采矿机械操作员工作场所安全绩效影响因素分类：集成PLS-SEM、TOPSIS-SORT和kNN框架

《Safety Science》：Classification of influential factors on mining machinery operators’ workplace safety performance: integrated PLS-SEM, TOPSIS-SORT and kNN framework

　　

•本文提出了一种用于采矿安全的混合 PLS-SEM–TOPSIS-SORT–kNN 框架。•组织因素和人为因素显著影响安全满意度。•技术因素对操作人员的安全满意度没有显著影响。•大约70%的采矿工作场所属于较低的安全满意度类别。•kNN算法根据受伤历史对操作人员进行分类，平衡准确率为0.650（p = 0.017）。

**引言**

尽管在改善采矿作业条件和降低风险方面已做了大量工作（Boudreau-Trudel等，2014；McNinch等，2019），但矿业的安全管理仍然是一项挑战。许多尚未解决的工效学问题导致了人为错误，而且采矿机械设备现场经理和操作人员对工作不满这一事实显而易见（Spasojevi?等，2022；Milo?evi?等，2025）。管理者与研究者仍然必须调查那些始终导致危险行为、引发采矿设备技术问题并危及工人健康安全的要素。此外，工业4.0在加速发展的同时，既被公认为工业发展的关键驱动力，也引发了一系列争议。这些争议主要体现在员工的恐惧以及组织沟通不畅上，导致对相关流程数字化产生了强烈反对。在工业5.0概念的背景下，这些状况正在推动现代工业活动从数字化时代向后数字化时代转型。因此，后数字流程既关注数字化，也同等关注工人对工作环境的感知以及公司整体的绩效表现（McNinch等，2019；Spasojevi? Brki?和Mihajlovi?，2024）。

采矿作业中的职业安全与健康管理工作，首先必须侧重于技术方面，即机器和设备，以确保工作场所的安全。然而，除这些技术因素外，还有许多与组织因素和安全氛围相关的要素影响着工作场所安全，这一点已由Spasojevi?等（2022）和Milo?evi?等（2025）通过推论统计和结构方程建模（SEM）予以证实。Wang等人（Spasojevi? Brki?和Mihajlovi?，2024）在其对矿工不安全行为的分析中确认，政府监管、管理层、安全准入门槛以及内建安全系统等要素，对安全的影响可能远大于技术因素。近年来，可持续性已成为企业和研究领域的当务之急，矿业也不例外。对可持续性的追求促使决策者将员工需求纳入长期考量，同时兼顾社会经济与环境绩效（Lin等，2021）。Sakinala等（2024）也强调了职业健康与安全对于实现采矿作业生产力和可持续性的重要性，并指出了操作人员可能面临的事故、伤害和肌肉骨骼疾病等风险。

为应对这些挑战并实现可持续的矿业发展，需要有效的决策流程来优化资源配置、提升运营效率和安全水平。据Mohammadi等（2019）所述，矿业决策流程涉及经济、社会、环境、岩土、技术和安全等多种因素。由于问题具有多准则特性，多准则决策方法（MCDMs）已被用作矿业中有效的决策支持工具。最近，Pouresmaieli等人（Pouresmaieli等，2024）对MCDMs及其在矿业中的应用进行了详细综述。他们的计量学分析涵盖了1579篇研究论文，揭示了在矿业中使用MCDMs的一个重要趋势。此外，作者强调2019年是该研究领域的转折点，相关发表数量大幅增加，特别是应用混合MCDM方法的论文。

文献中已提出许多评估和排序MCDM方法，以帮助矿业企业实现职业安全评估（Khrais等，2024；Ye等，2023；Fan等，2022）。Shikha和Sharad（2016）详细介绍了矿业中使用的数值风险评估方法。Su等（2023）提出了一种混合MCDM方法，引入蒙特卡洛模拟技术来优化AHP方法中的准则权重。此外，同一研究团队还使用了基于理想解的相似度排序法（TOPSIS）来构建安全评估模型。Bogdanovi?等（2016）使用PROMETHEE V方法对工作场所的工作条件进行排序。根据结果，作者确定了塞尔维亚博尔市露天铜矿中最危险的工作场所清单。Mahdevari等（2014）提出了一种模糊TOPSIS方法，用于评估和排序影响矿工健康安全的86项风险。结果表明存在12个不同的风险组，从高到低依次为最高风险隐患到最低风险隐患。Li等（2022）建立了一个综合评估模型，结合了模糊层次分析法（FAHP）、熵权法（EWM）、反向传播神经网络（BP-NN）、FAHP博弈论和TOPSIS方法，用于分析影响煤矿安全的各种因素。另一项在土耳其开展的研究（Yilmaz和Alp，2016）通过评估导致工作事故的因素，发现建筑行业是工作场所安全方面风险最高的行业，其次是煤矿行业。此外，模糊TOPSIS影响评分表明，"员工参与度不足"是煤矿行业最重要的事故预防因素，其次是"教育培训不足"和"维护不足"准则。

近年来，MADM方法在煤矿安全风险评估中的应用日益广泛，这得益于其透明的结构和易于解释的特点。与此同时，将MADM与机器学习相结合的混合框架应运而生，提供了更加客观和具有预测性的评估，同时支持采矿环境中更加有效的安全相关决策（Lu等，2026；Lu等，2025；Lu等，2025）。Lu等（2026）开发了一种知识–数据–结构混合驱动的煤与瓦斯突出风险评估多特性融合加权模型，整合了知识驱动、基于机器学习的数据驱动和基于复杂网络的结构驱动加权方法，以提高风险评估的准确性和适应性。针对同一灾害但采用不同路径的另一项研究（Lu等，2025）将事故报告文本挖掘和复杂网络分析与灾害机理知识相结合，构建了多层次风险指标体系，随后通过多层次融合建模进行动态风险评估。在更宏观的环境层面，Lu等（2025）提出了一种数据驱动的煤矿环境安全风险评估系统，通过混合加权、灰色聚类和实时风险状态建模，整合专家知识、客观监测数据和主观报告数据，动态评估瓦斯、水害、火灾、顶板和冲击地压风险。尽管这些研究在采矿安全风险的加权、集成和动态评估方面取得了显著进展，但其主要决策任务是风险评估和风险等级判定，而非根据感知的职业安全条件将操作人员工作场所分配到预定义的有序类别中。

鉴于矿业公司面临的各项职业安全挑战，多准则方法是分析采矿机械操作人员工作场所的起点，即使在特定条件下也能为决策者提供清晰的图景。在现有文献中，MCDM主要被用于方案排序和选择（Ishizaka和Nemery，2013；Greco等，2016）。据作者所知，只有少数研究关注MCDM分析领域的分类方法，尤其是在职业安全领域（Lolli等，2014；López和Ishizaka，2017），这也是本文选择该方法的另一个原因。

更具体地说，所审查的研究均未涉及基于操作人员对技术、人为和组织安全条件的感知，将采矿机械工作场所按照预定义的安全满意度类别进行以操作人员为中心的排序。也没有将基于操作人员层面感知数据的实证准则权重与明确的MADM排序程序相结合来实现这一目的。这正是本研究要解决的特定方法论缺口。

尽管机器学习技术近年来取得了进展并被广泛应用，但矿业工作相关伤害的预测模型在实际应用中的使用仍然有限，这主要是因为它们过于复杂，且依赖小样本或碎片化数据集，导致其结果难以推广且难以解释用于安全决策（Ravikumar等，2022）。本文认为，当应用于更大的、结构化的操作人员数据时，这些模型仍然有用，前提是在对类别不平衡具有鲁棒性的评估方案下评价其性能。这一观点在所提出的混合框架中通过使用k近邻（kNN）算法进行了验证，该算法根据受伤历史对操作人员进行分类，不假设变量之间存在固定的函数关系，并以逻辑回归、决策树、支持向量机和随机森林模型作为基准进行对比，所有模型均在相同的交叉验证方案下进行评估。

因此，本研究为填补已有研究缺口，提出了一种新颖的混合SEM-TOPSIS-SORT-kNN框架，旨在改善矿业决策流程。该框架用于检验职业健康与安全因素，并将采矿机械操作人员的工作场所安全评估和分类为预定义的有序类别。因此，本研究旨在回答以下问题：
•哪些职业安全因素会影响采矿机械操作人员的安全满意度？
•如何确定职业安全因素对采矿机械操作人员安全满意度的加权影响？
•如何将采矿操作人员的工作场所分配到描述安全满意度水平的预定义类别中？
•如何根据操作人员报告的安全感知对其受伤历史进行分类？
•在受伤与未受伤操作人员之间存在强烈不平衡的情况下，这种分类的可靠性如何？

以往研究主要关注用于监测职业安全的技术和组织数据，通常依赖专家意见。这些数据通常使用传统定量模型进行分析，包括MCDM方法（Khrais等，2024；Ye等，2023；Fan等，2022；Shikha和Sharad，2016；Su等，2023；Bogdanovi?等，2016；Mahdevari等，2014）。本研究通过聚焦操作人员导向的响应并整合涉及众多安全指标的综合数据集，代表了现有文献的推进。

此外，所提出的混合框架在收集定量评估并将其转化为加权重要性方面较现有MCDM技术有了显著提升。通过在整个模型设计和验证过程中引入大量操作人员参与，所提出的PLS-SEM-MCDM-kNN方法能够实现建模、分类并提高决策准确性。该框架表现出相当的效能，能够支持矿业组织设计更高质量的决策支持系统（DSS）以管理安全绩效。

所提出的框架包含两个互补的分析流。在第一分析流中，使用PLS-SEM估算职业安全因素的相对重要性，所得准则权重随后被纳入TOPSIS-SORT程序中以根据安全满意度对采矿工作场所进行分类。与此同时，第二分析流独立地将k近邻（kNN）算法应用于原始问卷响应数据，以根据受伤历史对操作人员进行分类。因此，PLS-SEM和TOPSIS-SORT分析的输出结果不作为kNN分类器的输入特征。

在本文中，影响安全满意度和绩效的因素指的是直接操作采矿设备的操作人员的感知。矿业公司的安全管理不仅需要全面评估客观指标，还需要考虑操作人员自身的感知。因此，本研究收集了操作人员的意见，然后利用这些意见通过结构方程建模结合多准则决策和机器学习方法来定义影响因素并检验它们对工作场所健康与安全满意度的相关性。本文其余部分组织如下：第2节提供关于所提出的集成SEM-TOPSIS-SORT-kNN框架的必要初步信息。第3节展示新框架的验证和结果。第4节讨论结果。第5节概述研究并提供结论。

**章节摘要**

**理论背景**

本节深入阐述了在矿业中提出混合SEM-TOPSIS-SORT方法框架来评估采矿操作人员职业安全的必要性。将结构方程建模（SEM）结果与MCDM相结合的技术在文献中已有多处应用（Punniyamoorthy等，2011）。

Khaw等人（2024）采用了基于结构方程模型（SEM）、最佳最劣法（BWM）与VIKOR的方法论，分析了各影响因素与样本和数据之间的关联。本研究开发了一份问卷，用于调查采矿设备操作员的安全生产及工作条件方面的意见。数据收集的过程在Milo?evi?等人（2025）的文章中进行了详细说明，共收集了460份回复。另一轮问卷于2025年1月底发放（另发送了一封提醒邮件以提高回复率）。经过数据收集和筛选，以及剔除数据不一致的回复后，本研究共审查了546份回复。讨论部分展示了本研究的结果，为影响采矿机械操作员工作安全满意度和绩效的因素提供了有价值的见解。通过将偏最小二乘结构方程模型（PLS-SEM）方法与TOPSIS-SORT方法相结合，本研究提供了一个结构化的框架，用于评估和分类操作员对工作场所安全的认知。研究结果证实了组织因素和人为因素对安全满意度和绩效的显著影响，而技术因素则未表现出同等程度的影响。结论部分指出，本研究旨在弥合研究空白，观察到尽管采矿行业工人的安全绩效和满意度远非理想——这可能源于影响因素与工作场所安全之间的相互依赖性，而这一关系在此研究之前尚未得到充分探讨。本文的目标是提出一种新型混合框架，用于根据职业风险因素和伤害对各采矿机械工作场所进行分类。作者贡献声明：Martina Peri?i? Joki?：撰写初稿、可视化、资源、方法论、调查研究、概念设计；?or?e Nikoli?：可视化、软件、方法论、调查研究、概念设计；Isidora Milo?evi?：撰写初稿、调查研究、形式分析、概念设计；An?elka Stojanovi?：撰写初稿、调查研究、形式分析、数据管理；Ivan Mihajlovi?：撰写-审稿与编辑、验证、概念设计；Nemanja Janev：资金支持。资助来源：塞尔维亚共和国科学、技术与创新部：合同编号451-03-34/2026-03/200105、451-03-34/2026-03/200131、337-00-216/2023-05/244——SAFECORNER和E!20495 SMARTMEN项目。利益冲突声明：作者声明他们没有已知的竞争性经济利益或个人关系，这些利益或关系可能影响本文所报告的工作。致谢：作者在本研究中使用了SmartPLS软件：Ringle, C.M.; Wende, S.; Becker, J.-M. SmartPLS 4. B?nningstedt: SmartPLS GmbH, 2024. https://www.smartpls.com。Martina Peri?i? Joki?|?or?e Nikoli?|Isidora Milo?evi?|An?elka Stojanovi?|Ivan Mihajlovi?|Nemanja Janev|Vesna Spasojevi? Brki?