摘要：民航业相对于国民经济的其它行业，安全敏感性高。因此，加强民航各专业领域的安全管理，要从尚未造成事故的“小事件”抓起，抓好预防工作。本文选取某国际枢纽机场作为典型案例，对尚未造成事故的“不正常事件”进行详细的历史性分析、季节性规律与安全裕度分析、帕累托分析，通过对该企业安全发展的历史、现状的大数据分析，明确其演化规律性趋势，提出从大数据分析运用、不安全事件特性分析等方面，实时做好安全预警判断和安全裕度分析，进一步从国家政策上做到推广运用到全国各个机场，进一步挖掘其背后深层次数据，以提升整个民航业的安全生产水平，不断延伸各机场供油企业的安全生产周期。 

　　　　一、研究背景 

　　　　民航业对安全生产高度敏感，民航业的社会可接受风险标准要高于国民经济一般行业1～2个数量级。这客观上对民航内各类从业者的安全管理提出了更高的要求，因此，在企业安全生产过程中，要采取更多的“前期预防”的措施和手段，来取代被动的事后“事故管理”，积极主动地采取有效应对措施，将安全防范关口前移到预防阶段，这就是民航业一直强调的“加强不安全事件管理”的重要意义。 

　　　　本文选取国内某国际枢纽机场的供油服务商作为典型案例。该企业主要负责机场航空燃料的仓储、转输、加注和码头卸油等业务，自成立以来连续30年保持了良好的安全记录，是国内最长安全周期的机场保障单位之一。 

　　　　该供油企业将发生的尚未构成“生产安全事故”的非期望事件定义为“不正常事件”，从2007年起持续开展“不正常事件自愿报告活动”，该活动是非惩戒性的自愿报告活动，对于发现典型隐患的还有能获得各种奖励。通过10多年的不懈努力，该活动已成为该企业安全文化的重要组成部分，员工自愿报告的主动性、积极性和及时性不断提高。 

　　　　本文选取“不正常事件”这个指标，从不正常事件的历史规律分析、季节性规律分析、帕累托分析等三个部分，对过去发生的各类事件进行了大数据分析，以研究典型航油企业安全发展的历史、现状，并通过规律性分析探究航油企业未来安全状况的趋势演进、启示。 

　　　　二、不正常事件的发生规律分析（历史性分析） 

　　　　对2007～2017年发生的不正常事件进行了三个维度的分析，包括“不正常事件总量”这个“绝对数”的分析，以及“万吨油不正常事件量”、“万架次不正常事件量”两个“相对数”的分析。 

　　　　通过这三个维度的分析，能够很直观地发现事件发生的历史规律性。 

　　表2-1：2007-2017年不正常事件统计表  （单位：起） 

　　　　（一）不正常事件总量“绝对数”分析 

　　　　2007～2017年，该企业发生的不正常事件总量的实际图形如图2-1红色曲线，紫色点画线为根据这些年记载的不正常事件总量所做的对数拟合趋势线。从不正常事件总量这个绝对数分析，可以发现不正常事件的两次“峰值区”，其余大部分年份不正常事件总量维持在170起/年的总量（有效年平均为170.6起），不正常事件的年均总量都围绕这个数值维持在窄幅震荡区间，安全生产态势较为平稳。 

　　图2-1：2007-2017年不正常事件分析图 

　　　　从图2-1中可以看出，2009年不正常事件的发生数量达到一次小高峰、2015年达到第二次小高峰；而2012年、2017年不正常事件的发生数量较少，属安全形势较好的年份。从2007年至2017年这11年的事件分析来看，不正常事件发生的总体趋势呈现缓慢上升态势。 

　　　　为进一步分析企业的安全生产形势，除去早期记录事件（因为历史越久远，生产现状与现在越有差距，不能反映现在的状态），对2008年至2017年这10年的数字进行散点图分析，拟合出2条较为合理的发生规律曲线，不难发现：不正常事件的总量呈“温和递增”或“窄幅均衡震荡”的趋势。 

　　图2-2：不正常事件总量十年趋势分析图（2008-2017年） 

　　　　（二）不正常事件“相对数”分析 

　　　　不正常事件总量的绝对数在增加，并不一定说明安全形势变糟糕了。它有时候并不能完全客观的反映一个单位的安全生产状态，因为这个单位的业务量有可能不断的发生变化。 

　　　　从“加油量”和“加油架次”这两个能够直接反映生产业务状况的数据出发，引进“万吨油不正常事件量”、“万架次不正常事件量”这两个相对概念，来进行进一步的分析，以期真实的反映该企业的安全生产状况。通过大数据分析，得出了两个非常重要的反应安全生产状况的数据：万吨油不正常事件量2.13起、万架次不正常事件量13.70起。 

　　　　1.万吨油不正常事件分析 

　　　　对该企业2008-2017年万吨油不正常事件进行分析，如图2-3：万吨油不正常事件十年趋势分析图。从图中明显发现这条历史曲线呈现明显的震荡下降趋势。选择10年“万吨油不正常事件量”进行趋势线回归分析，拟合出“万吨油不正常事件量”对数曲线（y=-0.68ln(x)+3.3156），是一条下降趋势逐渐放缓的曲线，说明该企业近十年来安全态势不断向好。 

　　图2-3：万吨油不正常事件十年趋势分析图（2008-2017年） 

　　　　2.万架次不正常事件分析 

　　　　为验证上述规律是否准确，再选择“万架次不正常事件量”这另一个维度进行不正常事件的相对数分析，如图2-4。对“万架次不正常事件量”进行趋势线回归分析，拟合出“万架次不正常事件量”的对数曲线（y=-2.656ln(x)+17.707），这同样是一条下降趋势逐渐放缓的曲线，同样验证了“该企业近十年来安全态势不断向好”的结论。 

　　图2-4：万架次不正常事件十年趋势分析图（2008-2017年） 

　　　　三、安全预警与安全裕度分析（现状分析） 

　　　　（一）不正常事件的季节性规律分析 

　　　　安全生产状况随着生产业务的繁忙程度和气候、节气、节假日等因素呈规律性变化。同样，不正常事件也随着业务状况呈现出季节性变化，通过大数据分析，显而易见：不正常事件发生数量一般呈现“两高两低”规律（如图3-1中红色拟合曲线）。 

　　图3-1：不正常事件季节性统计分析图（2007-2017年） 

　　　　对该企业2017年发生的各类不正常事件，按照月份进行统计分析，不难发现：9-12月份的不正常事件数明显高于其它月份，其中10月份发生了22起不正常事件，达到了当年最高值。 

　　图3-2：2017年不正常事件季节性统计分析图 

　　　　通过2017年不正常事件的分析，并与历史数据进行对比，就能清晰的展现该企业2017年安全生产的真实情况，发现哪些日期和工作环节安全裕度高、哪些日期和工作环节安全风险凸显。 

　　　　（二）2017年供油系统安全裕度分析 

　　　　为客观地展示一年中各个月份的实际安全生产状况，可以对2017年各个月份的不正常事件与十年滚动平均值进行比较分析。也是从“不正常事件总量”、“万吨油不正常事件量”、“万架次不正常事件量”三个维度进行分析。 

　　表3-1：不正常事件逐月统计表 （单位：起） 

　　　　1.不正常事件总量“绝对数”分析 

　　　　将2017年各个月份发生的不正常事件量，与过去10年滚动平均值（2007-2016年）数据进行对比分析。从图3-3可以看出：①2017年不正常事件量走势与历史基准值类似，呈现“两高两低”的规律，总体正常；②2017年4月、9月、10月、11月，不正常事件的发生数量（绝对值）均超过了过去10年的正常合理值，有些异常，其中9-10月大幅超出正常合理值，不正常事件高发，需要作出预警判断。这四个月的异常情况是不是因为生产业务量增加导致的？有待于用更加客观的指标进行进一步的分析。 

　　图3-3：2017年不正常事件量与十年滚动值比较分析图 

　　　　2.不正常事件量“相对数”分析 

　　　　为更真实地反映2017年各个月份安全生产的真实状况，结合生产业务量进行进一步的深入分析，引入“万吨油不正常事件量”、“万架次不正常事件量”进行分析。 

　　　　首先，进行“万吨油不正常事件量（相对数）分析”。把2017年各个月份万吨油不正常事件量与过去10年滚动平均值（2007-2016年）数据进行对比分析，如图3-4所示。从图中可以看出：①2017年万吨油不正常事件量走势与历史基准值类似，呈现“两高两低”的规律；②2017年10月，万吨油不正常事件量略超过近10年的正常合理值，不但是当年的最高值，而且超过了历史最高值，因此2017年10月份安全生产形势值得警惕；③除10月份以外，其它月份事件总量远远低于历史基准值，而且，与上一节“不正常事件总量绝对数分析”的结论不同，4月、9月、11月的指标并未超标（4月、11月的安全裕度还比较高），安全形势平稳。 

　　　　图3-4中绿色填充区域能够清楚地表明：除10月份（红色区域）以外，其它月份安全裕度较高、安全形势平稳（绿色区域为安全裕度值），其中3月份、8月份绿色区域最宽、安全裕度最高。 

　　图3-4：2017年万吨油不正常事件量与十年滚动值比较分析图 

　　　　其次，再引进“万架次不正常事件量（相对数）分析”进行验证。类似地，把2017年各个月份万架次不正常事件量与过去10年滚动平均值（2007-2016年）数据进行对比分析，如图3-5。得出与上一节“万吨油不正常事件量（相对数）分析”类似的结论，同样验证了2017年10月份安全生产形势确实值得警惕，其它月份事件总量远远低于历史基准值，安全形势平稳，从而避免了对2017年4月、9月、11月安全形势的“误判”！ 

　　图3-5：2017年万架次不正常事件量与十年滚动值比较分析图 

　　　　四、帕累托（Pareto）分析 

　　　　2007-2017年的11年间，该企业累计计发生不正常事件1734起，其中机坪831起、油库204起、航空加油站163起、码头167起、输油管线130起、工程建设99起。将该企业2007-2017年11年的不正常事件按照发生地点（机坪、油库、航空加油站、码头、输油管线、工程建设、其他等7个方面）进行分类统计分析，作出折线分析图（如图4-1）。从图中可以看出，每一年机坪发生的不正常事件都相对较多且事件总量不断攀升，这一趋势在2015年达到历史峰值。这说明：对于航油企业来说，机坪安全生产压力始终最大。过去11年间，机坪发生的不正常事件平均占比48%。 

　　图4-1：不正常事件分类统计分析（2007-2017年） 

　　　　帕累托（Pareto）分析是安全决策管理的重要手段，它能明确的区分安全管理中“关键的少数”和“不重要的多数”，这样才能更好地抓住工作重点，集中精力解决突出矛盾。 

　　　　通过数据分类，将2007-2017年该企业发生的所有不正常事件，作出帕累托图进行分析（如图4-2所示）。按照不正常事件占比多少，将累计百分比0～80%、80%～90%、90%～100%分别对应分成A类、B类、C类三个层次。从中发现：（1）机坪、油库、码头、航空加油站发生不正常事件数量的占到了总量的约80%，属关键因素（A类），这是该企业安全管理的最重要的关注点；（2）输油管线、工程建设发生不正常事件数量的占到了总量的10%左右，属该企业重要影响因素（B类）；（3）其它类的不正常事件属一般因素（C类）。 

　　图4-2：不正常事件帕累托分析图（2007-2017年） 

　　　　五、结语 

　　　　（一）正确认识和对待“不正常事件” 

　　　　在日常安全管理中，要树立“允许出错”，允许“出小毛病”的理念。允许出现“小的问题”，通过改进提高来避免“事故”的发生。深入开展“不正常事件”分析和调查的最终目的，是识别系统的安全缺陷，找出安全隐患，而不是责备。因此，在进行“不正常事件”分析时，了解“为什么发生”比确定“是谁干的”要重要得多。把系统缺陷消除掉，要比解雇某些臆想的“不合格”的员工，更能有效地改进安全工作。因此，创造有利条件，使员工能够自愿地报告“异常事件”，这非常必要，本文中该供油服务商持续开展的“不安全事件自愿报告制度”就是一个很好的实践。 

　　　　（二）深入研究民航加油大数据意义深远 

　　　　做好不正常事件的多维度大数据分析，是一件非常具有挑战性、非常需要付出大智慧，需要通过扎实的业务基本功并付诸努力毅力才能完成的事情。本文从某机场供油企业连续11年、132个月的安全生产数据出发，对涉及138万架次飞机、895万吨航空油料、1734起不正常事件进行了分类分析，花费了很大精力，但是限于业务数据和有关具体事件的记录局限，也因时间仓促，不能更深入更细致地挖掘事件深层次原因，对1734起不正常事件的“帕累托分析”仅停留在较为宽泛的“大类”分类，未能具体到更为细致的“事件致因”，但数据的深层次价值还有待挖掘。本文权当抛砖引玉，期待读者或者更高层面的组织或机构，能够对这些“珍贵”的数据做更深入的研究分析，建立“不正常事件安全实时信息管理系统”，并通过安全信息的实时数据做好实时“安全形势分析”，做出安全预警判断，提升企业安全运行裕度。 

　　　　（三）发挥国内供油模式优势，不断总结提升 

　　　　我国国内航油供油模式和保障体系相对统一，创造了很好的安全记录，为保障国家航油供油安全，特别是面临大灾大难的勇于担当做出了卓越的贡献。与此同时，统一的航油供油模式和保障体系，使得全国238个运输机场能够提供更多更有价值的大数据来源，这是国外无法比拟的。建议民航业有关研究机构或科研院所，通过进一步的深入研究，进一步挖掘航油供油企业大数据，为民航强国和交通强国提供坚实的工作保障。 

　　　　（四）加强信息分析共享，做好典型做法的推广运用 

　　　　“不正常事件自愿报告分析”作为一种典型的“超前预防”的良好实践，为全国各个机场供油安全管理提供很好的借鉴意义。目前，一些机场已经在推广学习该企业的典型做法，学习交流活动，促进了各个机场“不正常事件自愿报告系统”、“一人一车制加油模式”、“三到四确认”加油体系的推广运用，获得了不错的现实意义。（作者：王胜江 中国航空油料集团有限公司）  

　　参考文献： 

　　　　[1] 李敬, 何珮. 中国民航行业可接受的安全水平研究[J]. 中国安全生产科学技术, 2010(05):139-144. 

　　　　[2] 国家安全生产监督管理总局. 危险化学品生产、储存装置个人可接受风险标准和社会可接受风险标准（试行）[S]. 2014. 

　　　　[3] 高建明, 王喜奎, 曾明荣. 个人风险和社会风险可接受标准研究进展及启示[J]. 中国安全生产科学技术, 2007(03):31-36. 

　　　　[4] 尚志海, 刘希林. 国外可接受风险标准研究综述[J]. 世界地理研究, 2010(03):74-82. 

　　　　[5] 黄廷胜，王逢香. 安全风险处在最低合理可行状态(ALARP)的验证[J]. 安全、健康和环境, 2008(7):7-9. 

　　　　[6] 国家质量监督检验检疫总局. 国民经济行业分类[S]. GB/T4754-2017. 2017. 

　　　　[7] 国家质量监督检验检疫总局. 生产过程危险和有害因素分类与代码[S]. GB13861-2009. 2009. 

　　　　[8] 中国民用航空局. 民用航空安全信息管理规定[Z]. 交通运输部令2016年第8号. 2016.03. 

　　　　[9] 民航局空管办. 民航空管运行不正常事件报告程序[Z]. 2009.05. 

　　　　[10] 中国民用航空局航空安全办公室. 民航不安全事件信息填报规范[S]. AC-396-AS-2009-03. 2009.07. 

　　　　[11] 中国民用航空局. 民用航空器事故征候[S]. MH/T2001-2018. 2018. 

　　　　[12] 王衍洋, 李敬, 曹义华. 中国民航安全评价方法研究[J]. 中国安全生产科学技术, 2008, 4(5):111-113. 

　　　　[13] 中国民用航空局航空安全办公室, 中国民航科学技术研究院. 中国民用航空安全信息统计分析报告（2019年）[Ｒ]. 2020. 

　　　　[14] 中国民用航空局航空安全办公室. 民航生产经营单位安全绩效管理指导手册[Z]. MD-AS-2017-01. 2017.