PCM執行問題與績效評估之研究(III)

(1)

行政院國家科學委員會專題研究計畫成果報告

PCM 執行問題與績效評估之研究(3/3)

計畫類別：個別型計畫

計畫編號： NSC93-2211-E-011-008-

執行期間： 93 年 08 月 01 日至 94 年 07 月 31 日執行單位：國立臺灣科技大學營建工程系

計畫主持人：王慶煌

計畫參與人員：蔡嘉章、鄭義嚴、王偉嘉

報告類型：完整報告

處理方式：本計畫涉及專利或其他智慧財產權，1 年後可公開查詢

中華民國 94 年 10 月 31 日

(2)

摘要

專業營建管理(Professional Construction Management, PCM)近年來迅速地在台灣發展，但對於PCM 之執行問題的處理方式仍多依循經驗法則，

其效益亦難以量化評估。本研究有鑑於此，針對台灣 PCM 實務運作現況作一完整之探討，歸納出規畫階段 6 項、設計階段 15 項、以及施工階段 12 項關鍵執行問題。然後，依據 PCM 執行問題之特性，結合倒傳遞類神經網路(BPNN)及知識庫模糊類神經網路(KBFNN)，建立 PCM 執行問題診斷知識庫，可以分析 PCM 先行後續階段中執行問題之間的因果關係及其對工程專案整體目標之影響，最後利用ACCESS 建構 PCM 執行問題診測系統，將知識庫整合以方便使用者查詢運用。延續上述研究成果，本研究再建立PCM 服務品質模型，並分析出 PCM 績效評估指標，然後結合模糊資料包絡分析(FDEA)與自組織映射圖網路 (SOM)，建構 PCM 專案績效評估模式。本模式可以分析專案之績效排序及等級，並由差額變數分析提供績效不佳專案之改善建議，能夠客觀地評估 PCM 專案之績效。本研究之成果經由專家驗證之後，於實務上亦為合理且可接受，能夠提供 PCM 顧問於工程專案執行管理與控制之參考。

(3)

表目錄

表1、PCM 專案規畫與設計階段關鍵執行問題項目代號對照表…………49

表2、發生輕微程度之執行問題 P1 推論 D1 之 BP 輸出結果………50

表3、發生輕微程度之執行問題 P1 推論 D1 的邏輯修正結果………50

表4、模式 D1 之初始架構規則列表………51

表5、影響最大之設計階段執行問題彙整………52

表6、規畫階段影響設計階段最主要之執行問題………52

表7、規畫階段影響設計階段交互作用參考次數………53

表8、交互作用排序及主要交互作用因子………53

表9、PCM 專案設計與施工階段關鍵執行問題項目代號對照表…………54

表10、影響最大之設計階段執行問題彙整………55

表11、受影響最大之施工階段執行問題彙整………55

表12、設計階段執行問題交互作用參考次數………56

表13、交互作用排序及主要交互作用因子………56

表14、PCM 專案績效評估評分表………57

表15、PCM 績效評估等級評定表………57

表16、PCM 規劃階段服務評估指標彙整………58

表17、PCM 設計階段服務評估指標彙整………58

表18、PCM 施工階段服務評估指標彙整………59

表19、施工階段目標達成程度排序………59

表20、施工階段各指標差額變數………61

表21、施工階段各指標權重百分比………61

表22、施工階段專案等級聚類初步結果………62

表23、規劃階段各指標權重百分比………62

表24、設計階段各指標權重百分比………62

(5)

表25、業主評估表………63 表26、XX 改建工程目標達成程度排序………63 表27、XX 改建工程差額變數與權重之乘積………63

(6)

圖目錄

圖1、BPNN 網路架構………64

圖2、KBFNN 網路架構………64

圖3、SOM 網路架構………65

圖4、PCM 執行問題診測知識庫建構程序………65

圖5、邏輯修正程序………66

圖6、資料庫管理系統架構流程………66

圖7、搜尋流程………67

圖8、規劃階段執行問題影響分析………67

圖9、規劃階段執行問題影響上下界………68

圖10、設計階段執行問題影響分析………68

圖11、設計階段執行問題影響上下界………69

圖12、設計階段執行問題影響分析………69

圖13、設計階段執行問題影響上下界………70

圖14、施工階段執行問題影響分析………70

圖15、施工階段執行問題影響上下界………71

圖16、PCM 服務品質模型………71

圖17、PCM 服務品質延伸模型………72

圖18、語意變數隸屬函數………72

圖19、排序與聚類比對圖示………73

圖20、FDEA-SOM 分析流程………73

圖21、施工階段拓蹼圖比對分析結果………74

圖22、施工階段專案等級分類之修正………74

圖23、評估系統流程示意圖………75

(7)

第一章、緒論

1.1 研究計畫背景

近年來由於工程規模之大型化及其工作內容之複雜化，使工程之執行逐漸趨向於技術與管理服務的專業分工，專業營建管理(Professional Construction Management, PCM)制度乃因應而生，由專業廠商協助業主執行工程之相關業務。所謂專業營建管理制度係由專業性之營建管理顧問或類似組合，代理業主統籌整個營建團隊，並協調溝通整個工程流程，將工程之可行性、規畫、設計、發包、施工、以及工程運轉等生命週期各階段之管理工作有系統的整合，以達到縮短工期、降低成本、確保品質之目標。

專業營建管理目前已成為國外執行營建工程管理之主流，國內近年來亦積極地推動專業營建管理制度，自民國 87 年 5 月採購法實施以來，陸續發佈專業營建管理相關子法，以建全法規制度，包括 88 年 5 月頒布的

「機關委託技術服務廠商評選及計費辦法」，以及88 年 7 月頒布的「機關辦理工程委託專案管理廠商評選及計費辦法」。由此可顯示，專業營建管理對公共工程專案之重要性。

1.2 研究計畫目的

專業營建管理制度既已為國內政府機關所重視，業界應用亦日漸普遍，然而就台灣PCM 市場執行現況言，由於國內 PCM 市場實施環境尚未完全成熟，致使在 PCM 執行過程中出現不少困難問題，因此，有必要建立一套執行管理控制機制，來分析探討 PCM 執行問題及其因果關係，以便能進一步提出問題對策或改善建議。另一方面，雖然理論上專業營建管理顧問能提供工程業主諸多協助，但其實質效益卻不易具體衡量，對業主

(8)

而言，即專業營建管理顧問公司之服務績效不易評估。在營建工程中加入專業營管顧問公司是否能達到上述預期成果，亦即聘用專業營管顧問對工程之整體效益如何衡量，應為國內營建管理制度長遠發展之重要課題。

(9)

第二章文獻探討

2.1 PCM 執行問題之探討

PCM 執行問題之相關研究，Burger & Halpin [1] 首先針對工程複雜化的管理問題，提出專案控制系統(Project Control System)資料庫，列舉工程作業項目之注意事項，藉由專案設計之資訊化，以管制、診斷及解決所產生之問題。Handa & Rivers [2]依據案例，分析大型專案工程導致事件的 28 個代表性問題，統計並區分為6 大工程問題項目，最後提出 7 個避免問題發生或解決問題的方法。

Laufer [3] 提出工程專案施工階段之管理程序(On Site Performance Improvement Program, OSPIP)，針對工程專案發生生產力及安全方面問題時，進行問題確認、資料收集、資料分析及問題診斷，以便提供相關解決對策。Mohan [4] 探討專家系統在工程管理之應用，進行工程管理、問題診斷及處理對策之研究。

Russell & Fayek [5] 將工程問題分為 10 大項目，再探討列舉 4 至 10 個可能原因，利用專家規則及模糊邏輯建立診斷系統雛形，並提出改善建議措施提供工程專案之問題診斷。Mitropoulos & Howell [6] 蒐集 24 個問題案例作比較分析，確認導致問題之主要原因，並提出決策樹分析程序進行問題診斷及改善建議。

由上述相關研究可以發現，專案 Life-Cycle 中各階段環環相扣，先行階段執行成果必會影響後續階段，但上述研究對於專案階段間執行問題之影響並未有深入之探討；另外，上述相關研究亦發現，模糊邏輯推論為建構PCM 執行問題診測知識庫之可行方法。

另一方面，在台灣，公共工程之 PCM 執行問題的相關研究相當少，

(10)

如「公共工程營建管理制度研究報告」[7]、「國內推行專業營建管理(PCM) 制度之研究」[8]、「國內專業營建管理制度(PCM)之推行」[9]、「營建專案管理之實施」[10]等研究，以及相關碩士論文，但這些研究大都偏重於敘述性之歸納，主要係由文獻探討輔以案例及訪談，再對 PCM 執行之缺失提出因應策略，較缺乏量化之分析。

本研究有鑑於此，擬建立公共工程 PCM 執行問題診測知識庫，並以規劃/設計階段以及設計/施工階段為例，針對先行階段之 PCM 執行問題對於後續階段之影響進行量化分析，以瞭解 PCM 執行問題之因果關係及其影響程度，並將所建立之知識庫再整合為資料庫管理系統，以方便使用者查詢與應用。

2.2 PCM 績效評估之探討

PCM 績效評估之相關研究，Tatum[11]探討評估 PCM 潛力和成效的指標，指標涵蓋工程五個面的服務項目，並且更進一步提出 PCM 的選商和工程進行中PCM 的評估，並藉由實際運作回饋修正。Naoum[12]說明 PCM 管理合約和傳統合約的評估方法，並提出十個計畫績效指標，包括：1.規畫時間、2.建造時間、3.總時間、4.建造速度、5.單位成本、6.逾期、7.超支、以及業主對 8.工期、9.成本、10.品質的滿意，並由 64 個實際案例驗證，發現 PCM 管理合約的履行較佳，尤其是在重視工期及高複雜度之工程，但並未能有足夠證據證明PCM 管理合約能降低成本及提高品質。

Pocock, Liu, and Kim [13]提出專案績效量測的 4 個指標包括：成本、

工期、合約修改次數、以及設計不當引起的變更。Russell, Jaselskis, and Lawrence[14]提供業主、設計顧問及營造廠商皆能使用的變數來預測工程從細部設計開始到完成的結果，並由 54 個營建案例及統計分析，顯示不

(11)

同的變數適用於life-cycle 中不同的時間點。Hamilton, Tortora, and Wilson [15] 利用完工資料及訪問調查，來探討專案執行的績效指標，包括預算達成、工期達成、設計能量以及基地利用。

Wuellner[16]探討工程顧問使用表單對計畫績效的評估方法，並建議四個表單的質化目標，包括：廣泛性、簡單性、有效性和包容性；並認為評估的重點在於：專業的形象、設計服務品質、利益、風險管理、時程和目標的堅持，而最重要的是客戶的滿意。Kumaraswamy, and Thorpe[17]發展知識庫專家系統，針對特定對象選擇適當的評估系統模組；並在斯里蘭卡及英國實例論證，利用專家評估來彌補資料的不足，並利用成對比較來減少多準則評估的主觀性。

Pocock, Liu, and Kim [18] 發展一個量測專案整合績效的方法，由 38 個專案比較計算，得到交互影響等級，並由209 個完工專案探討發現，改善交互影響對績效有所影響。Chua, Kog, and Loh[19]確認營建專案之關鍵成功因素，利用分析層級法(Analytical Hierarchy Process, AHP)將 67 個因素分類為4 大類包括：專案性質、契約安排、專案參予者以及交互影響過程，

問卷調查的專家平均年資 20 年，共同鑑別預算績效、工期績效、品質績效和專案整體成功因素，最後再使用類神經網路方法(Neural Networks, NN) 和過去文獻作比較。

綜觀PCM 績效評估之相關文獻，早期研究均以敘述說明、問卷調查、

專家訪談以及傳統統計分析為主，或有發展概念性架構，但仍缺乏完整之績效評估系統。近期研究則出現有AHP、NN 等應用，其中 AHP 屬於多準則評估方法，其在處理權重測度時有準則間獨立性假設與人為主觀訂定之問題，致使評分方式之公平性有所質疑；而NN 則在誤差平面中搜尋極小值，其缺點為必須為數值資料，且不能保證獲得全域最佳解。

(12)

之服務績效評估模式；並以國內 PCM 規劃、設計、施工階段之專案，經由評估模式之輸出結果來進行績效排序以及案例績效分類，據以訂定PCM 專案績效等級，使業主能合理且簡捷地衡量PCM 顧問之服務績效。

2.3 研究方法之探討

2.3.1 倒傳遞類神經網路(BPNN)

倒傳遞類神經網路(Back-propagation Neural Network, BPNN)為 Werbos 於1974 年所提出，為一種監督式學習網路，具隱藏層可解 XOR 問題為其特色，網路架構如圖 1 所示。網路計算目標輸出值與實際輸出值之誤差，

利用最陡坡降法使誤差函數最小化，一般使用雙彎曲函數作為轉換曲線。

網路演算法如下：

1. 學習過程：由輸入訓練案例計算 )2

2 ( 1

j

j A

T

E = ∑ − ……能量函數

ij

ij W

W E

∂

− ∂

=

∆ η. ……最陡坡降法

經偏微分

. ⁻1

−

=

∆W_ij ηδⁿ_j Aⁿ_j

n j

j ηδ

θ =− .

∆

學習完成所有訓練案例稱為一次學習循環，調整一次 W 及θ值，直至達到收斂為止。

2. 回想過程

(13)

試網路之誤差程度是否可接受，以均方根誤差或總錯率表示。

BPNN 常應用於分類、診斷、決策、以及預測等方面，其常遇見之困難問題有：(1)收斂緩慢：可利用改善學習參數、調整轉換曲線之曲率、改善錯誤方程式、重新安排案例輸入、二次偏微分等方法改善之；(2)落於局部最小值：可利用及時學習及批次學習、採用適當的起始權重等方法改善之。

2.3.2 模糊知識庫類神經網路(KBFNN)

模糊知識庫類神經網路(Knowledge Based Fuzzy Neural Network, KBFNN)為 H. M. Lee 於 1994 年所提出，屬於監督式學習網路，演算法為最陡坡降法，網路架構如圖2 所示，KBFNN 模式則以 S 神經元及 G 神經元表示模糊規則：S 神經元用以計算模糊規則之觸發程度，而 G 神經元則將推論結果進行解模糊運算，每條S 到 G 神經元的連結，分別代表模糊規則的結論。模式以模糊相似度表示神經元之觸發程度，藉由神經元間之模糊權重調整，使能量函數最小化。

) 0 2, ) 2 (

) 2 (

) (

1 (

~)

~,

(Ii Fi Max q Imi Fmi I i F i I i F i

Similarity ⁼ ⁻ ⁻ ⁻ α ⁻ α ⁻ β ⁻ β

) , (^~_i ^~_i

k1

i Similarity I F Min

SO_J = ₌















≠

⋅

=

∑ ∑

∑

j j j

j j

j

j j

k

SO SO CF SO

SO value

default

GO

0 if

,

0 if

,

~

(14)

模式訓練完成修正後，利用模糊規則語意抽取演算法，比較預先定義之語意項目(linguistic terms)，模糊相似度最大者及為推論結果，其相似度為規則可靠度之確信因子(certainty factors)，據以解釋修正後之模糊權重。

KBFNN 能夠處理模糊輸入，經由一致性檢定獲得知識庫之充要規則，可避免落入局部最小值並加速網路收斂，而其使用限制為初始架構可為不正確或不完整，必須部份已知。

2.3.3 自組織映射圖類神經網路(SOM)

自組織映射圖類神經網路(Self-Organizing Map, SOM)為 Kohonen 於 1980 年所提出，屬於非監督適學習網路，具有網路拓蹼及鄰近區域的概念，其架構如圖3 所示。 SOM 基於競爭學習，和輸入資料最類似的神經元為優勝單元(Winner)，調整優勝單元及其鄰近結點的加權值。網路演算法如下：

(1) 計算訓練案例與各輸出層單元之距離。 d = X −Wj

(2) 找出距離最小之輸出單元(Winner)。 X −We =min X −Wj

(3) 調整輸入層與輸出層間之連結加權值。

)) ( )(

( ) ( ) ( ) 1

(n W n n h ₍ ₎ n X W n W_j + = _j +η _j _X − _j

(4) 重覆(1)~(3)為一次學習循環，每執行一個學習循環將鄰近半徑及學習速率縮小一次。

(5) 運算一直達到平均最小距離變化小於門檻值即完成達收斂。

(6) 誤差大小以歐幾里德距離表示。

(15)

SOM 常應用於聚類，常遇見之困難問題為：拓蹼圖大小必須事先定義。

2.3.4 資料包絡分析(DEA)

資料包絡分析(Data Envelopment Analysis, DEA)為 Charnes、Cooper、

Rhode 於 1978 年依據線性規劃模式發展出之績效評估方法，運用包絡線觀念在幾何空間考慮各組織的投入與產出，包絡線上的點為績效優良，藉以求算各組織之相對績效，並可提供績效改善之方向。

Hwang 於 1999 年提出效能模式改善 CCR 模式，效能為目標之達成程度，定義效能可能集合(effectiveness possibility set)為：

{⁽ ^, ^,..., ⁾⁽ ^, ^,..., ⁾

)

(Z Z₁ Z₂ Z_k Z₁ Z₂ Z_k

F = 為評估指標，Zi ∈R₊^k

}

………….(1) Z 值越大表示效能愈佳，則效能可能集合滿足下列假設：

1

p ：若Z⁰ ∈F且Z¹∈F，則αZ⁰ +(1−α)Z¹∈F.0≤α ≤1 2

p ：若Z⁰ ∈F且Z¹ ≤Z⁰，則Z¹∈F 3

p ：F 為半封閉集合 1

p 隱含效能可能集合為凸集合(Convex set)，p2隱含強勢自由處理 (Strong Disposability)，亦即若可達成高目標必可達成低目標，p3確保邊界之存在。若有 n 個決策單位 (DMU) ，其 k 個評估指標之觀測值為

n j

Z Z

Z

Z_j =( ₁_j, ₂_j,..., _kj), =1,...., ，則由觀測值所形成之可能集合可表示為：

{

∑ ∑ }

= =

=

≥

≤

≥

= ⁿ

j

n

j

j j

i ij

jZ Z i k j n

Z Z F

1 1

,..., 1 ,...,

1 0 1

)

( λ ； λ ；λ ；； ………….(2) 定義效能距離函數為：

(16)

D(Z)=Max{θ：θZ∈F,θ >0}………..(3) 則相對效能為g =1/θ 可由以下之線性規劃求得：

n j

t s Max

n

j

j 1 1,..., .

.

1

=

∑

≤

=

λ ； θ

∑=

=

n ≥

j

ij Z i k

1

0 1,..., θ ；

λ

≥0

λj ………....(4)

(17)

第三章各期研究結果與討論

在第一期計畫中，本研究針對台灣 PCM 實務運作現況作一完整之探討，並依據PCM 執行問題之特性，結合倒傳遞類神經網路(BPNN)及知識庫模糊類神經網路(KBFNN)，發展一個模糊類神經方法，來建立 PCM 執行問題診測知識庫，可以分析 PCM 執行問題之間的因果關係及其對工程專案整體目標之影響；然後，利用Access 建構 PCM 執行問題資料庫管理系統，將知識庫整合以方便使用者查詢運用。最後再以規畫與設計階段為例，歸納出規畫階段 6 項及設計階段 15 項之關鍵執行問題，以所建構之知識庫進行診測分析。經專家驗證後，本模式之推論結果於實務上亦為合理且可接受，能夠提供PCM 顧問於工程專案執行管理與控制工作之參考。

在第二期計畫中，除了依循第ㄧ期計畫所使用之分析程序和方法，先歸納出設計階段15 項及施工階段 12 項之關鍵執行問題後，繼而完成 PCM 整體之問題診測知識庫。接著，依據執行問題關係，進一步建構 PCM 專案績效評估模式，以 PCM 服務品質模型來分析出績效評估指標，再結合模糊資料包絡分析(FDEA)與自組織映射圖網路(SOM)，完成 PCM 績效評估模式，可以分析專案之績效排序及等級，並由差額變數分析提供績效不佳專案之改善建議。

在第三期計畫中，依據第二期計畫所提出之模式，進行 PCM 績效評估模式之應用，並據以訂定國內 PCM 專案之績效排序及等級，使業主能合理且簡捷地衡量 PCM 顧問公司之服務績效，並可作為其他工程專案評選PCM 顧問公司之參考。

3.1 第一期研究計畫

由於台灣公共工程之PCM 案例有限，且缺乏相關之數值資料。同時，

(18)

PCM 執行問題具有階段性，先行階段發生之執行問題，將會影響後續階段之執行問題；而且，PCM 執行問題之發生程度多為語意描述，無法以明確數值量化，其問題與問題之間存在有高度之交互作用。

因此，建立 PCM 執行問題診測知識庫之方法，除考量一般執行問題非線性、多維度且變數間具有交互作用之特性所必須具備之學習演繹能力外；還必須具有能夠處理PCM 案例稀少，數值資料缺乏，高度交互作用，

以及語意模糊資訊擷取之特性。

由文獻探討得知：模糊邏輯推論為建構 PCM 執行問題診測知識庫之可行方法。模糊邏輯推論之規則可由專家訪談或訓練法則獲得，然而，若規則直接由專家給定，則無法保證完整提供論域中所有必須的資訊，致使規則集合不完整，且所定義之隸屬函數亦無法確認能否正確反應輸入與輸出之模糊關係。

為此，諸多研究乃結合類神經網路之學習能力，發展從訓練法則獲取語意式模糊規則之方法。其中，Lee[20]提出模糊知識庫類神經網路 (Knowledge-Based Fuzzy Neural Network, KBFNN)，經由訓練範例學習予以修正，並可解決實際應用上語意模糊之資訊。Lee[21]之後進一步發展模糊規則叢集演算法，偵測多餘、被包含、以及相衝突的規則，使模式能夠驗證、修改並產生新規則。

然而，KBFNN 必須為初始架構已知而後進行修正，但是 PCM 執行問題錯綜複雜，知識工程師難以憑藉一己之力建立初始架構。資料庫之初始架構，Ginsberg[22]認為可先自專家獲得一原始知識庫，該知識庫可能不完整抑或不完全正確，再以適當方法予以修正。

本研究參照Ginsberg 之建議，先建立原始知識庫再進一步進行修正。

原始知識庫之建立，為滿足問題高度交互作用特性，利用倒傳遞類神經網

(19)

路(Back-Propagation Neural Network, BPNN)之隱藏層功能，匯集領域專家知識，獲得初步知識庫。然後，再進行KBFNN 架構修正，並加入本研究所提出之邏輯修正程序，可以合理刪減知識庫，如此則可以獲得 PCM 執行問題診測知識庫。最後，並將之整合成資料庫管理系統，方便使用者查詢與應用, 可以作為公共工程專案管理之有效工具。

3.1.1 研究成果

ㄧ、知識庫建構程序

本研究結合 BPNN 與 KBFNN 之優點，提出 PCM 執行問題診測知識庫建構程序，如圖 4 所示，可分為以下：1.確認關鍵問題及其因果關係、

2.建構原始知識庫及邏輯修正、3.建構 PCM 執行問題診測知識庫、以及 4.

建立資料庫管理系統等四個程序。

1. 確認關鍵問題及其因果關係

為建構PCM 執行問題診測知識庫，本研究首先自 PCM 協助業主執行公共工程之案例，探討 PCM 於工作執行中可能遭遇之問題。然後，針對曾經參與或負責 PCM 專案之工程實務專家進行訪談，請受訪專家依其知識與經驗，確認 PCM 於公共工程先行階段及後續階段可能遭遇之執行問題，並以此關鍵執行問題作為本研究範圍。

由於工期指標可以用估驗計價進度表示，成本指標為業主支出亦可用同一估驗計價進度表示，而品質亦須合乎規定標準才能進行估驗計價。因此，本研究以公共工程專案之估驗計價進度落後百分比，來定義 PCM 執行問題之嚴重程度，作為對工程專案整體影響大小之衡量標準。

PCM 關鍵執行問題確認完成後，本研究再經由前述相同實務專家協助本研究第一次問卷，確認關鍵問題一對一之因果關係。本次問卷包含兩部

(20)

份，第一部份目的在於調查領域專家對於專案估驗計價進度影響程度輕微、中等、嚴重之主觀認定，據以定義各項語意變數。第二部份則在於界定先行階段發生單一執行問題時，對後續階段各個執行問題之影響，作為後續原始知識庫之輸入範例。

2. 建構原始知識庫及邏輯修正

由前述問卷所得之：先行階段發生單一執行問題時，對後續階段各個執行問題之影響，然後藉由BPNN 之隱藏層功能，表現執行問題間之交互作用，進行推論先行階段發生多個執行問題時，對後續階段各個執行問題之影響，用以建構PCM 執行問題原始知識庫。

由於原始知識庫所得之規則數目，依執行問題影響程度之組合成次方成長，將造成後續問卷工作之困難，同時亦影響網路收斂速率與學習效果，必須加以合理的刪減。為克服上述困難，本研究發展出一個邏輯修正程序，如圖5 所示，可以刪除知識庫中多餘、被包含和衝突之規則。兹說明如下：

定義 Ai 為先行階段之執行問題，Bi 為後續階段之執行問題。當先行階段執行問題Ai 及 Aj 同時發生時，其中 j≠i。若不論 Aj 發生何種程度，

推論執行問題Bi 之結果和發生單一執行問題 Ai 相同，則表示不論發生何種程度之 Aj，並不影響 Bi 之推論。該規則可以合併為 1 條維度較小之規則，即規則可簡化為：若 Ai 則 Bi，而 Aj 為任意值；若推論執行問題 Bi 之結果和單獨發生執行問題Ai 不同，則表示發生執行問題 Aj 之後，對既有 Ai 之推論結果具有顯著之影響，應保留此前提為發生 Ai 且 Aj 而推論結果為Bi 之規則。

依據常理判斷，若伴隨發生執行問題 Aj 後，或 Ai 及 Aj 發生程度增加時，對執行問題Bi 之影響程度未增反減，則此規則不合理，是為衝突之

(21)

規則，應先做初步修改，重新確認此兩前提之推論。重複上述過程至所有先行階段執行問題 Ai 完成邏輯修正為止。由此完成邏輯修正程序後之原始知識庫，作為知識庫之初始架構，並據以進行第二階段問卷調查。如此可以大量減少後續第二階段專家問卷之問題數量。

3. 建構 PCM 執行問題診測知識庫

依據修正後之原始知識庫，進行第二次問卷調查，目的在於確認原始知識庫中，先行階段發生多個執行問題時，對後續階段執行問題之影響關係，以作為 PCM 執行問題診測知識庫修正之訓練範例。調查對象同前述人員，問卷中同時將第一次問卷結果，對於影響程度輕微、中等、嚴重等語意模糊數之定義，提供專家參考，據以提供模糊之主觀意見。

依據原始知識庫，來建立 PCM 執行問題診測知識庫之初始架構。輸入項為先行階段之執行問題，神經元S1~Sn 為規則之連結，其模糊權重為後續階段執行問題之推論結果，G 神經元對推論結果進行解模糊化輸出，

彙總所有G 神經元之輸出結果，得到估驗計價進度落後百分比之明確值。

網路訓練完成後，利用模糊規則抽取演算法，對於修正完成之 PCM 執行問題診測知識庫進行規則之抽取；依據前述定義之語意項目(linguistic terms)，求算各語意項目與修正後模糊權重之相似度，相似度最大者即為推論結果。依據S 及 G 神經元之模糊連結，可以獲得模糊規則如下：若先行階段發生xi 程度之執行問題 Ai，則導致後續階段執行問題 Bi 影響程度 yi。所有規則一一擷取之後，即完成 PCM 執行問題診測知識庫中規則之修正。

修正完成之知識庫再進行第二次邏輯修正，刪除修正後產生之多餘、

被包含和衝突的規則，檢定過程同前所述。依據知識庫之輸出結果，可以得到PCM 執行問題之先行與後續階段因果關係知識庫，包括 PCM 執行之

(22)

關鍵問題及其影響程度，以及對工程專案整體績效之影響。

第二次邏輯修正完成之知識庫，經由訪談前述之領域專家，請專家依其經驗與認知，檢視知識庫中之推論規則，對於有所質疑之規則逐一列出檢討，並對其遺漏之重要規則予以補充增列，再次確認知識庫之合理性及完備性，由此完成 PCM 執行問題診測知識庫，可以作為台灣執行公共工程專案管理之參考。

4. 建立資料庫管理系統

建立 PCM 執行問題診測知識庫後，為能方便使用者查詢與運用，本研究乃將PCM 執行問題診測知識庫之成果彙整，以 Access 建構一個資料庫管理系統，將資料有系統的組織起來，經由排序、篩選、和分析過程，

讓使用者能夠迅速獲得所需之資訊。

PCM 執行問題之資料庫管理系統架構流程，如圖 6 所示，其中包含：

(1)系統介紹、(2)PCM 專案各階段關鍵執行問題說明、以及(3)先行階段推論後續階段執行問題影響分析等3 大部份。本管理系統可以協助使用者瞭解在公共工程專案之執行過程中，各階段可能遭遇之 PCM 執行問題，以及執行問題間之因果關係，並以估驗計價進度百分比進行影響程度之分析。

由於 PCM 執行問題診測知識庫內，諸多規則已於邏輯修正程序過程中刪減，而被刪減之規則於建構資料庫當中，會發生搜尋條件不符合，無法獲得查詢之結果。本研究乃於所建立之資料庫中發展出一套搜尋流程，

如圖7 所示，以解決上述之問題。兹說明如下：

若輸入執行問題數為1 個，比對搜尋條件，擷取其對應之推論值輸出。

若輸入執行問題數為2 個，比對搜尋條件，若有符合搜尋條件者，則擷取其對應之推論值為查詢結果；若無符合搜尋條件者，則分別以2 個問題之

(23)

其中任1 個為搜尋條件重新搜尋，擷取其對應之推論值中最大者為輸出。

若輸入執行問題數為3 個，比對搜尋條件，若符合則擷取其對應之推論值輸出；若無符合搜尋條件者，則分別以3 個問題之其中任 2 個為搜尋條件重新搜尋，後續之搜尋過程同2 個問題之情況。若輸入執行問題數為 4 個或4 個以上，則推論該專案執行嚴重落後，不予考慮。使用者可以選擇其中三項執行問題，重新輸入進行分析。

此外，本管理系統亦提供完善之互動式使用者介面。在Window 作業平台下開啟本資料庫，首先會執行Access 應用程式，出現使用說明，讓使用者能夠於公共工程專案執行時，依據實際發生之狀況，以勾選及下拉式選項輸入先行階段執行問題之發生程度；系統能夠依據使用者之輸入，進行推論後續階段可能發生之問題及影響程度，俾使決策者能夠預警防範。

二、案例驗證

台灣公共工程通常將規畫設計與施工監造分開執行，通常並未採用統包方式。因此，PCM 在台灣主要為代理業主審查規畫設計之相關業務，或進行營造施工之督導管理。然而，由於公共工程專案之主辦單位本身一般都有施工處之正式編制，可以執行施工監造之工作，但卻無規畫設計之單位，因此相當依賴 PCM 來協助主辦單位執行規畫與設計階段之工作。本研究依據所提出之 PCM 執行問題診測知識庫建構程序，以規劃設計階段為例，建構台灣公共工程之PCM 規劃設計執行問題 (Planning and Design Executive Problem, PDEP)診測知識庫。

由於 PCM 業務大多集中於中華、中興、亞新、林同棪、萬鼎和昭凌等 6 家大型工程顧問公司，因此本研究之受訪人員為六大工程顧問公司內，實際負責PCM 之專案經理或資深工程師，平均工作年資 19 年，囊括

(24)

絕大部份台灣 PCM 實務專家。彙整問卷結果，歸納出規劃階段 6 項，以及設計階段15 項 PCM 關鍵執行問題，詳如表 1 所示。

PCM 關鍵執行問題確認完成後，本研究再經由前述相同資深人員協助確認關鍵問題之因果關係，包括：1.領域專家對於專案估驗計價進度影響程度輕微、中等、嚴重之主觀認定，據以定義各項語意變數；2.界定規劃階段發生單一執行問題時，對設計階段各個執行問題之影響，作為後續原始知識庫之輸入範例。

問卷回收後，藉由三相模糊統計法，將專家對影響程度之主觀認定予以正規化(normalizing) 。三相模糊統計可視為二維隨機試驗，每次模糊試驗確定“輕微-中等”以及“中等-嚴重”之分界點，計算問卷各分界點之累計次數，再依累計機率百分比轉換得各語意變數之隸屬函數。本研究權衡資訊之充分性與計算之便利性，將隸屬函數擬合(fit)為梯型模糊數。

程度輕微、中等、嚴重對應擬合後之函數分別如式(5), 式(6)及式(7) 所示，以LR 表示法表示：輕微={0,2,0,1}，中等={3,4,2,3}，嚴重={7,10,3,0}，

完成語意變數之定義，作為後續模糊規則抽取之比對標準。

影響程度輕微：





≤

<

+

≤

= ≤

3 x 2 if , 3 x -

2 x 0 if ,

y 1 ………(5)

影響程度中等：











≤ + <

≤

<

≤

=

7 x 4 if , 3

7 x -

4 x 3 if , 1

3 x 1 if , 2

1 - x

y ………(6)

影響程度嚴重：







≤

<

≤

= ≤

0 1 x 7 if , 1

7 x 4 if , 3

4 - x

y ………(7)

BPNN 建立 PDEP 原始知識庫，網路架構如下：輸入層結點

(25)

數 6 個，分別代表 6 個規劃階段執行問題，輸出層結點數 15 個，分別代表 15 個設計階段執行問題。依據前述問卷中，專家提供之執行問題程度等級，作為網路輸入及輸出值。隱藏層結點數以一般建議方式，採輸入層與輸出層之平均值13。

自問卷擷取257 筆資料，其中以 130 筆為訓練範例，另 127 筆為測試範例，經由 100 次訓練週期後達到收斂，訓練範例總錯率為 0.18461，而測試範例總錯率為 0.21260，顯示原始 PDEP 原始知識庫的正確率接近 80%，誤差於可接受範圍之內。

原始知識庫訓練完成後，得到原始規則數包括：發生1 個執行問題之規則條；發生 2 個執行問題之規則條；以及發生 3 個執行問題之規則條。由於發生3 個執行問題之推論結果幾乎均已達到嚴重程度，可知 4 個前提之推論結果必為嚴重程度，可以不予討論。因此，合計共有10395 條規則。

然後，開始進行邏輯修正程序，刪除知識庫中多餘、被包含和衝突之規則。以發生輕微程度執行問題 P1「計劃需求評估不當」推論 D1「建管行政資訊未事先蒐集」之原始知識庫輸出結果為例，如表2 所示，進行邏輯修正程序。全部16 條規則之中，10 條灰色網底部份表示被合併的規則，

5 格粗框表示 5 條等級發生改變，影響顯著的規則。

表2 中 Rule 5 及 Rule 11 依常理判斷，推論結果應至少為中等程度，

故為衝突之規則，以粗框加斜線表示，應初步修正為中等；而Rule 7、15 及16，為顯著影響之規則。對照執行問題 P3 及 P6 之規則，Rule 5、6、7、

14、15、及 16 被合併於其中。因此，輕微程度之執行問題 P1 推論 D1 之邏輯修正結果，可自 16 條規則中擷取出 3 條規則，如表 3 所示。依此，

合計規畫階段所有執行問題 P1~P6 推論 D1 之規則數共計 56 條，如表 4

(26)

同理，規畫階段之其他執行問題，亦可經由相同之處理過程予以刪減規則；以相同處裡過程，可以得到發生 3 個執行問題之規則 32 條，合計共956 條規則。由上述邏輯修正程序後，可以篩選後之 956 條規則，替代原有之10,395 條規則。

接著，以 KBFNN 修正原始知識庫，推論後續階段 15 個執行問題共計15 個網路。將 15 個網路分別載入訓練範例後，重複 100 次訓練週期達到收斂，誤差值為0.17443~0.25718 不等。

比對前述語意項目之定義，完成知識庫中956 條規則之修正，再進行第二次邏輯修正，可以得到 PCM 規畫與設計階段執行問題之因果關係知識庫PDEP，包括 PCM 執行之關鍵問題及其影響程度，以及對工程專案整體績效之影響。

完成之 PDEP 知識庫，請上述所訪問六大工程顧問公司內實際負責 PCM 之專案經理或資深工程師，驗證知識庫之正確性，上述人員囊括大部份台灣 PCM 實務專家，結果證實本知識庫在實務上為合理可行。最後以 Access 將規畫與設計階段知識庫彙整為資料庫管理系統，方便使用者查詢與應用。

三、結果分析

應用本研究所建立之PDEP 診測知識庫，將其所有輸出結果彙整，可以得到公共工程專案執行時，規劃與設計階段執行問題之影響關係。茲就規劃階段執行問題、設計階段執行問題、以及交互作用影響分析，分別進行探討如下：

1. 規劃階段執行問題分析

(27)

圖 8 所示，其中發生 A6「設計顧問遴選不當」問題時，有超過 50%的設計階段執行問題程度為嚴重，對設計階段影響範圍最大。

個別規劃階段對設計階段執行問題之影響程度，影響程度最大之設計階段執行問題彙整，如表5 所示。

圖9 則進一步比較規劃階段各執行問題，對設計階段執行問題之影響程度上下界，圖中縱座標為估驗計價落後百分比，可以發現不論規劃階段發生何種程度執行問題時，以「設計顧問遴選不當」對設計階段影響程度最大。

由上述分析可知：規劃階段執行問題之中，以「設計顧問遴選不當」

對設計階段影響範圍最廣，影響程度也最大，PCM 顧問於規劃階段應慎選設計顧問，為PCM 於設計階段之首要課題。

大體而言，設計階段執行問題發生程度皆隨規畫構想階段執行問題成正相關，亦即規畫構想階段執行問題未予以適當處理，將造成設計階段更嚴重之執行問題，尤其在中等和嚴重程度時更為明顯。因此，PCM 顧問應及早發現問題並儘快處理，以避免問題擴大甚或對後續階段發生不良之影響。

2. 設計階段執行問題分析

設計階段執行問題，受規劃階段執行問題影響之敏感程度，統計如圖 10 所示，其中有接近 40%的規劃階段執行問題，會造成嚴重程度之 B10

「變更設計頻繁」之問題。由圖 10 可知，設計階段之執行問題中，尚有 B3「權責劃分不清」、B9「估驗計價與成本控制不佳」、以及 B12「未預見工程可能出現之問題」等問題，較容易受規劃階段執行問題所影響。

(28)

計階段執行問題，彙整如表6 所示。

圖 11 則進一步比較設計階段執行問題，受規劃階段執行問題之影響程度上下界。由圖11 得知：設計階段除了 B6「設計文件管理不當」與 B15

「合約管理缺失」，受規劃階段影響程度較小之外，其餘執行問題受規劃階段影響皆大。

由上述分析可知：設計階段執行問題之中，以「變更設計頻繁」受規劃階段影響範圍最廣，而大部份設計階段執行問題皆受規劃階段影響。因此，PCM 顧問除了於規劃階段盡最大可能來善盡職責，以避免對設計階段造成影響外，於設計階段亦應及早處理以免問題擴大；同時亦應注意後續設計與施工作業之調整與配合，以確保工程專案能夠圓滿達成。

3. 交互作用影響分析

表7 彙整規劃階段執行問題之交互作用影響，交互作用參考次數愈多者，表示該設計階段執行問題受交互作用影響愈大；亦即2 個或 2 個以上之規劃階段執行問題同時發生時，將加劇對該設計階段執行問題之影響。

表8 顯示各設計階段執行問題受交互作用影響大小之排序，其中受交互作用影響最大之設計階段執行問題為 B12「未預見工程可能出現之問題」，主要交互作用影響因子為 A1「計畫需求評估不當」、A2「計畫可行性分析不周全」、A3「整體進度計畫擬定不當」、A5「品保計劃綱要擬定不當」。

由交互作用彙整分析可以得知，規畫階段發生「整體進度計劃擬定不當」時，若再伴隨其他執行問題發生，將影響設計階段最為嚴重。因此，

PCM 顧問於專案執行時，應慎防「整體進度計劃擬定不當」與其他執行問題同時發生，以確保設計階段工作之管理控制。

(29)

四、小結

本研究主要在建立 PCM 執行問題診測知識庫，並以台灣公共工程規劃與設計階段間 PCM 執行問題為例，用以探討先行階段發生問題將衍生後續階段問題之因果關係及其對工程專案整體目標之影響，提供 PCM 執行公共工程專案管理之參考。

3.1.2 計畫成果自評

本研究第一期計畫主要在探討PCM 之執行問題，並且結合 BPNN 與 KBFNN，來建構 PCM 執行問題之診斷模式。本研究所建立之知識庫模糊類神經網路，可以得到 PCM 執行問題之階段性因果關係之知識庫，提供先行階段執行問題對後續階段執行問題之影響，模式並可彙整各執行問題之影響程度，獲得 PCM 執行問題發生時，將造成專案估驗計價進度落百分比之明確值，用以分析階段性執行問題對專案整體目標之影響，提供第二年計畫建立 PCM 設計及施工階段之執行問題知識庫及 PCM 服務績效衡量之基礎。

本研究第一期計畫之研究成果大致上符合原計畫之預期成果，研究成果並已改寫成論文格式投稿至 ASCE Journal of Computing in Civil Engineering，現正進行最後階段之審查(Temporary Accept)。

3.2 第二期研究計畫

本研究第二年計畫乃接續前期之基本模式研究，進一步發展 PCM 設計施工階段之執行問題知識庫。然後，依其所獲得之 PCM 關鍵執行問題

(30)

及其影響關係，建立PCM 服務品質模式，以確認 PCM 之績效指標；再以模糊理論修正傳統DEA 模式，建立 PCM 績效評估模式，來衡量 PCM 顧問執行工程專案之成效。

3.2.1 研究成果

ㄧ、PCM 設計施工階段之執行問題知識庫

依循第ㄧ期計劃發展之方法，建立建構設計施工執行問題(Design and Construction Executive Problem, DCEP)診測知識庫，將其所有輸出結果彙整，可以得到公共工程專案執行時，設計與施工階段執行問題之影響關係，關鍵執行問題之項目代號對照，如表 9 所示，茲就設計階段執行問題、施工階段執行問題、以及交互作用影響分析，分別進行探討如下：

1. 設計階段執行問題分析

發生設計階段執行問題時，對所有施工階段問題之影響範圍，統計如圖 12 所示，其中發生「變更設計頻繁」問題時，有接近 20%的施工階段執行問題程度為嚴重，由圖可知設計階段之執行問題中：「變更設計頻繁」、「各設計單位介面不協調」、「未預見工程可能出現之問題」、「設計圖說檢討不完整」等問題，對施工階段影響範圍較大。個別設計階段對施工階段執行問題之影響程度，影響程度最大之設計階段執行問題彙整如表10 所示。

圖 13 則進一步比較設計階段各執行問題，對施工階段執行問題之影響程度上下界，圖中縱座標為估驗計價落後百分比，輕微、中等、嚴重之模糊區間亦標繪其上作為比對，可以發現設計階段發生中等和嚴重程度執行問題時，以「設計圖說檢討不完整」對施工階段影響程度最大，而設計

(31)

階段發生輕微程度執行問題時，「相關法規及程序瞭解不足」對施工階段影響程度最大。

由上述分析可知：設計階段執行問題之中，以「變更設計頻繁」對施工階段影響範圍最廣，「設計圖說檢討不完整」對施工階段影響程度最大，

PCM 顧問於設計階段應及早發現此二個執行問題問題並儘快處理，以避免問題擴大甚或對施工階段發生影響。因此，妥善督導設計顧問，並嚴格審查細部設計圖說、計算書、以及施工規範，為 PCM 於設計階段之首要課題。

2. 施工階段執行問題分析

施工階段執行問題，受設計階段執行問題影響之敏感程度，統計如圖 14 所示，其中有接近三分之一的設計階段執行問題，會造成嚴重程度之「物料管理不當」之問題，由圖可知施工階段之執行問題中：「物料管理不當」、

「分包作業不當」、「建管行政未適時執行」、「工作協調之缺失」、「品質管理不當」等問題，較容易受設計階段執行問題所影響。個別施工階段受設計階段執行問題之影響程度，受影響程度最大之施工階段執行問題，彙整如表11 所示。

圖 15 則進一步比較施工階段執行問題，受設計階段執行問題之影響程度上下界，由圖 15 得知：設計階段發生中等和嚴重程度執行問題時，

以「分包作業不當」受設計階段影響程度最大，而設計階段發生輕微程度執行問題時，「建管行政未適時執行」受設計階段影響程度最大。

由上述分析可知：施工階段執行問題之中，以「物料管理不當」受設計階段影響範圍最廣，「分包作業不當」受設計階段影響程度最大，PCM 顧問除了於設計階段盡最大可能善盡職責，以避免對施工階段造成影響

(32)

外，於施工階段亦應特別留意此二個執行問題。對於物料管理，PCM 應訂定物料規範及物料編碼系統，控制物料之預算與存量，訂定物料採購計劃，督導物料之倉儲與管制，確保可在需求時間供應足夠之物料，依據施工計劃編擬工程資源使用計劃書，並有計劃地進行採購，達到降低成本之目標；對於分包作業，PCM 應審查分包廠商之技術資格，依據財務狀況、

管理能力、施工實績篩選廠商，列出審查合格名單，並要求入選廠商提報技術服務建議書，確認專案分包項目以及發包文件之詳細內容，並準備相關招標資料，檢討合約內容，協助完成發包作業及簽約，督促廠商提審相關資料，最後簽發開工通知書，以確保工程專案能夠圓滿達成。

3. 交互作用影響分析

表 12 彙整設計階段影響施工階段交互作用影響，交互作用參考次數愈多者，表示該施工階段執行問題受交互作用影響愈大，亦即2 個或 2 個以上之設計施工階段執行問題同時發生時，將加劇對該施工階段執行問題之影響。由表 13 可知各施工階段執行問題受交互作用影響大小之排序，

其中受交互作用影響最大之施工階段執行問題為「品質管理不當」，主要交互作用影響因子為「權責劃分不清」、「材料、設備指定不當」；最小者為「安衛管理不當」，主要交互作用影響因子為「安衛計劃研擬不當」。

由交互作用彙整分析可以得知，設計階段發生「權責劃分不清」與「未預見工程可能出現之問題」時，若再伴隨其他執行問題發生，將影響施工階段最為嚴重。因此，PCM 顧問於專案設計階段時，應慎防此二個執行問題與其他執行問題同時發生，以確保施工階段工作之管理控制。對於權責之劃分，PCM 應參照合約內容、作業內容、工作性質、法令規定等，明確劃分業主、PCM、設計顧問、以及營造廠商之職責，諸如：主辦、協辦、