能源消耗医院成本智能计量分析

能源消耗医院成本智能计量分析演讲人01#能源消耗医院成本智能计量分析02##一、引言：医院能源成本管理的时代命题##一、引言：医院能源成本管理的时代命题作为一名在医院运营管理领域深耕十余年的从业者，我亲历了医院从粗放式管理向精细化运营的转型历程。近年来，随着医疗技术的快速发展和人民群众健康需求的持续释放，医院规模不断扩大，医疗设备迭代升级，而能源消耗作为医院运营成本的“隐形支柱”，其占比逐年攀升——据《中国医院能耗管理报告》显示，三甲医院年均能源支出已占医疗总成本的8%-12%，部分老旧医院甚至超过15%。更令人担忧的是，传统“分摊式”“粗放式”的能源计量模式，难以精准定位能耗异常点，导致大量能源在“跑冒滴漏”中浪费，不仅推高运营成本，也与国家“双碳”目标下医疗机构的绿色转型要求背道而驰。正是在这样的背景下，“能源消耗医院成本智能计量分析”应运而生。它不仅是技术层面的革新，更是医院管理理念的重塑——通过物联网、大数据、人工智能等技术，构建“感知-传输-分析-决策”的智能计量体系，##一、引言：医院能源成本管理的时代命题将能源消耗从“模糊的成本项”转化为“可量化、可追溯、可优化的管理对象。在参与某省级医院能源审计时，我曾亲眼看到：仅通过智能电表对手术室空调系统进行24小时监测，就发现夜间非手术时段的无效能耗占该系统总能耗的23%，通过针对性调整运行策略，单月节省电费超8万元。这样的案例让我深刻认识到：智能计量分析不仅是“降本增效”的工具，更是医院实现可持续发展的核心竞争力。本文将从医院能源消耗的特殊性出发，系统阐述智能计量系统的构建逻辑、成本分析方法、实践应用路径，并结合行业痛点探讨未来发展方向，以期为医院管理者提供一套可落地、可复制的能源成本管控方案。##二、医院能源消耗的特点与现状：从“模糊感知”到“精准认知”的起点###（一）医院能源消耗的特殊性：高密度、多维度、不间断##一、引言：医院能源成本管理的时代命题与普通公共建筑相比，医院的能源消耗具有显著的特殊性，这决定了其成本计量必须打破传统模式。具体而言，体现在以下三个维度：03时间维度：24小时不间断刚性需求时间维度：24小时不间断刚性需求医院的“不夜城”属性决定了能源消耗全年无休。门诊、住院区域的照明、空调需满足患者和医护人员的即时需求；手术室、ICU、检验科等核心部门更是依赖稳定的能源供应——例如，一台体外循环手术的开展，需同时保障无影灯、麻醉机、生命监护仪等设备的电力稳定，手术室空调系统还需维持恒定的温湿度（温度22-24℃，湿度50%-60%），任何能源中断都可能直接威胁患者生命。这种“刚性需求”使得医院能源消耗曲线呈现“高平台、低波动”特征，区别于普通建筑的工作日/周末双峰模式。04空间维度：用能区域差异显著空间维度：用能区域差异显著医院内部功能分区复杂，各区域的用能强度和类型存在天壤之别。以某三甲医院为例：-医疗业务区（手术室、ICU、检验科）：电力消耗占比达45%，其中大型医疗设备（如CT、MRI、直线加速器）的能耗占该区域60%以上，且单台设备功率可达数百千瓦；-住院护理区：空调、照明、热水为主要能耗项，占比30%，其中空调能耗因季节波动明显，夏季可达该区域能耗的50%；-后勤保障区（食堂、洗衣房、消毒供应中心）：燃气（蒸汽）、水消耗集中，占比20%，其中蒸汽用于器械消毒、食堂烹饪等，单日消耗量可达数十吨；-公共区域（门诊大厅、走廊）：照明、电梯能耗占比5%，但人流量大时空调负荷会显著上升。这种“区域异质性”要求计量必须精准到最小功能单元，否则无法识别能耗“热点”。05品类维度：多能源耦合关联品类维度：多能源耦合关联医院能源消耗并非单一电力“唱独角戏”，而是电、水、气（蒸汽、天然气）、热等多种能源的耦合系统。例如，蒸汽冷凝水回收可减少锅炉燃气消耗，而空调系统的冷热源切换直接影响电力和蒸汽的用量平衡。这种“耦合性”决定了能源成本分析不能孤立看待单一品类，需建立多能源关联模型。###（二）当前医院能源管理中的痛点：从“经验驱动”到“数据驱动”的障碍尽管能源成本对医院运营影响深远，但多数医院的能源管理仍停留在“经验主义”阶段，具体表现为三大痛点：06计量体系“碎片化”：数据采集“盲区”普遍存在计量体系“碎片化”：数据采集“盲区”普遍存在传统计量多采用“总表-分区表”二级模式，缺乏对最小用能单元的监测。例如，某医院住院楼按楼层安装总电表，但无法区分病房、护士站、治疗室的能耗；手术室仅安装总表，无法定位麻醉机、无影灯、空调等单设备的能耗水平。这种“粗放计量”导致数据颗粒度不足，如同用“体重秤”测量“血压”，无法精准诊断问题。07数据分析“滞后化”：成本管控“被动响应”数据分析“滞后化”：成本管控“被动响应”多数医院仍依赖人工抄表，月度能耗数据往往在次月中旬才能汇总，导致异常能耗无法及时发现。例如，某医院曾因管道泄漏导致月度水费激增30%，但因数据滞后，直至收到缴费通知才发现问题，已造成数千吨水资源浪费。此外，传统分析多停留在“同比/环比”层面，难以挖掘能耗与门诊量、手术量、天气因素等变量的深层关联，导致节能措施“拍脑袋”决策。08成本分摊“模糊化”：责任主体“权责不清”成本分摊“模糊化”：责任主体“权责不清”由于缺乏精准计量数据，医院能源成本多按“科室面积”“床位数”等单一指标分摊，导致“节能者吃亏、浪费者无责”的现象。例如，某科室通过优化空调运行策略节省电费，但分摊成本时却因“面积大”而承担更高比例，打击了节能积极性；反之，某高耗能设备（如大型检查设备）的能耗未单独核算，实际成本被转嫁给其他科室。###（三）能源消耗对医院成本的影响：从“隐性负担”到“显性压力”能源消耗对医院成本的影响并非简单的“支出项”，而是通过直接成本、间接成本、隐性成本三个维度共同作用，构成医院运营的“压力链”：09直接成本：刚性支出的持续攀升直接成本：刚性支出的持续攀升直接成本是指医院为购买能源所支付的费用，包括电、水、气、热等。近年来，受能源价格上涨、设备增加等因素影响，直接成本增速远超医院收入增速。以某500床医院为例：2020年能源直接成本1200万元，2023年达1800万元，年均增幅15%，而同期医疗收入年均增幅仅8%。若能通过智能计量降低10%能耗，单年即可节省180万元，相当于新增2台高端CT的采购预算。10间接成本：运营效率的“隐形损耗”间接成本：运营效率的“隐形损耗”间接成本包括因能源异常导致的设备故障、医疗事故风险、管理效率下降等。例如，电压不稳可能导致精密医疗设备损坏，维修费用动辄数十万元；空调系统故障可能影响手术室环境，导致手术延期，不仅增加患者等待成本，还可能引发医疗纠纷。这些成本往往被忽视，实则远超直接能源成本。11隐性成本：社会责任与品牌形象隐性成本：社会责任与品牌形象在“双碳”目标下，医院作为公共服务机构，其能源消耗强度已成为社会评价的重要指标。高能耗不仅面临政策监管风险（如能源消费总量和强度“双控”考核），还可能影响患者对医院的信任度——据《中国患者就医体验报告》显示，68%的患者更倾向于选择“绿色低碳”的医院。##三、智能计量系统的构建与核心技术：从“数据采集”到“智能分析”的基石要破解医院能源成本管理的痛点，必须构建一套覆盖“感知-传输-存储-分析-应用”全链条的智能计量系统。作为系统设计的核心参与者，我深刻体会到：这套系统不仅是技术的堆砌，更是对医院业务流程的深度重构。###（一）智能计量系统的总体架构：四层协同，闭环管理隐性成本：社会责任与品牌形象医院智能计量系统采用“物联网+云平台”架构，分为感知层、传输层、平台层、应用层四层，实现从“数据采集”到“决策支持”的闭环管理（见图1）。```图1医院智能计量系统架构图感知层：各类智能计量终端（电、水、气、热）传输层：物联网通信网络（LoRa、NB-IoT、以太网）平台层：数据中台（存储、清洗、分析引擎）应用层：能耗监测、成本分析、预警决策、节能优化12感知层：数据采集的“神经末梢”感知层：数据采集的“神经末梢”感知层是系统的“眼睛”，通过安装智能计量终端，实现对不同能源、不同区域、不同设备的实时监测。终端选型需遵循“精准性、稳定性、兼容性”原则：-智能电表：选用0.5S级精度电表，支持RS485通信，具备正反向有功电能计量、需量记录等功能，重点监测手术室、大型设备、配电房等关键区域；-智能水表：采用NB-IoT远传水表，计量等级达R2级，具备电池供电（寿命≥6年）、磁攻击防护等功能，用于监测生活用水、医疗用水、冷凝水回收等；-智能气表：选用超声波燃气表，计量精度1.0级，支持温度压力补偿，用于监测锅炉天然气、蒸汽消耗；-环境传感器：在空调区域安装温湿度传感器、CO₂传感器，联动空调系统实现按需调节。32145感知层：数据采集的“神经末梢”*案例*：在某新建医院项目中，我们在每间手术室单独安装智能电表，实时监测无影灯（30kW）、麻醉机（3kW）、空调（20kW）等设备能耗，发现一台麻醉机因老化导致能耗异常（较同类设备高40%），及时维修后单月节省电费1200元。13传输层：数据流转的“高速公路”传输层：数据流转的“高速公路”-以太网：适用于数据中心、核心机房等固定区域，传输速率高（100Mbps/1000Mbps），确保数据实时性。传输层负责将感知层采集的数据实时、安全传输至平台层。医院场景下，需根据区域特点选择通信技术：-NB-IoT技术：适用于配电房、设备机房等集中区域，依托运营商基站覆盖，无需自建网关，支持海量连接（每平方公里可连接10万台设备），适合电表等高频数据采集；-LoRa技术：适用于住院楼、门诊楼等大面积区域，覆盖半径达3km，支持低功耗（电池供电终端可工作10年），适合水表、气表等低频数据采集；*注意*：传输过程需采用SSL/TLS加密，防止数据泄露；同时部署边缘计算网关，对异常数据进行本地预处理（如超阈值报警），减轻平台层压力。14平台层：数据处理的“智慧大脑”平台层：数据处理的“智慧大脑”平台层是系统的核心，基于云架构构建，包含数据存储、数据治理、分析引擎三大模块：-数据存储：采用“时序数据库+关系型数据库”混合架构——时序数据库（如InfluxDB）存储高频能耗数据（如每5分钟电表读数），支持高效查询；关系型数据库（如MySQL）存储设备档案、科室信息等结构化数据，确保数据关联性；-数据治理：通过ETL工具（如ApacheFlink）对原始数据进行清洗（剔除异常值、填补缺失值）、转换（统一单位、格式）、关联（将能耗数据与科室、设备、患者数据关联），形成“清洁数据资产”；-分析引擎：集成机器学习算法（如时间序列预测、聚类分析、关联规则挖掘），实现能耗趋势预测、异常检测、成本动因分析等功能。平台层：数据处理的“智慧大脑”*案例*：在某医院平台层部署中，我们通过关联分析发现“门诊能耗与挂号量呈正相关（r=0.82）”，但周末挂号量下降20%时，能耗仅下降8%，由此定位周末“无人区域空调未关闭”的浪费问题。15应用层：价值转化的“最后一公里”应用层：价值转化的“最后一公里”010203040506应用层直接面向医院管理者、科室主任、运维人员，通过可视化界面（如PC端dashboard、移动端APP）提供差异化服务：-院长驾驶舱：展示全院总能耗、成本占比、节能目标完成度等关键指标，支持多院区对比；-科室管理端：按科室展示分项能耗（电、水、气）、成本明细、节能建议，支持科室能耗排名；-运维操作端：实时监测设备运行状态、报警信息（如管道压力异常），支持远程控制（如空调开关调节）。###（二）核心技术的创新应用：从“计量”到“智能”的跨越智能计量系统的价值，不仅在于“数据采集”，更在于“智能分析”。以下三项技术的创新应用，是系统实现“从数据到决策”跨越的关键：16AIoT融合技术：让设备“会说话”AIoT融合技术：让设备“会说话”传统计量终端仅为“数据记录仪”，而AIoT技术通过在终端嵌入边缘计算芯片，赋予设备“本地智能”。例如，智能空调控制器可通过学习历史运行数据，结合实时温湿度、人员密度（红外传感器），自动调整送风温度和风速，实现“人走电断”。在某医院试点中，AIoT控制的空调系统较传统模式节能25%，且患者体感满意度提升18%。17数字孪生技术：让能耗“可视化”数字孪生技术：让能耗“可视化”数字孪生技术通过构建医院物理实体的虚拟模型，将能耗数据实时映射到三维模型中。例如，在虚拟住院楼中，点击某一病房即可查看该房间实时电耗、空调温度、照明状态；点击整栋建筑，可显示各楼层能耗占比、热力分布图。这种“所见即所得”的可视化，让管理者直观定位能耗“热点”。18区块链技术：让成本分摊“可信任”区块链技术：让成本分摊“可信任”能源成本分摊的公平性是科室节能积极性的关键。区块链技术通过去中心化、不可篡改的特性，确保计量数据“真实可信”。例如，将各科室的能耗数据上链存储，科室可随时查询自己的能耗明细和历史记录，杜绝“数据篡改”“分摊不公”问题。在某医院试点中，区块链技术的应用使科室节能投诉率下降90%。##四、基于智能计量的成本分析方法：从“数据罗列”到“价值挖掘”的核心智能计量系统采集的海量数据，若仅停留在“展示”层面，无法真正发挥价值。只有通过科学的成本分析方法，将数据转化为“可执行的管理建议”，才能实现能源成本的“精准管控”。结合多年实践经验，我总结出“三维度四步法”成本分析模型。###（一）成本分析的三个维度：横向、纵向、交叉19横向维度：空间分摊——明确“谁在消耗”横向维度：空间分摊——明确“谁在消耗”0504020301横向分析的核心是“空间拆解”，将全院总能耗按“院区-楼宇-楼层-科室-最小用能单元”逐级拆分，实现“能耗地图”可视化。例如：-院区级：对比东、西两院区能耗强度（kW/㎡），发现东院区因建成早、设备老旧，能耗强度较西院区高30%；-科室级：对各临床科室进行“万元收入能耗”排名，发现骨科（0.12万元/万元收入）、心内科（0.10万元/万元收入）能耗显著高于平均水平（0.06万元/万元收入）；-设备级：对骨科手术室设备能耗拆解，发现术中C臂机（15kW/小时）是主要能耗源，占手术总能耗的40%。*工具*：采用GIS地理信息系统，将能耗数据与医院平面图叠加，生成“能耗热力图”，直观显示高耗能区域。20纵向维度：时间追溯——明确“何时消耗”纵向维度：时间追溯——明确“何时消耗”1纵向分析的核心是“时间拆解”，按年度、季度、月度、周、日、小时等不同时间粒度，分析能耗变化规律。例如：2-年度规律：某医院夏季（6-8月）空调能耗占比达全年35%，冬季（12-2月）蒸汽能耗占比达28%，呈现“冬夏双峰”特征；3-日规律：门诊楼能耗峰值出现在8:00-10:00（门诊高峰）、14:00-16:00（检查高峰），住院楼峰值出现在18:00-22:00（患者洗漱、夜班活动）；4-小时规律：手术室能耗在8:00-12:00（手术高峰）较14:00-17:00（术前准备）高50%，与手术排班强相关。5*工具*：时间序列分析工具（如PythonPandas、Tableau），绘制“多时间粒度能耗曲线”，识别周期性、趋势性波动。21交叉维度：关联挖掘——明确“为何消耗”交叉维度：关联挖掘——明确“为何消耗”交叉分析的核心是“变量关联”，将能耗数据与业务数据（门诊量、手术量、设备使用率）、环境数据（温度、湿度）、管理数据（科室排班、节能措施）等关联，挖掘成本动因。例如：-业务关联：通过回归分析发现，门诊量每增加100人次，日耗电量增加120kWh（r=0.75）；手术量每增加1台，日耗蒸汽增加0.5吨（r=0.68）；-环境关联：空调能耗与日均气温呈显著正相关（气温每升高1℃，空调能耗增加8%），但当气温＞35℃时，能耗增速提升至15%（空调满负荷运行）；-管理关联：实施“人走灯灭”制度后，行政办公区照明能耗下降20%；但若未同步调整空调定时开关，空调能耗反而上升5%（因人员离开后空调未关闭）。###（二）成本分析的四个步骤：从“发现问题”到“解决问题”22步骤一：数据清洗——确保“分析基础扎实”步骤一：数据清洗——确保“分析基础扎实”原始数据常存在异常值、缺失值、重复值等问题，需通过规则引擎进行清洗：-异常值处理：设定能耗阈值（如某手术室单小时能耗＞100kW时触发报警），结合人工排查（如是否为大型手术或设备故障），剔除或修正异常数据；-缺失值填补：采用插值法（如线性插值、移动平均）填补短时缺失数据（如通信中断导致的5分钟数据缺失），对长时间缺失（如设备故障）则标注“数据不可用”，避免误导分析；-重复值去重：通过终端ID、时间戳组合识别重复数据（如同一电表在同一分钟上传多条数据），保留最新记录。*案例*：某医院曾因智能电表通信故障导致连续3小时数据缺失，我们采用“历史同期数据+气温修正”法进行填补，误差控制在5%以内，未影响成本核算准确性。23步骤二：成本核算——实现“算清明白账”步骤二：成本核算——实现“算清明白账”基于清洗后的能耗数据，构建“分项、分区域、分时段”的成本核算模型：-分项成本：按能源类型（电、水、气、热）分别核算，其中电费需考虑峰谷电价（如某医院峰电价0.8元/kWh，谷电价0.3元/kWh，通过调整空调运行时段至谷电，单月节省电费5万元）；-分区域成本：按临床科室、医技科室、行政后勤等区域核算，并将公共能耗（如门诊大厅照明）按“人次”“面积”等合理分摊至各科室；-分时段成本：按峰、平、谷时段核算，识别“高成本低价值”时段（如某住院楼夜间22:00-6:00能耗占全日20%，但此时段医疗活动价值低，是节能重点）。*公式*：某科室能源成本=Σ（该科室某时段某能源消耗量×该能源该时段单价）+公共能耗分摊额24步骤三：对标分析——找到“改进坐标系”步骤三：对标分析——找到“改进坐标系”对标分析是判断能耗水平“高低”的关键，需建立“内部+外部”双对标体系：-内部对标：与历史数据比（如同比、环比），识别能耗变化趋势；与目标值比（如年度节能目标），评估完成进度；与最优值比（如同院区能耗最低的科室），找差距、学经验。-外部对标：与行业标杆比（如国家《医疗建筑能耗标准》中三甲医院能耗基准值：电≤80kW/㎡年，水≤80m³/㎡年），明确定位；与同类型医院比（如综合医院vs专科医院），分析差异原因（如专科医院大型设备多，电耗可能更高）。*案例*：某医院通过外部对标发现，其电耗（85kW/㎡年）超国家标准6%，通过内部对标定位到“老旧锅炉热效率低（仅65%，国家标准≥85%）”是主因，后更换为condensingboiler（冷凝锅炉），热效率提升至98%，年节电120万kWh。25步骤四：优化建议——提出“可落地方案”步骤四：优化建议——提出“可落地方案”1分析的最终目的是解决问题。需基于成本动因，提出“技术+管理+行为”三维优化建议：2-技术优化：针对高耗能设备或系统，提出节能改造方案。例如，将传统荧光灯更换为LED灯（节能50%），将定频空调更换为变频空调（节能30%）；3-管理优化：针对制度漏洞，提出流程改进方案。例如，建立“科室能耗定额管理制度”，超定额部分扣减绩效；实施“能源采购动态管理”，根据价格预测选择采购时机；4-行为优化：针对人为浪费，提出引导方案。例如，开展“节能科室”评选活动，对节能效果显著的科室给予奖励；在公共区域张贴“节能提示”，培养员工节能习惯。5##五、智能计量在医院成本管理中的实践应用：从“理论模型”到“落地实效”的检验6“纸上得来终觉浅，绝知此事要躬行。”智能计量分析的价值，最终要通过实践应用来检验。结合近年参与的十余家医院能源管理项目，我总结出以下典型应用场景及成效。步骤四：优化建议——提出“可落地方案”###（一）场景一：精细化成本管控——让“每一分钱花在刀刃上”传统成本管控“一刀切”，而智能计量通过“定额管理+绩效考核”，实现成本精准管控。以某三甲医院为例：1.建立科室能耗定额：基于历史数据、业务量、科室特点，为每个科室制定年度能耗定额（如内科病区电耗≤15kW/㎡床，外科病区电耗≤20kW/㎡床）；2.实时监测定额执行：通过智能计量系统实时显示科室当前能耗与定额的差距（如“内科3病区本月已用定额的85%，进度正常”）；3.与绩效考核挂钩：将能耗达标率纳入科室KPI（权重5%），超定额部分按150步骤四：优化建议——提出“可落地方案”%价格扣减绩效，节约部分按50%奖励科室。*成效*：实施1年后，全院总能耗下降12%，其中临床科室能耗下降18%，科室节能投诉率为0。外科主任反馈：“以前觉得节能是后勤的事，现在发现优化手术排班、减少设备待机也能降低成本，大家都主动参与了。”###（二）场景二：节能改造效果评估——让“改造投入心中有数”节能改造是医院降本的重要手段，但改造效果往往缺乏精准评估。智能计量系统通过“前后对比+ROI分析”，为改造决策提供数据支撑。例如，某医院对中央空调系统进行改造：1.改造前评估：通过智能计量系统采集改造前3个月空调能耗数据（日均电费1.2万元），分析系统能效比（EER，仅为3.2，低于标准5.0）；步骤四：优化建议——提出“可落地方案”2.改造中监测：改造期间实时监测设备安装进度、能耗波动，确保改造不影响医疗业务；3.改造后评估：改造后采集3个月数据（日均电费0.7万元），能耗下降41.7%，年节省电费182万元；投资300万元，投资回收期仅1.65年。*成效*：该案例被纳入当地医院节能改造示范项目，带动周边5家医院开展同类改造，累计年节电超1000万kWh。###（三）场景三：能源异常预警——让“问题发现在萌芽”传统管理模式下，能源异常往往在“缴费时”或“故障后”才发现，而智能计量系统通过“阈值预警+趋势预测”，实现“事前预警”。例如：步骤四：优化建议——提出“可落地方案”1.实时阈值预警：设定某管道压力上限0.6MPa，当压力达0.55MPa时系统自动报警，运维人员10分钟内赶到现场，发现管道轻微泄漏，避免爆管事故；2.趋势预测预警：通过机器学习模型预测未来3天能耗（基于历史数据、天气预报、门诊量预约），若预测能耗超预警值（如过去7天平均值的120%），提前发送预警至后勤部门，调整设备运行策略。*成效*：某医院通过异常预警系统，半年内避免能源浪费事件12起（包括管道泄漏、设备空转等），减少直接损失超50万元，设备故障率下降25%。###（四）场景四：患者体验与能源平衡——在“节能”与“人文”间找平衡点医院节能不能以牺牲患者体验为代价。智能计量系统通过“环境联动+个性化调节”，实现“节能”与“人文”的统一。例如：步骤四：优化建议——提出“可落地方案”1.病房智能温控：在病房安装智能温控器，患者可根据需求调节温度（20-26℃），系统自动记录偏好数据，结合室外温度动态优化空调运行策略，较固定温度设置节能15%；2.手术室环境保障：实时监测手术室温湿度、颗粒物浓度，当指标偏离标准时自动调节空调、净化系统，确保手术环境安全，同时避免“过度净化”（如非手术时段降低换气次数）。*成效*：某医院实施智能温控后，病房空调能耗下降20%，患者满意度调查显示，“病房温度适宜”一项得分提升22%（满分100分）。##六、挑战与未来展望：从“当前实践”到“长远发展”的思考步骤四：优化建议——提出“可落地方案”尽管智能计量分析在医院成本管理中已取得显著成效，但在推广过程中仍面临诸多挑战。同时，随着技术进步和管理理念升级，其未来发展也呈现新的趋势。###（一）当前面临的挑战1.初期投入成本高，中小医院“望而却步”智能计量系统的部署需投入大量资金（某500床医院初期投入约300-500万元），包括硬件采购、软件开发、系统集成等。中小医院因资金有限，往往难以承担