智能化煤礦掘進工作面不安全行為影響因素及防控措施

錢 敏，何敏潔，王尚武

(1.西安科技大學 管理學院，陜西 西安 710054； 2.陜西陜煤曹家灘礦業有限公司，陜西 榆林 719001)

0 引言

安全是煤礦的生命線，推進煤礦智能化是創建安全高效礦井的根本途徑。2020年，國家發展和改革委員會等8部委發布《關于加快煤礦智能化發展的指導意見》，我國煤礦智能化建設步入快速發展軌道。2022年1月28日，國家能源局在新聞發布會上發布：我國煤礦智能化建設加快推進，全國有近400座煤礦正在開展智能化建設，建成智能化采掘工作面687個。從國家礦山安全監察局網站查詢了我國加快煤礦智能化檢核以來的事故：2020年、2021年全國煤礦發生死亡事故分別為123起、102起。其中，掘進工作面分別為27起、26起，分別占死亡事故總數的21.95%、25.49%，在智能化煤礦的建設進程中，掘進工作面死亡事故占比較大。研究表明，事故的發生90%是由人的不安全行為引發的，人的不安全行為是引發事故的主要原因[1]。研究掘進工作面員工的不安全行為影響因素和防控措施，是減少和預防智能化煤礦事故的有效途徑。

國內外眾多學者從教育程度、工齡、組織管理等方面研究了不安全行為影響因素，ABBASI M等[2]采用訪談法和文獻綜述法研究人的不安全行為，研究結果表明不安全行為與受教育程度存在顯著相關性，而與年齡、工作經歷、婚姻狀況、工作和觀察時間的相關性均不顯著。AKBARI H等[3]研究認為大多數事故的主要原因是不安全行為引發，而工作滿意度與不安全行為發生率有很大關系。慕慶國[4]運用行為采用行為基礎安全可拓理論的可拓性和形式化的模型研究得出，內在的生理和心理因素以及外在的環境因素是礦工不安全行為的影響因素。朱艷娜等[5]選取群體壓力、管理者態度、設備設施、復雜環境、組織管理等影響因素。運用結構方程模型研究了煤礦員工不安全行為影響因素，結果表明設備設施對煤礦員工不安全行為的影響最大。栗繼祖等[6]認為人的行為取決于自身先天性格和外部環境的影響，煤礦安全文化、企業文化建設有助于減少人的不安全行為。楊晨源等[7]基于組織行為學理論構建了礦工不安全行為影響因素指標體系，研究表明，個體因素影響程度最大，權重占比為43.19%，其次是群體因素和組織因素，權重占比分別為28.93%和27.88%。

針對不安全行為，研究認為可從安全制度、適當的勞動時間、安全培訓、安全獎懲、安全文化建設、行為觀察等方面減少不安全行為。JADIDI E等[8]通過觀察、訪談、檢查表等方式研究得出對工人進行持續的安全培訓、實施獎懲制度可以減少不安全行為的發生。AKBARI H等[9]運用問卷調查方式調查得出：制定安全培訓計劃和設定適當的工作時間是減少不安全行為的有效策略。邊俊奇等[10]基于安全管理學與杜邦STOP系統的相關理論構建了煤礦安全行為觀察模型，認為安全行為觀察可以減少煤礦員工的不安全行為。郭江慧等[11]從安全動機與安全行為2個維度出發，構建安全色行為風險矩陣圖，并對不同的風險提出從安全培訓、安全制度等方面提出了控制措施。李磊等[12]分析了煤礦工人不安全行為形成機理，從內因、外因和干預對策3方面構建組合干預模型，組合干預能夠有效控制煤礦工人的不安全行為。楊濤等[13]分析了煤礦職工不安全行為影響因素，從個體、群體、組織管理等方面構建了職工不安全行為控制對策，認為行為觀察、危險預知訓練等管理方法能增強職工的安全意識。

國內外關于不安全行為的研究成果較多，但針對智能化煤礦，尤其是掘進工作面不安全行為影響因素及防控的研究成果很少。目前我國正處于智能化煤礦建設的起步階段和快速發展階段[14]，在智能化煤礦建設進程中，研究智能化掘進工作面員工不安全行為，將有助于智能化煤礦安全高效生產。

1 不安全行為影響因素構成及問卷調查

人的不安全行為與人、機、環境及管理等因素有關，掘進工作面是一個復雜的人、機、環、管系統，在這個系統中，人的不安全行為受個體因素、設備因素、環境因素、管理因素等諸多因素影響[15]。因此，將以上4個因素作為一級影響因素，各一級影響因素中又包含不同的二級影響因素。各二級影響因素的構成，參考了文中所列參考文獻[2]至文獻[7]，并查閱了其他關于不安全行為影響因素的研究成果。在與煤礦安全管理者訪談后，確定了智能化煤礦掘進工作面不安全行為二級影響因素，見表1。

為了調研智能化煤礦掘進工作面不安全行為影響因素，編制了問卷調查表。調查表中將各二級影響因素按影響程度大小，分為影響很小、影響較小、影響一般、影響較大、影響很大5個等級，每個等級對應的分值分別為1分、2分、3分、4分、5分。

在地處陜西省榆林市的某智能化煤礦進行了問卷調查，受訪者為智能化掘進工作面相關員工，包括掘進隊員工、運服隊員工、生產準備隊員工、安檢人員和管理者。共發放問卷110份，回收調查問卷98份，回收率為89.0%。受訪者中，工齡1～5年的46人，6～10年的38人，僅有14人為10年以上工齡。初中及以下學歷15人、高中學歷48人、大專及以上學歷35人。該礦與掘進工作有關的員工的工齡10年以下的占85.7%、大專以上學歷人員占受訪者35.7%。相比于傳統煤礦，是一支較年輕且受教育程度相對較高的隊伍。

對問卷中21個問題進行分析，使用Cronbach’α系數法對問卷的信度進行檢驗，調查問卷克朗巴哈α系數值為0.924，信度為十分可信。對問卷進行Bartlett球體和KMO檢驗來做效度分析，判斷改問卷是否可作因子分析，KMO系數為0.848，顯著性Sig.=0.000<0.05，表明適合作因子分析。智能化煤礦掘進工作面不安全行為影響因素調查問卷統計見表1。

表1 智能化煤礦掘進工作面不安全行為影響因素調查問卷統計表

2 不安全行為影響因素分析

2.1 一級影響因素分析

采用層次分析法分析智能化煤礦掘進工作面各個一級影響因素影響程度，經計算后得出各個一級影響因素的權重，權重大者影響程度大，權重小者影響程度小。一級影響因素權重計算步驟如下。

2.1.1 建立一級影響因素判斷矩陣

對4個一級影響因素采用1～9標度進行兩兩比較。邀請高校從事煤礦安全研究的教授和煤礦安全管理者共計10位專家，其中教授3位、煤礦總工程師1位、煤礦安全副總1位、具有豐富煤礦安全管理經驗的一線工作人員5位。首先，這10位專家采用打分的方法，對4個一級影響因素兩兩相比較進行重要程度評判，構成判斷矩陣，然后對判斷矩陣采用層次分析法分析計算出各一級影響因素的權重，從而得出影響程度的大小。專家賦值見表2。

表2 層次分析法專家賦值參考表

將智能化煤礦掘進工作面不安全行為用A表示，將個體因素、設備因素、環境因素、管理因素分別用B1，B2，B3，B4表示，通過對專家賦值情況的整合，得出智能化煤礦掘進工作面不安全行為判斷矩陣，見表3。

表3 A-B判斷矩陣

2.1.2 計算判斷矩陣的特征向量及最大特征值

求判斷矩陣的特征向量Y

(1)

計算得出該矩陣的特征向量

Y=(y1,y2,y3,y4)=(2.340 3，0.359 3，1.414 2，0.840 9)

將特征向量Y歸一化處理后可得到權重向量W

(2)

對特征向量Y進行歸一化處理后得到權重向量

W=(0.472 3，0.072 5，0.285 4，0.169 7)

計算判斷矩陣的最大特征值

(3)

式中：n為判斷矩陣的階數，取4。

得出最大特征值λmax=4.051 1。

2.1.3 一致性判斷

求出偏離一致性指標CR

(4)

式中:RI為隨機一致性指標，可查隨機性一致性指標表確定。

查表可得RI=0.90，根據式(4)計算得出

CR=0.019 3

由于CR計算結果小于0.1，所以該判斷矩陣一致性可接受。

綜上得出，不安全行為一級影響因素權重從大到小的順序為：個體因素0.472、環境因素0.285、管理因素0.170、設備因素0.073。

就一級影響因素而言，個體因素對智能化煤礦掘進工作面不安全行為影響程度最大，設備因素影響程度最小。隨著煤礦智能化掘錨設備的不斷升級改造，采用機械化、自動化、信息化、智慧化的生產模式，在智能化生產模式和現代化設備的背景下，設備因素對不安全行為的影響最小。

環境因素對不安全行為影響也較大。掘進工作面不但受水、火、瓦斯、煤塵、頂板等多種自然災害的威脅，而且是獨頭作業空間，范圍狹小、噪音大、粉塵污染嚴重、通風條件差，工作環境惡劣多變。員工長期在這種環境中工作，容易產生不安全行為。

2.2 各個一級影響因素下的二級影響因素分析

采用熵權法分析二級影響因素影響程度大小，根據回收的98份問卷調查結果，對個體因素、設備因素、環境因素、管理因素下的各個二級影響因素分別進行分析。

2.2.1 個體因素下的二級影響因素分析

1)對原始數據進行標準化處理

為了消除物理量的影響，將原始數據轉化為0～1之間的數。

(5)

式中：xij為第i為人員的第j個評價指標值(i=1，2，3，…，98；j=1，2，3，…，6)。

2)無量綱計算

(6)

3)熵值計算

(7)

4)評價指標權重計算

(8)

根據調查問卷的打分情況，按照上述步驟，經計算得出個體因素的二級影響權重，見表4。

表4 個體因素的二級影響權重判斷表

個體因素的各二級影響程度從大到小的順序為：工作技能0.251、工齡0.234、求快心理0.139、習慣性0.130、疲勞程度0.119、學歷0.117。

在個體影響因素中，工作技能和工齡是主要影響因素。工作技能是指完成工作所需具備的知識、技能、經驗等，智能化煤礦正處于高質量發展的關鍵時期，智能化掘進設備的高效運轉，對工作技能提出了更高的要求，熟練的工作技能是減少不安全行為、保障安全生產的主要影響因素，隨著工齡的增長，工作技能也在不斷提高。

2.2.2 設備因素下的二級影響因素分析

同理可得設備因素的各二級影響程度從大到小的順序為：智能化設備正確操作0.358、設備防護0.356、應急設施0.162、智能化設備故障0.124。

智能化設備正確操作和設備防護是不安全行為的主要影響因素，智能化工作面采用了結構復雜、自動化程度高的掘錨設備，若操作不當，不僅會造成造成經濟損失，還可能造成人員傷亡。設備的防護設施同樣是不安全行為的主要影響因素，不斷改進智能化設備的防護措施，能夠減少和避免不安全行為。

2.2.3 環境因素下的二級影響因素分析

計算得出環境因素的各二級影響程度從大到小的順序為：粉塵0.210、照明0.209、自然災害0.206、噪音0.194、作業空間0.182。從各影響因素權重的大小來看，雖然影響程度有大小之分，但沒有太大的區別。

良好的工作環境能使人心情愉悅，惡劣的工作環境能引起各種身心不適，導致不安全行為發生。掘進工作面自然災害種類多，涉及瓦斯爆炸、水害威脅、頂板冒落、煤與瓦斯突出等，而且作業場所范圍狹小、通風條件差、噪音大、粉塵重、工作環境惡劣多變，是井下事故易發地和高發地。員工長期在惡劣的環境中工作，容易產生不安全行為。

2.2.4 管理因素下的二級影響因素分析

計算得出管理因素的各二級影響程度從大到小的順序為：安全培訓內容及效果0.240、作業規程操作性和針對性0.208、掘進進尺考核0.176、風險隱患排查0.139、安全獎懲制度0.128、采掘接續緊張生產任務重0.110。

管理影響因素中安全培訓內容及效果、作業規程操作性和針對性是主要影響因素。安全培訓內容要有針對性，按照“干什么學什么、缺什么補什么”原則，開展“訂單式”“靶向式”的培訓。智能化掘進的作業規程與傳統的掘進作業規程有很大的區別，智能化掘進成套裝備具有一鍵啟停、智能鋪網、智能鉆錨、皮帶自延、自動攤鋪等功能，實行“探、掘、支、破、運”一體化作業方式，作業規程要根據生產實際、設備更新、環境變化等實際情況精心編制，否則容易引發不安全行為。

2.3 二級影響因素綜合排序

對一級因素的分析結果表明，個體因素影響程度最大、設備因素影響程度最小；對二級因素的分析結果表明，個體因素中工作技能和工齡是主要影響因素，設備因素中智能化設備正確操作使用、設備防護是主要影響因素，環境影響因素中粉塵、照明、自然災害、噪音、作業空間均是主要影響因素，影響程度沒有太大的區別。管理因素中安全培訓內容及效果、作業規程操作性和針對性是主要影響因素。

綜合考慮一級影響因素和二級影響因素權重，將一級影響因素與自身二級影響因素權重相乘后得出最終權重，并進行排序，得出影響程度排序，見表5。

表5 智能化煤礦掘進工作面不安全行為影響因素權重總排序表

排序中，影響程度從大到小的前10個影響因素是：工作技能、工齡、求快心理、習慣性、粉塵、照明、自然災害、疲勞程度、噪音、學歷。

3 不安全行為防控措施

排在前10名的影響因素均是個體影響和環境因素下的二級影響因素。所以，個體因素和環境因素是智能化煤礦掘進工作面不安全行為的防控重點考慮對象。智能化煤礦的自動化、機械化、信息化、智能化程度較高，充分運用智能化煤礦的特點和優勢防控不安全行為影響因素，筑牢安全防線。

3.1 個體影響因素防控措施

個體影響因素中，工作技能影響程度最大、其次為工齡、然后是求快心理、習慣性。

運用信息化創新培訓模式，提高工作技能。在信息化背景下，實現網絡學習、手機微課堂等培訓方式，使培訓從“定點學”向“隨時學”，從“線下學”向“線上學”轉變。巷道掘進是一個復雜的多工序過程，涉及到破巖、排矸、支護等生產工序，運用VR虛擬現實技術模擬智能化掘進工作面作業場景，進行工作技能培訓，有利于提高培訓效果。

注重工齡、學歷的梯度，減少工齡、學歷對不安全行為的影響。在隊伍建設中，形成老中青結合的隊伍，并建立師帶徒的制度，形成良好傳幫教氛圍。安排工作時，從員工的工作技能、工齡、學歷等多方面入手合理安排工作任務，做到人崗匹配。

運用人工智能防控求快型和習慣性不安全行為。安全管理人員不在場時，容易發生求快型和習慣性不安全行為，在掘進工作面和掘錨設備上安裝人工智能攝像系統，通過智能辨識，對不安全行為進行捕獲、預警、制止。運用人工智能可使不安全行為的防控由“單一人工防控”向“人工+智能系統雙重防控”轉變，不安全行為控制從被動監管向主動管理、現代化監管轉變。若發生不安全行為，系統將會自定向員工發出預警，提醒現場管理人員及時制止，同時將現場的視頻發送安檢部門。若嚴重的不安全行為沒有停止，系統向相關設備發出指令，使設備停止運轉，避免人身傷害事故發生，實現不安全行為智能預警、實時記錄、現場制止，現場設備聯動閉鎖，達到預防和控制不安全行為的效果。

推進智能化建設，減少因疲勞而引發的不安全行為。按照智能提效的原則，提升掘錨設備的機械化、智能化水平，減少工人的勞動強度，將員工從繁重的體力勞動中解放出來，既減少了因疲勞而引起的不安全行為，也提高了生產效率。

3.2 環境影響因素防控措施

環境影響因素中，粉塵、照明、自然災害、噪音、作業空間均影響不安全行為。

改進掘錨設備支護工藝，使掘進工作面的臨時支護、永久支護實現自動化，減少頂板自然災害的影響。

升級改造掘進工作面的粉塵、噪音、瓦斯、應力、水文等監測系統，提高掘進工作面環境和自然災害的精準監測，并實現智能預警。

積極探索作業人員在封閉的中央集控室進行遠程操作，阻隔掘進工作面機組作業產生的噪音、粉塵，同時減少自然災害的影響。

提高掘進工作面環境舒適度，保證員工有充足的作業空間；改進除塵裝置，減少粉塵對人的影響、對光照度的影響。

4 結論

1)智能化煤礦掘進工作面不安全行為影響因素包括個體因素、設備因素、環境因素、管理因素4個一級影響因素，每個一級影響因素又包含若干二級影響因素，并對各個影響因素進行了問卷調查。

2)運用層次分析法分析了一級影響因素，得出個體因素影響程度最大，其次是環境因素。運用熵權法研究了各個一級影響因素下的二級影響因素的影響權重。綜合一級影響因素和二級影響因素，對所有二級影響因素進行了總排序，得出個體因素、環境因素下的二級影響因素是主要影響因素。

3)針對主要影響因素，運用智能化煤礦的特點和優勢，分別從個體因素、環境因素兩方面提出了防控措施。