建築模板作業生產力與工率預估的適用性分析

於瞭解影響建築傳統模板作業工率的因素後，後續研究中將針對 上述 30 項影響因子彙集於問卷中進行調查，並利用調查結果進行相關 統計分析，探討其與工率的影響程度，以做為模式建立時其自變數選 取的依據。

此方法較現場評估法更為簡單，於五分鐘內，以現場所觀測 正在工作的人數與總觀測人數的比。

上述工作抽樣法主要是記錄現場的工作率（Working Rate），而工 作率代表的意義是現場正在工作人數佔所有現場總人數的比例，其只 能觀察出現場努力的程度，並無法求得投入與產出之比值。因此，上 列的生產力評估方法並不適合用來評估營建工程的工率（unit rate）。

2.4.2 工率預估的方法

一般常見工率的預估方法則有線性規劃、電腦模擬、類神經網路 以及多元迴歸分析等，其個別說明茲分述如下：

ㄧ、線性規劃（Linear programming）

線性規劃主要是研究「最佳化」（Optimization）的問題，其目 的是求得一組變量的特定值，使之滿足各個約束，同時也達到目 標函數的最大值或最小值[39]。線性規劃一般被定義為：「計畫線 性系統中的各項活動，使之獲得最佳（Optimal）效果」，所謂「最 佳效果」係指所有可行方案中，使特定目標為最佳者，例如求解 最大生產力或最小工程成本。

線性規劃的缺點為線性規劃的數學模型其目標式與限制式是 由決策者自行主觀假設，並非藉由大量的實際資料來獲得，容易 造成估計結果過於理想且與真實不符。

二、電腦模擬（Computer Simulation）

電腦模擬的定義為「針對所欲研究分析的系統，建立數學及 邏輯模型，藉由在電腦上的實驗、分析與改進來達成系統最佳化」

[40]。電腦模擬可以幫助決策者了解一個系統的動態行為，並可評 估各種不同條件變化對於系統的影響。

電腦模擬的缺點為抽象的模型建立過程，造成一般人不容易 理解，此外有些系統僅需一個簡單方程式即可清楚說明與求解，

但電腦模擬卻需建立繁雜模型來表示，無形中增加許多應用的困 難度。

三、類神經網路（Neural Network）

類神經網路是仿造生物神經網路的計算系統，其具有可適性 與可學習性，藉由收斂法則達到學習目的。其由許多的人工神經 細胞與連結所組成。人工神經細胞又稱之為類神經元，每個處理 單元的輸出以扇狀送出，成為其他許多處理單元的輸入。類神經 網路包含許多層．每一層包含若干處理單元。輸入層處理單元用 以輸出訊息給外在環境，而隱藏層則表現處理單元間的交互作用 [41、42]。類神經網路之缺點如下[43]：

（一） 類神經網路法並無法像迴歸分析般，可以進行統計的各項檢 定，而且當類神經網路有隱藏層時，則自變數興依變數間之關 係不易解釋。

（二） 類神經網路係以含權值的網路來表達模型，其模型複雜，且無 法套用公式來應用，而迴歸模型是以數學公式來表達模型，該 模型清楚易懂，可直接套用公式來應用。

（三） 類神經網路法是一種學習的方法，不同問題所需之網路型式、

處理單元數、隱藏層個數以及學習率等參數，並沒有一個標準

答案，需靠經驗與不斷嘗試方能得到較好效果。

（四） 類神經網路法所得之權重僅是一訓練過程下所學習而得之值，

並非如迴歸係數般為一個絕對解，因此無法證明其為最佳解。

四、多元迴歸分析（Multiple Regression Analysis）

多元迴歸模型是利用既有的資料來建立一個依變數與一組自 變數之間的數學模型，以估計自變數來預測未知的依變數，其中 依變數可設為一個量化的投入與產出之比值。此外該分析過程需 經若干統計上之假設檢定，具有其嚴謹性[44]。

五、數量化 I 分析（Quantification analysis I）

數量化 I 分析亦是迴歸分析的一種，其基本理論皆與多元迴歸 分析相同。其間差異在於數量化 I 分析中，其說明變量（自變數）

的表現方式，無法以數值表示（如心理學、社會學等領域，其現 象通常無法以數值表示），通常以範疇（Category）歸屬之有無來 表示，亦即以虛設值（Dummy Variable）變量（0 或 1）來表示。

因此無法適用於迴歸分析，而需由虛設值變量（0 或 1）作迴歸分 析，即稱為數量化 I 分析[45]。

2.4.3 工率預估的適用性

經由工率預估的方法探討中，可知各種方法雖皆有其優缺點，研 究並針對各種工率預估方法的方法與特性進行比較，彙整說明如表

（2.8）所示。

表2.8 工率預估方法的比較

工率預估方法 方法概述 主要特性

線性規劃 計畫線性系統中的各項活動，使之 獲得最佳效果

․僅適用於線性問題

․輸出值可為產出投入 之比

電腦模擬

針對所欲研究分析的系統，建立數 學及邏輯模型，藉由在電腦上的實 驗、分析與改進來達成系統最佳化

․可用於非線性問題

․輸出值可為產出投入 之比

類神經網路

仿造生物神經網路之計算系統，其 具有可適性與可學習性，藉由收斂 法則達到學習目的

․可用於非線性問題

․輸出值可為產出投入 之比

多元迴歸分析 與數量化 I 分析

利用一線性方程式代表依變數與各 自變數之關係。分析過程中需經統 計上的假設檢定

․容易解釋變數間關係

․分析過程明確可驗證

․輸出值可為產出投入 之比

資料來源：本研究整理[36]

然而目前以類神經網路做為評估預測某特定目的研究者眾多，但 因其所存在缺點，且不適合本研究所要求的容易解釋與驗證的要求。

因此，本研究擬以多元迴歸分析及數量化 I 分析做為研究的工具，

其特色為僅需利用一線性方程式即可清楚說明依變數與各自變數之關 係，其中依變數可設為一個量化的投入與產出之比值，故適用於營建 工率之評估，惟於模式的建立時，需先行將自變數分類（即可線性量 化及不可線性量化的因子）以帶入適用的迴歸方程式中。此外，並可 解釋所評估的工率與相關變數間的關係，且多元迴歸分析及數量化 I 分析所建立之線性模式亦可估計在各自變數不同數值的變化下其相對 應之工率為何。