2019, Vol. 42
2. 重庆科技学院, 重庆 401331;
3. 中煤科工集团重庆研究院有限公司, 重庆 400039
2. Chongqing University of Science & Technology, Chongqing 401331, P. R. China;
3. China Coal Technology Engineering Group Chongqing Research Institute, Chongqing 400039, P. R. China
煤化工是指原料煤通过化学反应得到气、液、固三种物质形态燃料物质的过程，其工艺技术分为现代和传统两种类型[1]。目前多数煤气化企业采用的C1炭化技术就是所谓的现代煤化工工艺技术之一[2]。
煤气化企业的生产工艺复杂，生产过程涉及的设施设备和装备工艺条件要求苛刻[3]。同时，生产过程中涉及H2, CH4，CO，H2S等危险介质，一旦发生泄漏，可能会造成中毒、火灾、爆炸等安全事故，甚至可能还造成环境污染。如2014年5月20日，某煤化工集团股份有限公司煤气化厂造气车间因更换蒸汽缓冲罐发生煤气中毒，致2人死亡、1人轻微中毒的事故，对该企业员工的安全感造成巨大冲击。
煤气化企业生产运行过程中大量有毒有害和易燃易爆物质存在，这些有毒有害和易燃易爆物质存在的潜在风险可造成重大的安全事故和巨大的经济损失。虽然这些年中国有关部门出台了相关法律、规章和安全技术标准等用以规范煤化工企业的安全生产行为[4]，但煤气化企业安全评价尚处于起步阶段，许多企业部分地方政府在项目建设之初并未考虑安全影响问题，这些因素均导致煤气化企业安全风险隐患的不断加剧。
为促进煤气化企业的安全生产，更好地预防、减少、控制和消除企业存在的安全隐患，笔者选取模糊综合评价理论[5]，通过模糊综合安全评价的方式[6]，以煤制甲醇的生产工艺作为典型的煤气化生产技术为评价对象，结合构建的煤气化企业安全风险综合评价的指标体系[7]，对某煤气化企业进行模糊综合安全评价，客观、科学地判定企业的安全风险程度。
1 煤制甲醇工艺某煤气化企业主要采用成熟的煤制甲醇生产工艺得到甲醇，企业设计生产规模为产品甲醇1.5×105 t/a、醋酸1.0×105 t/a，副产品为硫8 500 t/a。
煤制甲醇工艺：原料煤经破碎、筛分、气化后得到的粗煤气(CO+H2)在变换装置进入耐硫变换炉，将CO气转化为CO2和H2，CO2和H2在低温环境条件下再经一系列洗、压缩、合成、精馏甲醇等工序，最后制得甲醇。
|
图 1 所示为煤制甲醇工艺的流程简图 Fig. 1 Process flow chart of coal-to-methanol |
煤制甲醇生产工序中的主要危险物质为甲醇。根据《危险化学品目录》(2015版)，甲醇是一种无色、透明、易燃、易挥发的有毒液体。甲醇经呼吸道、胃肠道和皮肤吸收可致人中毒。甲醇对人体的健康危害主要是对中枢神经系统有麻醉作用；对视神经和视网膜有特殊选择作用，可引起人体病变，甚至可致代谢性酸中毒[8-9]。
同时，甲醇也是一种易燃液体，其火灾危险性类别为甲类。甲醇与空气能形成爆炸性混合物，如果企业在生产、储运过程中因作业人员的误操作或者生产装置、设备、设施发生故障导致甲醇发生泄漏到空气中形成爆炸性混合物，一旦遇到明火，高热、氧化剂则可能发生燃烧爆炸。
煤制甲醇工艺涉及像循环气压缩机之类的较多运作设备和甲醇分离器、中间槽等高大设备，如果这些设备的安全防护设施不全、破损、失效，操作规程与实际不符等，还可能存在机械伤害、噪声伤害、高处坠落、物体打击等风险。
3 安全风险评价指标体系 3.1 安全评价指标选取的理论基础海恩法则揭示，每一次严重的事故背后，必然有29次轻微事故和300起未遂的先兆以及1 000起事故隐患。任何安全事故不是单一因素造成的，而是由“人、机、物、法、环”等多种风险因素被某一偶然事件触发后造成的综合结果。
利用事故致因理论的基础，分析煤气化企业安全事故造成的风险因素、经过以及造成后果和损失的严重性，这涉及到人、环、物、管等多个因素，具体就是对作业人员、生产、储运过程涉及到的各类装置、设施设备、作业环境、安全管理等进行全方面的分析[10]。目前国际上具有代表性的事故致因理论有几十种，煤气化企业安全评价指标的理论支撑论文则选取来源于事故致因理论中现代事故因果连锁论，即用现代事故因果连锁论的观点和方法来描述煤气化企业发生安全事故的直接原因、间接原因和基本原因。
3.2 指标选取原则对如何消除、控制系统中的危险源，预防安全事故的发生，国内外的安全工作者进行了不懈努力，虽然取得了不错的研究成果，但煤气化企业的生产经营活动是一个复杂过程，涉及严格的工艺条件且危险、有害因素多。故笔者在安全风险评价指标选取时参照目前我国现行对危化企业开展安全评价工作要求的基本原则，以确保选取的评价指标具有科学性、代表性。
3.3 评价指标体系构建影响煤气化企业安全因素主要包括复杂的生产工艺和大型生产设备、有毒有害介质环境、人员的违章作业行为、管理制度不完善或缺失等。为了全面科学的选取对煤气化企业安全生产本质、重要的影响因子，并充分考虑安全事故的发生关系社会稳定的特性，职业健康工作关系广大从业人员的身心健康，结合指标的特异性、敏感性、独立性、代表性，从“人、机、物、法、环”各个影响环节，结合影响煤气化企业安全生产的因素调查、分析，选取了企业固有安全风险指数、设备安全风险指数、环境安全风险指数、管理安全风险指数、人员安全风险指数[11]、事故及职业健康指数等作为煤气化企业安全风险模糊综合评价的6个1级评价指标。选取生产能力利用指数、生产能力利用指数、隐患整改率等35个要素构成煤气化企业安全风险模糊综合评价的2级评价指标。该评价指标体系如表 1所示。
|
表 1 安全风险评价指标体系 Table 1 The indexes set of safety risk evaluation |
模糊综合评价方法主要分为以下几个步骤：第一步确认评价指标并建立评价因素集；第二步建立综合评价的评判集；第三步构造模糊综合评价矩阵；第四步确定指标体系的权重向量；第五步是根据模糊综合评价矩阵和权重向量计算评价结果向量。为了达到更合理的综合评价结果，模糊综合评价一般采用两层及两层以上的评价模型。
4.1 确认评价指标建立评价因素集分析需要评价的对象，将影响到评价对象安全风险的m个因素构成一个集合，通常用U表示，即：
| $ U = \left\{ {{u_1},{u_2}, \cdots ,{u_m}} \right\}, $ | (1) |
式中：元素ui(i=1, 2, …, n)代表影响评价对象安全风险的第i个因素，所有m个因素对评价对象的安全风险影响通常具有不同的模糊性。
4.2 建立综合评价的评判集综合评价的评判集是基于模糊数学理论对评价对象处于各级安全风险级别的可能性数值所组成的集合[12]，用L表示。L实际上是对被评价对象安全程度变化区间的一个划分。一般被评价对象的安全综合状况可用“差”、“较差”、“中等”、“较好”、“好”5个等级来评判，即：
| $ L = \left\{ {{l_1},{l_2}, \cdots ,{l_n}} \right\}, $ | (2) |
式中元素li(i=1，2，…，n)代表第i级评价结果的可能性。
4.3 建立模糊安全评价矩阵模糊安全评价矩阵实际上是由各个评价因素的评价结果组合而成。第i个评价因素的评价结果由Ri表示：
| $ {R_i} = \left\{ {{r_{i1}},{r_{i2}}, \cdots ,{r_{in}}} \right\}, $ | (3) |
Ri根据第i个评价因素的评判集L获得，rij表示第i个元评价因素属于第j个评价等级的隶属度。
于是可以由所有评价因素的评价集组成模糊综合评价矩阵R。
| $ \mathit{\boldsymbol{R}} = \left[ {\begin{array}{*{20}{c}} {{R_1}}\\ {{R_2}}\\ \vdots \\ {{R_m}} \end{array}} \right] = \left[ {\begin{array}{*{20}{c}} {{r_{11}}}&{{r_{12}}}& \cdots &{{r_{1n}}}\\ {{r_{21}}}&{{r_{22}}}& \cdots &{{r_{2n}}}\\ \vdots & \vdots & \vdots & \vdots \\ {{r_{m1}}}&{{r_{m2}}}& \cdots &{{r_{mn}}} \end{array}} \right], $ | (4) |
式中：rij反映评价因素与评价等级之间用隶属度表示的模糊关系；m为被评价对象的评价因素总数；n为评价对象评判集的总数。
4.4 确定评价因素权重向量在安全综合评价时，各个评价因素对评价对象的安全风险影响程度各不相同，为了准确进行安全综合评价，需确认各个评价因素ui(i=1, 2, …, m)的权重系数wi(i=1, 2, …, m)，各个评价因素的权重集合的模糊集用W表示，即：
| $ \mathit{\boldsymbol{W}} = \left\{ {{w_1},{w_2}, \cdots ,{w_m}} \right\}, $ | (5) |
式中，wi(0≤wi≤1)表示ui对评价对象安全风险影响的程度，用来度量评价因素ui在综合评价结果中对评价对象影响程度，一般称为权重。各个权重满足：w1+w2+…+wm=1。
4.5 计算评价结果向量基于模糊数学理论，一般采用模糊合成算子求得评价结果向量B，公式如下：
| $ \mathit{\boldsymbol{B}} = \mathit{\boldsymbol{W}} \cdot \mathit{\boldsymbol{R}}, $ | (6) |
式中，“·”代表合成算子，W的行和R的列依次进行相乘计算。
为了更准确地达到综合评价结果的预期效果，避免每项评价因素取得的权重分配的值太小，一般采用多层评价模型进行模糊综合评价。这里采用两层评价模型，各层评价算法详细描述如下。
4.5.1 第一层模糊评价第一层模糊评价完成安全评价指标体系的2级评价指标的评价，某单因素ui下各个2级指标权重集为Wi，求得ui的第一层综合评价结果Bi：
| $ {\mathit{\boldsymbol{B}}_{\rm{i}}} = {\mathit{\boldsymbol{W}}_{\rm{i}}} \cdot {\mathit{\boldsymbol{R}}_{\rm{i}}} = \left\{ {{{\rm{b}}_{{\rm{i}}1}},{{\rm{b}}_{{\rm{i}}2}}, \cdots ,{{\rm{b}}_{{\rm{in}}}}} \right\}。$ | (7) |
第二层模糊评价以第一层评价结果为基础，将各个一级单因素综合评价结果构成安全评价矩阵R：
| $ \mathit{\boldsymbol{R}} = \left[ {\begin{array}{*{20}{c}} {{B_1}}\\ {{B_2}}\\ \vdots \\ {{B_i}} \end{array}} \right]。$ | (8) |
各一级单因素模糊权重W =(w1, w2, …, wm)，由式(6)可以求解得第二层综合评价模型公式：
| $ \mathit{\boldsymbol{A}} = \mathit{\boldsymbol{W}} \cdot \mathit{\boldsymbol{R}} = \left( {{a_1},{a_2}, \cdots ,{a_n}} \right)。$ | (9) |
根据模糊理论的最大隶属原则，ai最大值的方案即为所选的最优方案，从而得出评价结果。
5 安全风险模糊综合评价结果及分析 5.1 基于德尔菲法的函询结果分析 5.1.1 专家选取及基本情况根据德尔菲法专家选择的基本原则[13]，从重庆市政府专家库选取15名经验丰富的专家，这些专家工作单位包含政务部门、科研院校、化工企业等，覆盖工艺、电气、自动化控制、安全管理、应急管理等专业领域。本次函询征集的专家包含老、中、青三个年龄段；在学历上，除1位专家大专学历，其余专家都具有本科以上的学历；在职称上，专家绝大部分具有副高以上的职称；有10位专家经历过安全事故或者参与安全事故处理。因此，这些专家对安全事故发生的原因及相应的安全处置措施比较熟悉。
5.5.2 指标权重函询表的设计从煤气化企业安全生产主要影响因素的“人、机、物、法、环”等方面，设计了表 1“煤气化企业安全风险评价指标体系”涵盖的安全评价指标权重打分专家函询表。本次对某煤气化企业安全风险模糊综合评价，发出专家函询表15份，反馈回收率达100%。
5.5.3 指标权重统计分析结果按德尔菲法理论，各个评价因素的权重系数计算公式为
| $ {Q_i} = \frac{{{B_i}}}{{\sum\limits_{j = 1}^m {{B_j}} }}, $ | (10) |
式中：Qi为第i个评价因素的权重系数[7]；Bi为第i个评价因素的得分均数；m为同一层指标总数。其中Bi通过公式(11)求得：
| $ {B_i} = \frac{{\sum\limits_{j = 1}^n {{C_j}} {d_j}}}{n}, $ | (11) |
式中：Cj为第j个专家的权威系数；dj为第j个专家对第i个评价因素给出的分数；n为参与评价的专家总人数。其中专家的权威系数Cj主要由第j个专家自身的专业造诣、对评价指标判断的依据以及对每个评价指标的熟悉程度综合计算得到[13]。
通过15位专家在对某煤气化企业安全风险评价指标的权重打分数据计算，得到各评价指标对评价对象安全风险影响程度的权重如表 2。
|
|
表 2 基于德尔菲法的指标权重 Table 2 The weight of indexes based on Delphi Method |
依据对煤气化企业安全评价的原理、专家意见和数据资料的分析和反复研究后，将煤气化企业的各个评价因素的安全状况等级量化为好、较好、中等、较差、差[14]，对应的等级及得分区间见表 3。
|
|
表 3 安全等级得分区间表 Table 3 The score rang of safety level |
然后分别取各个得分区间的中间值作为分级标准点，依次分别是95、82、67、52、22。结合式(2)，各项指标的模糊综合安全评价评判集的分级标准点Vi定为V1=22，V2=52，V3=67，V4=82，V5=95。
常用隶属函数包括正态分布、梯形分布、岭形分布和抛物线分布等函数，在实际的模糊现象描述中，不同的评判对象适合选取不同的隶属函数。根据文献研究和相关经验，本文中的评价对象适合采用梯形分布作为隶属函数，根据得多高低采用偏小型、中间型和偏大型梯形分布作为隶属函数[15]，确定各等级隶属函数公式见式(12)~(16)。
| $ {\mu _{差}}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} {1,}&{x < {V_1}}\\ {\frac{{{V_1} - x}}{{{V_2} - {V_1}}},}&{{V_1} \le x \le {V_2}}\\ {0,}&{x > {V_2}} \end{array}} \right., $ | (12) |
| $ {\mu _{较差}}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} {0,}&{x < {V_1}}\\ {\frac{{x - {V_1}}}{{{V_2} - {V_1}}},}&{{V_1} \le x < {V_2}}\\ {\frac{{{V_3} - x}}{{{V_3} - {V_2}}},}&{{V_2} \le x \le {V_3}}\\ 0&{x > V} \end{array}} \right., $ | (13) |
| $ {\mu _{中等}}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} {0,}&{x < {V_2}}\\ {\frac{{x - {V_2}}}{{{V_3} - {V_2}}},}&{{V_2} \le x < {V_3}}\\ {\frac{{{V_4} - x}}{{{V_4} - {V_3}}},}&{{V_3} \le x \le {V_4}}\\ {0,}&{x > {V_4}} \end{array}} \right., $ | (14) |
| $ {\mu _{较好}}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} {0,}&{x < {V_3}}\\ {\frac{{x - {V_3}}}{{{V_4} - {V_3}}},}&{{V_3} \le x < {V_4}}\\ {\frac{{{V_5} - x}}{{{V_5} - {V_4}}},}&{{V_4} \le x \le {V_5}}\\ {0,}&{x > {V_5}} \end{array}} \right., $ | (15) |
| $ {\mu _{好}}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} {0,}&{x < {V_4}}\\ {\frac{{x - {V_4}}}{{{V_5} - {V_4}}},}&{{V_4} \le x < {V_5}}\\ {1,}&{x > {V_5}} \end{array}} \right.。$ | (16) |
以上各式中，x为各评价指标的实际得分。
5.3 安全风险模糊综合评价结果 5.3.1 评价指标评分结果基于专家组的经验，采用会审形式对煤气化企业安全风险因素做充分分析和评估，按照各个安全风险指标的特性，采用相应的分段常量函数得到各安全评价指标的原始得分公式[16]。
例如产能利用率指数C11采用区间赋值法分段常量函数，其量化评分公式见式(17)：
| $ {C_{11}}\left( x \right) = \left\{ {\begin{array}{*{20}{l}} {80,}&{90\% \le x \le 100\% ;}\\ {90,}&{80\% \le x < 90\% ;}\\ {65,}&{70\% \le x < 80\% ;}\\ {45,}&{60\% \le x < 70\% ;}\\ {20,}&{x > 100\% \;或\;x < 60\% 。} \end{array}} \right. $ | (17) |
式中，x为生产能力利用率。某煤气化企业产能利用率为87%，所以C11指数得分为90分，根据隶属函数式(12)~(16)得到C11的安全风险向量B11为B11=(0.000 0, 0.000 0, 0.000 0, 0.384 6, 0.615 4)。
介质安全指数C12采用按频次赋值法分段常量函数，其量化评分公式为
| $ {C_{12}}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} {90,x = 0;}\\ {80,x = 1;}\\ {65,x = 2;}\\ {45,x = 3;}\\ {20,x \ge 4。} \end{array}} \right. $ | (18) |
式中x为由介质安全引发的火灾爆炸或中毒事故次数。某煤气化企业过去3年内发生介质事故1次，所以C12得分为80分，根据隶属函数得到C12的安全风险向量B12为B12=(0.000 0, 0.000 0, 0.133 3, 0.866 7, 0.000 0)。
生产工艺指数C13则采用分类赋值法分段常量函数，其量化评分公式为
| $ {C_{13}}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} {90,x = 先进工艺;}\\ {80,x = 成熟工艺;}\\ {60,x = 首次选用的工艺。} \end{array}} \right. $ | (19) |
式中x企业为工艺成熟性。某煤气化企业采用成熟工艺，所以C13得分为80分，根据隶属函数得到C13的安全风险向量B13为B13=(0.000 0, 0.000 0, 0.133 3, 0.866 7, 0.000 0)。
同理得到B14，B15，B21，…，B65。于是根据二级指标隶属度构建安全等级矩阵R，如表 4所示。
|
|
表 4 二级指标隶属度汇总表 Table 4 The membership degree of second-level indexes |
根据表 2的评价指标权重和表 4的隶属度，构建固有安全风险指数C1权重向量W1及模糊综合评价矩阵R1分别为：
| $ {\mathit{\boldsymbol{W}}_1} = \left( {0.2969,0.2065,0.2900,0.1267,0.0798} \right), $ |
| $ {\mathit{\boldsymbol{R}}_1} = \left[ {\begin{array}{*{20}{c}} {0.0000}&{0.0000}&{0.0000}&{0.3846}&{0.6154}\\ {0.0000}&{0.0000}&{0.1333}&{0.8667}&{0.0000}\\ {0.0000}&{0.0000}&{0.1333}&{0.8667}&{0.0000}\\ {0.0000}&{0.0000}&{0.8000}&{0.20000}&{0.0000}\\ {0.0000}&{0.4667}&{0.5333}&{0.0000}&{0.0000} \end{array}} \right]。$ |
按照式(7)可得到该企业固有安全风险指数C1的评价向量B1：
| $ {\mathit{\boldsymbol{B}}_1} = \left( {0.0000,0.0372,0.2102,0.5699,0.1827} \right)。$ |
同理可以计算出B2到B6：
| $ {\mathit{\boldsymbol{B}}_2} = \left( {0.0000,0.0000,0.1980,0.7439,0.0581} \right), $ |
| $ {\mathit{\boldsymbol{B}}_3} = \left( {0.1461,0.00000,0.3061,0.4359,0.1119} \right), $ |
| $ {\mathit{\boldsymbol{B}}_4} = \left( {0.0042,0.0588,0.1266,0.4515,0.3589} \right), $ |
| $ {\mathit{\boldsymbol{B}}_5} = \left( {0.0000,0.0242,0.3999,0.4763,0.0996} \right), $ |
| $ {\mathit{\boldsymbol{B}}_6} = \left( {0.0000,0.0208,0.1855,0.5061,0.2875} \right)。$ |
根据表 2得一级指标权重向量W为
| $ \mathit{\boldsymbol{W}} = \left( {0.1535,0.2106,0.1501,0.2123,0.1527,0.1207} \right)。$ |
根据第一层模糊安全评价向量B1，B2，…，B6，组成的1级评价指标模糊关系矩阵R为：
| $ \mathit{\boldsymbol{R}} = \left[ {\begin{array}{*{20}{c}} {0.0000}&{0.0372}&{0.2102}&{0.5699}&{0.1827}\\ {0.0000}&{0.0000}&{0.1980}&{0.7439}&{0.0581}\\ {0.1461}&{0.0000}&{0.3061}&{0.4359}&{0.1119}\\ {0.0042}&{0.0588}&{0.1266}&{0.4515}&{0.3589}\\ {0.0000}&{0.0242}&{0.3999}&{0.4763}&{0.0996}\\ {0.0000}&{0.0208}&{0.1855}&{0.5061}&{0.2875} \end{array}} \right]。$ |
然后按照式(9)，根据W和R可以得到第二层模糊综合评价结果向量A：
| $ \mathit{\boldsymbol{A}} = \left( {0.0228,0.0244,0.2303,0.5393,0.1832} \right)。$ |
根据本文的评判标准L=(l1，l2，l3，l4，l5)=(差，较差，中等，较好，好)，评价结果隶属于l1级别的程度为0.022 8，隶属于l2级别的程度为0.024 4，隶属于l3级别的程度为0.230 3，隶属于l4级别的程度为0.539 3，隶属于l5级别的程度为0.183 2。隶属l4级别程度最大，隶属于l3级别程度次之，故得出某煤气化企业安全风险状况为“较好偏中等”。
为进一步验证某煤气化企业安全风险模糊综合评价状况为是“较好偏中等”的判定结果，使用以下公式计算出安全风险综合评价结果的加权平均值：
| $ f = \mathit{\boldsymbol{A}} \cdot {\mathit{\boldsymbol{S}}^{\rm{T}}}, $ | (20) |
式中，A为二级模糊综合评价结果向量，ST为各项指标的分级标准点，即：S =(22，52，67，82，95)。
| $ \begin{array}{*{20}{c}} {f = 22 \times 0.0228 + 52 \times 0.0244 + 67 \times 0.2303 + }\\ {82 \times 0.5393 + 95 \times 0.1832 = 78.83。} \end{array} $ |
计算得出f的值为78.83，在得分区间在[75, 89]之间，按照表 3，该企业的安全状况等级位于“较好”等级，与模糊综合评价结论相符，且与企业的实际安全状况基本一致。
5.3.5 模糊安全评价结果分析根据以上的模糊综合评价结果，某煤气化企业的安全状况分析如下：
1) 固有安全风险指数C1：安全状况“较好偏中等”，该企业产能利用合理，生成工艺成熟，建议进一步完善安全管理机构建设；
2) 设备安全风险C2，安全状况“较好偏中等”，该企业选用设备技术先进，按照相关规章制度较好地完成了设备设施维护保养工作，并设置了安全防护设施，如在有毒有害气体积极场所设置了智能监测报警仪，电气设施达到防爆和本安要求。技术装备和和技术措施基本有效，部分系统仍存在升级改造的空间；
3) 环境安全风险指数C3，安全状况“较好偏中等”，该企业除部分生产环境存在高温作业，其他作业环境条件正常，企业周边1 000 m范围内无居民区，但存在危险化学品生产储存企业，建议加强和相关企业的联合应急演练；
4) 管理安全风险指数C4，安全状况“较好偏好”，该企业具备完善的、责任明确的安全生产责任制，管理制度健全并建立和完善了操作规程，安全工程技术及管理人员配备齐全，应急响应机制完善，安全检查落实率和隐患整改率均超过90%；
5) 人员安全风险指数C5，安全状况“较好偏中等”，从业人员中高中及以上学历占比85%，本科学历及以上学历占比20%，大部分工作人员具有超过三年工作经验，要求持证岗位的人员均持证上岗，员工培训率基本满足要求；
6) 事故及职业健康指数C6，安全状况“较好偏好”，该企业未发生死亡事故，伤残事故低于国家要求水平，极个别一线员工由于长期接触有毒有害气体和粉尘等物质检查出尘肺病，企业职业危害申报和应急管理满足国家和地方相关规范要求。
6 结论煤气化企业安全风险安全因素复杂，安全风险管理涉及企业多部门、多环节、多工种。笔者运用模糊综合评价理论，结合德尔菲专家函询法，以某煤气化企业安全风险状况为研究对象，选取固有安全风险指数C1、设备安全风险C2、环境安全风险指数C3、管理安全风险指数C4、人员安全风险指数C5和事故及职业健康指数C6作为一级评价指标，构建了一套安全评价指标体系，为煤气化企业乃至煤化工企业的安全风险综合评价提供参考意义。
煤气化企业安全评价指标体系从“人、机、物、法、环”各个影响环节，科学、全面、系统地对企业各生产装置、设备、设施、储存条件、生产环境、管理制度、作业人员以及职业健康等方面进行综合评价，辨识安全风险因素、企业危险因素及其影响程度，协助企业合理地选择安全技术装备和技术措施，促使煤气化企业制定合理的安全投入和分配计划，确保安全生产的前提下实现企业效益的最大化。
| [1] |
刘丽秀. 煤化工技术的发展与新型煤化工技术[J]. 煤炭技术, 2014, 33(2): 196-198. LIU Lixiu. Development of coal chemical industry technology and new types of coal chemical industry technology[J]. Coal Technology, 2014, 33(2): 196-198. (in Chinese) |
| [2] |
高聚忠. 煤气化技术的应用与发展[J]. 洁净煤技术, 2013, 19(1): 65-71. GAO Juzhong. Application and development of coal gasification technologies[J]. Clean Coal Technology, 2013, 19(1): 65-71. (in Chinese) |
| [3] |
张莹, 何华, 茹建国, 等. 基于风险矩阵分析的新疆吉木萨尔地区某煤化工企业模糊综合风险评价[J]. 职业与健康, 2017, 33(7): 876-879. ZHANG Ying, HE Hua, RU Jianguo, et al. Risk assessment by fuzzy mathematics of a coal chemical enterprise in Jimsar of Xin Jiang:based on risk matrix analysis method[J]. Occupation and Health, 2017, 33(7): 876-879. (in Chinese) |
| [4] |
李青月, 李博洋. 浅谈新时期化工企业安全生产管理[J]. 云南化工, 2017, 44(11): 108-110. LI Qingyue, LI Boyang. Introduction to chemical enterprise safety production management and innovation in the new period[J]. Yunnan Chemical Technology, 2017, 44(11): 108-110. (in Chinese) |
| [5] |
王玥, 陈飞, 徐水珠. 医学科研项目验收评价指标体系的理论基础研究[J]. 江苏科技信息, 2015(23): 65-68. WANG Yue, CHEN Fei, XU Shuizhu. Theoretical basis of research on evaluation index system of medical scientific research acceptance[J]. Jiangsu Science & Technology Information, 2015(23): 65-68. (in Chinese) |
| [6] |
Hu J Q, Zhang L B, Liang W. An adaptive online safety assessment method for mechanical system with pre-warning function[J]. Safety Science, 2012, 50(3): 385-399. DOI:10.1016/j.ssci.2011.09.018 |
| [7] |
刘胜, 刘娜, 杨育, 等. 危险源安全评价的离散Hopfield神经网络[J]. 重庆大学学报, 2013, 36(4): 26-32. LIU Sheng, LIU Na, YANG Yu, et al. Safety evaluation of hazards based on discrete Hopfield neural network[J]. Journal of Chongqing University, 2013, 36(4): 26-32. (in Chinese) |
| [8] |
Stoneburner G, Goguen A, Feringa A. Risk management guide for information technology systems[R]. National Institute of Standards and Technology, 2002. DOI: 10.6028/nist.sp.800-30.
|
| [9] |
刘志哲. 联锁在煤化工工艺中的应用与评价[J]. 化工设计通讯, 2017, 43(11): 9. LIU Zhizhe. Application and evaluation of interlocking in coal chemical process[J]. Chemical Engineering Design Communications, 2017, 43(11): 9. (in Chinese) |
| [10] |
Fan Y X, Guo Y K. Causal factor analysis of Chinese coal mining accident based on HFACS frame[J]. Disaster Advanced, 2014, 7(4): 19-26. |
| [11] |
宋陈澄, 陈培友. 煤矿员工不安全行为的影响因素分析及对策研究[J]. 煤炭经济研究, 2017, 37(9): 65-70. SONG Chencheng, CHEN Peiyou. Study on analysis and countermeasure to the factors affected to unsafe behavior of the coal miner[J]. Coal Economic Research, 2017, 37(9): 65-70. (in Chinese) |
| [12] |
Amendola A, Linnerooth-Bayer J, Okada N, et al. Towards integrated disaster risk management:case studies and trends from Asia[J]. Natural Hazards, 2008, 44(2): 163-168. DOI:10.1007/s11069-007-9152-z |
| [13] |
戚作秋, 王宏, 王翘秀. Delphi法职业危害风险评估模型及案例研究[J]. 安全与环境学报, 2017, 17(2): 402-407. QI Zuoqiu, WANG Hong, WANG Qiaoxiu. Model for occupational hazard risk assessment and a case study based on the Delphi method[J]. Journal of Safety and Environment, 2017, 17(2): 402-407. (in Chinese) |
| [14] |
Swartjes F A, Versluijs K W, Otte P F. A tiered approach for the human health risk assessment for consumption of vegetables from with cadmium-contaminated land in urban areas[J]. Environmental Research, 2013, 126: 223-231. DOI:10.1016/j.envres.2013.08.010 |
| [15] |
Yang Y, Zhou Z C, Bai Y Y, et al. Risk assessment of heavy metal pollution in sediments of the Fenghe River by the fuzzy synthetic evaluation model and multivariate statistical methods[J]. Pedosphere, 2016, 26(3): 326-334. DOI:10.1016/S1002-0160(15)60046-7 |
| [16] |
Holm H, Afridi K K. An expert-based investigation of the Common Vulnerability Scoring System[J]. Computers & Security, 2015, 53: 18-30. |