基于雙重預防體系的礦山安全風險智能分析系統

王佳斌 李國清 強興邦 白云龍 王秋玲 趙 威

(1.北京首鋼礦山建設工程有限責任公司,河北 遷安 064404;2.北京科技大學土木與資源工程學院,北京 100083;3.山東黃金礦業(萊州)有限公司三山島金礦,山東 萊州 261442)

地下開采金屬礦山是我國經濟發展的重要組成部分,具有作業地點分散、開采條件復雜多變、工作環境惡劣、安全風險因素眾多等特點[1-2],因此,安全是現代礦山企業生產過程中重點關注的問題。 為提高礦山安全管理的科學性和有效性,2016 年國家開始推行安全雙重預防體系建設,通過推廣安全風險管控和隱患排查,實現隱患盡早發現、事故從源頭遏止。2022 年國家礦山安全監察局印發了《關于加強非煤礦山安全生產工作的指導意見》,提出強化安全生產標準化建設,建立健全安全風險分級管控和事故隱患排查治理雙重預防機制。 借助智能化和信息化手段、現代化的管理方式,在生產作業前識別危險源、管控風險,在生產作業過程中排查治理安全隱患,避免事故發生[3],已經成為礦山企業進行安全風險管理的重要手段。

安全管理信息系統融合了先進的管理理念和信息化技術,為保障礦山安全提供了科學有效的技術手段。 近年來,許多學者針對雙重預防機制的信息化管理模式進行了研究與分析,張丹等[4]借助5G、物聯網、GIS 等先進技術,實現了雙重預防體系在非煤礦山中的應用。 王杰等[5]將雙重預防體系用于發現采掘作業中的薄弱環節。 陳洋洋等[6]為降低磷礦山生產作業事故發生概率,結合WebGIS 和三維地圖可視化等信息技術,設計了智能化綜合安全管控系統,系統建成投入應用后,磷礦山事故發生概率環比降低了12.67%。 李爽等[7]設計并構建了智能雙重預防機制及智能安全管控平臺,該系統在對各個風險定期全覆蓋管控的基礎上,實現了不同風險等級的差異化資源投入和對隱患的及時、超前管控,在提高安全管理績效的同時,實現了各項安全管理活動環節的簡單化。

近年來,國內外學者在應用大數據分析技術進行安全隱患關聯挖掘、事故致因分析及安全系統研發方面取得了大量研究成果。 張儉讓等[8]采用Apriori 算法對事故隱患進行多維度分析、深層次挖掘,并研發了礦山安全生產標準化信息管理系統。 李樹剛等[9]提出了互聯網+安全管理信息化建設思路,將物聯網、云計算、大數據技術運用到礦山安全信息化建設中。 司鵠等[10]將大數據理論用于事故致因分析,將一段時間內的事故進行統計分析和深度挖掘,提取出影響事故發生的因素,并分析了因素的重要程度。 譚章祿等[11]利用文本聚類和卡方統計相結合的方法對礦山安全隱患類型和特點進行了研究。 李國清等[12]通過采用大數據分析技術對隱患數據進行挖掘利用,智能辨識出影響礦山安全生產的危險源。

當前,我國學者對雙重預防體系信息系統開展了研究[13-17],但仍然存在礦山分別從風險分級管控和現場安全檢查兩個維度單獨構建安全監管體系的問題,較少考慮風險管控和隱患排查之間的關聯關系:即風險清單能夠為安全檢查提供重點關注問題,排查出的隱患為風險分級提供數據支持。 同時,風險等級劃分主要依賴于國家或行業相關規范和標準,從宏觀層面覆蓋了礦山常見、頻發的風險,由于地質條件、生產組織、管理水平差異,各個礦山存在自身個性化的安全生產問題,為此,礦山亟須根據自身安全問題制定更加具有針對性的風險分級方法[18-21]。

綜上,本研究重點圍繞礦山安全生產雙重預防體系全過程閉環管理工作,結合大數據分析和系統研發等技術手段,設計并實現了礦山安全風險智能分析系統。 通過將雙重預防體系的業務流程進行系統化,將礦山安全管理全面擴展至以風險管控和隱患治理為核心的人機環管全要素管控;同時,結合大數據分析技術對安全檢查數據進行深入分析,利用分析結果對礦山安全風險進行智能化分級,構建風險分級管控、隱患排查治理和風險智能分級相互關聯的閉環管理機制。

1 系統分析

1.1 系統需求分析

(1)實例礦山在建設雙重預防體系過程中存在大量的信息記錄環節,多為人工操作,因此,有必要通過信息化系統實現雙重預防體系全流程信息化管理。

(2)實例礦山在建設雙重預防體系過程中,存在大量現場業務處理環節,因此系統需要實現移動端應用開發,以實現便攜式現場管理,滿足系統在實例礦山的全場景應用。

(3)實例礦山在應用雙重預防體系的過程中,積累了大量的安全檢查數據,通過深入分析安全數據中隱含的信息,可以輔助安全管理人員進行決策,因此需要實現隱患信息的挖掘及可視化展示。

(4)針對風險分級依賴人員經驗這一問題,系統需要結合大數據分析技術實現風險分級智能化、客觀化、個性化。

(5)考慮到安全風險管理信息的敏感性,需要對系統的網絡安全、數據安全等功能進行設計,同時需要制定完善的應急預案,以保證系統安全、穩定、可靠運行。

1.2 業務流程分析

基于大數據分析的雙重預防體系全過程閉環管理業務流程如圖1 所示。

圖1 全業務流程閉環管理體系流程Fig.1 Flow of closed-loop management system of the whole business process

(1)風險分級管控業務過程。 包括風險點劃分、風險辨識和分級、風險管控措施制定、持續改進,并在現有的業務流程之上,通過建立檢查項目標準庫為編制檢查項目清單提供數據源。

(2)隱患排查治理業務過程。 包括制定檢查項目清單,依據清單進行隱患排查和上報至安全管理人員,安全管理人員對隱患進行審批并制定治理措施,責任人員據此進行隱患現場整改和整改情況反饋,生成隱患治理清單。

(3)風險智能分級業務過程。 通過對隱患治理清單的清洗和預處理,構建可供分析的數據集,通過對數據集的大數據分析確定事故發生可能性,同時采集金屬礦山事故數據,通過分析事故與風險的對應關系,確定后果嚴重性,基于風險矩陣分析法確定風險等級,動態更新風險管控清單。

2 系統設計

2.1 系統架構設計

系統總體架構分為基礎設施層、核心資源層、應用服務層、決策分析層和綜合展示層,如圖2 所示。

圖2 系統總體架構Fig.2 Overall system structure

(1)基礎設施層。 為系統運行提供必要的網絡支撐、基礎設施支撐以及技術支撐,包括大數據平臺、終端設備、網絡支撐、可視化組件、大數據分析技術。

(2)核心資源層。 實現存儲和獲取數據,為系統運行提供數據支撐,包括風險信息、隱患信息、人員信息等。

(3)應用服務層。 為系統提供業務支撐,實現系統的安全管理業務處理,包括風險分級管控業務和隱患排查治理業務。

(4)決策分析層。 通過數據預處理構建待挖掘的數據集合,以安全知識庫和大數據分析算法為依托,定期執行大數據分析腳本。

(5)綜合展現層。 主要為用戶提供系統直觀展現,支持多終端跨屏幕應用,包括數據大屏、PC 終端、移動終端。

2.2 系統功能模塊設計

系統功能模塊主要針對系統的需求分析和雙重預防體系的業務流程分析進行設計,系統分為風險分級管控模塊、隱患排查治理模塊、風險智能分級模塊、數據統計分析模塊和系統管理模塊,各功能模塊下設置多個子功能模塊。 系統功能體系如圖3 所示。

圖3 系統功能結構Fig.3 Structure of system function

(1)風險分級管控模塊。 實現礦山風險點劃分,以及風險辨識評價—制定管控措施—動態管控的全業務流程管理,同時根據風險管控信息建立檢查項目標準庫,為安全隱患排查提供標準,主要功能包括風險點管理、風險管控清單管理、風險動態管理、檢查項目標準庫管理。

(2)隱患排查治理模塊。 確定檢查依據,隱患排查、整改、復查驗收、閉環歸檔的全過程閉環管理,主要功能有檢查項目清單分配、排查結果上報、隱患審核、整改通知單下達、整改反饋、復查驗收、閉環銷號、隱患排查清單管理。

(3)數據統計分析模塊。 用于風險和隱患信息的統計分析并進行可視化展示。 對隱患按照作業地點、排查時間、隱患類型、責任單位、隱患致因等維度進行統計并繪制分布圖。

(4)風險智能分級模塊。 用于對隱患數據進行深度挖掘,實現風險分級的智能化。 具體包括數據標準化處理、數據挖掘模型庫管理、可視化展示。

(5)系統管理模塊。 用于保證系統穩定運行而設置的輔助功能。 主要包括對系統功能、角色權限、數據字典以及用戶信息進行管理。

3 風險智能分級模型構建與應用

3.1 風險智能分級邏輯模型

本研究采用大數據分析中的文本共現矩陣分析和模糊聚類分析方法構建金屬礦山風險智能分級邏輯模型,如圖4 所示。

圖4 風險智能分級邏輯模型Fig.4 Logical model for risk intelligence classification

(1)基于事故樹分析法的風險辨識。 通過事故樹分析法,確定事故與風險的對應關系,其中頂層事件表示礦山可能發生的事故,基本事件和中間事件代表能夠引發該事故的風險。

(2)事故后果嚴重性確定。 通過采集礦山發生的事故數據,劃分事故后果的嚴重程度,根據事故與風險的對應關系,確定風險所對應的事故后果,劃分事故后果的嚴重性等級。

(3)事故發生的可能性確定。 通過對風險因素數據集合進行文本共現分析,挖掘風險要素之間的關聯關系,確定不同的礦山安全隱患中風險要素共現頻次;運用模糊聚類分析法對風險因素的共現結果進行聚類,獲取隸屬度矩陣,確定共現頻次的分類情況,根據數據挖掘結果,劃分事故發生可能性和后果嚴重性的等級閾值,確定評價指標與評價等級的對應關系。

(4)風險量化表征。 根據風險要素的事故發生可能性的評價等級和事故后果嚴重性的評價等級判定風險等級,構建風險分析矩陣,計算風險值,等級越高,風險越大。

3.2 數據標準化

本研究以山東某礦山安全管理信息系統中抽取的安全隱患數據為例進行分析。該數據獲取時間為2011—2020 年,共38 590 條數據,數據記錄了隱患發生的時間、作業地點、隱患內容、整改完成時間等內容。 對原始數據進行抽取整理,提取出隱患內容、排查時間以及整改完成時間3 個維度信息。 由于隱患數據存在非結構化,數據錯誤、缺失等問題影響了文本挖掘的結果,因此需要對上述隱患數據進行文本清洗。

3.3 風險因素識別

礦山風險因素識別是風險評估分級的基礎,礦山風險眾多,不同作業活動、不同崗位、不同地點存在的風險其風險因素也不同,因此在進行風險預警等級劃分之前,需要對礦山生產過程中存在的風險因素進行識別。

礦山安全事故分類按照《企業職工傷亡事故分類》(GB 6441—1986)進行劃分,包括14 個類別,即物體打擊、車輛傷害、機械傷害、起重傷害、觸電、火災、高處墜落、冒頂片幫、坍塌、透水、放炮、爆炸、中毒窒息、其他傷害。 本研究按照礦山事故類型進行風險因素識別,確定風險因素與事故的對應關系,如物體打擊事故對應的風險因素包括浮石、飛物、檢修工具、頂板、放斗、人員占位、鋼釬、物件等,觸電事故對應的風險因素包括電纜、移動設備、斷電保護裝置、警示牌、帶電檢修、線路等。

3.4 事故發生的可能性等級劃分

將礦山事故中出現的風險因素與作業地點兩兩配對組成詞對,利用計算機語言統計他們在數據集合中共同出現的次數。 將統計結果輸入共現矩陣中,并采用繪圖軟件將共現矩陣轉化為共現網絡,部分結果見表1。

表1 風險因素與作業地點共現頻次Table 1 Frequency of co-occurrence of risk factors and work locations

結合表1,將風險因素共現結果采用Gephi 軟件繪圖,其中共現連接線越粗表明共現次數越多,結果如圖5 所示。

圖5 文本共現分析結果Fig.5 Text co-occurrence analysis results

風險矩陣分析法將事故預警等級劃分為4 類,因此本研究據此將模糊聚類分析的類數劃分為4 類,對應4 個級別的風險預警等級,從而得到事故發生的預警等級與風險因素共現次數閾值的對應關系。 首先利用目標函數對最佳迭代次數進行判斷,目標函數值越小,表明聚類效果越好;反之,越差。 將迭代次數一次設置為2～40,聚類中心設置為4,初始數據為風險因素共現次數,得到目標函數值與迭代次數的關系,如圖6 所示。

圖6 目標函數與迭代次數的對應關系Fig.6 Correspondence between objective function and iteration number

由圖6 可知:隨著迭代次數增加,目標函數值表現出先逐漸降低后趨于平穩的趨勢,在迭代達到20次之后,目標函數值幾乎不發生變化,表明此時的聚類效果最佳,因此選取聚類次數為20 次。 確定迭代次數后,進一步分析風險因素的共現次數,所得聚類結果如圖7 所示。

圖7 模糊聚類結果Fig.7 Fuzzy clustering results

所得事故可能性等級劃分結果見表2。

表2 事故后果可能性劃分Table 2 Division results of possible consequences of accidents

3.5 事故后果的嚴重性等級劃分

礦山安全事故發生具有一定的積累效應,即導致事故直接發生的安全隱患具有先導風險,采用事故樹分析法可以實現對礦山安全事故的先導風險進行全面辨識。 依據前文對金屬礦山事故類型的劃分,采用事故樹分析法對每個類型的事故進行事故樹構建,以冒頂片幫事故和火藥爆炸事故為例,構建的事故樹如圖8 所示,圖中各標簽所代表的含義見表3。

表3 冒頂片幫事故樹符號含義Table 3 Meaning of the fault tree symbol

圖8 冒頂片幫事故樹Fig.8 Fault tree analysis of rall falling accident

地下金屬礦山事故信息主要來源于國家礦山安全監察局網站、各省市級安全監察局網站的事故通報以及來源于安全管理網等網站的事故案例,事件跨度為2016—2022 年,按照前文劃分的14 個事故類型對事故數據進行統計分析,分析結果見表4。

表4 事故統計分析Table 4 Statistical analysis of accidents

事故后果嚴重程度依據事故等級進行劃分,具體包括低風險—受傷事故,一般風險—一般傷亡事故即一次性死亡1 ～3 人的事故,高風險—重大傷亡事故即一次性死亡3 ～10 人的事故(含10 人),重大風險—特大傷亡事故即一次性死亡10 人以上的事故。事故后果嚴重程度的劃分結果見表5。

表5 事故后果嚴重程度劃分結果Table 5 Division results of severity classification of accident consequences

通過事故后果嚴重程度等級結合事故數據統計分析,確定地下金屬礦山不同類型事故的后果嚴重程度等級,部分結果見表6。

3.6 確定風險等級

根據風險矩陣分析法通過綜合考慮事故后果和事故發生概率,對風險預警等級和事故后果的嚴重程度等級進行定量分析,從而構建二者的矩陣關系計算風險等級。 風險矩陣分析結果如圖9 所示。

圖9 風險矩陣分析結果Fig.9 Risk matrix analysis results

對礦山現有風險進行評估,基于事故發生的可能性評級等級對照表和后果嚴重性評價等級對照表,確定風險發生的可能性等級和后果嚴重性等級,對照風險評價矩陣,得到現有的風險等級。 依據雙重預防體系事先預防理念,事故后果嚴重性風險等級劃分結果見表7。

表7 礦山風險等級Table 7 Mine risk grade

由表7 可知:在礦山風險中,頂板支護不穩固對應冒頂片幫事故,事故可能性等級較高,事故后果嚴重性等級較低。 在礦山實際生產中,冒頂片幫是礦山頻發的事故之一,屬于單體傷害事故,大多數事故的嚴重程度屬于一般事故。 炸藥和雷管混放對應爆炸事故,在礦山安全生產中,雷管和炸藥混放屬于發生頻率較高的安全隱患。爆炸事故屬于群死群傷類事故。 所造成的后果大多屬于重大事故;頂板危石未處理對應物體打擊類事故,該風險所形成事故的可能性較高,后果危害性較低,在礦山安全生產過程中,物體打擊屬于頻發性事故之一,屬于單體傷害事故,大多數事故屬于一般事故。 分析表明:風險智能分級結果與礦山實際的事故情況相符合,因此,該分級方法具有一定的有效性和科學性。

4 系統實現

4.1 系統開發與部署

金屬礦山雙重預防體系安全管理信息系統涉及井下以及地面多種作業點的管理業務,因此系統采用電腦終端、移動終端、數據大屏跨應用的方式開發實現,滿足系統在不同的應用場景下高效開展安全管理業務。

電腦終端采用B/S 架構完成系統開發,安全管理人員可以利用瀏覽器靈活地操作實現系統的業務功能,在滿足系統需求的同時簡化客戶端電腦的載荷,降低用戶成本。

移動終端以移動處理業務為主,主要用于實現便攜式現場安全管理。 移動終端設備通過5G、Wi-Fi 等網絡介質,實現井下一線工作人員現場安全管理,同時采用系統離線使用功能,確保在井下無網絡環境中使用。

4.2 系統功能實現

4.2.1 風險分級管控

風險點管理實現風險點信息的錄入,生成風險點信息庫;風險分級管控清單實現依據已劃分風險點進行危險源辨識,制定管控措施錄入系統,自動編制風險管控清單;風險動態管控實現定期評價管控效果,更新風險管控清單;檢查項目標準庫實現系統自動抽取風險管控清單中的風險點、危險源、風險級別、管控措施等內容。 風險管控清單如圖10 所示。

圖10 風險分級管控清單實現Fig.10 Implementation of risk graded control list

4.2.2 隱患排查治理

檢查項目清單實現檢查項目的劃分,發送給檢查人員;隱患排查實現檢查項目清單逐項排查和現場作業人員主動上報,采用手機APP 現場登記,保存上傳;隱患治理實現針對上報的隱患信息進行審核并制定治理方案,生成隱患整改通知單;復查驗收實現整改情況的復查,驗收通過則隱患銷號;離線排查實現隱患信息的本地儲存,確保在無網絡環境中使用;隱患報表實現對隱患數據的歸檔統計,提供隱患數據查詢和導出報表。 隱患排查功能實現如圖11 所示。

圖11 隱患排查實現Fig.11 Implementation of hidden hazard investigation

4.2.3 風險智能分級

風險智能分級功能通過借助商務智能分析工具實現可視化平臺搭建,將風險智能分析和隱患數據分析結果以各種分析圖表和模型的形式進行集成化展示。 風險智能分級采用列表滾動播放方式進行可視化展示。

4.2.4 數據統計分析

隱患統計功能通過統計隱患排查日期、隱患責任主體、隱患類型、高頻隱患關鍵詞等信息,并采用環形圖、柱狀圖、詞云圖等圖表的形式展現影響礦山安全的主要隱患,為安全管理人員準確管控礦山風險提供依據(圖12)。

圖12 大數據分析平臺Fig.12 Big data analysis platform

4.3 系統應用效果

將所構建的系統應用于國內某大型礦山,實現了風險分級管控和隱患排查治理的系統化、風險分級的智能化,以及風險和隱患數據分析的可視化。 系統幫助用戶采集風險和隱患數據,以便于礦山安全信息流轉,有效規范風險和隱患描述方式,有助于實現安全管理人員管控風險、治理隱患,使傳統的依賴于經驗的風險分級方法轉變為基于大數據分析的智能化分級模式,大幅度提升礦山安全管理能力。

5 結 論

運用系統分析和設計方法實現風險分級管控和隱患排查治理的標準化和系統化,同時設計了基于聚類分析和關聯規則挖掘的風險智能分級的分析模型,實現了風險分級的智能化和動態化。

(1)構建了基于風險智能分級的礦山安全雙重預防體系管理模型,提出了風險分級管控、隱患排查治理和風險智能分級相互關聯的閉環管理模式,實現了雙重預防體系中危險源辨識和隱患排查的標準化和風險分級的智能化。

(2)提出了基于隱患數據挖掘的風險智能分級方式,通過文本聚類分析和關聯規則挖掘對隱患數據進行深度分析,建立了事故發生可能性和后果嚴重性的評價等級閾值,并采用風險矩陣分析法確定了風險等級。

(3)以雙重預防體為依據,分析了系統的整體需求和業務流程,設計了系統的整體架構、功能模塊以及數據流程,并結合金屬礦山安全標準管理體系,構建了礦山風險分級管控和隱患排查治理流程,將風險和隱患相互關聯,使得危險源辨識更準確,隱患排查更全面,確保礦山生產安全可靠。