營造業建築工程最常見之職業災害為墜落及物體倒、崩塌，其中墜落事故之致死率幾乎達百分之百，若能減少事故發生，營造業之死亡千人率將大幅降低，本研究將以如何降低墜落職災發生作深入探討。
本研究以貝氏網路（Bayesian-Network, BN）結合評估表，建構建築工程風險評估模式，惟評估表可能因個人主觀意見產生不確定性。因此，本研究將以證據理論消除不確定性，再以風險分析軟體AgenaRisk分析墜落職災發生之機率及風險因子之敏感度。最後根據該模式建構合理之風險等級，以利安衛管理者進行決策，達到預防減災之效用。
因風險分析軟體每年須付授權費且不易於系統開發，本研究將探討如何有效且準確地預測風險機率及其敏感因子。後續研究共分兩部分：一、利用多元迴歸分析，探究墜落職災與其影響因素之關係，建構風險迴歸模式，再以線性迴歸-交互作用作為本模式之修正；二、透過案例分析，以最小平方法找出類似的案例作為敏感因子之萃取。
本研究之風險模型，經樣本及隨機數作驗證後，以鋼筋混凝土（RC）建築為例，其平均絕對誤差（MAE）、均方誤差（MSE）僅分別為0.0375、0.0020、及0.0339、0.0021；風險因子萃取之準確率至少為86.7%。

The most commonly occupational hazards in the construction industry are fall and the collapse of objects, the fatality of fall has almost been 100%. If the frequency of the said incidents can be reduced, the fatality rate per thousand in the construction industry should be dramatically reduced. This study aims at examining how to lower fall risk.
This study utilizes Bayesian-Network (BN) and check list to assess fall risk in constructions. Owing to the uncertainty of personal subjective opinions, this study will also utilize D-S evidence theory to eliminate uncertainties and analyze the probability of fall risk. Finally, we construct the risk level and hope to make the decision according to this model.
The risk analysis software, “AgenaRisk”, was utilized to analyze the likelihood of fall risk and the sensitivity factors in order to prevent and lower fall risk. But AgenaRisk requires annual license fee payment and not easy to develop the system. This study will seek how to predict the probability of fall risk and the sensitivity factors effectively and accurately.
The subsequent research consists of two parts. First, by using multi-regression analysis to study the relationship between fall and the sensitivity factors and revise with interaction effect model. Second, through case-study analysis, by using the Method of Least Squares to filter out the similar cases to extract the sensitivity factors.
The risk interaction effect model of this study, once verified with samples and random numbers, taking RC construction for example, their Mean Absolute Errors (MAE), and Mean Square Errors (MSE) are 0.0375, 0.0020, and 0.0339, 0.0021, respectively; the accuracy of the sensitivity factors extracted is at least 86.7%.

[1] 林坤湧，2008。「營建業工地組織文化與績效關係之探討」。國立交通大學工學院專班工程技術與管理學程碩士論文。
[2] 許紘維，2013。「營造業承攬安全管理問題之初步探討」。中國科技大學土木與防災設計研究所碩士論文。
[3] 游家凱，2015。「營建工地安全管理關鍵成功因素」。國立雲林科技大學營建工程系營建與物業管理組碩士論文。
[4] 鄭慶武，2010。「台灣營造業總體職災資料探勘及要因之研究」。國立臺灣科技大學營建工程系博士論文。
[5] 林楨中、鄭慶武，2017。營造業勞工行為安全改善實務方法之探討及評估。勞動部勞動及職業安全衛生研究所研究報告（編號：ILOSH105-S308）。
[6] 林楨中、鄭慶武，2019。營造業高處作業勞工主要不安全行為樣態及認知調查。勞動部勞動及職業安全衛生研究所研究報告（編號：ILOSH106-S303）。
[7] 曹常成、謝賢書，2010。營造業勞工職災不安全行為研究。行政院勞工委員會勞工安全衛生研究所研究報告（編號：IOSH98-S315）。
[8] 鍾朝恭，2012。「貝氏網路於水力發電系統故障診斷分析之應用—以石門水庫水力發電系統為例」。國立臺灣科技大學營建工程系博士論文。
[9] 張清淼，2015。「以貝氏網路對鋼構工程安全風險評估之研究」。國立臺灣科技大學營建工程系博士論文。
[10] 陳佳平，2016。「以貝氏網路為基礎建立模型預測肺癌病人的醫療費用與存活時間」。國立臺灣科技大學工業管理系碩士論文。
[11] 陳棟燦、呂守陞，2015。失誤樹轉化貝式網路之建構及其應用於橋梁風險評估之研究。中國土木水利工程學刊，27（1），11-22。
[12] 王智立、黃婷，2014。不同的資料採礦方法於教師教學評量之比較研究。數據分析，9（1），75-92。
[13] 邱創鈞、曾柏健、張炳騰，2019。應用資料探勘分類法於多屬性ABC存貨分類。創新與經營管理學刊，8（1），46-60。
[14] 鄧澤民、蔡世華、鄭呈偉、胡宇方，2018。風險評估與實驗設計再製藥開發之應用。化工，65（1），42-51。 doi:10.29803/CE.201802_65(1).0006
[15] 李經教，2019。運用實驗設計技術（DOE）於改善建築物粉刷工程剝離之研究—以高雄市A個案工程為例。國立屏東科技大學高階經營管理碩士在職專班碩士論文。
[16] 蔡瑞陽，2020。應用實驗設計法最佳化積體電路蝕刻製程參數設定值—以M公司為例。國立交通大學管理學院工業工程與管理學程碩士論文。
[17] 林樹禮，2009。結合證據理論的層級分析法於多準則決策之研究。國立屏東科技大學資訊管理系所碩士論文。
[18] 李濤、沈江，2015。基於多傳感器信息融合的自然災害預警模型研究。電子科技大學學報（社會科學版），17（1），34-38。
[19] 李冠霖，2019。應用證據理論於失效模式與效應分析。國立成功大學工業與資訊管理學系碩士論文。
[20] Tam, C. M., Zeng, S. X., Deng, Z. M., 2004. Identifying elements of poor construction safety management in China. Safety Science, 42(2004), 569-586. doi:10.1016/j.ssci.2003.09.001
[21] Abdelhamid, T. S., Everett, J. G., 2000. Identifying root causes of construction accidents. J. Constr. Eng. Manage., 126(1), 52-60.
[22] Heinrich, H.W., 1959. Industrial accident prevention. McGraw-Hill, New York.
[23] Biedermann, A., Taroni, F., 2012. Bayesian network for evaluating forensic DNA profiling evidence: A review and guide to literature. Forensic Science International: Genetics 6(2012), 147-157. doi:10.1016/j.fsigen.2011.06.009
[24] James T. Luxhoj, 2004. The Science and Art of Safety Risk Assessments for the Aviation Industrial. Rutgers University teaching materials.
[25] Zheng, H., Cai, A., Zhou, Q., Xu, P., Zhao, L., Li, C., Dong, B., Gao, H., 2017. Optimal preprocessing of serum and urine metabolomic data fusion for staging prostate cancer through design of experiment. Analytica Chimica Acta, 991, 68-75.