摘 要: 為提升企業(yè)自身的隱患治理能力,借鑒軟件能力成熟度模型,提出了隱患治理能力成熟度的概念,建立隱患治理能力成熟度五級模型,構(gòu)建評估指標體系,基于專家評估法和自組織特征映射神經(jīng)網(wǎng)絡(luò)提出組合評估方法。實驗結(jié)果表明,所提出的模型與方法可實現(xiàn)智能化評估企業(yè)隱患治理能力,并為強化隱患排查治理長效機制提供參考依據(jù)。
關(guān)鍵詞: 能力成熟度模型;隱患治理;自組織特征映射神經(jīng)網(wǎng)絡(luò)
0 引言
隱患排查治理體系的研究工作在我國開展比較晚,《安全生產(chǎn)事故隱患排查治理暫行規(guī)定》已經(jīng)于2007年12月22日國家安全生產(chǎn)監(jiān)督管理總局局長辦公會議審議通過,并自2008年2月1日起施行。
目前,我國在安全隱患治理方面的研究大多數(shù)是基于安全評價指標來確定隱患的安全等級或考核狀態(tài)[1-4],但是還鮮有對企業(yè)的安全隱患治理能力進行評測的研究,如何針對企業(yè)的隱患治理工作進行有效監(jiān)督與量化管理,并進一步指導(dǎo)企業(yè)安全生產(chǎn)是當前安全監(jiān)管部門和大多數(shù)企業(yè)管理者所面臨的問題。因此,本文主要運用軟件工程學和軟件過程管理、質(zhì)量管理等理論對企業(yè)隱患治理能力的成熟度的評測進行研究,以煤炭企業(yè)的隱患治理能力為研究對象,并針對礦山隱患治理能力成熟度及相關(guān)數(shù)據(jù)的處理進行分析、研究與應(yīng)用。
1 能力成熟度模型
1.1 軟件能力成熟度模型
美國卡內(nèi)基·梅隆大學(Carnegie Mellon)軟件工程研究所(Software Engineering Institute,SEI)早在20世紀80年代中期提出了軟件能力成熟度模型(Software Capability Maturity Model,SW-CMM)理論,CMM是一種將軟件組織的開發(fā)過程中的定義、實現(xiàn)、度量、控制以及改進等過程劃分為不同可控制、可量化的管理階段的方法[5-6]。CMM的發(fā)展歷程以及其中主要的里程碑[7]如圖1所示。
CMM為軟件開發(fā)提供了一個評估當前生產(chǎn)過程能力的準則,這個準則可為軟件生產(chǎn)過程提供改進的依據(jù),并且指導(dǎo)企業(yè)進行軟件質(zhì)量改善。它是基于關(guān)鍵過程的理論發(fā)展而來的,以工業(yè)界和政府機構(gòu)的軟件過程評估及反饋意見為依據(jù)。CMM是多級框架,側(cè)重于對軟件開發(fā)過程的管理和工程能力的評估與改進,是國際上評估軟件生產(chǎn)過程能力成熟度領(lǐng)域被普遍接受和采納的一套標準。通過有效地運用能力成熟度思想,可以在軟件工程領(lǐng)域及軟件產(chǎn)業(yè)中很好地體現(xiàn)企業(yè)管理學中的理念。軟件能力成熟度模型CMM的提出為軟件開發(fā)領(lǐng)域提供了可量化的管理、監(jiān)督和評估手段,產(chǎn)生了巨大的生產(chǎn)實踐價值,推進了軟件工程學科的發(fā)展。為了借鑒CMM的管理思想,其他相關(guān)學科的研究人員也基于CMM模型相繼提出各種衍生或改進模型,其中代表性的模型[8]有:系統(tǒng)工程CMM模型(System Engineering CMM,SE-CMM)、軟件獲取CMM模型(Software Acquisition CMM,SA-CMM)、集成產(chǎn)品群組CMM模型(Integrated Product Team CMM,IPT-CMM)和人力資源能力成熟度模型(People CMM,P-CMM)。
自SEI發(fā)布CMM以來,推動了美國、歐洲、日本、印度以及中國等國家和地區(qū)的軟件產(chǎn)業(yè)從小型自由式的開發(fā)模式走向大規(guī)模的規(guī)范化的開發(fā)模式和流程。但是這些研究成果中大多是將CMM理論應(yīng)用于不同的領(lǐng)域,而在安全管理中隱患治理方面的應(yīng)用研究還處于探索階段。因此,本文主要基于CMM理論面向安全生產(chǎn)領(lǐng)域中隱患治理能力的評估進行研究和應(yīng)用。我國對于軟件產(chǎn)業(yè)的重視程度也越來越深,并且相繼制定了兩項關(guān)于軟件行業(yè)的標準,分別為SJ/T 11234-2001《軟件過程能力評估模型》和SJ/T 11235-2001《軟件能力成熟度模型》,在標準中詳細地描述了軟件工程中所涉及的各類活動,用于支撐軟件產(chǎn)業(yè)綜合性的發(fā)展。
在上述研究中,大部分研究人員主要是基于CMM理論進行應(yīng)用研究,將CMM應(yīng)用于各個行業(yè),但是對于CMM中涉及的關(guān)鍵過程域問題研究較少,當前CMM評估方法主要依賴于人工方式,將人工方式轉(zhuǎn)化為智能化、自動化方式將會提高評估效率、減少人員評估的主觀因素影響。因此,本文將研究基于評估指標體系,提出一種專家法和自組織映射神經(jīng)網(wǎng)絡(luò)的組合評估方法。
1.2 隱患排查治理成熟度模型
隱患指隱藏或潛在的、可能引起事故發(fā)生的禍患[9],一般指明顯有缺陷的事物,在日常的生產(chǎn)和生活中普遍存在。在安全生產(chǎn)領(lǐng)域中,依據(jù)相關(guān)法規(guī)《安全生產(chǎn)事故隱患排查治理暫行規(guī)定》和國家標準《職業(yè)安全衛(wèi)生術(shù)語》,隱患的屬性主要表現(xiàn)為人員、事物以及管理三方面的不安全行為或狀態(tài)及存在的缺陷問題。從事故致因理論的視角來理解,隱患表現(xiàn)為可能導(dǎo)致事故的直接或間接影響因素。
相關(guān)研究工作有國家安全監(jiān)管總局開展的隱患排查體系工作以及風險預(yù)控體系研究等。2006年,神華集團建立了基于風險預(yù)控的安全管理模式,在安全評價實踐中總結(jié)出10個方面40個分解內(nèi)容,并進行了一定的應(yīng)用;國家安全監(jiān)管總局也在2012年開展了隱患排查示范工程項目的工作,建立了隱患排查體系,主要研究隱患排查工作及管理體系,但是并沒有將隱患排查治理進行理論化指標化評估,僅僅是對隱患排查工作的考核,并沒有對隱患治理能力的成熟度進行研究。隱患排查治理工作是過程性工作,隱患治理過程是一個動態(tài)、循序漸進的過程,它與軟件工程學中的測試、缺陷的發(fā)現(xiàn)與修正等過程極為相似,而且也具備軟件過程管理中類似的過程性、循環(huán)改善等特點,兩者相似性對比如表1所示。
因此,本文基于CMM提出了隱患治理能力成熟度的概念及模型(Person and CMM,PCMM),基于專家評估法和自組織特征映射(Self-Organizing Feature Map,SOFM)神經(jīng)網(wǎng)絡(luò)構(gòu)造了一種隱患治理能力成熟度的組合評估法。隱患治理能力成熟度是指治理隱患的能力所達到的成熟程度。其中,安全隱患治理能力成熟度關(guān)鍵過程域和成熟度等級模型框架如表2和圖2所示。
圖2中,成熟度分為5級,各級含義如下:
?。?)初始級:一種無序的混亂的隱患排查與治理的管理狀態(tài),流程控制不清晰,分工不明確。
?。?)可重復(fù)級:實現(xiàn)按照計劃管理隱患排查流程,隱患排查、整改、復(fù)查及銷項都是可以重復(fù)執(zhí)行的過程環(huán)節(jié)。
?。?)已定義級:在煤礦安全監(jiān)管監(jiān)察部門的監(jiān)督管理中,實現(xiàn)企業(yè)和監(jiān)督管理部門的協(xié)同治理流程。
(4)定量管理級:隱患治理及監(jiān)督管理專業(yè)小組進行有序的協(xié)作管理,并且在管理過程中不斷進行相關(guān)活動數(shù)據(jù)的專業(yè)性度量,為企業(yè)自身改善管理方式、提升能力水平提供協(xié)助。
?。?)優(yōu)化級:企業(yè)內(nèi)部遵循標準化的流程進行可控的隱患治理流程活動,并且企業(yè)可以在實踐中進行自身持續(xù)改進。
2 成熟度評估方法
遵循可行性、科學性、系統(tǒng)性等原則,建立評價指標體系,參考國內(nèi)相關(guān)學者的研究內(nèi)容[9],以礦山或煤礦安全生產(chǎn)為應(yīng)用實例,總結(jié)出側(cè)重于考核煤礦安全方面管理及人員綜合素質(zhì)的煤礦隱患治理能力成熟度評測指標體系(如表3所示),實際應(yīng)用中可酌情進行裁剪和調(diào)整。本文提出了一套評價煤礦隱患治理能力成熟度模型,但是各指標對模型的影響不同,需要一種合適的方法來計算其權(quán)重。SOFM神經(jīng)網(wǎng)絡(luò)方法普適性好,并且它的聚類分析過程可以推導(dǎo)出指標的權(quán)重,因此,比較適合用于上述情況。首先需用專家調(diào)研法進行預(yù)評估,將結(jié)果作為SOFM神經(jīng)網(wǎng)絡(luò)訓(xùn)練和學習的樣本,通過學習,使SOFM具有辨識和分類特征的能力。
2.1 SOFM神經(jīng)網(wǎng)絡(luò)概述
SOFM神經(jīng)網(wǎng)絡(luò)的一個重要特點是最大程度地保持臨近關(guān)系的拓撲結(jié)構(gòu)的性質(zhì)不發(fā)生變化,其主要思想是在學習過程中逐步對神經(jīng)元之間的作用臨域進行縮小,并按照相應(yīng)的學習規(guī)則對中心神經(jīng)元的激活程度進行增強,以此消除各個神經(jīng)元相互間的側(cè)向連接,在其中一次(或一組)僅有一個神經(jīng)元“激活”[10],達到模擬人腦神經(jīng)系統(tǒng)“近興奮遠抑制”的狀態(tài)和效果。SOFM神經(jīng)網(wǎng)絡(luò)學習過程是一種無監(jiān)督(無導(dǎo)師)的競爭型學習網(wǎng)絡(luò),在學習中能夠無導(dǎo)師地進行自組織學習。
2.2 SOFM神經(jīng)網(wǎng)絡(luò)學習過程
?。?)網(wǎng)絡(luò)初始化。輸入層有m個神經(jīng)元,輸出層(競爭層)由j個“鄰接神經(jīng)元”組成的集合Sj,Sj(t)表示時刻t的“鄰接神經(jīng)元”的集合。輸入層的輸入向量為X=(x1,x2,…,xm)T。
?。?)計算獲勝的神經(jīng)元。在輸出層,計算各個神經(jīng)元的權(quán)值向量與輸入向量的歐式距離,輸出層的第j個神經(jīng)元和輸入向量的距離為:
其中,f(min‖X-Wj‖)為0~1區(qū)間函數(shù)或非線性函數(shù)。
?。?)收斂性檢測。如果權(quán)值按某種設(shè)定的準則迭代收斂,則停止;否則k增加1,轉(zhuǎn)到步驟(2)進行下一輪學習。
2.3 評估模型
SOFM神經(jīng)網(wǎng)絡(luò)學習的過程是不斷進行聚類的過程,當評估對象沒有權(quán)值向量時,首次進行學習時需要預(yù)先請若干專家對于評估的數(shù)據(jù)給出預(yù)評估(即專家法),綜合專家的評估結(jié)果作為SOFM神經(jīng)網(wǎng)絡(luò)學習過程中的訓(xùn)練樣本,此后可以根據(jù)訓(xùn)練和學習的“經(jīng)驗”,利用SOFM神經(jīng)網(wǎng)絡(luò)學習過程計算獲勝神經(jīng)元進行評估。這樣可避免單純依賴專家評估引入的主觀因素的影響,同時也可以學習專家的經(jīng)驗并運用人工智能方式實現(xiàn)智能化信息處理。評估模型如圖3所示。
2.4 實例分析
本文提出的指標體系含有19個評估指標,主要用于驗證算法的合理性、適用性與有效性。分別選取2011~2012年北京和山西部分煤礦的相關(guān)數(shù)據(jù),并整理出8個礦區(qū)不同時期內(nèi)采集得到的24組數(shù)據(jù)。結(jié)合以往經(jīng)驗、數(shù)據(jù),以及建立的煤礦隱患治理能力成熟度關(guān)鍵過程域分布和特征,專家針對每一項指標進行等級評估,取值范圍為1~5,評估結(jié)果y如表4所示。
這部分的試驗環(huán)境采用MATLAB R2011,將專家評估的24組數(shù)據(jù)中前22組數(shù)據(jù)用于SOFM神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練和學習的樣本數(shù)據(jù),后面2組數(shù)據(jù)作為測試數(shù)據(jù)用來檢驗學習的效果。經(jīng)過訓(xùn)練和學習的SOFM神經(jīng)網(wǎng)絡(luò)的獲勝神經(jīng)元統(tǒng)計結(jié)果如圖4所示,專家評估結(jié)果和SOFM神經(jīng)網(wǎng)絡(luò)的評估結(jié)果對比如表5所示。SOFM神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的結(jié)果中,每一個獲勝神經(jīng)元都對應(yīng)一個專家評估的成熟度等級,那么測試數(shù)據(jù)中,找到獲勝神經(jīng)元編號對應(yīng)的成熟度等級即可表示成熟度等級。
圖4中神經(jīng)元編號從左至右、從下至上進行逐一編號。從圖中可看出在訓(xùn)練過程中,編號1神經(jīng)元獲勝4次,編號7神經(jīng)元獲勝3次,編號3、8、9、11、12神經(jīng)元各獲勝2次,而其余神經(jīng)元獲勝次數(shù)均為1次。從圖4和表5可看出,樣本編號23、24的專家評估結(jié)果分別為第4級和第5級,經(jīng)過SOFM神經(jīng)網(wǎng)絡(luò)訓(xùn)練之后,23號樣本學習結(jié)果為第7號獲勝神經(jīng)元對應(yīng)等級為4,24號樣本學習結(jié)果為第4號獲勝神經(jīng)元對應(yīng)等級為5,與專家評估的結(jié)果一致。試驗表明此方法能夠在評估的指標權(quán)重等數(shù)據(jù)不完備,以及期望結(jié)果試驗難以得出或計算的情況下適用。由于篇幅有限,以上數(shù)據(jù)部分省略表示。
3 結(jié)論
?。?)基于CMM理論,分析企業(yè)安全隱患排查治理流程,對比其與軟件工程中查找軟件缺陷并改正的相似性,提出了企業(yè)安全隱患治理能力成熟度概念及模型與關(guān)鍵過程域。
?。?)研究企業(yè)隱患治理流程中關(guān)鍵的影響因素以及其他研究成果,發(fā)現(xiàn)隱患治理中的關(guān)鍵影響因素分為人員和管理2個方面,進而整理并提出相應(yīng)的評估指標體系。
?。?)運用人工智能方法,提出基于專家法和SOFM神經(jīng)網(wǎng)絡(luò)的隱患治理能力成熟度的組合評估方法。試驗結(jié)果證明,這個模型能夠較為科學規(guī)范地對煤礦企業(yè)隱患治理能力成熟度等級進行劃分與評估。此方法也可用于非煤礦山等隱患排查治理工作中。
(4)在對CMM進行改進應(yīng)用的過程中,未結(jié)合軟件能力成熟度模型集成模型理論進行深入探討和分析,對此還需展開進一步的研究。
參考文獻
[1] HATTON W, WHATELEY M K G. Risk assessment applied to coal tonnage estimation in the United Kingdom[J]. International Journal of Rock Mechanics and Mining Science & Geomechanics Abstracts,1995,32(6):275-276.
[2] D?譈ZG?譈N H S B. Analysis of roof fall hazards and risk assessment for Zonguldak coal basin underground mines[J]. International Journal of Coal Geology, 2005,64(1/2):104-115.
[3] 許滿貴.煤礦動態(tài)綜合安全評價模式及應(yīng)用研究[D].西安:西安科技大學,2006.
[4] 鄭媛.基于小波神經(jīng)網(wǎng)絡(luò)的礦山事故隱患安全評價系統(tǒng)的設(shè)計[D].青島:山東科技大學,2011.
[5] HUMPHREY W S.Characterizing the software process: a maturity framework[J]. IEEE Software, 1988,5(2):73-79.
[6] CHRISSIS M B, KONRAD M, SHRUM S. CMMI: guidelines for process integration and product improvement[M]. Boston: Addision Wesley, 2003.
[7] PAULK M C. Using the software CMM in small organizations[C]. Pacific Northwest Software Quality Conference, 1998:350-361.
[8] ZAHRAN S[美]. 軟件過程改進[M].陳新,羅勁楓,譯.北京:機械工業(yè)出版社,2002.
[9] 吳同性,易明,李奇明,等.基于文化塑造的煤礦本質(zhì)安全管理研究[M].武漢:中國地質(zhì)大學出版社,2011.
[10] TEUVO K.The self-organizing map[J]. Neurocomputing, 1998,21(1/3):1-6.