水面艦船塢修項目進度風險仿真

盧 引，宋庭新

(湖北工業大學機械工程學院，湖北 武漢 430068)

艦船系統是一個典型的復雜裝備系統。在艦船修理過程中，各種不確定性因素導致維修故障不盡相同，進而帶來不同的損失程度。如果在艦船維修過程中沒有充分認識到風險之間的差異，就可能使維修工作的重點不突出，導致維修效率低下和維修資源的浪費，造成項目進度拖延。為了保持和恢復艦船的戰術技術水平，找到一種對艦船修理進度風險進行識別和評估的方法十分重要。

國內外對工程項目進度風險的評估方法主要有網絡計劃技術、離散事件系統仿真、系統動力學模型等。Bates在考慮工序間邏輯和工序用時不確定的情況下，運用計劃評審技術(PERT)對工程項目進行了風險評估研究[1]。Choudhry運用蒙特卡洛對橋梁建設項目進行仿真，將實驗結果與實際相比較，驗證了仿真模型的可靠性[2]。Alvanchi運用離散事件仿真對裝配式結構的施工進度計劃建立模型并進行仿真模擬評估，得到最大優化方案[3]。Luu等通過問卷調查法和專家訪談調查得到16個風險因素，以此建立建設項目工期延誤的貝葉斯網絡模型，并根據現實案例進行仿真，驗證了該模型的有效性[4]。柴國榮通過系統動力學的方法從進度的視角構建地鐵項目施工風險模型，并對影響進度壓力的3個關鍵變量進行重要性排序[5]。鐘登華等采用離散事件系統仿真工程項目進度，從風險和完工概率出發，較好模擬了工程項目進度計劃的不確定性[6]。然而，網絡計劃技術只適用于工序關系明確的工程項目，且對項目進度風險估算比較粗略；離散事件系統仿真主要為具有多種隨機因素的工程項目進度控制提供操作層面上的支持，但難以解決復雜工程項目中大量存在的多次返工問題，不能充分體現系統內各因素之間的交互影響；系統動力學通過項目內部結構進行建模仿真尋求系統的較優結構和功能，但難以處理邏輯復雜的工序動態調整問題。艦船這種復雜裝備系統，由于工程結構復雜，維修返工次數多，風險因素多，采用上述方法均無法達到良好的評估效果。而多智能體系統適用于復雜開放的分布式系統，且模型中的每個智能體易于擴展，具有自組織能力、學習能力和推理能力。各個智能體通過合作、協調以及通訊共同完成任務[7]。本文依托各個智能體中的狀態變遷組件對艦船維修項目建模，使復雜問題變成單一對象，運用各智能體信息傳遞及靈活性建立了艦船維修項目進度風險模型，通過仿真和靈敏性分析，對風險進行重要性排序，然后驗證風險模型的可靠性，為風險監控策略提供了有益參考。

1 水面艦船塢修項目進度分析

1.1 艦船塢修項目分解

科學的維修手段及維修管理是艦船能夠維持良好狀態性能，并保持戰斗力持續生成的前提。艦船修理級別一般分為塢修、小修和中修。其中，塢修為艦船的首次等級修理，主要是對船體結構、動力裝置進行局部性拆卸檢查修理和其他故障設備進行維護修理[8]。水面艦船塢修項目工程項目主要分為修前準備、工程修理以及試驗驗收和技術服務等3個階段。本文通過對3個階段的細化得到15個工序，從而得到艦船塢修項目分解(圖1)。

圖1 項目工序分解

1.2 水面艦船塢修進度風險識別

在艦船修理過程中，各種不確定性因素導致的維修故障不盡相同，帶來的損失嚴重程度一般也不同。水面艦船塢修項目進度風險管理的前提是有效識別影響項目進度的風險因素。在風險管理理論的3個主要階段中，風險識別是進行有效風險評估和控制的前提。

風險識別在有效風險管理中起主導作用。本文在項目工序分解的基礎上，全方位地識別進度風險，通過對進度風險的風險因素、風險后果和影響損失進行綜合過濾與評級，篩選出塢修項目各階段最主要的20個風險因素(表1)。在此基礎上，通過故障模式與影響分析(FMEA)方法建立各維修進程風險識別表。其中，R11～R16，R17～R27，R28～R30分別屬于修前準備階段、工程修理階段、驗收服務階段識別的風險。筆者選取了部分風險因素進行說明(表1)。

表1 維修進程風險識別表(部分)

2 進度風險評估模型的建立

2.1 建模思路

根據水面艦船塢修項目中串并聯的連接方式，將項目中最主要的項目風險與其相對應的工序進行對應，由“風險單元”智能體判斷出單個進度風險所對應的威脅隸屬度(輕微、一般、較重、嚴重)，并反饋到項目的工序之中。在每個工序風險判斷完成后，根據每個工序風險所出現的威脅程度將結果反饋到主工序當中，從而完成整個建模過程。進度風險評估模型建模思路如圖2所示。

圖2 進度風險評估模型建模思路

水面艦船塢修項目具有范圍寬、內容多、周期長、工序關聯強等特點，傳統的建模方法很難反映各工序之間的關系，從而無法達到良好的評估效果。本文采用Anylogic軟件對水面艦船塢修進度風險評估問題進行建模仿真，采用自底向上的建模方法，在對艦船系統中的個體行為和特征展開研究后，按照艦船維修項目特點構建“工序單元”和“風險單元”兩個智能體。通過兩個智能體之間互相獨立又交互的關系，實現系統整體的結構和功能，解決復雜的邏輯問題。

2.2 “工序單元”智能體的建立

艦船維修項目由一個個工序所構成，每個工序之間存在著復雜的邏輯關系。“工序單元”智能體通過端口port進行通訊，各端口是由消息連接起來的，從而保證各“工序單元”智能體間的消息傳遞。

2.2.1內部參數設置設置工序流程時長參數和計劃工期參數。工序流程時長參數指的是艦船塢修項目工序中每一個工序計劃的平均流程時長；計劃工期參數指的是艦船塢修項目工程計劃完成塢修的時間。

2.2.2變量設置設定前置工序個數、前置工序完成度、風險個數、時間流逝速度、開始時間、完成時間變量。

2.2.3狀態變遷工序單元模塊包含待命、工序進行中、等待信號、完成等狀態。設計 “工序單元”智能體的狀態圖(圖3)。

圖3 “工序單元”智能體的狀態圖

圖3中，工序單元初始位置在“待命”狀態，在前置工序完成度與前置工序個數相等時，工序狀態圖變遷到“工序進行中”狀態，這確保了工序前序的工作全部完成后才能進入下一工序。在剩余時長小于0時，“工序進行中”狀態會變遷到“等待信號”狀態。工序單元中存在一個“風險判斷”分支，用來判斷某一維修工序中的進度風險是否發生。當剩余時長>0時，被認為該工序單元中的風險觸發，需要進行“返工”，工序狀態繼續變遷到“工序進行中”狀態，等待進一步的“風險判斷”，直到工序無風險時才能變遷到“完成”狀態。“完成”狀態到“待命”狀態的消息變遷，其觸發的消息為main層中最后一個工序發出的“重置”信號，用于模擬所有工序完成后對所有工序單元的重置操作。

2.3 “風險單元”智能體的建立

每個維修工序單元存在著不同的進度風險，當進度風險發生時，會對工序單元造成不同程度的“返工”?！帮L險單元”智能體通過端口與“工序單元”智能體相連接，從而實現信息相互傳遞。風險單元內部需要考慮不同程度的返工時長分布、風險發生的可能性，以及風險隸屬度的判斷等多重情況，使項目進度更加符合現實。

2.3.1內部參數設置風險因素發生率、風險后果發生率、風險隸屬度概率、返工時長數組分布。風險因素和風險后果發生率是指風險發生可能性大小以及風險造成延期的可能性大??；風險隸屬度概率是工序發生“輕微威脅”“一般威脅”“較重威脅”和“嚴重威脅”的概率，分別為P1、P2、P3、P4。

2.3.2變量設置設定反饋時長、不同威脅發生次數、隨機因子發生概率、返工時長數組分布。反饋時長指的是不同風險因素造成工序返工所需時長；隨機因子發生概率指的是系統隨機生成0-1因子發生的概率；返工時長數組分布對應發生不同類型威脅時所造成的返工時長。

2.3.3狀態變遷通過“風險單元”各狀態的邏輯關系，設計 “風險單元”智能體的狀態圖(圖4)。

圖4 “風險單元”智能體的狀態圖

圖4中，“風險單元”智能體初始狀態為“進度無風險”，當收到由“工序單元”智能體傳遞的特定消息時，開始進行風險判斷。分支到“進度有風險”狀態的條件為隨機因子發生的概率小于風險因素發生概率與風險后果發生概率的乘積，當智能體判斷出進度有風險時，會對進度風險進行下一步的隸屬度判斷。風險隸屬度分別是“輕微威脅”“一般威脅”“較重威脅”“嚴重威脅”4種狀態，由系統設定隨機數0-1的風險因子，從而判定風險的隸屬度情況。在風險隸屬度判定完成后，系統會記錄各種威脅發生的次數，并且對不同威脅造成的時長返工反饋給對應的“工序單元”智能體，從而完成風險判斷過程。

3 仿真結果分析

3.1 數據的獲取

從項目進度出發，通過對風險特性(即發生概率和影響程度兩個維度)的分析，判斷風險的重要程度。建立風險隸屬度評估標準，將工程實際進度風險控制要點納入風險隸屬度評分體系，通過風險隸屬度評判風險發生輕微、一般、較重、嚴重影響的概率，用隸屬度R= {輕微，一般，較重，嚴重} 作為風險評定集，設定評分標準總分為100分，60分(c)為合格標準，75分(b)為良好標準，90分(a)為優秀標準。評價標準條款包括得分項與扣分項。當發現過程管理不合規或系統檢測結果沒有達到標準時，對風險評分進行扣分，以更客觀地反映工程不同階段各類風險大小，并采用正態分布法計算隸屬度概率。

由此得出各項風險隸屬度R={r1，r2，r3，r4}。r1、r2、r3、r4分別為第i項風險對項目造成輕微影響、較輕影響、較重影響、嚴重影響的概率。

基于表1的風險識別列表，分別對風險發生的可能性以及風險可能造成的后果因素進行定量評估，得到進度風險因素發生率和進度風險后果發生率，用其乘積確定進度風險因素損失率,最終得到初始數據[9](表2)。

表2 控制前后參數變化

3.2 模型實現

根據水面艦船塢修項目特點,將最主要的風險與工序相對應，使用計算機建立水面艦船塢修進度風險仿真模型。將表2的初始參數輸入模型中進行仿真，仿真運行界面如圖5所示。圖5中已完成的工序用藍色圓圈表示，正在進行的工序用綠色圓圈表示，未完成的工序由白色圓圈表示。矩形小方塊表示風險單元，分別用4種不同顏色表示出現輕微威脅、一般威脅、較重威脅和嚴重威脅，綠色表示沒有發生風險威脅。

圖5 艦船塢修進度仿真界面

3.3 結果分析

3.3.1風險敏感性因素根據獲取的數據，對水面艦船塢修進度風險模型進行了10000次仿真，得到未對風險進行控制的總工期均值為102.47 d，延期工期均值為7.41 d，水面艦船塢修項目進度延期概率為17%。通過對各風險進行敏感性因素分析，進而分析各風險因素對維修總工期的影響程度，以便采取不同程度的風險應對方法進行監控。將各項風險因素缺陷率逐一下降40%，控制其他風險指標保持不變，通過仿真計算各項風險因素缺陷率下降40%后，對項目進度的影響以及相對變化量。仿真計算結果如表2所示。其中，敏感度由每個風險所對應的工期變化量與總工期變化量之和的比值計算得出。從表2可以看出,R18、R23、R27風險敏感度最高，缺陷率的下降導致總工期的減少也較高，敏感度均在10%以上。因此，在進行風險控制時，應最先考慮這3個因素。另外R11、R13、R17、R24風險敏感度較高，風險內容主要為人員管理和機具老化等問題，也應該優先考慮對其進行風險控制。

3.3.2風險控制前后仿真結果在充分考慮減少成本的條件下，采用風險控制等手段，按照風險重要性排序對其進行差異化控制，將R18，R23，R27損失率減少50%，將R11，R13，R17，R24損失率減少30%，其余的風險因素損失率減少10%。將控制后的數據輸入多智能體模型中仿真10 000次以上后，與控制前的仿真結果進行對比。

從圖6可以看出，在沒有采取風險監控手段前，總工期頻率平均值為102.47 d?？刂坪螅偣て陬l率平均值為98.94 d，降低了3.53 d，與控制前相比降幅顯著。按時完工次數占總次數之比，由控制前的83%提高到91%，按時完工率上升明顯。仿真實驗有效驗證了此風險控制方法和仿真模型的可行性和有效性，對水面艦船塢修進度風險管理具有很好的指導意義。

圖6 風險控制前后仿真結果對比

4 結束語

在艦船塢修項目管理中，合理對維修進度風險評估是項目成功的關鍵。本文在艦船塢修項目分解的基礎上，通過故障模式與影響分析(FMEA)方法建立了維修進程風險識別表，共識別出20種影響進度風險的因素。通過對工序與風險之間邏輯關系的研究，運用Anylogic軟件建立了艦船塢修進度風險評估模型。仿真結果得出了不同風險因素對項目總工期變化的影響，從而得到了風險因素重要性大小，據此提出一種差異化的風險控制策略。最后通過仿真實驗前后對比，驗證了模型的可靠性。本文建立的仿真模型具有一定的擴展性和普遍性，對其他相似的工程項目進度風險控制和管理具有一定的參考價值。