《Buildings》：Construction Equipment Safety Assessment and Prioritization Using an Integrated CECSI–MARCOS Framework
编辑推荐：
施工设备安全涉及技术、环境、人员、运行和组织条件的并发作用。本研究提出一种两阶段、基于观测的施工设备复杂性与安全性指数（Construction Equipment Complexity and Safety Index, CECSI），并与基于妥协解的备选方
施工设备安全涉及技术、环境、人员、运行和组织条件的并发作用。本研究提出一种两阶段、基于观测的施工设备复杂性与安全性指数（Construction Equipment Complexity and Safety Index, CECSI），并与基于妥协解的备选方案测量与排序方法（Measurement of Alternatives and Ranking according to COmpromise Solution, MARCOS）集成，用于设备类别干预优先级排序。该框架应用于4个住宅施工现场和5类设备的200次现场观测。18项指标采用五点观测序数量表评分，并组织为5个等权重维度。4个预设两两交互项通过有界非负增量（λ = 0.20）组合。6个等权重、现场导出的MARCOS准则在无专家启发或模糊加权条件下使用。修正后的CECSI均值为62.19，89.0%的观测落入所提出的高/关键（High/Critical）筛选带。塔式起重机具有最高的设备类别干预优先级；敏感性分析识别出对筛选阈值和干预难度解释的依赖性。CECSI是一种可解释的运行筛选指数，而非经实证校准的事故概率测度。该方法提供透明的“观测—优先级排序”工作流，但仍需进一步测量和外部验证。
研究背景方面，施工项目处于动态且不断变化的环境中，人员、设备、材料、临时设施、分包商和管理流程在受限空间内交互，职业安全管理因此复杂；危险条件很少来自单一来源，安全绩效可同时受技术条件、人员行为、环境约束、运行需求和组织决策影响。设备密集型活动中机械在人员和其他设备附近运行，现场条件与生产需求随项目变化，因此实际评估需区分所观测运行条件的复杂性与事故可能性或严重性。传统基于危险的方法对识别危险及其后果仍必要，但可能不能显式表征设备任务周围不利条件的配置；识别复杂运行情境也不自动决定哪类设备应优先获得管理关注，即运行条件复杂性测量与安全干预优先级排序是相关但不同的问题。既有研究支持系统导向的施工安全解释，并提供危险评估与决策排序技术，但尚需将可重复、基于观测的多维设备运行条件描述与明确的干预优先级排序阶段连接起来。研究人员据此提出两阶段框架：第一阶段用CECSI在机械、环境、人员、运行和组织维度内组合18项结构化观测指标及4个选定两两交互测度；第二阶段用MARCOS基于聚合的设备级证据支持比较性干预优先级排序。CECSI被定位为运行复杂性筛查指数，而非经实证校准的事故概率模型。该研究使用4个住宅施工现场的200次设备—任务观测，5类设备各40次，旨在开发透明的多维观测复杂性指数、考察选定共现不利条件的贡献，并将现场评估与比较性干预优先级连接；其主要贡献是建立观测级复杂性表征与设备级决策支持之间可审计的联系。其意义在于提供可追溯的“观测—决策”工作流、维度级诊断信息，并明确区分复杂性筛查与传统严重度—可能性评估；但外部验证、指标效度和预测有效性仍需建立。
关键技术方法可概括为：研究采用两阶段观测与多准则决策流程。样本来源为4个匿名住宅施工现场、5类设备（塔式起重机、汽车吊、挖掘机、轮式装载机、混凝土泵），每站点50次、每类40次，共200次设备—任务观测。观测级将18项指标按五点序数量表评分并归一化至0–1，计算机械复杂性指数（MCI）、环境复杂性指数（ECI）、人员复杂性指数（HCI）、运行复杂性指数（OCI）和组织复杂性指数（OGCI），五维等权形成基础CECSI；4个预设两两交互项等权构成交互指数（II
i），以λ = 0.20的有界非负增量得到CECSI
i*，并按提议阈值分类。设备级将6个现场导出MARCOS准则等权（1/6），按理想与反理想参考计算效用U
i并排序；敏感性分析涵盖λ取0、0.10、0.20、0.30、0.40，替代准则权重，干预难度（C6）方向，筛选阈值，站点分层bootstrap及Monte Carlo Dirichlet权重抽样。
研究结果如下。4.1 现场观测描述特征：最终数据集含4个住宅施工现场200次设备—任务观测，每站点50次、每类设备40次；除18项CECSI指标外，观测数据还含严重度、可能性、暴露人数、干预难度、未遂事件和干预需求等补充变量，并与CECSI计算分开保留。4.2 总体CECSI结果：200次观测的修正交互调整后CECSI均值为62.19（范围34.82–87.44），五维均值差异相对较窄，表明没有单一维度压倒性主导总体观测级复杂性轮廓；总体均值位于提议的高筛选带，但不表示校准事故风险。4.3 CECSI运行分类分布：按提议阈值，低为0次（0.0%）、中为22次（11.0%）、高为152次（76.0%）、关键为26次（13.0%），即178次（89.0%）位于高/关键带；该比例较原始65.5%上升是修正指数公式的结果，不应解释为现场条件恶化。4.4 设备级CECSI轮廓：修正公式下设备级CECSI均值为塔式起重机69.88、汽车吊66.00、轮式装载机63.33、混凝土泵56.16、挖掘机55.60，排序为塔式起重机 > 汽车吊 > 轮式装载机 > 混凝土泵 > 挖掘机；塔式起重机MCI、ECI和HCI最高，汽车吊OGCI最高，汽车吊与轮式装载机OCI相近；高/关键筛查率为塔式起重机97.5%、汽车吊97.5%、轮式装载机95.0%、混凝土泵75.0%、挖掘机80.0%，属运行筛查频率而非重大事故可能性估计。4.5 设备级安全特征：塔式起重机平均严重度最高（3.95）、平均交互指数最高（0.474）；汽车吊平均暴露人数最高（11.35）、平均干预难度最高（3.70）；设备类别并非仅由CECSI区分，这些聚合值构成后续六准则决策矩阵。4.6 MARCOS干预优先级结果：CECSI均值和高/关键率进入C1、C2，C3–C6保留现场导出值，六准则精确等权（1/6），C6在管理负担基线中为优先级递增；基线干预优先级排序为塔式起重机 > 汽车吊 > 轮式装载机 > 混凝土泵 > 挖掘机，属观测数据集内相对管理干预优先级，而非设备固有危险性的普遍排序。4.7 对CECSI交互系数的敏感性：λ从0.00至0.40按0.10步长变化，保持200项原始指标观测和等维权重不变，重算设备级平均CECSI；设备类别按平均CECSI的排序在测试范围内稳定，分类频率对λ和筛选阈值敏感。4.8 MARCOS权重敏感性与排名稳定性：四种替代准则权重情景分别提高平均CECSI、平均暴露人数、平均严重度和平均交互的相对权重，完整权重向量重新归一化；未发生排名反转，完整排序仍为塔式起重机 > 汽车吊 > 轮式装载机 > 混凝土泵 > 挖掘机，各情景与基线的Spearman秩相关系数为1.00。4.9 对干预难度方向的稳健性：基线下C6为优先级递增；成本导向替代情景反转C6归一化，其他准则和等权保持不变，报告顺序为塔式起重机 > 汽车吊 > 轮式装载机 > 挖掘机 > 混凝土泵，并改变效用值；原文强调修正CECSI设定下的结果才是本文相关结果。探索性检查显示修正CECSI与未遂事件记录的Spearman相关约0.0908、与干预需求记录约0.2731，不能确立预测效度；五个替代方案准则排名高度一致，提示可能重复计数，逐项移除一个MARCOS准则在考察情景中保持基线排序，但冗余仍是设计局限。阈值敏感性明显：λ = 0.20时，高/关键截断为45/70、50/75、55/80时高/关键比例分别为95.0%、89.0%、75.5%，提议带是决策支持标签而非验证的重大事故风险类别。站点分层观测级bootstrap（3000次重复）给出修正总体CECSI均值约60.82–63.66的95%百分位区间，塔式起重机在86.30%重复中排名第一；该bootstrap在站点内重抽样观测，不是站点整群bootstrap，不能据此推广至不受限的施工站点总体。20,000次Monte Carlo Dirichlet权重抽样中，围绕等权集中时精确基线排序保留于95.35%抽样、塔式起重机排名第一于95.55%抽样；分散Dirichlet下塔式起重机排名第一于75.62%抽样，这些百分比以指定模拟分布为条件，不是设备事故概率。
讨论部分总结：5.1认为CECSI findings支持将设备运行视为多维配置而非孤立危险，维度轮廓相近说明没有单一测量域单独解释观察到复杂性；CECSI应视为运行筛查构念而非涌现系统行为的综合模型，其贡献在于可将总体复杂性回溯至具体机器、环境、人员、运行和组织观测，四对交互项仅提供有限共现表征，分类带为暂定筛查阈值，观测集中于上带值得管理审视但不能确立事故概率、组织自满或因果机制。5.2指出设备类别差异反映不同观测配置而非固有普遍危险差异，塔式起重机复杂性轮廓与既有研究相容，但四站点住宅施工环境限制可迁移性，排序应指导情境化审查而非固定设备风险等级；单凭平均复杂性分数可能不足以描述设备类别，需同时报告维度轮廓及暴露或后果信息。5.3强调CECSI与传统风险评估回答相关但不同问题，严重度–可能性评估针对特定危险及后果，CECSI描述观测运行条件配置，二者可结合但不可替代；传统严重度×可能性评分保留在CECSI计算之外，避免将新指数呈现为校准事故风险估计器；CECSI与后续事故的预测关系尚未建立，需独立结局验证。5.4认为MARCOS将聚合观测转化为相对干预优先级顺序，其贡献是透明决策结构而非独立验证的设备危险测度；因若干MARCOS准则由CECSI导出或相关，需明确评估冗余与稳健性；干预难度的管理含义重要，将困难干预视为需更多关注不同于视为可行性较低，这些选择可导致不同排序并应在资源分配前记录；MARCOS最好视为可配置的审议辅助工具。5.5指出λ敏感性显示平均CECSI随交互系数单调增加，而设备类别按平均CECSI排序在测试范围内稳定，分类频率对λ和截断敏感；修正有界增量模型纠正了原凸混合模型随λ增加而降低CECSI的性质，但属于透明建模约定而非涌现系统行为或更优经验预测的证明；MARCOS权重敏感性显示更高稳定性，提高CECSI、暴露、严重度或交互相对权重10%未产生排名反转，Spearman秩相关系数为1.000；C6方向对决策含义仍重要，尽管在当前修正CECSI设定下该敏感性计算中五类排序未变，但这不意味着所有管理加权和方向选择都无影响。5.6提出CECSI–MARCOS提供从现场观测到干预优先级排序的直接分析路径，安全人员可在常规设备—任务观察中记录18项指标并获得维度复杂性轮廓与复合CECSI，重复观测可聚合识别持续呈现更高多维复杂性的设备类别或运行条件；维度输出有助于干预设计，机械复杂性高可提示维护、设备状况、安全系统或负荷利用，环境复杂性高可提示地面准备、可见性控制、天气限制或交通管理，人员和运行复杂性可提示疲劳、沟通、任务规划、同时作业、人员接近或进度压力，组织复杂性可指向监督和应急准备；MARCOS在另一管理层面支持多准则比较设备类别以分配检查、监督关注、维护资源、工程控制、规划努力等；电子表格实现使计算链可见可审计；但CECSI不应作为自动决策规则，数值排序不能替代专业安全判断、法定要求、设备特定检查义务或危险条件即时控制。讨论还指出上筛选带集中值得管理审查重复不利运行条件、升级准则和纠正措施跟踪，但本身不证明自满或偏差正常化；?rstad and Aven讨论的重大事故风险治理需要关注组织如何解释和响应警告信号，CECSI可使不利条件组合可见，但不预测重大事故也不替代监管风险评估、任务特定控制或专业判断。MARCOS排序应作为情境相关优先级提示而非普遍设备危险排序；决策者应明确目的是风险降低、资源分配还是近期实施，再选择准则权重和干预难度方向，并检查准则冗余、不确定性和合理替代排序后再对最终效用小差异采取行动。5.7指出主要局限为缺乏外部验证的指标特定评分锚、正式评分者间信度、独立建立的筛选阈值和预测验证；虽观察不同设备单元和操作员，共享站点条件可能引起依赖；四住宅站点和五类设备限制可迁移性；等权和四个选定两两交互优先透明而非组织反馈、适应或涌现的完整模型；有界增量公式和C6优先级递增方向是明确建模选择，均未经验证优化；MARCOS准则间强关联可造成冗余，五个替代设备限制相关推断。未来应建立指标特定锚和观察者一致性，用安全结局独立验证指数，检验替代交互集和加权模型，并使用多站点纵向样本进行外部验证和站点感知不确定性估计；未来研究还可借鉴基于AHP的安全风险加权比较启发式优先级与等权基线，并借鉴资源分配方法考察实际约束下安全干预实施。
研究结论翻译：本研究开发了两阶段基于观测的CECSI–MARCOS框架，用于运行筛查和设备类别干预优先级排序。修正CECSI使用有界非负交互增量、等基线权重和明确定义变量。在4个住宅站点200次观测中，修正平均CECSI为62.19；178次观测（89.0%）落入提议的高/关键筛选带。在修正等权MARCOS模型下，塔式起重机仍为最高排名设备类别。这些是相对筛查和决策支持结果，而非校准事故概率。该研究主要贡献是可审计的观测到决策工作流、维度级诊断信息，以及复杂性筛查与传统严重度–可能性评估之间的明确分离。MARCOS排序也说明这些管理假设，尤其干预难度方向，如何影响比较优先级。该框架旨在支持而非替代法定控制、传统风险评估和专业判断。进一步研究应加强指标有效性和评分可靠性，评估抽样依赖性，检验交互公式，并在更广泛应用前评估MARCOS准则的独立性和稳健性。
