“外部知识评估”项目：为钻井与井下作业班组人员开发知识矩阵

背景：为什么人员知识是安全的关键因素

在对包括钻井和井下作业在内的生产设施事故进行调查时，发现了一个关键规律：约50%的事故与人员知识不足直接相关。这一通过内部调查并确定因果关系得出的统计数据，成为重新审视承包商现场准入方法的起点。

PJSC Gazprom Neft承包商管理部负责人Ruslan Mukhamediyarov剖析了一个实际案例，旨在建立一道有效屏障，防止不合格人员进入作业现场。核心任务是引入一套既真实可靠、支持远程操作，又不会对生产流程造成不必要阻碍的知识考核系统。

“外部知识评估”系统：架构与特点

为解决这一问题，公司选择了一个根据自身特定需求进行定制的外部IT测试平台。所引入系统的关键特性包括：

• 100%远程化：考虑到人员的轮班工作制，测试以远程方式进行，从而消除了进入现场时的延误。
• 高吞吐量：该平台能够同时对多达5000人进行测试，且对通信网络质量没有严苛要求。
• 基于AI的监考：人工智能技术可识别考生身份，捕捉异常噪音、离开画面或使用提示的企图，从而确保结果的真实性。

融入业务流程与合格分数的设定

演讲详细探讨了将测试系统嵌入现有业务流程的过程。通过评估的要求已被纳入与承包商签订的合同及技术任务书中。测试结果直接与自动化通行证发放系统集成：未达到设定的合格分数线，将无法获得现场准入资格。

合格分数线的设定方法颇具参考价值。在初始阶段，合格线设定在30%-33%的水平（例如10道题答对3道），以免在人才短缺的情况下导致承包商工作陷入瘫痪。然而，该战略计划随着人员能力的提升以及针对已识别薄弱环节（如高处作业、装卸作业和涉气危险作业）的专项改进，逐年提高这一分数线。

开发知识矩阵：合作伙伴方法

演讲者特别强调了测试内容的生成过程。团队开发了“知识单元”——即与特定作业类型（动土作业、动火作业、个人防护装备使用等）挂钩的工业安全题库模块。

成功的关键因素在于不仅邀请了内部专家，还吸收了承包商自身的代表参与专业评审。这使得系统能够兼顾不同承包商所使用的各类设备和技术的特殊性，并使知识矩阵最大限度地贴合实际作业条件。

您将从本次网络研讨会中了解到：

• 如何在不影响生产流程的前提下实现承包商知识考核的自动化？
• 如何利用AI监考杜绝远程测试中的作弊行为？
• 如何将知识评估要求正确整合到合同和准入系统中？
• 为什么邀请承包商参与开发测试题目和知识矩阵至关重要？
• 在合格人才短缺的情况下，如何科学设定和调整测试的合格分数线？