李 巖 施式亮,2 陳曉勇
1.湖南科技大學(xué) 資源環(huán)境與安全工程學(xué)院 2.煤礦安全開采技術(shù)湖南省重點實驗室
煤炭作為國家的主要能源,如何安全高效的施工開采、切實有效的預(yù)防事故發(fā)生一直是眾多學(xué)者研究的課題。煤礦生產(chǎn)一直處于復(fù)雜的風(fēng)險環(huán)境之中,根據(jù)事故查詢系統(tǒng),檢索到2006~2016年期間1118起煤礦事故,頂板事故188起,占比16.8%。盡管近年來頂板事故的比例逐漸減少并趨于穩(wěn)定,但仍不能忽視多種風(fēng)險因素耦合作用致使頂板事故更加難以預(yù)防、發(fā)生概率更加難以確定。因此在分析頂板事故風(fēng)險的過程中,要考慮到風(fēng)險因素之間的耦合性,掌握其規(guī)律,采取針對性措施,實現(xiàn)對頂板事故的有效控制。
國內(nèi)外學(xué)者對頂板事故產(chǎn)生與發(fā)展、預(yù)防與控制進行了大量研究。王琦[1]等總結(jié)頂板事故的原因和機理,建立冒頂事故預(yù)警機制,基于超前地質(zhì)預(yù)報,以錨索梁為主對煤礦頂板事故進行支護預(yù)防;明崯崯[2]等運用煤礦頂板事故致因SIM模型,引入模糊評價,對頂板事故的發(fā)生進行預(yù)測和確定;李賢功[3]等建立頂板事故的貝葉斯網(wǎng)路模型,分析各因素對頂板災(zāi)害的影響程度;高平[4]等將行為安全引入到煤礦頂板事故的預(yù)防中,為頂板事故的預(yù)防和控制奠定了新的理論基礎(chǔ)。
為度量信息的傳輸程度方便量化統(tǒng)計,基于信息系統(tǒng)建立N-K模型,后有學(xué)者將其發(fā)展為解決復(fù)雜系統(tǒng)的一般模型。N-K模型主要功能是分析系統(tǒng)內(nèi)部各要素之間的聯(lián)系對系統(tǒng)整體的影響。國內(nèi)對風(fēng)險耦合的理論研究主要集中在金融經(jīng)濟[5]、航空安全[6]和船舶運輸[7]等領(lǐng)域。在煤礦頂板事故風(fēng)險耦合方面,有蘇學(xué)貴[8]等研究特厚復(fù)合頂板巷道支護與圍巖穩(wěn)定的耦合控制研究;劉洪濤[9]等頂板可接長錨桿耦合支護系統(tǒng)。上述文獻對煤礦頂板事故的研究是從預(yù)警到致因理論到模糊評價再到錨桿支護,這些對致因理論的預(yù)防和控制都是從單一維度的事故鏈出發(fā),對煤礦頂板事故預(yù)防途徑和發(fā)生條件認(rèn)識不夠清晰。因此筆者將以N-K模型為基礎(chǔ),從多維耦合的角度對煤礦頂板事故的致因途徑進行研究,以期能夠為煤礦頂板事故安全風(fēng)險預(yù)防與控制提供參考。
煤礦頂板事故的致因并非由某一種影響因素單獨作用下所導(dǎo)致。國內(nèi)學(xué)者大多基于人、機、環(huán)、管對煤礦頂板事故進行致因分析,研究單個因素與事故產(chǎn)生之間的聯(lián)系和貢獻,往往忽略了影響因素之間的耦合關(guān)系。雖然一些學(xué)者運用復(fù)雜的安全系統(tǒng)思想進行處理分析構(gòu)建模型,但是鮮有從人、機、環(huán)、管方面進行多元耦合。因此,從人員、設(shè)備、環(huán)境、管理方面研究其依賴、協(xié)調(diào)、促進過程,構(gòu)建多元耦合的N-K模型。
人的不安全行為會導(dǎo)致人員失誤,設(shè)備的不安全狀態(tài)會導(dǎo)致設(shè)備的故障,環(huán)境的不安全狀態(tài)會造成脆弱的工作環(huán)境,管理的缺陷會引起管理的失效。如下圖,這些風(fēng)險因素在一定程度上會相互影響作用,當(dāng)某種因素一旦到達風(fēng)險的閾值并不一定會直接導(dǎo)致事故的產(chǎn)生,往往是風(fēng)險因素相互依賴與影響的耦合作用,導(dǎo)致風(fēng)險朝著不可逆轉(zhuǎn)的事故轉(zhuǎn)化。
N-K模型是研究復(fù)雜動態(tài)系統(tǒng)的通用模型,包括2個參數(shù):N表示構(gòu)成系統(tǒng)的因素數(shù)目,如果系統(tǒng)中有N個因素,每個因素中各取n個組元,則所有可能的組合就有nN種[10],當(dāng)系統(tǒng)各因素按照一定的方式組合起來,就會形成網(wǎng)絡(luò);K表示網(wǎng)絡(luò)中相互依賴的關(guān)系數(shù)目,K最大值是N-1,最小值是0。利用N-K模型研究煤礦頂板事故風(fēng)險耦合的復(fù)雜性,評價人員、設(shè)備、環(huán)境、管理4類風(fēng)險因素之間的耦合關(guān)系,計算4者之間的交互信息,從而研究出不同因素耦合的風(fēng)險情況。
圖 煤礦頂板事故風(fēng)險耦合致因模型
不同因素對事故都有推動作用,因素之間的耦合從數(shù)量上將風(fēng)險分為以下3類:
(1)單因素耦合風(fēng)險。指煤礦頂板事故中單個影響因素中的各組元相互聯(lián)系引發(fā)事故。單因素耦合風(fēng)險包括人因因素、設(shè)備因素、環(huán)境因素和管理因素共4類單因素耦合風(fēng)險。分別記為T11(a)、T12(b)、T13(c)和T14(d),耦合風(fēng)險總值記為T1。
(2)雙因素耦合風(fēng)險。指煤礦頂板事故中兩個影響因素相互耦合引發(fā)風(fēng)險。其耦合風(fēng)險包括人—機、人—環(huán)、人—管、機—環(huán)、機—管和環(huán)—管共6類雙因素耦合風(fēng)險。分別記為T21(a,b)、T22(a,c)、T23(a,d)、T24(b,c)、T25(b,d)、T26(c,d),耦合風(fēng)險總值記為T2。
(3)多因素耦合風(fēng)險。指3個或3個以上影響因素相互耦合作用。包括人—機—環(huán)因素、人—機—管因素、人—環(huán)—管因素、機—環(huán)—管因素以及人—機—環(huán)—管。3因素耦合風(fēng)險分別記作T31(a,b,c)、T32(a,b,d)、T33(a,c,d)、T34(b,c,d),耦合風(fēng)險總值記為T3。4因素耦合風(fēng)險記為T41(a,b,c,d),總值記為T4。
煤礦頂板事故4類影響因素相互耦合,形成風(fēng)險。當(dāng)某些因素之間耦合程度越深,其相交互信息的程度也就越頻繁,耦合次數(shù)的疊加可以看作是該耦合概率的增長,而耦合數(shù)值越大,說明事故發(fā)生的風(fēng)險也就越大。風(fēng)險耦合交互信息的計算公式如下:
式中,
h=1,2,…H;
i=1,2,…I;j=1,2,…J;
k=1,2,…K;其中phijk是指人—機—環(huán)—管各種因素分別在第h,i,j,k狀態(tài)下發(fā)生耦合的概率。計算出的T值越大,說明該種耦合狀態(tài)下的煤礦頂板事故風(fēng)險越高,T值是對煤礦頂板事故風(fēng)險耦合的量化評估。
煤礦頂板事故安全風(fēng)險耦合首先會發(fā)生局部耦合,即單因素耦合、雙因素耦合和三因素耦合。當(dāng)事故發(fā)生時,參與耦合的影響因素就是導(dǎo)致事故產(chǎn)生的成因。例如人因因素和設(shè)備因素耦合作用導(dǎo)致風(fēng)險事故,此時與環(huán)境因素風(fēng)險、管理因素風(fēng)險關(guān)系不大,這種耦合稱為局部耦合。因此通過計算局部耦合之間的信息交互,即可以探究局部耦合風(fēng)險情況。雙因素耦合有6種不同情況,其耦合計算公式如下:
同理,3因素耦合是3種影響因素發(fā)生的局部耦合,共有4種不同情況,其計算公式如下:
頂板事故是各類煤礦中發(fā)生次數(shù)最多的事故,為詳細、具體的分析我國頂板事故的致因機理和影響因素,根據(jù)國家安全監(jiān)督管理總局公布的數(shù)據(jù)[11],收集并整理2006~2016年間發(fā)生的188起煤礦頂板事故,對每起事故的發(fā)生原因進行歸類,部分頂板事故信息,見表1。
表1 部分頂板事故信息
將N-K模型應(yīng)用到煤礦頂板事故中,各致因因素均有兩種狀態(tài),即未發(fā)生狀態(tài)和發(fā)生狀態(tài),分別用0和1來表示。對于本文煤礦頂板風(fēng)險耦合情況有4個影響因素,則共有16不同的風(fēng)險耦合的組合情況。通過整理分析煤礦頂板事故的統(tǒng)計數(shù)據(jù),可以得出風(fēng)險耦合發(fā)生的次數(shù)以及頻率。其結(jié)果,見表2。
表2 2006~2016年煤礦頂板事故風(fēng)險耦合次數(shù)及頻率
為計算T值,首先需要計算不同方式的風(fēng)險耦合發(fā)生概率。
(1)單因素風(fēng)險耦合分析。單因素耦合在不同情況下發(fā)生概率不同,根據(jù)式(1)可知,需計算Ph,Pi,Pj,Pk的數(shù)值。例如人因因素不參與風(fēng)險耦合時所發(fā)生的概率:P0...=P0000+P0100+P0010+P0001+P0110+P0011+P0111=0.2394,故P1...=0.7606。同理可計算出設(shè)備因素、環(huán)境因素、管理因素分別不參加風(fēng)險耦合和參見風(fēng)險耦合時的發(fā)生概率。具體計算結(jié)果,見表3。
表3 單因素變化風(fēng)險概率
(2)雙因素風(fēng)險耦合分析。雙因素參與風(fēng)險耦合的計算方式與單因素相同,根據(jù)式(2)-(7)可以計算出雙因素變化風(fēng)險概率。例如環(huán)境因素與管理因素同時不參與耦合時所發(fā)生的概率:P..00=P0000+P1000+P0100+P1100=0.1170。雙因素耦合有6種情況,故需要計算Phi,Phj,Phk,Pij,Pik,Pjk數(shù)值。每個雙因素耦合中又有4種不同的變化情況,具體計算結(jié)果,見表4。
表4 雙因素變化風(fēng)險概率
(3)多因素風(fēng)險耦合分析。多因素風(fēng)險耦合的計算方式由式(8)-(11)提供,共有4種不同的3因素情況,需算出Phij,Phik,Phjk和Pijk數(shù)值。例如設(shè)備因素、環(huán)境因素和管理因素同時不參與耦合所發(fā)生概率為:P.000=P0000+P1000=0.0319。具體計算結(jié)果,見表5。
表5 多因素變化風(fēng)險概率
根據(jù)前文式(1)-(11)可以計算出下列各項因素的耦合風(fēng)險值T,見表6。
表6 各項耦合風(fēng)險值
由上表計算結(jié)果可得各項耦合風(fēng)險值的數(shù)值比較T41>T32>T31>T33>T34>T21>T23>T26>T25>T24>T22。
(1)因素耦合的風(fēng)險通過耦合因素的數(shù)目和具體因素表現(xiàn)出來。通過計算結(jié)果比較,不難發(fā)現(xiàn)4因素耦合的風(fēng)險處于最頂端,3因素耦合的風(fēng)險大于雙因素耦合的風(fēng)險??傮w趨勢上是隨著耦合因素數(shù)目的增加,風(fēng)險逐步加大。
(2)在煤礦頂板3因素風(fēng)險耦合中人—機—管耦合造成的風(fēng)險最大,其次是人—機—環(huán)和人—環(huán)—管。前4項風(fēng)險耦合中,均有人的因素參與,因此有必要對人的不安全行為,從人的“三違行為”[12]、心理生理以及安全素質(zhì)等方面進行教育和加強。
(3)在3因素耦合中人—機—管耦合風(fēng)險最大,根據(jù)原始數(shù)據(jù)統(tǒng)計的表(2)以及因素變化風(fēng)險概率統(tǒng)計的表(3)-(5)可得,煤礦頂板事故中單因素、雙因素及多因素風(fēng)險耦合的人的因素和管理因素出現(xiàn)的概率最高。將這兩種因素歸納為主觀因素,這表示事故的發(fā)生往往與主觀因素密切相關(guān),因此企業(yè)應(yīng)該加強管理水平增加監(jiān)督力度。
(4)在雙因素風(fēng)險耦合中,人—機因素耦合風(fēng)險是最大。人的違規(guī)操作往往會導(dǎo)致機械設(shè)備的不正常工作,從而引發(fā)嚴(yán)重后果。從本質(zhì)安全上考慮,人—機雙因素是最易產(chǎn)生耦合效應(yīng),也是導(dǎo)致頂板事故的本質(zhì)原因,消除人—機之間的負(fù)面耦合效應(yīng)是實現(xiàn)煤礦頂板本質(zhì)化安全的有效途徑。
(1)基于N-K模型,結(jié)合最近10年國家安全監(jiān)督管理總局事故查詢系統(tǒng)獲得的188起典型煤礦頂板事故,計算出不同風(fēng)險耦合的風(fēng)險值,得出一些關(guān)于煤礦頂板事故風(fēng)險耦合的一系列規(guī)律,計算結(jié)果可為本質(zhì)安全化預(yù)防煤礦頂板事故提供參考和依據(jù)。
(2)從計算結(jié)果分析,多因素耦合的風(fēng)險大于雙因素耦合的風(fēng)險,隨著耦合因素的增加,風(fēng)險也隨之增加;人—機因素風(fēng)險耦合是造成煤礦頂板事故的本質(zhì)原因,加強對此因素耦合的控制是實現(xiàn)煤礦頂板安全的重要途徑;在原始數(shù)據(jù)中,主觀因素出現(xiàn)的次數(shù)最為頻繁,因此加強反饋閉環(huán)管理實現(xiàn)風(fēng)險預(yù)控的PDCA循環(huán),提高管理水平能有效降低煤礦頂板事故頻率。
(3)控制關(guān)鍵因素的耦合作用,針對人—機因素風(fēng)險耦合,發(fā)揮主觀能動性,對人的因素進行教育、督促和監(jiān)督,加強宣傳、提高管理、完善體系;對設(shè)備因素,應(yīng)提高支護技術(shù)水平,根據(jù)國情推廣相應(yīng)支護技術(shù),提高機械設(shè)備的安全性??刂迫恕獧C因素風(fēng)險耦合,可以從本質(zhì)上預(yù)防煤礦頂板事故。
(4)本文使用N-K模型,是基于大量原始數(shù)據(jù)的基礎(chǔ)上進行統(tǒng)計和計算。提高數(shù)據(jù)的樣本容量可以有效提高模型的完整性和精確性,從而提高計算結(jié)果的精確性,使得模型結(jié)論更加符合實際。