大学实验室安全评估与管理的系统化框架：以化学实验室为例

大学实验室安全，尤其是涉及化学品的实验环境，因其复杂性和系统性特征，传统安全管理方法难以有效应对风险。本研究提出一种混合模型，建立了“系统化诊断—定量评估—针对性干预”的综合方法，用于实验室安全的周期性评价。模型首先应用系统理论事故模型与过程(System Theoretic Accident Model and Processes, STAMP)，构建“校级—二级单位—实验室”三级控制结构，系统化识别安全约束及潜在不安全控制行为(Unsafe Control Actions, UCAs)，定性诊断系统脆弱性的根本原因。随后，STAMP结果作为构建层次分析法(Analytic Hierarchy Process, AHP)指标体系的理论依据，并采用模糊综合评价(Fuzzy Comprehensive Evaluation, FCE)处理评估过程中的模糊性，实现实验室安全状态的量化评估。最后，研究人员以某高校化学实验室为案例验证该混合模型的有效性。结果显示实验室综合安全得分为89.07，属于“一般安全”水平，并精准识别出“安全预算不足”“隐患整改闭环未形成”等关键薄弱环节。该模型深刻揭示了潜在管理问题，并提出针对性改进策略，为高校实验室安全管理提供了创新的理论框架与实践工具。

研究背景与意义

大学实验室是科技创新的重要场所，但其复杂环境涉及危险化学品、高压设备、病原微生物和放射性物质，使其具有高潜在风险。近年来全球范围内的重大实验室安全事故导致人员伤亡、财产损失，并对科研机构声誉造成严重影响。传统安全管理依赖规章制度、责任体系、教育培训和定期检查，多为经验驱动，并采用“隐患识别—问题整改”的被动响应模式，缺乏对组织管理、安全文化、信息传递和层级控制的系统性分析，导致管理碎片化与表面化。多准则决策方法如层次分析法(AHP)与模糊综合评价(FCE)虽可处理评估中的模糊性与主观判断，但其指标体系往往缺乏系统理论基础，可能导致指标缺失或逻辑不清。系统理论事故模型与过程(STAMP)能够从组织、管理和技术层面揭示事故深层原因，但其分析结果多为定性，难以直接支持资源分配决策。为此，研究人员将STAMP与AHP-FCE结合，构建了STAMP-AHP-FCE(SAF)模型，填补了系统性分析与定量决策之间的空白。该研究成果发表于《ACS Chemical Health & Safety》。

主要关键技术方法

研究人员首先基于中国高校普遍实行的“校级—二级单位—实验室”三级管理模式，应用STAMP构建分层控制结构，识别安全约束及潜在不安全控制行为(UCA)。在此基础上，将安全约束转化为AHP指标体系，邀请三位资深实验室安全管理专家进行两两比较，利用1–9标度法构建判断矩阵并计算权重，同时通过一致性检验确保逻辑可靠性。FCE则通过专家模糊统计法建立隶属度矩阵，将定性语言转化为定量评分，最终得到实验室整体安全得分。案例研究选取某综合性大学化学学院下属50余个高风险实验室，涵盖危险化学品、高压反应和气瓶操作，邀请15名利益相关者（包括校级安全员、院级管理员、实验室负责人及博士生）参与评估，以确保结果的广度与深度。

研究结果

3.1 基于STAMP的系统分析

通过三级管理职责划分，明确校级实验室安全委员会、管理部门、二级单位及实验室的责任范围，构建分层控制结构图，并识别三类关键控制回路：政策制定与资源分配回路、检查—整改—闭环验证回路、日常运行与实时监控回路。基于安全约束识别UCA，将其分类为缺失控制算法、反馈不足、心理模型缺陷和执行机构失效四种类型，为AHP-FCE指标体系提供直接依据。

3.2 基于AHP-FCE的定量评估

研究人员构建了包含8个一级指标（责任体系、规章制度、教育培训、准入控制、安全检查、实验场所、安全设施、技术安全）和33个二级指标的评估体系。AHP计算结果显示，责任体系权重最高(0.302)，其次是教育培训(0.150)和规章制度(0.146)。FCE通过专家评估隶属度，结合等级参数向量，计算得到各指标得分。

3.3 案例研究

化学实验室综合安全得分为89.07，属“一般安全”水平，接近“相对安全”。其中责任体系和教育培训得分超过90，达到“相对安全”；其余指标均在80分以上，但规章制度和安全设施得分偏低。二级指标中，“安全预算分配与支出跟踪(C6)”得分低于85，属“相对危险”水平，反映出二级单位缺乏独立资金规划机制；“隐患整改闭环管理(C17)”暴露出反馈控制回路断裂；“应急淋浴/洗眼器安装维护合规率(C22)”和“危险化学品管理合规率(C27)”反映操作层面的控制命令不完整或执行不到位。

3.4 模型验证与敏感性分析

将低分指标与2025年实验室日常检查记录对比，发现模型识别的薄弱环节与实际情况一致。敏感性分析显示，即使一级指标权重波动±20%，综合得分变化幅度小于0.25，安全等级保持稳定，证明评估结果稳健可靠。

讨论与结论

SAF模型融合了STAMP的系统性诊断能力与AHP-FCE的定量优先级排序功能，不仅能提供总体安全评分，还能追溯到具体控制缺陷，如缺失的控制算法或反馈不足。相比单一方法，该模型兼具根因分析与证据支持的决策优势。研究人员建议将SAF作为学期或年度周期性战略诊断工具，与高频日常检查互补，优化资源配置，修复失效的控制回路。未来工作将引入物联网(IoT)与人工智能(AI)动态监测数据，减少主观偏差，并根据生物学、工程学等不同学科的风险特征调整指标体系和STAMP控制结构，以提升模型的通用性与适用性。

研究结论翻译

本研究将STAMP系统理论与AHP-FCE相结合，基于安全约束与UCA构建评估指标体系，系统开发了实验室安全评估的SAF模型。该模型克服了传统定性方法难以量化、单独定量方法无法追溯系统根因的局限，实现了从安全得分到系统因素的可追溯分析，丰富了多层次实验室安全管理的方法体系，并为实验室安全研究提供了新的系统理论视角。作为周期性战略诊断工具，SAF模型可提供综合安全评分与风险优先级，并将低分指标关联到具体控制缺陷，如缺失控制算法和反馈不足，帮助管理者精准配置有限资源，实施针对性改进策略，避免低效的表面治理，从而有效补充日常安全管理，支持高校实验室的精准与可持续安全管理。未来研究将引入包括物联网感知与AI驱动的动态监测在内的多源客观数据，以降低主观偏差，同时根据不同学科风险特征与不同机构管理模式优化指标体系与控制结构，并通过多类型样本验证持续提升模型的通用性与可靠性。