因石化企业的原料和产品的特殊性,其安全状况一直以来都是政府与社会所关注的焦点。依据海因里希事故致因理论与REASON组织事故病理学模型[1],石化企业的应急处理措施是防止重大事故发生的最后一道屏障,其重要性不言而喻。因此,客观准确地评价企业的应急能力具有重要意义。目前,应急能力评价已广泛地应用于道路运输、电力系统、自然灾害和化工园区等领域,主要方法有层次分析法、模糊综合评价法、物元可拓评价法等[2-6]。以上方法均有一定的借鉴意义,但大多未充分考虑评价过程存在的各种不确定性,评价过程往往对某种精确的数学运算模型过分依赖。因此,很难对评价过程中存在的定性概念做出清楚的解释。而实际上,石化企业应急能力受人员、组织、设备和环境等不确定性因素影响,使应急能力评价问题变得较为复杂,成为一个模糊性和随机性共存的不确定性难题。近年来发展起来的云模型理论为解决此类问题提供了新的思路。鉴于此,本文尝试将云模型引入石化企业的应急能力分级,试图从一个新的角度探讨石化企业应急能力评价这一不确定性问题,以期能够为应急管理工作提供决策依据。
云模型为用于处理定性概念与定量数值之间不确定性转换的强有力的模型[7]。云的基本定义为:设U为一个用精确数值表示的定量论域,C是U上的定性概念,若定量值x ∈U,且x是定性概念C的一次随机实现,x对C的确定度μ(x)∈[0, 1]是具有稳定倾向的随机数,满足μ:U→[0, 1],∀x ∈U,x →μ(x),则x在论域U上的分布称为云,每一个x称为一个云滴。因正态云具有较强的普遍适用性[7],本文主要运用正态云模型进行相关计算和评价。
云用Ex(期望)、En(熵)、He(超熵)等3个数字特征反映概念的整体特性[7],记为(Ex、En、He)。其中,Ex表示云滴在论域空间分布的期望;En为定性概念的模糊度;He为熵的不确定性度量,取决于熵的随机性与模糊性。云用3个特征参数(Ex、En、He)将自然界中事物的随机性与模糊性集成到一起,更好地理解定性概念的内涵与外延。
云发生器是实现定量数值与定性概念相互转换的基础工具,包括正向云发生器、逆向云发生器、X条件、Y条件发生器[8]。以下仅对正向云发生器和逆向云发生器作简要介绍。
正向云发生器由云的数字特征(Ex、En、He)产生大量云滴,达到定性概念的定量化处理的效果,所生成的云图可直观地反映定性概念的特征。正向正态云发生器执行算法如下:
输入:定性概念的数字特征参数(Ex、En、He)和所需的云滴数n。
输出:n个云滴x及其确定度μ。
步骤1:生成以En为期望值,He为标准差的一个正态随机数Eni′。
步骤2:生成以Ex为期望值,Eni′为标准差的一个正态随机数xi。
步骤3:计算${\mu _i} = \exp \left[{-\frac{{{{({x_i}-Ex)}^2}}}{{2En_i^2}}} \right]$,具有确定度μi的xi称为数域中的一个云滴。
步骤4:重复步骤1到3,直至产生要求的n个云滴为止。
逆向云发生器是从定量到定性的映射,可将一系列的精确数值转化成定性概念的云模型数字特征(Ex、En、He)。具体执行算法如下:
输入:样本点xi,i=1, 2, 3, …, n。
输出:反映样本点定性概念的云模型数字特征(Ex、En、He)。
步骤1:求样本平均值$\bar X = \frac{1}{n}\sum\limits_{i = 1}^1 {{x_i}} $,一阶样本绝对中心矩$\frac{1}{n}\sum\limits_{i = 1}^1 {{{\left| {{x_i}-\bar X} \right|}^2}} $,样本方差${S^2} = \frac{1}{{n- 1}}\sum\limits_{i = 1}^1 {{{\left[{{x_i}-\bar X} \right]}^2}} $
步骤2:计算期望$Ex = \bar X$,熵$En = \sqrt {\frac{{\rm{ \mathit{ π} }}}{2}} \times \frac{1}{n}\sum\limits_{i = 1}^n {\left| {{x_i}-\bar X} \right|} $
步骤3:计算超熵$He = \sqrt {\left| {{S^2}-E{n^2}} \right|} $
借鉴生物免疫学中B细胞发育成熟度的概念,引入“应急成熟度”衡量石化企业的生产应急状况[5]。基于云模型的石化企业应急成熟度评价流程如图 1所示。首先建立应急成熟度的指标评价体系,从而建立评价标准及评语云模型;其次确定指标的评价云与指标权重;最后通过云模型综合评价得到应急成熟度的评价云,与评语云模型比较即得到最终的应急成熟度评价结果。
基于危机管理的PPRR(prevention, preparation, response and recovery)模型[9-10],遵循系统性、科学性和可比性的原则,从应急预备能力、应急准备能力、应急响应能力和应急恢复能力等4个一级指标出发,共建立了15个二级指标,如图 2所示。
根据石化企业应急能力符合要求程度,将应急成熟度及底层指标在[0, 10]的分值论域上划分为5个评价等级,即Ⅰ级(完全不符合)、Ⅱ级(大部分不符合)、Ⅲ级(基本符合)、Ⅳ级(大部分符合)、Ⅴ级(全面符合)。之后确定各等级的分值区间,分值愈高,表示企业应急成熟度和评价因子的符合要求程度越高;然后将指标的等级分值区间作为一个双边约束空间[cmin, cmax],对约束空间边界的模糊性与随机性加以全面考虑并适度扩展;最后通过区间数与正态云模型的转换关系式[11]得到各等级的概念云模型的数字特征(Ex、En、He),见公式(1)。
式中,k为常数,可根据变量的稳定性与实际情况进行调整。对于形如[cmin, +∞]或[-∞,cmax]的单边界线的等级取值范围,可先确定其期望值或缺省边界参数,再按式(1)计算。
采用上述方法得到各等级的评价标准及相应的评语云模型,如表 1所列。
邀请若干专家对图 2中15个底层指标按表 1的评价标准进行分值评估,然后利用逆向云发生器得出一级指标Ui下第j个底层因子的评价云(Exij, Enij, Heij)。
权重确定的合理性直接影响评估的精度,为克服赋权的主观性,采用CRITIC(criteria importance through intercriteria correlation)客观赋权法求解指标权重[12]。与熵权法等常见的客观赋权法所不同的是,CRITIC不仅考虑了评价指标之间的对比强度,同时兼顾了指标之间的冲突性。其中,对比强度为同一指标在各类别之间取值差距的大小,以标准差σ表示。冲突性以指标之间的相关性为基础,若两个指标呈较强的负相关,则表明两者的冲突性较强。第i个指标与其他指标的冲突性可由$\sum\limits_{k = 1}^1 {(1-{r_{ki}})} $量化表示,其中rki为指标k与指标i之间的相关系数,l为指标总数。因此,指标的信息量由对比强度和冲突性共同决定,信息量越大,则指标的相对重要度越高。
CRITIC法权重计算步骤为:
① 因文中均为效益型指标,将指标的评分值按式(2)进行规范化处理,得到标准化矩阵A。
式中,aij为规范化的数据;fij为专家j对指标i的原始评分值; fmax与fmin分别为指标分值的上下限。
② 在标准化矩阵A中,求以指标i为准则的向量Ai的标准差σi。
③ 计算指标i与k的Pearson相关系数rki。
④ 计算指标i所包含的信息量${C_i} = {\sigma _i}\sum\limits_{k = 1}^l {(1-{r_{ki}})} $。
⑤ 按式(3)处理得到各指标的归一化权重值wi。
由于各底层指标相对独立,依据虚拟云中的浮动云算法[11]进行集结,得到一级指标Ui的云模型(Exi、Eni、Hei),计算式为:
式中,wij为底层评价因子的权重值;Exij、Enij、Heij分别为评价因子的云模型参数;m为一级指标Ui的底层评价因子个数。
对于最高层指标“应急成熟度U”,可采用综合云算法[11]将低层次概念跃升到高层次概念,使多个一级指标的云模型集结为一个更广义的云,得到企业应急成熟度的云模型(Ex、En、He)。计算式为:
式中,wi为一级指标Ui的权重值;n为一级指标总数。
根据正向云发生器算法,将石化企业应急成熟度的评价云模型(Ex、En、He)和表 1的评语云模型分别仿真显示,即可判定该企业的应急成熟度所属等级。
以西部地区某天然气净化厂进行应急成熟度评价的应用为例。首先,以问卷调查的方式邀请5名由安全管理人员、技术管理人员组成的评价小组对图 2中的所有底层指标进行分值评估。然后,按2.3节所述的方法计算指标的评价云模型和指标权重值,结果如表 2所列。
采用浮动云算法对底层评价因子进行集结,形成一级评价因子的虚拟云,计算结果见表 3。
由表 2可得,应急预备能力U1、应急准备能力U2、应急响应能力U3和应急恢复能力U4的权重值分别为0.272、0.272、0.386和0.07。将表 3中一级指标的评价云通过综合云算法进行概念跃升,得到企业应急成熟度的评价云模型为(7.36, 0.87, 0.28)。
根据正向云发生器算法,将企业应急成熟度的评价云和表 1中5个评语云模型分别进行仿真显示,见图 3。由图 3可知,应急成熟度评价云的云滴大部分分布于Ⅲ级和Ⅳ级两朵云模型之间,且与Ⅳ级更为接近。因此,可判定该天然气净化厂的应急成熟度为Ⅳ级,即大部分符合要求,能较好地处理解决突发事件。
从评价结果来看,文中所采用的方法不仅得到企业应急成熟度等级,还可直观地看出评价结果在“评语云”图 3中的分布状况,使评价结果一目了然。从图 3中可以看出,与评语云相比,评价云的离散程度更高,这综合反映了评价小组成员对指标的理解和认同程度存在一定的差异性。实际上,无论是指标选取、等级划分和权重确定等评价过程都存在一定的随机性和模糊性,现有的其他评价方法所得出的评价结果并不能够很好地反映此类问题,而基于云模型的评价方法不仅能够得出评价结果,还可分析评价因子和评价过程内在的不确定性,从而能够为企业应急管理提供更丰富的参考信息。
(1) 利用CRITIC法计算指标的权重值,降低了专家主观因素的干扰,使评价更为客观。但是CRITIC法确定评价因子的权重值取决于数据样本的信息,所以数据波动对权重值的影响仍不容忽视。
(2) 考虑到评价过程和评价因子存在随机性与模糊性,利用云模型理论的特点和优势开展石化企业的应急成熟度评估。结果表明,该方法能够较好地实现专家群体决策,减少主观性的影响,揭示了评价因子和评价过程存在的不确定性,使评价结果更符合客观实际,为企业应急管理提供更丰富的参考信息。
(3) 石化企业的应急能力作为风险管理的重要环节,是防止事故发生的最后一道屏障,必须予以高度重视。为提高企业的应急能力成熟度,可从应急预备、应急准备、应急响应和应急恢复等4个方面制定具体的措施。