Investigación sobre la Estrategia de Juego de Prevención y Control de Riesgos de Seguridad Mutua de las Empresas de Parques Industriales bajo la Tecnología Blockchain
Autores: Su, Chang; Deng, Jun; Li, Xiaoyang; Cheng, Fangming; Huang, Wenhong; Wang, Caiping; He, Wangbo; Wang, Xinping
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Investigación sobre la Estrategia de Juego de Prevención y Control de Riesgos de Seguridad Mutua de las Empresas de Parques Industriales bajo la Tecnología Blockchain
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Sistemas
Palabras clave
Riesgos de seguridad
Parques industriales
Prevención de riesgos
Ayuda mutua de control
Tecnología blockchain
Reguladores gubernamentales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
La gestión sistemática de los riesgos de seguridad corporativa en parques industriales se ha convertido en un tema candente. Y la prevención de riesgos y el control de la ayuda mutua es un modelo completamente nuevo en la gestión de riesgos y emergencias del parque. En el contexto de la blockchain, cómo incentivar a las empresas a invertir activamente en la prevención de riesgos de seguridad y el control de la ayuda mutua se ha convertido en una serie de cuestiones clave que enfrentan los reguladores gubernamentales. Este artículo combina de manera innovadora la Teoría de Prospectos, la Contabilidad Mental y la Teoría de Juegos Evolutivos para crear un modelo hipotético de racionalidad limitada para el comportamiento de los actores clave (empresas centrales, empresas de apoyo y departamentos regulatorios gubernamentales) en la ayuda mutua para la prevención y control de riesgos de seguridad. Bajo el mecanismo de premio y castigo estático y el mecanismo de castigo dinámico, se analizó la estrategia de estabilización evolutiva de los actores, y se realizó un análisis de simulación numérica a través de ejemplos. Los resultados muestran: (1) La ayuda mutua para la prevención y control de riesgos entre las empresas del parque está influenciada por diversos factores, incluidos elementos externos y subjetivos, y evoluciona a través de caminos evolutivos complejos (por ejemplo, puntos de referencia, percepción del valor). (2) Los departamentos gubernamentales están implementando cada vez más medidas dinámicas de recompensa y castigo para abordar las deficiencias de los mecanismos estáticos. Los departamentos gubernamentales deben ajustar dinámicamente las estrategias de recompensa y castigo, determinar claramente los estándares más altos para recompensas y castigos, y la combinación de varios incentivos y penalizaciones puede mejorar significativamente la efectividad de las decisiones de inversión en la ayuda mutua para la prevención y control de riesgos de seguridad. (3) Optimizar continuamente el diseño de los mecanismos de recompensa y castigo, integrar la tecnología blockchain con estrategias de gestión para motivar la participación empresarial y aprovechar la retroalimentación de los participantes son estrategias y recomendaciones que proporcionan nuevas perspectivas para promover la inversión activa de las empresas en la ayuda mutua para la prevención y control de riesgos de seguridad. La contribución marginal de este artículo es revelar el patrón evolutivo de los comportamientos de prevención y control de riesgos de seguridad mutua de las empresas en parques químicos en el contexto de la blockchain.
Descripción
La gestión sistemática de los riesgos de seguridad corporativa en parques industriales se ha convertido en un tema candente. Y la prevención de riesgos y el control de la ayuda mutua es un modelo completamente nuevo en la gestión de riesgos y emergencias del parque. En el contexto de la blockchain, cómo incentivar a las empresas a invertir activamente en la prevención de riesgos de seguridad y el control de la ayuda mutua se ha convertido en una serie de cuestiones clave que enfrentan los reguladores gubernamentales. Este artículo combina de manera innovadora la Teoría de Prospectos, la Contabilidad Mental y la Teoría de Juegos Evolutivos para crear un modelo hipotético de racionalidad limitada para el comportamiento de los actores clave (empresas centrales, empresas de apoyo y departamentos regulatorios gubernamentales) en la ayuda mutua para la prevención y control de riesgos de seguridad. Bajo el mecanismo de premio y castigo estático y el mecanismo de castigo dinámico, se analizó la estrategia de estabilización evolutiva de los actores, y se realizó un análisis de simulación numérica a través de ejemplos. Los resultados muestran: (1) La ayuda mutua para la prevención y control de riesgos entre las empresas del parque está influenciada por diversos factores, incluidos elementos externos y subjetivos, y evoluciona a través de caminos evolutivos complejos (por ejemplo, puntos de referencia, percepción del valor). (2) Los departamentos gubernamentales están implementando cada vez más medidas dinámicas de recompensa y castigo para abordar las deficiencias de los mecanismos estáticos. Los departamentos gubernamentales deben ajustar dinámicamente las estrategias de recompensa y castigo, determinar claramente los estándares más altos para recompensas y castigos, y la combinación de varios incentivos y penalizaciones puede mejorar significativamente la efectividad de las decisiones de inversión en la ayuda mutua para la prevención y control de riesgos de seguridad. (3) Optimizar continuamente el diseño de los mecanismos de recompensa y castigo, integrar la tecnología blockchain con estrategias de gestión para motivar la participación empresarial y aprovechar la retroalimentación de los participantes son estrategias y recomendaciones que proporcionan nuevas perspectivas para promover la inversión activa de las empresas en la ayuda mutua para la prevención y control de riesgos de seguridad. La contribución marginal de este artículo es revelar el patrón evolutivo de los comportamientos de prevención y control de riesgos de seguridad mutua de las empresas en parques químicos en el contexto de la blockchain.