基于AHP-灰云模型的智能制造企业生产安全评价研究.pdf

2023年第49 卷第8 期August 2023工业安全与环保Industrial Safety and Environmental Protection29基于AHP-灰云模型的智能制造企业生产安全评价研究曾阿锋1 方金城胡增开1.2（1.福建工程学院管理学院，福建福州350 1 1 8；2.福建清景铜箔有限公司，福建龙岩36 42 0 0）摘要为解决智能制造新生产模式的企业生产安全评价问题，从人-机-料-法-环的视角，设计了含智造人员、智能设备、工业互联网与数据、智能制造安全管理、智能生产控制平台五大维度的智能制造企业生产安全评价指标体系。继而，引入一种基于AHP的灰云评价模型，来解决安全评价中信息灰性与随机性问题，并可运用该模型生成的灰云图像更加直观的进行薄弱因素识别。最后对福建4家电子类智能制造试点示范企业的生产安全进行实证研究。系统评价结果表明：模型评价结果与实际相符合；智能制造企业中智造人员与智能安全管理的安全水平存在明显的滞后现象；网络入侵防御、数据安全及智能安全监管与预警是目前智能智造企业生产安全的薄弱因素。关键词智能制造安全评价人-机-料-法-环灰云模型层次分析(AHP)Research on production safety evaluation of intelligent manufacturing enterprises based onAHP-grey cloud modelZENG AfengFANG JinchengHU Zengkail-(1.School of Management,Fujian University of Technology,Fuzhou Fujian 350118,China)Abstract In order to solve the problem of enterprise production safety evaluation in the new production mode of in-telligent manufacturing,this paper designs the production safety evaluation index system of intelligent manufacturingenterprises from the perspective of man-machine material method,which is based on five dimensions:intelligentmanufacturing personnel,intelligent equipment,industrial internet and data,inteligent manufacturing safety manage-ment and intelligent production control platform.Following that,a gray cloud evaluation model based on AHP is intro-duced to solve the problem of information grayness and randomness in safety evaluation,and the gray cloud imagesgenerated by the model can be used to identify weak factors more intuitively.Finally,an empirical study is conductedon the production safety of four pilot demonstration enterprises ofelectronic smart manufacturing in Fujian.The systemevaluation shows that the model evaluation results are consistent with the reality.There is an obvious lag in the safetylevel of intelligent manufacturing personnel and intelligent safety management in intelligent manufacturing enterpri-ses.At present,the weak factors of production safety in intelligent manufacturing enterprises include network intrusionprevention,data security,and intelligent security supervision,and early warning.Key words intelligent manufacturing safety evaluation man-machine-material-method-environment grey cloudmodelanalytic hierarchy process(AHP)0引言智能制造与传统制造相比具有高度集成、信息融合、异构网络、互联互通等特征，这使得生产安全风险变得更加复杂化且具有涟漪效应，给智能制造企业生产安全带来了巨大的挑战。因此，研究并建立具有智能制造特征的企业生产安全评价指标体系，对提高智能制造企业生产安全水平，推动智能制造*基金项目：福建省社会科学基金（FJ2021Z022)；福建省自然科学基金（2 0 1 7 J01512)；福建省中科院STS计划配套项目（2 0 2 1T3102)。安全的发展具有重要意义。目前，国内外关于智能制造生产安全的研究主要从人机协同安全、智能制造安全管理、智能制造网络信息安全以及各类安全监管等方面展开。在人机协同安全方面,DEDEG等 2 1 从优先考虑人类安全需求的角度为人机共生协作系统（Human-Robot Col-laboration Systems,HRC)安全设计提供帮助。智能30.制造安全管理方面,宋利3分析了智能制造对传统智能制造安全管理的挑战，提出从大系统思维和集群协作、安全集成、数据共享等方面展开智能制造安全管理创新。LIUZ等 4 基于对安全原则、技术和模式的考虑，确定了智能制造安全管理发展的3个阶段，并提出了一个集成安全3.0 和工业4.0 的理论框架。智能制造网络信息安全方面，王卫红等 5 提出了基于改进区块链的智能制造安全模型有效降低传统区块链智能制造安全模型存在的数据安全风险。李欣等 6 指出网络风险与数据安全风险是当下智能制造所面临的主要挑战，并提出数字李生技术的网络安全保障方案以促进数字李生技术和应用的安全发展。安全监管方面，李浩等 7 建立了面向人机交互的数字李生系统工业安全与控制体系架构，实验表明该安全控制体系有效提高了生产安全水平。从已有的文献来看，目前研究主要是从智能制造技术应用角度来考虑如何降低或预防系统安全风险，但在评价智能制造企业生产安全方面的研究还较少。基于此，本研究将从人-机-料-法-环的角度设计智能制造企业生产安全评价指标体系。构建基于层次分析法(Analytic Hierarchy Process,AHP)的灰云评价模型，对4家福建省智能制造试点示范企业进行实证研究。最后，根据系统评价结果分析模型的有效性，识别企业生产安全水平薄弱因素，为智能制造企业提升自身生产安全水平提供参考。1智能制造企业生产安全评价指标体系设计从人-机-料-法环视角来看智能制造企业生产系统主要由智造人员（S1）、智能设备（S2）、工业互联网与数据（S3)、智能制造安全管理（S4)、智能生产控制平台（S5)5个维度构成，其中工业互联网与生产控制平台共同组成智能制造生产的主要环境，工业大数据是智能制造中不可或缺的生产“原料”。根据指标设计的科学性、系统性、实用性等原则，本研究通过智能制造技术专家与研究学者的访谈和意见征集，同时结合智能工厂安全控制要求国家智能制造标准体系建设指南，从上述5个维度对智能制造企业生产安全的多层次评价指标体系进行细化设计 8-9 。其中，智造人员作为生产活动中的意识主体，其安全性主要由技术水平、安全意识、身心健康等要素反映；智能设备的安全性反映了基本生产单元智能化生产的安全性，可由智能设备的可靠性、故障预警、人机交互性等要素决定；工业互联网与数据的安全性表征企业生产中各生产要素互联互通及内部网络与信息法的安全性，可由网络硬件、入侵防御、数据库可靠性等要素反映；智能制造安全管理的安全性表征了企业对安全生产工作进行管理和控制的安全水平，在智能制造企业生产安全中智能制造安全管理可由智能安全监管水平、智能制造安全管理机构、智造安全教育等要素反映【1 0 ；智能生产控制平台是智能制造生产中的智慧大脑，它的安全性表征着智能制造企业生产中决策分析、生产控制、信息管理等方面的安全水平，可由平台运行稳定性、智能决策分析、安全分析及预警等要素反映，具体如表1 所示。表1 中定量指标数据由企业统计数据获取，而定性指标数据由参与调研的所有专家打分后，取平均值。问卷采用5级李克特量表打分。表1 智能制造企业生产安全评价指标体系目标评价维度智造技术水平S11智造人员S1安全意识S12工作强度S13智能设备可靠性S21设备操作权限S22智能设备S2人机交互性S23智设备安全智能分析与故障预警S24能制造企工业互联网网络入侵防御S33业与数据S3数据输入与传输准确性S34生产安全智能制造安安全管理机构与人员配置S42S全管理S4消防设备配置S43智造安全教育培训S44平台运行稳定性S51智能生产控空平台智能安全监控与预警S52制平台S5平台控制权限S53平台智能决策分析水平S542基于AHP-灰云模型及其应用步骤灰云模型是将云模型与灰聚类评价技术相结合，提出的一种用于处理复杂系统问题评价的有效方法。正态灰云白化权模型既能表征信息的灰性即不完全性也能表征专家评判的随机性，是一种可综合表示灰性和随机性的定性与定量相互转化的模型。目前灰云模型已广泛应用于风险评价、智能控制、故障诊断和决策分析等多个领域 1 2 。在智能制造企业生产安全评价中所获取的评价信息往往带有不完全性，指标计算机网络硬件S31网络稳定性S32数据库可靠性S35智能安全监管S4131且大多评价因素的安全水平是依靠专家评判。因此，则称为上限测度正态灰云白化权模型。本研究利用AHP法来确定各指标的权重，继而运用若j指标K子类的白化权函数满足以下公式：灰云模型技术，确定各指标的灰云白化权函数与综1,x eLx,C合聚类系数。在此基础上，计算各评价维度及目标(x-C.)2Jk(x)=expl-的综合评定值，并据此开展系统评价。1）利用 AHP 测算指标权重。AHP 法是一种定性与定量结合分析，能够解决复杂系统问题的多准则决策方法，指标权重测算步骤参照文献 1 3,这里将测算结果记为n(j=1,2，,n),其中n表示评价指标个数。2)指标灰类与指标评价样本灰云参数计算。将安全评价指标的安全等级分为个灰类等级，K=(1,2,3,m），依据专家经验确定各指标灰类的灰云模型边界值L和Rx，按式（1)一式(3)计算各指标灰类的灰云模型峰值Cx、熵E,和超熵He，得到各指标灰类的灰云参数GL*L,R,C,Em,He）。其中E,的大小反映了评价信息的灰性，H.的大小反映了白化权值的随机性大小。C,=(R,+L)/2E,=(R,-L,)/6H=E,/式(3)中,为给定常数,其取值不宜过大,这里取=3。设指标评价值集合为V=(vi,V2，,v p),其中p表示指标评价值个数；指标i的评价样本灰云模型边界值L和R，以及峰值C,按式（4)一式(6)计算，熵En和超熵H与指标灰类的灰云参数的计算方式相同。得到指标评价样本的灰云参数GL(L,R,C,E,H)。L,=min(V)(4)R,=max(V)(5)(6)Pi-13）按以下公式，确定各指标灰类的正态灰云白化权函数f(x)。若j指标K子类的白化权函数满足以下公式：_(x-C)2expl,xeLx,R.f(x)2(em)20,xLx,R,则称其为适中测度正态灰云白化权模型，其中em是以E.为期望值,H为标准差的正态随机数，下同。若j指标K子类的白化权函数满足以下公式：0,xLx,R._(x-C,)2f(x)=/expl2(em-Jx L,C.1,xECx,R.(9)2(em-Jx c,R.10,xLx,R,则称为下限测度正态灰云白化权模型。4)计算指标灰类的白化权值。将指标数据代入到正态灰云白化权函数f(x)，计算各灰类的随机白化权(x)。为避免随机性带来的误差，根据大数定理，重复上述步骤，运算h次，取h个白化权值的均值作为最终的白化权值。(10)h5）综合聚类系数的计算及其归一化。按照式(11)，由指标灰类的白化权值f(x)和指标权重ni,计算评价对象i关于K灰类综合聚类系数di,按式（1 2），对所有评价对象的各指标聚类系数进行归一化，得(1)到其相应的聚类权重向量。(2)(3)(7)(8)(11)=o/2of(12)k=16)综合评定值计算与创新绩效的排序评价。根据数学期望的性质原理，运用式（1 3)结合评定集向量分别对应m种灰类，对聚类评价权重向量单值化处理，得到各准则层及目标层的综合评定值T，并按T，大小对被评价对象的安全水平进行大小排序评价。(13)k=13实证分析本研究选取4家福建电子类智能制造试点示范企业进行生产安全综合评价，根据2 0 2 0 年福建省4家电子类智能制造试点示范企业的调研资料，运用本研究所提出的企业智能制造企业生产安全综合评价指标体系和AHP-灰云评价模型，对这4家智能制造企业生产安全开展系统评价并分析。为方便研究，这里将4家企业分别用代码A、B、C、D 表示。3.1数据处理过程1)评价指标的权重计算。根据4家智能制造企业生产安全指标数据的整理与统一效果测度，运用AHP计算出各指标的权重，结果见表2。32表2 智能制造企业生产安全评价指标的权重评价维度维度权重指标层层次权重组合权重S110.490 5S10.149 3S20.113 8S30.324 1S40.2752S50.137 62)评价指标灰类划分。运用标杆原理和专家调查法，将智能制造企业生产安全等级划分为5个评价灰类；设灰类序号为k，其中k-1,2,3，4,5，分别表示评语“极不安全”“较不安全”“临界安全”“较安全”“安全”。取上述评语对应的数值化评定集向量u=指标类型Lmin,3/20GAP 3/20GAP,7/20GAP 7/20GAP,13/20GAP 13/20GAP,17/20GAP 17/20GAP,Rmx正向指标极不安全负向指标安全3.2评价结果分析1)综合分析。从综合安全水平来看，4家智能制造试点示范企业的生产安全水平评定结果依序是BACD,其中A、B企业生产安全水平介于较安全与安全之间，C、D 生产安全水平处于临界安全偏向较安全。企业B以4.2 43总分，排名第一。究其原因，企业B作为全国最大的LED芯片及外延片制造的千亿级企业，近年来不断引进国外先进设备，如德国AIXTRON、瑞士MEYERBURGER等设备技术，并自主创新开发了可生产性协同研发与智能制造于一体的统一信息系统（Unified Messaging System,UMS)141,可见其在智能设备与信息平台等多项智能制造技术都处于领先水平且可靠性更高，为生产安全提供了重要保障，因而公司B智能制造生产安全（1,2,3,4,5）。在安全评价指标中含有正、负向指标两种指标，则负向指标与正向指标的灰类划分方向0.073 2相反。对于正向指标，先求得各个指标的取值区间，S120.311 9S130.197 6S210.5096S220.090 6S230.143 0S240.256 8S310.251 9S320.160 2S330.188 8S340.185 2S350.213 8S410.288 7S420.175 6S430.2470S440.288 7S510.311 6S520.280 4S530.127 7S540.280 4较不安全较安全0.046 60.02950.05800.01030.016 30.029 20.081 60.05190.061 20.060 00.069 30.07950.048 30.06800.079 50.042 90.038 60.017 60.038 6表3评价指标灰类划分临界安全临界安全水平最高。企业A则以4.1 0 7 总分，排名第二。企业A作为中国继电器行业的龙头企业，是厦门市第一家获批工信部智能制造综合标准化与新模式应用立项的公司，同样具备先进可靠的智能制造技术，因此在各类智能制造技术生产安全处于先进水平。企业C以3.7 1 0 总分位列第三，它是国家重点高新技术企业，同时是中国电子信息百强企业，每年在智能制造发展上投入数千万元。两家企业属于在推进智能制造转型升级中效果显著、生产安全水平属于较好的临界安全水平。相较于前面3家企业，企业D于2 0 1 7 年成立，成立时间较晚，所以无论是在智能制造的技术可靠性，还是智造人才方面都较落后，但其成立之初便瞄准智能制造，经过这几年的发展其智能制造生产安全也达到了临界安全水平。上述分设指标取值区间为 Lmin,Rmax,则间距为GRP=Rmax-Lmin，然后根据专家经验将指标取值区间划分为5个区间分别对应5种灰类，具体正向与负向指标的灰类划分见表3。3）综合聚类系数与综合评定值计算。利用Py-thon编程软件依序将4家智能制造企业生产安全评价指标的原始数据，分别代入各指标的灰云白化权函数，计算指标各个灰类的白化权值，为避免随机性对结果造成影响，重复计算2 0 0 0 次，求平均白化权值计算得到其相应指标的白化权聚类系数。继而，按式(1 1)一式(1 2)分别进行综合聚类系数o的计算，结果见表4。根据式（1 3)和表4,对4家智能制造企业生产安全各评价维度及目标对象的综合评定值计算，结果如图 1 所示。5.0004.5004.0003.500擅3.0 0 0S2.500￥2.0 0 01.5001.0000.5000.000图1 智智能制造企业生产安全的综合评定值较安全安全较不安全极不安全S1S2ABC.DS3评价维度S4S5S33析表明评价结果与企业实际情况基本一致。在智能制造转型前期大多企业更加侧重智能制造技2)维度分析。虽然在智能制造企业生产安全水术提升与应用，而在智造人员与智能制造安全管理平综合评定结果中4家企业都处于较安全范畴内，方面的提升还较为滞后。面对智能制造带来的安全但是从生产安全各评价维度上来看则是安全水平高挑战，智能制造企业智能制造安全管理需要新的范低不一，从图2 中可以直观看出4家智能制造企业式、模式和方法。同样，新的制造模式下也应该匹配都存在一个共性，即S1智造人员与S4智能制造安具有相当的智造技术水平与安全意识的生产智造人全管理两个维度的安全水平都较为薄弱。这是由于员，这是智能制造生产安全的基本保障。表4评价目标及的综合聚类系数代码S1S2S3AS4S5SS1S2BS3S4S5SS1S2S3CS4S5SS1S2S3DS4S5SS15.0004.5004.000S53.5003.00S4图2 各智能制造企业安全维度评价结果雷达3)薄弱因素分析。为更直观的识别智能制造企业生产安全中的薄弱因素，本研究借鉴文献 1 5 提0.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.000S2-Ae-Be-DS30.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0150.0000.0000.0000.0120.0040.0190.0000.0000.0000.0050.004出的综合云的思路，计算指标综合灰云参数，使得两个不同层次级别的指标可以通过灰云图进行相互比较，这能够更加直观的识别出各企业中生产安全的薄弱因素，本研究以企业A工业互联网与数据安全维度为例，展示借助灰云图比较识别薄弱因素过程，按照式(2)一式(3)及文献 1 5 中综合云的计算方式分别计算指标与工业互联网与数据安全维度的灰云参数，结果见表5，并依据所得灰云参数绘制了灰云图，见图3。从灰云图中可以知道指标与评价维度的位置关系，数据库可靠性S35，网络入侵防御性S33位于评价维度S3的左边，安全水平更低，S35与S33则是制约评价维度S3达到更高安全水平的关键因素。同理，可以找出各企业生产安全水平的薄弱因0.0040.0780.3040.4950.5910.3260.0020.0380.0540.4200.5990.2200.3610.1030.4790.5720.5980.4600.3510.0890.5390.6970.3750.4810.9960.6580.2090.2210.0200.3550.9980.5140.0690.3000.0750.3230.6250.8960.4190.4260.2690.4850.6300.9100.4450.2950.5110.4930.0000.2640.4880.2840.3880.3200.0000.4480.8770.2800.3260.4570.0000.0010.1020.0030.1210.0510.0000.0000.0160.0080.1090.02234素。据分析可知智能制造企业的生产安全水平的薄弱因素主要在智造人员智造技术水平、安全监控与预警水平、数据安全、网络入侵防御、平台智能决策分析能力以及智能制造安全管理方面。上述分析表明目前大多智能制造企业应用智能制造技术以提升生产效率为主，在安全监管与预警技术的应用还有较大的进步空间，其次在智能制造的新生产模式下，智造人才培养、智能制造安全管理等方面都处于滞后水平。表5企业A工业互联网与数据安全维度指标灰云参数代码指标评价样本灰云参数GLLx,Rx，Cx,E,H）S3(6.82,7.28,7.029,0.076 7,0.025 6)S31(7.5,8.17,7.93,0.1109,0.037)S32(7.99,8.09,8.038,0.0178,0.005 9)S33(5.52,6.39,5.914,0.1454,0.0485)S34(7.05,7.79,7.454,0.123 7,0.041 2)S35(5.5,6.2,5.825,0.116 6,0.038 9)1.00.80.60.40.20.05.576.0 6.57.0 7.58.08.59.0评价值图3企业A工业互联网与数据安全维度与指标灰云图4结论1)从人-机-料-法-环视角并结合智能制造安全相关标准所建立的智能制造生产安全综合评价的指标体系能够反映目前智能制造企业生产安全水平，也是对智能制造安全评价的一次探索，同时该指标体系今后也可根据企业实际或随着智能制造发展进行不断改进调整。2）基于AHP-灰云模型的智能制造企业生产安全评价模型可以解决安全评价中指标信息的灰性与专家评判的随机性等问题，使得评价结果更为客观准确，并且该模型也用图形化呈现评价结果，相较于其他评价方法可以更直观的找出薄弱因素。3)从实证分析可知智能制造智造人员的智造技术水平与智能制造安全管理在智能制造企业的生产安全中有明显的滞后现象。因此，企业在大力发展智造技术的同时也要加强智造人才培养和智能制造安全管理创新以及安全监管技术的应用提升。参考文献1杜军钊.智能制造新技术应用的安全风险分析与建议 .中国信息安全，2 0 2 1（1)：39-41.2DEDE G,MITROPOULOU P,NIKOLAIDOU M,et al.Safety requirements for symbiotic human-robot collabora-tion systems in smart factories:a pairwise comparison ap-proach to explore requirements dependenciesJ.Require-ments Engineering,2021,26(1):115-141.3宋利.智能制造背景下智能制造安全管理的创新 .中国公共安全（学术版），2 0 1 9（4）：1 33-1 35.4LIU Z,XIE K,LI L,et al.A paradigm of safety manage-ment in Industry 4.oJ.Systems Research and BehavioralScience,2020,37(4):632-645.5王卫红，陈震宇基于改进区块链的智能制造安全模型J.计算机科学,2 0 2 1,48(2):2 9 5-3 0 2.6李欣，刘秀，万欣欣.数字李生应用及安全发展综述 J.系统仿真学报，2 0 1 9，31（3）：38 5-39 2.7李浩，刘根，文笑雨，等.面向人机交互的数字李生系统+工业安全控制体系与关键技术.计算机集成制造系统，2021,27(2):374-389.$33$34?S358GB/T381292019,智能工厂安全控制要求 S.9杨继伟两部门印发国家智能制造标准体系建设指南（2 0 1 8 年版）J.信息安全与通信保密，2 0 1 8（1 1)：8.10杨存良，张飞燕.安全发展理念下企业安全监管创新实践：评安全监管学 J.中国安全科学学报，2 0 2 1，31(8):202.11王洪利,冯玉强.基于灰云的改进白化模型及其在灰色决策中应用 J.黑龙江大学自然科学学报，2 0 0 6（6)：740-745.12华攸金，李希建，陈刘瑜.基于变权与正态云理论的煤矿安全评价及应用.煤矿安全，2 0 2 0，51（3）：2 39-2 42.13安昊，谢萍，李成儒，等.国家社会安全风险量化等级评估模型构建研究 J.中国安全生产科学技术，2 0 1 9，1 5(S2):35-39.14方金城，曾阿锋，朱斌基于权灰聚类的企业智能制造创新能力评价及影响因素研究 刀.电子科技大学学报(社科版）,2 0 2 1：1-9.15贾彦强，许开立，张津嘉，等.中小企业生产车间综合安全评价云模型.中国安全科学学报，2 0 1 6,2 6（7)：1 1 3-118.作者简介曾阿锋（1 9 9 4一)，男，硕士，主要研究方向为智能制造、生产安全。E-mail:。通信作者方金城，博士，副教授，主要研究方向为智能制造创新评估与技术创新。E-mail：40 9 32 7 356 q q.c o m。(收稿日期：2 0 2 2-0 6-1 3)