基于CART決策樹方法的電網(wǎng)生產(chǎn)作業(yè)人員安全信用體系研究

國網(wǎng)甘肅省電力公司 聶江龍 趙連斌 陳 釗 朱海濤 國網(wǎng)甘肅省電力公司定西供電公司 劉 鋒

著眼外部形勢，安全生產(chǎn)管理工作責(zé)任重大。習(xí)近平總書記在第十三屆全國人大三次會議內(nèi)蒙古代表團(tuán)審議中指出，“人民至上、生命至上，保護(hù)人民生命安全和身體健康，我們可不惜一切代價?！睆?qiáng)化安全生產(chǎn)，健全安全信用量化評價體系，是電網(wǎng)企業(yè)深入貫徹黨中央、國務(wù)院安全生產(chǎn)工作部署的內(nèi)在要求，也是全力推進(jìn)安全生產(chǎn)領(lǐng)域質(zhì)量變革、效率變革和動力變革的重要舉措。

緊跟戰(zhàn)略目標(biāo)，生產(chǎn)作業(yè)風(fēng)險防范任務(wù)艱巨。自國網(wǎng)公司將建設(shè)“具有中國特色國際領(lǐng)先的能源互聯(lián)網(wǎng)企業(yè)”確定為長遠(yuǎn)發(fā)展戰(zhàn)略目標(biāo)以來，安全管理的內(nèi)涵和外延發(fā)生的深刻變化給安全生產(chǎn)管理工作帶來了不小挑戰(zhàn)。著眼當(dāng)前，公司安全生產(chǎn)在認(rèn)知、能力上仍存在不足，安全生產(chǎn)形勢依然嚴(yán)峻，人員生產(chǎn)作業(yè)隱患難以快速根除，風(fēng)險防范工作任重而道遠(yuǎn)。

聚焦內(nèi)部生產(chǎn)，安全信用體系建設(shè)迫在眉睫。當(dāng)前電網(wǎng)生產(chǎn)作業(yè)人員安全信息管理不夠系統(tǒng)化，安全信息管理工作劃分細(xì)致而相互分散，資格審查、人員準(zhǔn)入、行為評價等工作缺乏有機(jī)聯(lián)結(jié)，相對滯后的信息化工作也愈發(fā)難以支撐現(xiàn)代化信息系統(tǒng)的集成，亟需開展電網(wǎng)生產(chǎn)作業(yè)人員安全信用管理體系建設(shè)，將安全評估以信用的形式表現(xiàn)出來，從而提高生產(chǎn)作業(yè)安全管理水平。

1 理論基礎(chǔ)及主要模型

1.1 研究理論基礎(chǔ)

現(xiàn)代市場經(jīng)濟(jì)角度下，廣義“信用”是指參與經(jīng)濟(jì)活動的當(dāng)事人之間建立起來的以誠實(shí)守信為基礎(chǔ)的履約能力；狹義“信用”指受信方向授信方在特定時間內(nèi)所作的履約或履約承諾的兌現(xiàn)能力和意愿。對于“安全信用”，廣義上，部分學(xué)者將其定義為“一種被評價主體滿足其他各主體期望的、講誠信的安全行為”；狹義上，部分學(xué)者將其定義為“被評價主體對于履行安全承諾的主觀意愿和客觀能力的統(tǒng)一”[1]。

電網(wǎng)生產(chǎn)作業(yè)人員安全信用研究的實(shí)質(zhì)，是對電網(wǎng)生產(chǎn)作業(yè)人員的個人安全信用進(jìn)行科學(xué)評價、合理應(yīng)用，為電網(wǎng)企業(yè)帶來更好的安全效益。對電網(wǎng)生產(chǎn)作業(yè)人員個人的安全信用評價建立在一種假設(shè)之上，即存在安全信用良好和安全信用較差的個人可用兩組分布進(jìn)行描述，這兩種分布都是類似正態(tài)分布的鐘形曲線，兩個分布之間有一個曲線重疊的區(qū)域，也就是安全信用“灰色地帶”。由于信用極好和信用極差的個人在整個生產(chǎn)作業(yè)人員群體中占比相對較小，占比最大的是介于兩者之間的人群，因此建立一個介于兩者之間的細(xì)致的安全信用評價模型對電網(wǎng)企業(yè)非常重要。

1.2 主要模型算法

CART（Classification And Regression Tree）算法可處理高度傾斜或多態(tài)的數(shù)值型數(shù)據(jù)，也可處理順序或無序的類屬性數(shù)據(jù)。選擇具有最小系數(shù)值的屬性作為測試屬性，Gini 值越小、樣本的“純凈度”越高劃分效果越好。CART 算法與C4.5等算法相同，先建樹、后剪枝，但與以前的算法只為葉子節(jié)點(diǎn)分配類別不同，CART 算法考慮到每個節(jié)點(diǎn)都有成為葉子節(jié)點(diǎn)的可能，對每個節(jié)點(diǎn)包括葉節(jié)點(diǎn)和非葉節(jié)點(diǎn)都分配類別。分配類別的方法可用當(dāng)前節(jié)點(diǎn)中出現(xiàn)最多的類別，也可參考當(dāng)前節(jié)點(diǎn)的分類錯誤或其它更復(fù)雜的方法。

2 電網(wǎng)生產(chǎn)作業(yè)人員安全信用研究

電網(wǎng)生產(chǎn)作業(yè)人員安全信用研究主要分為“征、評、授、用”四個步驟，即研究其安全信用的數(shù)據(jù)采集處理（征信），對其安全信用進(jìn)行體系性評價（評信），研究其安全信用的授予呈現(xiàn)（授信），探索典型場景下其安全信用的具體應(yīng)用（用信）。

2.1 安全信用基礎(chǔ)數(shù)據(jù)采集

基礎(chǔ)數(shù)據(jù)是安全信用數(shù)據(jù)應(yīng)用的基礎(chǔ)條件，完備的數(shù)據(jù)能使安全信用數(shù)據(jù)評價更加精確和客觀，能顯著增強(qiáng)安全信用數(shù)據(jù)分析的準(zhǔn)確性和有效性。電網(wǎng)作業(yè)人員安全信用基礎(chǔ)數(shù)據(jù)主要分為內(nèi)、外兩個數(shù)據(jù)來源。內(nèi)部數(shù)據(jù)源主要集中于安全生產(chǎn)風(fēng)險管控平臺、安全生產(chǎn)風(fēng)險管控平臺移動作業(yè)APP、配農(nóng)網(wǎng)“現(xiàn)場管控”APP 等多個源頭；對于外部數(shù)據(jù)源，主要使用網(wǎng)絡(luò)爬蟲進(jìn)行采集。經(jīng)過梳理，與生產(chǎn)作業(yè)人員安全信用相關(guān)的外部數(shù)據(jù)主要集中于信用中國、應(yīng)急管理部、中國執(zhí)行信息公開網(wǎng)等源頭。針對采集的安全信用基礎(chǔ)數(shù)據(jù)，主要使用Python 軟件，調(diào)用Sckit-learn 算法包進(jìn)行預(yù)處理（清洗）。

2.2 安全信用評價體系構(gòu)建

2.2.1 安全信用評價指標(biāo)

從清洗完成的安全信用數(shù)據(jù)中挑選細(xì)分訓(xùn)練集、觀測集、測試集和算例集；以訓(xùn)練集數(shù)據(jù)為基礎(chǔ)構(gòu)建基于CART 算法的決策樹模型，輸出初步模型；使用觀測集數(shù)據(jù)進(jìn)行模型訓(xùn)練迭代，若準(zhǔn)確率符合預(yù)期該模型則予以保留，若不符合預(yù)期則更換訓(xùn)練集樣本重新進(jìn)行模型訓(xùn)練；使用測試集數(shù)據(jù)對模型參數(shù)進(jìn)行持續(xù)優(yōu)化，得到初步的核心指標(biāo)及其權(quán)重；結(jié)合實(shí)際業(yè)務(wù)情況、相關(guān)管理要求等對初步模型指標(biāo)及其權(quán)重進(jìn)行調(diào)整優(yōu)化，得到最終安全信用評價指標(biāo)體系。

經(jīng)過樣本選取、特征選取、決策樹構(gòu)建、指標(biāo)體系優(yōu)化四個模塊的工作后，構(gòu)建由五個維度組成的電網(wǎng)生產(chǎn)作業(yè)人員安全信用評價指標(biāo)體系[2]。其中，身份特質(zhì)指身份自身所蘊(yùn)含的反映其安全信用狀態(tài)的各種信息特征；安全教育指具備的安全作業(yè)的能力；安全行為指在生產(chǎn)作業(yè)中累計的行為信息，即進(jìn)入公司后從事生產(chǎn)作業(yè)活動以來在安全方面留下的行為痕跡，是進(jìn)行安全信用評價的核心維度之一；單位屬性指自身所屬單位具備的安全信用狀態(tài)信息特征；生產(chǎn)作業(yè)人員的安全狀態(tài)也會受到周圍人員的影響，安全關(guān)系指與其所屬單位的同事的安全信用狀況。

表1 生產(chǎn)作業(yè)人員安全信用評價指標(biāo)體系（部分）

2.2.2 安全信用量化評分及分級

安全信用指標(biāo)體系構(gòu)建完成后，進(jìn)一步完善指標(biāo)解釋，按照類型給各指標(biāo)設(shè)定記分標(biāo)準(zhǔn)。如，對于“合格狀態(tài)”、“個人失信執(zhí)行狀態(tài)”等包含判斷狀態(tài)的指標(biāo)，由于只存在“是”（1）或“否”（0）兩種值，其記分可直接分為滿分和零分兩檔。完善指標(biāo)解釋、設(shè)定記分標(biāo)準(zhǔn)后，即可將取得的原始樣本指標(biāo)數(shù)據(jù)轉(zhuǎn)化為相應(yīng)分值，再將指標(biāo)分值與指標(biāo)權(quán)重分別求和并相加，即可得到各生產(chǎn)作業(yè)人員安全信用評分。

在目前評價方式下，由于安全信用分?jǐn)?shù)之間存在非線性關(guān)聯(lián)、安全信用分?jǐn)?shù)之間存在一定的負(fù)懲罰值和部分因素對安全信用會隨著時間流逝而產(chǎn)生變化等情況的存在，需針對生產(chǎn)作業(yè)人員“安全行為”模塊設(shè)計衰減因子算法進(jìn)行擬合，以更好地平衡信用因素對安全信用評分的影響，使安全信用評分更加符合現(xiàn)實(shí)情況。

使用Python 工具，調(diào)用PyTorch 算法包構(gòu)建安全信用衰減函數(shù)，得到拓展到連續(xù)空間的衰減因子。經(jīng)檢驗(yàn)，安全信用得分?jǐn)?shù)據(jù)符合正態(tài)分布后，依據(jù)正態(tài)分布計算結(jié)果，將電網(wǎng)作業(yè)人員安全信用分為S（安全信用極好，801分～100分）、A（安全信用優(yōu)秀，764分～800分）、B（安全信用良好，621分～763分）、C（安全信用中等，584分～620分）、D（安全信用較差，0分～583分）五級，并分別確定對應(yīng)分值區(qū)間。

隨著時間的流逝、行為的發(fā)生，安全信用各評價因素的值也會發(fā)生改變，因此電網(wǎng)生產(chǎn)作業(yè)人員的安全信用需采取動態(tài)評估。當(dāng)系統(tǒng)檢測到其身份特質(zhì)、安全教育、安全行為等發(fā)生改變時，可經(jīng)由現(xiàn)有計算公式和機(jī)器學(xué)習(xí)算法對其信用情況進(jìn)行實(shí)時的計算并返回最新的信用分?jǐn)?shù)。若綜合考慮計算規(guī)模、計算成本等因素，也可采取定期（如每周、每月、每季度）評估的方式，對其信用情況進(jìn)行更新評估。

2.3 安全信用電子檔案構(gòu)建

安全信用檔案是對電網(wǎng)作業(yè)人員安全信用記錄的集合，分為六個模塊：

識別信息。用于對身份的快速確認(rèn)和識別，主要包含姓名、性別、身份證號、肖像、安全信用評分及等級、信用主體編號及信用主體標(biāo)識碼（平臺生成的唯一識別編號和識別二維碼，均位于檔案最上方）8項(xiàng)信息。

基礎(chǔ)信息。用于對個人基礎(chǔ)信息的了解，也可用于個人身份輔助識別，主要包含年齡、民族、移動電話、文化程度、家庭住址、緊急聯(lián)系人姓名、緊急聯(lián)系人電話、緊急聯(lián)系人關(guān)系、緊急通訊地址、所屬單位名稱、所屬單位屬性、所屬專業(yè)大類、人員身份、作業(yè)權(quán)限14項(xiàng)信息。

公司信息。用于呈現(xiàn)所歸屬公司的基礎(chǔ)信息和安全信用狀況，主要包含企業(yè)信用主體標(biāo)識碼（用于信用識別的二維碼，位于本模塊最上方）、公司名稱、企業(yè)類型、經(jīng)營狀態(tài)、法定代表人、注冊資本、信用評級、統(tǒng)一社會信用代碼、企業(yè)信用主體編號（平臺生成的唯一識別編號）等25項(xiàng)信息。

培訓(xùn)信息。用于體現(xiàn)專業(yè)資質(zhì)及參與專業(yè)培訓(xùn)的情況，主要包含專業(yè)職稱信息、安全資質(zhì)證書取得情況、系統(tǒng)外培訓(xùn)情況、系統(tǒng)內(nèi)培訓(xùn)情況、安全準(zhǔn)入考試信息、安全知識考試信息6項(xiàng)信息。

行為信息。用于呈現(xiàn)在公司系統(tǒng)內(nèi)產(chǎn)生記錄的歷史生產(chǎn)行為信息，主要包含歷史施工操作記錄、歷史違章情況、歷史獲獎情況3項(xiàng)信息。

提示信息。用于展示涉及安全信用側(cè)面呈現(xiàn)、與安全信用評價相關(guān)的信息，主要包含所獲榮譽(yù)記錄、行政處罰記錄、違法犯罪記錄、不良信用記錄、訴訟立案信息、不良行為信息6項(xiàng)信息。

3 電網(wǎng)生產(chǎn)作業(yè)人員安全信用管理體系構(gòu)建建議

完善安全信用基礎(chǔ)數(shù)據(jù)建設(shè)。包括內(nèi)部數(shù)據(jù)建設(shè)和外部數(shù)據(jù)建設(shè)兩個模塊?；A(chǔ)數(shù)據(jù)的囊括量越大，數(shù)據(jù)的真實(shí)性越能夠得到保障。

在電網(wǎng)的生產(chǎn)作業(yè)場景下，外部數(shù)據(jù)主要是通過數(shù)據(jù)平臺引進(jìn)不同行業(yè)、不同種類的外部多種數(shù)據(jù)，模型化的分析能夠有效防控預(yù)測可預(yù)見的生產(chǎn)風(fēng)險。

內(nèi)部數(shù)據(jù)則主要通過生產(chǎn)作業(yè)管控平臺本身對數(shù)據(jù)進(jìn)行處理分析，包括字段分析、頻次分析等及基本信息、關(guān)聯(lián)合作單位信用信息等相關(guān)信息;內(nèi)外部數(shù)據(jù)是一個聯(lián)合整體，兩者之間存在強(qiáng)關(guān)聯(lián)性，內(nèi)外部的量和整合分析亦是基礎(chǔ)數(shù)據(jù)庫建設(shè)的重點(diǎn)工作。

推進(jìn)安全信用黑名單建設(shè)。針對違章違規(guī)行為、惡意欺詐行為或者存在違規(guī)違章傾向的個人和組織建立預(yù)設(shè)性黑名單和負(fù)面清單，劃分相應(yīng)等級。具體而言，近期曾有過違規(guī)違章行為的個人和組織劃分進(jìn)“黑名單”，根據(jù)情況程度的輕重，對于那些存在違規(guī)違章行為但是影響較小的個人或組織劃分進(jìn)“負(fù)面清單”。一般情況下，黑名單的用戶數(shù)量小于負(fù)面清單，黑名單和負(fù)面清單根據(jù)電網(wǎng)作業(yè)生產(chǎn)管理需要進(jìn)行調(diào)整，可控性和可調(diào)整性較強(qiáng)，且未來可考慮與其他內(nèi)部部室單位、外部機(jī)構(gòu)在法律允許的范圍下進(jìn)行實(shí)時共享互換。

強(qiáng)化安全信用風(fēng)險防范?？商岣邔ν獠繑?shù)據(jù)的利用，將其他平臺或組織收集到的關(guān)于用戶信用評價機(jī)制的信息進(jìn)行整合，納入到生產(chǎn)作業(yè)管控平臺的安全風(fēng)險審核控制機(jī)制中，實(shí)現(xiàn)對黑名單中的個人或組織快速識別，以事先對個人或組織的安全信用風(fēng)險進(jìn)行預(yù)見，乃至延緩、阻止、拒絕安全信用不佳的個人或組織開展生產(chǎn)作業(yè)活動，有效規(guī)避安全生產(chǎn)事故。