一种基于改进模糊层次分析法的化工生产安全评估方法与流程

本发明属于化工安全领域，涉及到层次分析法的应用，特别是涉及一种基于改进模糊层次分析法的化工生产安全评估方法。
背景技术：
：目前化工行业的生产技术的日已更新，许多重大事故的主要都是人为错误造成。数据统计显示，在化学品生产和存储过程中，工业事故至少部分由于人为造成的范围在60％以上，这是个恐怖的比例。因此，很明显的是，由于人为错误导致事故的相对数量正在增加，而由于技术故障导致事故的相对数量正在减少。目前化工企业生产安全评价方法中人为错误方向的研究较少。技术实现要素：本发明针对现有技术的不足，提出一种基于改进模糊层次分析法的化工生产安全评估方法。本发明的目标是针对化工厂安全评估中的一些难题，提出了基于改进的模糊层次分析法的化工生产安全评价方法，该方法全面考虑了组织、信息、工作设计、人机系统接口、任务环境、工作场所设计和操作员特征七个方面的人为错误影响的主要安全因素，采用层次分析法建立层次结构体系，三角模糊函数对指标进行量化，对数模糊优先规划法计算指标权重，最终应用云模型得到化工厂生产的安全等级。同时对该方法进行仿真验算，仿真结果表明，改进的模糊层次分析法作为化工生产安全评价方法具有可靠性、实用性和科学性。本发明方法具体是：步骤1：确认影响目标的指标因子。步骤2：根据指标建立层次结构体系。步骤3：确定指标的评语集和标准云模型，具体是：步骤3.1建立评语集和确定对应取值区间。步骤3.2计算标准信任云的数字特征和生成对应的云模型。步骤4：计算层次结构中的二层指标的权重。步骤4.1采用三角函数标度对安全因素进行重要性比较，构造出互补判断矩阵。步骤4.2使用对数模糊偏好规划法计算第二层因子指标的权重向量。步骤4.3对第二层因子指标的权重向量进行一致性检验。步骤5：计算第二层子因子相对目标层的权重，可得子因子的全局权重。同时，对全局权重数值大小进行排序。步骤6：计算综合信任云，具体是：步骤6.1邀请专家对指标打分，并汇总打分清单。步骤6.2根据专家打分的评估数据，运用公式计算评价云cu的数据特征值。步骤6.3由评价云数据和因子全局权重计算计算综合信任云的云模型。步骤6.4将得到的综合信任云模型和标准信任云模型进行比较，输出比较云模型图。步骤7：计算综合信任云与对应属性的标准信任云的相似度步骤7.1在综合信任云c中生成以eni为期望和hei2为方差的一个正态随机数en’i＝norm(eni，hei2)。步骤7.2在综合信任云c中生成以exi为期望和en’i2为方差的一个正态随机数xi＝norm(exi，en’i2)。步骤7.3将xi代入标准信任云cv(exv，env，hev)的期望方程中，计算步骤7.4重复步(1)、(2)和(3)，直到生成n个μ’，即μ’1，μ’2，μ’3，……，μ’n。步骤7.5最终计算相似度步骤8:由相似度计算结果，很快就可判断化工厂的安全等级。本发明的有益效果：本发明结合化工安全生产中人为因素难以量化评估的困境，阐述了改进的模糊层次分析法在化工生产安全评价方法中的应用。该应用基于组织、信息、工作设计、人机系统接口、任务环境、工作场所设计和操作员特征七个方面的人员因素可靠性角度展开研究和分析，在模糊层次分析法的运用中，得出影响化工厂安全生产评价中各人为影响因素的权重。再结合云模型方法，得出该化工厂生产安全状况的等级。云模型在评估中能够较好地克服人的主观性和对象的不确定性，这既表明了评估方法的可靠，同时得出的定性与定量结果有利于该化工厂有针对性地进行整改，从而提高方法的应用性。附图说明图1为根据指标建立层次结构体系图。图2为标准云模型图。具体实施方式以下对本发明做进一步说明。本发明方法具体是：步骤1：确认影响目标的指标因子。化工厂安全不仅要考虑人员本身的安全，还要考虑生产、系统、设备、环境等对人的影响。确定7个影响因子(包括组织、信息、工作设计、人机系统接口、任务环境、工作场所设计和操作员特征)和30个子因子。步骤2：根据指标建立层次结构体系。根据化工厂安全人为影响因素确定的7个因子和30个子因子，建立层次结构，层次结构图见图1。步骤3：确定指标的评语集和标准云模型。步骤3.1建立评语集和确定对应取值区间。建立的指标统一采用一分制，即所有属性的评估值在[0，10]，数值由小到大的循序即为安全度的趋势。确定各因子的评语集和取值区间。如表1所示。表1评语集和对应取值区间步骤3.2计算标准信任云的数字特征和生成对应的云模型。标准云cv是由评语集生成的云模型，基于评语集，即化工厂安全生产等级标准，采用下式计算标准云cv的数字特征值如下：hev＝kenv(11)其中，xmax和xmin分别是评分值上下限，k值表征熵和超熵的线性关系，一般取0.1。通过上述计算，将评语集转换为云模型，避免了化工厂安全生产等级人为分界带来的主观性。同时通过计算，标准信任云的数字特征为(exv，env，hev)，可得同时使用软件生成标准云模型。如表2和图2所示。表2指标数字特征值步骤4：计算层次结构中的二层指标的权重。步骤4.1采用三角函数标度对安全因素进行重要性比较，构造出互补判断矩阵。假设评价对象有n个安全因素,通常采用表3所示的三角函数标度对安全因素进行重要性比较，最终构造出如下互补判断矩阵表3不同重要性的三角模糊数(tfn)表重要度传统层次分析法标度三角函数标度三角函数标度倒数同样重要1(1,1,1)(1,1,1)稍微重要2(1/2,1,3/2)(2/3,1,2)一般重要3(1,3/2,2)(1/2,2/3,1)很重要4(3/2,2,5/2)(2/5,1/2,2/3)非常重要5(2,5/2,3)(1/3,2/5,1/2)最重要6(5/2,3,7/2)(2/7,1/3,2/5)其中i,j＝1,…,n和i≠j。步骤4.2使用对数模糊偏好规划法计算第二层因子指标的权重向量。权重的计算公式：步骤4.3对第二层因子指标的权重向量进行一致性检验。一致性验证以参数λ*计算结果为准。如果λ*>0，λ*的值越大，一致性越高。如果λ*＝0，那么需要检查δ*的值，且δ*值越大,越不一致。如果λ*<0，则表示存在模糊判断是不一致的。步骤5：依据第一层因子的指标权重，计算第二层子因子相对目标层的权重，可得子因子的全局权重。同时，对全局权重数值大小进行排序。步骤6：计算综合信任云。步骤6.1邀请专家对指标打分，并汇总打分清单。步骤6.2根据专家打分的评估数据，运用公式计算评价云cu的数据特征值。评价云cu是由评估数据生成的云模型，基于专家打分的评估数据，采用下式计算评价云cu的数据特征值：其中，为样本方差。由评估数据生成评价云的过程实际上是一个统计的过程。步骤6.3由评价云数据和因子全局权重计算计算综合信任云的云模型。综合云c是由评价云和权重计算得到的云模型，能够综合反映评价结果，基于评价指标权重ω和评价云cu(exu，enu，heu),采用下式计算综合云c的数字特征值：其中，ωi为评价指标权重系数。步骤6.4将得到的综合信任云模型和标准信任云模型进行比较，输出比较云模型图。步骤7：计算综合信任云与对应属性的标准信任云的相似度步骤7.1在综合信任云c中生成以eni为期望和hei2为方差的一个正态随机数en’i＝norm(eni，hei2).步骤7.2在综合信任云c中生成以exi为期望和en’i2为方差的一个正态随机数xi＝norm(exi，en’i2)。步骤7.3将xi代入标准信任云cv(exv，env，hev)的期望方程中，计算步骤7.4重复步(1)、(2)和(3)，直到生成n个μ’，即μ’1，μ’2，μ’3，……，μ’n。步骤7.5最终计算相似度步骤8:由相似度计算结果，很快就可判断化工厂的安全等级。当前第1页1 2 3