评价即为定级。评价标准更多是无数企业基础数据调查的结果,通过科学的方法总结、实证而来。在风险评价方面,其核心思想是各种可能性与后果的乘积,等同于数学中期望的概念。离散型随机变量的一切可能的取值xi与对应的概率Pi（=xi）之积的和称为该离散型随机变量的数学期望（假设级数绝对收敛）,记为E（x）。数学期望是最基本的数学特征之一,它反映了随机变量平均取值的大小,又称期望或均值。在经济学中,一个人投资了100元,想要获得收益（假设没有时间收益）,回报200元的概率是0.5,回报50元的概率是0.5,那么这个项目的期望值就是200*0.5+50*0.5=125元,那这种项目就可以投资。在生产领域内,回报多少类同于损害事故的大小,概率等同于事件发生的概率、可能性,那么风险的大小就可以得以判定了。

（一）理论

如果把每种风险都看作与特定损失对应的概率分布,那么评价风险的大小就是要对这些概率分布排列顺序,用数值的大小来代表其顺序即为风险度。而风险度的评价方法就是指风险管理部门对风险事故造成故障的频率或者损害的严重程度来进行评估。风险度评价可以分为风险事故发生频率评价和风险事故造成损害程度评价,此方法更多应用于对人身伤害事故和职业病的评估。

风险度分析法（简称MES）,是指控制措施的状态M对于特定危害引起的特定事故分析,一种是更多强调环境或状态下的有效评估。

1.控制措施的状态,见表4-2。

表4-2　控制措施的状态（M）判定准则

2.人体暴露于危险状态或危险状态出现的频繁程度（E）,见表4-3。

表4-3　人体暴露于危险状态的频繁程度或危险状态出现的频次（E）判定准则

续表

注:8h不离工作岗位,算连续暴露,危险装车常存算常态。

8h内暴露一至几次,算每天工作时间暴露,危险状态出现一至几次,算每天工作时间出现。

3.事故的可能后果严重性（S）,见表4-4。

表4-4　事故的可能后果严重性（S）判定准则

风险程度R是控制措施的状态M乘以暴露的频繁程度E（E1或E2）,一旦发生事故会造成的损失后果S的乘积。针对特定的作业条件下,取值,然后将R值分为5个等级,见表4-5。

表4-5　风险程度的分级判定准则（R）

（一）理论

风险矩阵（risk matrix）是用于识别风险和对其进行优先排序的有效工具。风险矩阵可以直观地显示组织风险的分布情况,有助于管理者确定风险管理的关键控制点和风险应对方案。一旦组织的风险被识别,就可以依据其对组织目标的影响程度和仿生的可能性等维度来挥之风险矩阵。

风险矩阵简称“LS”,R=L·S,其中R是风险值,是指事故发生的可能性与事件后果的结合;L是事故发生的可能性;S是事故后果严重性。R值越大,说明危险性大,风险也大。风险矩阵通常作为一种筛查工具用来对风险进行排序,根据其在矩阵中所处的区域,确定哪些风险需要更细致的分析,或是应首先处理哪些风险。风险矩阵也可以用于帮助在全组织内沟通对风险等级的共同理解。设定风险等级的方法和辅助他们的决策规则应当与企业或组织的风险偏好一致。

1.事故发生的可能性,见表4-6。

表4-6　事故发生的可能性（L）判定准则

续表

2.事故后果的严重性,见表4-7。

表4-7　事件后果严重性（S）判定准则

(www.daowen.com)

3.安全风险等级判定准则,见表4-8。

表4-8　安全风险等级判定准则（R）及控制措施

（二）企业实践

企业通常使用风险矩阵法来表达某项工序的风险值大小,此方法简便,易于使用,直观了然。领导层通过对风险矩阵的数据直观了解,获得对安全风险分级管控的初步理解。

　　　　　-

（一）理论

均值-方差模型（mean-variance model）是组合投资理论研究和实际应用的基础,由美国经济学家马科维茨（Markowitz）提出,因此又称为Markowitz模型。证券及其他风险资产的投资者面对着2个核心问题,即预期收益与风险,他们期望尽可能高的收益率和尽可能低的不确定性。该方法常用于实际的证券投资和资产组合决策,这种模型通过数理方法描绘出资产组合选择的最基本、最完整的框架,是目前投资理论和投资实践的主流方法。

（二）企业实践

均值-方差模型大多用于财务分析,在综合数据库法下,该模型用于对风险值的数理分析。对风险值的数理分析,可以直观地了解企业风险管理水平和企业风险分布特征。综合数据库法下的风险值评价多用此模型对数据进行处理。

（一）理论

熵是法国科学家克劳修斯（Rudolf Clausius）提出的。克劳修斯提出了热力学第二定律,即不可能使热量从低温物体传向高温物体而不引起其他变化,之后他完善了热力学量化问题,引进了一个状态函数-熵。具体而言,当一个系统从状态s1经过一个不可逆过程变为s2,引起系统的熵Δs=s2-s1。

数学表达式为

不等号对应于不可逆过程。由于孤立系统中发生的任何过程都是不可逆过程,因此都是熵增加的过程,这就是著名的“熵增原理”。奥地利物理学家玻尔兹曼在研究气体分子运动的过程中,对熵做出了统计解释。熵的本质含义是:熵是一个系统无序或不确定性的度量。凡是所研究的对象或系统的组成要素之间的关系具有随机不确定性或表现形式是混乱无序的,都可以用熵理论加以描述和研究。世界就是不同随机事件的集合,每一种随机事件都具有相应的不确定性和无序性。这种不确定性可以是系统组成要素之间的无规则联系与转化的程度,也可以是客观事件之间的不确定性联系与转化的程度,还可以是事件本身的不确定性。

（二）企业实践

风险具有不确定性,熵则是不确定性的度量,因此风险和熵可结合。企业在运用熵原理时更多地集中在时某种方案的指标评价,在企业的安全管理中还未有涉及。在综合数据库法中,熵度量法主要应用于管控测量方面,使得企业采用最优的策略,以最低的各项成本降低风险值。在安全风险分级管控机制中的分级管控原理,也充分利用了逆向思维的熵增原理。

（一）理论

统计推论法是进行项目风险评估和分析的一种十分有效的方法,可分为前推、后推和旁推3种类型。前推就是根据历史经验和数据推断出未来事件发生的概率及其后果。如果历史数据有明显的周期性,可直接对此作出评估分析;如果历史数据没有明显的周期性,可用一个曲线或其他数理模型进行推论。后推是项目风险具有一次性和不可重复性,在没有历史数据可供采用的情况下,把未来风险事件归结到有数据可查的造成这一风险事件的初始事件进行推论。旁推是利用类似项目数据进行推论。这3种推论法在项目风险评估和分析中都广泛应用。

（二）企业实践

最通俗的应用是个人炒股中对股票长期趋势的预测。企业可根据历史数据做出直方图、曲线图等,直观地表现安全管理情况。例如,煤矿企业可以根据以往事故发生的次数、严重程度等做出直方图或曲线图,可以直观地了解现有的管理水平下,事故减少的趋势及其他信息。

（一）理论

作业条件危险性评价法是使用与系统风险有关的3种因素指标值的乘积来评价操作人员伤亡风险的大小的方法,这3种因素分别是L（事故发生的可能性）、E（人员暴露于危险环境中的频繁程度）和C（一旦发生事故可能造成的后果）。给这3种因素的不同等级分别确定不同的分值,再以3个分值乘积D来评价作业条件危险性的大小,即D=L×E×C,详见表4-9、表4-10。

表4-9　三种因素的分值范围表

表4-10　不同危险等级的危险性分值范围

（二）企业实践

作业条件危险性评价法是一种简单易行的评价操作人员在具有潜在危险环境中作业时的危险性、危害性的半定量评价方法。此评价法主要适合工作环境的评价,如环境的温度、照度、压力、辐射、空气质量、有害病菌等。