综述：安全与可持续设计评估中多准则决策分析（MCDA）方法的比较分析

《RSC Sustainability》：A comparative analysis of MCDA methods for safe and sustainable by design assessment

　　

安全与可持续设计（Safe and Sustainable by Design，SSbD）框架是欧盟实现更清洁、更安全生产及化学品可持续目标的核心，需要稳健的实施工具。本论文对用于SSbB的多准则决策分析（Multi-Criteria Decision Analysis，MCDA）方法进行了综述和比较计算分析。标准完全补偿性MCDA方法被证明在监管决策背景下作为主要安全门（safety gate）根本不可行，因为它们允许高可持续性表现来抵消关键安全危害，这与欧盟化学品法规（如REACH）的非补偿性原则相冲突。研究人员使用增塑剂案例研究，数学公式化并评估了三种方法：补偿性复合指标（compensatory composite indicators）、符合监管的替代化学品评估多准则决策分析（multiple-criteria decision analysis for assessments of chemical alternatives，MCDA-ACA）以及联合研究中心（Joint Research Centre，JRC）定量SSbD框架。分析表明，补偿性方法无法在安全门处可靠地实施安全优先逻辑，而MCDA-ACA、JRC方法和CI-SSbDC复合指标等非补偿性或混合框架，通过离散值函数、最小值聚合和明确截止标准成功实施了安全优先逻辑。研究人员建议从业者采用稳健的两阶段混合方法：（1）应用经过验证的非补偿性安全门来消除有害替代品，（2）随后使用综合可持续性和性能标准对剩余安全选项进行排序。这项工作通过为清洁化学品创新中的明智决策提供清晰且经过验证的方法论路径，为SSbD的操作化做出贡献。

**1. Introduction**
本文指出，向可持续和循环经济转型需要根本性转变，欧盟政策框架（如欧洲绿色协议和化学品可持续发展战略）确立了实现零污染的目标。安全与可持续设计（Safe and Sustainable by Design，SSbD）概念作为回应“遗憾替代”（regrettable substitutions）的范式转变，通过联合研究中心（Joint Research Centre，JRC）的框架结合了风险评估方法和生命周期评估（Life Cycle Assessment，LCA）。多准则决策分析（Multi-Criteria Decision Analysis，MCDA）为实施SSbD提供了透明方法，但现有应用在评估边界、指标选择、聚合方法和决策规则方面存在显著差异。本文的四个主要目标是：系统回顾现有SSbD评估方法及其与JRC的一致性；分析MCDA技术中的非补偿性要求；开发透明的SSbD评分系统并在JRC增塑剂案例研究中说明；确定实施挑战和未来研究方向。

**2. Methods: literature review and method selection**
研究人员进行了叙述性回顾，数据库包括Scopus、Web of Science Core Collection和Google Scholar，时间窗口为2010年1月至2025年12月。初始检索获得215条独特记录，筛选后保留36篇作为主要SSbD相关决策支持方法或MCDA应用，另有18篇作为背景文献。从中选出三种代表性方法进行详细比较分析：MCDA-ACA、JRC SSbD框架定量评分方法（2022/2023案例研究）和CI-SSbDC复合指标。

**3. Safe and sustainable by design framework: conceptual foundations and regulatory context**
**3.1 Policy context and development of SSbD**：SSbD框架源于欧洲环境与化学品政策发展，追溯至绿色化学原则和纳米技术中的安全设计。2022年欧盟委员会推荐正式确立了SSbD概念，2025年修订版本将内在安全与暴露安全整合为整体安全评估，并扩展了社会经济评估。
**3.2 Core principles and structure of the SSbD framework**：框架融合设计原则和系统评估方法论。**3.2.1 Design principles**：包括材料效率、减少危险化学品使用、能源效率、使用可再生资源、防止有害排放、减少暴露、设计为生命周期末考虑等，并非层级要求。**3.2.2 Scoping analysis and SSbD scenario definition**：界定评估边界，包括系统定义、设计目标和利益相关方识别，2025年修订正式化为SSbD情景定义步骤。
**3.3 Safety, environmental sustainability, socio-economic assessment, and evaluation**：2025年修订将内在危害与暴露风险评估整合为整体安全评估；环境可持续性部分继续使用LCA，引入筛选级选项；社会经济部分显著扩展，涵盖社会公平、竞争力等。三部分结果输入显式评估阶段，支持非补偿性和混合MCDA方法。
**3.4 Fundamental challenges in MCDA for SSbD**：五个基本挑战：安全优先（安全表现差必须排除正面评估）；监管阈值（明确截止值和离散类别必须尊重）；层级结构（多层级聚合需透明）；混合数据类型（连续、分类和定性证据）；不确定性（数据和模型不确定性需特征化并传播）。

**4. Mathematical formulations of MCDA methods**
**4.1 MCDA-ACA method (London et al. 2024)**：**4.1.1 Objective hierarchy**：两层目标层级，低层属性（如持久性^P、生物累积性^B等）聚合为高层目标（如PBT），最终分类由最差高层目标决定。**4.1.2 Discrete value functions**：将分类危害水平转换为非线性凸函数分数（v(x)定义见公式1）。**4.1.3 Hierarchical aggregation**：低层目标使用算术平均组合，高层目标如PBT得分S_PBTeco = 2/3 × (v(P) + v(B) + v(T_eco))/3，其中比例因子2/3用于对齐REACH标准。**4.1.4 Overall classification**：最终分数f = min(所有高层目标得分)，阈值0.17区分可接受与SVHC属性替代品。
**4.2 Composite indicator approach (Arias et al. 2024)**：CI-SSbDC整合五个维度（危害HD、健康HeD、环境ED、循环CD、经济EcD），具有强制危害截止标准（如CMR 1A/1B直接失败）。通过替代品后，使用加性、几何或调和平均聚合。
**4.3 JRC SSbD framework method and its role in the 2025 revision**：**4.3.1 Quantitative safety and environmental scoring in the 2022/2023 case studies**：使用0-3评分系统，步骤1（危害评估）基于未通过的最高标准（H1=SVHC等）；步骤2（生产安全）基于风险表征比（Risk Characterization Ratio，RCR）；步骤3（使用安全）基于消费者暴露RCR；步骤4（环境可持续性）基于LCA的16个影响类别。整体安全得分S_safety = min(步骤1, 步骤2水平, 步骤3)，然后通过优先级矩阵与步骤4水平结合。**4.3.2 Relation to the 2025 SSbD framework**：2025年修订将各步骤得分整合为整体安全评估，强调指标、参考尺度和不确定性的显式记录，以及使用仪表盘和MCDA支持聚合。
**4.4 Integrated risk assessment–LCA methods**：其他混合方法采用顺序非补偿性逻辑，仅在满足风险标准（如RCR ≤ 1）后才进行LCA和社会经济评估。
**4.5 Decision support system (DSS) architectures**：DSS平台如HARMLESS、SUNSHINE和SAbyNA操作化这些方法，采用阶段门模型，早期使用定性工具（如AMEA、WASP），后期使用定量工具，避免单一聚合分数，让专家权衡。

**5. Computational results: plasticizer case study**
**5.1 Case-study description and input data**：评估DEHP及其五种替代品（ATBC、DEHA、DEHT、DINCH、ESBO）的危害属性数据（例如CMR分类、内分泌干扰物、持久性^P、生物累积因子^BCF、无观测效应浓度^NOEC）。
**5.2 Method 1: MCDA-ACA results for plasticizers**：MCDA-ACA正确将DEHP分类为“遗憾替代”（最终分数0.067，低于0.17阈值）；所有五种替代品均为“非遗憾”，ATBC和ESBO得分最高（0.667），DEHA中等（0.578），DEHT和DINCH最低（0.489），提供了三级危害排序。
**5.3 Method 2: JRC framework quantitative results for plasticizers**：JRC框架DEHP达到SSbD 0级（不安全和不可持续）；ATBC和DEHA为1级（有条件接受）；DEHT和ESBO为2级（安全和可持续）；DINCH为3级（高度安全和可持续），展示了混合方法：先过滤DEHP，再根据可持续性表现区分。
**5.4 Method 3: composite indicator framework for plasticizers**：CI-SSbDC通过危害截止自动排除DEHP；替代品均通过，但因数据不完整（缺少循环性和经济数据）未生成定量排名，仅作为概念示例。
**5.5 Cross-method synthesis: plasticizer assessment**：所有方法均通过不同非补偿性机制正确识别DEHP不可接受；替代品排名因方法论焦点而异：MCDA-ACA基于危害排名，JRC框架识别DINCH最优，CI-SSbDC若完全参数化会考虑循环性和经济维度。
**5.6 Sensitivity and uncertainty analysis**：**5.6.1 MCDA-ACA**：改变阈值和聚合方式，排序完全不变；QSAR不确定性蒙特卡罗模拟（3000次）显示DEHP 100%遗憾，ESBO最稳健。**5.6.2 JRC SSbD framework**：扰动各步骤得分发现DEHP被步骤1锁定为0级；步骤4（环境可持续性）是改变最终级别的主要步骤；食物接触情景对ATBC和ESBO关键；QSAR不确定性下DINCH成为最稳健表现者。

**6. Discussion and recommendations**
**6.1 Methodological comparison and selection guidelines**：MCDA-ACA强项在于监管对齐（与REACH Article 57高度一致），非补偿性严格；JRC框架最全面，结合非补偿性安全门和详细可持续性评估；CI-SSbDC整合多维度但后门补偿性聚合可能违背安全优先。
**6.2 Aggregation strategies: scope conditions for compensation**：完全补偿性方法不适合作为安全门；混合方法（非补偿性安全门+补偿性评估）是最佳解决方案；四个基本原则：层级结构、阈值校准、透明性、实际适用性。
**6.3 Decision-support platforms and method selection guidelines**：DSS平台（如HARMLESS、SUNSHINE、SAbyNA）通过分级工作流程操作化SSbD，避免单一分数。方法选择指南：监管危害筛选用MCDA-ACA；综合创新评估用JRC框架或DSS平台；早期筛选用分级方法；推荐稳健的两阶段混合方法：先应用非补偿性安全门，再应用综合框架。
**6.4 Practical guidance for practitioners: stage-method mapping**：按创新阶段映射数据要求和方法：早期研发用定性筛选和MCDA-ACA；实验室/中试用部分JRC和DSS（含热点标记）；示范/部署用完整JRC和正式不确定性分析。
**6.5 Challenges: data quality, uncertainty, and stakeholder acceptance**：数据限制和不确定性（特别是QSAR）是挑战；归一化方法（外部归一化优于内部）；权重设定需利益相关方参与；循环性与LCA影响间存在权衡；缺失数据需情境化处理；不同利益相关方观点（创新者vs.监管者）需包容性流程。
**6.6 Future research directions**：需要方法论整合（连接早期危害预测与评估）、不确定性验证（前瞻性研究）、实际实施（开源DSS平台和FAIR数据原则），以及全球协调研究。

**7. Conclusions**
本文核心发现是完全补偿性MCDA方法不适合作为SSbD的安全门；需要专用混合方法（如MCDA-ACA、JRC框架、CI-SSbDC），它们整合非补偿性安全门。当前方法多样但存在两大差距：许多框架仍是研究原型缺乏软件和验证；不确定性处理不充分。实际应用中建议基于情境区分：监管评估用非补偿性安全筛选，创新评估用混合方法。未来方法开发应建立在经过验证的混合基础上，优先安全，验证监管基准，创建开放工具并积极让利益相关方参与。