基于行為安全理論的礦工不安全動作管理APP研究

呂會慶，朱金梅，鞠春雷，郭金山，張江石，黎躍進

(1.北京天地華泰礦業管理股份有限公司，北京 100013；2.中國礦業大學(北京)應急管理與安全工程學院，北京 100083)

隨著信息技術的發展，安全生產信息化建設已逐漸參與到煤礦安全生產管理的各個環節中，部分煤礦企業已建設成綜合各類監控系統與煤礦安全管理、設備管理等業務的自動化信息平臺[1]。據統計，80%以上事故發生的直接原因是人的不安全動作[2-3]。近年來，國家煤礦安全監管部門和煤炭企業著力從技術和管理等方面采取措施，加強對煤礦人員不安全動作的管理和控制，以期尋得合理的方案提高煤礦開采安全性[4]。直接防控不安全動作的發生是煤礦企業解決煤礦安全問題最直接有效的途徑，但煤礦企業對于不安全動作的監管一直停留在簡單的閉環檢查監管中[5]。因此，轉變不安全動作管控的傳統模式，利用信息化手段對不安全動作進行管理與分析是建設智慧礦山、實現礦山數字信息化的關鍵一環。一些研究均從煤礦企業安全管理的實際出發，但僅實現了對安全隱患與“三違”治理的信息化管理，缺少與行為安全管理理念的結合，以及對不安全動作的系統分析，無法有效地減少不安全動作且缺少應用。基于此，本文從煤礦安全生產管理的實際情況出發，以行為安全相關理論為指導，以不安全動作糾正為核心，以安全測評量表為輔助開發研究礦工不安全動作管理APP，通過信息化手段管理不安全動作并分析其產生原因，支撐煤礦企業提高安全信息化管理水平。在此基礎上，在APP程序內增設煤礦行業法律法規體系的數據庫，并建立基于礦山安全法律法規體系的云搜索工具，便于企業快速搜索查詢，彌補市場在此方面的空白。

1 不安全動作分類與管理

關于行為安全，國外最早提出的是unsafe acts，而國內學者習慣翻譯成“不安全行為”(unsafe behavior)，根據行為安全“2-4”模型[6]，不安全行為不僅包括不安全動作還包括習慣性不安全行為，本文從實際應用角度出發，僅研究不安全動作。

1.1 不安全動作及影響因素分類

瑞士奶酪模型(swiss cheese model，SCM)是經典的事故原因分析方法，作為一個概念模型，其目的并不是分析導致事故的細節原因，而是便于理解組織中發生事故的本質特征[7]。模型將導致系統故障的各種人為錯誤因素從高到低分為不可靠決策、直線管理層缺陷、不安全動作的心理前兆和不安全動作四個級別。其中，在不安全動作層級，以心理學為基礎將不安全動作分為疏忽、過失、錯誤、違章四類。基于SCM在實際應用中又發展出人因分析與分類系統(human factors analysis and classification system，HFACS)[8]。其中，不安全動作是導致事故發生最直接的原因，分差錯(errors)和違章(violations)兩類：差錯分為技能差錯(skill-based errors)、決策差錯(decision errors)和認知差錯(perceptual errors)三類；違章分為習慣性違章(routine)和偶然性違章(exceptional)兩類(圖1)。

圖1 瑞士奶酪模型不安全動作分類Fig.1 Unsafe acts classification of SCM

對不安全行為影響因素的分析，涉及到個體特征、文化、組織、環境等多方面的因素。秦波[9]就目前我國煤礦人員不安全行為研究現狀進行總結，并提出了應從兩個角度進行研究，即組織角度和基層員工角度；田水承等[10]構建了煤礦員工“個體因素、工作壓力與不安全行為”的關系模型，研究表明個體因素、工作壓力對不安全行為的影響作用顯著；黃啟江[11]通過研究淮南礦業集團職工心理、行為及事故等，得到人的因素仍然是導致煤礦事故的主要原因。按照不同的屬性，將不安全動作影響因素分為三大類：組織因素、個人因素、其他因素。其中，組織因素包括安全文化、管理體系、組織氛圍、領導因素等；個人因素包括誠信、動機、能力、氣質、疲勞、情緒、認知、社會性、信任、壓力、意識、執行力、職業傾向等；其他因素包括工作性質、作業環境等。

1.2 行為安全理論

人的安全意識和安全習慣并非與生俱來，而是可以通過訓練得到提高和改善。行為安全理論正是著眼于人的不安全行為，按照“觀察-糾正-再觀察-再糾正”的模式對不安全行為進行糾正。一般的行為安全實施流程通常為：前期準備階段成立行為安全觀察小組、確立不安全行為、挑選并培訓觀察員；行為觀察階段觀察、收集數據；干預與反饋階段分析行為、糾正行為、表彰獎勵[12]。其中，在前期準備階段，需成立行為安全觀察小組，并培養專業的培訓觀察員，對于不安全動作的糾正過分依賴人的判斷，缺少統一理性的標準；在干預反饋階段，缺少對記錄糾正的不安全動作的統計與分析，無法實現對不安全動作的大數據分析及更新；行為糾正過程僅是個人層面的行為控制及改善，缺少安全文化、安全管理體系等組織行為改善的支持[13]。

2 某煤礦不安全動作管理情況

某煤礦項目部位于內蒙古鄂爾多斯，項目部管理“三違”通常按照采煤、掘進、機電、運輸、通防等不同作業環節劃分，項目部按照相關法律法規界定不安全動作嚴重程度，并制定相應處罰標準，由安全員巡檢發現不安全動作并記錄下達整改通知及罰單，記錄項目包括時間、地點、發出者、不安全動作、處罰結果，整改完成后報安檢部銷項。

參考SCM對于不安全動作和不安全動作影響因素的分類方法并應用到2013—2016年煤礦不安全動作部分管理臺賬中，具體見表1。由表1可知，所選取的不安全動作管理與分類方法適用于煤礦現有數據，并解決了煤礦不安全動作管理中存在的分類不規范、產生機理不明確的問題，同時為構建不安全動作項目庫打下基礎。

表1 不安全動作管理分類方法應用Table 1 Application of classification method of unsafe acts management

3 總體設計及功能實現

3.1 總體設計

基于行為安全礦工不安全動作管理APP選擇Android系統作為開發平臺。應用程序采用JAVA語言進行開發，應用MVC模式進行構建，其系統結構如圖2所示。MVC模式中應用系統被分成模型(model)、視圖(view)和控制器(controller)三個部分[14]。其中，視圖層向用戶展示模型的狀態、模型層發送數據；控制層負責通知視圖層更新視圖顯示，進行界面跳轉以及控制模型層刷新數據源；模型層負責加載獲取的數據及提交視圖層展示。

圖2 MVC模式系統結構圖Fig.2 Diagram of MVC pattern system structure

考慮到實際管理應用，數據處理技術選取較為成熟的ETL數據抽取技術，對原始信息進行抽取、處理、存儲，形成不安全動作項目數據庫。數據庫與服務器之間利用網絡進行對接，對提供的數據進行提煉、整合，客戶終端根據服務器儲存在云端的數據顯示相應信息。系統架構圖如圖3所示。

圖3 系統架構圖Fig.3 System architecture

煤礦行業法律法規體系數據庫的建立，是大量搜集了包含安全管理、煤礦安全、危化品管理、職業衛生、特種設備、專業綜合等內容，再根據資料進行整理、去重、更新等任務完成的。數據庫內的資料檢索方式采用騰訊云搜方法，該方法利用騰訊搜索團隊在海量存儲、海量計算、機器學習、相關性策略、自然語言處理領域的技術經驗，為開發者提供從檢索串處理到搜索結果排序、運營管理的一整套搜索服務。使用該方法時首先對原有模板進行討論修改，再根據法律法規的內容、涵蓋范圍、重要程度的發表進行序號編輯，下載模板進行編輯，并上傳模板進行使用。

3.2 功能實現

根據煤礦安全生產實際情況，所開發的礦工不安全動作管理APP應實現兩大核心功能。第一，以行為糾正為基礎，解決不安全動作管理與統計問題；第二，以權威不安全動作影響因素量表為基礎，挖掘不安全動作產生機理。除此之外，還應實現用戶及部門管理功能，煤礦相關法律法規云搜索功能，功能架構如圖4所示。由于系統功能需求不斷增加，為了更好地提高擴展性，將客戶端設計為三個主要的獨立子系統，可通過主系統頁面點擊進入子系統，也可單獨安裝某一子系統使用。

圖4 系統功能架構圖Fig.4 System functional architecture diagram

3.2.1 不安全動作管理

1) 基于以上理論分析與煤礦相關的安全法律法規、安全規程及安全生產情況建立不安全動作項目庫，主要記錄不安全動作的名稱、類別、嚴重程度、違反規定、可能導致事故類型、正確的安全動作、影響因素測量七大項目，其中，“違反規定”“正確的安全動作”兩項可根據APP法律法規數據庫內檢索的相關條例進行補充。在實際使用過程中，可添加不安全動作發生的時間、地點、發出者等具體信息，具體信息見表2。

表2 不安全動作項目信息及補充說明Table 2 Item information and supplementary instructions of unsafe acts

2) 基于不安全動作項目庫，設計不安全動作閉環管理流程即對不安全動作的觀察、記錄、糾正、統計。安全員觀察發現不安全動作后，記錄其時間、地點、發出者及名稱信息，系統可自動判別并生成完整的不安全動作信息，并顯示“未整改”狀態，發出者按照信息糾正后狀態改為“已整改”；對于整改不合格的情況，將通知相關責任人繼續整改，直至確定消除不安全動作，實現閉合管理。此外，在數據庫中及時更新相關數據，實現對不安全動作的統計與分析。

3.2.2 影響因素量表管理

對照上述不安全動作影響因素分類選取、建立、使用、測量、分析國內外可驗證的量表。煤礦企業可根據生產要求自行添加量表，普通職工根據要求完成量表提交結果，安全科研人員根據測量結果探討不安全動作的影響因素，挖掘不安全動作產生機理，研究煤礦安全水平。

3.2.3 系統管理

系統管理是實現人機交互的通道入口，主要是對用戶和角色的管理以及其他一些信息查看管理。用戶通過統一的登錄界面，輸入用戶名、密碼后登錄系統，共設置普通職工、安檢員、安全主管及企業領導、安全科研人員4類用戶類別，系統會根據用戶的類別設定不同的權限，并根據權限等級具有相應的功能。以不安全動作管理與量表管理功能為例，具體操作界面如圖5所示。

圖5 APP部分操作界面Fig.5 Partial operation interface of APP

3.2.4 法律法規數據庫內檢索管理

建立相關行業法律法規體系的數據庫，建立索引后，根據關鍵詞可檢索相應詞條，能夠清晰展示相關資料。建立起基于礦山安全法律法規體系的云搜索，方便企業實際應用。從目前情況來看，行業內并沒有類似的法律法規查詢體系，企業可以通過該云搜索工具便捷地查詢資料，避免在經營過程中產生法律風險。

4 實踐應用

通過前期建設、系統調試、系統試運行等過程，2018年初礦工不安全動作管理APP成功應用于內蒙古自治區鄂爾多斯市某煤礦，在應用過程中可得到如下分析結果。

1) 提高了智能化設備管理不安全動作的使用比例，實現了不安全動作檢查糾正過程及臺賬管理的無紙化操作，形成了一套不安全動作項目庫，便于不安全動作的管理。

2) 規范了不安全動作的管理過程，提高了不安全動作管理的準確性。通過標準化的檢查過程，減少了在檢查過程中的分歧與爭議。

3) 通過不安全動作影響因素測量量表挖掘了不安全動作的產生機理，提高了礦工的安全意識，培養了良好的安全習慣。

4) 建立起煤礦行業法律法規體系的數據庫，清晰展示了相關資料；企業在實際應用時能夠快速檢索與安全相關的法律法規，為企業的學習和實踐做出充分有效的準備，提高了安全法規這方面的查詢和使用效率。自試運行以來，不安全動作數量整體呈下降趨勢(圖6)。目前礦工不安全動作管理APP還處于試運行和優化階段，其功能架構和數據分析還可進一步完善。

圖6 2018年1—8月不安全動作數量統計Fig.6 Statistics of unsafe acts from January 2018 toAugust 2018

5 結 語

本文基于行為安全與奶酪模型相關理論，搜索大量煤礦行業的法律法規建立數據庫，提出并設計了礦工不安全動作管理APP，并成功應用于煤礦實際安全生產管理中。應用成果顯示，煤礦數字化、信息化的發展趨勢與智能手機應用程序的普及，為轉變不安全動作監管的傳統方式提供了強大的技術支持，有效地減少了不安全動作的發生，提高了不安全動作的管理水平，挖掘了不安全動作的產生機理，提高了搜索相關法律法規的快捷性，支撐煤礦提高安全信息化管理水平。