文摘

捕捉风险之间的关系是至关重要的彻底理解,促进煤矿安全。从这个角度来看,105年135年风险和风险之间的关系被确认从126年典型事故,这也是构建煤矿风险的基础网络(CMRN)。基于复杂网络理论和Pajek(即,六个参数。,network diameter, network density, average path length, degree, betweenness, and clustering coefficient) were employed to reveal the topological properties of CMRN. As indicated by the results, CMRN possesses scale-free network property because its cumulative degree distribution obeys power-law distribution. This means that CMRN is robust to random hazard and vulnerable to deliberate attack. CMRN is also a small-world network due to its relatively small average path length as well as high clustering coefficient, implying that accident propagation in CMRN is faster than regular network. Furthermore, the effect of risk control is explored. According to the result, it shows that roof collapse, fire, and gas concentration exceeding limit refer to three most valuable targets for risk control among all the risks. This study will help offer recommendations and proposals for making beforehand strategies that can restrain original risks and reduce accidents.

1。介绍

中国是世界上最大的煤炭生产国和消费国,从它的能源中,有大约65%在过去的六十年(1]。在中国,超过90%的化石能源储备煤炭。也就是说,能源的能源消费结构,主要依赖煤炭,在相当长的一段时间内是不能改变的。同时,这个角度可以验证中国国家能源发展战略计划(2014 - 2020)13日五年计划(2016 - 2020)。2015年,中国的煤炭产量约为37.47亿吨,占世界总数的47%(国家煤矿安全管理局,2015)。根据英国石油公司(BP)的世界能源统计年鉴》2016年,煤炭产量超过4000万吨的国家可以如图1。

煤炭开采是指全球最危险的行业之一(2- - - - - -4]。此外,煤矿企业遇到各种危险有关特殊地质条件(3]。煤炭开采过程中,大量的危害有可能引发事故频繁,如岩石应力、有害气体、湿度、高温、煤炭和二氧化硅粉尘,以及专门的设备(5]。更糟的是,这些危害的强度和频率可能会导致非常严重的后果对人类健康和生命6]。煤矿事故会带来伤害,伤亡,以及企业的主要资产的损失。在中国,煤矿事故每年遭受重大损失。据统计,全世界大约70%的煤矿伤亡估计发生在中国7]。6995年2002年煤炭工人的各种事故中丧生,这是记录的最大的一年。然后,它逐年减少,如图2(数据来源:国家煤矿安全)。虽然实际情况似乎变得越来越好,仍然大量在中国每年发生事故。总之,安全管理在煤炭生产仍然是相当重要和严重由于恶劣的生产条件以及复杂的生产过程。

提高安全性能的一个更有价值的过程是先前的事故(从失败中学习经验8]。事故分析是一种强大的方法来预防或消除类似的危险,风险和事故(9,10]。事实上,现有的研究往往集中于一个类型的煤矿事故,或事故的统计分析在一个地区或国家,而多个验证事故之间的关系通常被忽视。在工业安全的研究中,人们普遍承认,事故不是由一个错误或故障引起的,而是由一个序列的融合风险,风险,和事故11]。此外,发生事故可能会造成以下事故序列(12]。事故链存在于大部分的煤矿事故,这表明网络风险的实际存在。这些风险之间的相互作用形成一个煤矿风险网络(CMRN)这将带来一个煤矿安全的大问题。因此,捕捉CMRN既是重要的复杂性和有利于提高煤矿的安全性能。

本文的结构可以列出如下。部分2介绍煤矿安全的文献综述,以及部分3阐述了方法,包括一个分析框架,数据收集和分析和网络建模。节4,Pajek是用来帮助探索CMRN(包括网络基本数量指标和网络财产)和度量风险控制的效果。节5,潜在的贡献、局限性和风险控制方法进行了讨论。最后,结论部分6。

2。文献综述

煤矿提供了必要的能量支持中国经济和社会的高速发展。多项研究已经由全球研究人员提高安全性能。研究主题主要关注监督管理、风险管理、评估、监测、控制技术,如表所示1。

监督管理是指在煤矿两个重要的影响因素。2000年以前,无效的法律和条例》的实施增加了难度为中国政府检查煤矿安全的实际情况13]。促进煤矿安全,各种有效的对策,如加强安全立法和建立独立的煤矿安全监控系统,被处决。这些改进在监管制度做出了巨大的贡献14]。然而,煤矿企业和监管部门之间的关系是复杂而微妙的。寻租行为广泛存在于我国煤矿监督,这是一个巨大的煤矿产业的进一步发展的障碍。寻租的现有研究主要集中于寻租行为,政策,和税收15- - - - - -17]。在寻租的场景中,陈等人。18)表示,每个级别的部门有一个强度阈值以上的煤矿事故发生。

有效的风险管理是煤矿安全生产的根本保证基于各种理论和方法。纱丽et al。19)建立了一个随机模型来预测事故的数量根据发生事故的随机性。Qing-gui et al。20.)构建了一个系统监督不安全行为,发布预警信息,提高煤矿的控制措施。基于案例研究,Kowalska [21识别和评估风险的来源。所显示的结果,有必要进行先行活动旨在减少环境和社会风险在煤矿清算。巴蒂尼et al。22]研究了采矿项目风险管理基于层次分析法的方法,结果显示考虑职业健康和安全的重要性(OHS)煤矿的过程中。王等人。23提出一个分析框架来分析人类错误风险在紧急疏散从三个视角,包括组织层面,集团层面和个人层面。此外,刘和李24)建造了一个反向传播(BP)神经网络探索煤矿安全影响因素。

危害和风险的评价备受关注的多个从业者和研究者由于其严重的后果。这些危害和风险可以分为三种类型,包括“自然、技术和人类。“Ghasemi et al。25)建立了一个风险评价模型和各种可能的风险评估在伊朗的塔巴中央。Pejic et al。26)提出了一个风险评估工具来确定爆炸的危险的工作流程或活动地下煤矿。同时,方法可以决定是否建议投资是有理由的改善安全。Bahri纳杰菲et al。27)提出了一种人工神经网络模型来预测out-of-seam稀释。基于不确定的随机变量,Chen等人。28)开发了一个实用的煤矿安全评价模型基于不确定随机变量。根据模糊集理论,Petrovićet al。29日)提出了一个风险评估模型来评估机电设备的故障。Lokhande et al。30.)提出了一个风险评价方法的基础上,确定关键参数,包括深度萃取率高,岩石,土壤比,脆性指数的岩石,岩石密度。位咨询专家和Burgherr31日]分析了事故数据与能源相关的严重的事故数据库,提出了一个无意义的下降趋势对土耳其以及一个重要的美国。

一些新技术,这是有效的和强大的工具为提高安全性能,被应用于煤矿。太阳et al。32)完成了监控和基于云计算的prealarm系统(CC)和物联网(物联网)。更重要的是,丹吉和帕蒂尔(33)设计了一种无线传感器网络(WSN)基于MSP430的控制器监测烟雾,气体,温度和湿度在煤矿。基于无线传感器网络和控制器区域网络(可以),Bo et al。34)提出了一个远程监控系统,在不同的远程监控场景进行测试。Zhang et al。35)提出了一个集成的环境监测系统,充分利用有线监控系统(CMS)结合无线传感器网络(WSN)。徐et al。36)提出了一种改进的基于几种现代安全管理系统识别和沟通技巧,包括虹膜识别、射频识别(RFID),计算机网络和数据库技术。

3所示。方法

3.1。分析框架

提出了一个分析框架进行深入分析煤矿事故,呈现在图3。这是一个循序渐进的过程包括三个主要模块。起初,煤矿事故收集从文学和媒体,如国家煤矿安全管理局的网站。然后,选择典型事故的数据来分析事故链。之后,事故链作为一个全球网络将被整合。在第二阶段,风险是抽象为顶点,同时,相互关系被抽象为优势。此外,软件Pajek采用建立的煤矿风险网络(CMRN)。在第三阶段,CMRN分析和网络的拓扑属性识别根据网络理论。然后,计算在CMRN风险控制的效果。根据研究结果,提供讨论和建议,促进煤矿生产安全管理。

3.2。数据收集和分析

历史煤矿事故的数据用于风险分析。有几种方法来收集事故情况下,如政府、企业、文学和媒体。在这项研究中,收集事故从文学和媒体。煤矿事故数据库(CMAD)记录事故的详细信息(包括时间、位置、类型、过程、死亡和损失),建立了基于Microsoft Access 2010。虽然数以百计的事故发生在中国在过去的几年里,许多事故的信息,尤其是事故的过程中,还不清楚。最后,收集176事故的详尽的信息。在这些详细的事故中,有些事故链是不明显的,而一些发生突然和意外事故链。这些事故并不被认为是在这个研究。除了,因为一些事故是完全类似于其余的典型事故,因此没有必要重复事故分析。最后,126年典型事故,包括所有类型的煤矿事故,记录在CMAD,他们选择进行事故链分析建立网络模型的风险。 Two examples of stored accidents can be illustrated in Table2。

虽然这些事故是有选择性的,几乎所有类型的事故都被包括在内。同样,没有偏见的选择过程。从人、机、环境、管理和技术,确定并阐述了这些事故的事故链表3。大部分的事故有一个事故链,有些有两个,如事故41 - 75。因此,总共有135事故链从126例。

3.3。网络建模

多种风险同时出现在不同的事故,这表明风险是与他人。至关重要的是识别风险和它们之间的相互关系,建立CMRN。通过统计,共有105个风险事故从135年和194年相互关系链。此外,顶点数量和类型摘要表4。后本研究抽象危险边缘顶点和相互关系,不同的风险可以通过这些常见的顶点连接成一个全球网络。更好的解释,事故12,38岁,71人作为一个例子来说明网络建模的过程,如图4。从事故的风险识别12,38岁,到71年,可以看出有两个相同顶点红色所示,包括R90和R68。通过这种方法,可以建立网络基于这些共同的风险。此外,软件Pajek是用来建立煤矿风险网络(CMRN),如图5。

4所示。结果

4.1。网络基本数量指标

随着复杂网络理论的不断发展,网络结构的统计指标取得了很多成就,也统计描述各种拓扑特征的基础。与视觉部分相比,计算更精确和简洁在探索网络(37]。本研究使用几种典型指标来探讨CMRN的属性,包括网络直径、网络密度、平均路径长度、程度、中间性和聚类系数。这些拓扑指数计算了Pajek。

以下4.4.1。网络直径

网络直径定义为网络中的最大路径长度,可以反映网络的大小。CMRN的网络直径是7,这是来自贫困维护(顶点64)水泄漏(顶点99)。这条路径如下:可怜的维护(顶点64)导致电气设备故障(顶点29),电气设备故障(顶点29)触发通风(顶点49)不足,通风不足(顶点49)使气体浓度超过限制(顶点38),气体浓度超过限制(顶点38)产生气体燃烧(顶点37),天然气燃烧(顶点37)火花火(顶点34)、火(顶点34)诱发屋顶坍塌(顶点68),屋顶坍塌(顶点68)导致渗透采空区(顶点61),并渗透到采空区(顶点61)带来水泄漏(顶点99)。尽管这些风险不可能同时出现在一个事故,它可以深入反映风险扩散的过程。风险的传播规则有利于发展预防和控制风险控制策略。

4.1.2。网络密度

网络密度是用来描述网络中顶点之间的亲和度从全面的角度看问题。它具体是指实际的比例边缘网络中潜在的边缘。由105个顶点,在CMRN应该边缘的最大数量 。自194年CMRN是实际的边缘,因此网络CMRN密度 。一般来说,顶点,网络密度越小。低密度意味着CMRN相对稀疏的网络。此外,顶点CMRN少与其他所有人。也就是说,一个顶点的度CMRN直接受到别人的影响相对较低。

4.1.3。平均路径长度

信息的传输效率或能量与平均路径长度显著相关。较短的平均路径长度意味着更高的效率。平均路径长度之间的平均数量的步骤可以被定义为所有可能对网络中顶点。CMRN平均路径长度的值为3.0841,表明风险可以传输到另一个平均只在三个步骤。例如,电缆短路(顶点6)和一氧化碳中毒(顶点8)指的是两个相关的风险,可通过电火花(顶点26)和火(顶点34)在三个步骤中,如事故31日在表所示3。

4.1.4。学位

一个顶点的度被定义为边缘连接到顶点的数量。在一个有向网络,可以入度(输入边数)或有关学位(边),总程度是两个的总和。以来有105年CMRN顶点,是不可能显示所有顶点度的雷达图像。因此,选择30度最高的顶点顶点度显示为例。入度的值、学位和总这些30顶点度呈现在图6。屋顶坍塌(顶点68)17度,最高10入度和出度7。这表明屋顶崩溃是在一个相对中心位置和事故链中起着至关重要的作用。其入度也是最高的网络,这意味着它指CMRN最大的“风险接受者”和贫困等许多风险隧道的支持会导致屋顶倒塌。多条路径很难控制屋顶坍塌,相比于其他入度较低的顶点。第二个是不合理的爆破(顶点90),第三个是管理疏忽(顶点51)。的入度和出度不合理的爆破是7岁和9岁。这意味着7风险可能产生不合理的爆破,与此同时,不合理的爆破可能导致生产9风险。此外,管理疏忽(顶点51)最高的学位,证明管理疏忽是最严重的风险来源。如果有一些错误的安全管理,许多风险随时会被触发,如气体浓度超过极限。 Controlling these key vertexes can positively influence the safety of coal mine, which is also referential in resource distribution under the condition of limited security resource. Besides, it would greatly help disrupt the connectivity among risks to prevent risks from spreading and propagating in CMRN.

4.1.5。中间状态

中间性是用来描述一个顶点在多大程度上起到了中介作用在所有可能对顶点之间的交互网络(38]。两种类型的中间状态,顶点中间性和边介数、被广泛地用于网络分析(39,40]。根据研究对象,只在本研究中利用顶点中间性。高中间性表明更大的重要性在整个网络。的顶点中间性CMRN范围从0到0.059852,如表所示5。只有47个顶点是看不见的,因为他们的顶点中间性是零,这表明他们不扮演中介的角色中顶点之间的相互作用。屋顶坍塌(顶点68)顶点中间性的最高价值,这意味着最大数量的最短路径穿过屋顶崩溃(68点)。这是一个关键环节的过程中传播风险。积水(顶点78)顶点中间性的最小值,这意味着最小数量的最短路径经过积水(顶点78)。它不是一个关键环节风险的过程中传播。根据中间性的价值,屋顶崩溃(68点)的影响远远大于死水(78点)的过程中传播风险。此外,火(顶点34)和火花(顶点75)是0.048486和0.020668,分别。累计五项最高顶点顶点中间性中间性= 0.542701,这表明大约55%最短路径通过这五个顶点。这些顶点应该集中的安全管理。 It seems that effectively controlling these few key vertexes can slow down the risk diffusion and decrease the chain reaction in CMRN.

4.1.6。聚类系数

聚类系数是用来描述网络中顶点从局部的角度往往聚集在一起(41]。一个顶点的聚类系数的概率定义为两个随机选择的邻居被连接的顶点。它可以发现33个顶点得到999999998的缺失值,因为这些顶点的度等于1,和34个顶点值0。其他38个顶点的聚类系数提出了从高到低在桌子上6。的顶点聚类系数CMRN范围从0到0.5。最高的顶点聚类系数是80年25顶点和顶点。网络聚类系数可以被定义为网络中所有顶点的平均值,它是0.0623英寸CMRN比随机网络相同的网络规模。大聚类系数表示CMRN cliquishness程度很高。

4.2。网络属性

随着网络的发展理论,它可以发现小世界特性和无标度特性最明显的区别是真正的网络和随机网络。获得更大的洞察力CMRN的性质,本部分探讨了这两个属性。

4.2.1。准备小世界特性

小世界网络是一种特殊的图,从其他大多数顶点可以达到顶点由一个短的路径。一般来说,小世界网络与集群的拥有相对较高的价值系数和小的平均路径长度(42,43]。与105年相比,三个随机网络顶点和194是由边缘PajekCMRN一样的规模。聚类系数和平均路径长度CMRN和随机网络展示在表7。显然,CMRN是一个相对小世界网络根据其聚类系数和平均路径长度,表明风险传播CMRN比随机网络快得多。为了避免更糟糕的后果发生事故的情况下,控制之间的连锁事故具有重要意义。

4.2.2。无标度特性

无标度网络是一个网络的度分布满足幂律衰减。在这样的网络中,大量的顶点连接很差和相对较少的顶点都与许多其他顶点(44]。由于罕见的顶点与高度,分析统计数据的尾巴度分布是没有意义的。度分布被定义为顶点的比例与学位 ,而累积被定义为顶点的比例等于或大于(45]。在实践中,累积的优先使用双对数坐标系统,在统计分析的目的,减少统计误差造成的有限网络大小(46]。累计CMRN描绘在图7与近似合适 ,基本上遵循幂律。这表明CMRN根据复杂网络具有无标度性质的理论。产权意味着CMRN随机风险在一定程度上具有很好的鲁棒性。顶点的度等于或小于4占75%,这些网络上的顶点的影响相对较小。然而,CMRN容易同时袭击针对顶点高度。换句话说,只有针对性的措施可以大大避免CMRN的级联效应。

4.3。测量风险控制的效果

风险控制的分析效果有利于提供建议和提案在煤矿安全管理。衡量风险控制的影响,一个假设。即风险应该不会发生,如果它完全控制在煤矿生产。此外,如果风险不会发生,它可以从CMRN删除。然后,风险控制的效果可以通过网络测量全球效率。尽管许多定义网络全球效率目前创建和研究,他们都有不同的限制。普遍接受的测量方法是平均最短路径长度的倒数网络,网络的全球网络G可以计算效率(1)[47,48),指的是数量的顶点和是指两个顶点之间的距离。

每一个风险的风险控制效果CMRN可以测量根据程度的网络全球效率下降。例如,如果网络全球效率减少了0.1后删除顶点8,这意味着风险控制顶点8的效果是0.1。更好的效果,风险越大。CMRN的30个最严重的风险是通过计算,确定和风险控制效果如图8。观察到屋顶坍塌是最严重的风险和控制屋顶坍塌,将有助于减少CMRN网络全球32.63%的效率,其次是火(25.96%)和气体浓度超过极限(11.22%)。然而,由于屋顶崩溃之间的交互和气体浓度超过限制,控制的效果“屋顶坍塌”和“气体浓度超过极限”不等于32.63% + 25.96%,但44.03%计算。显然,测量的影响风险控制建议和指定进一步安全管理的方向和重点。无论如何,控制一些最严重的风险是最适当和最有效的方法防止事故,进一步促进煤矿生产安全管理水平。

5。讨论

基于网络理论,提出了一个分析框架,促进煤矿安全生产,这是可行的和有效的。提出了网络建模方法是一种强大的和有前途的工具来分析风险在不同的学科。设想,这项研究可以帮助管理人员深入理解煤矿风险为了发展必要的策略,可以提高安全管理在一个动态的经营环境,尤其是在紧急情况。

本研究包括四个方面的潜在贡献。首先,它有利于了解煤矿的复杂性和传递性风险。的主要拓扑结构和网络属性CMRN捕获和分析。其次,它有利于提高安全性能通过控制原始风险和避免衍生事故。第三,本研究煤矿应急和救援的潜在益处,它可以帮助管理者做出决策在防雷应急救援人员伤亡和损失。此外,网络建模技术是采用在这项研究中,这可能为事故分析提供一种很有前途的方法。同时,网络理论的应用范围将会扩大。

本研究的主要局限是建立网络模型未能考虑顶点的重量。此外,风险的频率表3不能反映顶点在目前的研究中,很难辨别和区分不同的重要性不同的风险。因此,分配重量是很困难的。这或许可以解释为什么网络模型在本研究中是无关紧要的。在未来的研究中,更要注意提高网络模型基于更精确的了解煤矿的风险。同时,如何减少煤矿的风险是一个重要的方向,值得进一步研究。与此同时,一个特定的故障知识数据库(FKD)将在研究煤矿重大事故,这是基于案例的推理(CBR)的基础分析风险和风险。

似乎更重要的是,一些确定的风险,而不是具体的。有两个原因的结果。首先,风险识别的基础上进行了事故数据收集从文学和媒体。如果一些详细信息将被忽略,而不是在这些事故的调查记录,不可用的信息可能影响风险识别的准确性。其次,本研究从整体的角度实现。如果确定风险太具体,找到共同的顶点和构建煤矿风险网络将是困难的。因此,类似的风险分为同一类别为了方便。

安全研究人员努力的目标是降低事故的发生率,提高安全水平。事故前兆研究了各个行业,许多研究表明,一系列前兆总是发生在事故发生前(8,11,49]。因此,降低前体频率是一种有效的方法来减少事故概率(50]。事故前兆被广泛定义为“条件、事件和序列之前和导致事故”由国家工程院(51]。即使它是不可能完全避免煤矿事故,监测和控制前兆信息是一个有用的和有效的方法为安全经理提前识别危险或风险。同时,这可以减少事故或减轻其后果的可能性。因此,前兆分析看似潜力巨大,促进煤矿生产的安全管理。

据网络分析的结果,可以知道一些关键的顶点在事故预防发挥重要的作用。在实践中,前体可以用来减少频率和这些关键风险的概率。例如,水的前体泄漏主要包括以下:空气变冷;雾出现在巷道;和煤壁渗水。如果矿工能多注意这些前兆,水将在很大程度上减少泄漏。因此,一个组织结构应该提出了管理和控制前体,如图9。前体的真正执行者管理包括总参谋部、安全经理和安全专家。一般员工应报告安全官的前兆,然后安全官提交前体报告安全经理。此外,安全专家协助安全经理以及风险因素进行分析,提出处理措施。提出的措施或解决方案由总参谋部和执行安全官,同时,他们的评价是实现安全管理器和安全专家。煤矿企业可以成立一个委员会,主要包括安全管理器和安全专家来处理前体管理。

6。结论

煤炭行业被广泛的事故分析,促进安全生产。通过改变原来的方法分析一个事故,本研究的目标是开发一种创新的方法融合各种风险,可以探索的全部复杂性CMRN基于网络理论。

CMRN是由软件Pajek根据135年典型事故链,从126年获得典型的事故在煤矿事故数据库(CMAD)。作为一个未加权的网络模型,CMRN包括105个顶点和194边缘。CMRN网络直径是7和CMRN的网络密度为0.178,这表明CMRN指相对稀疏的网络。CMRN平均路径长度的值为3.0841,表明风险可以传输到另一个平均只在三个步骤。屋顶坍塌(顶点68)17度最高,这表明屋顶坍塌事故链中起着至关重要的作用。一般来说,这种类型的顶点被认为是一个关键点。的顶点中间性CMRN范围从0到0.059852。此外,屋顶坍塌(顶点68)顶点中间性的最高价值,这意味着最短路径穿过屋顶坍塌的最大数量(顶点68)。这是一个关键环节的过程中传播风险。接下来,火(顶点34)和火花(顶点75)是0.048486和0.020668,分别。 About 55% shortest paths pass through these five highest betweenness vertexes. Effectively controlling roof collapse, fire, spark, gas concentration exceeding limit, and collision could not only increase the network diameter and average path length but also slow down the efficiency of accident propagation and weaken the chain reaction. The vertex clustering coefficient in CMRN ranges from 0 to 0.5. Moreover, the clustering coefficient of CMRN is 0.0623 in CMRN, which denotes that CMRN has a high degree of cliquishness. Besides, CMRN is a relatively small-world network according to its clustering coefficient and average path length, demonstrating that the risk propagation in CMRN is much faster than a random network. CMRN also has the scale-free property because cumulative遵循幂律。属性表明CMRN健壮的随机风险在某种程度上。此外,风险控制精确计算的影响。屋顶坍塌,总的来说,火灾和气体浓度超过限制在安全管理不仅是三个最有价值的目标,还三个最危险的煤矿生产的风险。

这六个参数的精确计算和有效的风险控制是有利于捕获煤矿事故的复杂性和性质并指定风险控制的目标。此外,结果可以帮助促进煤矿安全管理在控制原始风险和防止衍生事故。的顺序在CMRN事故之间的关系,本研究也可以积极影响事故的预警。在实践中,安全经理应该更关注风险控制的识别和价值目标,把更多的资源来帮助促进煤矿生产的安全性能。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者也欣然承认那些提供数据和建议。本文描述的研究是由中国国家自然科学基金(51323004)、人文学科和社会科学青年基金会中国教育部(17 yjczh035),中央大学的基础研究基金(2017 qnb13),博士后研究基金和江苏省计划项目(1701143 c)。