1評價數據采集分析處理原則
　　
　　安全評價資料、數據采集是進行安全評價必要的關鍵性基礎工作。預評價與驗收評價資料以可行性研究報告及設計文件為主，同時要求下列資料：可類比的安全衛(wèi)生技術資料、監(jiān)測數據，適用的法規(guī)、標準、規(guī)范、安全衛(wèi)生設施及其運行效果，安全衛(wèi)生的管理及其運行情況，安全、衛(wèi)生、消防組織機構情況等。
　　安全現狀評價所需資料要比預評價與驗收評價復雜得多，它重點要求廠方提供反映現實運行狀況的各種資料與數據，而這類資料、數據往往由生產一線的車間人員、設備管理部門、安全、衛(wèi)生、消防管理部門、技術檢測部門等分別掌握，有些甚至還需要財務部門提供。表1是針對化工行業(yè)安全評價列出的“安全評價所需資料一覽表”，可作為評價所需資料的參考。
　　
　　
　　對安全評價資料、數據采集處理方面，應遵循以下原則：首先應保證滿足評價的全面、客觀、具體、準確的要求；其次應盡量避免不必要的資料索取，以免給企業(yè)帶來不必要的負擔。根據這一原則，參考國外評價資料要求，結合我國對各類安全評價的各項要求，各階段安全評價資料、數據應滿足的一般要求見表2。
　　
　　
　　2評價數據的分析處理
　　
　　1)數據收集
　　數據收集是進行安全評價最關鍵的基礎工作。所收集的數據要以滿足安全評價需要為前提。由于相關數據可能分別掌握在管理部門(設備、安全、衛(wèi)生、消防、人事、勞動工資、財務等)、檢測部門(質量科、技術科)以及生產車間，因此，數據收集時要做好協調工作，盡量使收集到的數據全面、客觀、具體、準確。
　　
　　2)數據范圍
　　收集數據的范圍以已確定的評價邊界為限，兼顧與評價項目相聯系的接口。如：對改造項目進行評價時，動力系統不屬于改造范圍，但動力系統的變化會導致所評價系統的變化，因此，數據收集應該將動力系統的數據包括在內。
　　
　　3)數據內容
　　安全評價要求提供的數據內容一般分為：人力與管理數據、設備與設施數據、物料與材料數據、方法與工藝數據、環(huán)境與場所數據。
　　
　　4)數據來源
　　被評價單位提供的設計文件(可行性研究報告或初步設計)、生產系統實際運行狀況和管理文件等；其他法定單位測量、檢測、檢驗、鑒定、檢定、判定或評價的結果或結論等；評價機構或其委托檢測單位，通過對被評價項目或可類比項目實地檢查、檢測、檢驗得到的相關數據，以及通過調查、取證得到的安全技術和管理數據；相關的法律法規(guī)、相關的標準規(guī)范、相關的事故案例、相關的材料或物性數據、相關的救援知識。
　　
　　5)數據的真實性和有效性控制
　　對收集到的安全評價資料數據，應關注以下幾個方面：
　　收集的資料數據，要對其真實性和可信度進行評估，必要時可要求資料提供方書面說明資料來源；對用作類比推理的資料要注意類比雙方的相關程度和資料獲得的條件；代表性不強的資料(未按隨機原則獲取的資料)不能用于評價；安全評價引用反映現狀的資料必須在數據有效期限內。
　　
　　6)數據匯總及數理統計
　　通過現場檢查、檢測、檢驗及訪問，得到大量數據資料，首先應將數據資料分類匯總，再對數據進行處理，保證其真實性、有效性和代表性，必要時可進行復測，經數理統計將數據整理成可以與相關標準比對的格式，采用能說明實際問題的評價方法，得出評價結果。
　　
　　7)數據分類
　　定性檢查結果，如：符合、不符合、無此項或文字說明等；定量檢測結果，如：20mg／m3、30mA、88dB(A)、0．8MPa等帶量綱的數據；匯總數據，如：起重機械30臺／套，職工安全培訓率89％等計數或比例數據；檢查記錄，如：易燃易爆物品儲量12t、防爆電器合格證編號等；照片、錄像，如：法蘭間采用四氟乙烯墊片、反應釜設有防爆片和安全閥、將器具放入沖壓機光電感應器生效連鎖切斷電源等用錄像記錄安全裝置試驗結果。特別是制作評價報告電子版本時，圖像數據更為直觀，效果更好；其他數據類型，如：連續(xù)波形對比數據、數據分布、線性回歸、控制圖等，圖表數據。
　　
　　8)數據結構(格式)
　　匯總類，如：廠內車輛取證情況匯總、特種作業(yè)人員取證匯總；檢查表類，如：安全色與安全標志檢查表；定量數據消除量綱加權變成指數進行分級評價，如：有毒作業(yè)分級；定性數據通過因子加權賦值變成指數進行分級評價，如：機械工廠安全評價；引用類，如：引用其他法定檢測機構“專項檢測、檢驗”的數據；其他數據格式，如：集合、關系、函數、矩陣、樹(林、二叉樹)、圖(有向圖、串)、形式語言(群、環(huán))、偏集和格、邏輯表達式、卡諾圖等。
　　
　　9)數據處理
　　在安全檢測檢驗中，通常用隨機抽取的樣本來推斷總體。為了使樣本的性質充分反映總體的性質，在樣本的選取上遵循隨機化原則：樣本各個體選取要具有代表性，不得任意刪留；樣本各個體選取必須是獨立的，各次選取的結果互不影響。
　　若采用了無效或無代表性的數據，會造成檢查、檢測結果錯誤，得出不符合實際情況的評價結論。對獲得的數據在使用之前，要進行數據處理，消除或減弱不正常數據對檢測結果的影響。在處理數據時常注意以下幾種數據特性。
　　(1)概率。隨機事件在若干次觀測中出現的次數叫頻數，頻數與總觀測次數之比叫頻率。當檢測次數逐漸增多時，某一檢測數據出現的頻率總是趨近某一常數，此常數能表示現場出現此檢測數據的可能性，這就是概率。在概率論中，把事件發(fā)生可能性的數稱為概率。在實際工作中，我們常以頻率近似地代替概率。
　　(2)顯著性差異。概率在0～1的范圍內波動。當概率為1時，此事件必然發(fā)生；當概率為0時，此事件必然不發(fā)生。數理統計中習慣上認為概率P≤0．05為小概率，并以此作為事物間差別有無顯著性的界限。
　　原設定的系統，若系統之間無顯著性差異(通過顯著性檢驗確定)，就可將其合并，采用相同的安全技術措施；若系統之間存在顯著性差異，就應分別對待。
　　數據整理和加工有3種基本形式：按一定要求將原始數據進行分組，作出各種統計表及統計圖；將原始數據由小到大順序排列，從而由原始數列得到遞增數列；按照統計推斷的要求將原始數據歸納為一個或幾個數字特征。
　　
　　10)“異常值”和“未檢出”的處理
　　(1)“異常值”的處理。異常值是指現場檢測或實驗室分析結果中偏離其他數據很遠的個別極端值，極端值的存在導致數據分布范圍拉寬。當發(fā)現極端值與實際情況明顯不符時，首先要在檢測條件中直接查找可能造成干擾的因素，以便使極端值的存在得到解釋，并加以修正。若發(fā)現極端值屬外來影響造成則應舍去；若查不出產生極端值的原因時，應對極端值進行判定再決定取舍。
　　對極端值有許多處理方法。在這里介紹一種“Q值檢驗法”。
　　“Q值檢驗法”是迪克森(W．J．Dixon)在1951年專為分析化學中少量觀測次數(n<10)提出的一種簡易判據式。檢驗時將數據從小到大依次排列：X1，X2，X3，…，Xn-1，Xn，然后將極端值代入以下公式求出Q值，將Q值對照表3的Q0．90，若Q值≥Q0．90則有90％的置信此極端值應被舍去。
　　式中及——極端值與鄰近值間的偏差；
　　——全距。
　　
　　
　　例：現場儀器測在同一點上4次測出：0．1014，0．1012，0．1025，0．1016，其中0．1025與其他數值差距較大，是否應該舍去?
　　根據“Q值檢驗法”：
　　(4次觀測的Q0．90=0．76)
　　所以，0．1025不能舍棄，測出結果應用4次觀測均值0．1017。
　　(2)“未檢出”的處理。在檢測上，有時因采樣設備和分析方法不夠精密，會出現一些小于分析方法“檢出限”的數據，在報告中稱為“未檢出”。這些“未檢出”并不是真正的零值，而是處于“零值”與“檢出限”之間的值，用“0”來代替不合理(可造成統計結果偏低)?！拔礄z出”的處理在實際工作中可用兩種方法進行處理：將“未檢出”按標準的1／10加入統計整理；將“未檢出”按分析方法“最低檢出限”的1／2加入統計?？傊诮y計分組時不要輕易將“未檢出”舍掉。
　　(3)檢測數據質量控制。檢測質量控制經常采用兩種控制方式來保證獲得數據的正確性：一是用線性回歸方法對原制作的“標準曲線”進行復核；二是核對精密度和準確度。
　　記錄精密度和準確度最簡便的方法是制作“休哈特控制圖”，通過控制圖可以看出檢測、檢驗是否在控制之中，有利于觀察正、負偏差的發(fā)展趨勢，及時發(fā)現異常，找出原因，采取措施。
　　(4)安全評價的數據處理。收集到的數據要經過篩選和整理，才能用于安全評價。數據要：來源可靠，收集到的數據要經過甄別，舍去不可靠的數據；數據完整，凡安全評價中要使用的數據都應設法收集到；取值合理，評價過程取值帶有一定主觀性，取值正確與否往往影響評價結果。
　　為提高取值準確性可從以下三方面著手：嚴格按技術守則規(guī)定取值；有一定范圍的取值，可采用內插法提高精度；較難把握的取值，可采用向專家咨詢方法，集思廣益來解決。??