WWW.KONF.X-PDF.RU
БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА - Авторефераты, диссертации, конференции
 


Pages:     | 1 |   ...   | 2 | 3 || 5 | 6 |   ...   | 7 |

«МОДЕЛИ И МЕТОДЫ УПРАВЛЕНИЯ БЕЗОПАСНОСТЬЮ ТРУДА ПРОИЗВОДСТВЕННОГО ПЕРСОНАЛА ...»

-- [ Страница 4 ] --

Рис. 4.10.Разброс линии регрессии вокруг среднего значения данных Методика Фишера содержит правило сопоставления данной гипотезы с вы­ боркой экспериментальных данных, что позволяет установить неприемлемость гипотезы в случае ее малой вероятности. Если проверяемая гипотеза принадле­ жит к числу маловероятных, то она отвергается как непригодная для построения модели; если же она не принадлежит к их числу, то рассматривается как пригод­ ная. Введём обозначение: F у д а - квантиль распределения Фишера с у и с 5 сте­ п еням и сво боды пр и о п ределённой вероятно ст и оши бки а.

Вел ич и ны F со­ держат ся в сп ец и альных стат и ст ич е ски х та бл и цах. В данном случ ае у = 1, а 5 =n-k-1, где n - ч и сло точ ек в экс п ер иментальных данных; k-кол ич е ство п еременных уп равлен и я; на п р и мер, в случ ае регре ссионной модел и, связы­ вающей X и Y, k=1; а - о п ределённая вероятно сть ош и б ки ; таким о бразом, довер ительный уровень равен ( 1 -а). Пр именяя метод ику Фишера, п рове­ р и м ги п отезу о том, ч то коэ ф ф иц иент регре сси и А1=0. Пр и этом с п омощью та бл и ц расп ределен ия Фишера [5.46] п роверяем услов и е RF1,(n-k-i), а - 1, где R = MSb/MSr, а М5ьи MSr - суммы квадратов уклонен и й Б5ьи SSr, делён­ ные на соответ ствующее ч и сло сте п еней сво боды. Есл и указанное соотношен и е удовлетворяет ся, то г и п отезу о том, ч то А1= 0, можно отвергнуть на довер и тельном уровне, равном (1 -а).

Модели множественной линейной регрессии.

В поставленной задаче необходимо построить модели показателей риска в за­ висимости от множества параметров условий труда. С этой целью произведем адаптацию алгоритмов, представленных в работах [5.46, 5.83,5.85].

Модель множе ственной л и нейной регре сси и п ред ставлена уравнен и ем ? =А 0+ЕГ= lAyXy Подобно случаю построения линейной регрессионной модели для одной пе­ ременной управления, задача и здесь состоит в том, чтобы получить такие зна­ чения коэффициентов A0, A1,...,Ak, при которых сумма квадратов ошибок (разно­ стей между данными, предсказываемыми регрессионной моделью, и выборкой из n точек наблюдений экспериментальных данных) является минимальной.

Функция ошибки при этом равна F = (Ao+AiX„+A2X2b..+AkXki-Yi)2+

–  –  –

Для определения коэффициентов модели множественной линейной регрес­ сии, используя выражения (4.9), получим систему линейных уравнений, которая в матричной форме имеет вид:

–  –  –

где X - матрица значений для всех независимых переменных, попавших в уравнение регрессии;

Y- матрица - столбец фактических значений зависимой переменной;

X*- транспонированная матрица X.

–  –  –

где Ciу - элемент обратной матрицы.

Наибольшие вычислительные трудности при обработке исходных данных воз­ никают при обращении матрицы системы нормальных уравнений. Необходи­ мость обращения матрицы предъявляет жёсткие требования к исходной инфор­ мации. Очевидно, что для более точного нахождения обратной матрицы необхо­ димо, чтобы определитель матрицы системы нормальных уравнений был не слишком мал. Иначе говоря, рассматриваемые независимые переменные не должны быть сильно коррелированны, т.е. парные коэффициенты корреляции должны быть не очень высоки. Величину определителя, препятствующую полу­ чению устойчивой обратной матрицы, вряд ли можно установить раз и навсегда.

Поэтому и верхняя граница парного коэффициента корреляции не может быть определена точно. Всё зависит от вида матрицы и от выбранного метода обра­ щения. Как правило, если матрица системы нормальных уравнений обращается с недостаточной точностью, исключают из рассмотрения один из двух факторов, коэффициент парной корреляции которых высок. Исключение производят исхо­ дя из сущности данного явления.

Преобразование модели множественной линейной регрессии путём привязки к средней точке координат Использование метода привязки к средней точке координат упрощает вычис­ ление коэффициентов не только линейных регрессионных моделей с одной пе­ ременной управления, но и моделей множественной линейной регрессий, а так­ же снижает вероятность «разрушения» плохо обусловленной матрицы (квадрат­ ная матрица называется плохо обусловленной, если её определитель близок к нулю в ходе её обращения при вычислениях на ЭВМ). Привязка к средней точке координат приводят к исключению первой строки и первого столбца матрицы в матричном уравнении (4.10). В результате n исключается из главной диагонали, что обычно улучшает обусловленность матрицы. Преобразование координат для привязки их к средней точке производится по следующим формулам:

X/=Xr I, Г/=yf-f,

–  –  –

Для идентификации показателей риска использовано сочетание одного из методов факторного анализа, метода главных факторов, с моделью многофак­ торной квадратичной регрессии.

Метод идентификации показателей профессионального риска в зависимо­ сти от факторов условий труда состоит из:

1) предварительной статистической обработки исходной информации;

2) выявления существенных факторов, обусловливающих формирование по­ казателей риска (использован метод главных компонент);

3) построения множественных регрессионных моделей между показателями производственного риска и факторами условий труда;

4) оценки значимости аргументов, входящих в уравнения модели с помощью статистических критериев Стьюдента и Фишера;

5) отсева незначимых переменных и корректировки модели.

На предварительном этапе обработки информации для заданных показате­ лей риска (заболеваемости травматизма) определяется достоверность различий.

Оценка достоверности различий выполняется по t - критерию (критерий Стьюдента) :

–  –  –

где, - относительные показатели риска для двух различных значений исследуемого признака;

т г, т 2 - средние ошибки сравниваемых показателей.

В этом случае оценивается вероятность случайности различий показателей риска в зависимости от их принадлежности к отдельным цехам, участкам, про­ фессиям, возрастным и стажевым группам.

Средняя ошибка определяется по формуле:

(4.12) где n - число работающих, по которому рассчитан показатель M.

При величине t 2 с вероятностью P 9 5 % можно утверждать, что различия между сравниваемыми показателями неслучайны.

Моделирование с использованием методов факторного анализа Метод главных факторов позволяет для m - мерной корреляционной матри­ цы R найти новую ортогональную систему координат таким образом, чтобы максимум полной дисперсии исходных данных лежал на первой главной оси, максимум оставшейся дисперсии - на второй главной оси и т.д.

Классическая модель факторного анализа имеет вид:

–  –  –

где R - корреляционная матрица для нормированных значений исходных данных ;

A - матрица факторных нагрузок a iy-;

A ’ - транспонированная матрица факторных нагрузок;

С - матрица корреляций между факторами Pzy-.

Так как в методе главных факторов постулируются ортогональные факторы, то С является единичной матрицей и тогда

–  –  –

где l - число анализируемых показателей риска;

p - число факторов условий труда.

Система уравнений, соответствующая (4.14), имеет однозначное решение при вводе следующих дополнительных условий:

–  –  –

Таким образом, сумма квадратов нагрузок первого фактора должна состав­ лять максимум полной дисперсии, сумма квадратов нагрузок второго фактора должна составлять максимум оставшейся дисперсии и т.д.

Для максимизации функции с дополнительными условиями воспользуемся методом множителей Лагранжа [5.3 3]. В результате получаем систему однород­ ных уравнений с m неизвестными:

–  –  –

Условные обозначения:Х - собственные значения корреляционной матрицы R; №

- номер собственного значения корреляционной матрицы в порядке убывания его величины; 1 - график собственных значений при случайных корреляциях; 2 график собственных значений при неслучайных корреляциях.

Далее из числа главных факторов выделяем факторы, вносящие наиболь­ ший вклад в дисперсию показателей риска.

Для этой цели используем хорошо зарекомендовавший себя критерий Кателла, основанный на графическом изображении собственных значений корреляционной матрицы, ранжированных в порядке убывания (рис. 4.11). Критерий Кателла позволяет в общем случае выделить больше факторов, чем другие (например, критерий Хорна, по которому должны выделяться факторы с,1). Соотношение собственных значений мат­ рицы A соответствует распределению долей дисперсии факторов, приведенных к полной дисперсии. В том случае, когда значения лежат практически на одной прямой (1), матрица R содержит, как правило, случайные корреляции, при неслучайных корреляциях имеет место кривая (2), содержащая характерный изгиб. Правая часть кривой (2) может быть сглажена отрезком прямой p-m. То­ гда, согласно критерию Кателла, крайнее левое значение Яр на отрезке p-m ука­ зывает число факторов Я1,..., Яр, подлежащих к выделению.

Идентификация по регрессионной модели

Количественные зависимости между факторами условий труда и показате­ лями профессионального риска могут быть получены с помощью модели мно­ жественной регрессии.

Показатели риска (заболеваемости по каждой зарегистрированной нозоло­ гической форме или виду травматизма), полученные при статистической обра­ ботке данных по всем однородным группам работающих, в совокупности со зна­ чениями факторов условий труда, выбранными с помощью метода главных фак­ торов, образуют матрицу исходных данных:

–  –  –

где {x; ] - множество факторов условий труда;

( y j - показатель риска, например, заболеваемости по l-ой нозологической форме;

Xj, х, - средние значения по факторам x it х,-:

1^^; (4.25) k- число независимых факторов;

n - число точек наблюдений;

bо,bj, Сjj - постоянные коэффициенты, оценки которых определяются в ре­ зультате моделирования.

Задача состоит в нахождении оценок коэффициентов в уравнениях (4.24), описывающих связи между показателями риска и факторами условий труда. Ре­ шение производится по методу наименьших квадратов (МНК), дающему, неза­ висимо от закона распределения ошибок наблюдений, несмещенные и эффек­ тивные оценки в классе линейных моделей и моделей, нелинейных по перемен­ ным.

Предварительно проводим линеаризацию уравнения (4.24), заменяя нели­ нейные члены (квадраты переменных и их произведения) новыми переменными

Zjj. При этом нормируем переменные y t и Zjj:

–  –  –

где q о, q ъ..., qm - коэффициенты регрессии в нормированном масштабе;

m - число независимых параметров условий труда после линеаризации;

Zjj-нормированные значения переменных.

Для получения значений коэффициентов регрессии необходимо составить конструкционную матрицу Z, содержащую нормированные значения аргументов с введением переменной Z0*=1 и провести по методу Гаусса обращение матрицы

Z’Z, где Z’ - транспонированная матрица Z:

–  –  –

где qj - коэффициент регрессии по j -му фактору;

- постоянная, получаемая за счет влияния неучтенных факторов;

bjj - диагональный элемент обратной матрицы B.

Проверка точности полученных в результате моделирования регрессионных оценок производится по величине.

–  –  –

При ^ 1,5 точность оценок показателей, полученных из уравнения регрес­ сии, не превышает точности средних значений по всем точкам наблюдений, сле­ довательно, построенная модель не имеет смысла и нужно выбрать другие неза­ висимые переменные. Значимость каждого из вычисленных коэффициентов мо­ дели проверяется по критерию Стьюдента [5 4 ] :

–  –  –

- остаточная дисперсия в натуральном масштабе (4.35) Если 7j- (при уровне значимости а и числе степеней свободы n-m-1), то соответствующий коэффициент является незначимым с вероятностью 1- и переменная Zj должна быть исключена из уравнения (4.27). Для этого из матри­ цы Z’Z удаляются j -я строка и j -й столбец и строится новая модель регрессии. В том случае, когда все 7j 7а, исключается аргумент, для которого 7j является наименьшим, и пересчет модели производится до тех пор, пока уменьшается ве­ личина остаточной дисперсии.

Степень влияния на показатель риска каждого из факторов условий труда, входящих в модель регрессии, необходимо проверить по критерию Фишера [5.8 1], значение которого сравнивается с величиной дисперсионного отноше­ ния, вычисляемого по формуле:

–  –  –

Здесь для каждой переменной остаточная дисперсия 5 21y сравнивается с ве­ личиной остаточной дисперсии, получаемой при исключении этой пере­ менной из модели. При выполнении условия (4.36) с вероятностью 1-а можно допустить значимость j -го коэффициента регрессии.

Степень тесноты связи между показателем риска и влияющими на него фак­ торами условий труда определяется величиной множественного коэффици­ ента корреляции:

(4.37) На основании рассчитанных с помощью регрессионной модели вероятност­ ных зависимостей, задавшись прогностическими оценками факторов условий труда, вычисляем прогноз показателей риска. При этом истинные значения про­ гнозируемых показателей при заданном уровне значимости с вероятностью =1- должны попасть в доверительный интервал У=У ± 7.5, (4.38) где у - точечная оценка показателя профессионального риска, полученная из уравнения (4.27);

- табличное значение критерия Стьюдента при уровне значимости и чи ле степеней свободы n-m-1;

S- общая ошибка уравнения регрессии, определяемая по формуле:

–  –  –

В медицинских исследованиях обычно принято использовать довери­ тельную вероятностьРа=0,95, при которой величина критерия Стьюдента. Следовательно, прогнозные значения показателей профессио­ нального риска будут лежать в интервале:

–  –  –

Таким образом, разработанная модель множественной регрессии дает воз­ можность определить прогнозные уровни профессионального риска в зависимо­ сти от значений факторов условий труда с достоверностью, определяемой задан­ ным уровнем значимости и контролируемой статистическими критериями.

–  –  –

Нашей задачей является построение модели взаимосвязи значений производ­ ственных факторов и показателей заболеваемости работающих на основе нейронной сети. Для этой цели используем реальные данные по условиям труда и заболеваемости, полученные при обследовании одного из промышленных предприятий [8.16].

Для обследованного контингента работающих мы располагаем набором из 13 различных факторов условий труда (Xb i=1,...,13) и значениями показате­ лей заболеваемости по 12 нозологическим формам (Yj, j= 1,...,12)^.ra данного набора факторов и показателей заболеваемости мы имеем 19 точек наблюдений (с учетом шести профессиональных и 4-х стажевых групп работающих). Таким образом, получаем матрицу входных значений {X}, размером 13x19, и матрицу выходных значений {Y}, размером 12x19.

Построение модели начнём с графического построения нейронов, слоёв и связей. Мы будем использовать модель двухслойного персептрона (без учета входной и выходной информации) с сигмоидальной функцией активации [5.29].

Обучение будем производить с учителем, по алгоритму обратного распростра­ нения ошибки. Для решения поставленной задачи, необходимо использовать мо­ дель с n входами и m выходами.

В общем случае графическое представление модели будет выглядеть так:

Здесь X1, X2, X3,..., Xn - входные данные (производственные воздей­ ствия); Y’1, Y’2,Y’3,., Y’m-выходные данные (показатели заболеваемости).

С учётом исходных данных n = 13 (число строк в таблицах), в первом и вто­ ром скрытых слоях будет по 13 нейронов.

Схема простого нейрона имеет вид:

–  –  –

Wi - весовые коэффициенты; xi - входные данные; F - функция активации;

выходной сигнал Yi = OUT = F (S).

Для многослойного персептрона получаем следующее выражение:

–  –  –

i - номер входного сигнала; j - номер нейрона в слое; l - номер слоя.

Выберем для решения нашей задачи логистическую функцию активации, которая имеет вид:

–  –  –

-5 Перед началом основных вычислений, подготовим данные для подачи на вход, чтобы не было перенасыщения нейронов и вычисляемые значения были более точными. Линейное преобразование не способно масштабировать основ­ ной массив данных и одновременно ограничить диапазон возможных значений этих данных. Естественный выход из этой ситуации - использовать для предва­ рительной обработки данных функцию активации тех же нейронов:

–  –  –

Нелинейное преобразование нормирует основной массив данных, одновре­ менно гарантируя что ~ е Следующей задачей, является задача выбора начальных значений для весо­ вых коэффициентов. Выбранные значения должны лежать в рабочей области функции активации, для этого назначим начальные значения из области __L_L 1 случайным образом, где k - число нейронов в том слое, из которого выk’2kJ ходит данный синапс (в нашей модели k=13).

После обработки данные можно вводить в спроектированную нейронную сеть. При попадании на вход, данные суммируются и проходят через функцию активации. Выбрана логистическая функция (функция Ферми) или сигмоида.

Она часто применяется для многослойных персептронов и других сетей с не­ прерывными сигналами. Гладкость и непрерывность этой функции — её важные положительные качества. Данная функция симметрична относительно точки (S=0, OUT=1/2), это делает равноправными значения OUT=0 и OUT=1, что су­ щественно для работы сети.

Теперь мы готовы начать обучение. Рассмотрим процесс на примере нашей

–  –  –

Значение производной рассчитывается для текущих значений параметров w на данном шаге. Для выходного слоя легко записать компоненты градиента по весам как производную сложной функции:

–  –  –

В данном случае OUTji - выход скрытого слоя; l - номер скрытого слоя;

k - номер нейрона в скрытом слое.

Обучение происходит до тех пор, пока величина Aw^ не достигнет прием­ лемого значения. После обучения нейронной сети, она готова к использованию.

Вводя прогностические значения факторов условий труда, можем получить со­ ответствующие им прогнозные значения показателей профессионального риска.

Выводы по 4-й главе

1. Рассмотрены особенности методов факторного анализа, в том числе метода главных компонент, и возможность их применения для выявления латентных при­ чин заболеваний и травматизма работающих, влияющих на показатели профессио­ нального риска.

2. Описаны возможности регрессионных моделей, в частности моделей множе­ ственной линейной и квадратичной регрессии, использующие критерии Стьюдента и Фишера для оценки значимости входящих в них аргументов и адекватности получаемых статистических зависимостей.

3. Разработана методика идентификации профессионального риска, использу­ ющая метод главных компонент для нахождения латентных факторов, формирую­ щих показатели риска, в сочетании с моделью множественной регрессии, позволя­ ющая строить многофакторные вероятностные зависимости риска для отдельных производственных объектов и профессиональных групп.

4. Предложены типовые статистические зависимости показателей производ­ ственно обусловленной заболеваемости в виде многофакторных регрессионных моделей, использующих квадратичный полином, достоверность которых проверя­ ется по величине остаточной дисперсии, что позволяет рассчитывать прогнозные уровни показателей риска.

5. Разработана альтернативная модель прогнозирования профессионального риска в зависимости от значений факторов условий труда с применением нейроподобной сети. При этом использован двухслойный персептрон с сигмоидальной функцией активации; обучение сети происходит по алгоритму обратного распространения ошибки. Нейроподобная сеть позволила получить адекватные модели риска для ряда форм заболеваний на заданном множестве производственных воздействий.

Глава 5. Принятие оптимальных решений в системе управления безопасностью и охраной труда

5.1. Оценка минимально возможных уровней заболеваемости персонала на основе концепции приемлемого риска Развитие науки и техники, несмотря на прогресс в области улучшения условий труда, не решает полностью противоречий в биосоциальной системе «человек производство». Эти противоречия связаны с риском для здоровья работающих, возникающим при модернизации существующей технологии, которая, устраняя одни вредные воздействия, может вызвать другие, качественно новые. Так, напри­ мер, использование холодно-твердеющих смесей в литейном производстве на эта­ пах формовки в качестве наполнителя устраняет влияние факторов нагревающего микроклимата. Однако при этом возникает опасность воздействий входящих в со­ став смесей токсических веществ, которые при значительном времени экспозиции способны аккумулироваться в организме работающих. [3.11].

В ряде случаев достижение абсолютной безопасности работающих невозможно, что связано с особенностями таких отраслей промышленности, как атомная энерге­ тика, горная, нефтеперерабатывающая и ряд других. При этом возникают пробле­ мы определения уровней риска, допустимых для здоровья работающих. Такие зна­ чения допустимого или «приемлемого» риска могут соответствовать минимально возможным показателям заболеваемости для изучаемого производственного объ­ екта и контингента трудящихся. Минимально возможные уровни по отдельным формам заболеваний достигаются при оптимальных значениях влияющих факто­ ров (экзогенных и эндогенных, производственных и непроизводственных). Нахож­ дение оптимальных значений сочетаний факторов, связанных с воздействием про­ изводственной среды, является одной из важных предпосылок эффективного пла­ нирования мероприятий по снижению заболеваемости работающих. При выборе критериев, определяющих допустимые уровни риска, целесообразно использовать концепцию «приемлемого риска», основанную на принципах системного подхода и утверждающую, что каждое техническое новшество не только добавляет новый риск, но также уменьшает или вообще устраняет действовавшие ранее факторы риска. При этом риск от внедрения новой техники может считаться социально при­ емлемым, если одним из полезных эффектов этой техники является снижение сум­ марного риска, которому подвергаются работающие. [5.59]. Правильность поста­ новки задачи нахождения минимально возможных уровней риска подтверждается в работе В.И. Ленина [5.45], где рассматриваются методологические подходы к во­ просам принятия решений: «... Сопоставляя риск от принятия одних решений с риском от принятия других решений и с риском от непринятия нужных в данный момент решений, необходимо выбирать варианты с наименее возможным в данных условиях ри ск ом.». Этот принцип можно распространить и на разработку мето­ дов планирования мероприятий по безопасности труда и профилактике заболевае­ мости работающих.

Концепция «приемлемого риска», ориентируясь на уменьшение численности работающих под воздействием вредных и опасных производственных факторов, должна учитывать и экономические аспекты целесообразности внедрения новой техники.

Введем понятие остаточного риска - вероятность случаев заболеваний, инва­ лидности и смертности, которые могут произойти после реализации, оздоровительных мероприятий. Остаточный риск можно считать оптимальным, ес­ ли сумма затрат на проведение мероприятий и потерь, связанных с остаточным риском, будет минимальной:

I ш

–  –  –

l, m - общее число мероприятий и видов потерь, обусловленных риском.

Рассмотренные ранее (см. гл. 4) количественные модели, идентифицирую­ щие заболеваемость работающих, дают возможность вычислить минимально возможные уровни показателей по отдельным нозологическим формам. При

–  –  –

факторов условий труда x 1,..., x n функциональной зависимостью (5.2) то эта функция может принимать минимальное значение в некоторой точке Л с

–  –  –

Множители Лагранжа ^ служат новыми дополнительными неизвестными, чис­ ло которых равно числу дополнительно наложенных связей m.

Таким образом, для отыскания минимальных значений показателя заболевае­ мости У Ы и минимизирующих их оптимальных значений производственных т факторов х Т, •, х У необходимо решить систему уравнений:

(5.7) В рассматриваемой задаче дополнительными условиями связи могут служить эмпирические аналитические соотношения между демографическими характери­ стиками контингента (возраст, пол, стаж) или некоторыми взаимозависимыми па­ раметрами условий труда (температура и интенсивность теплового излучения, ве­ личина поднимаемого груза и мощность внешней работы и т.д.). Учет таких соот­ ношений между аргументами, входящими в модели идентификации показателей заболеваемости, позволяет облегчить нахождение минимально возможных значе­

–  –  –

производственных факторов х рд. Минимальные значения показателей заболеваемо­ сти определяются с помощью моделей идентификации, полученных с помощью факторного и регрессионного анализа (см. гл.4).

Понятие «минимально возможные» уровни заболеваемости введено в связи с тем, что при вычислении значений экстремума по моделям идентификации рассчи­ тываются теоретически возможные минимумы показателей на основе используе­ мых статистических данных и учтенных влияющих факторов. Такие минимальные значения могут иметь место только при реальной достижимости расчетных опти­ мальных значений аргументов, входящих в вероятностные модели. Практически искомые возможные минимумы показателей риска, которые при решении задач оп­ тимизации, являются целевыми функциями, могут быть найдены с учетом реально­ го диапазона изменения переменных управления, т.е. как укрупненных групповых факторов, так и отдельных параметров условий труда. С учетом такого диапазона при использовании классификаторов, определяющих соответствие вредных факто­ ров и мероприятий, направленных на их снижение или полное устранение, и должны планироваться комплексы оздоровительных решений.

Таким образом, подход к нахождению минимально возможных уровней забо­ леваемости основан на концепции приемлемого риска, допускающей приемлемость внедрения новой техники, если она уменьшает суммарный риск, которому подвер­ гаются работающие.

5.2. Совершенствование классификации мероприятий по охране труда.

Для выбора эффективных оздоровительных мероприятий, обеспечивающих минимум социальных и экономических потерь общества в связи с неблагоприят­ ными условиями труда, используется классификация, учитывающая весь ком­ плекс оздоровительных мероприятий, их целевую направленность и соответ­ ствующие материально-технические затраты. С точки зрения социальной прием­ лемости критерием эффективности мероприятий безопасности труда должны яв­ ляться минимальные социально-экономические потери общества в процессе тру­ довой деятельности (заболеваемость, травматизм, текучесть кадров, инвалид­ ность, смертность).

В число финансируемых мероприятий охраны труда, по которым предпри­ ятия отчитываются перед вышестоящими органами, входят: номенклатурные мероприятия [1.8], обеспечение средствами индивидуальной защиты, лечебно­ профилактическое питание и молоко [7.6].

Номенклатурные мероприятия, на основе которых заключается коллектив­ ный договор между администрацией и профсоюзными комитетами предприятий и организаций, содержат:

- мероприятия с капитальными ассигнованиями средств на реконструкцию, ремонт и вывод из эксплуатации зданий и сооружений;

- модернизацию оборудования и технологии;

- внедрение средств контроля и сигнализации за уровнем вредных и опас­ ных факторов;

- коллективную защиту работающих от действия шума, вибрации, запы­ ленности, загазованности и других вредных производственных факторов;

-оснащение предприятий санитарно-бытовыми устройствами;

-организационные мероприятия по пропаганде охраны труда и техники безопасности на производстве.

Утвержденная типовая номенклатура не содержит мероприятий по обеспе­ чению работающих средствами индивидуальной защиты (СИЗ), что связано с их распределением в соответствии со списками профессий, подверженных воздей­ ствию вредных производственных факторов. Однако потребность в СИЗ меняет­ ся в зависимости от номенклатуры изделий, модернизации оборудования и тех­ нологии, перепланировки помещения и т.д. Таким образом, СИЗ должны плани­ роваться так же, как и другие мероприятия охраны труда с учетом значений про­ изводственных факторов и их влияния на уровни здоровья и безопасности рабо­ тающих.

Медико-профилактические мероприятия также не включены в Типовую номенклатуру мероприятий охраны труда, но сведения о затратах на лечебно профилактические учреждения входят в некоторые отчетные формы и в ком­ плексные планы по охране труда.

Важным показателем эффективности медико-профилактического обслу­ живания является величина снижения уровня заболеваемости с временной утра­ той трудоспособности, регистрируемой официальным учетным документомбольничным листом. Такой учет позволяет оценить как социальные потери (частота случаев заболеваний по диагнозам), так и экономический ущерб (выплату по больничным листам, недовыработку продукции, повышение её себестоимо­ сти) по количеству рабочих дней, потерянных из-за болезни.

Типовая номенклатура не содержит медико-профилактические мероприя­ тия, так как их большая часть финансируется не из средств предприятия, а из других источников - централизованных фондов здравоохранения, социального обеспечения, социального страхования и т.д. Однако те средства, которые ассиг­ нуются предприятиями на реконструкцию медицинских учреждений, организа­ цию здравпунктов, приобретение аппаратуры, доплаты за путевки, диетпитание и т.д., должны планироваться с учетом конкретных потребностей работающих, с учетом условий их труда, быта, состояния здоровья.

Таким образом, медико-профилактические мероприятия, затраты на кото­ рые финансируются предприятием, должны также входить в классификацию ме­ роприятий по охране труда.

С учетом методов текущего и перспективного планирования мероприятий по охране труда, представленных в работах [5.18, 3.9], исследованиях А.Н. Гржегоржевского [5.25], В.Г. Макушина и Н.И. Калининой [5.49] и других авторов, нами предложены изменения в классификацию мероприятий охраны труда и ущерба в связи с неблагоприятными условиями труда (Приложение i). Такие изменения классификации позволяют осуществлять рациональное планирование и оценивать его эффективность за счет уменьшения ущерба.

В предлагаемой нами классификации мероприятия охраны труда (табл.

5.1) подразделяются на мероприятия по коренному улучшению условий труда, мероприятия, предусматривающие коллективную защиту работающих, средства индивидуальной защиты, санитарно-бытовые, медико-профилактические, льготы и организационные мероприятия. Часть расходов, такие как льготы и компенса­ ции, иначе называются компенсаторными, так как они компенсируют воздей­ ствие на работающих вредных факторов условий труда.

–  –  –

Уровень компенсаторных расходов остается до сих пор значительным, что свидетельствует о малой эффективности мер охраны труда в невысоком удель­ ном весе мероприятий по коренному улучшению условий труда.

Экономический и социальный ущерб в связи с неблагоприятными услови­ ями труда отражается в показателях травматизма, заболеваемости, текучести ра­ ботающих, неудовлетворенных условиями труда, пенсиях инвалидам и т.д.

(табл. 5.2). Для оценки эффективности мероприятий охраны труда определятся величина снижения ущерба (социального и экономического) на 1 руб. вложений в охрану труда.

Мероприятия охраны труда финансируется из государственного бюджета или из бюджета предприятий. Отчеты о мероприятиях и соответствующие рас­

–  –  –

Отсутствие системы учета мероприятий и расходов на охрану труда не позволяется сопоставить средства, отпускаемые на охрану труда, с реальными затратами на проведение отдельных мероприятий, перераспределить их, сплани­ ровать наиболее эффективным образом.

С учетом описанного подхода к классификации мероприятий охраны труда автором разработан примерный классификатор мероприятий охраны труда и ви­ дов ущерба в связи с неблагоприятными условиями труда (Приложение i), кото­ рый позволяет на основе составления учетных документов формировать базу данных и знаний о мероприятиях охраны труда, контролировать средства, рас­ ходуемые на охрану труда, определять ущерб от неблагоприятных условий труда и оценивать эффективность проведенных мероприятий.

–  –  –

Для определения количественных соотношений между проводимыми ме­ роприятиями U } и показателями заболеваемости {у} следует учитывать дина­ мику состава работающих за период времени т (в процессе которого под дей­ ствием проведенных мероприятий должны измениться уровни заболеваемости), i76 а также различия в стадиях заболеваний у отдельных лиц и достоверность ис­ пользуемых различий. Такие модели позволят облегчить решение задачу опти­ мального планирования оздоровительных мероприятий и оценку их эффектив­ ности.

Соответствие оздоровительных мероприятий {и} множеству производ­ ственных воздействий {х}, на предотвращение которых они направлены, опре­ деляется с помощью табл. 5.3. Здесь в столбцах х ^,Х2,...,х п для каждого из ме­ роприятий U,U,...,U указываются значения, которые будут принимать пара­ метры условий труда после проведения мероприятий. В столбцы р х, Р 2,..., р п заносится удельная эффективность мероприятий по отношению к каждому из зависящих от него параметров условий труда, то есть доля снижения риска по отношению к периоду, предшествующему проведению мероприятий.

При составлении комплексов оздоровительных мероприятий для произ­ водственных объектов следует оценить ожидаемую удельную эффективность для этих мероприятий, т.е. определить их частный вклад в противодействие каж­ дому из связанных с ними неблагоприятных факторов производственной среды и долю снижения показателей профессионального риска, вызванного неблаго­ приятными воздействиями.

–  –  –

Удельную эффективность мероприятий охраны труда Ргу для тия г, действующего на параметр условий труда х;- в каждом конкретном случае необходимо определять с учётом проектных решений, технологической и гигие­ нической экспертизы.

Точная аналитическая оценка удельной эффективности профилактиче­ ских мероприятий с помощью статистических моделей предусматривает по­ строение корреляционных зависимостей вида х = ф(«0, что требует формиро­ вания соответствующих фреймов базы данных по мероприятиям и производ­ ственных факторам в динамике за ряд лет (см. гл. 3, § 3.2).

Так как мероприятия охраны труда сложно интерпретировать количествен­ ными интегральными оценками, статистический анализ взаимосвязи мероприя­ тий охраны труда и факторов производственной среды может быть проведен ме­ тодами анализа качественных признаков. В этом случае коэффициенты ре­ грессии полученных моделей, найденные на основе ранговых коэффициентов корреляции [5.55], будут служить базой для расчёта удельной эффективности мероприятий по безопасности труда.

Мерой эффективности мероприятий может служить число лиц, высво­ божденных из-под действия неблагоприятных факторов, а опосредованным по­ казателем эффекта является снижение уровней профессионального риска- забо­ леваемости, травматизма, инвалидности текучести кадров и т.д. Необходимо учесть, что оценки эффективности мероприятий по снижению показателей забо­ леваемости (в отличие от показателей травматизма) могут быть получены лишь через сравнительно долгий период времени от момента проведения мероприя­ тий. Это вызвано латентным (скрытым) периодом формирования уровней многих форм заболеваний под воздействием факторов производственной среды.

В целях создания на промышленных предприятиях базы данных по охране труда нами разработана методика планирования комплексов оздоровительных мероприятий, предусматривающая составление соответствующих таблиц с груп­ i78 пировкой информации по каждому из исследуемых производственных объектов.

Такие таблицы содержат:

а) список работающих по участкам, цехам, профессиям, табельным номе­ рам с привязкой к отдельным видам оборудования (Перечень 1, табл. п.2.1);

б) список несоответствий каждого вида оборудования на изучаемых объек­ тах требованиям ССБТ и санитарным нормам, т.е. список потенциальных причин возникновения вредных и опасных производственных факторов (Перечень 2, табл. П.2.2);

в) список опасных и вредных факторов с привязкой к возможным причинам их возникновения (Перечень 3, табл. П.2.3);

г) показатели профессионального риска по отдельным участкам производ­ ства и профессиям работающих (вычисляются из фреймов Т|З базы данных, см.

главу 2 );

д) список мероприятий, направленных на устранение причин вредных и опасных факторов (Перечень 4, табл. П.2.4.).

Кодирование всех позиций в перечисленных Перечнях выполняется в соот­ ветствии со специально разрабатываемыми внутриведомственными кодификато­ рами. Формирование планов оздоровительных мероприятий завершается коррек­ тировкой комплексов мероприятий с учётом возможностей их финансирования.

Затем мероприятия регистрируются в соответствующих первичных документах (см. Главу 3, табл. 3.11) вместе с другими потоками данных, необходимыми для оптимизации мероприятий, и вводятся в память ЭВМ.

Пример составления указанных выше перечней приведён в ПРИЛОЖЕНИИ 2 (таблицы П.2.1-П.2.4), составленном при внедрении разрабатываемой системы на МПО «Каучук».

–  –  –

условий труда Xopt = Uy=1^ J pt *Группы диагнозов должны отражать специфику заболеваемости данного контингента работающих.

i80

5. Определяются группы работающих, для которых должны планироваться профилактические мероприятия. Полное число таких групп составят все груп­ пы, где показатели заболеваемости превышают расчётные минимально возмож­ ные уровни риска: У lfcsv У lmin.

–  –  –

ров различий f k для каждой груп пы ра б отающ и х ( 1, К) со ставляю т ся п ереч н и возможных меропр и ят ий //lfc.., / k, направленных на противодей­ ствие производственным факторам х ^ xjk, отличающимся от оптимальных уровней, рассчитанных по моделям идентификации (см. п.4).

Таким образом, комплекс возможных мероприятий для k -ой группы работа­ ющих зависит от вектора различий

–  –  –

При этом уровень группировки работающих должен определять характер планируемых мероприятий. Так, средства коллективной защиты могут предна­ значаться для групп работающих, объединенных, например, по профессиональ­ ным признакам, независимо от их демографии (возраста, пола и стажа работы).

Наоборот, индивидуальные средства защиты должны учитывать характеристики контингента и, следовательно, планироваться для групп, однородных в демо­ графическом отношении.

7. Для каждого планируемого мероприятия Ut, исходя из опыта его примене­ ния (по экспертным оценкам, либо по статистическим данным), оценивается ожидаемый оздоровительный эффект Qг. Этот эффект может быть представ­ лен: экономически - в виде уменьшения недовыработки продукции, сокращения выплат по больничным листам, пенсий по инвалидности и т.д., либо - в виде снижения уровня профессионального риска (по показателям производственно обусловленной заболеваемости, травматизма, инвалидности, смерности и т.д.).

Если мероприятие щ направлено на снижение действия конкретного фактора производственной среды Ху, то, определяя с помощью модели оценку снижения соответствующего уровня риска (например, показателя заболеваемости Ду; в расчете на 1-го работающего), можно расчитать удельный оздоровительный эффект Q' и :

–  –  –

определяют составляющие (х *,...,***), которые в этом случае будут входить в вектора реальных значений производственных факторов (xfc). Тогда, так называ­ емые усеченные векторы различий q' fc(J 'fc) (при J'fc / к = 1,/C), (рас­ считываемые по формуле ( 5.9 ), будут соответствовать комплексам планиру­ емых мероприятий u 'fc((;fc = Ur1fc,..., t / ^ ), где Lfc- полное число мероприятий для k-ой группы работающих; L' fc - число мероприятий, удовлетворяющих усло­ вию (5.16).Таким образом, в качестве исходных для оптимального планирования мероприятий охраны труда принимается матрица связей ||р№||, где для k - ой группы работающих будет предназначен свой комплекс управляющих реше­ ний:

{и,-у ' = 1 Г Е ^ i'fc i 10. При формировании оптимального плана мероприятий возможны два случая:

а) Затраты на реализацию мероприятий по перечню { ^ -} не превышают ресурсов D, выделенных для данной группы работающих (участка, цеха, пред­ приятия и т.д.):

–  –  –

сурсы /)г = D — [i=i d гi распределяются между оставшимися неприоритет­ ными мероприятиями {^} —{ ^ i} согласно этапу l i. Me сто для формулы.

б) Затраты на реализацию мероприятий по перечню { ^ i} превышают выде­ ленные ресурсы D, тогда { ^ i} рассматриваются в качестве исходной базы для последующего оптимального планирования.

ii. В качестве критерия оптимизации принимается суммарное по k группам работающих снижение показателей риска, получаемое за счет L профилактиче­ ских мероприятий, включенных в оптимальный план.

Тогда критерий оптимизации будет иметь вид:

К I L k I

–  –  –

к = 1, К, i = 1, 1, ( ) 1=1 которое означает, что снижение риска в результате проведения комплекса меро­ приятий ( 1, L) для k-ой группы работающих будет превышать некоторый ми­ нимально возможный уровень, например прогнозируемый показатель по i-ой форме болезни. Ограничение (5.20) позволит обеспечить равномерность прове­ дения профилактических мероприятий при различной их эффективности и нор­ мальной плотности распределения показателей профессионального риска.

13. Составляем календарный план мероприятий по безопасности труда.

Необходимость разработки календарного плана может быть вызвана большим числом мероприятий, предназначенных для одной группы работающих, сложно­ стью процесса реализации этих мероприятий, а также общностью служб охраны труда, занятых в процессе их реализации.

Оптимальный комплекс мероприятий для k-ой группы работающих, ко­ торый необходимо выполнить за плановый период (0,Т), обозначим {^*}. Тогда мероприятия перечня, получаемого при календарном планировании, чим u r ; r = 1, R. При реализации каждого мероприятия используются несколько видов ресурсов Ят ; т = 1, М.

Здесь под видами ресурса подразумевается группы исполнителей мероприя­ тий (монтажники, электрики, сантехники и т.д.). Мощность каждого вида ресур­ са считаем независимой от времени:

Pm(t) = con St ( ) Каждое мероприятие характеризуется интенсивностью использования m-го вида ресурса, являющегося функцией времени ( ).

Здесь т = t —t/?, где хг- время выполнения мероприятия Ur ;

t - текущее время; момент начала работ по реализации мероприятия Uг. При этом Uг не может начинаться раньше некоторого срока tpr, связанного с открытием финансирования, проведением вспомогательных работ, поставкой оборудования и других организационно-технических особенностей производ­ ства.

Отсюда t p tpr (5.22) Предполагается, что мероприятие выполняем без перерывов в течение времени тг, которое определяется по соответствующим нормативам или по опы­ ту выполнения подобных работ.

Построение оптимального плана выполнения мероприятий по перечню {Uг} заключается в определении сроков начала работ по мероприятиям {tн }, оптимизирующих значения критерия оптимальности. Выберем в качестве такого критерия максимум оздоровительного эффекта, получаемого в плановом периоде за счет реализации (1, К) мероприятий, направленных на снижение показате­ лей риска:

–  –  –

5.5. Построение алгоритма оптимального планирования профилактических мероприятий Задача (5.23), (5.24) может быть решена при использовании эвристических алгоритмов календарного планирования, основанных на правилах предпочтения [5.23, 5.i7].

i87 Рассмотрим алгоритм решения задачи нахождения последовательности ме­ роприятий {ф *}, минимизирующей выражение (5.19) при ограничениях (5.18) и (5.20).

Для построения искомого алгоритма используем решение «Задачи о ранце»[5.36]. С этой целью заменим в выражении (5.19) величину Р jна Р j, где

–  –  –

Рассмотрим два алгоритма - для приближенного решения вручную и для точного решения задачи с помощью ЭВМ.

А) Алгоритм для приближенного решения Рядом авторов [5.23, 5.15] показано, что квазиоптимальное решение при d jD получается с помощью простого правила: в оптимальный план включаются мероприятия в порядке убывания оценок их удельной эффективности Р j / d j:

–  –  –

3) Пусть Z' - найденная точка. Вычисляем F( Z'), определяем нижнюю границу С = F( Z' ) и заменяем ее на относящуюся к этой точке верхнюю границу F(Z ')=B.

4) Выбираем следующее неразбитое до конца подмножество и вычисляем для него верхнюю границу.

5) Процесс продолжаем до тех пор, пока либо найденное подмножество не будет состоять из одной точки, либо станет невозможным выбирать ни одно подмножество, так как все В С.

В первом случае переходим к этапу 3, корректируя при этом значения С та­ ким образом, чтобы оно было максимальным из всех найденных значений С (ре­ кордов).

Во втором случае поиск прекращается, С принимается в качестве максиму­ ма функции F, т.е. получаем оптимальный план мероприятий Z*, для которого F(Z Г = С, будет решением задачи.

) При использовании приведенного метода весьма важным является определе­ ние выражения для верхней границы B. Учитывая особенности настоящей зада­ чи и специфики объекта оптимизации целесообразно в качестве оценки для B использовать выражение:

(5.3 1) где 1 - число первоначально вошедших в план мероприятий, дающих остаток, ' меньший стоимости следующего мероприятия:

–  –  –

Блок-схема алгоритма оптимизации приведена на рис. 5.1. Этот алгоритм, реализующий с помощью ЭВМ метод «ветвей границ», показал хорошую схо­ димость при L=80, для числа однородных групп работающих К=20.

Выводы по 5-й главе

1. Разработан метод расчета минимально возможных уровней заболеваемо­ сти и соответствующих им реально достижимых параметров условий труда, использующий метод множителей Лагранжа и удовлетворяющий концепции «приемлемого риска», которая допускает приемлемость новой техники, если она уменьшает суммарный риск, которому подвергаются работающие.

2. Предложены изменения в существующую классификацию мероприятий по охране труда, предполагающие включить в число номенклатурных мероприятий средства индивидуальной защиты и медико-профилактических мероприятия (из числа мероприятий, финансируемых предприятием), комплексное эффективное планирование которых в значительной степени определяет снижение показате­ лей заболеваемости работающих.

3. Разработана методика оптимального планирования комплексов профилак­ тических мероприятий, с учетом их удельного вклада в снижение неблагоприят­ ных производственных воздействий; такие комплексы позволяют полностью, без остатка реализовать средства, выделяемые на охрану труда.

4. Формализован критерий оптимальности профилактических мероприятий, в качестве которого принимается суммарное (по всем работающим на объекте управления) снижение показателей профессионального риска, получаемое в ре­ зультате проведения всех мероприятий, включенных в оптимальный план.

5. Построен алгоритм оптимального планирования мероприятий по охране труда, реализующий комбинаторный метод целочисленного программирования (метод «ветвей и границ»), показавший хорошую сходимость при заданном чис­ ле однородных групп работающих на выбранном множестве принимаемых ре­ шений.



Pages:     | 1 |   ...   | 2 | 3 || 5 | 6 |   ...   | 7 |
 

Похожие работы:

«ЖУРАВЛЁВ ВАЛЕРИЙ ВЛАДИМИРОВИЧ ОБЕСПЕЧЕНИЕ ПОЖАРНОЙ И ФОНТАННОЙ БЕЗОПАСНОСТИ ПРИ СТРОИТЕЛЬСТВЕ И ЭКСПЛУАТАЦИИ СКВАЖИН В ВЫСОКОЛЬДИСТЫХ МЕРЗЛЫХ ПОРОДАХ Специальность 05.26.03 – Пожарная и промышленная безопасность (нефтегазовый комплекс) ДИССЕРТАЦИЯ на соискание ученой степени кандидата...»

«Трунева Виктория Александровна СОВЕРШЕНСТВОВАНИЕ МЕТОДОВ ОПРЕДЕЛЕНИЯ РАСЧЕТНЫХ ВЕЛИЧИН ПОЖАРНОГО РИСКА ДЛЯ ПРОИЗВОДСТВЕННЫХ ЗДАНИЙ И СООРУЖЕНИЙ НЕФТЕГАЗОВОЙ ОТРАСЛИ Специальность...»

«Кирилов Игорь Вячеславович Военная политика, военно-политические процессы и проблемные аспекты в системе обеспечении военной безопасности в современной России Специальность 23.00.02. – Политические институты, процессы и технологии Диссертация на соискание ученой степени кандидата политических наук Научный руководитель: д.пол.н.,...»

«Шудрак Максим Олегович МОДЕЛЬ, АЛГОРИТМЫ И ПРОГРАММНЫЙ КОМПЛЕКС ДЛЯ АВТОМАТИЗИРОВАННОГО ПОИСКА УЯЗВИМОСТЕЙ В ИСПОЛНЯЕМОМ КОДЕ Специальность 05.13.19 «Методы и системы защиты информации, информационная безопасность» Диссертация на соискание ученой степени кандидата технических наук Научный руководитель –...»

«Топольский Руслан Ахтамович ОБЕСПЕЧЕНИЕ ЭКОНОМИЧЕСКОЙ БЕЗОПАСНОСТИ ГОСУДАРСТВА НА ОСНОВЕ СОВЕРШЕНСТВОВАНИЯ СТРУКТУРНОЙ ПОЛИТИКИ Специальность 08.00.05 Экономика и управление народным хозяйством (экономическая безопасность) ДИССЕРТАЦИЯ на соискание учной степени кандидата экономических наук Научный руководитель:...»

«Харисов Рустам Ахматнурович РАЗРАБОТКА НАУЧНЫХ ОСНОВ ЭКСПРЕСС-МЕТОДОВ РАСЧЕТА ХАРАКТЕРИСТИК ПРОЧНОСТНОЙ БЕЗОПАСНОСТИ ОБОЛОЧКОВЫХ ЭЛЕМЕНТОВ ТРУБОПРОВОДНЫХ СИСТЕМ В ВОДОРОДСОДЕРЖАЩИХ РАБОЧИХ СРЕДАХ Специальности: 25.00.19 – Строительство и эксплуатация нефтегазопроводов, баз и хранилищ; 05.26.03 – Пожарная и промышленная безопасность (нефтегазовый комплекс) ДИССЕРТАЦИЯ на соискание ученой степени доктора технических наук...»

«Музалевская Екатерина Николаевна ЭКСПЕРИМЕНТАЛЬНОЕ ОБОСНОВАНИЕ ПРИМЕНЕНИЯ МАСЛА СЕМЯН АМАРАНТА ДЛЯ КОРРЕКЦИИ ОСЛОЖНЕНИЙ, ВЫЗЫВАЕМЫХ ИЗОНИАЗИДОМ 14.03.06 Фармакология, клиническая фармакология ДИССЕРТАЦИЯ на соискание ученой степени кандидата фармацевтических наук Научный руководитель: д.м.н., профессор Николаевский Владимир...»

«РОМАНЬКО ТАТЬЯНА ВЛАДИМИРОВНА УДК 662.351 + 502.1 ПОВЫШЕНИЕ УРОВНЯ ЭКОЛОГИЧЕСКОЙ БЕЗОПАСНОСТИ ПРИ ДЛИТЕЛЬНОМ ХРАНЕНИИ ПИРОКСИЛИНОВЫХ ПОРОХОВ 21.06.01экологическая безопасность Диссертация на соискание научной степени кандидата технических наук Научный руководитель: Буллер Михаил Фридрихович доктор технических наук, профессор Шостка – 2015 СОДЕРЖАНИЕ С. ПЕРЕЧЕНЬ УСЛОВНЫХ...»

«МАКСИМОВ АФЕТ МАКСИМОВИЧ УГОЛОВНАЯ ПОЛИТИКА В СФЕРЕ ОБЕСПЕЧЕНИЯ БЕЗОПАСНОСТИ ЖИВОТНОГО МИРА: КОНЦЕПТУАЛЬНЫЕ ОСНОВЫ И ПЕРСПЕКТИВЫ ОПТИМИЗАЦИИ 12.00.08 – уголовное право и криминология; уголовноисполнительное право Диссертация на соискание учёной степени доктора юридических наук Научный консультант: заслуженный работник высшей школы РФ,...»

«Добрева Наталья Ивановна АГРОЭКОЛОГИЧЕСКАЯ ОЦЕНКА ПРИМЕНЕНИЯ УДОБРЕНИЯ СИЛИПЛАНТ И РЕГУЛЯТОРА РОСТА ЦИРКОН В СМЕСИ С ПЕСТИЦИДАМИ ПРИ ВОЗДЕЛЫВАНИИ ЯЧМЕНЯ Специальности: 06.01.04 агрохимия и 03.02.08 – экология Диссертация на...»

«Марченко Василий Сергеевич Методика оценки чрезвычайного локального загрязнения оксидами азота приземной воздушной среды вблизи автодорог 05.26.02 – безопасность в чрезвычайных ситуациях (транспорт) Диссертация на соискание учёной степени кандидата технических наук Научный руководитель: к.х.н., доцент Ложкина Ольга Владимировна Санкт-Петербург Оглавление Введение 1 Аналитический обзор...»

«Фомченкова Галина Алексеевна ИНСТИТУЦИОНАЛИЗАЦИЯ БЕЗОПАСНОСТИ МОЛОДЕЖИ В УСЛОВИЯХ ТРАНСФОРМАЦИИ РОССИЙСКОГО ОБЩЕСТВА Специальность 22.00.04 Социальная структура, социальные институты и процессы Диссертация на соискание ученой степени доктора социологических наук Научный консультант – доктор социологических наук, профессор А.А. Козлов Санкт-Петербург ОГЛАВЛЕНИЕ ВВЕДЕНИЕ.. Глава I. ИНСТИТУЦИОНАЛИЗАЦИЯ БЕЗОПАСНОСТИ:...»







 
2016 www.konf.x-pdf.ru - «Бесплатная электронная библиотека - Авторефераты, диссертации, конференции»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.