《Cleaner Engineering and Technology》：Critical enablers for lean construction diffusion in megaprojects: A framework for sustainable and efficient infrastructure development
编辑推荐：
本文针对巨型工程项目（CMPs）长期面临的成本超支、工期延误及可持续发展需求等挑战，探讨了精益建造（LC）作为一种有效的解决路径。研究团队通过混合研究方法，系统识别并优先排序了30个精益建造赋能因素（LCEs），构建了一个包含资源与知识可用性（RKA）、规划与运营效率（POE）等六大关键组件的决策框架。该研究采用模糊相对重要性指数（FRII）和模糊综合评估（FSE）等方法，明确了各因素的相对重要性，为实践者和政策制定者在资源受限条件下系统化推广LC提供了可操作的指导，对推动基础设施建设的可持续转型具有重要意义。
现代基础设施建设中，巨型工程项目（CMPs）扮演着举足轻重的角色，它们投资巨大、周期漫长、技术复杂，是推动社会经济进步的重要引擎。然而，这些庞然大物却长期被一些顽疾所困扰：成本频频超支、工期一再延误、各方利益难以协调，以及日益紧迫的可持续发展要求。据统计，全球每年投入巨型工程的资金高达6-9万亿美元，接近全球GDP的8%，但约90%的项目会出现成本超标，在中国铁路领域，平均成本超支甚至达到30.6%，延误平均为25%。这些不仅仅是财务损失，更折射出深层的系统性问题：僵化的规划、孤立的决策、被动的风险管理以及设计和施工交接环节中嵌入的浪费。面对日益严峻的环境和资源压力，如何在保证效率的同时，实现基础设施的绿色、可持续发展，已成为全球性的挑战。
在此背景下，精益建造（Lean Construction, LC）作为一种旨在减少浪费、提升生产率、改善安全并符合客户期望的持续改进过程，展现出巨大的潜力。它不仅能有效应对巨型工程中常见的协调不力、返工和进度延迟等问题，还与联合国可持续发展目标（SDGs），特别是SDG 9（产业创新）、SDG 11（可持续城市）、SDG 12（负责任消费）和SDG 13（气候行动）高度契合。然而，尽管LC在部分标杆项目中取得了成功，但其在复杂环境，尤其是中国的巨型工程项目中的推广和应用仍然零散且不均衡，常常受到制度惯性、技能差距、监管错位和供应链不成熟等因素的阻碍。问题的核心在于，以往的研究多集中于识别具体的精益工具或孤立的成功因素，而对于如何在资源有限、制度复杂的巨型工程背景下，对这些赋能因素进行优先级排序和动态部署，缺乏系统性的、可操作的指导框架。这导致实践中常常出现资源错配、技术过早引入而缺乏精益文化支撑等问题。因此，重新审视LC的实施，将其理解为一个多层次的、动态的扩散过程，并厘清不同赋能因素在不同情境和阶段的重要性变化，变得至关重要。
为了填补这一空白，由Abdelazim Ibrahim、Tarek Zayed、Zoubeir Lafhaj、Ahmed Farouk Kineber、Ghasan Alfalah和Jingchao Yang组成的研究团队在《Cleaner Engineering and Technology》上发表了一项重要研究。该研究旨在构建一个稳健的决策框架，以识别、优先排序和评估推动精益建造在巨型工程项目中系统性扩散的关键赋能因素（LCEs），从而为可持续和高效的基础设施开发提供一条清晰的路径。
研究人员采用了系统的混合研究方法。首先，通过广泛的文献回顾，初步识别出潜在的LC赋能因素。随后，研究设计了结构化的问卷，针对中国（包括香港）参与投资额超过5亿人民币的巨型工程项目的379位专业人士进行了调查。在数据分析阶段，研究团队运用了均值分析来筛选出显著重要的赋能因素；进一步采用模糊相对重要性指数（FRII）来评估各因素的相对重要性，该方法通过三角模糊数（TFN）处理了专家判断中固有的模糊性和不确定性；最后，通过模糊综合评估（FSE）对分组后的赋能因素构件进行排序，计算出总指数（ToI），从而得出最终的优先级。这种三阶段模糊方法克服了传统单一方法（如均值排序或AHP）在处理不确定性和构件间依赖性方面的局限。
研究结果
4.1. 数据可靠性与正态性评估
在进行分析前，研究确保了数据的质量。克朗巴哈系数（Cronbach's Alpha）均大于0.967，表明问卷具有极高的内部一致性。夏皮罗-威尔克检验（Shapiro-Wilk test）结果显示p值均小于0.05，证实数据不服从正态分布，这在此类基于感知评分的研究中常见，并支持了使用模糊方法（如FRII-FSE）的合理性，因为这些方法对数据分布假设要求较低，能更好地处理主观判断的模糊性。
4.2. 方法论定位：为何FRII–FSE在巨型工程情境下优于单一方法
研究团队论证了其选择的FRII-FSE混合方法相较于传统方法的优势。在数据非正态分布且专家判断存在模糊性的情况下，传统的AHP（要求精确判断）、TOPSIS（要求定义理想解）或单一均值分析（忽略构件层级关系）均存在局限。FRII-FSE组合能够量化语言不确定性（通过TFN），同时考虑个体赋能因素和构件层级的相互依赖关系（通过FSE的层级聚合），最终通过去模糊化的总指数（ToI）提供可操作的、可分阶段实施的优先级排序，而非静态的列表。
4.4. 重要精益建造赋能因素评估
分析结果显示，所有30个被识别的LCEs的均值均超过3.50的阈值，标准差小于1.0，表明受访者对其重要性有高度共识。模糊相对重要性指数（FRII）将大多数赋能因素归类为“高”（H）重要性。在资源与知识可用性（RKA）类别中，“使用灵活资源和适应性规划”（RKA5）和“充足的资源可用性及熟悉精益技术”（RKA4）得分最高。在战略与领导力（SL）方面，“高层和中层管理者的承诺”（SL6）和“政府及高层组织管理支持”（SL3）被列为最关键因素。
4.5. 用于确定LCEs构件相对重要性的FSE
模糊综合评估（FSE）得出了六个关键构件的最终总指数（ToI）排名：
- 1.
资源与知识可用性（RKA）： ToI = 3.807
- 2.
规划与运营效率（POE）： ToI = 3.758
- 3.
过程改进与浪费消除（PIW）： ToI = 3.746
- 4.
战略与领导力（SL）： ToI = 3.740
- 5.
利益相关者与关系管理（SRM）： ToI = 3.733
- 6.
技术与创新（TI）： ToI = 3.674
这一排序揭示了在巨型工程中成功扩散LC的内在逻辑：资源和知识是基石，没有训练有素的人员和充足的支持，任何精益工具都难以有效应用；在此基础上，需要高效的规划和协调机制（POE）来确保流程顺畅；紧接着是通过持续的度量和改进（PIW）来消除浪费、提升绩效；而这一切都需要强有力的战略引导和领导支持（SL）以及良好的利益相关者协作（SRM）作为保障；技术与创新（TI）虽然重要，但其有效发挥建立在前面几个构件相对成熟的基础之上，应被视为赋能者而非驱动者。
研究结论与意义
本研究成功地识别并优先排序了在巨型工程项目中驱动精益建造扩散的30个关键赋能因素，并将其归纳为六个核心构件。最重要的发现是明确了这些构件在实施过程中的逻辑序列：资源与知识可用性（RKA）是基础，规划与运营效率（POE）和过程改进与浪费消除（PIW）是核心执行环节，战略与领导力（SL）和利益相关者与关系管理（SRM）是支撑保障，而技术与创新（TI）则是高阶的赋能加速器。
这一框架具有重要的理论和实践意义。理论上，它将LC实施重新概念化为一个多层次的扩散过程，强调了赋能因素的动态性和情境依赖性，并引入了先进的模糊多准则决策方法（FRII-FSE）来解决该领域的复杂性和不确定性，丰富了精益建造和项目管理理论。实践上，该研究为不同项目参与者（如业主、承包商、设计单位、监理机构、供应商和政府）提供了清晰的分阶段行动路线图。例如，业主应首先投资于团队的精益能力建设（RKA）并建立协作伙伴关系（SRM），然后再推行基于精益绩效的支付机制（POE/PIW），最后才考虑技术整合（TI）和政策激励（SL）。这有助于避免常见的实施陷阱，如过早引入昂贵技术而忽视文化和流程的转变。
研究也讨论了框架的边界条件和全球转移潜力。由于该框架基于中国情境的实证数据，其在其他制度、文化和合同环境（如中东、非洲或拉丁美洲）下的应用需要进行诊断性评估和本地化校准。例如，在高权力距离文化中，自上而下的领导推动（SL）可能更有效，但需要特别注意激发基层的改进积极性（PIW）。未来的研究可以沿着几个方向深入：一是进行纵向案例研究，追踪不同项目阶段赋能因素重要性的动态变化；二是将该框架与新兴技术如数字孪生（Digital Twin）、区块链（Blockchain）和循环经济（Circular Economy, CE）原则更深度地整合，探索它们如何增强精益实践的效能和可持续性成果。
总之，这项研究为在复杂且资源受限的巨型工程环境中系统化、可持续地推广精益建造提供了急需的、基于证据的指南。它指明了一条从夯实基础到追求卓越的清晰路径，对于提升全球基础设施项目的交付绩效和可持续性具有深远的启示。
