大秦车务段职工“两违”问题关联分析

王世民

大秦车务段

摘要：

在大秦车务段日常的生产运输过程中，职工们违章违纪现象时有发生，而人的不安全行为和物的不安全状态是导致事故发生的直接原因，所以为了从源头上消除隐患、避免事故发生，就要加强对职工违章违纪检查，保证按标作业；加强对设备巡视，保证设备安全。本文引入灰色关联相关理论，对职工违章违纪情况进行研究，收集2022年6月份全段职工“两违”数据共计2619条，对其违纪时间、违纪内容、违纪岗位加以关联分析，找到最佳管理策略，避免人为因素导致事故发生，实现主动预防，事先管理。

关键词：职工“两违”、关联分析、事先预防；

1.灰色关联理论简介

1.1基本理论

灰色系统是一个既有已知部分又有未知部分的体系。比如艾斯比曾经用颜色来表示信息的获取情况，在体系中，可以清楚地表达用“白”来表达，不确定的用黑“黑”来表达，部分已知、部分未知用“灰”来表达。该方法具有对样本要求少、精度要求低、分布表现不受约束等优点，与数理统计相比，在实际运用中具有显著的优越性和一致性，方便深入地进行研究[1]。

1.2计算步骤

关联分析是针对样本数据中的系统特征序列与相关因素序列，首先对二者进行初始化处理，之后量化二者之间的紧密程度，以关联度大小为基础，展开现实层面的意义分析[2]。

设系统特征行为序列为：

X0=(x0(1),x0(2)…x0(n))

X1=(x1(1),x1(2),…x1(n)

…

Xi=(xi(1),xi(2),…xi(n))

…

Xm=(xm(1),xm(2),…xm(n))

对于∈（0，1），令

=         （1.1）

=              （1.2）

称为的灰色关联度，表示在k处的关联系数，记为。

综上所述，灰色关联度计算步骤如下[3]：

（1）各序列的初值像（或称均值像）

对于初始值（或单位序列）不同的样本，须采取无量纲化处理之后才能将其用于深入研究，此处选取初值化方法。

X’i=Xi/xi(1)=(x’i(1), x’i(2) …x’i(n)),i=0,1,2…,m           （1.3）

（2）序列差

求解序列差的表达式为：

, =(),i=1,2…,m   （1.4）

（3）两级最大差与最小差

分别取 =),i=1,2…,m中的最大、最小值为两级最大(Ｍ)、最小差(ｍ)，表示为：

M=              （1.5）

（4）关联系数

关联系数指的是基于各因子序列的几何形状及发展趋势情况，体现其关联程度，其表达式为： 

=,,k=1,2, i=1,2,            （1.6）

其中，称为分辨系数，值越小则其分辨能力越大。

当0.5463时，其分辨能力达到最优，一般取=0.5。

（5）关联度

对关联系数的结果序列求平均值，所得即为关联度，其表达式为：

                  （1.7）

2. 两违关联度计算

2.1数据收集

收集大秦车务段2022年6月份职工“两违”数据，共收集到各类通知书2763件，其中白天1592件，夜间1171件。选取7个主要铁路工种作为研究对象，分别是：信号员X1、值班员X2、外勤助理X3、调车长X4、货运员X5、调车区长X6、道口员X7；根据违章内容性质不同，分为未按标作业Y1、晚出场作业Y2、干与工作无关的事Y3、设备检查不到位Y4、管理不到位Y5、打盹睡觉Y6、其他Y7；根据铁路作业性质将一天分为7个时间段进行研究，分别是：清晨（6:00-8:00）Z1、上午（8:00-12:00）Z2、中午（12:00-14:00）Z3、下午（14:00-18:00）Z4、傍晚（18:00-21:00）Z5、前夜（21:00-3:00）Z6、后夜（3:00-6:00）Z7。收集到的违纪时间、违纪内容与违纪岗位之间的数据如表1.1所示。

表1.1大秦车务段2022年6月份职工“两违”统计表

Table 4.1Statistics of "Two Violations" of Employees in Daqin Train Depot in June 2022

	清晨	上午	中午	下午	傍晚	前夜	后夜
X1	24	35	58	30	29	72	60
X2	46	47	86	42	54	77	85
X3	19	16	36	18	15	48	53
X4	76	62	133	64	64	183	173
X5	42	36	68	46	49	85	76
X6	37	35	74	17	26	50	52
X7	17	19	48	16	16	53	52
Y1	88	90	197	92	93	202	193
Y2	32	26	63	23	19	98	103
Y3	24	26	53	19	18	62	48
Y4	19	20	21	23	15	44	43
Y5	30	35	40	35	37	46	55
Y6	38	32	68	35	37	63	61
Y7	30	31	70	12	22	42	45

以值班员为例，违纪时间为X轴，违纪内容为Y轴，违纪数量为Z轴，可以得到值班员的违纪数量与违纪时间、违纪内容的三维图表，见图1.1.

.

图1.1值班员违纪数量与违纪内容和违纪时间关系图

Fig. 1.1Diagram of the relationship between the number of violations and the content and time of violations

从图1.1中可以清楚的看到，值班员的违纪数量随着违纪时间和违纪内容的变化有着明显的起伏，在关键时间，如中午、前夜等处，违纪数量达到了最高点，说明违岗位、违纪内容和违纪时间之间是有内在关联的[4]。

下面进行关联分析，将公式（1.1）——（1.7）输入到Matlab中，可以得到违纪岗位、违纪时间与违纪内容之间两两的关联度，见表1.2至1.4。

表1.2违纪岗位与违纪内容之间的关联度

Table 1.2Relevance between disciplinary posts and disciplinary contents

	Z1	Z2	Z3	Z4	Z5	Z6	Z7
X1	0.5932	0.6625	0.5727	0.5721	0.6447	0.6891	0.5406
X2	0.6308	0.6205	0.5347	0.6606	0.6837	0.5403	0.6556
X3	0.6676	0.6792	0.6423	0.6868	0.5613	0.6501	0.7354
X4	0.6252	0.7110	0.7681	0.6475	0.6546	0.7377	0.5974
X5	0.6579	0.7148	0.5746	0.5922	0.5674	0.5849	0.6506
X6	0.6851	0.6616	0.5780	0.6605	0.6125	0.6182	0.6432
X7	0.7008	0.6437	0.7003	0.6388	0.6870	0.7217	0.6156

表1.3违纪岗位与违纪时间之间的关联度

Table 1.3Relevance between disciplinary posts and disciplinary time

	Z1	Z2	Z3	Z4	Z5	Z6	Z7
X1	0.5932	0.6625	0.5727	0.5721	0.6447	0.6891	0.5406
X2	0.6308	0.6205	0.5347	0.6606	0.6837	0.5403	0.6556
X3	0.6676	0.6792	0.6423	0..6868	0.5613	0.6501	0.7354
X4	0.6252	0.7110	0.7681	0.6475	0.6546	0.7377	0.5974
X5	0.6579	0.7148	0.5746	0.5922	0.5674	0.5849	0.6506
X6	0.6851	0.6616	0.5780	0.6605	0.6125	0.6182	0.6432
X7	0.7008	0.6437	0.7003	0.6388	0.6870	0.7217	0.6156

表1.4违纪时间与违纪内容之间的关联度

Table 1.4The correlation between the time of violation and the content of violation

	Z1	Z2	Z3	Z4	Z5	Z6	Z7
Y1	0.6614	0.6441	0.6520	0.5353	0.5604	0.6328	0.6583
Y2	0.6276	0.6838	0.6811	0.7545	0.6121	0.8312	0.6315
Y3	0.6529	0.6628	0.6834	0.6724	0.8131	0.6274	0.6011
Y4	0.6832	0.7416	0.5533	0.7961	0.6229	0.6471	0.6886
Y5	0.7181	0.5834	0.8141	0.7052	0.6765	0.5846	0.6804
Y6	0.6606	0.8108	0.6011	0.6438	0.6975	0.5646	0.6263
Y7	0.8016	0.5940	0.7030	0.6771	0.6471	0.5894	0.5509

以违纪岗位与违纪内容之间的关联度为例，将结果输入到Origin中，可以得到各个岗位与时间的关联度表，见图1.2：

可以清晰的看到，图像的最高点是调车长岗位与中午的关联度，最低点是值班员与前夜的关联度。这是由大秦线的车流量以及各个车站的作业性质决定的[5]。

图1.2各个岗位与违纪时间的关联度图

Fig. 1.2Correlation degree diagram of each post and violation time

现将各个时间段最容易发生违纪的岗位以及违纪内容按照关联度的数值由大到小进行排序，见表1.5：

表1.5各时间段违纪内容与违纪岗位关联度排序表

Fig. 1.5Ranking Table of Correlation between Disciplinary Contents and Disciplinary Posts in Each Period

时间段	检查岗位	检查内容	时间段	检查岗位	检查内容
清晨	车号员	其他	傍晚	车号员	干与工作无关的事
	调车区长	管理不到位		值班员	打盹睡觉
	外勤助理	设备检查不到位		调车长	管理不到位
	货运员	未按标作业		信号员	其他
	值班员	打盹睡觉		调车区长	设备检查不到位
	调车长	干与工作无关的事		货运员	晚出场作业
	信号员	晚出场作业		外勤助理	未按标作业

上午	货运员	打盹睡觉	前夜	调车长	晚出场作业
	调车长	设备检查不到位		车号员	设备检查不到位
	外勤助理	晚出场作业		信号员	未按标作业
	信号员	干与工作无关的事		外勤助理	干与工作无关的事
	调车区长	未按标作业		调车区长	其他
	车号员	其他		货运员	管理不到位
	值班员	管理不到位		值班员	打盹睡觉
中午	调车长	打盹睡觉	后夜	外勤助理	设备检查不到位
	车号员	其他		值班员	管理不到位
	外勤助理	干与工作无关的事		货运员	未按标作业
	调车区长	晚出场作业		调车区长	晚出场作业
	货运员	未按标作业		车号员	打盹睡觉
	信号员	打盹睡觉		调车长	干与工作无关的事
	值班员	设备检查不到位		信号员	其他
下午	外勤助理	设备检查不到位
	值班员	晚出场作业
	调车区长	管理不到位
	调车长	其他
	车号员	干与工作无关的事
	货运员	打盹睡觉
	信号员	未按标作业

这给各个车站领导检查职工违纪情况提供了方便，能够有效制止职工违章违纪现象，对保证安全生产有极大意义[6]。

参考文献：

[1]谢毅,寇峻瑜,姜梅,余浩伟.中国铁路发展概况与技术展望[J].高速铁路技术,2020,11(01):11-16.

[2]周进. 铁路运输事故致因及安全风险分析方法研究[D].北京交通大学,2018.

[3]卢春房, 蔡超勋. 川藏铁路工程建设安全面临的挑战与对策[J]. 建设机械技术与管理, 2020, 33(2):7.

[4] 杨连报. 铁路事故故障文本大数据分析关键技术研究及应用[D].中国铁道科学研究院,2018.

[5]王飞球, 黄健陵, 符竞,等. 基于BP神经网络的跨既有线高速铁路桥梁施工安全风险评估[J]. 铁道科学与工程学报, 2019, 16(5):8.

[6]倪继娜, 张巍, 张栋. 大秦铁路煤炭运输需求分析与预测[J]. 铁道货运, 2020, 38(1):6.