基于結(jié)構(gòu)方程與蒙特卡洛方法的鉆井現(xiàn)場(chǎng)作業(yè)風(fēng)險(xiǎn)評(píng)價(jià)

趙春蘭 殷慧敏 王 兵 范翔宇 吳 昊

1.西南石油大學(xué)理學(xué)院 2.西南石油大學(xué)計(jì)算機(jī)科學(xué)學(xué)院3.“油氣藏地質(zhì)及開發(fā)工程”國(guó)家重點(diǎn)實(shí)驗(yàn)室·西南石油大學(xué) 4.中國(guó)石油西南油氣田公司勘探事業(yè)部

0 引言

油氣鉆井作業(yè)是一個(gè)隱蔽性強(qiáng)、有較大的不確定性和高風(fēng)險(xiǎn)的系統(tǒng)工程[1]。隨著油氣勘探開發(fā)的不斷發(fā)展[2]，鉆井作業(yè)變得日益頻繁，鉆井條件和地質(zhì)條件也越來越復(fù)雜，致使鉆井作業(yè)處于危險(xiǎn)的境地，鉆井事故也就時(shí)有發(fā)生[3]。

目前，對(duì)于鉆井風(fēng)險(xiǎn)的評(píng)估方法已有相當(dāng)多的學(xué)者進(jìn)行研究[4-8]。李環(huán)等[4]基于HAZOP定性分析法評(píng)估鉆井作業(yè)風(fēng)險(xiǎn)的大小。李海宏[5]通過層次分析法建立多因素多層次鉆井風(fēng)險(xiǎn)定量評(píng)價(jià)模型，定量分析法因其考慮鉆井作業(yè)數(shù)據(jù)來分析問題得以廣泛應(yīng)用。上述都是常規(guī)確定性方法，并未考慮評(píng)價(jià)數(shù)據(jù)的不確定性，因此，提出了一些不確定性分析方法來解決這些問題。金業(yè)權(quán)等[6]提出了基于三角模糊數(shù)的鉆井井控風(fēng)險(xiǎn)定量評(píng)價(jià)模型；李琪等[3]采用AHP與模糊綜合評(píng)價(jià)相結(jié)合的方法建立了鉆井風(fēng)險(xiǎn)綜合評(píng)價(jià)模型；以及確定指標(biāo)權(quán)重結(jié)合模糊綜合評(píng)價(jià)法評(píng)估鉆井風(fēng)險(xiǎn)等級(jí)的其他方法。因子與指標(biāo)間的關(guān)系存在主觀干擾，使得結(jié)果出現(xiàn)誤差，最終可能導(dǎo)致所確定的權(quán)重與實(shí)際不符，而常規(guī)的權(quán)重計(jì)算法無法確定各因子之間的直接或間接關(guān)系。結(jié)構(gòu)方程模型（SEM）不僅可以很好地解決這個(gè)問題[7]，并且可找到關(guān)鍵風(fēng)險(xiǎn)因子。錢志雷等[7]利用SEM構(gòu)建了石油企業(yè)國(guó)際石油工程項(xiàng)目的風(fēng)險(xiǎn)評(píng)價(jià)方法。

但SEM的數(shù)據(jù)收集困難，其數(shù)據(jù)往往要求服從正態(tài)分布，為了得到更方便的數(shù)據(jù)樣本，基于現(xiàn)場(chǎng)數(shù)據(jù)各因子的分布特征，借助蒙特卡洛方法（MC）生成一系列服從正態(tài)分布的風(fēng)險(xiǎn)因子樣本數(shù)據(jù)。同時(shí)由于模糊綜合評(píng)價(jià)法是以專家打分的方式得到評(píng)判結(jié)果缺乏一定的客觀性，而MC是一種利用隨機(jī)數(shù)來解決問題的技術(shù)，不但考慮了風(fēng)險(xiǎn)因素變動(dòng)的幅度，還考慮了這種變動(dòng)幅度發(fā)生的可能性大小及對(duì)考察指標(biāo)的影響程度，使得評(píng)價(jià)結(jié)果更加客觀合理。

為了更好地處理數(shù)據(jù)結(jié)構(gòu)中的不確定性問題，找到關(guān)鍵因子和指標(biāo)之間的關(guān)系，進(jìn)而得到客觀的評(píng)價(jià)結(jié)果，筆者結(jié)合上述兩種方法建立以危險(xiǎn)度（R）來衡量風(fēng)險(xiǎn)程度的SEM—MC新模型，并應(yīng)用于四川盆地某油氣田現(xiàn)場(chǎng)。

1 方法原理

1.1 結(jié)構(gòu)方程模型

SEM是一種基于變量協(xié)方差矩陣來分析變量之間關(guān)系的多元統(tǒng)計(jì)分析方法學(xué)[9-11]。它把因子分析與路徑分析相結(jié)合，對(duì)于一些不能直接測(cè)量的研究變量用可觀測(cè)的變量作為潛在變量（以下簡(jiǎn)稱潛變量）的“標(biāo)志”，利用因子分析的方法將觀測(cè)變量與潛變量聯(lián)系起來，結(jié)合路徑分析找到潛變量之間的結(jié)構(gòu)關(guān)系[12]。

SEM分為測(cè)量模型和結(jié)構(gòu)模型兩部分，如圖1所示。

測(cè)量模型主要用來描述外源（內(nèi)生）觀測(cè)變量與外源（內(nèi)生）潛變量之間的關(guān)系，由兩個(gè)典型的因子模型組成，即

結(jié)構(gòu)模型主要是描述潛變量之間的關(guān)系，包括外源潛變量對(duì)內(nèi)生潛變量的影響，以及內(nèi)生潛變量之間的影響，是一種因果模型[12-13]，即

式中δ表示外源觀測(cè)變量X的測(cè)量誤差向量；ε表示內(nèi)生觀測(cè)變量Y的測(cè)量誤差向量；Λx表示外源觀測(cè)變量關(guān)于外源潛變量的負(fù)載矩陣；Λy表示內(nèi)生觀測(cè)變量關(guān)于內(nèi)生潛變量的負(fù)載矩陣；Гm×n表示外源潛變量對(duì)內(nèi)生潛變量的影響系數(shù)矩陣；Bm×m表示內(nèi)生潛變量之間的影響系數(shù)矩陣；ξ表示結(jié)構(gòu)誤差向量[9,12-13]。

式（1）規(guī)定了外源潛變量（ζ）和外源觀測(cè)變量（X）之間的聯(lián)系，式（2）規(guī)定了內(nèi)生潛變量（η）和內(nèi)生觀測(cè)變量（Y）之間的關(guān)系，式（3）規(guī)定了外源潛變量與內(nèi)生潛變量、內(nèi)生潛變量與自身之間的關(guān)系。

1.2 蒙特卡洛方法

MC屬于試驗(yàn)數(shù)學(xué)的一個(gè)分支，它利用隨機(jī)數(shù)進(jìn)行統(tǒng)計(jì)試驗(yàn)，能夠隨機(jī)模擬各變量間的動(dòng)態(tài)關(guān)系[14]，得到大量模擬測(cè)量結(jié)果并分析，進(jìn)而解決某些復(fù)雜的不確定性或風(fēng)險(xiǎn)性問題。

筆者基本研究思路如下：

假設(shè)隨機(jī)變量X的數(shù)學(xué)期望E（X）是需要計(jì)算的變量，X1, X2, …, XN是一系列隨機(jī)數(shù)重復(fù)采樣N次得到的。本系列的平均值計(jì)算如下[15]：

根據(jù)大數(shù)定律，當(dāng)N的采樣次數(shù)足夠多時(shí)，即為

通過使用MC方法來評(píng)估鉆井風(fēng)險(xiǎn)等級(jí)，可以根據(jù)每個(gè)變量的分布生成一系列樣本數(shù)據(jù)，確定事故后果與風(fēng)險(xiǎn)因素之間的關(guān)系。

對(duì)于多維隨機(jī)變量的MC模擬問題，往往假定各隨機(jī)變量是相互獨(dú)立的，而在某些實(shí)際應(yīng)用中，多維隨機(jī)變量卻具有一定的相關(guān)性。一般多維相關(guān)正態(tài)分布隨機(jī)變量序列可以通過協(xié)方差矩陣的Cholesky因子對(duì)獨(dú)立正態(tài)分布隨機(jī)變量序列進(jìn)行線性變換來產(chǎn)生[16]?；谘芯磕康?，筆者運(yùn)用SEM中得到的變量間的線性模型來求得事故后果與各風(fēng)險(xiǎn)因素關(guān)系進(jìn)行MC模擬，并利用@Risk7.5軟件來執(zhí)行。

1.3 SEM—MC新評(píng)估模型的構(gòu)建

對(duì)于相同的危險(xiǎn)度數(shù)值，一般模型只考慮了其事故后果分值與事故可能性指標(biāo)分值的簡(jiǎn)單累積，這不能真實(shí)反映客觀風(fēng)險(xiǎn)水平[17]。為此，筆者提出了SEM—MC的鉆井風(fēng)險(xiǎn)新評(píng)估模型。

針對(duì)鉆井現(xiàn)場(chǎng)作業(yè)風(fēng)險(xiǎn)因素具有的不確定性，首先構(gòu)建鉆井現(xiàn)場(chǎng)作業(yè)風(fēng)險(xiǎn)因子，利用SEM求出各風(fēng)險(xiǎn)因子的相關(guān)性，并求得指標(biāo)權(quán)重確定關(guān)鍵風(fēng)險(xiǎn)因子，再由各因子的數(shù)據(jù)分布特征，利用MC進(jìn)行模擬，求得潛變量的模擬值，結(jié)合事故后果值及其指標(biāo)權(quán)重建立SEM—MC的鉆井風(fēng)險(xiǎn)新評(píng)估模型（圖2）。

其構(gòu)思的3個(gè)步驟：①通過收集鉆井風(fēng)險(xiǎn)數(shù)據(jù)，刪除不顯著因子，確定風(fēng)險(xiǎn)指標(biāo)體系；②結(jié)合SEM求得風(fēng)險(xiǎn)因子權(quán)重，以識(shí)別影響鉆井現(xiàn)場(chǎng)作業(yè)安全的關(guān)鍵風(fēng)險(xiǎn)因子，同時(shí)利用風(fēng)險(xiǎn)后果權(quán)重以確定事故后果的程度；③根據(jù)風(fēng)險(xiǎn)因子的數(shù)據(jù)特征結(jié)合步驟2的測(cè)量模型，利用MC模擬出潛變量的模擬值（即事故可能性因素分值）；④最后利用MC模擬事故可能性因素分值與事故后果嚴(yán)重程度累積的風(fēng)險(xiǎn)評(píng)估新模型，即

式中R表示危險(xiǎn)度；PXi表示事故可能性因素分值，ωi表示事故后果影響權(quán)重；Y1i表示事故后果分值；ωiY1i表示事故后果程度。

圖2 SEM—MC風(fēng)險(xiǎn)評(píng)估新模型構(gòu)思圖

2 鉆井作業(yè)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的確定

2.1 數(shù)據(jù)收集

油氣鉆井作業(yè)的風(fēng)險(xiǎn)指標(biāo)體系具有復(fù)雜性、多層次的特點(diǎn)[7]，其現(xiàn)場(chǎng)作業(yè)風(fēng)險(xiǎn)因素較多，通過收集現(xiàn)場(chǎng)數(shù)據(jù)、咨詢鉆井作業(yè)專家并結(jié)合因子分析[18]，確定操作行為、管理因素等4個(gè)方面的因素，違章作業(yè)、生產(chǎn)管理缺陷等18個(gè)鉆井作業(yè)風(fēng)險(xiǎn)指標(biāo)以及涉及人員、設(shè)備事故[19-21]和環(huán)境污染這3種事故后果。對(duì)四川盆地某油氣田鉆井現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行收集，主要收集2011年365 天內(nèi)各風(fēng)險(xiǎn)指標(biāo)每天發(fā)生的次數(shù)以及所造成事故的情況。各指標(biāo)部分?jǐn)?shù)據(jù)如表1所示。

2.2 數(shù)據(jù)處理

2.2.1 異常值處理

異常值是指樣本中的個(gè)別數(shù)值明顯偏離其所屬樣本的其他觀測(cè)值，因其會(huì)對(duì)結(jié)果造成一定的影響。筆者利用iForest算法對(duì)數(shù)據(jù)進(jìn)行異常值處理，尋找出與大部分?jǐn)?shù)據(jù)不一樣的異常數(shù)據(jù)，將其中與研究規(guī)律不符合，干擾結(jié)果的數(shù)據(jù)從中剔除，最后共剔除包含日期（月/日）為3/23、3/26、4/5、4/12等19個(gè)異常樣本值。

2.2.2 數(shù)據(jù)的正態(tài)性檢驗(yàn)

考慮到結(jié)構(gòu)方程模型一般是問卷調(diào)查獲得的數(shù)據(jù)，且要求數(shù)據(jù)服從正態(tài)分布。基于本文所用的是真實(shí)觀測(cè)數(shù)據(jù)，無法直接進(jìn)行AMOS分析。因此需要先進(jìn)行正態(tài)性檢驗(yàn)和等級(jí)變換分析。

通過累積頻率來了解各個(gè)指標(biāo)值的分布情況，首先利用Matlab軟件計(jì)算2011年各個(gè)指標(biāo)的頻率，先將數(shù)據(jù)通過快速排序方法進(jìn)行排序，再按數(shù)組下標(biāo)進(jìn)行掃描，記錄頻數(shù)，最后計(jì)算得到如場(chǎng)所不符合要求（圖3-a）和井控設(shè)備缺陷（圖3-b）等指標(biāo)的累積頻率。

2.2.3 等級(jí)程度的劃分

利用正態(tài)分布數(shù)據(jù)的特性，根據(jù)風(fēng)險(xiǎn)因子每天發(fā)生次數(shù)的頻率劃分等級(jí)，發(fā)生次數(shù)越少導(dǎo)致事故發(fā)生的可能性越小，反之越大。按正態(tài)分布函數(shù)，以置信區(qū)間概率 [0 20%）、[20% 40%）、[40% 60%）、[60%80%）、[80% 100%） 作為風(fēng)險(xiǎn)等級(jí)劃分的基本區(qū)間，分別記為安全，較安全，一般，較危險(xiǎn)，很危險(xiǎn)等5個(gè)等級(jí)程度，且按照1～5分進(jìn)行打分，將每個(gè)風(fēng)險(xiǎn)因子導(dǎo)致事故的可能性分值記為PXij（Xij表示風(fēng)險(xiǎn)因子）。按照上述方法對(duì)風(fēng)險(xiǎn)指標(biāo)進(jìn)行處理，以作業(yè)場(chǎng)所不符合和井控設(shè)備缺陷為例（圖4），最后各風(fēng)險(xiǎn)指標(biāo)導(dǎo)致事故的可能性分值部分?jǐn)?shù)據(jù)如表2所示。

從圖4可以看出，井控設(shè)備缺陷的累積頻率在 0處接近10%，在10以上不到10%，由此說明大部分值處于（0, 10）。因正態(tài)分布與伽馬分布均具有這樣的特征，即圖3中指標(biāo)與正態(tài)分布和伽馬分布的累積頻率圖像類似，所以鉆井風(fēng)險(xiǎn)的各指標(biāo)值大致服從正態(tài)分布。

表1 四川盆地某油氣田鉆井現(xiàn)場(chǎng)作業(yè)2011年各風(fēng)險(xiǎn)指標(biāo)及事故后果發(fā)生次數(shù)表

3 實(shí)例分析

3.1 模型的構(gòu)建

3.1.1 鉆井現(xiàn)場(chǎng)作業(yè)風(fēng)險(xiǎn)結(jié)構(gòu)方程模型的設(shè)定

根據(jù)鉆井現(xiàn)場(chǎng)作業(yè)風(fēng)險(xiǎn)的理論知識(shí)與相關(guān)經(jīng)驗(yàn)，操作行為、管理因素、環(huán)境因素和設(shè)備因素直接影響到鉆井作業(yè)的安全問題，同時(shí)這些因素之間也存在著一定的內(nèi)在聯(lián)系，基于此構(gòu)建如圖5所示的結(jié)構(gòu)方程模型。

圖3 部分指標(biāo)的頻率累積圖

圖4 部分指標(biāo)的正態(tài)分布頻率圖

表2 四川盆地某油氣田鉆井現(xiàn)場(chǎng)作業(yè)2011年各指標(biāo)導(dǎo)致事故的可能性及事故后果分值部分?jǐn)?shù)據(jù)表

利用SPSS 20.0對(duì)處理后的數(shù)據(jù)進(jìn)行因子分析，提取公因子并設(shè)定其為潛變量，分為作業(yè)人員的操作行為X1、管理層的管理因素X2以及環(huán)境因素X3、設(shè)備因素X4和鉆井風(fēng)險(xiǎn)Y，其下對(duì)應(yīng)為各自的觀測(cè)變量，所以確立測(cè)量模型及結(jié)構(gòu)模型如圖5所示。

圖5 鉆井風(fēng)險(xiǎn)結(jié)構(gòu)方程模型

表3 信度與效度檢驗(yàn)表

3.1.2 模型檢驗(yàn)

測(cè)量模型主要根據(jù)可信度和效度進(jìn)行判定，可信度的參數(shù)由潛變量的組合信度和一致性系數(shù)組成[22]，運(yùn)用SPSS 20.0進(jìn)行因子分析計(jì)算的結(jié)果如表3所示。由表3可知，所有潛變量的組合信度和一致性系數(shù)都大于0.5，顯著性檢驗(yàn)指標(biāo)為0.000明顯小于顯著性水平，表明了測(cè)量模型具有較好的可信度。同時(shí)，各觀測(cè)變量的因子載荷都接近0.5，說明潛變量的結(jié)構(gòu)效度較好。

3.1.3 模型的擬合及評(píng)價(jià)

通過對(duì)模型進(jìn)行反復(fù)的修正和擬合，依據(jù)AMOS軟件輸出的擬合指數(shù)進(jìn)行判斷，建立的SEM的各項(xiàng)適配度指標(biāo)檢驗(yàn)結(jié)果如表4所示。檢驗(yàn)結(jié)果顯示，模型的多項(xiàng)擬合指數(shù)均符合要求，擬合效果較好，模型是合理的，且修正后的模型比原模型擬合優(yōu)度更高，故采納修正后的模型[23]。

將處理后的數(shù)據(jù)導(dǎo)入AMOS軟件中，得到標(biāo)準(zhǔn)化估計(jì)結(jié)果，如表5和圖6所示。

3.1.4 模型分析

由圖6和表5可知[23]，根據(jù)SEM結(jié)構(gòu)模型得到可觀測(cè)潛變量因素之間關(guān)系，潛變量如操作行為、管理因素、環(huán)境因素、設(shè)備因素分別與鉆井事故后果的相關(guān)系數(shù)依次為0.32、0.50、0.31、0.42；而管理因素與設(shè)備因素的關(guān)系為0.93，與環(huán)境因素的關(guān)系為0.92，設(shè)備因素和環(huán)境因素關(guān)系為0.94。由此可見，管理因素對(duì)事故后果影響最大，其次是設(shè)備因素，環(huán)境因素影響最小。同樣，根據(jù)測(cè)量模型可得各風(fēng)險(xiǎn)因子間關(guān)系，風(fēng)險(xiǎn)因子如作業(yè)場(chǎng)所不符合與一般設(shè)備缺陷的關(guān)系0.57為最大，其次是場(chǎng)所不符合與安全防范設(shè)施缺失，電器設(shè)施缺陷關(guān)系為0.56，違章作業(yè)和管理制度缺陷關(guān)系0.06為最小。

表4 SEM模型擬合效果檢驗(yàn)表

表5 部分參數(shù)估計(jì)及其檢驗(yàn)表

圖6 鉆井現(xiàn)場(chǎng)作業(yè)風(fēng)險(xiǎn)模型標(biāo)準(zhǔn)化估計(jì)結(jié)果圖

根據(jù)路徑分析求得各風(fēng)險(xiǎn)因子的標(biāo)準(zhǔn)化系數(shù)作為權(quán)重大小，找到關(guān)鍵因子。潛變量在操作行為中的關(guān)鍵風(fēng)險(xiǎn)因子為常規(guī)勞保穿戴不齊（X13），管理因素的關(guān)鍵風(fēng)險(xiǎn)因子是生產(chǎn)管理缺陷（X21），環(huán)境因素中是作業(yè)場(chǎng)所不符合（X33），設(shè)備因素中是一般設(shè)備缺陷（X46）。

在結(jié)構(gòu)方程模型中，由于內(nèi)生潛變量事故后果受操作行為等4個(gè)外源潛變量的影響，以及人員事故等3個(gè)觀測(cè)潛變量的共同作用，且通過觀測(cè)潛變量來表現(xiàn)。

由式（1）～（3），可得

3.2 建立SEM—MC的鉆井現(xiàn)場(chǎng)作業(yè)風(fēng)險(xiǎn)評(píng)價(jià)

3.2.1 風(fēng)險(xiǎn)等級(jí)的確定[24]

由前面對(duì)本文數(shù)據(jù)的分析可知，基于結(jié)構(gòu)方程模型的正態(tài)性檢驗(yàn)，確定各風(fēng)險(xiǎn)因子的分布范圍及其峰值。利用MC隨機(jī)模擬程序?qū)o定的各個(gè)因素區(qū)間內(nèi)隨機(jī)地獲取5 000個(gè)數(shù)值[14]，根據(jù)表3確定的風(fēng)險(xiǎn)因子導(dǎo)致事故的可能性分值（PXij），通過SEM測(cè)量模型式（1）可以確定PXi（即外源潛變量的可能性分值），基于MC中對(duì)各風(fēng)險(xiǎn)因子的模擬數(shù)可得潛變量的模擬值變動(dòng)范圍以及變動(dòng)范圍發(fā)生的可能性大小，如表6和圖7所示（以潛變量X1為例）。

表6 潛變量的模擬值表

圖7 潛變量X1的模擬值隨機(jī)概率分布圖

由表6所示，結(jié)合事故后果程度得到風(fēng)險(xiǎn)評(píng)估新模型，最后生成該鉆井現(xiàn)場(chǎng)作業(yè)危險(xiǎn)度的隨機(jī)概率分布和累積概率圖如圖8所示。由此可以知道鉆井風(fēng)險(xiǎn)的可能性結(jié)果以及每個(gè)結(jié)果出現(xiàn)的可能性，還可以得到一定置信水平下的現(xiàn)場(chǎng)作業(yè)風(fēng)險(xiǎn)范圍。根據(jù)正態(tài)分布函數(shù)，以風(fēng)險(xiǎn)置信區(qū)間[0 20%）、[20%40%）、[40% 60%）、[60% 100%）、[80% 100%）來劃分風(fēng)險(xiǎn)等級(jí)[17]，由正態(tài)分布函數(shù)數(shù)值表，可確定各風(fēng)險(xiǎn)等級(jí)的閾值區(qū)間于表7中。當(dāng)置信度取40%時(shí)，計(jì)算得到的風(fēng)險(xiǎn)值范圍為[95 101]，故此范圍內(nèi)的風(fēng)險(xiǎn)值是屬于安全范圍的。

圖8 危險(xiǎn)度隨機(jī)概率分布圖和累積概率圖

表7 SEM—MC的風(fēng)險(xiǎn)等級(jí)閾值表

利用MC模擬進(jìn)行5 000次迭代計(jì)算后，得到模擬結(jié)果R = 108.9，結(jié)合表7，可知該鉆井現(xiàn)場(chǎng)作業(yè)風(fēng)險(xiǎn)處于一般等級(jí)，與實(shí)際情況相符。

3.2.2 與其他方法的對(duì)比

通過風(fēng)險(xiǎn)因子導(dǎo)致事故的可能性分值與事故后果指標(biāo)分值的累積[17]，可以對(duì)鉆井現(xiàn)場(chǎng)作業(yè)進(jìn)行評(píng)判，建立危險(xiǎn)度模型由此確定的風(fēng)險(xiǎn)等級(jí)如表8所示。該鉆井現(xiàn)場(chǎng)作業(yè)的風(fēng)險(xiǎn)等級(jí)閾值與SEM—MC的方法存在不同，其風(fēng)險(xiǎn)等級(jí)閾值范圍比風(fēng)險(xiǎn)評(píng)估新模型更大，這可能是由于SEM—MC方法考慮了各風(fēng)險(xiǎn)因子之間的關(guān)系，使得彼此之間的可能性分值不存在疊加效應(yīng)，避免了重復(fù)信息。此外，基于SEM的測(cè)量模型，MC模擬出潛變量的可能性分值，并結(jié)合危險(xiǎn)度確定風(fēng)險(xiǎn)等級(jí)，使得評(píng)估結(jié)果更符合實(shí)際情況。

表8 R*[17]與SEM—MC風(fēng)險(xiǎn)等級(jí)閾值比較表

4 結(jié)論與建議

筆者首次提出了結(jié)構(gòu)方程模型和蒙特卡洛模擬相結(jié)合的鉆井現(xiàn)場(chǎng)作業(yè)風(fēng)險(xiǎn)評(píng)價(jià)新方法，其評(píng)價(jià)結(jié)果可對(duì)鉆井作業(yè)現(xiàn)場(chǎng)作業(yè)安全風(fēng)險(xiǎn)管理具有重要參考作用。

1）通過結(jié)構(gòu)方程模型確定了鉆井現(xiàn)場(chǎng)作業(yè)風(fēng)險(xiǎn)體系的指標(biāo)權(quán)重，克服了無法確定各因子間的相關(guān)性以及權(quán)重的主觀性，此結(jié)構(gòu)模型結(jié)合蒙特卡洛模擬求得危險(xiǎn)度用以衡量風(fēng)險(xiǎn)等級(jí)，為鉆井現(xiàn)場(chǎng)作業(yè)風(fēng)險(xiǎn)評(píng)價(jià)提供一種新的評(píng)價(jià)方法。

2）根據(jù)結(jié)構(gòu)模型可知，操作行為和環(huán)境因素對(duì)鉆井風(fēng)險(xiǎn)影響較小，而整個(gè)鉆井作業(yè)風(fēng)險(xiǎn)體系中管理因素占有最大的比例，說明管理層人員應(yīng)該加強(qiáng)標(biāo)準(zhǔn)安全管理知識(shí)，要有超前的風(fēng)險(xiǎn)意識(shí)，讓操作人員有更好的保障，才能有效地減少人員安全事故的發(fā)生。

3）利用測(cè)量模型求得各風(fēng)險(xiǎn)因子的權(quán)重大小并找到關(guān)鍵風(fēng)險(xiǎn)因子。場(chǎng)所不符合要求和一般設(shè)備缺陷是兩個(gè)主要關(guān)鍵因子，其相關(guān)系數(shù)為0.57。操作行為的關(guān)鍵因子是常規(guī)勞保穿戴不齊，其與場(chǎng)所不符合要求的相關(guān)系數(shù)為0.35。說明對(duì)于員工在施工前進(jìn)行安全教育是很有必要的，可以增強(qiáng)員工的安全意識(shí)。同時(shí)管理人員應(yīng)注重與施工人員的溝通，對(duì)注意事項(xiàng)進(jìn)行重點(diǎn)講解，防止不規(guī)范不安全行為發(fā)生。

4）基于蒙特卡洛模擬鉆井風(fēng)險(xiǎn)因子，根據(jù)每個(gè)風(fēng)險(xiǎn)變量的分布特征生成一系列符合要求的樣本數(shù)據(jù)，最終得到鉆井風(fēng)險(xiǎn)值的概率分布，使得評(píng)價(jià)結(jié)果更加貼切于實(shí)際情況。