安全评价资料、数据采集分析处理原则及方法

【#文档大全网# 导语】以下是®文档大全网的小编为您整理的《安全评价资料、数据采集分析处理原则及方法》，欢迎阅读！



安全评价资料、数据采集分析处理原则及方法



1评价数据采集分析处理原则

安全评价资料、数据采集是进行安全评价必要的关键性基础工作。预评价与验收评价资料以可行性研究报告及设计文件为主，同时要求下列资料：可类比的安全卫生技术资料、监测数据，适用的法规、标准、规范、安全卫生设施及其运行效果，安全卫生的管理及其运行情况，安全、卫生、消防组织机构情况等。

安全现状评价所需资料要比预评价与验收评价复杂得多，它重点要求厂方提供反映现实运行状况的各种资料与数据，而这类资料、数据往往由生产一线的车间人员、设备管理部门、安全、卫生、消防管理部门、技术检测部门等分别掌握，有些甚至还需要财务部门提供。表1是针对化工行业安全评价列出的“安全评价所需资料一览表”，可作为评价所需资料的参考。

对安全评价资料、数据采集处理方面，应遵循以下原则：首先应保证满足评价的全面、客观、具体、准确的要求；其次应尽量避免不必要的资料索取，以免给企业带来不必要的负担。根据这一原则，参考国外评价资料要求，结合我国对各类安全评价的各项要求，各阶段安全评价资料、数据应满足的一般要求见表2。

2评价数据的分析处理

1)数据收集

数据收集是进行安全评价最关键的基础工作。所收集的数据要以满足安全评价需要为前提。由于相关数据可能分别掌握在管理部门(设备、安全、卫生、消防、人事、劳动工资、财务等)、检测部门(质量科、技术科)以及生产车间，因此，数据收集时要做好协调工作，尽量使收集到的数据全面、客观、具体、准确。

2)数据范围

收集数据的范围以已确定的评价边界为限，兼顾与评价项目相联系的接口。如：对改造项目进行评价时，动力系统不属于改造范围，但动力系统的变化会导致所评价系统的变化，因此，数据收集应该将动力系统的数据包括在内。

3)数据内容

安全评价要求提供的数据内容一般分为：人力与管理数据、设备与设施数据、物料与材料数据、方法与工艺数据、环境与场所数据。

4)数据来源

被评价单位提供的设计文件(可行性研究报告或初步设计)、生产系统实际运行状况和管理文件等；其他法定单位测量、检测、检验、鉴定、检定、判定或评价的结果或结论等；评价机构或其委托检测单位，通过对被评价项目或可类比项目实地检查、检测、检验得到的相关数据，以及通过调查、取证得到的安全技术和管理数据；相关的法律法规、相关的标准规






范、相关的事故案例、相关的材料或物性数据、相关的救援知识。

5)数据的真实性和有效性控制

对收集到的安全评价资料数据，应关注以下几个方面： 收集的资料数据，要对其真实性和可信度进行评估，必要时可要求资料提供方书面说明资料来源；对用作类比推理的资料要注意类比双方的相关程度和资料获得的条件；代表性不强的资料(未按随机原则获取的资料)不能用于评价；安全评价引用反映现状的资料必须在数据有效期限内。

6)数据汇总及数理统计

通过现场检查、检测、检验及访问，得到大量数据资料，首先应将数据资料分类汇总，再对数据进行处理，保证其真实性、有效性和代表性，必要时可进行复测，经数理统计将数据整理成可以与相关标准比对的格式，采用能说明实际问题的评价方法，得出评价结果。

7)数据分类

定性检查结果，如：符合、不符合、无此项或文字说明等；定量检测结果，如：20mg／m3、30mA、88dB(A)、0．8MPa等带量纲的数据；汇总数据，如：起重机械30台／套，职工安全培训率89％等计数或比例数据；检查记录，如：易燃易爆物品储量12t、防爆电器合格证编号等；照片、录像，如：法兰间采用四氟乙烯垫片、反应釜设有防爆片和安全阀、将器具放入冲压机光电感应器生效连锁切断电源等用录像记录安全装置试验结果。特别是制作评价报告电子版本时，图像数据更为直观，效果更好；其他数据类型，如：连续波形对比数据、数据分布、线性回归、控制图等，图表数据。

8)数据结构(格式)

汇总类，如：厂内车辆取证情况汇总、特种作业人员取证汇总；检查表类，如：安全色与安全标志检查表；定量数据消除量纲加权变成指数进行分级评价，如：有毒作业分级；定性数据通过因子加权赋值变成指数进行分级评价，如：机械工厂安全评价；引用类，如：引用其他法定检测机构“专项检测、检验”的数据；其他数据格式，如：集合、关系、函数、矩阵、树(林、二叉树)、图(有向图、串)、形式语言(群、环)、偏集和格、逻辑表达式、卡诺图等。

9)数据处理

在安全检测检验中，通常用随机抽取的样本来推断总体。为了使样本的性质充分反映总体的性质，在样本的选取上遵循随机化原则：样本各个体选取要具有代表性，不得任意删留；样本各个体选取必须是独立的，各次选取的结果互不影响。

若采用了无效或无代表性的数据，会造成检查、检测结果错误，得出不符合实际情况的评价结论。对获得的数据在使用之前，要进行数据处理，消除或减弱不正常数据对检测结果的影响。在处理数据时常注意以下几种数据特性。

(1)概率。随机事件在若干次观测中出现的次数叫频数，频数与总观测次数之比叫频率。当检测次数逐渐增多时，某一检测数据出现的频率总是趋近某一常数，此常数能表示现场出现此检测数据的可能性，这就是概率。在概率论中，把事件发生可能性的数称为概率。在实际工作中，我们常以频率近似地代替概率。

(2)显著性差异。概率在0～1的范围内波动。当概率为1时，此事件必然发生；当概率为0时，此事件必然不发生。数理统计中习惯上认为概率P≤0．05为小概率，并以此作为

本文来源：https://www.wddqxz.cn/34707f91094c2e3f5727a5e9856a561253d32146.html