國網(wǎng)甘肅省電力公司 聶江龍 趙連斌 陳 釗 朱海濤 國網(wǎng)甘肅省電力公司定西供電公司 劉 鋒

著眼外部形勢，安全生產(chǎn)管理工作責任重大。習(xí)近平總書記在第十三屆全國人大三次會議內(nèi)蒙古代表團審議中指出，“人民至上、生命至上，保護人民生命安全和身體健康，我們可不惜一切代價?！睆娀踩a(chǎn)，健全安全信用量化評價體系，是電網(wǎng)企業(yè)深入貫徹黨中央、國務(wù)院安全生產(chǎn)工作部署的內(nèi)在要求，也是全力推進安全生產(chǎn)領(lǐng)域質(zhì)量變革、效率變革和動力變革的重要舉措。

緊跟戰(zhàn)略目標，生產(chǎn)作業(yè)風(fēng)險防范任務(wù)艱巨。自國網(wǎng)公司將建設(shè)“具有中國特色國際領(lǐng)先的能源互聯(lián)網(wǎng)企業(yè)”確定為長遠發(fā)展戰(zhàn)略目標以來，安全管理的內(nèi)涵和外延發(fā)生的深刻變化給安全生產(chǎn)管理工作帶來了不小挑戰(zhàn)。著眼當前，公司安全生產(chǎn)在認知、能力上仍存在不足，安全生產(chǎn)形勢依然嚴峻，人員生產(chǎn)作業(yè)隱患難以快速根除，風(fēng)險防范工作任重而道遠。

聚焦內(nèi)部生產(chǎn)，安全信用體系建設(shè)迫在眉睫。當前電網(wǎng)生產(chǎn)作業(yè)人員安全信息管理不夠系統(tǒng)化，安全信息管理工作劃分細致而相互分散，資格審查、人員準入、行為評價等工作缺乏有機聯(lián)結(jié)，相對滯后的信息化工作也愈發(fā)難以支撐現(xiàn)代化信息系統(tǒng)的集成，亟需開展電網(wǎng)生產(chǎn)作業(yè)人員安全信用管理體系建設(shè)，將安全評估以信用的形式表現(xiàn)出來，從而提高生產(chǎn)作業(yè)安全管理水平。

1 理論基礎(chǔ)及主要模型

1.1 研究理論基礎(chǔ)

現(xiàn)代市場經(jīng)濟角度下，廣義“信用”是指參與經(jīng)濟活動的當事人之間建立起來的以誠實守信為基礎(chǔ)的履約能力；狹義“信用”指受信方向授信方在特定時間內(nèi)所作的履約或履約承諾的兌現(xiàn)能力和意愿。對于“安全信用”，廣義上，部分學(xué)者將其定義為“一種被評價主體滿足其他各主體期望的、講誠信的安全行為”；狹義上，部分學(xué)者將其定義為“被評價主體對于履行安全承諾的主觀意愿和客觀能力的統(tǒng)一”[1]。

電網(wǎng)生產(chǎn)作業(yè)人員安全信用研究的實質(zhì)，是對電網(wǎng)生產(chǎn)作業(yè)人員的個人安全信用進行科學(xué)評價、合理應(yīng)用，為電網(wǎng)企業(yè)帶來更好的安全效益。對電網(wǎng)生產(chǎn)作業(yè)人員個人的安全信用評價建立在一種假設(shè)之上，即存在安全信用良好和安全信用較差的個人可用兩組分布進行描述，這兩種分布都是類似正態(tài)分布的鐘形曲線，兩個分布之間有一個曲線重疊的區(qū)域，也就是安全信用“灰色地帶”。由于信用極好和信用極差的個人在整個生產(chǎn)作業(yè)人員群體中占比相對較小，占比最大的是介于兩者之間的人群，因此建立一個介于兩者之間的細致的安全信用評價模型對電網(wǎng)企業(yè)非常重要。

1.2 主要模型算法

CART（Classification And Regression Tree）算法可處理高度傾斜或多態(tài)的數(shù)值型數(shù)據(jù)，也可處理順序或無序的類屬性數(shù)據(jù)。選擇具有最小系數(shù)值的屬性作為測試屬性，Gini 值越小、樣本的“純凈度”越高劃分效果越好。CART 算法與C4.5等算法相同，先建樹、后剪枝，但與以前的算法只為葉子節(jié)點分配類別不同，CART 算法考慮到每個節(jié)點都有成為葉子節(jié)點的可能，對每個節(jié)點包括葉節(jié)點和非葉節(jié)點都分配類別。分配類別的方法可用當前節(jié)點中出現(xiàn)最多的類別，也可參考當前節(jié)點的分類錯誤或其它更復(fù)雜的方法。

2 電網(wǎng)生產(chǎn)作業(yè)人員安全信用研究

電網(wǎng)生產(chǎn)作業(yè)人員安全信用研究主要分為“征、評、授、用”四個步驟，即研究其安全信用的數(shù)據(jù)采集處理（征信），對其安全信用進行體系性評價（評信），研究其安全信用的授予呈現(xiàn)（授信），探索典型場景下其安全信用的具體應(yīng)用（用信）。

2.1 安全信用基礎(chǔ)數(shù)據(jù)采集

基礎(chǔ)數(shù)據(jù)是安全信用數(shù)據(jù)應(yīng)用的基礎(chǔ)條件，完備的數(shù)據(jù)能使安全信用數(shù)據(jù)評價更加精確和客觀，能顯著增強安全信用數(shù)據(jù)分析的準確性和有效性。電網(wǎng)作業(yè)人員安全信用基礎(chǔ)數(shù)據(jù)主要分為內(nèi)、外兩個數(shù)據(jù)來源。內(nèi)部數(shù)據(jù)源主要集中于安全生產(chǎn)風(fēng)險管控平臺、安全生產(chǎn)風(fēng)險管控平臺移動作業(yè)APP、配農(nóng)網(wǎng)“現(xiàn)場管控”APP 等多個源頭；對于外部數(shù)據(jù)源，主要使用網(wǎng)絡(luò)爬蟲進行采集。經(jīng)過梳理，與生產(chǎn)作業(yè)人員安全信用相關(guān)的外部數(shù)據(jù)主要集中于信用中國、應(yīng)急管理部、中國執(zhí)行信息公開網(wǎng)等源頭。針對采集的安全信用基礎(chǔ)數(shù)據(jù)，主要使用Python 軟件，調(diào)用Sckit-learn 算法包進行預(yù)處理（清洗）。

2.2 安全信用評價體系構(gòu)建

2.2.1 安全信用評價指標

從清洗完成的安全信用數(shù)據(jù)中挑選細分訓(xùn)練集、觀測集、測試集和算例集；以訓(xùn)練集數(shù)據(jù)為基礎(chǔ)構(gòu)建基于CART 算法的決策樹模型，輸出初步模型；使用觀測集數(shù)據(jù)進行模型訓(xùn)練迭代，若準確率符合預(yù)期該模型則予以保留，若不符合預(yù)期則更換訓(xùn)練集樣本重新進行模型訓(xùn)練；使用測試集數(shù)據(jù)對模型參數(shù)進行持續(xù)優(yōu)化，得到初步的核心指標及其權(quán)重；結(jié)合實際業(yè)務(wù)情況、相關(guān)管理要求等對初步模型指標及其權(quán)重進行調(diào)整優(yōu)化，得到最終安全信用評價指標體系。

經(jīng)過樣本選取、特征選取、決策樹構(gòu)建、指標體系優(yōu)化四個模塊的工作后，構(gòu)建由五個維度組成的電網(wǎng)生產(chǎn)作業(yè)人員安全信用評價指標體系[2]。其中，身份特質(zhì)指身份自身所蘊含的反映其安全信用狀態(tài)的各種信息特征；安全教育指具備的安全作業(yè)的能力；安全行為指在生產(chǎn)作業(yè)中累計的行為信息，即進入公司后從事生產(chǎn)作業(yè)活動以來在安全方面留下的行為痕跡，是進行安全信用評價的核心維度之一；單位屬性指自身所屬單位具備的安全信用狀態(tài)信息特征；生產(chǎn)作業(yè)人員的安全狀態(tài)也會受到周圍人員的影響，安全關(guān)系指與其所屬單位的同事的安全信用狀況。

表1 生產(chǎn)作業(yè)人員安全信用評價指標體系（部分）

2.2.2 安全信用量化評分及分級

安全信用指標體系構(gòu)建完成后，進一步完善指標解釋，按照類型給各指標設(shè)定記分標準。如，對于“合格狀態(tài)”、“個人失信執(zhí)行狀態(tài)”等包含判斷狀態(tài)的指標，由于只存在“是”（1）或“否”（0）兩種值，其記分可直接分為滿分和零分兩檔。完善指標解釋、設(shè)定記分標準后，即可將取得的原始樣本指標數(shù)據(jù)轉(zhuǎn)化為相應(yīng)分值，再將指標分值與指標權(quán)重分別求和并相加，即可得到各生產(chǎn)作業(yè)人員安全信用評分。

在目前評價方式下，由于安全信用分數(shù)之間存在非線性關(guān)聯(lián)、安全信用分數(shù)之間存在一定的負懲罰值和部分因素對安全信用會隨著時間流逝而產(chǎn)生變化等情況的存在，需針對生產(chǎn)作業(yè)人員“安全行為”模塊設(shè)計衰減因子算法進行擬合，以更好地平衡信用因素對安全信用評分的影響，使安全信用評分更加符合現(xiàn)實情況。

使用Python 工具，調(diào)用PyTorch 算法包構(gòu)建安全信用衰減函數(shù)，得到拓展到連續(xù)空間的衰減因子。經(jīng)檢驗，安全信用得分數(shù)據(jù)符合正態(tài)分布后，依據(jù)正態(tài)分布計算結(jié)果，將電網(wǎng)作業(yè)人員安全信用分為S（安全信用極好，801分～100分）、A（安全信用優(yōu)秀，764分～800分）、B（安全信用良好，621分～763分）、C（安全信用中等，584分～620分）、D（安全信用較差，0分～583分）五級，并分別確定對應(yīng)分值區(qū)間。

隨著時間的流逝、行為的發(fā)生，安全信用各評價因素的值也會發(fā)生改變，因此電網(wǎng)生產(chǎn)作業(yè)人員的安全信用需采取動態(tài)評估。當系統(tǒng)檢測到其身份特質(zhì)、安全教育、安全行為等發(fā)生改變時，可經(jīng)由現(xiàn)有計算公式和機器學(xué)習(xí)算法對其信用情況進行實時的計算并返回最新的信用分數(shù)。若綜合考慮計算規(guī)模、計算成本等因素，也可采取定期（如每周、每月、每季度）評估的方式，對其信用情況進行更新評估。

2.3 安全信用電子檔案構(gòu)建

安全信用檔案是對電網(wǎng)作業(yè)人員安全信用記錄的集合，分為六個模塊：

識別信息。用于對身份的快速確認和識別，主要包含姓名、性別、身份證號、肖像、安全信用評分及等級、信用主體編號及信用主體標識碼（平臺生成的唯一識別編號和識別二維碼，均位于檔案最上方）8項信息。

基礎(chǔ)信息。用于對個人基礎(chǔ)信息的了解，也可用于個人身份輔助識別，主要包含年齡、民族、移動電話、文化程度、家庭住址、緊急聯(lián)系人姓名、緊急聯(lián)系人電話、緊急聯(lián)系人關(guān)系、緊急通訊地址、所屬單位名稱、所屬單位屬性、所屬專業(yè)大類、人員身份、作業(yè)權(quán)限14項信息。

公司信息。用于呈現(xiàn)所歸屬公司的基礎(chǔ)信息和安全信用狀況，主要包含企業(yè)信用主體標識碼（用于信用識別的二維碼，位于本模塊最上方）、公司名稱、企業(yè)類型、經(jīng)營狀態(tài)、法定代表人、注冊資本、信用評級、統(tǒng)一社會信用代碼、企業(yè)信用主體編號（平臺生成的唯一識別編號）等25項信息。

培訓(xùn)信息。用于體現(xiàn)專業(yè)資質(zhì)及參與專業(yè)培訓(xùn)的情況，主要包含專業(yè)職稱信息、安全資質(zhì)證書取得情況、系統(tǒng)外培訓(xùn)情況、系統(tǒng)內(nèi)培訓(xùn)情況、安全準入考試信息、安全知識考試信息6項信息。

行為信息。用于呈現(xiàn)在公司系統(tǒng)內(nèi)產(chǎn)生記錄的歷史生產(chǎn)行為信息，主要包含歷史施工操作記錄、歷史違章情況、歷史獲獎情況3項信息。

提示信息。用于展示涉及安全信用側(cè)面呈現(xiàn)、與安全信用評價相關(guān)的信息，主要包含所獲榮譽記錄、行政處罰記錄、違法犯罪記錄、不良信用記錄、訴訟立案信息、不良行為信息6項信息。

3 電網(wǎng)生產(chǎn)作業(yè)人員安全信用管理體系構(gòu)建建議

完善安全信用基礎(chǔ)數(shù)據(jù)建設(shè)。包括內(nèi)部數(shù)據(jù)建設(shè)和外部數(shù)據(jù)建設(shè)兩個模塊?；A(chǔ)數(shù)據(jù)的囊括量越大，數(shù)據(jù)的真實性越能夠得到保障。

在電網(wǎng)的生產(chǎn)作業(yè)場景下，外部數(shù)據(jù)主要是通過數(shù)據(jù)平臺引進不同行業(yè)、不同種類的外部多種數(shù)據(jù)，模型化的分析能夠有效防控預(yù)測可預(yù)見的生產(chǎn)風(fēng)險。

內(nèi)部數(shù)據(jù)則主要通過生產(chǎn)作業(yè)管控平臺本身對數(shù)據(jù)進行處理分析，包括字段分析、頻次分析等及基本信息、關(guān)聯(lián)合作單位信用信息等相關(guān)信息;內(nèi)外部數(shù)據(jù)是一個聯(lián)合整體，兩者之間存在強關(guān)聯(lián)性，內(nèi)外部的量和整合分析亦是基礎(chǔ)數(shù)據(jù)庫建設(shè)的重點工作。

推進安全信用黑名單建設(shè)。針對違章違規(guī)行為、惡意欺詐行為或者存在違規(guī)違章傾向的個人和組織建立預(yù)設(shè)性黑名單和負面清單，劃分相應(yīng)等級。具體而言，近期曾有過違規(guī)違章行為的個人和組織劃分進“黑名單”，根據(jù)情況程度的輕重，對于那些存在違規(guī)違章行為但是影響較小的個人或組織劃分進“負面清單”。一般情況下，黑名單的用戶數(shù)量小于負面清單，黑名單和負面清單根據(jù)電網(wǎng)作業(yè)生產(chǎn)管理需要進行調(diào)整，可控性和可調(diào)整性較強，且未來可考慮與其他內(nèi)部部室單位、外部機構(gòu)在法律允許的范圍下進行實時共享互換。

強化安全信用風(fēng)險防范。可提高對外部數(shù)據(jù)的利用，將其他平臺或組織收集到的關(guān)于用戶信用評價機制的信息進行整合，納入到生產(chǎn)作業(yè)管控平臺的安全風(fēng)險審核控制機制中，實現(xiàn)對黑名單中的個人或組織快速識別，以事先對個人或組織的安全信用風(fēng)險進行預(yù)見，乃至延緩、阻止、拒絕安全信用不佳的個人或組織開展生產(chǎn)作業(yè)活動，有效規(guī)避安全生產(chǎn)事故。