《Sustainability》:AI-Assisted Sustainability Intelligence and Decision Support in Manufacturing Organizations Using Expert-Validated Indicators Under the Triple Bottom Line Framework
编辑推荐:
工业可持续性评估需要一种透明且可操作的框架,以管理多维指标、专家不确定性、权重复杂性及管理解释。本研究提出可持续工业测量(Sustainable Industrial Measurement, SIM)模型,一种面向制造业组织的AI辅助可持续性智能架构。该模型
工业可持续性评估需要一种透明且可操作的框架,以管理多维指标、专家不确定性、权重复杂性及管理解释。本研究提出可持续工业测量(Sustainable Industrial Measurement, SIM)模型,一种面向制造业组织的AI辅助可持续性智能架构。该模型在三重底线(Triple Bottom Line, TBL)框架下,由基于文献的指标综合、模糊德尔菲技术(Fuzzy Delphi Technique, FDT)、帕累托80/20筛选、群层次分析法(Group Analytic Hierarchy Process, Group AHP)、效用值分析(Utility Value Analysis)及基于Web的AI赋能决策支持系统(AI-enabled decision support system, AI-DSS)组成。在基于共识、阈值及模糊分数准则的FDT验证中,33位专家接受了64项指标。帕累托筛选将集合缩减至50项高影响指标,包括10项经济、22项社会及18项环境指标。优先级权重源自21位专家的群AHP权重推导并经一致性检验。环境与社会指标代表了主导的可持续性优先级。加权结构被嵌入基于Web的AI-DSS中,以实现自动评分、可视化、差距诊断及基于AI的管理建议。30位工业从业者报告了SIM模型的优异感知可用性,系统可用性量表(System Usability Scale, SUS)得分为86.0。然而,该评估仅评估了可用性,未评估制造业可持续性决策及未来实施中AI辅助建议的准确性、有效性或组织影响。
研究背景方面,制造业是经济增长、就业与技术发展的引擎,但其生产消耗大量能源资源并产生排放与职业危害,面临超越传统生产力与盈利指标评估绩效的压力。可持续制造需在三重底线(Triple Bottom Line, TBL)框架下整合经济可行性、环境责任与社会福祉,但将原则转化为可衡量且具决策相关性的信息仍具挑战。现有文献中指标重叠、量纲不一、数据难获且情境相关性有限,制造业组织在持续选择与应用适宜可持续性指标上仍存在困难。先前研究虽提出了结构化聚合指标的方法,但指标相关性受行业、规模、法规等多因素影响需验证,专家判断具主观性与语言不确定性,模糊德尔菲技术(Fuzzy Delphi Technique, FDT)可转化语言评估并应用共识准则。大指标集增加数据负担与分析复杂度,帕累托分析可保留主要重要性贡献者,但缺乏针对全TBL框架连接模糊验证与层次赋权的研究。指标需差异化赋权,层次分析法(Analytic Hierarchy Process, AHP)可提供结构化优先级推导与一致性检验,但需结合归一化与加权生成可比分数。多数方法止于计分计算未融入操作平台,标准仪表盘难以厘清弱绩效根源与优先级差距。生成式人工智能(Generative artificial intelligence, GenAI)可提供洞察但非结构化数据输出可能泛化,更合理的角色是解释基于显式过程产生的结果。现有研究多将验证、筛选、赋权、计算、实施与评估作为分离组件,缺乏从专家验证TBL指标到加权评分、系统实施与AI辅助解释的集成框架。本研究据此开发SIM模型作为序列AI辅助可持续性智能架构,其新颖性在于将FDT验证、帕累托筛选、群AHP赋权、效用值分析(Utility Value Analysis, UVA)、Web-based AI-DSS、AI辅助解释与SUS评估集成于单一工作流。该研究发表于《Sustainability》。
研究人员采用的关键技术方法包括:基于Scopus与ScienceDirect等数据库的系统性文献综述识别65项候选指标并按TBL分类合并冗余;招募33位跨领域专家采用FDT以三角模糊数(Triangular Fuzzy Numbers, TFNs)转换语言评分,依阈值不大于0.20、共识不低于75%、模糊重要度得分不低于0.50准则验证指标;应用帕累托80/20原则依去模糊重要度归一化累计贡献筛选至50项;选取21位专家进行群AHP,采用几何平均聚合判断矩阵并以一致性比率(Consistency Ratio, CR)小于0.10检验逻辑一致性,计算全局权重;通过UVA将效益型与成本型指标归一化至0–5效用分并加权聚合;开发基于Web的AI-DSS以API集成Gemini 3.5 Flash模型作为解释层处理结构化JSON输入生成建议;邀请30位工业从业者使用系统并填写系统可用性量表(System Usability Scale, SUS)计算得分与满意度指数(Satisfaction Index, SI)。
研究结果部分,首先是可持续性指标综合。系统性文献综合在TBL框架下识别出65项候选指标,含13项经济、28项社会、24项环境指标,反映制造业可持续多维度特性及经济、社会、环境衡量的必要性,为SIM模型提供全面初步结构。
其次是候选指标的模糊德尔菲验证。33位专家依FDT验证65项指标,接受率98.5%,64项同时满足共识≥75%、阈值≤0.20、重要度≥0.50,仅SCL 1.10未达共识被排除,Kendall一致系数显著,表明文献池具相关性但需情境验证,FDT提升构念效度并量化主观判断不确定性。
第三是帕累托筛选与指标缩减。将64项验证指标依80%累计贡献阈值的帕累托原则缩减至50项(10经济、22社会、18环境),约减21.9%且保留TBL结构;对比70%、85%、90%阈值后选定80%以平衡覆盖与管理性,筛选旨在降低后续AHP认知负荷而非判定指标无效,排除指标存于主目录供特定情境复用。
第四是基于AHP的可持续性指标优先级结构。21位专家对50项指标群AHP赋权,所有CR<0.10,维度全局权重聚合显示环境约43.8%、经济约39.0%、社会约17.2%;单项最高为全球权重0.0831的资产回报率(ECN 1.10)与0.0630的生产过程增加值(ECN 1.11),环境维度材料效率相对废物生成(ENV 1.12;0.0492)与水强度(ENV 1.9;0.0472)居次,社会维度职业健康安全类别权重最高;加权结构可识别战略重要指标上的弱绩效。
第五是最终指标架构的集成解释。最终SIM指标架构经FDT接受、帕累托缩减与AHP赋权三重过滤,解决既往研究方法论碎片化,在FDT与AHP间集成帕累托降复杂度为群AHP铺路,50项架构兼顾TBL代表性与组织应用简洁性。
第六是AI-DSS实施与可持续性智能。加权指标结构嵌入含用户管理、数据输入、计分、可视化、报告与AI辅助建议模块的Web-based AI-DSS,提供指标、维度与组织层面评估及雷达图等展示;AI模块不作为计分模型仅作验证计分模型之上的解释层,接收归一化分、AHP全局权重、加权差距分与性能类别等结构化输入以JSON输出改进建议与总结,体现Industry 5.0人机协同,但评估仅证方法与可用性非决策质量改善。
第七是可用性与实际适用性。30位工业从业者评估得SUS总分86.0与SI 86.0%,属优异可用性,各项均“非常满意”,系统一致性与易学性均值4.60、SI 92.00%最高,无技术支持运行与便利性稍低但仍非常满意;证明复杂分析可转为可用界面并减轻解释负担,但SUS仅证感知可用性非决策效果,需未来结果验证。
总结讨论部分指出,SIM模型理论贡献在于展示TBL指标转为验证、缩减、加权与AI辅助评估架构,集成指标验证、证据降维、优先级赋权、计分、系统实施、AI解释与可用性评估于单一序列工作流,弥补既往分离处理局限;对比既有框架扩展帕累托缩减、Web实施、GenAI解释与正式可用性测试;环境维度聚合权重最高反映资源与合规压力,经济单项居首反映其为可持续实施赋能者,印证TBL维度相互关联非独立;管理上可依全局权重与绩效差距区分战略优先级与监测项,支持资源配置与报告准备,也可供机构设计聚焦高效材料、水强度等能力建设方案。局限包括专家与可用性评估具特定情境、群AHP采用等权聚合未敏感性分析经验或熟悉度加权、AHP预设层次关系可能忽略指标互依、帕累托截断可能影响低排敏感指标、评估侧重感知可用性未测决策质量等,需跨行业国家规模验证与纵向多厂实施及前后决策比较。
结论部分翻译:本研究在三重底线框架下开发了可持续工业测量(SIM)模型作为制造业组织的集成可持续性评估架构。主要科学贡献在于将专家验证的指标治理、基于证据的指标缩减、一致性验证的优先级赋权、基于效用的可持续性计分、基于Web的决策支持系统(DSS)实施及AI辅助解释联结于单一序列框架内,解决了文献中指标选择、赋权、计分、系统实施与管理解释常被分离处理的关键缺口。主要发现如下:其一,SIM模型提供透明序列框架将广泛可持续概念转化为可衡量、验证与加权指标,应用FDT管理专家不确定性、帕累托筛选降复杂度、群AHP推导一致性验证优先级权重,而非依赖预定义或等权指标的传统评估。其二,最终指标结构确认制造业可持续需集成三重底线视角,环境指标获最高聚合维度权重反映能源、排放、水耗、材料效率、废物循环与环境合规的重要性,同时资产回报率与增值生产等经济指标在单项层面排名靠前,表明经济绩效仍是可持续实施的关键赋能者。其三,加权指标框架集成至基于Web的AI-DSS强化了模型操作价值,使组织能将可持续数据转为标准化分数、可视化跨维度绩效、比较工厂或周期并生成结构化报告,将评估从静态记录转向决策导向的可持续性智能。其四,生成式AI组件被设计为超越自动报告的原型扩展,解释验证加权可持续分数轮廓、识别优先级差距并生成结构化咨询建议,因其操作基于FDT、帕累托、AHP与效用计分的结构化输入,输出立足于透明评估逻辑而非泛化文本生成。其五,可用性评估证实SIM模型优异感知可用性,30位从业者测试得系统可用性量表分数86.0,表明原型具用户可及性但未证实其在改善决策质量、可持续规划、报告准确性、资源配置或组织结果上的有效性。因此,本研主要科学贡献在于开发用于可持续制造评估的集成方法论与操作架构,通过将专家验证TBL指标构建、证据基指标缩减、一致性验证AHP赋权、效用值分析、基于Web的DSS实施与AI辅助解释联结于单一序列框架推进文献。本证据直接支持指标框架方法论效度、系统实施可行性与从业者平台感知可用性,但模型对决策质量、建议准确性、资源配置与管理结果的影响未经实证检验,应在未来基于结果的研究中审视。本研究存在局限:专家判断与可用性评估在特定制造与制度情境进行,所得指标权重可能反映参与专家组优先级,需在其他行业国家与企业规模进一步验证;当前群AHP采用等权响应聚合未考察不同利益相关者假设下准则排序敏感性,未来应分析等权、经验基与熟悉度基三种加权方案稳健性;AHP结构预设指标间层次关系而实际某些可持续指标可能相互依赖;帕累托筛选为获可操作指标集而进行,虽保留三维度表征与讨论替代阈值,所选截断可能影响情境敏感低排指标,完整指标目录应留存供特定材料性审查;系统评估聚焦感知可用性而非已证实决策支持结果,虽SUS高分表明确认从业者接受度但未直接度量SIM模型是否改善决策质量、规划有效性、报告准确性、资源配置或管理优先级,未来应开展纵向多厂实施、生成报告与建议专家评估及管理决策前后比较以验证实际决策支持价值。
需要我帮你把这篇论文解读按期刊摘要格式提炼成一段300字左右的精简概要吗?