某機械加工企業觸電傷害事故風險預警研究

首都經濟貿易大學管理工程學院 王大震 馬 峻 王尚康

■引言

機械加工企業生產車間環境復雜多變，一方面生產要素集中，涉及眾多機械設備、物料等；另一方面，車間生產工種、工序較多，現場作業較為集中[1]，這些特點決定了機械加工企業生產車間不可預測因素普遍存在，而這些不可測因素很容易轉化為隱患事件，這也是導致生產事故發生的主要原因[2]。因此，統計生產車間隱患因素的數據，分析隱患因素與事件發展之間的因果關系，建立事故風險預警機制，提高生產車間安全管理水平、降低事故率，對機械加工企業的健康發展具有重要意義。

機械生產加工車間經常發生觸電傷害、爆炸、火災、物體打擊等多種事故，這些事故的發生與人-機-環-管4個方面存在的隱患事件密切相關[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致事故的發生。從事故預防機制來講，研究隱患事件的發展以及相互之間、與事故發生之間的關系，有利于真正實現企業生產本質安全化。一般研究事件之間因果關系發展的方法主要有故障樹模型、貝葉斯網絡、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系，真實地揭示事故發生的內在規律，但對于動態的、復雜的事件因果關系發展和動態事故風險預測方面較為不足，文中將結合事故因果關系與事故風險預測分析機械加工企業觸電傷害事故因果關系，并對事故風險動態預警。

筆者擬通過分析某機械加工企業觸電傷害事故與隱患事件之間的因果關系，建立故障樹模型，利用結構映射規則將故障樹轉化成貝葉斯網絡，再利用馬爾可夫鏈對根節點隱患風險等級進行分析預測，然后通過貝葉斯網絡模型計算出頂上事件的風險等級狀況，進而得到根節點隱患事件的后驗概率分布，有利于提出針對性的預防控制措施，實現該機械加工企業觸電傷害事故風險預警，更好地預防事故的發生和提高其安全管理水平。

■企業觸電事故隱患概況

本文以某機械加工企業觸電傷害事故為研究對象，對企業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系，運用相關的科學方法進行預警分析。由于該企業在辦公、科研過程中使用電腦、打印機、投影儀、飲水機、照明設備等用電設備，生產區域也存在較多用電設備，故存在發生觸電的風險。觸電事故隱患排查數據（部分）如表1所示。

表1 部分觸電隱患數據表（部分）

■企業風險等級的確立

該企業事故風險等級劃分是量化分析安全檢查數據并預警的基礎，科學合理的分級標準，可以針對企業安全生產過程中的警戒起到良好的預警作用。風險等級一旦設定，當企業生產過程中隱患的發展增多以及相關隱患事件之間的耦合作用機率增大時，事故發生的概率增大，事故所處高風險等級的概率將增大，處于低風險狀態的概率將減小，所以，需要重點關注對事故發生貢獻度較大的隱患點并且及時進行整改處理[7]。

企業可能發生事故的風險等級的劃分，主要考慮到系統中隱患事件的多態性以及馬爾科夫鏈預測的可行性與有效性。第一，對于一個系統而言，系統在一定的時空條件下不可能只存在故障和正常兩種狀態，而可能系統內部分部位處于正常狀態，另一部分部分為處于故障狀態，即系統內某一階段事件的存在狀態不一定只存在“0”和“1”兩種狀態，而應當是一種多態的存在狀態；第二，對于馬爾科夫鏈模型，其隨機變量的存在狀態要求是多態的，如果隨機過程中只存在兩種狀態之間的轉移，馬爾科夫鏈預測過程過于簡便，不能很好的反映隨機變量的實際發展變化情況[8]。基于以上兩種情況，對隱患事件風險等級的狀態劃分可以根據不同時間段內隱患統計數據的范圍的四分位點分為“極低、低、中、高”四種狀態，同樣對應的中間事件和頂上事件同樣也存在“極低、低、中、高”四種狀態，通過相關專家以及企業技術人員的建議，結合企業安全生產實際情況，建立起隱患事件（底事件）與中間事件以及頂事件（機械加工企業爆炸傷害和觸電傷害）4 種狀態之間的數學關系（條件概率），運用馬爾科夫鏈與貝葉斯網絡模型，可計算出兩種事故在不同時間段內所處風險等級的概率，從而實現事故風險的動態分析預測[9]。

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

表2 事故風險等級

并且，應滿足a+b+c+d= 100。

通過對該企業的安全檢查數據進行處理，運用馬爾可夫鏈與貝葉斯網絡模型進行分析預測，即可得到現階段或未來階段該企業可能發生事故所處風險等級的概率，能夠反映出企業安全生產管理狀況，然后通過貝葉斯網絡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事故發生的貢獻程度，并以此制定相應的防護措施，最終達到安全預警的目的[10]。

■觸電傷害事故風險預測

1.風險預警模型構建

從安全檢查的隱患數據出發，結合該企業以往事故發生情況以及企業日常安全教育、安全管理情況，從隱患可能導致的事故層面出發，針對觸電傷害事故建立故障樹，通過嚴格邏輯關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、安全教育培訓以及導致事故發生但小概率發生的重要條件等。

針對企業可能發生的觸電傷害事故，首先引入貝葉斯網絡模型對事故風險進行分析，將傳統的故障樹圖像結構按照一定的規則映射到貝葉斯網絡模型，由于對未來預測過程中貝葉斯網絡底層指標數據來源的欠缺，通過馬爾科夫鏈模型可以對底層指標進行分析預測， 進而通過馬爾科夫鏈與貝葉斯網絡預測出目標層事件的風險等級狀態。通過貝葉斯網絡強大的后驗推理能力，得知各底層指標的后驗概率，針對后驗概率較大的底層指標制定出合理的預防處理措施，從而使該企業的風險等級狀況維持在安全的范圍內。

2.馬爾科夫鏈

通常情況下，某一事件的存在狀態受到多種因素的影響，事件未來的狀態不僅與現在的狀態有關系，而且可能與過去的狀態有關系。當某一隨機事件無論在過去、現在還是未來均存在有多種不同的狀態，而且事件在未來的狀態演變只與事件現在的狀態有關系，而與過去時間內所處的狀態無關時，則稱這一隨機事件的數據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上都離散化的特殊隨機過程。

3.貝葉斯網絡

貝葉斯網絡（Bayesian Network）又稱因果網絡，是利用聯合概率表達變量之間不確定性關系的網絡模型。網絡允許節點指標具有多態性，利用條件概率建立起節點指標多種狀態之間的連接強度，具有描述不確定性關系的強大能力。

貝葉斯網絡是按照一定的規則進行邏輯推理的，根據全概率公式進行正向推理計算出子節點指標的先驗概率，亦可根據貝葉斯公式進行逆向推理計算出根節點指標的后驗概率，貝葉斯網絡具有強大的推理運算能力，通常用于系統的故障診斷中，通過建立系統的貝葉斯網絡故障診斷模型，運用貝葉斯網絡的后驗推理能力，可提高故障診斷模型的可信度。

4.故障樹模型到貝葉斯網絡的映射

故障樹分析方法是一種圖形演繹推理分析方法，它將系統內可能發生的事故與能夠導致事故發生的所有危險事件因素用圖形的方式表達出來，且事件之間的因果關系具有確定性，適用于系統事件存在狀態較少的情況。

故障樹和貝葉斯網絡之間的映射包含兩類映射關系：結構映射和數值映射， 圖像映射指模型結構之間的映射，規則如圖1所示，本文只是運用了故障樹分析到貝葉斯網絡的結構映射，關于數值映射部分，利用馬爾科夫鏈對基本事件的風險等級狀況分析預測，對應于根節點的初始概率，而由于貝葉斯網絡中各節點存在多種狀態，節點變量狀態之間的邏輯關系比較復雜，可參考故障樹到貝葉斯網絡模型的數值映射，結合相關專家或企業內的技術人員進行主觀賦值，得到貝葉斯網絡模型中的條件概率表。

圖1 事故樹到貝葉斯網絡的結構映射

■某機械加工企業預警應用

1.故障樹模型構建

對該企業爆炸傷害和觸電傷害事故進行分析預測，根據隱患檢查的數據，結合相關的理論知識，構建觸電傷害故障樹，如圖2所示。然后根據故障樹到貝葉斯網絡的映射規則，建立觸電事故貝葉斯模型。底層指標代碼標識如表3所示。

2.數據處理

對該企業裝配系統隱患檢查數據進行分析，取 2017～ 2019年的數據按月進行分析整理，得出各底層指標的數據序列，然后，根據研究該企業的實際情況以及專家的意見，以各底層指標數據樣本的四分位點為基準，將其離散化為 4 個等級，分別為：極低、低、中、高，同樣的，非底層指標的狀態劃分也分為這 4 個等級，表示各指標的風險等級狀況。

圖2 觸電傷害故障樹

表3 底層指標代碼標識

對于觸電傷害事故的底層指標通過人體的電流達到觸電電流，由于系統內處于高壓用電環境，該隱患事件風險等級處于高級別，G3接地不合格、I1電器外殼帶電以及I2電器設備帶電這三種隱患事件在安全檢查過程中出現的次數非常少，風險等級為較低級別，根據相關專家以及技術人員的意見，結合實際情況，給出其風險等級及概率分布，如表4所示。

表4 三個底層指標的風險值

首先，對該企業觸電傷害底層指標在安全檢查過程中出現的次數進行馬氏性檢驗，由處理過的原始數據資料計算得出χ2值，如表5所示。

表5 底層指標的卡方值

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

3.馬爾可夫鏈計算

本文中選取馬爾可夫預測的一步轉移，經結果檢驗預測精度較高。記初始狀態矩陣為B，轉移矩陣為M=AP'。式中，M為末狀態概率；A為初始狀態概率；P為概率轉移矩陣。

選取 2019年2月份數據對應狀態作為初始狀態，將各底層指標對應的初始狀態矩陣與其狀態轉移矩陣相乘，預測的出 2019 年 3 月開始一月內底層指標風險等級狀況概率分布，結果如表6所示。由表可知，馬爾可夫鏈的預測精度為78.6%，表明馬爾科夫鏈預測結果與基本事件風險等級的實際情況吻合度較高，所以可以將其預測結果作為底層指標的先驗概率輸入到貝葉斯網絡中。

表6 馬爾科夫鏈預測結果

4.貝葉斯網絡計算

將表 6 中馬爾可夫鏈預測所得的根節點風險等級狀態概率作為底層指標的先驗概率輸入到設置好參數的貝葉斯網絡模型中，得到 2019 年3月起未來一月內的各上層指標的風險等級狀況，如圖3所示。

圖3 企業觸電傷害貝葉斯網絡預測結果

5.結果分析

從圖3可以看出，2018 年 3 月該機械加工企業內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險等級的概率為88.8%，基本上符合企業安全生產的實際情況，說明該方法對企業事故風險預測具有較大的參考價值。

為了進一步對該企業未來風險等級狀況進行預測分析，進而采取相應的預防措施，首先，利用馬爾科夫鏈從縱向層面對底層風險指標未來五個月內的風險狀況進行分析預測，然后，再利用貝葉斯網絡從橫向層面對系統未來五個月內目標層觸電傷害的風險等級狀況進行預測，預測結果如圖4所示。

圖4 企業未來五個月內觸電傷害風險預測結果

在貝葉斯網絡中，將機械加工企業觸電傷害事故的風險等級設置為高風險級別，觀察分析底層指標風險等級的概率分布狀況，如表7所示，作為底層指標的后驗概率，能夠近似地反映出事故發生的情況下底層指標因素的貢獻程度，針對貢獻程度的不同而采取適當的預防控制手段，不僅能夠提高了企業風險預防控制的效率，而且為企業安全生產管理提供有效的指導意見。

表7 底層指標的后驗概率（%）

6.風險預警

從事故風險等級變化圖中可以看出，機械加工企業觸電傷害事故的風險等級狀況基本上趨于平穩狀態，事故大概率處于極低的風險狀態，表明企業現階段內部安全生產處于平衡的狀態下，基本上不會有事故的發生，符合企業生產實際情況。但是，考慮到發生事故所造成后果的嚴重程度，安全工作絕對不能有絲毫的放松，分析對事故發生貢獻程度較大的隱患事件，找出隱患事件相互作用而導致事故發生的路徑，采取適當的預防控制措施，將事故的風險降到盡可能低的水平。

從表 7可以得知，對于機械加工企業觸電傷害事故，事故的風險等級狀況在一定時間內大概率上維持在極低的等級范圍內，表明系統內觸電傷害事故發生的可能性極小，系統的安全性很高。但從事故的控制處理的預防控制這一目標來看，企業生產應當未雨綢繆，做好一切可能發生事故的預防控制手段。在觸電傷害事故發生的情況下，E1通過人體的電流達到觸電電流、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該加強對防護設施缺陷、電氣設備缺陷、管理制度缺陷這三個方面的重視。針對通過人體的電流達到觸電電流這一方面，考慮到企業生產過程中通常使用高壓用電設備設施，這一重要隱患因素無法消除，應當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。

■結論

（1）將馬爾可夫鏈與貝葉斯網絡模型進行融合，可以消除馬爾科夫鏈預測過程中上層指標數據缺失以及貝葉斯網絡預測過程中底層指標數據的欠缺。

（2）利用馬爾科夫鏈與貝葉斯網絡模型相結合的方法對機械加工企業可能發生的觸電傷害事故風險等級概率進行分析預測，結果表明企業在現階段以及未來一段時間內這兩種事故大概率處于極低的風險等級狀態，與生產實際情況相符。

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