针对安全至关重要的紧急船舶作业，采用系统性的多标准风险评估建模方法

《Safety Science》：A systematic multi-criteria risk assessment modelling for safety–critical emergency shipboard operations

　　摘要：安全关键的舰船上操作涉及复杂的社会技术互动，迅速而明智的决策对于防止级联故障、伤害和环境损害至关重要。传统的职业风险评估方法（如Fine-Kinney方法）提供了结构化的危险评估，但在结合专家驱动的优先级排序和多维因素方面仍然存在局限性。本研究提出了一种混合多标准风险评估框架，将Fine-Kinney方法与最佳-最差方法（BWM）和相似理想解排序技术（TOPSIS）相结合，并通过模糊逻辑来处理基于专家评估的不确定性。该模型基于从5名甲板官员和5名机舱官员那里获得的专家评估结果，应用于海上职业危害。该框架通过嵌入专家判断、结构化权重和相关于安全关键海上操作的系统排名来增强传统评分方法。结果表明，心理社会风险（尤其是疲劳、工作负荷压力和社会隔离）在两组中被一致地列为最关键的危害。此外，甲板官员和机舱官员之间存在显著差异，这反映了他们不同的操作环境和职责。与传统方法相比，所提出的方法提高了优先级排序的透明度，并支持更一致的决策制定。它有助于基于风险的运营安全，并为海事风险管理应用提供了一个可转移的决策支持框架。

1. 引言
航运业被广泛认为是当代国际经济中最具全球整合性和高风险的行业之一。海上运输负责运输超过80%的世界贸易量，被认为是最有效和最具成本效益的国际运输方式，使其成为全球贸易的关键推动者和长期可持续经济增长的关键因素（联合国贸易和发展会议，2021年）。在这种情况下，海上操作的连续性、安全性和可靠性不仅对经济表现至关重要，而且对全球供应链和相互关联的社会经济系统的韧性也至关重要。COVID-19大流行深刻地揭示了全球物流系统的脆弱性以及海上运输在其中的关键作用。限制海上运营的努力导致国际供应链出现严重中断，表现为货物运输的延迟和中断。这些中断揭示了海上运输中的故障如何在整个相互关联的系统中传播，并触发超出物流范围的更广泛的经济和社会影响（Craighead等人，2007年；Dolgui等人，2018年）。尽管面临这些挑战，海上运输对全球贸易仍然是不可或缺的，任何对可靠航运服务的干扰都会对国家经济和全球供应链的稳定性产生严重和深远的影响（Notteboom等人，2021年）。
海上事故，特别是在安全关键的环境中，可能会迅速升级为大规模紧急情况，带来重大的经济、环境和社会后果。例如船舶碰撞、火灾和危险物质泄漏等事件不仅影响船上的人员，还可能引发影响沿海社区、关键基础设施和全球供应链的更广泛危机（Sezer等人，2023b；Ivanov和Dolgui，2020年）。在这种情况下，有效的风险评估不仅对职业安全至关重要，而且在提高海上应急管理的准备性、响应能力和韧性方面也起着关键作用。航运业基本上依赖于大约200万海员组成的全球劳动力（国际航运协会，2022年），他们对海上贸易的运营连续性至关重要。这些人在复杂且安全关键的环境中工作，需要不断管理不确定性和动态条件。人为因素在这种情况下起着核心作用，因为在压力下的决策直接影响到不利事件的可能性和严重性。在船上，海员面临着各种职业危害，包括物理危害、化学危害、心理社会危害和环境危害（Sezer等人，2023a；Ba?han等人，2022年；Carter和Jepsen，2014年）。这些危害通常是相互关联的，在受限的工作和生活条件下可能会加剧，导致复杂和累积的风险模式，从而增加整个系统的脆弱性。此外，海上缺乏即时医疗护理加剧了海员面临的风险。延迟获得及时治疗会加重健康状况的严重性并延长恢复时间。因此，海上操作的远程和危险性质引入了额外的风险层，其中对支持系统的有限访问增加了关键事件的可能性和后果。这一特性进一步强调了在海事环境中采取积极和系统性风险管理方法的必要性（Hansen等人，2002年）。
尽管最近在安全技术方面取得了进展，但与陆地行业相比，海上职业仍然表现出显著更高的受伤和死亡率（Shan，2020年）。全球航运受伤率预计为每10万海员850人（Lefkowitz，2013年）。这种持续的差异表明，现有的风险评估方法可能不足以捕捉海上风险的复杂性、相互依赖性和动态性质，特别是在有可能升级为紧急情况的情况下。尽管对海员职业危害进行了大量研究，但在理解多个风险因素如何相互作用以及如何系统地评估和优先排序方面仍存在显著差距。大多数现有研究仅关注个别风险类别或应用传统的独立评估方法，因此无法捕捉海上危害的相互依赖性和累积性质（Carter和Jepsen，2014年；Shan，2020年）。现有的风险评估模型往往缺乏全面整合多个风险维度或提供优先级排序的结构化基础的能力。此外，许多传统方法没有充分结合与专家判断相关的不确定性（Zimmermann，2001年；Kahraman等人，2003年）。在危机和应急管理的背景下，这些限制尤为关键，决策者必须在不确定性和时间压力下评估多个相互冲突的标准（Rezaei，2015年；Hwang和Yoon，1981年）。缺乏综合和以决策为导向的风险评估框架可能导致危害的优先级排序不佳、安全资源分配效率低下以及应对紧急情况的准备不足。因此，迫切需要先进的分析方法来支持海事危机背景下的风险评估和决策制定。
本研究通过将Fine-Kinney方法与多标准决策制定（MCDM）技术相结合来解决这些限制。所提出的框架结合了Fine-Kinney方法的结构化风险评分能力、基于一致性的最佳-最差方法（BWM）的权重方法和相似理想解排序技术（TOPSIS）的排名机制。此外，还引入了模糊逻辑来更好地表示专家评估中的不确定性（Zadeh，1965年）。与这些方法的单独应用不同，所提出的框架能够在统一的结构内同时考虑风险量化、优先级排序和不确定性处理。通过这样做，该研究提供了一个决策支持工具，可以帮助利益相关者识别和优先排序关键风险，从而提高海上应急管理的准备性、响应能力和韧性。本研究的主要贡献在于开发了一个综合的、以决策为导向的风险评估框架，弥合了传统风险分析和危机导向决策制定之间的差距，支持更加稳健、透明和有效的安全管理实践。本文的其余部分组织如下：第2节对相关文献进行了全面回顾。第3节描述了所提出的方法论。第4节介绍了案例研究和结果。最后，第5节总结了研究并概述了未来研究的方向。

2. 文献回顾
海上操作的特点是复杂且动态的风险环境，其中存在多种类型的危害并发且相互作用。先前的研究已经广泛考察了海员面临的职业风险，强调了物理危害、化学危害、环境危害和心理社会危害的普遍性（Carter & Jepsen，2014年）。最近的研究进一步表明，这些风险越来越多地受到不断变化的操作条件、技术发展和全球中断的影响，尤其是在安全关键的海上系统中（Yu等人，2025年；Tao等人，2024年）。这些发现突出了海事风险的多因素和演变性质及其对运营安全和人类福祉的影响。除了关注危害的研究外，越来越多的文献还探讨了组织和人为因素（包括疲劳、船员更替和工作条件）的影响（Chowdhury等人，2024年；Rüpke和Athanassiou，2024年；Han等人，2023年）。特别是心理社会危害长期以来一直被认为是航海工作的独特特征（Leka，2004年；Nittari等人，2022年）。COVID-19大流行进一步突显了海上人员的脆弱性，研究表明海员的压力、疲劳和心理健康挑战有所增加（Pauksztat等人，2022年；Tang等人，2022年；Brooks和Greenberg，2022年；Doumbia-Henry，2020年）。虽然这些研究提供了关于风险来源和后果的宝贵见解，但它们大多是描述性的，并没有结合结构化的风险评估或决策支持框架。从方法论的角度来看，海事风险评估研究采用了多种方法，包括定性、半定量和定量技术（Huang等人，2023年；Li等人，2012年）。最近的工作还探索了数据驱动的方法，如机器学习用于事故风险预测（Brandt等人，2024年）。然而，现有研究强调了个别方法在全面解决海事风险评估问题方面的局限性，特别是在涉及风险因素之间复杂相互依赖性的情况下，以及需要在多标准决策环境中进行系统优先级排序的需求（Huang等人，2023年；Celik和Akyuz，2016年）。
为了解决这些限制，多标准决策制定（MCDM）方法在风险评估和安全分析中越来越被采用。诸如最佳-最差方法（BWM）和TOPSIS等技术能够基于多个标准进行结构化的评估和优先级排序（Rezaei，2015年；Hwang和Yoon，1981年）。最近的研究证明了MCDM方法在各种领域的有效性，包括运输、供应链管理和安全关键系统，特别是在处理复杂决策问题时（Behzadian等人，2012年；Govindan等人，2020年）。这些能力使得MCDM方法特别适合处理海事风险评估问题的复杂性，其中必须同时评估多个相互作用的风险因素。然而，现实世界的海事风险评估还涉及显著的不确定性、主观性和信息不完全（Huang等人，2023年；Goerlandt和Montewka，2015年；Montewka等人，2014年）。为了弥补这一差距，模糊集理论被广泛用于模拟决策过程中的不确定性和模糊性（Kahraman等人，2003年；Zimmermann，2001年）。在这种情况下，基于模糊的MCDM方法在各个领域获得了越来越多的关注，包括运输和可持续性相关的决策问题（Kumar，2025年；Broniewicz和Ogrodnik，2025年；Chowdhury和Paul，2020年；Banasik等人，2018年）。这些方法非常适合处理复杂决策环境中的不确定性和语言模糊性（Sahoo等人，2026年；Muhsen等人，2023年）。因此，将模糊逻辑与MCDM方法相结合为解决海事风险评估环境中的不确定性和多标准复杂性提供了一种有前景的方法。最近的研究强调了将风险评估与危机和应急管理相结合的重要性，特别是在安全关键系统中，故障可能会升级为影响更广泛社会经济系统的大规模事件（Gu等人，2023年；Fan等人，2025年）。在这种情况下，决策支持工具在提高准备性、响应能力和系统韧性方面发挥着关键作用。
尽管有这些方法论上的进步，但海上职业的受伤和死亡率仍然显著高于陆地行业（Shan，2020年）。全球航运受伤率预计为每10万海员850人（Lefkowitz，2013年）。这种持续的差异表明，现有的风险评估方法可能不足以捕捉海上风险的复杂性、相互依赖性和动态性质，特别是在有可能升级为紧急情况的情况下。尽管对海员职业危害进行了大量研究，但在理解多个风险因素如何相互作用以及如何系统地评估和优先排序方面仍存在显著差距。大多数现有研究仅关注个别风险类别或应用传统的独立评估方法，从而无法捕捉海上危害的相互依赖性和累积性质（Carter和Jepsen，2014年；Shan，2020年）。现有的风险评估模型通常缺乏全面整合多个风险维度或提供优先级排序的结构化基础的能力。此外，许多传统方法没有充分结合与专家判断相关的不确定性（Zimmermann，2001年；Kahraman等人，2003年）。这些限制在危机和应急管理的背景下尤为关键，决策者必须在不确定性和时间压力下评估多个相互冲突的标准（Rezaei，2015年；Hwang和Yoon，1981年）。缺乏综合和以决策为导向的风险评估框架可能导致危害的优先级排序不佳、安全资源分配效率低下以及应对紧急情况的准备不足。因此，显然需要先进的分析方法来支持海事危机背景下的风险评估和决策制定。
本研究通过将Fine-Kinney方法与多标准决策制定（MCDM）技术相结合来解决这些限制。所提出的框架结合了Fine-Kinney方法的结构化风险评分能力、基于一致性的最佳-最差方法（BWM）的权重方法和相似理想解排序技术（TOPSIS）的排名机制。此外，还引入了模糊逻辑来更好地表示专家评估中的不确定性（Zadeh，1965年）。与这些方法的单独应用不同，所提出的框架能够在统一的结构内同时考虑风险量化、优先级排序和不确定性处理。通过这种方式，该研究提供了一个决策支持工具，可以帮助利益相关者识别和优先排序关键风险，从而提高海上应急管理的准备性、响应能力和韧性。本研究的主要贡献在于开发了一个综合的、以决策为导向的风险评估框架，该框架弥合了传统风险分析和危机导向决策制定之间的差距，支持更加稳健、透明和有效的安全管理实践。本文的其余部分组织如下：第2节对相关文献进行了全面回顾。第3节描述了所提出的方法论。第4节介绍了案例研究和结果。最后，第5节总结了研究并概述了未来研究的方向。

3. 方法论描述
本研究提出的方法论结合了Fine-Kinney方法的结构化风险评分能力、基于一致性的最佳-最差方法（BWM）的权重方法和相似理想解排序技术（TOPSIS）的排名机制，并引入了模糊逻辑来处理专家评估中的不确定性。与这些方法的单独应用不同，所提出的框架能够在统一的结构内同时考虑风险量化、优先级排序和不确定性处理。通过这种方式，该研究提供了一个决策支持工具，可以帮助利益相关者识别和优先排序关键风险，从而提高海上应急管理的准备性、响应能力和韧性。方法论
基于模糊的多标准决策（MCDM）方法因其在处理各种形式和程度的不确定性方面的优越能力而受到越来越多的认可，这些不确定性通常存在于复杂的职业风险评估中（Tabatabaee等人，2021年）。这些方法在捕捉与定性评估相关的模糊性和不精确性方面特别有效，而传统的MCDM方法在表示这些方面存在困难。因此，基于模糊的MCDM技术在学术文献中被广泛采用，以应对职业风险评估的多方面挑战（Pedrycz等人，2010年；Gul和Ak，2022年）。为了应对文献综述中确定的挑战，本研究通过整合Fine–Kinney方法、模糊逻辑、BWM和TOPSIS开发了一个基于模糊的职业风险评估模型。本章介绍了所提出方法的符号和概念框架。

3.1. 模糊集合
人类在决策过程中的评估和推理的主观性通过模糊集合得到解决，这些集合最初由Zadeh（1965年）提出。由于对决策、目标、限制和潜在行动方案的知识不完整，现实世界的决策遇到模糊性和不一致性（Aydin等人，2024年）。因此，将个体或集体决策者的语言概念转换为模糊数是可取的，以便结合他们的不同经验、观点、想法和理由（Cabrerizo等人，2015年；Kahraman等人，2015年）。当～??是一个三角模糊数时，其定义为～??=(??,??,??)，其中l、m和u分别代表其下限、中值和上限。该三角模糊数的隶属函数如下：
(2.1)??～??=?{
{|
{|
{|
{|
{|
0,??<1(?????)/(?????),??≤??≤??(?????)/(?????),??≤??≤??
0,??≥??
图1展示了一个三角模糊数及其相关的隶属函数，提供了其数学特性的视觉表示。表1列出了语言量表对应的模糊数。
下载：下载高分辨率图像（52KB）
下载：下载全尺寸图像
图1. 三角模糊数。
表1. 语言量表对应的模糊数。
语言变量
对应的三角模糊数
非常低（VL）(0,0,1)
低（L）(0,1,3)
相对低（RL）(1,3,5)
一般（F）(3,5,7)
相对高（RH）(5,7,9)
高（H）(7,9,10)
非常高（VH）(9,9,10)
给定两个三角模糊数，～??1=(??1,??1,??1)和～??2=(??2,??2,??2)，它们的代数运算可以表示如下：
加法过程：
(2.2)～??1+～??2=(??1+??2,??1+??2,??1+??2)
减法过程：
(2.3)～??1?～??2=(??1???2,??1???2,??1???2)
乘法过程：
(2.4)～??1????～??2=(??1??????2,??1??????2,??1??????2)
与固定数相乘的过程：
(2.5)?????～??1=(????????1,????????1,????????1)
与固定数相除的过程：
(2.6)～??1??=(??1??,??1??,??1??),(??>0)
分级平均积分表示（GMIR），记为??(～????)，用于对三角模糊数进行排序，其确定方法如下（Gul等人，2021年）：
(2.7)??(～?????)=?????+4?????+????/6

3.2. 经典的Fine–Kinney方法
Fine-Kinney方法开发于20世纪70年代，是一种用于职业健康与安全领域进行风险分析的结构化方法。这种方法采用数学框架来量化特定危害的风险（Fine，1971年；Kinney和Wiruth，1976年）。根据Fine-Kinney模型，危害所带来的总体风险由三个主要因素决定：（1）危险事件发生的概率，（2）暴露于事件的程度，以及（3）事件后果的潜在严重性（Kinney & Wiruth，1976年）。这三个因素通过乘法结合，如方程（2.8）所示，得出风险得分（RS），作为Fine-Kinney方法框架内风险的量化度量（Kinney & Wiruth，1976年）。
(2.8)????=??????????????（Kinney & Wiruth，1976年）包含有关参考点、插值值以及计算RS时使用的每个概念的风险得分的详细信息（Gul等人，2017年）。

3.3. BWM方法
在多标准决策（MCDM）中，权重分配的挑战通过多种方法得到解决，其中之一是最佳最差方法（BWM）。最初由Rezaei（2015年）提出，BWM通过减少所需的成对比较次数来改进决策过程，同时确保结果权重估计的一致性。Rezaei（2016年）随后引入了该方法的线性公式，该公式可以产生唯一的最优解。
BWM遵循一种系统的方法来确定决策过程中的标准权重（Ba?han等人，2026年；Gul等人，2021年）。它首先定义决策问题并识别相关标准。然后根据它们的相对重要性选择最显著和最不显著的标准。决策者首先评估最显著标准相对于所有其他标准的主导性（最佳到其他标准向量），然后评估最不显著标准相对于剩余标准的相对偏好（最差到其他标准向量）。为了确保比较的可靠性，进行一致性检查。最后，通过解决一个优化模型来计算标准的最佳权重，该模型最小化成对比较与所得权重之间的最大偏差（Yucesan等人，2022年；Rezaei，2015年）。为了更全面地理解BWM框架内的数学基础，包括函数公式和排序程序，读者可以参考Akyuz和Ghosh（2026年）、Rezaei（2015年）、Gul等人（2021年）中的详细分析。
本研究采用BWM而不是其他加权技术，如经典的层次分析法（AHP），因为BWM需要的成对比较次数大幅减少（2n - 3，而AHP需要n(n - 1)/2），同时通常能够获得更低且更可靠的一致性比率（Rezaei，2015年）。这一特点减轻了决策者在数据收集过程中的认知负担，特别是在本研究中，由于咨询的具有丰富经验的甲板和发动机官员数量有限。

3.4. TOPSIS方法
作为MCDM的基础方法，传统的基于相似性到理想解的排序技术（TOPSIS）方法最初由Hwang和Yoon（1981年）提出。该方法假设每个评估因素都表现出单调趋势，无论是增加还是减少（Chamodrakas和Martakos，2012年）。此外，该模型遵循妥协原则，确保最优替代方案最接近理想解，同时与负理想解保持最大距离（Chamodrakas等人，2011年）。在所有考虑的属性中具有最有利值的假设替代方案代表理想解，而负理想解由具有最不利属性值的假设替代方案定义（Shih等人，2007年）。
TOPSIS方法遵循一个结构化的逐步程序，基于多个标准来评估和排序替代方案（Chen和Hwang，1992年；Yoon和Hwang，1995年）。它从定义问题和构建包含可用替代方案和相关标准的决策矩阵开始。然后对决策矩阵进行规范化处理，以标准化值，确保不同标准之间的可比性（Dubois和Prade，1980年）。规范化后，通过结合每个标准的重要性生成加权标准化决策矩阵。随后，识别出理想解和反理想解，分别代表最佳和最差的属性值。下一步是根据每个替代方案与理想解和反理想解的欧几里得距离进行计算。根据这些距离，确定每个替代方案相对于理想解的接近程度。最后，根据它们的相对接近程度对替代方案进行降序排名，得分最高的替代方案表示最优选项（Behzadian等人，2012年；Chen，2000年；Gul等人，2021年）。在海事领域，MCDM技术已被应用于从船舶领域确定到发动机系统安全评估等各种问题（Fiskin，2023年；Yeo等人，2023年；Ighravwe和Mashao，2023年）。
在本研究中选择TOPSIS作为排名技术，而不是基于妥协或其他排序方法的替代技术，如VIKOR或PROMETHEE，因为它同时考虑了每个替代方案与理想解和反理想解的距离，不需要额外的稳定性参数，如VIKOR中的策略权重系数，或PROMETHEE中所需的偏好函数阈值。这减少了排名过程中涉及的主观建模选择数量，并提高了结果的透明度和可重复性。此外，TOPSIS已在包括职业和海事风险评估应用在内的广泛决策领域得到了广泛验证（Behzadian等人，2012年；Gul等人，2021年），进一步支持了其适用于本框架的特点。
数学公式和相关表达式如下，为理解基础概念及其应用提供了清晰的框架（Chen和Hwang，1992年）。
步骤1：构建决策矩阵：首先建立一个决策矩阵，表示为??=(??????)，其中每个元素??????表示替代方案??在标准??下的绩效值。通常，每个元素??????由一个三角模糊数表示（见表1）。
??=??
?
??
??11?????31???????2????????????????
?
??
步骤2：规范化决策矩阵：对决策矩阵中的每个元素??????进行规范化，以消除不同测量单位的影响。使用以下公式计算规范化决策矩阵???=(???????）（S.-J. Chen和Hwang，1992年）：
(2.9)???????=??????√∑????=1??
2????
其中???????表示替代方案??相对于标准??的规范化值，??是替代方案的数量。
步骤3：计算加权规范化决策矩阵：下一步是为标准分配权重，以表示它们的相对重要性。设????为标准??的权重。通过将每个规范化值乘以相应标准的权重来计算加权规范化决策矩阵???=(???????）（S.-J. Chen和Hwang，1992年）：
(2.10)???????=????×???????
步骤4：确定理想最佳和理想最差解决方案：在此阶段，获得正理想解决方案（PIS），表示为??+，负理想解决方案（NIS），表示为???（S.-J. Chen和Hwang，1992年）：
对于效益标准（值越高越好）：
(2.11)??+??=m3a2(???????)3f2o1l1??
对于成本标准（值越低越好）：
(2.12)?????=m3i2(???????)3f2o1l1??
步骤5：测量与参考解决方案的距离：在此阶段，通过计算每个替代方案与最佳可达解和最差可达解的欧几里得距离来评估其相对位置。分离度量??+??和?????定义如下（S.-J. Chen和Hwang，1992年）：
(2.13)??+??=√√
√
√
√
√
??∑??=1(??????????+??)2
(2.14)?????=√√
√
√
√
√
??∑??=1(?????????????)2
其中??+??和?????分别表示替代方案iii与正理想解决方案和负理想解决方案的分离（C.-L. Hwang和Yoon，1981年）。
步骤6：评估与理想解决方案的相对接近程度：使用以下公式计算替代方案??相对于理想解决方案的接近程度????（S.-J. Chen和Hwang，1992年）：
(2.15)????=???????+??+
??+??
????值最高的替代方案被认为是最首选的替代方案。
步骤7：对替代方案进行排序：根据它们的相对接近程度????对替代方案进行排名。????值最高的替代方案排名第一，因为它最接近理想解决方案（C.-L. Hwang和Yoon，1981年）。

3.5. 方法的整合
在本节中，模糊集合、Fine–Kinney方法、BWM和TOPSIS被整合在一起，以提供对海事职业风险的实用评估。在所提出的框架中，Fine–Kinney方法作为危害和事件分析的基础，通过将识别的风险按概率、暴露和后果进行结构化。这种表示方法能够系统地描述海事职业危害，但本身不支持在多个可能冲突的标准下对风险进行优先级排序。为了解决这一限制，引入了模糊集合理论来模拟基于专家的风险评估中固有的不确定性和不精确性。在此基础上，使用BWM以一致的方式确定Fine–Kinney风险参数的相对重要性，从而提高权重过程的可靠性。随后，使用TOPSIS同时考虑多个加权标准来对识别的危害进行排名。这一步使得可以根据它们相对于理想解决方案的接近程度来优先考虑风险，提供了超越传统风险评分的结构化决策视角。通过这种集成结构，所提出的框架将危害特征描述、不确定性建模、标准权重和多标准优先级排序结合在一个统一的过程中，从而形成了更加全面和以决策为导向的海事职业风险评估方法。图2展示了所提出方法的详细流程（Gul等人，2021年）。
下载：下载高分辨率图像（491KB）
下载：下载全尺寸图像
图2. 结合了Fine–Kinney方法、模糊逻辑、BWM和TOPSIS的海事风险评估集成框架流程图（Gul等人，2021年）。

4. 海事职业风险的评估
本节使用Fuzzy BWM和Fuzzy TOPSIS方法评估与海事操作相关的职业风险。随着海事活动（如货物处理、船舶维护和导航）的发展，它们虽然带来了显著的经济效益，但也引入了各种影响工人安全的危害，包括化学物质暴露、机械事故、跌落和疲劳。虽然《海洋劳工公约》（MLC）等法规旨在提高安全标准，但这些法规在实际应用和执行方面在不同子行业之间仍然存在不一致性。4.1 应用尽管关于海上作业的研究很多，但专门针对海员职业风险的研究仍然不足（Li等人，2022年）。表2列出了海上作业中潜在的危害、其后果以及相关风险。这些危害的识别还借鉴了海员职业死亡和受伤的流行病学证据（Roberts和Marlow，2005年；Roberts等人，2014年）。这些数据来自对学术文献、行业指南以及国际海事组织（IMO）、国际劳工组织（ILO）和ISO（国际标准化组织）等机构的国际法规的全面审查，这些机构对海事业务的安全实践起着关键作用（ILO，2015年；ISO 45001，2018年）。表2. 海上职业中已识别的危害及其解释。危害-ID危害描述解释风险因素-1噪音水平暴露于来自发动机、机器、警报器等的高噪音水平，可能导致听力损失或压力。风险因素-2振动来自绞车、发动机或起重机等设备的振动相关伤害，可能导致肌肉骨骼疾病。风险因素-3重物搬运搬运重货物或设备，可能造成背部、肩膀或其他肌肉的受伤。风险因素-4滑动表面湿甲板、石油泄漏或结冰的表面对滑倒、绊倒和跌落的风险增加。风险因素-5陡峭的梯子和高处跌落从高处或梯子上跌落的风险，尤其是在恶劣天气或夜间值班时。风险因素-6狭窄通道船上的狭小空间，可能导致身体受伤或在疏散时遇到困难。风险因素-7高空作业攀爬起重机、桅杆或高平台的工作，可能导致跌落或受伤。风险因素-8密闭空间进入在通风有限的密闭空间工作，存在受伤或死亡的风险，以及接触有毒气体的风险。风险因素-9寒冷作业在寒冷作业中（如机械维护、隔热工作及管道拆卸）受伤或死亡的风险。风险因素-10高温作业在高温作业中（如焊接、钎焊或金属打磨）受伤或死亡的风险。风险因素-11极端天气由于风暴、雾、巨浪和海上能见度差造成的风险。风险因素-12极端温度（热与冷应激）暴露于极端的炎热或寒冷环境中，可能导致中暑或低体温症。风险因素-13接触化学货物处理危险化学品，如化学品，可能会释放有毒气体或造成泄漏。风险因素-14接触化学燃料在处理、储存或泄漏过程中接触有毒燃料或船舱燃料的风险。风险因素-15接触化学清洁剂接触船上使用的有害清洁剂，如洗涤剂或溶剂。风险因素-16接触柴油废气吸入来自船舶发动机的柴油废气，可能导致呼吸系统疾病和长期健康影响。风险因素-17货舱内的有害蒸汽/气体在通风不良的货舱内接触危险气体或蒸汽的风险。风险因素-18传染病传播由于在船上近距离接触，可能导致流感、COVID-19、疟疾、肺结核等疾病的传播。风险因素-19旅行相关感染在卫生条件差或疾病高发的外国港口或地区接触疾病的风险。风险因素-20媒介传播疾病由蚊子、蜱虫或其他害虫在船上或港口传播疟疾或登革热等疾病的风险。风险因素-21受污染的食物或水接触受污染的食物或水中的生物危害，可能导致胃肠道疾病、寄生虫或食源性疾病。风险因素-22受感染的动物产品处理可能含有生物污染物或疾病的动物产品（如肉类或牛奶），如口蹄疫、禽流感或其他人畜共患病。风险因素-23社会隔离由于长时间在海上，导致孤独或缺乏社交互动，影响心理健康。风险因素-24语言障碍由于多元文化或多国船员导致沟通困难，从而引发误解和错误。风险因素-25骚扰/欺凌由于歧视、骚扰或人际冲突造成的工作场所压力。风险因素-26对海盗的恐惧对船员造成心理影响的海盗威胁或劫持事件。风险因素-27数月的长途任务远离家人，影响心理健康和身体健康。风险因素-28有限的岸上假期由于登陆机会有限，影响士气和心理健康。风险因素-29由于多国船员造成的工作场所紧张文化差异和语言障碍导致冲突和误解。风险因素-30心理健康污名化由于害怕评判或职业影响而不愿意报告心理问题。风险因素-31疲劳长时间工作、不规律的班次和缺乏休息可能导致疲劳，降低绩效并增加事故风险。风险因素-32增加的工作量和时间压力紧张的工作安排和高工作量需求增加了压力和身心疲惫的风险。此外，还分别分析了五名甲板船员和五名引擎船员的意见，以准确捕捉每组遇到的独特职业危害。表3展示了这些专家的专业背景、角色和经验年限。甲板船员负责导航和外部操作，面临的环境因素（如恶劣海况、能见度差）、手动搬运伤害、疲劳以及滑倒、绊倒和跌落等事故等职业风险。他们的评估重点关注操作安全问题，包括船舶操纵、天气状况和船员协调。相比之下，引擎船员面临与机械和技术系统相关的风险，如设备故障、接触有害化学物质、密闭空间危害和高噪音环境。表3. 甲板船员和引擎船员的专家概况。空单元甲板船员职位经验（年）职位经验（年）专家-1船长负责船舶和船员13总工程师监督机械维护和修理11专家-2船长负责船舶和船员12总工程师监督机械维护和修理13专家-3首席官员负责甲板操作和安全9二等工程师协助机械操作8专家-4船长负责船舶和船员14二等工程师协助机械操作8专家-5首席官员负责甲板操作和安全8总工程师监督机械维护和修理15这些差异主要源于两组不同的工作环境和职责，甲板船员在开放和动态的环境中工作，而引擎船员在封闭且机械密集的环境中工作。通过分离这些观点，采用了一种混合MCDM方法来独立地优先处理操作和技术职业风险。这确保了风险排序的准确性，并支持为每个角色制定定制的安全协议和培训计划。从操作的角度来看，这种区分提供了决策的结构化基础，使得安全资源的更有效分配和针对特定角色的风险缓解策略的设计成为可能。最终，这种方法通过有效应对操作和技术领域中存在的独特职业风险，提高了海上安全。以下提供了该方法的逐步应用过程。4.2 结果在这项研究中，使用Fine-Kinney方法评估了海上职业风险，该方法基于三个基本参数：概率（P）、暴露（E）和后果（C）。表2列出了分析中考虑的所有已识别风险。这些参数的权重值确定为????=0.25、????=0.20和????=0.55，采用自Gul等人（2021年）。在Gul等人（2021年）的研究中，一致性比计算为CR = 0.0352，表明一致性水平较高，因为接近零的值反映了更可靠的判断（Rezaei，2015年）。表1中定义的语言量表被用于区间模糊TOPSIS程序中，以纳入专家评估。例如，表4展示了甲板船员对概率标准的语言评估。这些评估构成了后续分析中使用的模糊聚合决策矩阵的基础。表4. 甲板船员对概率（第一个标准）的语言评估。空单元概率（第一个标准）VLLRLFRHHVHE空单元VLLRLFRHHVH风险因素-12111风险因素-171121风险因素-2311风险因素-182111风险因素-3221风险因素-1932风险因素-4221风险因素-20212风险因素-2132风险因素-22221风险因素-2732风险因素-281112风险因素-2923风险因素-30131风险因素-3113风险因素-321121风险因素-33121风险因素-341121风险因素-35221风险因素-361112风险因素-3732风险因素-381112风险因素-3923风险因素-401112风险因素-4112风险因素-42112风险因素-43112风险因素-441风险因素-45221风险因素-461112风险因素-4732风险因素-481112风险因素-49221风险因素-501112风险因素-5112风险因素-52112风险因素-531112风险因素-54112风险因素-55221风险因素-561112风险因素-5732风险因素-581112风险因素-5923风险因素-601112风险因素-61112风险因素-621112风险因素-631121风险因素-641112风险因素-651112风险因素-661112风险因素-6732风险因素-681112风险因素-6923风险因素-701112风险因素-7112风险因素-72112风险因素-73112风险因素-74112风险因素-75112风险因素-76112风险因素-7732风险因素-781112风险因素-7923风险因素-801112风险因素-8112风险因素-82112风险因素-83112风险因素-84112风险因素-85221风险因素-861112风险因素-8732风险因素-881112风险因素-8923风险因素-901112风险因素-9112风险因素-92112风险因素-93112风险因素-94112风险因素-95221风险因素-96112风险因素-9732风险因素-98112风险因素-9923风险因素-101112风险因素-102112风险因素-103112风险因素-104112风险因素-105112风险因素-106112风险因素-107112风险因素-108112风险因素-109112风险因素-1112风险因素-1112风险因素-1121风险因素-11312风险因素-114112风险因素-115112风险因素-116112风险因素-117112风险因素-118112风险因素-119112风险因素-120112风险因素-12112风险因素-12112风险因素-122112风险因素-123112风险因素-124112风险因素-125112风险因素-126112风险因素-127112风险因素-128112风险因素-129112风险因素-13112风险因素-132112风险因素-133112风险因素-134112风险因素-135112风险因素-136112风险因素-137112风险因素-138112风险因素-139112风险因素-14112风险因素-140112风险因素-14112风险因素-142112风险因素-143112风险因素-144112风险因素-145112风险因素-146112风险因素-147112风险因素-148112风险因素-149112风险因素-15112风险因素-150112风险因素-15112风险因素-152112风险因素-153112风险因素-154112风险因素-155112风险因素-156112风险因素-157112风险因素-158112风险因素-159112风险因素-16112风险因素-160112风险因素-16112风险因素-162112风险因素-163112风险因素-164112风险因素-165112风险因素-166112风险因素-167112风险因素-168112风险因素-169112风险因素-170112风险因素-17112风险因素-172112风险因素-173112风险因素-174112风险因素-175112风险因素-176112风险因素-177112风险因素-178112风险因素-179112风险因素-180112风险因素-18112风险因素-182112风险因素-183112风险因素-184112风险因素-185112风险因素-186112风险因素-187112风险因素-188112风险因素-189112风险因素-190112风险因素-19112风险因素-192112风险因素-193112风险因素-194112风险因素-195112风险因素-196112风险因素-197112风险因素-198112风险因素-199112风险因素-19112风险因素-20112风险因素-202112风险因素-203112风险因素-204112风险因素-205112风险因素-206112风险因素-207112风险因素-208112风险因素-209112风险因素-210112风险因素-21112风险因素-21112风险因素-212112风险因素-213112风险因素-214112风险因素-215112风险因素-216112风险因素-217112风险因素-218112风险因素-219112风险因素-220112风险因素-22112风险因素-22112风险因素-222112风险因素-223112风险因素-224112风险因素-225112风险因素-226112风险因素-227112风险因素-228112风险因素-229112风险因素-230112风险因素-23112风险因素-232112风险因素-233112风险因素-234112风险因素-235112风险因素-236112风险因素-237112风险因素-238112风险因素-239112风险因素-240112风险因素-24112风险因素-242112风险因素-243112风险因素-244112风险因素-245112风险因素-246112风险因素-247112风险因素-248112风险因素-249112风险因素-250112风险因素-25112风险因素-252112风险因素-253112风险因素-254112风险因素-255112风险因素-256112风险因素-257112风险因素-258112风险因素-259112风险因素-260112风险因素-26112风险因素-262112风险因素-263112风险因素-264112风险因素-265112风险因素-266112风险因素-267112风险因素-268112风险因素-269112风险因素-270112风险因素-27112风险因素-272112风险因素-273112风险因素-274112风险因素-275112风险因素-276112风险因素-277112风险因素-278112风险因素-279112风险因素-280112风险因素-28112风险因素-282112风险因素-283112风险因素-284112风险因素-285112风险因素-286112风险因素-287112风险因素-288112风险因素-289112风险因素-290112风险因素-29112风险因素-292112风险因素-293112风险因素-294112风险因素-295112风险因素-296112风险因素-297112船员和发动机值班员都将“风险因素-30（心理健康污名化）”视为解决心理健康问题的一个额外障碍，尤其是在传统上由男性主导的行业中，寻求心理健康帮助可能会受到污名化。两组人都强调了社会孤立、疲劳和工作压力等共同问题，但船员还特别指出了心理健康污名化的影响，而值班员则更关注长期任务所带来的挑战。船员和值班员评估的职业风险在关键类别上有很多重叠，例如重物搬运和湿滑表面带来的身体危险，以及疲劳和社会孤立等心理社会问题。然而，每个群体也识别出了与其特定环境和职责相关的独特风险。值班员强调极端天气、狭窄通道以及长达数月的任务带来的压力，而船员则着重指出了柴油尾气、噪音水平和机房振动等危险。这些评估突显了需要采取针对性措施来减轻海事作业中的共同和独特风险，以确保值班员和船员的安全与福祉。

5. 结论
本研究探讨了海运业中职业风险的复杂性，该行业面临广泛的物理、化学、生物和心理社会风险。根据文献综述的结果，传统的风险评估方法在捕捉这些多样化风险因素的复杂性、相互依赖性和优先级要求方面存在局限性。为克服这些局限性，本研究提出了一个混合风险评估模型，将Fine-Kinney方法与MCDM技术（特别是BWM和TOPSIS）相结合。所提出的框架在一个统一的、以决策为导向的结构中结合了结构化危险特征描述、不确定性处理、标准权重分配和多标准优先排序。与现有的混合风险评估方法相比，该框架提供了更加整合的结构。

研究结果揭示了通过提出框架识别出的最显著的职业风险，这些风险被归类为物理、化学、生物和心理社会风险。结果表明，由于操作环境和职责的不同，不同职业角色的风险状况也有所不同。对于值班员来说，最关键的风险包括疲劳、工作量增加和时间压力、社会孤立、湿滑表面以及长期任务；而对于船员来说，则是社会孤立、工作压力、高温工作、噪音暴露和柴油尾气。这些发现表明，虽然某些风险在各个角色中存在共性，但其他风险则强烈依赖于具体情境，需要采取针对特定角色的缓解策略。BWM和TOPSIS的整合使风险评估更加平衡和系统化，它结合了定量数据和专家的定性判断。特别是，基于模糊逻辑的扩展增强了模型处理专家评估中固有的不确定性和主观性的能力。研究结果突显了心理社会风险（如疲劳和社会孤立）的关键重要性，这两项风险在两组中始终排在较高位置。此外，生物风险（包括传染病和旅行相关的感染）也成为海事作业中的重要问题，这强调了需要全面和适应性强的风险管理策略。

总之，所提出的混合框架为海事职业风险评估提供了一种结构化且以决策为导向的方法，使得风险priority的确定更加透明、一致和有效。与传统方法相比，该模型改进了多个风险维度的整合，并支持在复杂且安全至关重要的海事环境中做出更可靠的决策。在这种背景下，该框架有助于在操作风险可能升级为紧急情况时优化决策过程，符合对灵活和适应性强的安全管理系统日益增长的需求。从实际角度来看，研究结果为海事安全管理者提供了可操作的见解，有助于制定针对共同风险和特定角色风险的具体干预策略。这项研究通过提供一个全面且可适应的风险评估框架，为海事安全管理的进步做出了贡献。

尽管有这些成果，但仍需承认一些局限性。首先，本研究依赖于一个相对较小的专家小组的评估，其中包括五名值班员和五名发动机值班员。尽管这些专家是根据丰富的操作经验和特定职责精心挑选的，但样本量的限制可能会影响研究结果的统计普遍性，未来的研究应使用更大、更多样化的专家小组在不同船队和船舶类型中进行验证。其次，表5和表6中的排名稳健性尚未通过敏感性分析进行正式测试，标准权重的微小变化可能会影响紧密排名的风险因素的顺序。因此，本研究中关于稳健性的声明应理解为反映了框架的结构整合性，系统性的权重扰动敏感性分析仍是未来研究的方向。未来的研究应探索将提出的框架应用于实时决策支持系统，以实现海事作业中的动态和响应式风险评估。此外，将模型与人工智能和基于物联网的监测系统等新兴数字海事技术相结合，可能会显著提高其可扩展性、适应性和在复杂操作环境中的实际应用能力。

作者贡献声明：
Omer Soner：撰写——修订与编辑、撰写——原始草稿、可视化、验证、监督、方法论、调查、概念化。
Emre Akyuz：撰写——原始草稿、监督、方法论、调查。

关于写作过程中生成式AI和AI辅助技术的声明：
在准备这项工作时，作者使用了AI语言模型来辅助语言改进、措辞推荐和句子结构优化。使用这些工具后，作者根据需要审查和编辑了内容，并对发表文章的内容负全部责任。

Omer Soner | Emre Akyuz
土耳其凡省Van Yuzuncu Y?l大学海事运输管理工程系，Tusba 65090，Van