國網(wǎng)甘肅省電力公司 賀洲強 國網(wǎng)甘肅省電力公司定西供電公司 張 鋒 孫四海 楊 輝

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)，相對滯后的信息化水平也難以支撐現(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，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。

電網(wǎng)生產(chǎn)作業(yè)人員的“安全信用”，指電網(wǎng)生產(chǎn)作業(yè)人員向電網(wǎng)企業(yè)在一定范圍內(nèi)所作的安全履約或安全履約承諾的兌現(xiàn)能力和意愿，外在表現(xiàn)為電網(wǎng)企業(yè)對參與電網(wǎng)生產(chǎn)作業(yè)的人員在一定時間范圍內(nèi)的安全履約承諾、安全履約能力、安全履約行為的定量化綜合評估結(jié)果[1]。從國內(nèi)安全信用實踐情況來看，目前無論是國家層面、電力行業(yè)層面還是國網(wǎng)公司層面，針對生產(chǎn)作業(yè)人員的安全信用研究和實踐案例都尚屬空白，因此本研究從學術(shù)上和實踐上都具有較強的開拓性、創(chuàng)新性和現(xiàn)實性，價值和意義十分突出。

本課題在電網(wǎng)領(lǐng)域內(nèi)創(chuàng)新構(gòu)建電網(wǎng)企業(yè)生產(chǎn)作業(yè)人員安全信用評價指標體系，提出基于電網(wǎng)作業(yè)人員安全信用的管理體系完善思路，研究電網(wǎng)企業(yè)安全信用在相關(guān)典型場景下的應用，確保電網(wǎng)生產(chǎn)作業(yè)人員安全信用管理的科學性、體系性，對電網(wǎng)企業(yè)安全信用管理及安全風險防控有重要管理價值。

1 電網(wǎng)企業(yè)安全信用體系構(gòu)建研究

1.1 安全信用基礎(chǔ)數(shù)據(jù)采集

電網(wǎng)作業(yè)人員安全信用基礎(chǔ)數(shù)據(jù)可細分為內(nèi)、外兩個數(shù)據(jù)源。內(nèi)部數(shù)據(jù)源主要來源于電網(wǎng)企業(yè)內(nèi)部的各業(yè)務生產(chǎn)系統(tǒng)，集中于安全生產(chǎn)風險管控平臺、安全生產(chǎn)風險管控平臺移動作業(yè)APP、OMS調(diào)度信息管理系統(tǒng)、配農(nóng)網(wǎng)“現(xiàn)場管控”APP、隴源掌培APP等多個源頭；外部數(shù)據(jù)源主要來源于國家已有的信息開放公示平臺，以及互聯(lián)網(wǎng)中各類權(quán)威機構(gòu)、組織的開放信息獲取平臺，集中于信用中國、應急管理部、中國執(zhí)行信息公開網(wǎng)等源頭。

基于Python軟件進行實現(xiàn)，調(diào)用Sckit-learn算法包對采集到的安全信用基礎(chǔ)數(shù)據(jù)進行預處理。首先對原始數(shù)據(jù)進行缺失處理，去除/補全有缺失的數(shù)據(jù)，接著進行錯誤數(shù)據(jù)處理，然后是重復數(shù)據(jù)處理，最后對數(shù)據(jù)進行不一致性處理。在匯聚多個維度、多個來源、多種結(jié)構(gòu)的數(shù)據(jù)之后就可以進行數(shù)據(jù)清洗，也就是對數(shù)據(jù)進行抽取、轉(zhuǎn)換和集成加載。在這個過程中，除了更正、修復系統(tǒng)中的一些錯誤數(shù)據(jù)之外，更多的是對數(shù)據(jù)進行歸并整理，并儲存到新的數(shù)據(jù)庫中。

1.2 安全信用評價體系構(gòu)建

樣本選取。為便于模型訓練、優(yōu)化，首先將清洗后的有效樣本按照70%、30%比例劃分為兩部分，其中70%部分的80%（訓練集）作為訓練數(shù)據(jù)放入模型中進行風險預測，經(jīng)過多次迭代計算后，以70%部分剩余的20%（觀測集）作為觀測樣本，若預測準確率達到預期，則保留當前特征結(jié)果，并使用30%部分（測試集）的樣本數(shù)據(jù)持續(xù)優(yōu)化模型，得到計算出的初步指標及其權(quán)重。

特征選取?；贑ART決策樹的模型構(gòu)建過程中，需提取每個指標的特征，構(gòu)建公式評估每個信用特征對于信用評價結(jié)果的影響程度：Cj=(n0×c0-∑ni×ci)/T，本式為計算每個特征j重要性程度計算公式，其中n0代表支撐該特征節(jié)點統(tǒng)計樣本數(shù)，c0代表該特征節(jié)點計算Gini值（Gini index），ni與ci代表該節(jié)點所有子節(jié)點的樣本數(shù)量以及其Gini值，T為該公式中所有計算節(jié)點的樣本數(shù)綜合。加入T參數(shù)可以防止不同節(jié)點下樣本數(shù)量帶來的量綱差異，從而導致特征重要性程度與該特征影響下樣本數(shù)量直接掛鉤。

決策樹構(gòu)建。使用Python工具，調(diào)用Sckitlearn機器學習算法包完成CART決策樹模型構(gòu)建，對生產(chǎn)作業(yè)人員的固有屬性進行建模并進行重要性程度分析：首先，針對已有生產(chǎn)作業(yè)人員的固有屬性（包括但不限于學歷水平、年齡、所屬單位、作業(yè)權(quán)限、所屬專業(yè)大類、職稱、技能等級、持證信息）構(gòu)建樹狀結(jié)構(gòu)；其次，針對生產(chǎn)作業(yè)人員所屬單位，根據(jù)所屬單位的整體情況（包括但不限于公司基礎(chǔ)屬性、違規(guī)情況、信用情況）進行公司屬性的拓展。

指標體系構(gòu)建。參考信用評價領(lǐng)域成熟的“5C”評價方法，結(jié)合特征選取結(jié)果，將經(jīng)決策樹計算后的指標劃分為身份特質(zhì)、安全教育、安全行為、單位屬性、安全關(guān)系五個維度，形成電網(wǎng)企業(yè)人身安全信用指標評價體系[2]。

1.3 安全信用評價分級

參考學界成熟的信用等級劃分方式，本研究基于正態(tài)分布對電網(wǎng)生產(chǎn)作業(yè)人員安全信用等級進行劃分。為便于計算，從清洗后有效樣本中隨機選取5000份樣本作為觀測集。使用Minitab軟件對觀測集樣本安全信用得分進行正態(tài)分析，其P值0.211大于0.05，即觀測集安全信用得分符合正態(tài)分布，可基于正態(tài)分布對其進行分級。

使用Minitab軟件對觀測集樣本進行描述性統(tǒng)計分析，獲得安全信用得分描述性統(tǒng)計結(jié)果?？煽闯?，觀測集樣本安全信用得分均值μ=691.6，標準方差σ=55.33。將上述結(jié)果中的均值μ、標準方差σ?guī)牍秸龖B(tài)分布計算公式、查找標準正態(tài)分布表，并以此計算結(jié)果為基礎(chǔ)，將電網(wǎng)作業(yè)人員安全信用分為S（安全信用極好，801～1000分）、A（安全信用優(yōu)秀，764～800分）、B（安全信用良好，621～763分）、C（安全信用中等，584～620分）、D（安全信用較差，0～583分）五級，并分別確定對應分值區(qū)間。待本評價方式正式運行、收集更多的數(shù)據(jù)樣本后，可依據(jù)體量更大、質(zhì)量更高的安全信用評分結(jié)果，重新優(yōu)化各等級的分值區(qū)間。

1.4 安全信用動態(tài)評估

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)檢測到生產(chǎn)作業(yè)人員的身份特質(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習算法對生產(chǎn)作業(yè)人員的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，對生產(chǎn)作業(yè)人員的信用情況進行更新評估。

同時，未來采集到更多的安全信用數(shù)據(jù)后，還可在現(xiàn)有技術(shù)路線下，以數(shù)量更多、質(zhì)量更好的數(shù)據(jù)作為樣本，對現(xiàn)有的算法模型和指標表現(xiàn)情況進行優(yōu)化和調(diào)整，相應的指標權(quán)重會更加精確、評估結(jié)果和等級劃分閾值會更具有參考性。

2 電網(wǎng)企業(yè)安全信用體系典型場景應用

2.1 生產(chǎn)作業(yè)資格審查

建立安全信用分級機制。將生產(chǎn)作業(yè)人員安全信用情況，根據(jù)信用評分高低，依次劃分為優(yōu)、良、中、差四個等級，推動安全信用分級管理。在生產(chǎn)作業(yè)資格審查時，優(yōu)先選用優(yōu)、良安全信用的生產(chǎn)作業(yè)人員；對于生產(chǎn)作業(yè)供應商的資格審查，以優(yōu)、良安全信用的人員占比達到一定比例為資格線，推動建立具有一定門檻和標準的生產(chǎn)作業(yè)資格審查模式。建立生產(chǎn)作業(yè)資格目錄。結(jié)合安全信用分級機制，以個人、班組、項目部、供應商等主體為單位，根據(jù)信用得分及分級情況建立生產(chǎn)作業(yè)資格目錄，并按照月統(tǒng)計、季發(fā)布原則，每月統(tǒng)計安全質(zhì)量信息更新變動情況，每季度評定安全信用等級，實現(xiàn)生產(chǎn)作業(yè)資格目錄的及時、滾動更新，為生產(chǎn)作業(yè)資格審查奠定基礎(chǔ)。

2.2 生產(chǎn)作業(yè)安全準入

建立生產(chǎn)作業(yè)安全準入標準。根據(jù)生產(chǎn)作業(yè)資格目錄，建立生產(chǎn)作業(yè)安全準入標準，在開展不同類型生產(chǎn)作業(yè)時，針對不同等級的生產(chǎn)作業(yè)人員或組織制定不同的準入標準。如，針對安全信用評價為“優(yōu)”的人員，可安排其承擔危險程度高、難度系數(shù)高的項目內(nèi)容，并鼓勵其在項目中擔任關(guān)鍵崗位；針對安全信用評價為“優(yōu)”的人員占比達到較高比例的生產(chǎn)作業(yè)供應商，可在評選過程中予以適度分數(shù)傾斜，適當提高其承擔重要工程、重要項目的競爭力；針對安全信用連續(xù)多年評定為“差”的個人或供應商，采取“禁入”措施，要求其一定時限內(nèi)不得承攬或分包生產(chǎn)作業(yè)各項工作，從而確保安全生產(chǎn)工作的可靠性。

開展生產(chǎn)作業(yè)安全準入檢查。在項目開工前，建立由安監(jiān)部牽頭組織的生產(chǎn)作業(yè)安全準入檢查機制，對生產(chǎn)作業(yè)人員或組織的安全信用情況進行檢查，要求合理配置安全信用評價為優(yōu)、良、中、差的人員數(shù)量，并在關(guān)鍵崗位和關(guān)鍵工作內(nèi)容部分要求必須由安全信用評價為“優(yōu)”的人員執(zhí)行，從而在具備生產(chǎn)作業(yè)資格的前提下，持續(xù)提高生產(chǎn)作業(yè)安全準入門檻，逐漸杜絕安全生產(chǎn)風險發(fā)生。

2.3 生產(chǎn)作業(yè)風險預警

建立生產(chǎn)作業(yè)風險預警機制。在項目開工前，依據(jù)生產(chǎn)作業(yè)人員安全信用，作業(yè)負責人和安監(jiān)部相關(guān)管理人員可及時識別和分析生產(chǎn)作業(yè)人員過往的違章情況和學習情況，并通過建立生產(chǎn)作業(yè)人員安全信用和生產(chǎn)作業(yè)風險等級的對應關(guān)系，針對性制定各級風險預警方案和安全措施，并在作業(yè)過程中開展專項作業(yè)督查，從而為杜絕安全生產(chǎn)風險、促進項目順利完工提供保障；建立生產(chǎn)作業(yè)失信預警機制。針對作業(yè)過程中出現(xiàn)的安全生產(chǎn)失信情況，建立生產(chǎn)作業(yè)資格和生產(chǎn)作業(yè)安全準入資格預警機制，對核實后確實發(fā)生的安全生產(chǎn)失信行為，在安全信用體系中進行“降級”預警，提高其對于安全生產(chǎn)工作的重視程度；對于連續(xù)多次發(fā)生“降級”預警情況或發(fā)生嚴重安全事故的人員或組織，納入安全信用“黑名單”，及時通報和公開曝光，并聯(lián)合有關(guān)部門、單位實行內(nèi)部聯(lián)動管制措施。

2.4 生產(chǎn)作業(yè)安全培訓

安全培訓內(nèi)容定制化。在開展生產(chǎn)作業(yè)安全培訓工作時，結(jié)合員工的安全信用評價等級，對不同崗位、不同工種、不同工作經(jīng)歷的員工制定個性化、定制化的安全培訓內(nèi)容。例如，針對安全防范意識不夠的員工，可從安全防護用品的介紹和使用等方面著手，提高其正確配備、使用安全防護用品的意識；安全培訓方式定制化。針對安全生產(chǎn)的培訓方式，考慮到員工文化層次、年齡差距和工作經(jīng)歷等多方面的差異，不能采用同一種培訓方式進行員工的安全培訓。因此，可以結(jié)合生產(chǎn)作業(yè)人員安全信用體系中存在的問題，制定個性化、定制化的培訓方式，以不同員工能夠接受的方式進行培訓。例如，針對安全意識不夠的員工，提供警示教育、事故事件分析等培訓課程，以活生生、血淋淋的案例激發(fā)員工安全生產(chǎn)的意識。

電網(wǎng)企業(yè)安全信用評價體系可有效運用于電網(wǎng)企業(yè)安全信用風險管理工作實踐中，研究成果有助于電網(wǎng)企業(yè)生產(chǎn)作業(yè)人員安全信用風險辨識難、量化難、控制難等問題的解決，有效提高對生產(chǎn)作業(yè)人身安全信用風險的管控能力。