基于AHP—TOPSIS的起重设备风险评估方法研究

    唐又红 王志敏 武美萍

    

    

    

    摘 要：利用层次分析法（AHP）和逼近理想点排序法（TOPSIS），建立了起重设备的风险评估模型，依据人员、机器、环境和管理四个评判指标，构造出风险评估的判断矩阵并建立综合评判指标体系。利用AHP法科学地确定各个指标的权重，结合TOPSIS理论方法计算逼近度并计算风险安全等级。通过应用案例表明，基于AHP-TOPSIS的起重设备风险评估的预测结果与实际使用情况相一致。该方法从多种方面考虑了影响风险安全的因素，有效避免了把单因素作为判据的局限性与片面性，且预测结果较科学、准确，能够进一步揭示各因素的影响程度。同时该方法可作为安全风险评估的一种预测方法，也可应用于其他系统工程中。

    关键词：层次分析法；逼近理想解排序法；起重设备；风险评估

    中图分类号：TH215 文献标识码：A

    doi：10.14031/j.cnki.njwx.2019.03.003

    Abstract： The risk assessment model of the lifting equipment was established by using AHP and TOPSIS. The risk - safety - related evaluation indexes were selected from four aspects： person， machine， environment and management. Based on the comprehensive evaluation index system， the AHI method is used to determine the weight of each index， and the AOPSIS theory is used to calculate the approximation degree and calculate the risk and safety level. The application results show that the prediction results of FEMA risk assessment based on AHP-TOPSIS are consistent with the actual use. This method considers the factors that affect the risk and safety from various aspects， which effectively avoids the limitation and one-sidedness of the single factor as the criterion， and makes the prediction result more scientific and accurate， and can further reveal the influence degree of each factor. At the same time， this method can be used as a prediction method of safety risk assessment and can be applied to other systems engineering.

    Keywords： AHP-TOPSIS；lifting equipment；risk evaluation

    0 引言

    據统计，起重设备事故类别有机构失控事故、拆装事故、顶升降节事故、坠物事故、群塔碰撞事故、坠人事故、其他事故七种，如图1所示，为两件常见起重设备事故。 从图2国内外塔机事故案例的事故整体分布 [1-4]可以看出，多数事故发生的原因是：倾翻、顶升降节、安拆等，这其中既有人员和管理层面的影响因素，同时与机器零部件状态和环境因素也密切相关。因此，提出一种全面有效的起重设备风险评估方法是十分有必要的。

    近年来，国内外许多学者和工程师针对起重设备提出了大量的风险评估方法。国内赵鑫等[5]指出目前行业内普遍采用的法定定期检验制度来实现起重机械的安全运行和事故预防很容易造成对一般设备的过度检验和高风险设备的检验不足，并建立了起重机械零部件失效分析数据库，提出了基于Bayes理论的起重机零部件小样本可靠寿命预测方法，对起重机零部件进行定量分析；李波等[6]模糊综合评判数学法对桥式起重机金属结构进行风险评估，进而得到风险度量值；应法明等[7]采用模糊数学方法对门式起重机潜在风险因素（腐蚀、裂纹、强度及变形）导致的金属结构破坏进行风险评估。从主梁和支腿两个角度出发，建立了不同金属结构风险影响因素为子系统的多层次评判系统。国外的Q.Dong等[8]针对再制造起重机臂结构构建了风险评估模型，并依据悬臂结构潜在的失效模式，开发了风险评估系统；B Yu等[9]提出针对FPSO起重机的坠落物体进行风险评估的方法；Li Qi等[10]模拟风险场景并利用有限元时程方法计算结构损伤的程度，再采用“当量法”进行定量的风险评估。

    而近年来，层次分析法[11]（AHP）、BP神经网络[12-13]、灰色优化理论[14-15]、逼近理想点的排序方法[16]（TOPSIS）等在多属性的决策问题中应用广泛，且都取得了不错的效果。其中层次分析法（AHP）是一种多属性问题的层次权重决策分析方法，通过将问题分层递阶，逐级剖析，确定每层及属性的权重。而逼近理想点排序法（TOPSIS）顾名思义是一种通过对有限个评价对象与理想化目标的接近程度进行排序，从而达到寻求最优解的求解方法，其计算过程简便、评估合理，近年来应用较为广泛、灵活。

    综上所述，尽管这些年来国内外专家学者提出的针对起重设备的风险评估方法有很多，但大部分都是针对起重设备的某一零部件或者某些零部件进行研究，很少有人考虑到零部件之外的一些失效因素，比如：人员操作、工作环境、管理制度等。本文综合利用AHP与TOPSIS的方法对起重设备从业人员、机器、环境和管理四个方面进行综合风险安全评估，并结合实例印证模型的科学性、合理性。

    1 AHP方法与原理

    层次分析法（Analytic Hierarchy Process，简称AHP）是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。具体方法和原理如下：

    1.1 构造判断矩阵

    3 实例应用

    3.1 指标体系的构建

    如图3所示，以塔式起重机（又称塔机）为分析案例。影响塔机的安全因素有很多，建立科学的评判体系可以确保评价结果的准确性。在评价指标体系中，定量的参数和定性的参数互相影响、制约，但为了计算方便，尽可能少地选取评判指标来呈现最重要、最全面的信息。

    基于层次分析法建立塔机安全风险评估指标体系，如图4所示，共包含四个准则层：人员指标，分为从业资格、安全意识、应变能力；机器指标，分为起重臂、平衡臂、机身、安全装置；环境指标，分为设备基础、天气状况、安全距离；管理指标，分为管理制度完善性、管理制度可执行性、检修维护。

    综上可知，起重设备的风险安全系数为：F1=51.7%，F2=53.5%，F3=55.3%，F=51.8%，而F∈（F1，F2），根据预测结果判断该起重设备的综合安全系数为51.8%属中等风险等级，其中机器风险最大、人员和管理风险次之、环境风险最小（如图5所示），与实际使用状态相符。这说明了利用AHP-TOPSIS对起重设备的风险评估的评价预测模型是合理且可靠的，此外该种方法过程简单，计算量小，能够鉴别出人员指标、机器指标、环境指标和管理指标等准则层的安全等级，对起重设备做出综合评估，提前预测潜在风险并可提前采取措施把风险降低到最小值或消除潜在风险。

    5 结论

    本文利用AHP方法构建了起重设备风险安全预测评判指标体系，并利用TOPSIS理论，建立了AHP-TOPSIS综合评判模型。通过与起重设备的实例对比分析，验证了AHP-TOPSIS综合评判模型的可靠性。该综合评判模型具有方法简洁、计算方便、预测准确等诸多优点，且能够避免单因素决策的片面性，能够提供准确、全面的判断，同时该模型也可为其他工程领域的风险评估提供参考。

    参考文献：

    [1] 顾迪民， 王怀建， 金光振. 起重机械事故分析和对策[M]. 北京：人民交通出版社，2001：147-188.

    Gu Dimin， Wang Huaijian， Jin Guangzhen. Analysis and countermeasures of crane accidents[M].Beijing： China Communications Press，2001：147-188.

    [2] 田復兴. 起重机械事故案例分析与预防[M]. 北京：中国水利水电出版社，2005，60-121.

    Tian Fuxing. Case analysis and prevention of crane accident[M].Beijing： China Water & Power Press，2005，60-121.

    [3] 杨远程. 地铁施工安全事故分析与评价方法研究[D]. 武汉： 华中科技大学， 2009.

    Yang Yuancheng. Study on analysis and evaluation methods of subway construction safety accidents[D].Wuhan： Huazhong University of Science and Technology，2009.

    [4] 郭寒竹. 起重机械事故统计分析与风险控制[J]. 建筑机械化， 2007， 28（1）： 17-20.

    Guo Hanzhu. Statistical analysis and risk control of crane accidents[J]. Construction Mechanization， 2007， 28（1）： 17-20.

    [5] 赵鑫. 起重机械风险评估方法与预防性检修策略研究[D]. 沈阳：东北大学， 2013.

    Zhao Xin. Study on risk assessment method and preventive maintenance strategy of hoisting machinery [D]. Northeastern University， 2013.

    [6] 李波. 桥式起重机金属结构风险评估及其可靠性分析[D]. 上海：上海交通大学， 2010.

    Li Bo. Risk assessment and reliability analysis of metal structure of bridge crane[D]. Shanghai Jiao Tong University， 2010.

    [7] 应法明， 陈勇鑫， 孙亚良，等. 基于模糊数学方法的门式起重机风险评估研究[J]. 中国特种设备安全， 2014（12）：43-46.

    Ying Faming， Chen Yongxin， Sun Yaliang. Risk assessment of portal crane based on fuzzy mathematics method[J]. Chinese special equipment safety， 2014（12）：43-46.

    [8] Dong Q， Xu G， Ren H. Risk assessment of remanufacturing arm structure for crane based on potential failure mode[J]. Journal of Mechanical Science & Technology， 2015， 29（12）：5345-5357.

    [9] B Yu ， L Sun ， S Li ， X Zhang. The Improved Method of Risk Assessment for Falling Objects from the Crane of FPSO[C]. ASME 2016 35th International Conference on Ocean， Offshore and Arctic Engineering. Busan， Ocean， Offshore and Arctic Engineering Division， 2016.

    [10] Li Qi， Xiang Zhongfu， Liu Changbo. Quantitative Risk Assessment of Deck Crane Falling Based on Scene Simulation[J]. Technology of Highway and Transport， 2018.

    [11] Ho W， Xu X， Dey P K. Multi-criteria decision making approaches for supplier evaluation and selection [J]. European Journal of operational research， 2010， 202（1）： 16-24.

    [12] Elhag T M S， Wang Y M. Risk assessment for bridge maintenance projects： Neural networks versus regression techniques[J]. Journal of computing in civil engineering， 2007， 21（6）： 402-409.

    [13] Jin X H， Zhang G. Modelling optimal risk allocation in PPP projects using artificial neural networks[J]. International journal of project management， 2011， 29（5）： 591-603.

    [14] 孫丽萍， 康济川， 刘子健， 等. 海上风机的模糊关联失效模式及其影响分析[J]. 哈尔滨工程大学学报， 2016， 37（4）： 487-491.

    Sun Liping， Kang Jichuan， Liu Zijian. Fuzzy correlation failure mode of offshore fan and its influence analysis[J]. Journal of Harbin Engineering University， 2016， 37（4）： 487-491.

    [15] Büyükzkan G，ifi G. A novel hybrid MCDM approach based on fuzzy DEMATEL， fuzzy ANP and fuzzy TOPSIS to evaluate green suppliers[J]. Expert Systems with Applications， 2012， 39（3）： 3000-3011.

    [16] Behzadian M， Khanmohammadi Otaghsara S， Yazdani M， et al. A state-of the-art survey of TOPSIS applications[J]. Expert Systems with Applications， 2012， 39（17）：13051-13069.

    Behzadian M， Khanmohammadi Otaghsara S， Yazdani M等，对TOPSIS应用的一项最新调查[J]. 专家系统与应用程序， 2012， 39（17）：13051-13069.

    [17] 许宝田， 阎长虹， 许宏发， 等. 基于模糊理论的软岩弹性模型识别及参数反分析[J]. 岩石力学与工程学报， 2006， 25（11）：2280-2286.

    Xu Baotian， Yan Changhong， Xu Hongfa. Soft rock elastic model identification and parameter inverse analysis based on fuzzy theory[J]. chinese journal of rock mechanics and engineering， 2006， 25（11）：2280-2286.

    [18] 洪惠坤， 廖和平， 魏朝富， 等. 基于改进 TOPSIS 方法的三峡库区生态敏感区土地利用系统健康评价[J]. 生态学报， 2015， 35（24）： 8016-8027.

    Hong Huikun， Liao Heping， Wei Chaofu. Health assessment of land use system in ecological sensitive area of three gorges reservoir area based on improved TOPSIS method[J]. Acta Ecologica Sinica， 2015， 35（24）： 8016-8027.