基于贝叶斯网络大型复杂工程项目群进度风险分析.docVIP

基于贝叶斯网络大型复杂工程项目群进度风险分析 　　摘要：在项目群风险因素体系的基础上提炼了大型复杂工程项目群进度风险因素，基于113份调查问卷和实例，构建并验证了贝叶斯网络模型，运用其学习、推理功能，识别出大型复杂工程项目群进度风险的关键敏感因素和最大致因链，进行进度滞后推理预测，据此提出了大型复杂工程项目群进度风险管理的策略建议。 　　关键词：大型复杂工程项目群；进度风险；贝叶斯网络 　　DOI：10.13956/j.ss.1001-8409.2016.04.26 　　中图分类号：F062.4文献标识码：A 文章编号：1001-8409（2016）04-0120-07 　　Abstract：Based on the whole program risk factors system， schedule risk factors of large scale and complexity construction program is proposed， 113 questionnaires and a case are collected to build and test Bayesian network that could identify key sensitivity factor and the biggest caucuses chain by learning and reasoning function， and forecast the degree of schedule lag. Some strategies are proposed for large scale and complexity construction program. 　　Key words：large scale and complex construction program； schedule risk； bayesian network 　　我国新型城镇化的发展带动了大型复杂工程项目群的急剧增加，这类项目投资规模大、建设周期长、未知风险多、复杂性高[1]，进度目标的实现具有比一般项目更高的风险，更易发生工期延迟，平均延迟率约为20%，而进度是很多大型复杂工程的首要目标[2]。因此，如何识别影响工期的关键风险，预测计划工期实现的可能性，是项目群管理的关键内容。 　　美国麻省理工学院斯隆商学院2007年开展的大型复杂建设工程管理研究课题基于不确定性和风险提出了项目群管理策略，是国外较早的项目群风险研究[1]。后来，部分学者开始关注项目群的总体投资失控[3～5]等风险因素。国内研究主要关注项目群的组织集成与管理协同、社会影响、利益相关者管理、管理模式、进度总控、质量、信息化等方面[1，6～9]；关于项目群风险研究，主要从宏观视角关注影响项目整体的风险因素[10～12]。因此，目前学者们关于进度风险的研究集中在一般项目管理领域，大型复杂工程项目群进度风险管理研究尚处于起步阶段，并未形成完整的风险管理体系，更缺乏有针对性的量化研究。 　　鉴于此，考虑到大型复杂工程的独特性，本文选择适用于小样本的贝叶斯网络方法开展项目群的进度风险研究。首先，基于专家访谈和文献梳理，构建了大型复杂工程项目群的进度风险因素体系；其次，运用贝叶斯网络的学习、推理功能，识别出项目群进度风险的关键敏感因素及最大致因链，对进度滞后程度进行推理预测；最后，通过南宁火车东站项目群的实例验证了贝叶斯网络的科学性与合理性，并提出了大型复杂工程项目群进度风险管理的策略建议。 　　1大型复杂工程项目群初始风险因素的识别 　　本文选用的研究方法是适用于解决数据不完备研究问题并可进行相对可靠预测的贝叶斯网络方法[13]。首先，通过文献Kim等[14]和Taroun[15]对一般项目风险因素的分类和分析，得到较为初步的工程项目群整体风险因素，作为大型复杂工程进度风险识别的基础。然后，选取了10位参与过或正在参与大型复杂工程项目群建设且是该领域内知名学者的专家进行开放式访谈，访谈问题包括：（1）大型复杂工程项目群风险因素与一般工程风险因素的区别；（2）大型复杂工程项目群进度风险因素与其他风险因素的区别；（3）大型复杂工程项目群进度风险管理与控制的重点。同时，邀请各位专家对项目群整体风险因素中的进度风险按照李克特5分量表进行打分。 　　根据访谈结果，专家们较为一致认同的观点有：（1）大型复杂工程项目群风险具有非叠加性，项目群是由多个具有相互联系的子项目组成，项目群的风险因素由子项目的风险因素组成，但并非子项目风险因素的线性叠加，比子项目风险管理更加宏观和战略化；（2）大型复杂工程项目群进度风险比质量、成本风险等其他风险更能体现风险的层次性、传播性、隐藏性和