基于機器學(xué)習(xí)的成本風(fēng)險預(yù)測預(yù)警演講人01基于機器學(xué)習(xí)的成本風(fēng)險預(yù)測預(yù)警02###一、引言：成本風(fēng)險管控的現(xiàn)實困境與技術(shù)突圍03###二、成本風(fēng)險的本質(zhì)特征與傳統(tǒng)管控的局限性04###三、機器學(xué)習(xí)賦能成本風(fēng)險預(yù)測的核心邏輯與優(yōu)勢05###四、成本風(fēng)險預(yù)測預(yù)警的關(guān)鍵技術(shù)架構(gòu)與方法論06###五、企業(yè)級落地的實施路徑與挑戰(zhàn)應(yīng)對策略07###六、行業(yè)實踐案例與價值驗證目錄###一、引言：成本風(fēng)險管控的現(xiàn)實困境與技術(shù)突圍在多年的項目管理實踐中，我深刻體會到成本風(fēng)險管控的復(fù)雜性與挑戰(zhàn)性。無論是大型基建項目的材料價格波動、制造企業(yè)的供應(yīng)鏈成本傳導(dǎo)，還是互聯(lián)網(wǎng)公司的研發(fā)投入超支，成本風(fēng)險始終如“隱形殺手”，一旦爆發(fā)便可能導(dǎo)致項目虧損、利潤縮水甚至戰(zhàn)略受阻。傳統(tǒng)成本管控多依賴歷史數(shù)據(jù)經(jīng)驗判斷與靜態(tài)閾值預(yù)警，面對市場動態(tài)變化、多因素交織影響的環(huán)境，往往陷入“滯后響應(yīng)”與“誤判漏判”的雙重困境。例如，我曾負責(zé)某新能源電站項目，因未能及時預(yù)警硅材料價格暴漲，導(dǎo)致成本超支近20%，這一經(jīng)歷讓我意識到：唯有從“被動應(yīng)對”轉(zhuǎn)向“主動預(yù)防”，才能破解成本風(fēng)險管控的難題。機器學(xué)習(xí)技術(shù)的崛起，為成本風(fēng)險預(yù)測預(yù)警提供了全新的解題思路。其強大的數(shù)據(jù)挖掘能力、非線性建模優(yōu)勢與動態(tài)學(xué)習(xí)特性，能夠穿透復(fù)雜表象，捕捉成本風(fēng)險的發(fā)生規(guī)律與傳導(dǎo)路徑。本文將從成本風(fēng)險的本質(zhì)特征出發(fā)，系統(tǒng)剖析傳統(tǒng)方法的局限性，進而闡述機器學(xué)習(xí)賦能預(yù)測預(yù)警的核心邏輯、技術(shù)架構(gòu)與落地路徑，并結(jié)合行業(yè)實踐驗證其價值，最終展望成本風(fēng)險管控的智能化未來。###二、成本風(fēng)險的本質(zhì)特征與傳統(tǒng)管控的局限性####2.1成本風(fēng)險的多維內(nèi)涵與核心特征成本風(fēng)險是指在項目全生命周期或企業(yè)生產(chǎn)經(jīng)營過程中，由于內(nèi)外部不確定性因素導(dǎo)致實際成本超出預(yù)期目標的可能性。其本質(zhì)是“不確定性”與“損失性”的耦合，核心特征可概括為四點：-動態(tài)性：成本風(fēng)險隨時間、市場環(huán)境、技術(shù)條件動態(tài)變化，如原材料價格受國際局勢、供需關(guān)系影響呈現(xiàn)周期性波動；-傳導(dǎo)性：單一風(fēng)險點可通過產(chǎn)業(yè)鏈、價值鏈多級傳導(dǎo)，如上游物流成本上漲會向下游制造、零售環(huán)節(jié)傳導(dǎo)；-復(fù)雜性：風(fēng)險因素涉及人、機、料、法、環(huán)等多維度交織，如建筑工程中地質(zhì)條件、政策調(diào)整、施工管理均可能引發(fā)成本風(fēng)險；###二、成本風(fēng)險的本質(zhì)特征與傳統(tǒng)管控的局限性-隱蔽性：早期風(fēng)險信號微弱，易被正常波動掩蓋，如研發(fā)項目中“需求蔓延”導(dǎo)致的隱性成本增加往往難以被及時識別。####2.2傳統(tǒng)成本風(fēng)險管控方法的核心短板傳統(tǒng)成本風(fēng)險管控以“經(jīng)驗驅(qū)動”與“靜態(tài)分析”為核心，主要依賴歷史數(shù)據(jù)均值測算、專家經(jīng)驗判斷及固定閾值預(yù)警，存在以下根本局限：-數(shù)據(jù)維度單一：多聚焦財務(wù)數(shù)據(jù)，忽視非財務(wù)因素（如市場情緒、政策文本、供應(yīng)鏈輿情）對成本的潛在影響，導(dǎo)致信息割裂；-模型假設(shè)固化：常采用線性回歸、移動平均等傳統(tǒng)統(tǒng)計方法，假設(shè)風(fēng)險因素間存在線性關(guān)系，難以捕捉成本波動中的非線性特征（如“蝴蝶效應(yīng)”）；###二、成本風(fēng)險的本質(zhì)特征與傳統(tǒng)管控的局限性-響應(yīng)滯后被動：預(yù)警多基于“已發(fā)生偏差”觸發(fā)，缺乏對未來風(fēng)險的預(yù)判能力，例如當(dāng)成本超支達到10%時才報警，此時已錯失干預(yù)最佳時機；-場景適配性差：標準化模板難以適配不同行業(yè)、不同項目的個性化風(fēng)險特征，如制造業(yè)的“批量生產(chǎn)成本”與IT行業(yè)的“研發(fā)項目成本”風(fēng)險邏輯迥異。####2.3傳統(tǒng)方法失效的典型案例反思以某汽車零部件企業(yè)的供應(yīng)鏈成本管控為例，其傳統(tǒng)模式依賴“采購歷史均價+5%浮動閾值”預(yù)警。2022年，受俄烏沖突影響，鎳價單月漲幅達40%，但企業(yè)因未納入“地緣政治事件”這一風(fēng)險變量，導(dǎo)致原材料采購成本超支3000萬元，最終被迫延遲新產(chǎn)品上市。事后復(fù)盤發(fā)現(xiàn)，若能整合全球大宗商品價格數(shù)據(jù)、地緣政治事件文本及供應(yīng)商產(chǎn)能信息，構(gòu)建動態(tài)預(yù)警模型，完全可提前2-3個月識別鎳價上漲趨勢，通過戰(zhàn)略備貨或替代材料方案規(guī)避損失。這一案例印證了傳統(tǒng)方法在復(fù)雜場景下的“失靈”本質(zhì)。###三、機器學(xué)習(xí)賦能成本風(fēng)險預(yù)測的核心邏輯與優(yōu)勢1####3.1從“數(shù)據(jù)”到“洞察”：機器學(xué)習(xí)的底層邏輯驅(qū)動2機器學(xué)習(xí)的核心優(yōu)勢在于能夠從海量、高維、非結(jié)構(gòu)化數(shù)據(jù)中自動學(xué)習(xí)風(fēng)險模式，其邏輯可概括為“數(shù)據(jù)輸入-特征提取-模型訓(xùn)練-風(fēng)險輸出”的閉環(huán)過程：3-數(shù)據(jù)輸入層：整合結(jié)構(gòu)化數(shù)據(jù)（成本明細、合同金額、庫存記錄）與非結(jié)構(gòu)化數(shù)據(jù)（行業(yè)政策文本、市場新聞、社交媒體輿情），構(gòu)建多源異構(gòu)數(shù)據(jù)池；4-特征提取層：通過降維、嵌入等技術(shù)，將原始數(shù)據(jù)轉(zhuǎn)化為可量化的風(fēng)險特征（如“價格波動率”“供應(yīng)鏈集中度”“政策關(guān)鍵詞頻次”）；5-模型訓(xùn)練層：基于歷史風(fēng)險標簽（如“成本超支”“正常波動”），采用監(jiān)督學(xué)習(xí)算法訓(xùn)練預(yù)測模型，學(xué)習(xí)特征與風(fēng)險之間的非線性映射關(guān)系；###三、機器學(xué)習(xí)賦能成本風(fēng)險預(yù)測的核心邏輯與優(yōu)勢-風(fēng)險輸出層：輸出風(fēng)險概率、風(fēng)險等級及關(guān)鍵影響因素，結(jié)合業(yè)務(wù)知識形成可執(zhí)行的預(yù)警建議。####3.2與傳統(tǒng)方法的本質(zhì)差異：非線性建模與動態(tài)進化能力與傳統(tǒng)方法相比，機器學(xué)習(xí)在成本風(fēng)險預(yù)測中實現(xiàn)了三大突破：-從“線性假設(shè)”到“復(fù)雜關(guān)系捕捉”：如隨機森林、神經(jīng)網(wǎng)絡(luò)等算法可處理特征間的交互效應(yīng)（如“原材料價格×匯率波動”對成本的復(fù)合影響），避免線性模型的“削足適履”；-從“靜態(tài)閾值”到“動態(tài)概率預(yù)警”：基于實時數(shù)據(jù)更新風(fēng)險概率，例如將“成本超支>10%”的固定閾值，優(yōu)化為“未來3個月成本超支概率>75%”的動態(tài)評估；###三、機器學(xué)習(xí)賦能成本風(fēng)險預(yù)測的核心邏輯與優(yōu)勢-從“人工經(jīng)驗”到“數(shù)據(jù)驅(qū)動決策”：通過模型解釋技術(shù)（如SHAP值、LIME）量化各因素對風(fēng)險的貢獻度，為業(yè)務(wù)部門提供“為什么預(yù)警”“如何干預(yù)”的精準依據(jù)。####3.3機器學(xué)習(xí)在成本風(fēng)險預(yù)測中的獨特優(yōu)勢結(jié)合實踐應(yīng)用，機器學(xué)習(xí)在成本風(fēng)險預(yù)測中展現(xiàn)出三大不可替代的價值：-提前預(yù)警能力：通過時間序列模型（如LSTM、Prophet）捕捉成本趨勢的拐點，實現(xiàn)“風(fēng)險前移”。例如在某建筑工程項目中，模型提前6個月預(yù)測到鋼材價格上漲趨勢，助力企業(yè)提前鎖定長期合同，節(jié)約成本1200萬元；-多因素耦合分析：可同時整合20+維風(fēng)險因素（如宏觀經(jīng)濟指標、行業(yè)政策變化、企業(yè)運營數(shù)據(jù)），識別“單一因素影響弱、多因素疊加影響強”的隱性風(fēng)險；###三、機器學(xué)習(xí)賦能成本風(fēng)險預(yù)測的核心邏輯與優(yōu)勢-自適應(yīng)學(xué)習(xí)優(yōu)化：模型可通過新數(shù)據(jù)持續(xù)迭代，例如某電商平臺在“618”“雙11”大促后，將促銷活動、物流峰值等新數(shù)據(jù)納入訓(xùn)練，使成本風(fēng)險預(yù)測準確率從82%提升至91%。###四、成本風(fēng)險預(yù)測預(yù)警的關(guān)鍵技術(shù)架構(gòu)與方法論####4.1數(shù)據(jù)層：多源異構(gòu)數(shù)據(jù)的融合與治理數(shù)據(jù)是機器學(xué)習(xí)模型的“燃料”，成本風(fēng)險預(yù)測需構(gòu)建“全維度、多顆粒度”的數(shù)據(jù)體系，核心環(huán)節(jié)包括：-數(shù)據(jù)采集：打通內(nèi)部系統(tǒng)（ERP、CRM、MES）與外部數(shù)據(jù)源（Wind數(shù)據(jù)庫、行業(yè)報告、政府公開數(shù)據(jù)、社交媒體API），實現(xiàn)“業(yè)務(wù)數(shù)據(jù)+市場數(shù)據(jù)+宏觀數(shù)據(jù)”的橫向拉通。例如某制造企業(yè)通過接入大宗商品期貨實時價格數(shù)據(jù)，使原材料成本風(fēng)險預(yù)測時效性從“周級”提升至“日級”；-數(shù)據(jù)清洗：解決數(shù)據(jù)缺失（如歷史成本記錄不全）、異常值（如錄入錯誤導(dǎo)致的成本突增）、不一致性（不同部門統(tǒng)計口徑差異）問題，采用KNN插補、3σ法則、標準化映射等技術(shù)提升數(shù)據(jù)質(zhì)量；###四、成本風(fēng)險預(yù)測預(yù)警的關(guān)鍵技術(shù)架構(gòu)與方法論-特征工程：這是決定模型效果的核心環(huán)節(jié)，需結(jié)合業(yè)務(wù)邏輯構(gòu)建三類特征：-基礎(chǔ)特征：直接來自原始數(shù)據(jù)，如“單位材料成本”“人工工時”；-衍生特征：通過業(yè)務(wù)規(guī)則生成，如“成本偏差率=（實際成本-預(yù)算成本）/預(yù)算成本”“供應(yīng)鏈集中度=前五大供應(yīng)商采購額占比”；-組合特征：通過數(shù)學(xué)運算或統(tǒng)計方法捕捉復(fù)雜關(guān)系，如“價格波動率=近3個月材料價格標準差/均值”“政策敏感度=政策文本中‘調(diào)控’‘限價’等關(guān)鍵詞出現(xiàn)頻次”。####4.2模型層：核心算法的選型與優(yōu)化成本風(fēng)險預(yù)測需根據(jù)風(fēng)險類型（回歸預(yù)測、分類預(yù)警、聚類識別）選擇適配算法，常見模型及適用場景如下：###四、成本風(fēng)險預(yù)測預(yù)警的關(guān)鍵技術(shù)架構(gòu)與方法論1-回歸預(yù)測模型：適用于連續(xù)型成本變量的預(yù)測，如“項目總成本”“單位生產(chǎn)成本”。常用算法包括：2-XGBoost/LightGBM：處理高維特征、自動學(xué)習(xí)特征交互，適合結(jié)構(gòu)化數(shù)據(jù)為主的場景，如制造業(yè)生產(chǎn)成本預(yù)測；3-LSTM（長短期記憶網(wǎng)絡(luò)）：捕捉時間序列數(shù)據(jù)中的長期依賴關(guān)系，適合具有周期性、趨勢性的成本數(shù)據(jù)，如大宗商品采購成本預(yù)測；4-Prophet：Facebook開發(fā)的時序預(yù)測工具，對缺失值、異常值魯棒性強，適合業(yè)務(wù)數(shù)據(jù)不完整的項目成本預(yù)測。5-分類預(yù)警模型：適用于風(fēng)險等級劃分（如“低風(fēng)險-中風(fēng)險-高風(fēng)險”），常用算法包括：###四、成本風(fēng)險預(yù)測預(yù)警的關(guān)鍵技術(shù)架構(gòu)與方法論-隨機森林：通過多棵決策樹投票降低過擬合，可輸出風(fēng)險概率及特征重要性；-支持向量機（SVM）：適合小樣本、高維數(shù)據(jù)的風(fēng)險分類，如研發(fā)項目成本超支預(yù)警；-神經(jīng)網(wǎng)絡(luò)：通過深層網(wǎng)絡(luò)學(xué)習(xí)復(fù)雜模式，適合多因素耦合的風(fēng)險場景，如建筑工程綜合成本風(fēng)險預(yù)警。-聚類識別模型：適用于風(fēng)險群體劃分，如通過K-Means算法識別“高成本風(fēng)險項目群”，針對性制定管控策略。模型優(yōu)化需關(guān)注三點：一是通過交叉驗證避免過擬合，二是采用貝葉斯優(yōu)化、網(wǎng)格搜索等算法調(diào)參，三是結(jié)合集成學(xué)習(xí)（如Stacking）提升預(yù)測穩(wěn)定性。####4.3應(yīng)用層：預(yù)測-預(yù)警-決策的閉環(huán)機制###四、成本風(fēng)險預(yù)測預(yù)警的關(guān)鍵技術(shù)架構(gòu)與方法論技術(shù)最終需服務(wù)于業(yè)務(wù)，成本風(fēng)險預(yù)測預(yù)警需構(gòu)建“數(shù)據(jù)-模型-決策”的閉環(huán)應(yīng)用體系：-預(yù)測結(jié)果解讀：將模型輸出的概率值轉(zhuǎn)化為業(yè)務(wù)可理解的語言，例如“未來1個月項目成本超支概率為85%，主要驅(qū)動因素為鋼材價格上漲（貢獻度42%）及人工成本超支（貢獻度31%）”；-動態(tài)閾值設(shè)定：基于風(fēng)險容忍度與誤判成本設(shè)定差異化閾值，如“低風(fēng)險項目成本超支>5%預(yù)警，高風(fēng)險項目>3%預(yù)警”，避免“一刀切”；-可視化交互平臺：開發(fā)駕駛艙式界面，通過熱力圖、趨勢線、影響因素圖譜等可視化組件，讓業(yè)務(wù)人員直觀掌握風(fēng)險態(tài)勢，例如某企業(yè)通過“成本風(fēng)險熱力圖”實時展示各區(qū)域、各項目的風(fēng)險等級，輔助管理層精準調(diào)配資源；-干預(yù)策略推薦：結(jié)合規(guī)則引擎與知識圖譜，生成針對性建議，如“鋼材價格上漲風(fēng)險→建議啟動替代材料評估”“供應(yīng)商集中度風(fēng)險→建議開發(fā)2家備用供應(yīng)商”。###五、企業(yè)級落地的實施路徑與挑戰(zhàn)應(yīng)對策略####5.1分階段實施路線圖：從試點到全面推廣機器學(xué)習(xí)成本風(fēng)險預(yù)測預(yù)警的落地需遵循“小步快跑、迭代優(yōu)化”原則，分三階段推進：-試點階段（1-3個月）：選擇1-2個典型場景（如某類產(chǎn)品的生產(chǎn)成本、某區(qū)域項目的工程成本）開展試點，重點驗證數(shù)據(jù)可獲取性、模型有效性及業(yè)務(wù)接受度；-推廣階段（3-6個月）：在試點基礎(chǔ)上優(yōu)化模型與流程，逐步推廣至更多業(yè)務(wù)線，同步建立數(shù)據(jù)治理規(guī)范與模型迭代機制；-深化階段（6個月以上）：構(gòu)建企業(yè)級成本風(fēng)險預(yù)測平臺，實現(xiàn)與ERP、SRM等系統(tǒng)的深度集成，形成“預(yù)測-預(yù)警-干預(yù)-復(fù)盤”的常態(tài)化管控機制。####5.2核心挑戰(zhàn)與破解之道落地過程中，企業(yè)常面臨三大挑戰(zhàn)，需針對性破解：###五、企業(yè)級落地的實施路徑與挑戰(zhàn)應(yīng)對策略-數(shù)據(jù)質(zhì)量挑戰(zhàn)：歷史數(shù)據(jù)缺失、口徑不一、非結(jié)構(gòu)化數(shù)據(jù)難處理。破解方案：一是成立跨部門數(shù)據(jù)治理小組，統(tǒng)一數(shù)據(jù)標準；二是采用遷移學(xué)習(xí)，利用行業(yè)公開數(shù)據(jù)彌補內(nèi)部數(shù)據(jù)不足；三是引入NLP技術(shù)（如BERT）處理政策文本、合同文本等非結(jié)構(gòu)化數(shù)據(jù)。-模型可解釋性挑戰(zhàn)：業(yè)務(wù)人員對“黑箱模型”信任度低。破解方案：一是優(yōu)先采用可解釋性模型（如決策樹、線性回歸），或使用SHAP值、LIME等工具解釋復(fù)雜模型；二是通過“模型可視化+業(yè)務(wù)案例解讀”，讓業(yè)務(wù)人員理解模型邏輯；三是建立“人機協(xié)同”機制，業(yè)務(wù)人員對模型預(yù)警結(jié)果進行復(fù)核修正。-業(yè)務(wù)與技術(shù)融合挑戰(zhàn)：技術(shù)團隊不懂業(yè)務(wù)，業(yè)務(wù)團隊用不好模型。破解方案：一是推行“業(yè)務(wù)+技術(shù)”雙負責(zé)人制，共同推進項目；二是開展業(yè)務(wù)培訓(xùn)，讓技術(shù)人員理解成本管控的業(yè)務(wù)邏輯；三是開發(fā)低代碼平臺，讓業(yè)務(wù)人員通過拖拽方式配置預(yù)警規(guī)則，降低使用門檻。###五、企業(yè)級落地的實施路徑與挑戰(zhàn)應(yīng)對策略####5.3組織與人才保障：構(gòu)建“技術(shù)+業(yè)務(wù)”雙輪驅(qū)動團隊成功落地需匹配組織與人才保障：-組織架構(gòu)：成立成本風(fēng)險預(yù)測專項小組，由CFO牽頭，成員包括財務(wù)、業(yè)務(wù)、IT、數(shù)據(jù)科學(xué)等部門人員，確保資源協(xié)同與目標對齊；-人才培養(yǎng)：培養(yǎng)“懂?dāng)?shù)據(jù)、懂業(yè)務(wù)、懂技術(shù)”的復(fù)合型人才，通過“項目實戰(zhàn)+外部培訓(xùn)”提升團隊能力；-績效考核：將模型預(yù)測準確率、預(yù)警響應(yīng)及時率、成本節(jié)約金額等納入KPI，激勵團隊持續(xù)優(yōu)化。###六、行業(yè)實踐案例與價值驗證####6.1建筑行業(yè)：大型基建項目的動態(tài)成本風(fēng)險預(yù)警項目背景：某地鐵公司承擔(dān)50公里地鐵線路建設(shè)，涉及土建、軌道、機電等多專業(yè)，成本超支風(fēng)險高。實施路徑：-數(shù)據(jù)層：整合工程量清單、材料價格、進度計劃、地質(zhì)勘察等20+類數(shù)據(jù)，構(gòu)建項目級成本數(shù)據(jù)庫；-模型層：采用LightGBM預(yù)測總成本，LSTM預(yù)測關(guān)鍵材料（鋼筋、混凝土）價格波動，隨機森林進行風(fēng)險等級分類；-應(yīng)用層：開發(fā)“地鐵建設(shè)成本風(fēng)險駕駛艙”，實時展示各標段風(fēng)險等級、關(guān)鍵影響因素及干預(yù)建議。###六、行業(yè)實踐案例與價值驗證實施效果：模型提前3-6個月預(yù)警12次成本風(fēng)險，包括“地質(zhì)條件不良導(dǎo)致土方成本增加”“鋼材價格上漲超預(yù)期”，通過優(yōu)化施工方案、提前鎖定材料價格，累計節(jié)約成本1.8億元，成本超支率從15%降至3.2%。####6.2制造行業(yè)：供應(yīng)鏈成本波動實時監(jiān)控與預(yù)警項目背景：某汽車零部件企業(yè)原材料成本占總成本60%，受銅、鋁、鎳等大宗商品價格波動影響顯著。實施路徑：-數(shù)據(jù)層：對接ERP系統(tǒng)獲取采購數(shù)據(jù)，接入Wind大宗商品價格數(shù)據(jù)、海關(guān)進出口數(shù)據(jù)，構(gòu)建供應(yīng)鏈成本數(shù)據(jù)池；###六、行業(yè)實踐案例與價值驗證-模型層：采用XGBoost預(yù)測原材料采購成本，Prophet預(yù)測價格趨勢，K-Means識別“高風(fēng)險供應(yīng)商群體”；-應(yīng)用層：建立“原材料價格預(yù)警看板”，設(shè)置價格波動閾值（如周漲幅>5%自動觸發(fā)預(yù)警），聯(lián)動采購系統(tǒng)生成替代方案。實施效果：2023年成功預(yù)警8次原材料價格上漲，通過提前備貨、切換低價供應(yīng)商，原材料采購成本降低8.5%，庫存周轉(zhuǎn)率提升12%。####6.3能源行業(yè)：設(shè)備運維成本與市場風(fēng)險聯(lián)動預(yù)警項目背景：某火力發(fā)電企業(yè)燃料成本占總成本70%，需同時應(yīng)對煤炭價格波動與設(shè)備故障導(dǎo)致的運維成本風(fēng)險。實施路徑：###六、行業(yè)實踐案例與價值驗證1-數(shù)據(jù)層：整合燃料采購數(shù)據(jù)、設(shè)備運行數(shù)據(jù)、煤價指數(shù)、環(huán)保政策數(shù)據(jù)；2-模型層：采用LSTM預(yù)測煤炭價格，CNN（卷積神經(jīng)網(wǎng)絡(luò)）分析設(shè)備傳感器數(shù)據(jù)識別故障風(fēng)險，多任務(wù)學(xué)習(xí)聯(lián)合預(yù)測“燃料成本+運維成本”總風(fēng)險；3-應(yīng)用層：開發(fā)“成本風(fēng)險聯(lián)動預(yù)警系統(tǒng)”，當(dāng)“煤價上漲+設(shè)備故障風(fēng)險高”時，