溫傳詩
(甘肅第七建設集團股份有限公司,甘肅 蘭州 730000)
塔式起重機在建筑行業中受到廣泛的青睞,使用塔式起重機可以提高工作效率、降低工程造價,但是由于塔式起重機結構復雜,作業環境也較復雜,存在工作人員缺乏安全意識以及管理不當等問題,會導致安全事故的發生,給國家和社會帶來人員財產損失。
作為大型起重施工運輸機械的塔式起重機,結構組成部件眾多,主要由3 個部分組成,分別是金屬結構、工作機構和驅動控制裝置。塔式起重機基本構造與具體結構組成見圖1。

圖1 塔式起重機基本構造
其中,金屬結構主要起到承受塔式起重機自身和需要運輸的物體的重量的作用,需要具備較高的強度、剛度以及穩定性[1]。工作機構是塔式起重機的重力裝置,用來保證塔式起重機的起升、回轉和變幅等功能。驅動控制裝置為塔式起重機的正常運行提供動力。不同種類的塔式起重機的結構也有所不同。塔式起重機在施工過程中主要有4 個特點[2]:一是具有較多的服役數量。在建筑施工過程中,每棟樓至少需要1 臺塔式起重機,由于空間窄小,因此極易發生安全事故。二是工作人員需要具備較強的專業性。在施工過程中需要多人配合工作,一人失誤將會導致整個施工過程發生危險,因此工作人員需要有較強的專業性。三是起吊距離較高,且需要運輸的物體數量較多,導致運輸次數也較多。在建筑施工過程中,塔式起重機主要是負責垂直方向上的運輸,隨著日漸增多的高層建筑,塔式起重機的起吊距離以及重量也隨之增大。四是工作量繁多。塔式起重機的日常重復性工作較多,而且一些安全問題以及設備維修問題也會加重工作量,工作人員容易疏忽大意,從而易導致安全問題的發生。
本文統計了100 起塔式起重機的安全事故,并且按照安全事故類型、事故發生階段,進行了相關統計分析。
將100 起塔式起重機安全事故按照類型進行分類統計分析,可知類型分布情況統計結果。圖2 為塔式起重機安全事故類型分布圖。

圖2 塔式起重機安全事故類型分布圖
由圖2 可知,100 起安全事故中倒塌事故所占比例最多,占安全事故總數的比例高達52%,遠高于其他安全事故發生比例,這取決于塔式起重機的工作性質與塔式起重機本身的特點[3]。僅次于倒塌事故的是高處墜落事故,占比約為16%,由此可看出塔式起重機高處作業的特點。此外,超載、其他類型的安全事故所占比例也較多,分別所占比例為12%和9%。斷臂、碰撞、脫鉤、觸電事故相對較少發生,均在5%以下,但是也應引起重視。
將100 起塔式起重機安全事故按照發生階段進行分類統計分析,可知發生階段分布情況統計結果。圖3 為塔式起重機安全事故發生階段分布圖。由圖3 可知,作業階段發生的安全事故數量最多,這是由于塔式起重機作業階段比安裝階段和拆除階段所需的時間長,并且在作業階段塔式起重機需要面臨更復雜的環境,交叉作業的現象更容易出現。安裝階段和拆除階段發生安全事故的數量相差不多。安裝階段和拆除階段是塔式起重機上下連接最薄弱的時候,稍有差錯就容易發生安全事故,此時需要較高的專業技術,因此安裝階段和拆除階段的難度較大[4]。3 個階段的特點各不相同,但由于塔式起重機的安裝工藝和拆除工藝有很多相同之處,因此安裝階段和拆除階段發生安全事故的特點大致相同,然而這兩個階段發生安全事故的特點與作業階段發生安全事故的特點明顯不同。

圖3 塔式起重機安全事故發生階段分布圖
通過對塔式起重機安全事故進行統計分析,初步了解了塔式起重機安全的事故發生特點;但是要進一步了解塔式起重機安全事故的發生特點,還需要對事故致因進行識別和進一步的研究分析。事故致因理論中最典型的兩種理論是因果連鎖理論和綜合因素理論。因果連續理論認為傷亡事故并不是一件孤立的事件,而是由一系列事件導致的,可以解釋為環境或者遺傳因素會導致人顯露缺點,從而產生一系列不安全行為或者較差的狀態而導致事故的發生,它表明這種事故是長期的連鎖反應,因此可在事故還未發生時采取有效措施避免事故的發生。綜合因素理論認為事故是由直接原因和間接原因導致的。結合因果連鎖理論,可將人、物以及環境因素歸因于直接原因,管理缺陷和管理責任歸于間接原因。只有管理出現問題時,才會出現直接原因。圖4 為綜合因素理論關系圖。本文以這兩種理論為基礎,分析了多起塔式起重機安全事故,得到導致事故發生的不安全因素主要可分為4 類,分別是人、物、管理和環境因素[5]。通過分類可以找出事故發生時的連鎖反應,也可以羅列事故發生的原因,從而可以幫人們更清楚地分析事故的風險因素。

圖4 綜合因素理論關系圖
為了解各項事故致因在所調查的100 起塔式起重機事故中的分布情況,對100 起塔式起重機安全事故進行反復查閱與核對,最終統計得到了10 項事故致因的頻數與頻率,塔式起重機事故致因統計結果見表1。由表1 可知,排在前三位的事故致因分別是工人違章操作、現場安全管理問題和無安全教育培訓。其中,工人違章操作的統計頻率高達79%,這是導致塔式起重機安全事故的首要高頻事故致因,需要引起重視。工人違章操作的主要原因是工人的安全意識薄弱,缺乏安全知識。現場安全管理問題的統計頻率為29%,主要原因是施工現場的安全管理人員不到位、安全管理技術較差以及安全管理人員對安全問題不重視。排在第三位的事故致因是無安全教育培訓。無安全教育培訓的主要原因是安全教育流于形式或者未組織工作人員進行安全教育培訓。安全生產管理職責不明、安全管理制度不健全、未進行安全技術交底與專項施工方案這3 個事故致因雖然頻率不高,但是均在10%以上,也需要引起注意。

表1 塔式起重機事故致因統計結果
反向傳播(Back Propagation,BP)神經網絡具有很強的非線性映射能力,塔式起重機事故的影響因素較多,樣本量較少,相關性較弱,因此容錯性較強的BP 神經網絡可用于塔式起重機事故的預測中。BP 神經網絡的各層均由神經元組成,神經元的輸入和輸出關系可以表示為
式中:f(zi)為傳遞函數;wij為權值;bij為閾值。
但是BP 神經網絡具有一定的局限性,處理時間較長、沒有確定隱含神經元的標準方法,容易陷入局部最小值問題。為了避免此問題的出現,采用遺傳算法(Genetic Algorithm,GA)對BP 神經網絡進行優化,使目標函數實現全局最優。遺傳算法具有良好的可擴展性,容易與其他算法相結合。遺傳算法對BP 神經網絡的優化主要是對權值和閾值的優化,在優化過程中首先要明確權值和閾值的編碼方式,然后生成初始種群,接著將BP 神經網絡的目標函數轉化為適應度函數來計算個體適應度,采用誤差函數E 的倒數作為適應度函數F,表達式為
式中:E 越小,適應度函數F 越大。最后進行遺傳算法操作,得到最優解。
本文將100 起事故進行數據化處理,并構建GA-BP 風險預警模型,構建步驟為:一是網絡層數和各層神經元數量的確定,常用的神經元數量估算公式為
式中:m、l、n 分別為輸入層、隱含層和輸出層神經元的數量;a 為常量。二是傳遞函數和學習函數的選取。三是將權值和閾值進行初始化。四是對相關參數進行設定。五是確定遺傳算法的相關參數。建立好模型后,從100 起事故中隨機選取10 起事故進行測試,使用BP 神經網絡模型和遺傳算法優化后的BP 神經網絡模型,對事故類型和事故安全等級進行預測,塔式起重機風險預測模型預測精度見表2。經過對比發現,相比未經優化的BP 神經網絡模型,遺傳算法優化后的BP 神經網絡對事故類型和事故安全等級的預測精度較高,表明遺傳算法優化后的BP 神經網絡模型可以提高風險預測的準確性。

表2 塔式起重機風險預測模型預測精度
通過對塔式起重機事故致因進行分析,可以看出工作人員操作失誤是導致事故發生的重要原因,因此需要加大對工作人員的管理。首先,需要加強工作人員的考核機制。塔式起重機的工作人員必須經過各種作業考核并取得相應的資格證,從而提高工作人員的整體素質,并定期對工作人員進行考核,可將考核成績與績效進行掛鉤,實行獎懲制度,以此來減少違章操作行為的出現,提高工作人員的安全生產效率。其次,需要提高工作人員的安全意識。各單位在作業前必須對工作人員進行必要的安全生產教育培訓,提高工作人員的安全意識,沒有經過安全教育培訓的工作人員不允許上崗,同時要正確佩戴各種安全用具,做好防護措施。最后,工作人員需要嚴格遵守勞動規程。嚴禁工作人員疲勞作業或者酒后作業,每日進場前必須接受安全教育并進行安全交底,加強標準的交接班制度,減少違章操作或指揮。
在塔式起重機安全事故中,由安全管理引起的事故也占有較大的比例。因此需要加強現場的安全管理。首先,需要加大參建單位的安全管控。施工單位作為現場作業的總責方,應該建立健全完善的管理制度,落實工作人員的職責,監督工作人員進行安全教育培訓,并定期開展安全檢查工作。監理單位也應履行監理職責,對專項方案進行嚴格審查,同時也要嚴格審查工作人員的工作資質,做好安全備案。塔機租賃和安裝拆除單位在各個環節都需要對工作人員進行崗前培訓和安全教育,一定要確保所有工作人員均持證上崗。建設單位要開展施工活動,加大現場巡查頻率,同時定期對各參建單位以及檢修單位進行巡檢并且評估。
由于設備和環境因素導致的安全事故所占比例不高,但也需要引起重視。塔式起重機安全事故多數是功能部件失靈或者結構構件撕裂破壞所導致的,由于繁重的工作,工作人員可能會忽視功能部件和結構構件對塔式起重機的影響,因此需要對設備進行定期的檢查維修和保養來保障塔式起重機的安全運行。施工現場雜亂無章也是導致塔式起重機安全事故頻發的原因之一,因此需要定期打掃施工現場。天氣問題也是導致塔式起重機安全事故發生的原因,工作人員應該提前關注天氣預報,做好工作指揮協調,提高安全生產的效率。
塔式起重機在施工現場的頻繁使用難免會產生安全隱患,隱患未經處理將會產生安全事故,造成巨大損失。本文查閱了100 起塔式起重機安全事故,分析發現塔式起重機安全事故主要是倒塌造成的,安全事故主要發生在作業階段,人的因素是塔式起重機安全事故致因的主要因素。采用遺傳算法對BP 神經網絡進行優化,優化后的預測模型對事故類型和事故安全等級的預測精度都有所提高。因此為了盡量減少安全事故的發生,必須加強對工作人員、設備以及環境的管理。