輸入到貝葉斯網(wǎng)絡(luò)中。

表6 馬爾科夫鏈預(yù)測結(jié)果

4.貝葉斯網(wǎng)絡(luò)計算

將表 6 中馬爾可夫鏈預(yù)測所得的根節(jié)點風(fēng)險等級狀態(tài)概率作為底層指標(biāo)的先驗概率輸入到設(shè)置好參數(shù)的貝葉斯網(wǎng)絡(luò)模型中，得到 2019 年3月起未來一月內(nèi)的各上層指標(biāo)的風(fēng)險等級狀況，如圖3所示。

圖3 企業(yè)觸電傷害貝葉斯網(wǎng)絡(luò)預(yù)測結(jié)果

5.結(jié)果分析

從圖3可以看出，2018 年 3 月該機械加工企業(yè)內(nèi)觸電傷害事故很大概率上均處于較低的級別，觸電事故處于較低風(fēng)險等級的概率為88.8%，基本上符合企業(yè)安全生產(chǎn)的實際情況，說明該方法對企業(yè)事故風(fēng)險預(yù)測具有較大的參考價值。

為了進一步對該企業(yè)未來風(fēng)險等級狀況進行預(yù)測分析，進而采取相應(yīng)的預(yù)防措施，首先，利用馬爾科夫鏈從縱向?qū)用鎸Φ讓语L(fēng)險指標(biāo)未來五個月內(nèi)的風(fēng)險狀況進行分析預(yù)測，然后，再利用貝葉斯網(wǎng)絡(luò)從橫向?qū)用鎸ο到y(tǒng)未來五個月內(nèi)目標(biāo)層觸電傷害的風(fēng)險等級狀況進行預(yù)測，預(yù)測結(jié)果如圖4所示。

圖4 企業(yè)未來五個月內(nèi)觸電傷害風(fēng)險預(yù)測結(jié)果

在貝葉斯網(wǎng)絡(luò)中，將機械加工企業(yè)觸電傷害事故的風(fēng)險等級設(shè)置為高風(fēng)險級別，觀察分析底層指標(biāo)風(fēng)險等級的概率分布狀況，如表7所示，作為底層指標(biāo)的后驗概率，能夠近似地反映出事故發(fā)生的情況下底層指標(biāo)因素的貢獻程度，針對貢獻程度的不同而采取適當(dāng)?shù)念A(yù)防控制手段，不僅能夠提高了企業(yè)風(fēng)險預(yù)防控制的效率，而且為企業(yè)安全生產(chǎn)管理提供有效的指導(dǎo)意見。

表7 底層指標(biāo)的后驗概率（%）

6.風(fēng)險預(yù)警

從事故風(fēng)險等級變化圖中可以看出，機械加工企業(yè)觸電傷害事故的風(fēng)險等級狀況基本上趨于平穩(wěn)狀態(tài)，事故大概率處于極低的風(fēng)險狀態(tài)，表明企業(yè)現(xiàn)階段內(nèi)部安全生產(chǎn)處于平衡的狀態(tài)下，基本上不會有事故的發(fā)生，符合企業(yè)生產(chǎn)實際情況。但是，考慮到發(fā)生事故所造成后果的嚴(yán)重程度，安全工作絕對不能有絲毫的放松，分析對事故發(fā)生貢獻程度較大的隱患事件，找出隱患事件相互作用而導(dǎo)致事故發(fā)生的路徑，采取適當(dāng)?shù)念A(yù)防控制措施，將事故的風(fēng)險降到盡可能低的水平。

從表 7可以得知，對于機械加工企業(yè)觸電傷害事故，事故的風(fēng)險等級狀況在一定時間內(nèi)大概率上維持在極低的等級范圍內(nèi)，表明系統(tǒng)內(nèi)觸電傷害事故發(fā)生的可能性極小，系統(tǒng)的安全性很高。但從事故的控制處理的預(yù)防控制這一目標(biāo)來看，企業(yè)生產(chǎn)應(yīng)當(dāng)未雨綢繆，做好一切可能發(fā)生事故的預(yù)防控制手段。在觸電傷害事故發(fā)生的情況下，E1通過人體的電流達(dá)到觸電電流、G2防護用具不合要求或破損、H1安全檢查不到位、J2工具絕緣失效是事故發(fā)生的重要因素，同樣包含著人、物和管理方面的原因，隱患的檢查排查工作中應(yīng)該加強對防護設(shè)施缺陷、電氣設(shè)備缺陷、管理制度缺陷這三個方面的重視。針對通過人體的電流達(dá)到觸電電流這一方面，考慮到企業(yè)生產(chǎn)過程中通常使用高壓用電設(shè)備設(shè)施，這一重要隱患因素?zé)o法消除，應(yīng)當(dāng)要求員工做好安全防護，從人員教育管理角度來控制該觸電傷害事故隱患。

■結(jié)論

（1）將馬爾可夫鏈與貝葉斯網(wǎng)絡(luò)模型進行融合，可以消除馬爾科夫鏈預(yù)測過程中上層指標(biāo)數(shù)據(jù)缺失以及貝葉斯網(wǎng)絡(luò)預(yù)測過程中底層指標(biāo)數(shù)據(jù)的欠缺。

（2）利用馬爾科夫鏈與貝葉斯網(wǎng)絡(luò)模型相結(jié)合的方法對機械加工企業(yè)可能發(fā)生的觸電傷害事故風(fēng)險等級概率進行分析預(yù)測，結(jié)果表明企業(yè)在現(xiàn)階段以及未來一段時間內(nèi)這兩種事故大概率處于極低的風(fēng)險等級狀態(tài)，與生產(chǎn)實際情況相符。

（3）這種事故風(fēng)險預(yù)警評估方法不僅能夠揭示出事故風(fēng)險隱患的動態(tài)變化過程，而且能夠更有效地利用這種動態(tài)信息對企業(yè)的安全管理提供預(yù)防指導(dǎo)，真正實現(xiàn)事故的預(yù)防處理與控制方式從傳統(tǒng)的應(yīng)急處理轉(zhuǎn)移到預(yù)防控制層面上來，為風(fēng)險決策者提供明確的控制處理方法。