基于云模型的装配式建筑供应链风险评价研究

期刊菜单

基于云模型的装配式建筑供应链风险评价研究
Research on Risk Assessment of Prefabricated Building Supply Chain Based on Cloud Model

DOI:10.12677/sd.2024.146179,PDF,HTML,XML,下载: 30浏览: 64
作者:冷美琪,刘文昌：辽宁工业大学经济管理学院，辽宁锦州
关键词:装配式建筑；供应链风险管理；云模型；风险评价；Prefabricated Buildings；Supply Chain Risk Management；Cloud Model；Risk Evaluation

摘要:鉴于当前装配式建筑普及率逐年升高，在此背景下，强化我国装配式施工供应链的风险管理具有重要的现实意义。首先，通过对现有研究结果的梳理与分析，提炼出我国装配式建筑供应链的风险因素清单，并据此建立相应的供应链风险指标体系。在此基础上，利用组合赋权法对各风险因素进行权重确定，并将其应用于装配式建筑供应链风险评估中。最后，通过具体案例，客观和科学地评价。结果表明，将云模型理论引入评价中，可以有效地计算出装配式建筑供应链的风险综合评价值，进而确定项目的风险等级，并根据权重较大的指标提出风险控制建议，为我国装配式建筑供应链的风险管理提供参考。

Abstract:Given the increasing popularity of prefabricated buildings, it is of great practical significance to strengthen the risk management of China’s prefabricated construction supply chain. Firstly, by sorting and analyzing the existing research results, a list of risk factors for China’s prefabricated building supply chain is extracted, and a corresponding supply chain risk indicator system is established based on this. On this basis, the combination weighting method is used to determine the weights of various risk factors, and it is applied to the risk assessment of prefabricated building supply chain. Finally, through specific cases, an objective and scientific evaluation was conducted. The results showed that introducing cloud model theory into the evaluation can effectively calculate the comprehensive risk evaluation value of the prefabricated building supply chain, determine the risk level of the project, and propose risk control suggestions based on the indicators with higher weights, providing a reference for risk management of China’s prefabricated building supply chain.

文章引用：冷美琪, 刘文昌. 基于云模型的装配式建筑供应链风险评价研究[J]. 可持续发展, 2024, 14(6): 1557-1566. https://doi.org/10.12677/sd.2024.146179

1. 引言

近年来，随着社会的快速发展以及资源的不断紧缺，建筑行业也在探索着一种更为高效、环保的建筑方式。与此同时，装配式建筑作为一种新型的建筑方式逐渐崭露头角。装配式建筑将传统建造模式中的大量现场作业移至工厂中来进行，将零件及配件在厂房内加工制造完成后运送至建筑施工现场，以可靠的连接方法在工地上进行现场装配安装。由于采用了标准化设计、工厂化生产、装配化施工的方式，体现了现代工业化生产的特征，符合建筑业现代化、智能化、绿色化的发展方向。相比而言，我国装配式施工起步比较晚，发展速度也比较慢。到目前为止尚未达到发达国家水平。传统建筑行业现场作业环境恶劣、污染大，而我国人口老龄化问题越发严重，表现在建筑工人市场上劳动力短缺、人工成本高、工人年龄大等问题，促使传统建筑行业加快进行转型升级，在国家提出“双碳”目标后，由于其高效率、节能、环保等优势，装配式建筑以其更好地适应了我国的新发展思路的优势，得到了政府的大力支持。但是，由于整个供应链的复杂性，装配式建筑的风险也在增加。随着供应链中的风险不断增加，使得供应链的稳定性降低，进而影响到工程项目的正常施工计划，因此亟需开展面向装配式建筑供应链的风险管理研究。

2. 国内外研究现状

针对供应链风险问题，国内外学者对装配式建筑进行了大量的研究。Liu等[1]运用动态复制方程推导博弈均衡点，绘制装配式建筑演化路径，分析各主体博弈演化规律的策略性行为，为各主体的策略选择提供借鉴。Wang等[2]将传染病模型与复杂网络相结合，探索装配式建筑供应链中的风险传播机制，揭示了关键风险和传播特征，以探索风险传播机制和应对策略，提高风险应对能力。周涛等[3]运用COWA-DEMATEL方法，对装配式施工供应链中各因素的综合中心性进行了研究，并对其成因、结果、效用进行了分析。并从技术自主性、组织安全和行业脆弱性三个角度给出了相应的对策。刘子琦等[4]基于SCOR理论，从设计、采购、制造、运输、施工、运营、回收等7个阶段，辨识影响其可持续发展的关键要素，构建可持续发展的评估指标体系，基于上述研究成果，提出可持续发展的云物元评估模型，实现对我国装配式建筑供应链可持续发展的评估与预测。安慧等[5]基于多元数据分析的原理建立SEM模型，揭示了装配式建筑供应链整合受多因素影响，并对因素影响程度进行分类排序。蒋勇等[6]运用SCOR模型对装配式建筑供应链脆弱因子进行识别，将装配式供应链系统划分为6个子系统，通过SD模型对供应链脆弱性进行仿真，将子系统对整个供应链的脆弱性影响进行排序评价。牛昌林等[7]通过构建影响装配式建筑供应链的指标体系，将三角模糊数引入到AHP中，提出了基于FAHP-DEMATEL的装配式建筑供应链影响因素综合分析模型并对其进行实证分析。针对装配式建筑供应链的影响因素，以上研究大多是采用单一的分析模式或单阶段、单因素进行研究，缺少对多因素的全面、理性的分析，不能反映各个因素之间的重要程度和相关性。在这一背景下，本课题首先通过对装配式施工供应链中的风险源进行分析，建立装配式建筑供应链风险评价指标体系，采用G1法和粗糙集法对指标进行主客观赋权，基于云理论建立装配式建筑供应链风险评价模型，评价风险等级，为我国装配式建筑供应链风险管理的发展提供建议和依据。

3. 建立风险指标体系

本文通过在维普、中国知网(CNKI)等数据库对“装配式施工供应链的影响因素”、“装配式施工供应链”等问题进行检索，从中筛选出与其相关的普通期刊文献138篇，核心期刊文32篇。通过梳理和分析装配式建筑供应链风险相关文献，以及对装配式建筑预制、运输、施工现场的实地调查的基础上，从预制构件外部环境、生产、装配、设计和运输5个角度选取指标，初步筛选出18个装配式建筑供应链风险指标，得到装配式供应链风险管理影响因素，见表1。

Table 1.Risk assessment index system for prefabricated building supply chain

表1.装配式建筑供应链风险评价指标体系

一级指标	二级指标	文献来源
外部环境风险	规模不协调导致成本高	[10][12]
	产业链未整合	[10][13]
	市场不认可	[11][12]
	政策风险	[8][12][13]
预制构件生产风险	图纸工程风险	[11][12][14]
	劳动力投入风险	[11][12][13]
	设计周期风险	[9][10][13][14]
	预制构件产品质量不合格	[8][11]
	预制构件交货延期	[10][12]
装配风险	装配技术不成熟	[9][11]
	装配工期控制不合理	[10][12]
	安全事故风险	[9][13]
	返工风险	[11]
预制构件运输风险	提前交付风险	[14]
	延迟交付风险	[11]
	运输损坏风险	[9][10][14]
管理风险	缺乏装配式建筑管理方法	[8][12][13][14]
管理风险	缺乏协同信息管理平台	[11][12]

对供应链风险采用Likert 5级评分方式，对风险因素进行评分。通过对监理、高校、构件制造商、全过程咨询企业、建设单位等多个方面的问卷调查，共发放了100份问卷，回收93份，有效问卷82份，有效度为88.1%，使用SPSS软件运用Alpha模型对问卷各项一级指标进行可靠性检验，计算得到克朗巴哈系数为0.854、0.833、0.825、0.861，符合克朗巴哈系数0.8评分标准的信度要求，表明该问卷信度良好。

4. 建立组合赋权和云模型的装配式建筑供应链风险评价模型

4.1. COWA算子赋权

COWA算子在确定指标权重时，通过对判定数据进行降序排序加权处理，这样就可以很好地消除了评估过程中的人为因素对评估结果的极值点的影响，提高计算结果的合理性。

4.1.1. 专家打分

邀请n名专家按10分制打分法给相同级别的相对重要性评分，得到各指标权重计算的原始数据集 $(a_{1}, a_{2}, \dots, a_{n})$ ，将原始数据集进行降序排列并依次进行编号，得到 $b_{0} \geq b_{1} \geq \dots \geq b_{n - 1}$ 。

4.1.2. 计算数据b_j的加权向量

$w_{j + 1} = \frac{C_{n - 1}^{j}}{2^{n - 1}}$ ， $j = 0, 1, \dots, n - 1$ (1)

式中， $C_{n - 1}^{j}$ 为n− 1个数据中取出j个数据的组合数。

4.1.3. 计算指标的绝对权重值

${\bar{w}}_{i} = \sum_{i = 1}^{n} w_{j} b_{j}$ ， $w_{j} \in [0, 1]$ ， $j \in [1, n]$ (2)

4.1.4. 计算指标的相对权重值

$w_{i} = \frac{{\bar{w}}_{i}}{\sum_{i = 1}^{m} {\bar{w}}_{i}}$ ， $i = 0, 1, \dots, m$ (3)

4.2. G1法确定主观权重系数

G1方法是我国郭亚军教授率先提出的一种改进层次分析法(AHP)的新方法，该方法不仅可以解决AHP方法中所有判断矩阵均需进行一致性检查的问题，而且还可以省去许多复杂的计算过程。

4.2.1. 确定序关系

若风险评价指标X_i相对于某评价准则层的重要程度大于X_j，则记为X_i>X_j。在假设评估指标集合 ${X_{1}, X_{2}, \dots, X_{n}}$ 的基础上，专家们根据风险因素对装配式建筑供应链风险的影响程度，选取一个最为关键的指标，依次表示为： $X_{1} > X_{2} > \dots > X_{n}$ ，经过n− 1次选择，得到了唯一的序关系： $X_{i} > X_{j} > \dots > X_{k}$ 。由于受到人的主观的影响，不同的专家确定的序关系常常会有不同的结果。

4.2.2. 计算相邻指标的相对重要程度

专家将相邻指标间按重要程度进行比较，并根据经验给予合理性赋值r_k，r_k为W_k₋₁与W_k的重要性之比。公式如下：

$r_{j} = \frac{W_{j - 1}}{W_{j}}$ ， $j = n, n - 1, n - 2, \dots, 3, 2$ (4)

式中，W_n代表序关系排序中第n个指标的权重。

r_k赋值的意义如表2所示。

Table 2.r_kassignment table

表2.r_k赋值表

r_k赋值	赋值含义
1	指标X_k₋₁与指标X_k同样重要
1.1	指标X_k₋₁比指标X_k介于同样重要和稍微重要之间
1.2	指标X_k₋₁比指标X_k稍微重要
1.3	指标X_k₋₁比指标X_k介于稍微重要和明显重要之间
1.4	指标X_k₋₁比指标X_k明显重要
1.5	指标X_k₋₁比指标X_k介于明显重要和强烈重要之间
1.6	指标X_k₋₁比指标X_k强烈重要
1.7	指标X_k₋₁比指标X_k介于强烈重要和极端重要之间
1.8	指标X_k₋₁比指标X_k极端重要

4.2.3. 计算权重系数

在确定各指标的序关系和r_k赋值后，第n个风险因素指标X_n的主观权重系数为：

$W_{n} = {(1 + \sum_{j = 2}^{n} \prod_{i = j}^{n} r_{i})}^{- 1}$ (5)

$W_{j - 1} = W_{j} * r_{j}$ ， $j = n, n - 1, n - 2, \dots, 3, 2$ (6)

4.3. 云模型的基本原理

4.3.1. 云模型定义

云模式是由李德毅教授所提的基于概率论与模糊数学理论，利用云发生器将定性的概念和定量的数值相互转换的模式。基于COWA-G1算子与云模型相结合的评价方法，该方法可以很好地解决评估过程中出现的随机、离散问题。利用云模型所产生的云图，可以更直接地判定施工企业供应链的风险程度。

4.3.2. 确定标准云

将论域U按照评价标准等级划分为若干个子区间，则该子区间所对应的标准云的三个特征数字计算公式如下：

${\begin{cases} E_{x} = \frac{C_{\max} + C_{\min}}{2} \\ E_{n} = \frac{C_{\max} - C_{\min}}{6} \\ H_{e} = k \end{cases}$ (7)

4.3.3. 确定评价云

邀请n位专家对供应链的风险进行评估，对第i个指标进行打分 $F (f_{i 1}, f_{i 2}, \dots, f_{i n})$ ，则第i个指标对应着一个云模型C(E_xi,E_ni,H_ei)，并将此作为原始数据。这种算法与正向云发生器完全不同，是将定量数值转化为定性的模糊概念，称之为逆向云发生器。公式如下：

$\bar{X} = \frac{1}{n} \sum_{i = 1}^{n} x_{i j}$ (8)

$S_{j}^{2} = \frac{1}{n - 1} \sum_{i = 1}^{n} {(x_{i j} - \bar{X})}^{2}$ (9)

${\begin{cases} E_{x j} = \bar{X} \\ E_{n j} = \sqrt{\frac{π}{2}} \times \frac{1}{n} \sum_{i = 1}^{n} | x_{i j} - E_{x} | \\ H_{e j} = \sqrt{S_{j}^{2} - E_{n j}^{2}} \end{cases}$ (10)

式中，n为专家的数量，m为风险指标的数量， $x_{i j} (i = 1, 2, \dots, n; j = 1, 2, \dots, m)$ 为第i位专家对第j个风险指标的评分， $S_{j}^{2}$ 为样本方差。

4.3.4. 确定综合云

综合云C是利用云模型融合算法，将确定的指标权重W与评价云C_j相结合，确定表示最终评价结果的数字特征值，计算公式如下：

$E_{x} = \sum_{j = 1}^{m} W E_{x j}$ (11)

$E_{n} = \sqrt{\sum_{j = 1}^{m} W E_{n j}}$ (12)

$H_{e} = \sum_{j = 1}^{m} W H_{e j}$ (13)

5. 实证分析

5.1. 工程概况

为验证云模型的可行性，以浙江嘉兴某装配式建筑项目为例进行分析，项目总建筑面积31320.69 m²，高层混凝土模块化建筑。

5.2. 基于COWA-G1组合赋权法的指标赋权

邀请国内5位国内知名的装配式建筑专家，以0~10分评分的方式，根据各自的专业知识和经验，对各项目进行评分。由于篇幅所限，本文以指标外环境风险A1中各个评估要素的权重作为例子，对COWA法的赋权进行了说明，专家打分结果如表3所示。

Table 3.Initial score values of indicators

表3.指标初始分数值

指标	专家1	专家2	专家3	专家4	专家5
A₁₁	7	6	8	7	7
A₁₂	9	8	7	7	6
A₁₃	8	9	5	8	7
A₁₄	5	6	8	9	7

1) 将A₁₁的专家打分结果进行排序得到： $b = (8, 7, 7, 7, 6)$ ，因n= 5，运用式(1)求得加权向量为 $(0.0625, 0.25, 0.375, 0.25, 0.0625)$ 。

2) 运用式(2)求得指标A₁₁绝对权重 ${\bar{w}}_{11} = \sum_{j = 1}^{n} w_{j} b_{j} = (0.0625, 0.25, 0.375, 0 ． 25, 0 ． 0625) * {[8, 7, 7, 7, 6]}^{T} = 7$ ，同理可求得 ${\bar{w}}_{12} = 7.3125$ ， ${\bar{w}}_{13} = 7.625$ ， ${\bar{w}}_{14} = 7$ 。

3) 根据式(3)计算出二级指标A₁的权重向量 $W_{1} = (0.242, 0.253, 0.263, 0.242)$ 。

4) 同理，求得其他各指标权重分别为： $W_{2} = (0.183, 0.21, 0.198, 0.218, 0.191)$ ， $W_{3} = (0.221, 0.239, 0.278, 0.257)$ ， $W_{4} = (0.276, 0.368, 0.356)$ ， $W_{5} = (0.535, 0.465)$ 。

通过邀请5位建筑工程项目领域的专家对成本风险指标体系进行打分，利用G1方法，对r_j进行赋值，确定了一级指标的权重，并对其进行了排序。然后根据公式(4)~(6)求得w，根据w可以求得平均权重，如表4所示。

Table 4.Calculation results of order relationship importance

表4.序关系重要性计算结果

专家	序关系	r₂	r₃	r₄	r₅	W₁	W₂	W₃	W₄	W₅
1	$X_{3} > X_{5} > X_{2} > X_{4} > X_{1}$	1.4	1.2	1.2	1.5	0.319	0.228	0.190	0.158	0.105
2	$X_{3} > X_{4} > X_{5} > X_{2} > X_{1}$	1.4	1.3	1.3	1.2	0.329	0.235	0.181	0.139	0.116
3	$X_{5} > X_{3} > X_{2} > X_{1} > X_{4}$	1.2	1.2	1.6	1.0	0.276	0.230	0.192	0.120	0.120
4	$X_{3} > X_{2} > X_{4} > X_{5} > X_{1}$	1.6	1.4	1.2	1.2	0.365	0.228	0.163	0.136	0.113
5	$X_{5} > X_{4} > X_{3} > X_{1} > X_{2}$	1.4	1.6	1.4	1.2	0.363	0.259	0.162	0.116	0.097

将5组权重分别求其算数平均值，得到初始准则层的最终权重为W₁= 0.330，W₂= 0.236，W₃= 0.178，W₄= 0.134，W₅= 0.112。

序积分是评价指标根据序关系依次排序并进行分值赋予得到的分数。在n个评价指数按序关系排列的情况下，排在首位的评价指标X₁序积分F₁为n，次位X₂序积分为n− 1，并以此类推。最终根据m名专家打分结果得出的累计序积分确定最终序关系。以外部环境风险X₁为例， $F_{1} = 1 + 1 + 2 + 1 + 2 = 7$ ，同理，求得F₂= 10，F₃= 22，F₄= 14，F₅= 19。因 $F_{3} > F_{5} > F_{4} > F_{2} > F_{1}$ ，所以有 $X_{3} > X_{5} > X_{2} > X_{4} > X_{1}$ ，得到： $W_{1} = w_{x_{3}} = 0.330$ ， $W_{2} = w_{x_{5}} = 0.236$ ， $W_{3} = w_{x_{4}} = 0.178$ ， $W_{4} = w_{x_{2}} = 0.134$ ， $W_{5} = w_{x_{1}} = 0.112$ ， $W = {(0.112, 0.134, 0.330, 0.178, 0.236)}^{T}$ 。

6. 基于云模型的装配式建筑投资风险评价

6.1. 确定指标标准云

根据相关文献及项目具体情况，将装配式建筑供应链风险分为五个等级，按照0~10分制对风险等级区间值进行估算，其中 $[0, 2)$ 表示低风险， $[2, 4)$ 表示较低风险， $[4, 6)$ 表示中等风险， $[6, 8)$ 表示较高风险， $[8, 10)$ 表示高风险。基于该评价标准，通过公式(7)确定标准云的三个特征数字，k取值为0.03，如表5所示。

Table 5.Standard cloud digital eigenvalues

表5.标准云数字特征值

风险等级	区间	E_x	E_n	H_e
低风险	$[0, 2)$	1	0.333	0.03
较低风险	$[2, 4)$	3	0.333	0.03
中等风险	$[4, 6)$	5	0.333	0.03
较高风险	$[6, 8)$	7	0.333	0.03
高风险	$[8, 10)$	9	0.333	0.03

根据以上标准云参数特征值，借助MATLAB软件，生成相对应的装配式建筑供应链风险评价等级标准云图，如图1所示。

Figure 1.Standard cloud map

图1.标准云图

6.2. 确定项目评价云

利用逆向云生成器，按照公式(8)~(10)进行计算，根据专家评分情况，计算出每个评估指数的云参数，如表6所示。根据(11)~(13)，求出项目评价云 $C = (5.734, 1.017, 0.339)$ ，再利用正向云发生器进行编程，将项目评价云的特征值转化为综合风险评价云图，如图2所示。

Table 6.Digital characteristics of cloud models

表6.云模型数字特征

一级指标	一级指标权重	一级指标云模型(E_x,E_n,H_e)	二级指标	二级指标权重	二级指标云模型(E_x,E_n,H_e)
A₁	0.112	(6.11, 0.983, 0.274)	A₁₁	0.242	(5.2, 1.053, 0.424)
			A₁₂	0.253	(6.0, 1.003, 0.572)
			A₁₃	0.263	(5.7, 0.953, 0.089)
			A₁₄	0.242	(7.6, 0.852, 0.015)
A₂	0.134	(4.91, 0.994, 0.316)	A₂₁	0.183	(5.4, 1.354, 0.105)
			A₂₂	0.21	(4.0, 0.376, 0.438)
			A₂₃	0.198	(4.5, 0.752, 0.257)
			A₂₄	0.218	(6.1, 0.927, 0.361)
			A₂₅	0.191	(4.5, 1.629, 0.392)
A₃	0.33	(5.86, 1.063, 0.276)	A₃₁	0.221	(4.9, 1.153, 0.322)
			A₃₂	0.239	(5.7, 1.203, 0.321)
			A₃₃	0.278	(7.3, 0.702, 0.192)
			A₃₄	0.257	(5.4, 1.529, 0.290)
A₄	0.178	(5.48, 1.090, 0.531)	A₄₁	0.276	(3.2, 0.852, 1.253)
			A₄₂	0.368	(6.3, 1.379, 0.335)
			A₄₃	0.356	(6.4, 1.253, 0.173)
A₅	0.236	(6.28, 1.046, 0.341)	A₅₁	0.535	(6.7, 1.128, 0.268)
A₅	0.236	(6.28, 1.046, 0.341)	A₅₂	0.465	(5.8, 1.053, 0.424)

Figure 2.Comparison map between comprehensive cloud and standard cloud

图2.综合云与标准云对比图

综合云图与标准云图比较后显示，某装配式建筑项目供应链风险处于“中风险”和“较低风险”之间，更接近于“中风险”。因此，该项目供应链风险评价等级为“中风险”。总体而言，评价结果与实际项目状态相符，表明该评价模型具有较高的实用性。这些供应链风险因子的程度都在项目可接受的范围内，因此不会对项目产生过大的影响。

6.3. 对策建议

1) 从供应链管理的角度来看，要建立健全供应链风险管理管控制度和风险隐患排查制度，及时排查潜在的供应链风险问题，对高峰险因素进行实时监测，同时建立突发风险事件的应急预案，从而减少供应链事故的发生。

2) 从预制构件生产的角度来看，加强施工方法、原材料质量的监察力度。确保技术方案的可行性和可靠性。

3) 从预制构件运输的角度来看，公司应该严格按照不同材料的种类进行分类运输、存放，并由专人进行管理。

7. 结束语

本项目以装配式建筑供应链风险管理为切入点，建立了基于COWA算子与G1法的装配式建筑供应链风险评价指标体系，并对各指标的权重进行了综合赋权，引入云模型理论对供应链进行了风险评价，以解决评估体系中的随机性与离散性问题。利用云模型所产生的云图，能更直观地判定装配式建筑供应链的风险程度。最后，结合实例对我国装配式建筑工程项目的供应链风险水平进行了研究，验证了模型具有一定的可行性和科学性，提供了一定的参考价值。

参考文献

[1]	Liu, W. and Han, L.Y. (2023) Evolution Game Analysis of Supply Chain Synergy Benefits of Prefabricated Building Projects.AppliedSciences, 13, Article 11862. https://doi.org/10.3390/app132111862
[2]	Wang, L., Cheng, Y.M. and Zhang, Y.X. (2023) Exploring the Risk Propagation Mechanisms of Supply Chain for Prefabricated Building Projects.JournalofBuildingEngineering, 74, Article ID: 106671. https://doi.org/10.1016/j.jobe.2023.106771
[3]	周涛, 周亚萍, 郭宇晨. 装配式建筑产业链多维度阐释及其供应链自主可控力影响因素测评[J]. 建筑科学与工程学报, 2022, 39(4): 192-203. https://doi.org/10.19815/j.jace.2021.10041
[4]	刘子琦, 张云宁, 欧阳红祥, 等. 基于云物元理论的装配式建筑供应链可持续性评价[J]. 土木工程与管理学报, 2020, 37(3): 109-115+122. https://doi.org/10.13579/j.cnki.2095-0985.2020.03.018
[5]	安慧, 匡彦曦, 杨雯晶, 等. 基于SEM的装配式建筑供应链整合动因分析[J]. 土木工程与管理学报, 2020, 37(1): 50-56. https://doi.org/10.13579/j.cnki.2095-0985.2020.01.007
[6]	蒋勇, 魏蓉. 基于SD模型的装配式建筑供应链脆弱性研究[J]. 科技和产业, 2023, 23(15): 86-91.
[7]	牛昌林, 王飞飞, 李强年. 基于FAHP-DEMATEL的甘肃省装配式建筑供应链影响因素分析[J]. 工程管理学报, 2022, 36(3): 41-46. https://doi.org/10.13991/j.cnki.jem.2022.03.008
[8]	李树天, 马斌, 王聪. 基于Cov-AHP与云模型的装配式建筑施工安全风险评价研究[J/OL]. 西安理工大学学报, 2024: 1-9. http://kns.cnki.net/kcms/detail/61.1294.N.20240109.1658.004.html, 2024-06-10.
[9]	张兵, 刘芳, 查晓庭. 装配式建筑质量风险评价——基于ISM-ANP灰色聚类模型[J]. 建筑经济, 2023, 44(S2): 101-107. https://doi.org/10.14181/j.cnki.1002-851x.2023S2101
[10]	李静文, 张哨军, 周湛林. 基于贝叶斯网络的装配式建筑安全风险研究[J]. 建筑经济, 2023, 44(S2): 597-601. https://doi.org/10.14181/j.cnki.1002-851x.2023S2597
[11]	周杨, 刘梦梦, 王宝雨, 等. 基于BIM技术与风险评估体系的装配式建筑施工安全管理研究[J]. 建筑结构, 2023, 53(S2): 2089-2093. https://doi.org/10.19701/j.jzjg.23S2811
[12]	杨文安, 李佳欣. 基于动态贝叶斯网络的装配式建筑吊装施工安全风险分析[J]. 安全与环境学报, 2024, 24(4): 1328-1336. https://doi.org/10.13637/j.issn.1009-6094.2023.0818
[13]	李红兵, 夏瑶徽, 谢定坤, 等. 装配式建筑吊装施工安全关键风险分析的改进DEMATEL方法[J]. 安全与环境学报, 2024, 24(4): 1314-1327. https://doi.org/10.13637/j.issn.1009-6094.2023.0666
[14]	何正豪, 田元福. 参建单位视角的装配式建筑施工安全风险因素[J]. 科学技术与工程, 2023, 23(1): 321-326.

为你推荐

友情链接