基于貝葉斯網絡的ODM項目進度風險管理研究

摘要：基于貝葉斯網絡理論，首先，通過專家打分法識別影響ODM項目的進度風險管理因素，從設計、測試、采購等多維度共識別出12項風險因素；其次，對專家打分結果進行信度分析驗證，證明專家打分的有效性；最后，借助GeNIe軟件構建貝葉斯網絡模型，對ODM項目進度風險管理的影響因素進行分析，為幫助ODM企業減輕或規避進度風險提供參考。

關鍵詞：ODM項目；進度風險管理；貝葉斯網絡；GeNIe軟件

0 引言

原始設計制造商（Original Design Manufacture，ODM）指同時擁有研發設計團隊和制造工廠的企業，不僅能夠提供完備的設計方案，還能兼顧生產制造。近幾年，ODM企業發展迅猛，合作項目規模逐漸龐大，技術方案復雜度更高，需求變更頻繁，加之項目進展過程中風險的不確定性和多樣性，發展面臨新的挑戰。進度風險被認為是項目開展過程中反復出現的風險，值得關注。

近年來，國內學者針對ODM項目風險管理進行了研究。谷文松［1］指出ODM模式下項目質量管理與項目風險管理息息相關；張靜［2］通過對W公司筆記本電腦ODM項目需求變更風險管理進行研究，發現項目管理中需求風險的問題，并找出原因，對推進項目風險管理和項目進度管理有重要意義。程渝芳［3］利用失效模式和定量分析對ODM項目風險管理進行研究，最終分析出風險因素的影響程度，并對重點因素給出應對措施。

目前，國內學者的研究側重于質量管理和整體項目風險分析，缺乏利用貝葉斯網絡建模對項目進度風險進行研究的文獻。本文通過構建貝葉斯網絡模型，對ODM項目進度風險管理進行研究。首先，根據查閱的真實資料及專家判斷，確定影響項目進度風險的關鍵因素；其次，利用GeNIe軟件分析關鍵因素；最后，提供相應措施以減輕或規避風險。該方法將有助于對ODM項目進度風險進行積極有效的管理，為幫助ODM企業減輕或規避風險提供參考。

1 貝葉斯網絡模型構建基本流程

1.1 風險識別與分析

在貝葉斯網絡模型構建的過程中，最基本的步驟是對影響項目進度的風險因素進行識別和分析。應盡可能地羅列出所有風險因素，并按風險類型進行分類整合，根據企業的真實項目資料和數據，對重點風險因素進行篩選，以作為后續構建模型的分析對象。

1.2 構建貝葉斯網絡模型

在對所識別的重點風險因素進行建模分析前，需要根據專家打分法及專家決策確定各因素節點的前后聯系，結合貝葉斯網絡的有向無環圖，畫出貝葉斯網絡拓撲結構。通常，將最終研究目標放在結構最中心，以擴散拓撲網絡的架構層層向外延伸。中心節點外的第一層為直接影響因素，向外是第一間接影響因素、第二間接影響因素，以此類推。指向上，由最外層的間接影響因素向內指向，直到中心節點。整體網絡結構包含多條節點通路，需要逐條分析，并根據給出的先驗概率計算受影響節點的概率。在專家調查法的基礎上，通過軟件計算得到最終概率結果。

1.3 結構學習及參數學習

項目風險因素識別完成后，需要對這些看似獨立卻有前后聯系的風險子因素進行結構學習。該過程是尋找或建立一個精確展示先驗概率和直接因素、間接因素相互影響關系的網絡拓撲結構。首先，利用調研和查閱資料所得的真實初始數據進行初步學習，構建基本的貝葉斯網絡結構；其次，結合專家調查和工程經驗，優化初始結構；最后，將優化后的貝葉斯網絡模型在GeNIe軟件中搭建完成，再進行參數學習。參數學習的過程是通過前期樣本數據進行計算評估，得到先驗概率。本文采用專家調研法，得到各節點的概率參數，并將其填寫到軟件的條件概率表中。利用軟件中的計算方法，得到各節點的發生概率值。

在項目開發的實際過程中，通過不同的推理方法推斷出項目風險因素的發生概率及原因。推理方法基于項目當前發展走勢、專家經驗及行業內或企業內的歷史數據，大致預測出風險因素在項目節點發生的可能性，并提前采取措施進行應對和規避。

1.4 風險控制

以分析結果為導向，重點關注影響項目進度的主要風險因素，結合項目實際運作流程和模式，重點關注概率較高的風險因素并制定詳細的應對決策，從而提高工作效率，降低風險發生概率。

2 W公司ODM項目進度風險識別與分析

W公司為ODM行業的標桿企業。根據項目進度風險管理流程，以W公司筆記本電腦項目為例，簡要分析ODM項目進度風險管理的貝葉斯網絡模型構建過程，得到分析結果，給出應對策略。W公司ODM項目全流程如圖1所示。

貝葉斯網絡方法是基于以往的數據庫進行可靠度分析，通過文獻調查得到初步影響因素，以此作為該項目進度風險識別的依據。通過查閱該公司與行業內知名企業近3年的合作項目資料，從研發設計、管理運營、采購生產等維度確定12項風險因素為本研究的重點調研對象。

貝葉斯網絡結構中有關聯的節點需根據專家估計法或歷史數據資料查閱法確定先驗概率。本文收集了W公司近期10個真實項目的延期風險因素。W公司項目進度風險管理的關鍵影響因素見表1［4］。根據表1的調研結果和行業內部的一些重要資料數據，統計得到W公司關鍵影響因素先驗概率，見表2。

由表2可知，12項關鍵影響因素分別被標記為字母A～M風險項，以便在GeNIe軟件中優化建模的可視化效果。各關鍵影響因素在實際項目開發過程中的狀態只有發生或不發生兩種，因此先驗概率表示為發生的概率范圍。

3 構建W公司ODM項目進度風險管理因素的貝葉斯網絡

使用貝葉斯網絡分析軟件構建模型，可整體考慮相關知識與算法來完成全方位的建模。本文使用GeNIe軟件，版本為2.3。該軟件為自由軟件，可建立任意大小的節點和復雜模型。該軟件包含建模和數據分析功能，且能輸出更為直觀的圖標和貝葉斯模型。

參考表1中的關鍵影響因素，根據專家意見，討論了幾組風險因素的因果關系。根據以上關系，通過GeNIe軟件構建直觀的W公司貝葉斯網絡模型，如圖3所示。

貝葉斯網絡參數學習［5］是為了獲得網絡中每個節點的條件概率分布，對已知的貝葉斯網絡進行參數學習，有最大似然估計和貝葉斯估計兩種算法，其中最大似然估計算法基于數據，不需要先驗概率。本文采用貝葉斯估計算法，對項目進度風險貝葉斯網絡進行學習。

以H→G→X通路為例：由表2可知，H風險因素的先驗概率為28%～31%，那么由此概率和G風險因素給定的條件概率表，可得到G在H發生時的后驗概率為35%～37%。與此類似，可計算其他通路中B、D、I風險因素的后驗概率，從而得到最終項目進度延誤的合理區間范圍為25%～27%。

根據表2中的先驗概率，設置風險節點的狀態及概率值，將專家判斷的條件概率輸入至對應的節點，得到貝葉斯網絡參數學習圖，如圖4所示。

在圖4中，各風險節點“YES”和“NO”分別代表此節點發生的狀態，狀態名后的百分比為發生的概率值。在貝葉斯網絡的各節點中輸入先驗概率和條件概率，可以得到終節點“X”的概率值。綜合以上數據，項目延期的概率為25%。需要根據ODM項目實際管理過程做出解釋：這里的項目進度延期為項目完成最終交付狀態時，一般合同中約定的可接受延期時間范圍。通常，甲方在規定項目交付時間時，會根據實際的設計、測試、采購及生產過程情況進行適當放寬。

通過GeNIe軟件的“set Evidence”功能，將各風險節點設置為100%發生，可得終節點“X”的發生概率值。以風險因素A為例，設置節點A為100%（圖5），可得到以下結果：A節點通往X的通路上，D風險因素的概率由34%上升至83%，終節點X的概率上漲11%～13%，誤差范圍在1%。由此可見，上述數據是真實可靠的。

4 結果與分析

將各節點按照上述過程進行一一設置。例如，當設計方案變更頻繁（D）風險因素設置為100%時，終節點X的概率提升12%～13%，說明在ODM項目開發過程中設計方案變更頻繁（D）會對整個項目的進度起到嚴重影響。另外，設計方案不合理（A）對設計方案變更頻繁（D）影響的概率達到83%，可見設計方案的可靠性是影響項目進度的關鍵因素。因此，在方案設計之初，應邀請各領域專家對設計方案進行多維度評審并給出建議；在最初設計方案提出后，需進行大量測試驗證和數據分析，只有在確保設計方案能夠完全滿足客戶需求的前提下，才能確定設計方案，從而大大降低后期方案變更的可能性，縮短項目在研發設計階段的時間。

當我們重復以上設置，可以得到所有風險因素對最終項目進度影響的變化值。經設置和計算，我們可以得出：A項因素（設計方案不合理）對終節點的影響概率最大，使項目進度延期風險提高了13%。對此，具體的應對決策有：第一，安排充足的人力投入，根據項目規模合理分配工程師數量，并依據“一個項目經驗豐富的主設計師+多個輔助工程師”的配比原則投入至項目；第二，在設計方案確定前，需要組織客戶技術組和內部技術組開展評審會議，以產品功能為基準，逐一檢查設計中存在的漏洞，并做好評審記錄，會后根據改進點進行整改，在最終方案確認前，需得到技術組和項目組的一致認可，并以正式郵件確認；第三，提高團隊溝通效率，定期組織項目例會，及時溝通項目進度，遇到阻塞問題第一時間反饋。

此外，由于ODM企業特殊的工作模式，研發人員設計主導，再推動項目在工廠中生產裝配，這就需要提高ODM工廠產能及生產效率的配合度，在備料、生產計劃、人員等方面做好全方面安排。在實際項目中，工廠端仍是試產和正式產批

產品出問題最多的地方，在項目導入生產的過

程中，需要各領域負責人做到全力跟線支持，發現問題第一時間分析并解決，盡量降低停線的風險。

5 結語

ODM項目進度風險管理是ODM企業發展過程中不可避免的一項重要工作，是關系到項目是否順利開展的重要因素之一。通過對項目進度風險關鍵影響因素的識別、評估、應對和控制，預估風險發生的可能性和對項目進度的影響程度，為項目初期的計劃制訂和風險應對提供參考和依據。當然，該方法還存在一些不足之處，數據獲取只參考了W公司的歷年項目，下一步應擴大實際數據的調查范圍，增強數據的魯棒性。

參考文獻

［1］谷文松.ODM模式下電子產品的質量管理［J］.設備監理，2019（10）：24-25.

［2］張靜.W公司筆記本電腦ODM項目需求變更管理研究［D］.深圳：深圳大學，2020.

［3］程渝芳.T公司智能音箱ODM項目風險管理研究［D］.成都：電子科技大學，2019.

［4］陳遠，金蕊，查亞闖.基于貝葉斯網絡的大型公共項目進度延誤風險研究［J］.鄭州大學學報（工學版），2022，43（2）：91-97.

［5］彭亞飛，楊凡德.基于貝葉斯網絡的航天任務態勢不確定性融合［J］.兵工自動化，2022，41（8）：41-46，51.

收稿日期：2022-09-27

作者簡介：

江夢婷（1992—），女，研究方向：項目進度和風險決策管理。

孟飛（1982—），男，副教授，博士，研究方向：系統決策及控制。

付曉璇（1994—），女，研究方向：生產調度。

黃永生（1991—），男，高級工程師，研究方向：醫療數據質量管理與控制。