基于ISM的基础设施智能化运维管理影响因素研究.pdf

Jun.2023JournalofErManagement2023年0 6 月No.3Vol.37第3 7 卷第3期报理学程管基于ISM的基础设施智能化运维管理影响因素研究袁红平，舒兰兰，杜文博，马骁智（广州大学管理学院，广东广州510 0 0 6，E-mail：h p y u a n g z h u.e d u.c n）摘要：为提升基础设施运维效率，大数据、物联网、区块链等智能技术不断应用于基础设施管理，运维管理智能化是重要手段。然而，运维效率的提升却受到多重复杂因素的影响。在聚焦于基础设施智能化运维管理的基础上，通过系统梳理相关文献，借助ISM（解释结构模型）定量分析主要因素间的内在作用机理，并利用MICMAC（交叉影响矩阵相乘分类法）对因素进行归类与分析。研究发现：基础设施智能化运维管理受到4个层面11个因素的影响，其中，政府激励政策、制度法规及规范标准、培训和服务水平与智能技术的适配性和互操作性是运维管理中最为关键的因素。研究结果拓展了基础设施智能化运维管理分析的研究框架，为关键利益相关者改进基础设施运维效率提供了依据。关键词：基础设施；智能化运维管理：ISM（解释结构模型）；影响因素中图分类号：TU855文献标识码：A文章编号：16 7 4-8 8 59（2 0 2 3）0 3-0 36-0 6D0I:10.13991/ki.jem.2023.03.007Research on Factors Influencing the Intelligent Operation and MaintenanceManagement of Infrastructure Based on ISMYUANHongping,SHU Lanlan,DU Wenbo,MAXiaozhi(School ofManagement,Guangzhou University,Guangzhou 510006,China,E-mail:)Abstract:To enhance the efficiency of infrastructure operation and maintenance,intelligent technologies such as big data,theInternet of Things,and blockchain are continuously applied to infrastructure management.Intelligent operation and maintenancemanagement is an important means of achieving this goal.However,the improvement of operation and maintenance efficiency isaffected by multiple and complex factors.Focusing on the intelligent operation and maintenance management of infrastructure,theinternal mechanism of the main factors is quantitatively analyzed based on ISM(Interpretative Structural Model)through systematicsorting of relevant documents.The factors are classified and analyzed using the MICMAC(Matrix Impacts Cross-ReferenceMultiplication Applied to Classification)method.The study found that the intelligent operation and maintenance management ofinfrastructure is affected by ll factors at four levels,among which the government incentive policies,regulations and standards,training and service levels,and the adaptability and interoperability of intelligent technology are the most critical factors in theoperation and maintenance management.The research results expand the research framework of infrastructure intelligent operationand maintenance management analysis and provide a basis for key stakeholders to improve the efficiency of infrastructure operationandmaintenance.Keywords:infrastructure:intelligent operation and maintenance management:ISM(interpretive structural model);influencingfactors运维管理的概念早期多应用在电力和通讯行业，随着社会对基础设施功能和寿命需求的提升，收稿日期：2 0 2 3-0 3-0 6.基金项目：国家社会科学基金一般项目（2 2 BGL008）；广州大学研究生创新能力培养资助计划（2 0 2 0 GDJC-M04）.其逐渐被引人基础设施行业。作为利用多学科专业知识整合人员、设施、技术、流程和环境的管理过程，运维管理旨在确保项目运维效益、服务质量和正外部效应!。在实践中，传统运维管理以人工获取信息为主，因而无法保证信息的完整性和有效037.袁红平等：基于ISM的基础设施智能化运维管理影响因素研究第3期性，运维数据的多源异构性也给数据集成和共享带来困难，致使出现信息“孤岛”问题。另外，运维决策严重依赖工程师的知识和经验，存在主观性和滞后性问题；运维服务也属于事后被动和应急驱动，很难预防突发性故障和应对紧急自然灾害。运维管理也需要跨部门、跨组织的多方协作，但利益相关者之间的协作并不理想。如今，基础设施运维面临着公众高质量需求不断增加的重大挑战，传统以人工为主的管理模式和运维技术已无法满足未来多样化的运维需求。以大数据、物联网、区块链等为代表的智能技术在基础设施运维过程中的融合嵌人为应对此挑战提供了新的机遇，这种根本性的变革不仅需要技术进步的支持，还离不开管理智能化的同步耦合2 。与传统运维相比，智能化运维能够提供及时、准确、客观的数据，使主动获取、融合和共享信息成为可能，改变了要素交互方式和利益相关者协作方式。因此，智能化运维管理能够解决传统运维中信息获取障碍和信息“孤岛”问题，改善利益相关者之间的协作和沟通方式，同时能够减少对工程师知识和经验的依赖，化运维服务被动为主动3。智能化运维管理主要通过有效管理多源异构数据、实施全面可视化和监督、构建智能化决策支持系统、开展主动和预防式运维服务、搭建协作平台等方式提高运维效率，确保公众高质量运维需求得到满足4。越来越多的学者开始将智能技术应用于管理活动中。Laubis等5 提出通过智能传感器配合全新道路运维系统实现全面的运维道路数据的收集。Yin等6 开发了通用的BIM框架以促进综合管廊运维管理中信息集成和共享。Yu等7 提出基于数字李生的决策分析框架，为隧道运维提供高效和智能化的决策支持。Yu等4 设计和开发了智能化道路运维系统，用于监测道路状况和预测突发事件。Zhao等8 认为数字李生技术能够为利益相关者提供良好的协作环境，具有增强协作和信息沟通的潜力。目前，智能化运维管理已经成为基础设施管理变革的核心，但现实是，其实现仍受到多重复杂因素的影响，不少学者对此进行了研究。Yuan等9 发现政府补贴对BIM技术采用效率有积极影响。Pregnolato等10 揭示了影响数字李生技术应用于已建基础设施的障碍性因素：相关专业人才不足、技术缺乏互操作性、隐私和安全问题、组织结构和文化变革困难等。Sepasgozar等认为技术有效性感知、技术可靠性感知和公众认可度影响公众对智能技术的接受程度。纵观现有研究，较多是从不同利益相关者视角分析影响因素，鲜有学者研究因素之间的内在逻辑关系，机理研究非常薄弱。为此，本文将从基础设施智能化运维管理的影响因素出发，通过系统梳理相关文献，借助解释结构模型定量分析主要因素间的内在作用机理，并利用MICMAC方法对因素进行归类与分析。1基础设施智能化运维管理影响因素分析以智能技术支持基础设施运维智能化升级确实能解决传统运维中存在的问题，但技术的顺利应用和其预期效果的稳定达成离不开运维管理智能化的同步耦合，不过这通常会受到多重复杂因素的影响。政府层面主要有政府激励政策和制度法规及规范标准12 ，运维方和技术提供方层面主要有相关知识和技能储备13、智能技术的适配性和互操作性2 信息安全与隐私保护14、组织结构和文化15 这4个因素，还有另外3个因素，即利益相关者管理与协作16 、管理层支持态度17 和培训和服务水平14。公众层面的因素主要有公众接受度15、技术有效性和可靠性感知11综上所述，当前基础设施智能化运维管理影响因素的机理研究较为薄弱，仍未全面厘清因素间的内在逻辑关系，且未形成一个系统性的分类研究。因此，有必要以定性和定量相结合的方法分析影响因素和其内在作用机理，并将因素进行归类。鉴于同一因素从不同层面分析，其影响程度和影响方式不尽相同，所以因素的选取视角尤为重要。利益相关者理论认为，不同利益相关者能够通过共同治理来实现各自的利益表达和利益维护18 。借鉴此理论，可以从不同利益相关者层面选取因素，主要有政府、运维方、技术提供方和公众4个层面。具体因素及其含义阐述如表1所示。2方法论2.1ISM理论建模解释结构模型（In t e r p r e t i v e St r u c t u r a l M o d e l,ISM）是一种针对社会经济系统的分析方法19，可以定量分析系统中复杂要素间的关系。本文利用该方法分析基础设施智能化运维管理影响因素间的内在规律，具体步骤是通过依次建立二元关系矩阵、邻接矩阵、可达矩阵来表征不同因素之间的直接或间接因果关系，并依托可达矩阵根据重要性对038：第3 7 卷理程报学管表1基基础设施智能化运维管理的影响因素类别编码因素定义来源政府层面F1政府激励政策政府激励政策涵盖政府补贴、协调资源、公共投资等多种方式，能够降低基础设施智能化升级的9,12成本影响，缓解从业者对管理变革的抵制，并改善智能技术对运维管理流程的冲击F2制度法规及规范制度法规及规范标准指与智能技术相关的法律法规和规范标准，能够破除“信息孤岛”现象，解12，15标准决权责不明、数据安全和隐私管理障碍等问题运维方层F3组织结构和文化组织结构和文化是指运维公司为支持基础设施智能化运维管理所构建的组织结构体系和价值文13，15面化，包括组织规模、组织架构、企业价值观等，影响投资决策、组织成员的技能水平和对智能技术潜在价值的认知程度F4利益相关者管理利益相关者管理与协作是对利益相关者的利益、需求和期望等进行识别、分析和管理的过程，利16，2 0 与协作益相关者的态度、利益诉求和决策参与会直接影响组织决策和跨学科信息沟通与协作，也能确保智能技术更符合伦理需求F5管理层支持态度管理层支持态度指的是组织中高层管理人员对运维管理智能化的认可和推动态度，必要的技术资14，17 源和积极的创新环境都需要获得管理层的支持F6相关知识和技能相关知识和技能储备在专业人员数量和运维人员的专业知识和技能水平上得到体现，具有多源异13,14储备构数据分析能力和充足经验的人才是数据有效管理的前提，智能化运维管理专家也能够帮助解决智能化过程中遇到的问题技术提供F7培训和服务水平培训和服务水平指技术提供方提供技术培训和售后服务的水平，可以缓解因误解和路径依赖而产14,17 方层面生的变革阻力，且能够延长智能设施的使用寿命F8智能技术的适配适配性指智能技术在不同环境和场景下保持高效和准确的能力，直接影响用户的使用感和接受度；3，2 1性和互操作性互操作性指不同智能技术之间相互交流和协作的能力，影响异构软件和平台的协作和信息共享F9信息安全与隐私信息安全指采取措施防止未经授权的使用、破坏和泄露等威胁对信息系统和相关资产造成损害，3，14保护隐私保护则是指保护个人隐私和数据不被未经授权的人或实体获取和使用，这两者都是保护个人和组织利益的重要手段公众层面F10技术有效性和可技术有效性和技术可靠性感知指公民对智能技术的易用性、有用性、可靠性和安全性等方面的主【11,17 靠性感知观认知和评价，直接影响使用意愿和信任度F11公众认可度公众认可度是指公众对基础设施智能化服务的接受和支持程度，直接影响公众是否会使用相关智11,15能设施因素进行排序，以此构建多级递阶解释结构模型2.1.1结构自交互矩阵车（SSIM）的建立系统梳理基础设施智能化运维管理相关文献后，借助文献分析法和12 位专家的意见，建立因素间的二元关系矩阵，以表明因素之间的配对关系，如表2 所示。表2 中V、A、X、O 分别表示因素i和j之间的影响关系，具体关系如下：V表示因素i能直接影响因素j；A 表示因素能直接影响因素i；X 表示因素i和j互相影响；O表示因素i和互不影响。表2影响因素的结构自交互矩阵(SSIM)F1 F2F3F4F5F6F7F8F9F10F11F1X0V00000VF20VV000VV0F3XX00V00F4A00AX00F5XAAV00F6A0V00F70000F8VVVF9V0F10XF112.1.2邻接矩阵和可达矩阵的建立将SSIM矩阵转换为二进制矩阵得到邻接矩阵，用B=(bi)nxn表示。替换规则为：在SSIM元素中，若为V,则bij=1,bji=0;若为A，则bi=0,bj=1;若为X，则bi-bi=1；若为O，则bi=bi=0；结果如表3所示。传递性是ISM的基本假设之一，可以验证因素之间是否存在连接路径，以此获得可达矩阵，定义为M-(mi)nxn，若因素i可以达到因素j,则mj=1，否则mi=0。具体运算过程为：M=(B+E)=(B+E)感知（F10）(FI）第二层利益相关者管理与信息安全与隐私保护协作（F4）（F9)组织结构和文化管理层支持态度相关知识和技能储备第三层一(F3)（F5）(F6)第四层一政府激励政策制度法规及规范标准培训和服务水平智能技术的适配性(F1)（F2）(F7)和互操作性（F8）图1影响因素的多级递阶解释结构模型第四层作为深层根本性因素，F1和F2互相影响且直接或间接影响其余因素。如政府激励政策可以促进与标准相关的研究并推动共享平台和标准的建立，但也必须符合法律和道德规范；技术服务商的培训和服务可以提升运维人员的相关技能水平和协作效能，增加运维人员对智能技术应用优势的认识，进而提高公众认可度；智能技术的适配性和互操作性及制度法规和规范标准也是运维方管理层是否会采取支持态度的前提，只有获得最高管理层的支持，信息安全和隐私保护才会受到重视，公众的可靠性感知才能得到提高14,15。第三层是“枢纽”因素，在受到第四层因素影响的同时也影响着第二层因素，并且3个因素互相影响。如组织和文化的转变、管理层支持态度及相关知识和技能水平的提升均需符合政策和制度法规及规范标准；在应对要素的交互方式和协作方式发生改变时，管理层可以为技术采用和创新提供积极的环境、提供资金支持以提高运维人员的技能水平；组织规模反映了企业的劳动力和财务能力，组织结构的自由度影响数据的获取和利用，管理层的支持和运维人员的数据管理与协调能力是组织协作、信息安全和隐私保护的关键13 15,17 。第一、二层是直接影响系统最终目标的因素，F4和F9互相影响且共同影响F10和F11。一方面，随着数据量的增长及与外部伙伴协作和共享信息的需求日益增加，运维方和公众对数据安全和隐私保护的重视程度不断提高；另一方面，隐私和安全的保护有助于运维方进行数据分享和协作，同时也影响公众对智能技术的认可度，他们更关注技术的可靠性和安全性1I:15。3.2MICMAC分析结果图2 所示的MICMAC分析结果显示，11个影响因素被分成4类，对应于坐标系的4个象限，因素的驱动力和依赖力分别表示其影响其他因素的程度和受其他因素影响的程度。12y10.V8(F1,F2)(F7,F8)(F3,F5,F6)64(F4,F9)12(F10,F11)X0024681012依赖力图2影响因素的MICMAC分析象限I（自主因素）中没有因素，表明所有的影响因素都显著且相关；象限I（依赖因素）包括F4、F9、F10 和F11这4个因素，具有高依赖力和弱驱动力，容易受到其他因素影响，其变动可以通过改变其他因素加以驱动；象限II（联系因素）包含F3、F5和F6这3个因素，具有高依赖力和高驱动力，所以具有高度敏感性。其任何变化都会影响到其他层次的因素，同时也会反作用于自身，对基础设施智能化运维的影响具有高度不稳定性；象限IV（驱动因素）包括F1、F2、F7 和F8这4个因素，具有低依赖力和高驱动力，对其他因素有较高的影响力，但受到其他因素的影响较少，因此，政府、技术提供方、运维方需要更加重视这些关键因素。4结语基础设施智能化运维管理能够弥补传统运维管理的诸多不足，如数据需手动获取且处于“孤岛”状态、运维决策依赖工程师经验和知识、运维服务属于事后被动和应急驱动及利益相关者协作不佳等，是提升运维效率的重要手段，不过其实施受到多重复杂因素的影响。通过系统梳理相关文献，本文识别了4个层面11个主要因素，并借助ISM方.041袁红平等：基于ISM的基础设施智能化运维管理影响因素研究第3期法定量分析了这些因素的内在作用机理，同时利用MICMAC方法进行归类与分析。结果发现，政府激励政策（F1）、制度法规及规范标准（F2）、技术服务商的培训和服务水平（F7）及智能技术的适配性和互操作性（F8）是最为关键的4个因素。为了推动基础设施运维管理智能化，政府需制定相关法律法规及规范标准解决权责不一、数据存储安全、隐私泄露等问题，也需通过政府补贴、协调资源、公共投资等方式进行激励。技术提供方需提供适配性强且无互操作性问题的技术，并提供高质量培训和服务，以提高智能技术的使用效率。研究结果拓展了基础设施智能化运维管理分析的研究框架，为关键利益相关者改进运维效率提供理论依据。然而，本文亦存在一定的局限性。一是研究数据来自工程管理、运维管理和智能技术领域的专家，研究结果可能受到专家偏见的影响，未来的研究可利用更多的数据样本，以提高ISM模型和MICMAC分类的有效性；二是本文并未探究因素之间的动态关系，未来可以在此方面进一步深化和拓展。参考文献：1 Jia F,Xiang P,Chen D.Prioritizing the operation andmaintenance complexity of mega transportation projectsbased on systems thinkingJ.Journal of ConstructionEngineering and Management,2022,148(2):05021014.2王红卫，钟波涛，李永奎，等大型复杂工程智能建造与运维的管理理论和方法J.管理科学，2 0 2 2，35（1)：55-59.3 Berglund E Z,Monroe J G,Ahmed I,et al.Smartinfrastructure:a vision for the role of the civil engineeringprofession in smart citiesJ.Journal of InfrastructureSystems，2 0 2 0,2 6(2):0 312 0 0 0 1.4 Yu G,Wang Y,Hu M,et al.RIOMS:an intelligent systemfor operation and maintenance of urban roads usingspatio-temporal data in smart citiesJ.Future GenerationComputer Systems-the International Journal of Escience,2021,115:583-609.5 Laubis K,Konstantinov M,Simko V,et al.Enablingcrowdsensing-based road condition monitoring service byintermediaryJ.Electronic Markets，2 0 19,2 9（1):125-140.6 Yin M,Li K,Cheng X.A review on artificial intelligencein high-speed railJj.Transportation Safety and Environment,2020,2（4)：2 47-2 59.7 Yu G,Wang Y,Mao Z,et al.A digital twin-based decisionanalysis framework for operation and maintenance oftunnels.Tunnelling and Underground Space Technology,2021,116:104125.8 Zhao J,Feng H,Chen Q,et al.Developing a conceptualframework for the application of digital twin technologiesto revamp building operation and maintenance processesJ.Journal of Building Engineering,2022,49:104028.9 Yuan H,Yang Y.BIM adoption under governmentsubsidy:technology diffusion perspectiveJ.Journal ofConstruction Engineering and Management,2020,146(1):04019089.10 Pregnolato M,Gunner S,Voyagaki E,et al.Towards civilengineering 4.0:concept,workflow and application ofdigital twins for existing infrastructureJ.Automation inConstruction，2 0 2 2,141:10 442 1.1l Sepasgozar S M E,Hawken S,Sargolzaei S,etal.Implementing citizen centric technology in developingsmart cities:a model for predicting the acceptance ofurban technologiesJ.Technological Forecasting andSocialChange,2019,142:105-116.12 Parlikad A K,Jafari M.Challenges in infrastructure assetmanagementJ.IFAC-PapersOnLine,2016,49(28):185-190.13 Guirdur Broo D,Bravo-Haro M,Schooling J.Design andimplementation of a smart infrastructure digital twin.Automation in Construction,2022,136:104171.14 Hwang B-G,Ngo J,Teo J Z K.Challenges and strategiesfor the adoption of smart technologies in the constructionindustry:the case of singaporeJ.Journal of ManagementinEngineering，2 0 2 2，38（1):0 50 2 10 14.15 Yu T,Liang X,Wang Y.Factors affecting the utilizationof big data in construction projectsJ.Journal ofConstruction Engineering and Management,2020,146(5):04020032.16 Oesterreich T D,Teuteberg F.Understanding theimplications of digitisation and automation in the contextof industry 4.0:a triangulation approach and elements of aresearch agenda for the construction industry.Computersin Industry，2 0 16,8 3:12 1-139.17 Lu Y,Li Y,Skibniewski M,et al.Information andcommunication technology applications in architecture,engineering,and construction organizations:a 15-year review.Journal of Management in Engineering,2015,31(1):A401401018 Doloi H K.Understanding stakeholders perspective ofcost estimation in project managementJ.InternationalJournal of Project Management,2011,29(5):622-636.19 Warfield J N.Developing interconnection matrices instructural modelingJ.IEEE Transactions on Systems,Man,andCybernetics，197 4,SM C-4(1):8 1-8 7.20 Janssen M,Van Der Voort H,Wahyudi A.Factorsinfluencing big data decision-making qualityJ.JournalofBusinessResearch,2017,70:338-345.21 Tang S,Shelden D R,Eastman C M,et al.Areview ofbuilding information modeling（BI M)a n d t h e i n t e r n e t o fthings(IoT)devices integration:present status and futuretrendsJ.Automation in Construction,2019,101:127-139.22】秦旋，MauroM，A g n e s e T，等基于市场推广视角的BIM技术采纳障碍因素中意对比研究.管理学报，2016,13(11):1718-1727.作者简介：袁红平（198 3-），通信作者，男，教授，博士生导师，研究方向：建筑废弃物管理，可持续发展，项目管理；舒兰兰（1994-），女，硕士研究生，研究方向；基础设施智能化运维管理；杜文博（1994-），男，博士研究生，研究方向：可持续管理，项目管理；马骁智（198 6-），男，讲师，博士后研究员，研究方向：工程项目管理，可持续建设管理