第二章 文獻回顧
2.3 參數估價法回顧
學者郭坤池[47]研究認為「參數估價」之重點在於利用過去工程 經驗數據所建立的資料庫,依據統計學上的歸納法則,統計歸納出不 同類型的建物,其所須用的人、機、料數量與費用,並透過「樣本空 間」之數據,借類比法預測隨機事件,也就是預測相類似建物之造價。
將工程項目利用「維次分析」得到工程項目相關參數並將收集之數據 資料統計求得其單位參數值平均數量。
學者鐘恕[48]亦提出參數估價法與工程生命週期各階段估價作業 之關係,如表2.2 所示。
表2. 2 參數估價法與工程生命週期各階段估價作業之關係[48]
規劃設計階段 生命
週期 特性
工程構想階段
初 步 設 計 細 部 設 計
招標發包階段 營造施工階段
資料依據
*無草圖
*過去資料和記錄
*草圖但不完整之 設計圖
*過去資料和記錄
*設計圖說及細部 設計
*過去資料和記錄
*設計圖說及規範
*過去資料和記錄
*設計圖說及規範
*過去資料和記錄
使用者
*業主
*建設公司
*專業營建管理
*建築師
*結構工程師
*室內設計師
*顧問工程師
*業主
*精算師
*專業承包商
*工程顧問公司
*專業承包商
*專業營建管理
*估驗計價工程 師
估價層次 *粗估 *概估 *細估 *細估 *細估
估價方法
*單位基準法
*參數估價法
*因數估價法
*參數估價法
*推理旁證法
*比例基準法
*主項基礎法
*參數估價法
*單價分析法
*平均單價估 演算法
*單價分析法 *單價分析法
估價目的
*工程成本概估
*初期財務計畫
*資本預算
*價值工程
*初步成本估算
*替代方案評選
*定案成本估算
*各標發包預算
*檢核設計成果
*業主訂定底價
*承包商投標估價
*施工成本預算
*成本評核及控制
*設計變更成本 估價
精確度 *±20% *±15% *±10% *±5% *±5%
“參數估價”的觀念,是利用“類比法”的原理將相類似的工程 案例加以相互的比較模擬。而透過模擬的成果,藉以求得工程項目與 參數間之關係。例如:某乙建物與甲建物為相類似之建築。假設兩者 之工程項目完全相同,只是數量乙為甲之 1.2 倍,若以類比法觀念,
則乙之總工程成本應為甲之 1.2 倍。同理,只要將各工項與參數間之 關係找出,再乘以目標個案的參數值,即可得出工程之總造價。
學者黃春田[49]認為,「參數估價」是利用開發、規劃設計階段所 出現的參數,根據以往工程經驗所累積的經驗資料庫來進行模擬與分 析,以獲得一個較為簡易且精確的成本控制方式。常用的方法如下所 示:
一、 成本指數法
選定估價之成本項目與過去某基準年同樣之成本項目 之指數比較,以推估現有成本項目所估價值之方法。如式 2.1 所示。
⎟⎟
⎠
⎞
⎜⎜
⎝
=
∑
⎛i i i
N R
N
I
C I
Y
(式 2.1)式中 Y :總建造價
Ni
C :某基準年成本項目成本
Ni
I :某基準年成本指數
Ri
I :推估年成本項目之估價值
二、 成本─產出估算法
成本指標法反應出時間對於成本的影響,而成本─產 出估算法則是使用於反應產出容量變化對於成本的影 響。產出容量發生改變時,整體成本也將隨之呈現線性或 非線性的變化,其計算公式如式2.2 所示:
x
Q C Q
C
⎟⎟⎠
⎜⎜ ⎞
⎝
×⎛
=
1 2 1
2 (式 2.2) 式中 C2:預估單元成本
C1:基準單元成本 Q2:預估單元容量 Q1:基準單元容量 x :成本─產出因數
三、 單位面積或體積法
依使用類別、工程規模、或結構系統所建立之單位面 積或單位體積之工程造價資料,以推估出現有類似建築物 之單位造價。
國外學者 Koenigseker, N. A. [67]認為,參數估價法是以單位面 積、體積或高度等影響工程造價之重要參數為考量,根據過去案例數 據進行統計迴歸得到一簡化之數學式,以作為未來工程案例估價之依 據。另一位學者Karshenas, S. [71],則提出由於工程性質之不同,所 需選擇之工程參數亦不相同,例如高層建築專案多以單位面積、體積 或高度做為估價的參數,但在其他工程,則可能改採單位設備容量以 做為估價的參數。因此,在估價的過程中,不論所考量之工程種類以 及所採用之估價參數為何,參數估價法準確與否之重要關鍵在於建立 參數與工程造價之間的關係式。由過去的研究發現,參數估價法之參 數與工程造價之間的關係式並非線性之關係[70][71]。
為建立此一非線性關係,過去的研究曾提出以下之解決方法[2]:
1. 以非線性迴歸之方式建立指數參數估價方程式[71];
2. 以 類 神 經 網 路 建 立 估 價 參 數 與 工 程 造 價 或 數 量 間 之 關 係 [72][73];
3. 以案例式學習法(case-based reasoning)建立影響估價參數與工
程造價之關係[74]。
上述方法中,傳統之非線性迴歸法在處理超過兩個以上之參數 時,迴歸難度極大,且其精確度會因個案之不同而產生差異,一般其 誤差值為 20%左右;而類神經網路雖然對非線性關係之處理能力極 佳,但其所建立之關係式通常視為一黑箱(black box),專家無法判斷 其知識之正確與否。至於案例式學習法,雖已有相關影響參數與工程 造價關係之建立,但也僅止於建立其非線性關係,並無相關法則庫之 發展與研究,且案例式學習法在資料處理上較適合「符號式推理 (symbolic reasoning)」,而工程估價多與數值式推理(numeric reasoning) 有關,因此其誤差值亦在15%~20%之間[4]。
2.3.1 主項比例估價法
有鑑於傳統參數估價法之缺點,鄭景鴻君(2002)類神經模糊系統於 土石方工程成本估價之應用[1],提出利用工程單價、數量分離的主項 比例估價方式,結果証明能夠反應即時物價,並能有效將精度控制在 10%的範圍之內。營建專案通常由數以百項或千項的工項所構成,且 非常花費金錢和時間去得到全部營建專案中的成本工項的數量與單 價,然而用 80/20 法則解決了這問題。簡單的說,80%的專案成本決 定於20%的成本工項,因此最重要的 20%成本工項所估算的數量可代 替全部工項的總估算數量。
主項比例估價法模型(Principal Items Ratio Estimation Method, PIREM)[65]如下:
採用80/20 法則以做為選取估價之項目可以省去 80%的成本估算 以及時間,不只可以減少花費也可以快速地執行工程之估價,更重要 的是能夠即時提供一個值得參考的成本估算答案。其利用總成本工項
中 所 挑 選 出 來 20%主要工項(以下稱之為主項 PI)之主項成本費
(PIC),利用主項成本費除以主項比例即為工程之總造價。其中,PIC 為整合所有主項之數量乘上單價之加總成本。而利用主項成本費除以 工程之總工程費的比例則稱之為主項比例(PIR 或 P)。
單一工程的P 值可由下列數學式計算而得:
1
1 m
j j
j n
i i
i
UP Q PIC
P OC
UP Q
=
=
⋅
= =
⋅
∑
∑
(式 2.3)j
表示工程主項。i
表示工程所有工項(包含主項及非主項)。UP表示工項之單價。
Q
表示工項的數量。OC
表示總工程成本。PIC表示主項成本。
n表示n 項工項。
m表示 m 項主要工項。
由於在歷史成本估價案例中所分析出來的主項比例工項,是營建 專案中數量固定不變或變動微小的工項[65]。因此,我們可以根據歷 史成本估價案例中所得之主項比例平均數
P
得出在新專案中之總成本OC
r數值的方程式為:r
r
PIC
OC
=P
(式 2.4)OC
r 為新專案的總成本估價。P
是舊資料中主項比例P
的平均數。PIC
r是新專案中的主要工項成本。在(式2.3)和(式2.4)中,實際市場行情的單價(UP)在新專案中應該在 執行估價時進行即時的調查,並進一步使用類神經模糊網路系統對歷 史成本估價案例之主項PI 及其主項比例 P 進行參數的訓練。藉由訓練 結果而建立出的估價參數與工程主項間之關係,然後才能進一步地對 於新專案進行專案成本之估算[65]。