PCM執行問題與績效評估之研究(I)

全文

(1)

行政院國家科學委員會專題研究計畫 期中進度報告

PCM 執行問題與績效評估之研究(1/3)

計畫類別: 個別型計畫

計畫編號: NSC91-2211-E-011-062-

執行期間: 91 年 08 月 01 日至 92 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.蔡孟澤

報告類型: 精簡報告

處理方式: 本計畫可公開查詢

國 92 年 6 月 11 日

(2)

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(1/3)

Pr oblem diagnosing and per for mance evaluation model of PCM pr oject

計畫編號:NSC 91-2211-E-011-062 執行期限:91 年 8 月 1 日至 92 年 7 月 31 日 主持人:王慶煌教授 國立台灣科技大學營建工程系

一、摘要

本研究計畫第一年針對國內 PCM (

Professional Construction Management

)實務運作 之現況作一個完整的探討,檢討目前應用 PCM 在工程專案執行過程中之問題及 其因果關係,並依據 PCM 執行問題之特性,結合模糊專家解析程序(Fuzzy Expert Resolution Procedure, FERP)及知識庫模糊類神經網路(Knowledge-Based Fuzzy Neural Network, KBFNN),建立 PCM 執行問題之診斷模式,來探討先行階段發 生之執行問題將衍生後續階段執行問題之因果關係,以及各階段執行問題對工程 專案整體目標之影響,提供工程專案管理與控制之參考。

關鍵詞:專業營建管理、問題診斷、專家解析、知識庫模糊類神經網路

Abstr act

The first year of this study examines the practical executing problems of PCM projects in Taiwan. It combines fuzzy expert resolution procedure with knowledge based fuzzy neural network to construct a fuzzy diagnosing model for PCM executing problems. This model can analyze the causation and effect of these problems and offer a complete knowledge-base to support decision-makers about project management and controlling.

Keywor ds: PCM, problem diagnosing, expert resolution, knowledge-based fuzzy neural network

二、緣由與目的

近年來由於工程規模大型化及其工作內容複雜化,使工程之執行逐漸趨向於 技術與管理服務的專業分工,PCM(專業營建管理)制度乃因應而生,由專業

(3)

廠商協助業主執行工程專案之相關業務。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,將工程生命週期各階段之管理工作有系統的整合,以達到工程專案之預期目 標。

PCM 制度在國內已為工程業主機構所重視,而業界應用亦日漸普遍。然而,

就 PCM 市場執行現況而言,國內 PCM 市場之實施環境尚未成熟完備,在 PCM 執行過程中,常由於認知不足或權責不清,產生許多執行困難問題。本研究有鑑 於此,乃結合模糊專家解析程序(FERP)及知識庫模糊類神經網路(KBFNN),以 分析 PCM 於專案執行時所遭遇之問題及其因果關係,並進一步提出問題對策或 改善建議。

三、結果與討論

本研究經由文獻彙整及案例分析,探討 PCM 顧問團隊執行工程專案案時,

在 Life-Cycle 各階段關於管理作業計劃、進度管理、成本管理、品質管理、風險 管理、以及合約管理等各類別可能發生之問題,獲得問題因果關係之初步結果。

囿於案例限制,資訊來源乃由專家知識擴展,欲確保資訊之可靠度,藉由模糊專 家解析程序對專家知識予以篩選、修正及整合,推論資訊之可靠度,並對應範例 重要性因子以改善 KBFNN 模式之正確率。KBFNN 初始架構以篩選後之專家知 識訓練完成之後,獲得前後階段執行問題間之因果關係,及其對目標績效之影 響,最後並針對執行問題提出建議解決方案。研究流程架構詳圖 1。

1. 關鍵問題與可能原因探討

經由文獻、案例及初步訪談,分別就 Life-Cycle 中規劃構想、工程設計及營 造施工等階段,探討可能遭遇之問題並分析問題發生之原因,彙整詳表 1。

2. 模糊專家解析程序(FERP)

依據 James et al.彙整之架構,針對 PCM 專案特性重新定義,篩選及結合各 項指標以改善單一指標之不完整性,提出模糊專家解析程序,其包含二階段:第 一階段確認專家是否符合客觀條件之門檻資格,客觀條件包括工作經驗、專業認 證、以及社會認同等專家資格預審;第二階段再依據既有之先驗資料檢測專家之 主觀反應,主觀反應則包括一致性可靠度、鑑別能力、行為特性、以及知識測試 等。主客觀條件茲分述如下:

(1)客觀條件:

(a)工作經驗

土木建築業為一重視經驗累積及高度工作倫理之環境,工作年資具有相當程 度之可信度,因此可先依據問題領域限定適當職位及工程經驗之專家。工作經驗 為專家驗證之必要條件而非充分條件。

(b)專業認證

土木建築業之技師證照制度業已行之有年,近年來政府亦大力落實人證合

(4)

一,同時亦要求提供專案管理及技術顧問之廠商,須檢具其專業認證合格人力資 源之證明,其重要性可見一班。專業認證可視為篩選 PCM 專家之基礎門檻,亦 為必要條件而非充分條件。

(c)社會認同

社會認同條件諸如:大學土木營建科系教授、著名工程或顧問公司主管、工 程相關資深業主等,可作為 PCM 專家挑選時之宇集合空間,為一參考性指標。

(2)主觀條件:

(a)一致性可靠度

問卷中隱涵重覆問題。對於相同評估事件,專家對其重覆評估結果若模糊相 似度愈大,則一致性可靠度愈高,其為合適專家之可能性愈高。一致性可靠度為 篩選 PCM 專家之必要條件而非充分條件。

(b)鑑別能力

問卷中隱涵分類問題。對於相似評估事件,專家對其評估結果若二者模糊相 似度愈小,則該專家之鑑別能力愈高,其為合適專家之可能性愈高。鑑別能力亦 為篩選 PCM 專家之必要條件而非充分條件。

(c)行為特性

專家對於任一評估事件之模糊機率評估,若其模糊度愈小,則該專家表現對 其回答之信心程度愈高,其為合適專家之可能性愈高,模糊度以熵值(Entropy) 表 示,若專家回應之模糊程度過大,應重新評估其在 PCM 領域中專家資格之適當 性。

(d)知識測試

PCM 專家篩選時,依據 PCM 知識領域中事件實際發生之機率,比對專家評 估之主觀機率,經由統計檢定其是否為合適專家,並藉以推論 PCM 知識領域中 其他問題,藉由α截集和擴展法則,以模糊數表達專家之語意處理,擴充 Bhola 模式之使用性,經由模糊卡方檢定獲得對虛無假設”接受”和”拒絕”的可能性 等級,據以過濾機率評估較差之不適合專家予以剔除之。知識測試亦為篩選 PCM 專家之必要條件而非充分條件。

本研究以國內顧問公司為研究對象,針對實際參與 PCM 專案之經理人及資 深工程師,經由上述篩選程序,確認專家資訊之考靠度,以進行後續分析。

3. 知識庫模糊類神經網路(KBFNN)

KBFNN 結合領域知識和機器學習,利用類神經網路學習能力,表現模糊規 則的映射關係,因此除能夠處理模糊輸入,進行模糊規則庫之修正外,並具有模 糊規則抽取及模糊推論能力。KBFNN 改善傳統推論系統直接給定規則產生結論 之缺點,同時避免類神經網路黑箱作業之問題,可以適用為本研究模式建構之應 用。

由於後續階段執行問題無可能反身影響先行階段,模式採用前餽式架構,以 最陡坡降法進行網路權重修正,屬於監督式學習網路,模式建構步驟如下:

(5)

(1)確認問題與原因項目

初步界定營建專案各階段之執行問題後,進行第一階段專家訪談,確認階段 執行問題間之關連性,並於問卷中隱涵主觀機率評估問題,藉以驗證專家之可靠 度。對於語意項目(linguistic terms)之定義予以正規化(normalizing),問卷引導專 家給予區間值,彙集專家之評估後,以多相模糊統計法訂定隸屬函數,作為模糊 規則抽取之比對標準。

(2)建立問題因果關係初始架構

利用倒傳遞類神經網路(BPN)隱藏層之特性,能夠表現變數間之交互作用,

獲得先行階段同時發生多個執行問題時,對於後續階段執行問題之影響,藉以初 步判斷階段間問題之連結,以建立 KBFNN 網路初始架構,可大量減少第二階段 問卷內容。

(3)一致性檢定與模糊規則訓練

依據完成之初始架構規則,針對篩選合格之專家進行第二階段專家訪談,確 認先行階段同時發生多個執行問題時,對後續階段執行問題之影響程度。問卷引 導專家給予模糊數,依據模糊專家解析程序所得到之可信度較高之專家,提供之 知識賦予較大的修正量,進行案例訓練以修正初始架構,模式訓練完成後進行第 二次一致性檢定,去除知識庫中衝突、多餘和被包含之規則並確認其完備性。

(4)模糊規則抽取

利用模糊規則抽取演算法,對於修正完成之 KBFNN 網路進行規則之抽取,

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,其相 似程度即為確信因子,本研究依據 S 及 G 神經元產生模糊規則,其中 S 神經元 計算模糊規則之觸發程度,G 神經元則將推論結果進行解模糊運算,而 S 到 G 神經元的連結,代表模糊規則的結論,如下:IF [先行階段執行問題 A 之發生程 度] and [先行階段執行問題 B 之發生程度] … … THEN [後續階段執行問題 C 影響 程度],該規則之可信度為[ P ],其中 0<P<1,依此即可求得網路表示模糊規則之 意涵,詳圖 2。

(5)建議處理方案

依據模式輸出結果,得到 PCM 執行問題之階段性因果關係之知識庫,再經 由專家再次確認知識庫之完整性,獲得 PCM 執行之關鍵問題及其影響程度,以 及對專案整體績效之影響,最後並針對問題提供改善建議。

四、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,並且結合模糊專家解析程 序與知識庫模糊類神經網路,建構 PCM 執行問題之診斷模式。

本研究所建立之模糊專家解析程序,可以提供決策者篩選專家之參考。傳統 專家評選時多僅以工作經驗為標準,本研究證明以單一指標為篩選門檻之不合理 性,諸多指標雖為必要條件但非充分條件,不足以確認其為合適之專家,因此應

(6)

分別就主客觀因素作整體性考量。同時模糊專家解析程序較主觀機率評估更具完 整性,且合乎人類思維語意傳達方式,在無任何先驗資料情形下,不包含知識測 試之其他 6 項指標亦可提供專家評選之參考,因此亦較主觀機率評估更具適用 性,提供缺乏數值資料暨採用專家資訊時之知識擷取之有效途徑。本研究 所建立之知識庫模糊類神經網路模式,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 之服務評估指標及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,並將改寫成論 文格式投稿至 Journal of Construction Management and Economics。

(7)

表 1、各階段關鍵問題彙整

項目 構想規劃

階段 工程設計

階段 營造施工

階段

計劃需求 評估不當 計劃可行 性分析不 周全

建管行政作業未適時執行 相關法規及程序瞭解不足 權責劃分不清

各設計單位介面不協調 勞務計劃執行缺失 設計文件管理缺失

建管行政之缺失 協調工作之缺失 施工介面處理問

文件管理缺失

進管 度理

整體進度 計劃擬定 不當

設計進度監督不周全 設計之階段性不明確

施工進度延遲

成管 本理

整體計劃 成本分析 不當

估驗計價及成本控制不佳 估驗計價與成本 控制不當

品管 質理

品保計劃 綱要擬定 不當

變更設計頻繁 圖說檢討不完整

物料管理不當 品質管理不當 圖說檢討不完整

風管 險理

未預見工程可能出現之問

工程安全計劃研擬不當

安衛管理缺失

採合 購約 發管 包理

設計顧問 遴聘不當

材料、設備指定不當 合約管理不當

分包作業缺失 合約管理缺失

圖 1、研究流程

KBFNN診測模式 PCM執行問題模糊診測模式

模糊專家驗證程序

建議解決方案 案例驗證分析 關鍵問題探討

PCM理論架構探討 PCM實務作業查訪

執行問題因果關係 專家知識篩選修正整合

Fuzzy績效評判 績效評估因子

(8)

圖 2、KBFNN 推論結果示意圖

五、參考文獻

[1]

Halpin D.W., “Construction management”, John Wiley & Sons, Inc., Canada, p366-378, (1980).

[2]

Bhola B., and R.M. Cooke, “Expert opinion in project management”, European Journal of Operational Research, Vol. 57, pp.24-31 (1992).

[3]

Lee H.M. and B.H. Lu, “Fuzzy rule-based neural network model for revising approximate domain knowledge”, IEEE International Conference on Systems, Man and Cybernetic, pp.634-639 (1994).

[4]

Christoph R. and A. Kandel, “Statistical tests for fuzzy data”, Fuzzy Set and Systems, Vol. 72, pp.1-26 (1995).

[5]

Lee H.M., B.H. Lu, and F.T. Lin, ” A fuzzy neural network model for revising imperfect fuzzy rules”, Fuzzy Set and Systems, Vol. 76, pp.25-45 (1995).

[6]

James S. et al, “Performance-assessment of expertise : How to decide if someone is an expert or not”, European Journal of Operational Research, Vol. 136, pp.253-263 (2002).

[7]

李得璋, 「國內專業營建管理制度(PCM)之推行」 ,營建管理季刊刊,第二十四卷,第 11-22

頁 , 民國八十四年。

[8]

王明德,「營建專案管理之實施」,2000 年土木日營建工程專案管理研討會論文集,民國八

十九年。

Problem Causing 11

Problem Causing 12

Problem Causing 1m

S1

S2

S3

Problem Causing 13

S4 G1

G2

Rule 1 IF Problem Causing 12 is medium and Problem Causing 13 is slight THEN Problem Causing 21 is serious

medium

slight serious

slight slight slight

serious

Problem Causing 21

Problem Causing 31

medium

serious

medium

medium

數據

Updating...

參考文獻

Updating...