模糊控制法和赢得值法在工程管理中的应用.pdf

模糊控制法和赢得值法在工程管理中的应用 杨俊 良 (深圳市鹏城建筑集 团有限公司) 日IJ着 对于风险控制要根据整体逻辑判断来实现。下表仅仅是单变量 为7档的一个简单模糊控制规则表f表 11。此种方法适用大多数 成本、进度、质量、风险控制是工程项 目管理的主要 目标，以 工程结构，一般但工期比较长的大多数公共建筑、住宅楼等，具 往的情况是对它们分别管理，相互之间缺乏紧密的联系，同时没 有普遍性。 有考虑到工程风险的控制。例如当项 目进行到一定阶段时，累计 表 1 花费成本与累计计划预算成本相当，但实际已完成的实物工程 Y 量f进度1并没有达到计划量。到了项 目预算已经超出而还有剩 NB NM NS 2E PS PM PB NB NB NB NM NM NS NS ZE 余工程量要完成时，要完成项 目就必须增加更多的费用，此时要 NM NB NM NM NS ZE ZE 打算在预算内完成项 目进行成本控制就已经太晚了。成本与进 NS NM NM NS NS zE ZE PS 度的过程同时必须结合项 目的人员与资金情况，如果其中一项 X 2E NM NS NS 2E ZE PS PS 出现问题，成本就会加大，进度出现滞后，质量也可能出现问题， PS NS NS ZE 2E PS PS PM 就为项 目带来较大的风险。这说明传统的控制方法已经不能真 PM NS 2E ZE PS PS PM PB PB ZE ZE PS PS PM PB PB 正适应工程的变化，有一些滞后，并不能真实的反映项 目的控制 状况 。 2基于神经网络的自适应模糊控制方法 1模糊控制分析法与逻辑推理 模糊理论是利用规则进行逻辑推理，但是没有学习和 自己 1．1模糊控制分析法 适应能力，模糊控制规则的生成与调整是其 “瓶颈”，模糊控制系 模糊控制分析法主要是根据模糊数学与建设工程实际情况 统的控制规则一旦超过20个以下，人对所有的因果关系进行理 结合而实践总结出来的一种控制新方法。它主要有输入因素模 解就有困难。神经网络是通过许多简单的关系连接来表示复杂 糊化处理、模糊逻辑推理、模糊判决输出等三个过程。①输入凶 的函数关系，从而实现复杂的分类与决策功能，它可以通过训练 素模糊化处理我们根据工程根据实际情况将工程进度、人员f施 来学习给定的经验，并依次来生成映射规则。神经网络擅长在海 工与管理人员污质、资金状况f建设单位与施工单位项 目部)、施 量数据中找到特定的模式来辨识规律；同时对输入数据可以自 工机具与设备、材料供应、社会环境、其他因素等多个因素作为 适应，并且可以修正立本身的误差和改变对输入数据响应的特 模糊控制系统的输入信号。⑦输入信号根据实际情况将其划分 性。因此二者相结合可以大大地减轻人的工作量，降低对项 目控 为 13档、9档、7档等进行输入量模糊化处理。③由连续量转化 制的风险。由于神经网络对输入的数据可以自适应，并且可以修 为数字量，工程进度、资金投入、人员投入等作为输