何清華 楊德磊 羅嵐 等

摘要：在項目群風險因素體系的基礎上提煉了大型復雜工程項目群進度風險因素，基于113份調查問卷和實例，構建并驗證了貝葉斯網(wǎng)絡模型，運用其學習、推理功能，識別出大型復雜工程項目群進度風險的關鍵敏感因素和最大致因鏈，進行進度滯后推理預測，據(jù)此提出了大型復雜工程項目群進度風險管理的策略建議。

關鍵詞：大型復雜工程項目群；進度風險；貝葉斯網(wǎng)絡

DOI：10.13956/j.ss.1001-8409.2016.04.26

中圖分類號：F062.4文獻標識碼：A 文章編號：1001-8409（2016）04-0120-07

Abstract：Based on the whole program risk factors system， schedule risk factors of large scale and complexity construction program is proposed， 113 questionnaires and a case are collected to build and test Bayesian network that could identify key sensitivity factor and the biggest caucuses chain by learning and reasoning function， and forecast the degree of schedule lag. Some strategies are proposed for large scale and complexity construction program.

Key words：large scale and complex construction program； schedule risk； bayesian network

我國新型城鎮(zhèn)化的發(fā)展帶動了大型復雜工程項目群的急劇增加，這類項目投資規(guī)模大、建設周期長、未知風險多、復雜性高[1]，進度目標的實現(xiàn)具有比一般項目更高的風險，更易發(fā)生工期延遲，平均延遲率約為20%，而進度是很多大型復雜工程的首要目標[2]。因此，如何識別影響工期的關鍵風險，預測計劃工期實現(xiàn)的可能性，是項目群管理的關鍵內容。

美國麻省理工學院斯隆商學院2007年開展的大型復雜建設工程管理研究課題基于不確定性和風險提出了項目群管理策略，是國外較早的項目群風險研究[1]。后來，部分學者開始關注項目群的總體投資失控[3～5]等風險因素。國內研究主要關注項目群的組織集成與管理協(xié)同、社會影響、利益相關者管理、管理模式、進度總控、質量、信息化等方面[1，6～9]；關于項目群風險研究，主要從宏觀視角關注影響項目整體的風險因素[10～12]。因此，目前學者們關于進度風險的研究集中在一般項目管理領域，大型復雜工程項目群進度風險管理研究尚處于起步階段，并未形成完整的風險管理體系，更缺乏有針對性的量化研究。

鑒于此，考慮到大型復雜工程的獨特性，本文選擇適用于小樣本的貝葉斯網(wǎng)絡方法開展項目群的進度風險研究。首先，基于專家訪談和文獻梳理，構建了大型復雜工程項目群的進度風險因素體系；其次，運用貝葉斯網(wǎng)絡的學習、推理功能，識別出項目群進度風險的關鍵敏感因素及最大致因鏈，對進度滯后程度進行推理預測；最后，通過南寧火車東站項目群的實例驗證了貝葉斯網(wǎng)絡的科學性與合理性，并提出了大型復雜工程項目群進度風險管理的策略建議。

1大型復雜工程項目群初始風險因素的識別

本文選用的研究方法是適用于解決數(shù)據(jù)不完備研究問題并可進行相對可靠預測的貝葉斯網(wǎng)絡方法[13]。首先，通過文獻Kim等[14]和Taroun[15]對一般項目風險因素的分類和分析，得到較為初步的工程項目群整體風險因素，作為大型復雜工程進度風險識別的基礎。然后，選取了10位參與過或正在參與大型復雜工程項目群建設且是該領域內知名學者的專家進行開放式訪談，訪談問題包括：（1）大型復雜工程項目群風險因素與一般工程風險因素的區(qū)別；（2）大型復雜工程項目群進度風險因素與其他風險因素的區(qū)別；（3）大型復雜工程項目群進度風險管理與控制的重點。同時，邀請各位專家對項目群整體風險因素中的進度風險按照李克特5分量表進行打分。

根據(jù)訪談結果，專家們較為一致認同的觀點有：（1）大型復雜工程項目群風險具有非疊加性，項目群是由多個具有相互聯(lián)系的子項目組成，項目群的風險因素由子項目的風險因素組成，但并非子項目風險因素的線性疊加，比子項目風險管理更加宏觀和戰(zhàn)略化；（2）大型復雜工程項目群進度風險比質量、成本風險等其他風險更能體現(xiàn)風險的層次性、傳播性、隱藏性和高發(fā)性；（3）大型復雜工程項目群界面關系協(xié)調是進度風險管理的關鍵?；谝陨嫌^點及Kim等[14]與Taroun[15]的建設項目風險分類方法，形成首次調整后的項目群進度風險因素識別體系，并結合訪談中專家的打分結果進行修正，最終得到項目群進度風險因素體系為調研問卷的問項，如表1所示。

表1大型復雜工程項目群進度風險因素體系

分類風險因素

環(huán)境風險

自然環(huán)境因素（氣候）、政治因素（政府干預）、資金因素（業(yè)主融資）等外部環(huán)境以及合格的施工場地未及時移交或移交后不符合施工條件，以及子項目共用施工道路不暢通等內部環(huán)境風險

技術風險

勘查結果有誤、勘察設計進度滯后、設計文件有誤、設計變更頻繁等勘探設計風險，進度目標規(guī)劃不合理、總進度計劃體系編制不合理、子項目內部施工組織安排不合理、項目間交叉施工組織及實施不合理、項目群進度檢查與控制過程不力等實施風險

項目主體特征風險

政府審批程序冗雜、效率低下，征拆工作效率較低、業(yè)主項目群管理經(jīng)驗與水平不高、設計單位經(jīng)驗缺乏、施工單位管理與技術水平不高、監(jiān)理單位現(xiàn)場監(jiān)理能力和責任心缺乏

組織、管理風險

項目群組織結構及人員配備不合理、群信息集成平臺不完善、各項目設計單位間缺乏溝通協(xié)作、各項目建設單位間缺乏溝通協(xié)作、項目群文化建設缺失

結構風險

項目數(shù)量及類型較多；子項目間關系復雜，項目間交叉施工較多

2基于貝葉斯網(wǎng)絡的大型復雜工程項目群進度風險建模

21貝葉斯網(wǎng)絡構建方法選擇

貝葉斯網(wǎng)絡（Bayesian Network）是一種使用概率統(tǒng)計對復雜不確定性問題進行推理和數(shù)據(jù)分析的方法[16]。該方法可以用主觀方法有效地確定變量之間的關系，同時通過實證數(shù)據(jù)對網(wǎng)絡結構進行參數(shù)學習，降低參數(shù)的主觀性。有效的結構學習方法是構建最優(yōu)網(wǎng)絡結構的關鍵。貝葉斯網(wǎng)絡結構學習方法分為3類[17]：一是結合相關領域的專家經(jīng)驗和實地調研數(shù)據(jù)，確定貝葉斯網(wǎng)絡結構；二是在軟件中通過對大樣本數(shù)據(jù)的訓練，自動獲得貝葉斯網(wǎng)絡；三是在大樣本的條件下，采用專家知識確定節(jié)點序列，使用Matlab編程和特定算法進行貝葉斯網(wǎng)絡結構學習，確定最終的網(wǎng)絡結構?；跇颖緮?shù)量限制和研究對象的特點，本文選用采用前文的專家訪談與問卷調研相結合的方法進行模型構建。

22實證數(shù)據(jù)收集

本文采用滾雪球式的調研方法，問卷問項均為李克特5分量表，在2014年12月至2015年1月期間共發(fā)放156份，回收136份，回收率87%。剔除無效問卷，共得到113份有效問卷。使用SPSS170統(tǒng)計軟件，對問卷進行數(shù)據(jù)統(tǒng)計分析，α系數(shù)為0927，大于09，表明本問卷的內在信度合理；KMO值為0712，大于07，說明因子分析的效度較好，Bartlett檢驗結果p<0001，達到顯著水平，說明效度較好，可以進行因子分析。因此，本問卷是可信的，滿足統(tǒng)計分析要求。

23大型復雜工程項目群進度風險貝葉斯網(wǎng)絡模型

根據(jù)文獻分析、專家訪談、實地調查的結果，確定網(wǎng)絡結構中的父、子節(jié)點，分析貝葉斯網(wǎng)絡中進度風險因素之間的因果關系，如業(yè)主項目群管理經(jīng)驗與水平→項目群管理的組織架構與人員配備不合理；項目群文化建設缺失→各項目建設單位間缺乏溝通協(xié)作，關系緊張；設計單位水平與經(jīng)驗不足→設計文件有誤；項目群信息集成平臺不完善→各項目建設單位間缺乏溝通協(xié)作，關系緊張；項目群總進度計劃不合理→進度檢查與控制過程不力等，共構建了31組因果關系。貝葉斯網(wǎng)絡中風險因素間的相互關系，本文通過上述專家訪談結果及研究團隊的工程經(jīng)驗來進行關聯(lián)，由此初步得到大型復雜工程進度風險貝葉斯網(wǎng)絡結構，如圖1。

3基于貝葉斯網(wǎng)絡的大型復雜工程項目群關鍵風險因素推理分析

首先對問卷數(shù)據(jù)進行預處理。根據(jù)風險矩陣思想[14]，分別以風險因素可能造成影響的嚴重性及風險發(fā)生的概率建立二維矩陣，得出低、中、高3類風險，分別記為R1、R2和R3，表示風險因素的嚴重程度，對數(shù)據(jù)進行風險等級規(guī)范化處理。其中，以0～4從低到高表示風險發(fā)生概率和各風險因素發(fā)生后造成進度滯后程度的5個等級，分別表示進度“不延遲”“延遲<10%”“延遲10%～20%”“延遲20%～50%”“延遲>50%”。

31參數(shù)學習

本文選用GeNie20軟件來進行貝葉斯網(wǎng)絡模型的推理分析。根據(jù)圖1，使用經(jīng)過預處理的數(shù)據(jù)進行貝葉斯網(wǎng)絡模型的參數(shù)學習，以獲得各個節(jié)點變量的條件概率分布。按照風險因素的評估等級分R1、R2、R3三個級別，對應每個節(jié)點變量的有3個狀態(tài)，High對應R3，Medium對應R2， Low對應R1，根據(jù)均勻分布，每個狀態(tài)的概率為1/3。GeNie20軟件支持Access數(shù)據(jù)庫，在GeNie20軟件中導入經(jīng)Access數(shù)據(jù)庫規(guī)范化處理后的數(shù)據(jù)，采用最大似然估計的算法來進行參數(shù)計算[16]。參數(shù)學習的結果如圖2。

32逆向推理

根據(jù)貝葉斯網(wǎng)絡逆向推理的算法，將目標節(jié)點“進度滯后”High狀態(tài)設置為100%，即一定會發(fā)生工期延遲20%的事件時，貝葉斯網(wǎng)絡中的關鍵風險因素，得出圖3。可知，當將“進度滯后”節(jié)點的進度延遲程度大于20%的可能性設置為100%時，風險最高的3個事件為合格的施工場地未按時移交、項目間交叉施工組織及實施不善、項目群管理的組織架構與人員配備不合理，即當這3個事件中的一件或多件發(fā)生的時候，項目工期延遲程度大于20%的可能性較大。

33敏感性分析

敏感性分析能夠計算每個變量對其他變量分布的影響程度，幫助決策者主動采取應對措施，提前避免或最大程度減少進度滯后的發(fā)生[16]。圖4為大型復雜工程項目群進度風險的貝葉斯網(wǎng)絡模型敏感性分析結果，圖中標注灰色的節(jié)點變量為造成進度延遲的敏感因素，包括項目群信息集成平臺不完善、文化建設缺失、總進度計劃不合理、組織架構與人員配備不合理、進度檢查與控制過程不力、各項目建設單位件缺乏溝通協(xié)作并關系緊張、設計單位間缺乏溝通協(xié)作、項目間交叉施工安排不合理、各項目共用施工便道不暢通、設計文件有誤、設計變更頻繁、合格的施工場地未能按時移交等。以上節(jié)點的小幅變化可能對工程項目的進度滯后造成很大的影響，因此需要對這些敏感因素進行重點控制與管理，以提高工程的抗風險能力。

34最大致因鏈分析

設定進度延遲的狀態(tài)為100%，得到圖5的分析結果，圖中加粗的鏈路即為最大致因鏈，即業(yè)主項目群管理經(jīng)驗與水平不高、征地拆遷工作效率較低是進度滯后的最大致因源頭，而這兩者導致的合格施工場地移交滯后、項目群文化建設缺失、項目群信息集成平臺不合理或不完善、各項目建設單位間缺乏溝通協(xié)作且關系緊張、項目間交叉施工及實施不合理等構成致因鏈上的節(jié)點，是導致項目群進度滯后的重要因素，因此在對項目群進度進行管理時，應對這些因素進行重點管控。

根據(jù)大型復雜工程項目群貝葉斯進度風險模型的逆向推理、敏感性分析和最大致因鏈分析可知，合格的施工場地未按時移交、項目間交叉施工組織及實施不合理、項目群管理的組織架構與人員配備不合理3個因素為關鍵風險因素，因此在進行項目群進度管理的過程中需進行重點關注；業(yè)主項目群管理經(jīng)驗與水平不高、征地拆遷工作效率較低2個因素為進度滯后的最大致因源頭，若對這兩個風險因素進行重點控制與管理，則可以從源頭上切斷風險鏈，最大限度減少進度延遲風險的發(fā)生。

4實證分析

南寧火車東站項目群占地259 平方公里，總投資約139億元，包括軌道交通、長途客運站、公路、橋梁等19個項目，是該市迄今為止最為復雜的政府性大型基礎設施項目群，定于2014年12月28日建成并投入使用。本文首先該項目群進度風險因素進行風險等級規(guī)范化處理，見表2。

將表2結果導入貝葉斯網(wǎng)絡模型，展開定量分析，運行結果如圖6。

可看出，征地效率低、合格的施工場地未按時移交、項目間交叉施工較多且組織及實施不合理、氣候環(huán)境惡劣等因素是關鍵風險因素（見“Δ”標識）。這主要是由于該項目引入了第三方項目管理團隊進行組織設計與管理，使“項目群管理的組織架構與人員配備不合理”“業(yè)主項目群管理經(jīng)驗與水平不高”等主觀方面風險較低，而由于南寧特定的氣候條件給項目建設進度安排帶來了很大不便，成為影響進度的關鍵因素之一。這一結果與貝葉斯網(wǎng)絡模型的敏感性分析與最大致因鏈分析結果基本上吻合。該項目群原計劃工期是24個月，根據(jù)貝葉斯網(wǎng)絡計算概率結果對該項目群進度風險分析，見表3。

實際上，截至2014年12月28日，該火車站雖然實現(xiàn)了通車，但僅有鳳凰嶺路主線橋，快速集散系統(tǒng)B區(qū)、C區(qū)、站北二路、站南一路、南北廣場建成投入使用，整個項目群在2015年2月6日才得以完工。因此，實際工期為253個月，比原計劃延遲了13個月，與貝葉斯網(wǎng)絡預測該項目有71%的概率延期不超過24個月的結果相符[14]。

5研究結論

本文基于實證數(shù)據(jù)和實例，采用貝葉斯網(wǎng)網(wǎng)絡的參數(shù)學習、逆向推理等功能構建了大型復雜工程項目群進度風險因素模型，識別了進度滯后的敏感性因素與最大致因鏈，為大型復雜工程進度風險管理提供了可操作性的參考依據(jù)。結果表明：（1）征地拆遷等前期因素對進度風險具有決定性影響，建設單位需要盡最大努力縮短前期各環(huán)節(jié)的時間消耗，為建設階段爭取更多的時間；（2）項目群組織管理水平、文化建設等軟性因素是進行大型基礎設施項目群進度控制的關鍵，而提高總承包單位的施工組織能力則可大大降低進度失控的風險；（3）大型基礎設施項目群業(yè)主多為一次性業(yè)主，實例中進度風險分析表明，引入第三方項目管理團隊可以大大改善“業(yè)主項目群管理經(jīng)驗與水平不高”這一關鍵源頭，降低主觀因素導致的進度風險。本文并未對進度風險因素對大型復雜工程項目群進度滯后的影響機制進行深入研究，如將工作節(jié)點、時間節(jié)點等引入到貝葉斯網(wǎng)絡中，將更加具有理論和實踐意義。

參考文獻：

[1]何清華，羅嵐.大型復雜工程項目群管理協(xié)同與組織集成[M].科學出版社，北京.2014.

[2]Assaf S A， Al-Hejji S. Causes of Delay in Large Construction Projects[J]. International Journal of Project Management，2006，24（4）：349-357.

[3]Khodakarami V，Abdi A. Project Cost Risk Analysis： A Bayesian Networks Approach for Modeling Dependencies between Cost Items[J].International Journal of Project Management，2014，32（7）： 1233-1245.

[4]Gündüz M， Nielsen Y， zdemir M. Quantification of Delay Factors Using the Relative Importance Index Method for Construction Projects in Turkey[J].Journal of Management in Engineering， 2012， 29（2）： 133-139.

[5]Musabbir S R， Hadiuzzaman M， Rahman M M， et al.Innovative Risk Aperture Manipulation Model for Risk Management in Mega Project Construction[J].TTEA （2015） 1-14STM Journals 2015.

[6]馬國豐，尤建新.關鍵鏈項目群進度管理的定量分析[J].系統(tǒng)工程理論與實踐，2007，27（9）： 54-60.

[7]Yu C， Sheng L， Yun L. Integration Management Framework of Large Complex Project Funded by Government[J]. Journal of Engineering Management， 2012， 5： 013.

[8]樂云，蔣衛(wèi)平.大型復雜群體項目系統(tǒng)性控制五大關鍵技術——項目管理方法的拓展與創(chuàng)新[J].項目管理技術， 2010， 1： 36-38.

[9]程玉，韓建軍.基于3G網(wǎng)絡的大型復雜工程進度信息管理研究淺議[J].建筑經(jīng)濟， 2013 （4）： 102-104.

[10]楊建平，杜端甫.重大工程項目風險管理中的綜合集成方法[J].中國管理科學，1996，4（4）：24-28.

[11]雷麗彩，周晶.基于全生命周期集成的大型工程項目風險控制模型[J].軟科學，2011，25（10）：27-31.

[12]高武，洪開榮.基于行為博弈的特大型工程項目復雜風險組合性均衡評價[J].江南大學學報：人文社會科學版，2014，13（5）：73-77.

[13]齊佳音，馬君，肖麗妍，等.考慮客戶風險修正的客戶終生價值建模[J].管理工程學報，2015，2：016.

[14]Kim S Y， Van Tuan N， Ogunlana S O. QuantifyingSchedule Risk in Construction Projects Using Bayesian Belief Networks[J].International Journal of Project Management，2009，27（1）：39-50.

[15]Taroun A. Towards aBetter Modeling and Assessment of Construction Risk： Insights from a Literature Review[J]. International Journal of Project Management，2014，32（1）：101-115.

[16]Jensen F V. AnIntroduction to Bayesian Networks[M].London： UCL press， 1996.

[17]胡明禮，張彩芬，朱建軍.基于貝葉斯網(wǎng)絡推理的雙重不確定信息集結模型[J].中國管理科學，2014， 22（002）： 135-141.

（責任編輯：楊銳）