錢 敏，何敏潔，王尚武

(1.西安科技大學(xué) 管理學(xué)院，陜西 西安 710054； 2.陜西陜煤曹家灘礦業(yè)有限公司，陜西 榆林 719001)

0 引言

安全是煤礦的生命線，推進(jìn)煤礦智能化是創(chuàng)建安全高效礦井的根本途徑。2020年，國家發(fā)展和改革委員會等8部委發(fā)布《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》，我國煤礦智能化建設(shè)步入快速發(fā)展軌道。2022年1月28日，國家能源局在新聞發(fā)布會上發(fā)布：我國煤礦智能化建設(shè)加快推進(jìn)，全國有近400座煤礦正在開展智能化建設(shè)，建成智能化采掘工作面687個。從國家礦山安全監(jiān)察局網(wǎng)站查詢了我國加快煤礦智能化檢核以來的事故：2020年、2021年全國煤礦發(fā)生死亡事故分別為123起、102起。其中，掘進(jìn)工作面分別為27起、26起，分別占死亡事故總數(shù)的21.95%、25.49%，在智能化煤礦的建設(shè)進(jìn)程中，掘進(jìn)工作面死亡事故占比較大。研究表明，事故的發(fā)生90%是由人的不安全行為引發(fā)的，人的不安全行為是引發(fā)事故的主要原因[1]。研究掘進(jìn)工作面員工的不安全行為影響因素和防控措施，是減少和預(yù)防智能化煤礦事故的有效途徑。

國內(nèi)外眾多學(xué)者從教育程度、工齡、組織管理等方面研究了不安全行為影響因素，ABBASI M等[2]采用訪談法和文獻(xiàn)綜述法研究人的不安全行為，研究結(jié)果表明不安全行為與受教育程度存在顯著相關(guān)性，而與年齡、工作經(jīng)歷、婚姻狀況、工作和觀察時間的相關(guān)性均不顯著。AKBARI H等[3]研究認(rèn)為大多數(shù)事故的主要原因是不安全行為引發(fā)，而工作滿意度與不安全行為發(fā)生率有很大關(guān)系。慕慶國[4]運用行為采用行為基礎(chǔ)安全可拓理論的可拓性和形式化的模型研究得出，內(nèi)在的生理和心理因素以及外在的環(huán)境因素是礦工不安全行為的影響因素。朱艷娜等[5]選取群體壓力、管理者態(tài)度、設(shè)備設(shè)施、復(fù)雜環(huán)境、組織管理等影響因素。運用結(jié)構(gòu)方程模型研究了煤礦員工不安全行為影響因素，結(jié)果表明設(shè)備設(shè)施對煤礦員工不安全行為的影響最大。栗繼祖等[6]認(rèn)為人的行為取決于自身先天性格和外部環(huán)境的影響，煤礦安全文化、企業(yè)文化建設(shè)有助于減少人的不安全行為。楊晨源等[7]基于組織行為學(xué)理論構(gòu)建了礦工不安全行為影響因素指標(biāo)體系，研究表明，個體因素影響程度最大，權(quán)重占比為43.19%，其次是群體因素和組織因素，權(quán)重占比分別為28.93%和27.88%。

針對不安全行為，研究認(rèn)為可從安全制度、適當(dāng)?shù)膭趧訒r間、安全培訓(xùn)、安全獎懲、安全文化建設(shè)、行為觀察等方面減少不安全行為。JADIDI E等[8]通過觀察、訪談、檢查表等方式研究得出對工人進(jìn)行持續(xù)的安全培訓(xùn)、實施獎懲制度可以減少不安全行為的發(fā)生。AKBARI H等[9]運用問卷調(diào)查方式調(diào)查得出：制定安全培訓(xùn)計劃和設(shè)定適當(dāng)?shù)墓ぷ鲿r間是減少不安全行為的有效策略。邊俊奇等[10]基于安全管理學(xué)與杜邦STOP系統(tǒng)的相關(guān)理論構(gòu)建了煤礦安全行為觀察模型，認(rèn)為安全行為觀察可以減少煤礦員工的不安全行為。郭江慧等[11]從安全動機與安全行為2個維度出發(fā)，構(gòu)建安全色行為風(fēng)險矩陣圖，并對不同的風(fēng)險提出從安全培訓(xùn)、安全制度等方面提出了控制措施。李磊等[12]分析了煤礦工人不安全行為形成機理，從內(nèi)因、外因和干預(yù)對策3方面構(gòu)建組合干預(yù)模型，組合干預(yù)能夠有效控制煤礦工人的不安全行為。楊濤等[13]分析了煤礦職工不安全行為影響因素，從個體、群體、組織管理等方面構(gòu)建了職工不安全行為控制對策，認(rèn)為行為觀察、危險預(yù)知訓(xùn)練等管理方法能增強職工的安全意識。

國內(nèi)外關(guān)于不安全行為的研究成果較多，但針對智能化煤礦，尤其是掘進(jìn)工作面不安全行為影響因素及防控的研究成果很少。目前我國正處于智能化煤礦建設(shè)的起步階段和快速發(fā)展階段[14]，在智能化煤礦建設(shè)進(jìn)程中，研究智能化掘進(jìn)工作面員工不安全行為，將有助于智能化煤礦安全高效生產(chǎn)。

1 不安全行為影響因素構(gòu)成及問卷調(diào)查

人的不安全行為與人、機、環(huán)境及管理等因素有關(guān)，掘進(jìn)工作面是一個復(fù)雜的人、機、環(huán)、管系統(tǒng)，在這個系統(tǒng)中，人的不安全行為受個體因素、設(shè)備因素、環(huán)境因素、管理因素等諸多因素影響[15]。因此，將以上4個因素作為一級影響因素，各一級影響因素中又包含不同的二級影響因素。各二級影響因素的構(gòu)成，參考了文中所列參考文獻(xiàn)[2]至文獻(xiàn)[7]，并查閱了其他關(guān)于不安全行為影響因素的研究成果。在與煤礦安全管理者訪談后，確定了智能化煤礦掘進(jìn)工作面不安全行為二級影響因素，見表1。

為了調(diào)研智能化煤礦掘進(jìn)工作面不安全行為影響因素，編制了問卷調(diào)查表。調(diào)查表中將各二級影響因素按影響程度大小，分為影響很小、影響較小、影響一般、影響較大、影響很大5個等級，每個等級對應(yīng)的分值分別為1分、2分、3分、4分、5分。

在地處陜西省榆林市的某智能化煤礦進(jìn)行了問卷調(diào)查，受訪者為智能化掘進(jìn)工作面相關(guān)員工，包括掘進(jìn)隊員工、運服隊員工、生產(chǎn)準(zhǔn)備隊員工、安檢人員和管理者。共發(fā)放問卷110份，回收調(diào)查問卷98份，回收率為89.0%。受訪者中，工齡1～5年的46人，6～10年的38人，僅有14人為10年以上工齡。初中及以下學(xué)歷15人、高中學(xué)歷48人、大專及以上學(xué)歷35人。該礦與掘進(jìn)工作有關(guān)的員工的工齡10年以下的占85.7%、大專以上學(xué)歷人員占受訪者35.7%。相比于傳統(tǒng)煤礦，是一支較年輕且受教育程度相對較高的隊伍。

對問卷中21個問題進(jìn)行分析，使用Cronbach’α系數(shù)法對問卷的信度進(jìn)行檢驗，調(diào)查問卷克朗巴哈α系數(shù)值為0.924，信度為十分可信。對問卷進(jìn)行Bartlett球體和KMO檢驗來做效度分析，判斷改問卷是否可作因子分析，KMO系數(shù)為0.848，顯著性Sig.=0.000<0.05，表明適合作因子分析。智能化煤礦掘進(jìn)工作面不安全行為影響因素調(diào)查問卷統(tǒng)計見表1。

表1 智能化煤礦掘進(jìn)工作面不安全行為影響因素調(diào)查問卷統(tǒng)計表

2 不安全行為影響因素分析

2.1 一級影響因素分析

采用層次分析法分析智能化煤礦掘進(jìn)工作面各個一級影響因素影響程度，經(jīng)計算后得出各個一級影響因素的權(quán)重，權(quán)重大者影響程度大，權(quán)重小者影響程度小。一級影響因素權(quán)重計算步驟如下。

2.1.1 建立一級影響因素判斷矩陣

對4個一級影響因素采用1～9標(biāo)度進(jìn)行兩兩比較。邀請高校從事煤礦安全研究的教授和煤礦安全管理者共計10位專家，其中教授3位、煤礦總工程師1位、煤礦安全副總1位、具有豐富煤礦安全管理經(jīng)驗的一線工作人員5位。首先，這10位專家采用打分的方法，對4個一級影響因素兩兩相比較進(jìn)行重要程度評判，構(gòu)成判斷矩陣，然后對判斷矩陣采用層次分析法分析計算出各一級影響因素的權(quán)重，從而得出影響程度的大小。專家賦值見表2。

表2 層次分析法專家賦值參考表

將智能化煤礦掘進(jìn)工作面不安全行為用A表示，將個體因素、設(shè)備因素、環(huán)境因素、管理因素分別用B1，B2，B3，B4表示，通過對專家賦值情況的整合，得出智能化煤礦掘進(jìn)工作面不安全行為判斷矩陣，見表3。

表3 A-B判斷矩陣

2.1.2 計算判斷矩陣的特征向量及最大特征值

求判斷矩陣的特征向量Y

(1)

計算得出該矩陣的特征向量

Y=(y1,y2,y3,y4)=(2.340 3，0.359 3，1.414 2，0.840 9)

將特征向量Y歸一化處理后可得到權(quán)重向量W

(2)

對特征向量Y進(jìn)行歸一化處理后得到權(quán)重向量

W=(0.472 3，0.072 5，0.285 4，0.169 7)

計算判斷矩陣的最大特征值

(3)

式中：n為判斷矩陣的階數(shù)，取4。

得出最大特征值λmax=4.051 1。

2.1.3 一致性判斷

求出偏離一致性指標(biāo)CR

(4)

式中:RI為隨機一致性指標(biāo)，可查隨機性一致性指標(biāo)表確定。

查表可得RI=0.90，根據(jù)式(4)計算得出

CR=0.019 3

由于CR計算結(jié)果小于0.1，所以該判斷矩陣一致性可接受。

綜上得出，不安全行為一級影響因素權(quán)重從大到小的順序為：個體因素0.472、環(huán)境因素0.285、管理因素0.170、設(shè)備因素0.073。

就一級影響因素而言，個體因素對智能化煤礦掘進(jìn)工作面不安全行為影響程度最大，設(shè)備因素影響程度最小。隨著煤礦智能化掘錨設(shè)備的不斷升級改造，采用機械化、自動化、信息化、智慧化的生產(chǎn)模式，在智能化生產(chǎn)模式和現(xiàn)代化設(shè)備的背景下，設(shè)備因素對不安全行為的影響最小。

環(huán)境因素對不安全行為影響也較大。掘進(jìn)工作面不但受水、火、瓦斯、煤塵、頂板等多種自然災(zāi)害的威脅，而且是獨頭作業(yè)空間，范圍狹小、噪音大、粉塵污染嚴(yán)重、通風(fēng)條件差，工作環(huán)境惡劣多變。員工長期在這種環(huán)境中工作，容易產(chǎn)生不安全行為。

2.2 各個一級影響因素下的二級影響因素分析

采用熵權(quán)法分析二級影響因素影響程度大小，根據(jù)回收的98份問卷調(diào)查結(jié)果，對個體因素、設(shè)備因素、環(huán)境因素、管理因素下的各個二級影響因素分別進(jìn)行分析。

2.2.1 個體因素下的二級影響因素分析

1)對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理

為了消除物理量的影響，將原始數(shù)據(jù)轉(zhuǎn)化為0～1之間的數(shù)。

(5)

式中：xij為第i為人員的第j個評價指標(biāo)值(i=1，2，3，…，98；j=1，2，3，…，6)。

2)無量綱計算

(6)

3)熵值計算

(7)

4)評價指標(biāo)權(quán)重計算

(8)

根據(jù)調(diào)查問卷的打分情況，按照上述步驟，經(jīng)計算得出個體因素的二級影響權(quán)重，見表4。

表4 個體因素的二級影響權(quán)重判斷表

個體因素的各二級影響程度從大到小的順序為：工作技能0.251、工齡0.234、求快心理0.139、習(xí)慣性0.130、疲勞程度0.119、學(xué)歷0.117。

在個體影響因素中，工作技能和工齡是主要影響因素。工作技能是指完成工作所需具備的知識、技能、經(jīng)驗等，智能化煤礦正處于高質(zhì)量發(fā)展的關(guān)鍵時期，智能化掘進(jìn)設(shè)備的高效運轉(zhuǎn)，對工作技能提出了更高的要求，熟練的工作技能是減少不安全行為、保障安全生產(chǎn)的主要影響因素，隨著工齡的增長，工作技能也在不斷提高。

2.2.2 設(shè)備因素下的二級影響因素分析

同理可得設(shè)備因素的各二級影響程度從大到小的順序為：智能化設(shè)備正確操作0.358、設(shè)備防護0.356、應(yīng)急設(shè)施0.162、智能化設(shè)備故障0.124。

智能化設(shè)備正確操作和設(shè)備防護是不安全行為的主要影響因素，智能化工作面采用了結(jié)構(gòu)復(fù)雜、自動化程度高的掘錨設(shè)備，若操作不當(dāng)，不僅會造成造成經(jīng)濟損失，還可能造成人員傷亡。設(shè)備的防護設(shè)施同樣是不安全行為的主要影響因素，不斷改進(jìn)智能化設(shè)備的防護措施，能夠減少和避免不安全行為。

2.2.3 環(huán)境因素下的二級影響因素分析

計算得出環(huán)境因素的各二級影響程度從大到小的順序為：粉塵0.210、照明0.209、自然災(zāi)害0.206、噪音0.194、作業(yè)空間0.182。從各影響因素權(quán)重的大小來看，雖然影響程度有大小之分，但沒有太大的區(qū)別。

良好的工作環(huán)境能使人心情愉悅，惡劣的工作環(huán)境能引起各種身心不適，導(dǎo)致不安全行為發(fā)生。掘進(jìn)工作面自然災(zāi)害種類多，涉及瓦斯爆炸、水害威脅、頂板冒落、煤與瓦斯突出等，而且作業(yè)場所范圍狹小、通風(fēng)條件差、噪音大、粉塵重、工作環(huán)境惡劣多變，是井下事故易發(fā)地和高發(fā)地。員工長期在惡劣的環(huán)境中工作，容易產(chǎn)生不安全行為。

2.2.4 管理因素下的二級影響因素分析

計算得出管理因素的各二級影響程度從大到小的順序為：安全培訓(xùn)內(nèi)容及效果0.240、作業(yè)規(guī)程操作性和針對性0.208、掘進(jìn)進(jìn)尺考核0.176、風(fēng)險隱患排查0.139、安全獎懲制度0.128、采掘接續(xù)緊張生產(chǎn)任務(wù)重0.110。

管理影響因素中安全培訓(xùn)內(nèi)容及效果、作業(yè)規(guī)程操作性和針對性是主要影響因素。安全培訓(xùn)內(nèi)容要有針對性，按照“干什么學(xué)什么、缺什么補什么”原則，開展“訂單式”“靶向式”的培訓(xùn)。智能化掘進(jìn)的作業(yè)規(guī)程與傳統(tǒng)的掘進(jìn)作業(yè)規(guī)程有很大的區(qū)別，智能化掘進(jìn)成套裝備具有一鍵啟停、智能鋪網(wǎng)、智能鉆錨、皮帶自延、自動攤鋪等功能，實行“探、掘、支、破、運”一體化作業(yè)方式，作業(yè)規(guī)程要根據(jù)生產(chǎn)實際、設(shè)備更新、環(huán)境變化等實際情況精心編制，否則容易引發(fā)不安全行為。

2.3 二級影響因素綜合排序

對一級因素的分析結(jié)果表明，個體因素影響程度最大、設(shè)備因素影響程度最?。粚Χ壱蛩氐姆治鼋Y(jié)果表明，個體因素中工作技能和工齡是主要影響因素，設(shè)備因素中智能化設(shè)備正確操作使用、設(shè)備防護是主要影響因素，環(huán)境影響因素中粉塵、照明、自然災(zāi)害、噪音、作業(yè)空間均是主要影響因素，影響程度沒有太大的區(qū)別。管理因素中安全培訓(xùn)內(nèi)容及效果、作業(yè)規(guī)程操作性和針對性是主要影響因素。

綜合考慮一級影響因素和二級影響因素權(quán)重，將一級影響因素與自身二級影響因素權(quán)重相乘后得出最終權(quán)重，并進(jìn)行排序，得出影響程度排序，見表5。

表5 智能化煤礦掘進(jìn)工作面不安全行為影響因素權(quán)重總排序表

排序中，影響程度從大到小的前10個影響因素是：工作技能、工齡、求快心理、習(xí)慣性、粉塵、照明、自然災(zāi)害、疲勞程度、噪音、學(xué)歷。

3 不安全行為防控措施

排在前10名的影響因素均是個體影響和環(huán)境因素下的二級影響因素。所以，個體因素和環(huán)境因素是智能化煤礦掘進(jìn)工作面不安全行為的防控重點考慮對象。智能化煤礦的自動化、機械化、信息化、智能化程度較高，充分運用智能化煤礦的特點和優(yōu)勢防控不安全行為影響因素，筑牢安全防線。

3.1 個體影響因素防控措施

個體影響因素中，工作技能影響程度最大、其次為工齡、然后是求快心理、習(xí)慣性。

運用信息化創(chuàng)新培訓(xùn)模式，提高工作技能。在信息化背景下，實現(xiàn)網(wǎng)絡(luò)學(xué)習(xí)、手機微課堂等培訓(xùn)方式，使培訓(xùn)從“定點學(xué)”向“隨時學(xué)”，從“線下學(xué)”向“線上學(xué)”轉(zhuǎn)變。巷道掘進(jìn)是一個復(fù)雜的多工序過程，涉及到破巖、排矸、支護等生產(chǎn)工序，運用VR虛擬現(xiàn)實技術(shù)模擬智能化掘進(jìn)工作面作業(yè)場景，進(jìn)行工作技能培訓(xùn)，有利于提高培訓(xùn)效果。

注重工齡、學(xué)歷的梯度，減少工齡、學(xué)歷對不安全行為的影響。在隊伍建設(shè)中，形成老中青結(jié)合的隊伍，并建立師帶徒的制度，形成良好傳幫教氛圍。安排工作時，從員工的工作技能、工齡、學(xué)歷等多方面入手合理安排工作任務(wù)，做到人崗匹配。

運用人工智能防控求快型和習(xí)慣性不安全行為。安全管理人員不在場時，容易發(fā)生求快型和習(xí)慣性不安全行為，在掘進(jìn)工作面和掘錨設(shè)備上安裝人工智能攝像系統(tǒng)，通過智能辨識，對不安全行為進(jìn)行捕獲、預(yù)警、制止。運用人工智能可使不安全行為的防控由“單一人工防控”向“人工+智能系統(tǒng)雙重防控”轉(zhuǎn)變，不安全行為控制從被動監(jiān)管向主動管理、現(xiàn)代化監(jiān)管轉(zhuǎn)變。若發(fā)生不安全行為，系統(tǒng)將會自定向員工發(fā)出預(yù)警，提醒現(xiàn)場管理人員及時制止，同時將現(xiàn)場的視頻發(fā)送安檢部門。若嚴(yán)重的不安全行為沒有停止，系統(tǒng)向相關(guān)設(shè)備發(fā)出指令，使設(shè)備停止運轉(zhuǎn)，避免人身傷害事故發(fā)生，實現(xiàn)不安全行為智能預(yù)警、實時記錄、現(xiàn)場制止，現(xiàn)場設(shè)備聯(lián)動閉鎖，達(dá)到預(yù)防和控制不安全行為的效果。

推進(jìn)智能化建設(shè)，減少因疲勞而引發(fā)的不安全行為。按照智能提效的原則，提升掘錨設(shè)備的機械化、智能化水平，減少工人的勞動強度，將員工從繁重的體力勞動中解放出來，既減少了因疲勞而引起的不安全行為，也提高了生產(chǎn)效率。

3.2 環(huán)境影響因素防控措施

環(huán)境影響因素中，粉塵、照明、自然災(zāi)害、噪音、作業(yè)空間均影響不安全行為。

改進(jìn)掘錨設(shè)備支護工藝，使掘進(jìn)工作面的臨時支護、永久支護實現(xiàn)自動化，減少頂板自然災(zāi)害的影響。

升級改造掘進(jìn)工作面的粉塵、噪音、瓦斯、應(yīng)力、水文等監(jiān)測系統(tǒng)，提高掘進(jìn)工作面環(huán)境和自然災(zāi)害的精準(zhǔn)監(jiān)測，并實現(xiàn)智能預(yù)警。

積極探索作業(yè)人員在封閉的中央集控室進(jìn)行遠(yuǎn)程操作，阻隔掘進(jìn)工作面機組作業(yè)產(chǎn)生的噪音、粉塵，同時減少自然災(zāi)害的影響。

提高掘進(jìn)工作面環(huán)境舒適度，保證員工有充足的作業(yè)空間；改進(jìn)除塵裝置，減少粉塵對人的影響、對光照度的影響。

4 結(jié)論

1)智能化煤礦掘進(jìn)工作面不安全行為影響因素包括個體因素、設(shè)備因素、環(huán)境因素、管理因素4個一級影響因素，每個一級影響因素又包含若干二級影響因素，并對各個影響因素進(jìn)行了問卷調(diào)查。

2)運用層次分析法分析了一級影響因素，得出個體因素影響程度最大，其次是環(huán)境因素。運用熵權(quán)法研究了各個一級影響因素下的二級影響因素的影響權(quán)重。綜合一級影響因素和二級影響因素，對所有二級影響因素進(jìn)行了總排序，得出個體因素、環(huán)境因素下的二級影響因素是主要影響因素。

3)針對主要影響因素，運用智能化煤礦的特點和優(yōu)勢，分別從個體因素、環(huán)境因素兩方面提出了防控措施。