基于貝葉斯網絡的裝配式建筑項目進度風險管理研究

摘要：在識別裝配式建筑項目風險因素的基礎上，通過頭腦風暴法初步篩選出影響項目進度的12個關鍵風險因素，進一步通過調查問卷法構建貝葉斯網絡模型。首先，通過貝葉斯網絡的結構學習和參數學習，明確各風險因素之間的因果關系；其次，運用貝葉斯網絡的逆向推理功能，識別裝配式建筑進度風險的敏感因素和最大致因鏈，進行進度滯后的推理預測；最后，通過案例分析驗證所構建貝葉斯網絡的適用性和合理性，并根據預測結果提出裝配式建筑進度風險管理的相關建議。

關鍵詞：裝配式建筑；進度風險；貝葉斯網絡；參數學習；逆向推理

0 引言

近年來，隨著政策驅動和市場內生動力的增強，裝配式建筑發展迅速，已成為我國建設行業的主要發展類型[1]。但是，由于裝配式建筑整體生產環節增多，整個生產供應鏈條又環環相扣，項目進度目標的實現面臨諸多挑戰[2]。裝配式建筑進度風險管理復雜性較高[3]，傳統的管理模式和管理手段無法滿足管理需要[4]。因此，在項目各種活動不確定性增加的情況下，如何識別影響項目進度的關鍵風險因素，探索適用性更強的裝配式建筑項目進度風險管理方式迫在眉睫，是項目管理中必須重視的問題。

Arashpour等[5]提出了整體風險分析法，指出應采用綜合方法，結合現場與非現場的不確定性，建立風險糾偏體系，改善進度風險，糾正進度偏差。Ansari等[6]認為隨機干擾會給項目進度管理帶來復雜性，基于此提出多目標方法確定緩沖區的方法，可以得到更穩定的進度風險管理方案。陳建[7]利用社會網絡分析法確定關鍵風險，用系統動力學方法建立系統流圖，進行蒙特卡洛模擬，量化具體影響時間，從而得出關鍵影響因素并采取相關措施。郭建輝等[8]用AHP-熵權組合法分析工程進度風險因素的組合權重，為工程風險防范和進度控制提供了依據。

綜上，學者對建設工程項目進度風險管理的研究不斷深入，試圖用更科學的方法分析進度風險問題，提前做好預防風險規劃，但在選擇風險管理方法方面，大部分學者更偏向于使用傳統的風險管理方法，不能準確評估工程項目中各風險因素之間的相互關系，也不能有效預測風險因素可能造成的進度延遲的程度。

貝葉斯網絡法適用于分析不確定性因素，可以使用概率統計推理和預測復雜不確定性問題。在主觀確定變量之間因果關系的同時，通過實際案例數據對網絡結構進行參數學習，維持相對客觀的評價。因此，本文使用貝葉斯網絡法分析裝配式建筑進度風險因素。首先，基于對文獻和領域專家的訪談數據，梳理出項目各參與主體的風險因素；其次，利用頭腦風暴法篩選出關鍵進度風險因素；再次，利用貝葉斯網絡進行逆向推理，識別出導致項目進度延誤的敏感因素及最大致因鏈，預測項目進度滯后各程度的概率；最后，通過分析某市裝配式住宅項目實例，驗證貝葉斯網絡的科學性與合理性，并提出針對性建議。

1 裝配式建筑項目進度風險因素的識別

1.1 風險因素的初步識別

（1）通過梳理相關文獻及工程實例，對一般的項目風險因素進行分析，按照項目參與主體劃分風險因素類別，提取每個主體中與項目進度密切相關的風險因素。

（2）通過對30名業內專家進行訪談，結合他們的參考意見，構建裝配式建筑項目進度風險因素體系。通過頭腦風暴法，讓專家按照李克特5分量表法（0～4分表示因素越來越重要）對風險因素打分，篩選出得分在2分以上的進度風險因素，見表1。

1.2 確定關鍵風險因素

完成初步識別后，以識別出的13個進度風險因素為基礎，設計“裝配式建筑項目進度風險因素調查問卷”進行關鍵進度風險篩查。風險因素的評估標準分為影響項目進度的程度和風險因素發生的概率兩個維度，具體見表2。本次問卷調查共發放問卷120份，回收105份，有效問卷98份，其中業主方15份、設計方5份、施工方52份、材料商16份、監理方10份，有效回收率為81.6%。

參與本次問卷調查的專家分布領域較廣，包括裝配式建筑專業生產廠家、構件安裝規范的編制者、裝配式建筑參與主體方的專家，其中包括多名資深項目管理人員，從業年限絕大多數在5年以上，一線工作人員占比較高。因此，本次問卷調查選取的調研對象具有一定的代表性，樣本分布相對合理。

使用Spss 26.0對問卷收集的數據進行分析，測量問卷的信效度。在信度分析中，各因素的Cronbachs α均大于0.9，標準化后的Cronbachs α為0.923＞0.9，說明問卷的可靠度很高，能夠有效保證數據的準確性，滿足數據分析要求。在效度分析中，KMO值為0.883，說明問卷的因子分析效度較好；顯著性小于0.01，達到顯著水平，可做因子分析。因此，問卷的信效度滿足統計分析要求。

本文關鍵進度風險因素的選取標準為：評估分均值大于1.5，Cronbachs α大于0.9。篩選后得到12個關鍵進度風險因素，分別是：①政策方面：主要是政策變動；②業主方面：主要是不能及時支付進度款、變更設計要求；③設計方面：主要是設計修改通知不及時、設計有誤；④施工方面：主要是施工管理能力差、施工經驗不足、施工人員不足、施工質量不合格；⑤供應商方面：主要是構件生產供應不及時、構件質量不合格；⑥監理方面：主要是監理方行為不規范。

2 基于貝葉斯網絡的裝配式建筑項目進度風險建模

2.1 構建貝葉斯網絡模型

構建貝葉斯網絡主要分為三步：定義變量、結構學習和參數學習。

本文貝葉斯網絡的12個變量已經通過專家調查等方法進行了定義。之后在結構學習部分，將進度風險因素作為構成模型的變量，用調研得到的數據構建初步的貝葉斯網絡結構，再通過向專家發放“裝配式建筑項目進度風險因素因果關系調查表”收集各因素之間因果關系的數據，結合現實情況對其進行優化，明確各個因素之間的因果關系，對因果關系的強弱進行調整，降低網絡的復雜性，使各因素之間的聯系性更強、構建的網絡結構更科學。裝配式建筑進度風險貝葉斯網絡模型結構如圖1所示。

在參數學習部分，首先，根據風險矩陣思想對問卷數據進行預處理：用縱坐標表示風險發生的概率，用橫坐標表示風險因素的影響程度并建立風險二維矩陣。風險因素發生的概率和影響程度采用5級量表表示，用0～4表示概率和影響程度依次遞增，用R1、R2、R3代表低、中、高三種風險，對數據進行風險等級規范化處理，然后與貝葉斯網絡中每個變量的狀態進行匹配：R1-Low，R2-Medium，R3-High。按照均勻分布原則，將貝葉斯網絡結構中每個節點高（High）、中（Medium）、低（Low）風險的概率均設置為1/3，接著將數據用Access軟件進行規范化處理后導入GeNIe 2.3中進行參數學習，結果如圖2所示。

2.2 逆向推理

逆向推理是通過將“項目進度延遲”節點的High狀態設置為100%，也就是設定一定會發生比較嚴重的工期延遲事件時，可以通過觀察相關因素狀態的變化得出貝葉斯網絡中的關鍵進度風險因素，即施工管理能力差、施工人員不足、不能及時支付進度款、施工經驗不足和變更設計要求5個關鍵風險因素。當這5個事件中的一個或者多個事件發生時，項目工期延誤程度高發生的概率就會變得比較大，如圖3所示。

2.3 敏感性分析

敏感性分析是通過觀察當一個目標節點的狀態發生變化時，其他節點狀態受影響程度的變化，根據變化程度確定敏感性因素。圖4中深色的節點即為造成進度延遲的敏感性因素，分別是：不能及時支付進度款、構件生產供應不及時、施工人員不足、構件質量不合格、施工質量不合格、施工管理能力差、設計修改通知不及時、設計有誤。如果控制不好以上節點，就容易導致工期延誤，因此需要對這些敏感性因素進行重點監測，制定針對性措施，提高工程按時完成的概率。

2.4 最大致因鏈分析

如圖5所示，加粗的線條鏈路就是最大致因鏈。裝配式建筑項目不能及時支付進度款、施工經驗不足和政策變動是導致進度滯后的三大源頭。業主方不及時支付進度款會導致供應商不能安排生產計劃以及發貨計劃，影響生產，導致構件生產供應不及時；施工方不能及時收到進度款，且自身資金實力不足時，不能組織相關的機械、材料、人員等生產資源，影響項目的正常運轉，可能會造成部分節點進度緩慢或停工，進而影響其他節點的推進，影響質量，延誤進度。政策變動可能會導致設計變更，如果設計單位未能及時與施工單位溝通、解決相關問題，就會導致進度延遲。施工單位的施工經驗不足，尤其是一些分包單位的經驗不足，會降低工程效率和質量，增加總包管理難度，導致施工組織能力和施工質量水平下滑，從而造成誤工、返工事件增多，導致進度延誤。因此，要對這些因素進行重點管控，制定有針對性的預防措施和事后處理措施，最大限度保證項目按時完成。

3 案例分析

本研究選用的案例是某裝配式建筑項目。該項目總造價約2.1億元，共8棟住宅樓、2座配套建筑，2021年5月交付。對該裝配式建筑進度風險因素進行風險等級規范化處理，將每個風險因素的等級予以定義，見表3。

將表3中的數據進行規范化處理后導入貝葉斯網絡模型，展開定量分析，運行結果如圖6所示。

從表3和圖6可以看出，業主不能及時支付進度款是項目最大風險因素。此外，項目施工人員不足、設計通知修改不及時和政策變動也會在一定程度上影響項目的進度。

業主不能及時支付進度款的原因是財政政策收緊，銀行貸款審批困難；項目施工人員不足是因為目前勞動力的年齡普遍偏大，壯年勞動力市場供應不足且成本上升，施工方不再留余量勞動力；設計通知修改不及時是因為信息傳輸渠道不夠暢通，各單位之間的信息傳遞存在滯后性；政策變動主要是政府扶持政策變化和限工限產令的發布。這與貝葉斯網絡模型敏感性分析和最大致因鏈分析的結果基本吻合。

該項目原計劃工期是29個月，計劃完工的時間是2021年5月底，實際上項目完工時間延遲至2021年8月中旬，延誤約2.5個月。根據貝葉斯網絡分析，項目有69%的概率出現較低程度的延遲，也就是延遲不超過2.9個月，即項目實際延誤時間與貝葉斯網絡的推算時間基本相符，證明了利用貝葉斯網絡進行項目延遲程度的推理預測具有一定的合理性和正確性。

4 結語

本文基于實證案例數據和專家調查問卷數據，利用貝葉斯網絡的逆向推理、敏感性分析等功能識別出進度滯后的敏感性因素與最大致因鏈，為裝配式建設項目的進度風險管理提供了參考依據。研究結果表明：

（1）業主能否及時支付進度款對裝配式建筑的進度具有決定性作用，業主單位需要提前安排好可靠的融資渠道和資金來源，加強資金管控，合理安排資金供給計劃，保障有充足的資金維持項目正常進展。

（2）施工單位要注意勞動力不足的問題，要合進度計劃，提前與專業分包和勞務分包確認勞動力需求計劃，保障各階段的工作推進不會因勞動力的短缺而受到影響。

（3）政策變動方面，項目主體應積極了解政策，做好應對措施，提前準備建設所需的資源，在允許施工的時間段內加快施工進度，提高施工效率，盡量避免因政策原因延誤工期。

（4）項目初期即建立能夠快速響應、靈活機動的溝通交流平臺，提高各單位之間的溝通效率。

綜上，裝配式建筑的進度風險管理是建設中的重中之重，本研究使用貝葉斯網絡對進度風險影響因素進行了一定程度的分析，但是因為數據規模較小，與各項目的實際情況有一定的差距，在實際使用過程中結合

各項目的特點，加入時間節點、工作節點等因素，可以進一步提高貝葉斯網絡分析的適用性。

參考文獻

[1]馬旭國.裝配式建筑智慧建造現狀研究[J].中國建設信息化，2021（24）：67-69.

[2]鄭鵬程.關于裝配式建筑項目進度管理的優化實踐[J].建設科技，2022（2）：27-29.

[3]郭泰平.裝配式建筑項目進度管理與效率提升[J].居舍，2021（11）：134-135.

[4]王連月，周凱，鄭含笑.ERP和建筑企業項目管理的集成應用研究[J].科技管理研究，2010，30（17）：182-184.

[5]ARASHPOUR M，WAKEFIELD R，LEE E W M，et al.Analysis of interacting uncertainties in on-site and off-site activities：implications for hybrid construction[J].International Journal of Project Management，2016，34（7）：1393-1402.

[6]ANSARI R，KHALILZADEH M，REZAHOSSEINI M.A multi-objective dynamic optimization approach to project schedule management：a case study of a gas field construction[J].KSCE Journal of Civil Engineering，2021（1）：1-9.

[7]陳建.裝配式建筑項目進度風險分析[D].武漢：湖北工業大學，2018

[8]郭建輝，馮利軍.基于AHP-熵值法的水利工程施工進度風險模糊綜合評價[J].水電能源科學，2016，34（10）：137-140.

收稿日期：2022-10-17

作者簡介：

花陽陽（1994—），男，研究方向：工程管理。

姚佼（1982—），男，博士，副教授，研究方向：交通系統工程。

黃佳禾（2000—），男，研究方向：交通工程。