论文部分内容阅读
摘要：由于项目管理之间是分开的并缺乏紧密的联系，不能很好的控制工程風险，已不能适应现代工程的变化。文章介绍了模糊控制法，阐述了通过成本、进度、质量、风险控制达到工程项目管理的目标。
关键词：工程管理；模糊控制；逻辑推理；分析法
项目进行到一定阶段时，累计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量（进度）并没有达到计划量。到了项目预算已经超出而还有剩余工程量要完成时，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，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。
一、模糊控制分析法与逻辑推理
（一）模糊控制分析法
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糊化处理、模糊逻辑推理、模糊判决输出等三个过程。
1．输入因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（施工与管理人员）素质、资金状况（建设单位与施工单位项目部）、施工机具与设备、材料供应、社会环境、其他因素等多个因素作为模糊控制系统的输入信号。
2．输入信号根据实际情况将其划分为13档、9档、7档等进行输入量模糊化处理。
3．由连续量转化为数字量，工程进度、资金投入、人员投入等作为输出信号。
（二）模糊逻辑推理
根据工程实际情况以及以往的实际经验，建立起来一套控制规则与原则：人员素质将作为第一要素，资金状况作为第二要素，其他要素则作为一般要素；控制规则的建立是首先必须是保证质量与安全，为首要原则。控制规则采用的是IF——THEN—ELSE逻辑来实现；工程进度必须根据质量、计划、安全以及资金情况来综合判断；资金的投入必须根据进度与资金供应情况来确定；人员投入与退出应根据计划以及工程人员素质来确定。具体工程的具体控制规则不同，相应的规则数量就不同。风险控制规则是建立在确保安全与质量的基础上的，安全与质量为第一大风险要素，资金状况处于比较重要地位，是其中一个较大的风险，其他与社会风险因素为一般要素。
（三）模糊判决
系统根据输入状态各种因素，按照系统设定的控制规则进行判断，输出相应的判断状态来指示资金、人员、工程进度、设备、材料的下一步工作。本判决可以根据逻辑推理以及判断的方式将输入量经过模糊推理系数的综合处理，形成输出判别表，以便根据输人可以直接调用输出量，这种方法仅仅适用常规推理；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（表1）。此种方法适用大多数工程结构，一般但工期比较长的大多数公共建筑、住宅楼等，具有普遍性。
表1
Y
NB NM NS 2E PS PM PB
X NB NB NB NM NM NS NS ZE
NM NB NM NM NS NS ZE ZE
NS NM NM NS NS ZE ZE PS
2E NM NS NS 2E ZE PS PS
PS NS NS ZE 2E PS PS PM
PM NS 2E ZE PS PS PM PB
PB ZE ZE PS PS PM PB PB
二、基于神经网络的自适应模糊控制方法
模糊理论是利用规则进行逻辑推理，但是没有学习和自己适应能力，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，并且可以修正本身的误差和改变对输入数据响应的特性。这对于可以适应变化输入条件的自适应系统相当重要。
“三边工程”以及比较不规范的在建工程，一般受到政策、工艺、市场条件、资金状况、设备等等多种因素影响，不确定性比较大；因此此类工程的控制（成本、质量、风险等）不能使用常规的分析方法来分析与判断。本方单适应于“三边”工程，因为工程的不确定性太强，只有建立起简单的模型，根据现在所有的条件以及现状，采用基于神经网络的自适应模糊控制来确定以后的决策。本方法将根据工程进度、工程类别等输入调整参数不断的调整，以适应工程的不断变化。神经网络与模糊控制器结合形式有三种：（1）数据神经预处理机—模糊逻辑控制器→结果→神经自适应；（2）数据→模糊逻辑控制器→结果；（3）数据→模糊逻辑控制器→神经分类器→结果。
一般常用的是选择第二种。工程中所能提供的要素是外在的，内部所隐含的要求也可以作为外在因素作为输入量，输．出量就是所要作出的决策。利用本方法进行决策，前期工作量比较大，需要做多种尝试来进行分析与判断。其中结合运用的方面主要在于：
1．在现实工程管理中，将工程项目多个因素通过神经网络学习，在其内部构成一个多维非线性模糊规则分配空间。
2．根据项目的多个输入因素以及蕴涵的内在因素，利用神经网络自学习自动生成隶属函数，只要对网络训练一定时间就可以完成调整。
3．利用现在项目管理中的管理经验进行确定规则，用神经网络来学习和调整隶属函数，使模糊控制系统象熟练的管理人员一样对项目进行判断。
4．在此控制系统中，用神经网络的一个重要作用就是获取知识与提取规则，同时对系统工程的知识进行表达。项目管理主要侧重于对规律的识别与总结。根据现场实际的测试与不断的修订，我们已经基本建立起来一套模型与体系。在这套体系中，最为重要的是调整系数与控制规则；调整系数按照工程进度、工程类型来划分；通过学习与训练，建立起一套完整的控制规则。
三、成本、进度综合控制方法
工程成本与进度之间的联系非常紧密。成本支出、资金消耗量的大小、进度的快慢、提前滞后有直接的关系。一般来说，相对成本与累计成本支出是与项目进度相对成比例的。但是单纯地观察成本消耗的大小并不能对成本趋势、进度状态做出完全准确有效的估计。进度超前、滞后或者成本超支、节余都会影响成本支出的大小。风险控制主要侧重于质量与经济方面，属于关联因素。因此要真正有效地控制成本，必须连续监督花在项目上的资金量并与工作进度对比。
工程管理和控制的基本原理是根据预订计划和控制基准，实施工作后，定期比较分析，再调整相应的工程计划并反馈到实施计划中去。有效地进行工程项目成本、进度控制的关键是监控实际成本及进度的状况，及时、定期地与控制基准相比照，并结合其他可能的改变，及时采取必要的纠正措施，修正或更新项目计划，预测出项目完成时成本是否超出预算、进度会提前或落后。这种监控是一个动态控制过程。
四、赢得值分析法
赢得值也称净值或盈余值分析法，是一种能全面衡量工程进度、成本状况的整体方法，其基本要素是用货币量代替工程量来测量工程的进度。它不以投入资金的多少来反映工程的进展，而是以资金已经转化为工程成果的量化衡量，是一种完整和有效的工程项目监控指标和方法。
赢得值法用三個基本值来表示项目的实施状态，并以此预测项目可能的完工时间和完工时的可能费用。三个基本值是：
1．累计计划成本额或称计划投资额某一时点应当完成的工作所需投入资金或花费成本的累计值。它等于计划工程量与预算单价的乘积之和。该值是衡量工程进度和工程费用的一个标．尺或基准。
2．赢得值或完成投资额某一时点已经完成的工作所需投人资金的累计值。它等于已完工程量与预算单价的乘积之和，反映满足质量标准的工程实际进度和工作绩效，体现了投资额到工程成果的转化。
3．实际成本额某一时点已完成的工作所实际花费成本的总金额。它等于已完工程量与实际支付单价（合同价）的乘积之和。通过这三个基本值的对比（见图1，它们分别是三个关于时间的函数），可以对工程的实际进展情况作出明确的测定和衡量，有利于对工程进行监控，也可以清楚地反映出工程管理和工程技术水平的高低：理想状态下，上述三条函数曲线应该重合于“实现投资额”。如果管理不善，“实际成本额”会在“实现投资额”曲线之上，说明成本已经超支；如果进度已经滞后，“完成投资额”会在“计划投资额”曲线之下；使用赢得值法进行成本、进度综合控制，必须定期监控以上三个参数。也就是说，在项目开始之前，先必须为在整个项目工期内如何和何时使用资金作出预算和计划。项目开始后，监督实际成本和工作绩效以确保成本、进度都在控制范围之内。
图1
五、几点见解
1．模糊控制分析方法使用正常工程——参建方比较多、工程结构比较复杂、工期比较长、市场对工程影响比较大、人员控制比较复杂等。此种方法针对性比较强，控制效果比较理想，比常规的方法要好。基于神经网络的自适应模糊控制方法适应与三边工程以及各种手续不完善的工程；相对前两种方法来说，此种控制难度相当高，主要在于人员对项目的熟悉以及对各种因素的把握分析判断，系统只有经过学习才能做好决策。对网络的训练也将花费相当的精力，而且是重点。
2．赢得值分析法是工程项目成本、进度综合度量和监控的有效方法。通过对TBC、CBC，CAC、CEV等指标和参数的及时监控分析，能准确掌握工程项目的成本、进度状况和趋势，进而采取纠偏措施使项目能控制在基准范围内。这种方法适合于工程手续齐全、受外在因素相对较小的工程项目，外界参与较少——简单，明了。
3．赢得值分析法使用计算机信息技术基本可以有效解决工程中存在的问题；模糊控制分析方法使用计算机信息技术可以解决计算与判断，但是必须由人工生成模糊规则，人工计算与选择量较大；基于神经网络的自适应模糊控制方法主要在于对外界的因素分析与判断，这一步工作将占用一半工作量，要求比较高。
六、结语
现代工程管理已经不再仅限于计划和进度报表的生成，工程管理人员在质量、成本、工期必须满足要求的前提下，时刻面对着一系列无法预料的难题。项目管理的主要控制要素是质量、进度和成本以及风险控制。项目管理的目标是在保证质量与安全、风险较低的情况下，寻找进度和成本的最优解决方案。
注：文章内所有公式及图表请以PDF形式查看。
关键词：工程管理；模糊控制；逻辑推理；分析法
项目进行到一定阶段时，累计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量（进度）并没有达到计划量。到了项目预算已经超出而还有剩余工程量要完成时，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，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。
一、模糊控制分析法与逻辑推理
（一）模糊控制分析法
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糊化处理、模糊逻辑推理、模糊判决输出等三个过程。
1．输入因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（施工与管理人员）素质、资金状况（建设单位与施工单位项目部）、施工机具与设备、材料供应、社会环境、其他因素等多个因素作为模糊控制系统的输入信号。
2．输入信号根据实际情况将其划分为13档、9档、7档等进行输入量模糊化处理。
3．由连续量转化为数字量，工程进度、资金投入、人员投入等作为输出信号。
（二）模糊逻辑推理
根据工程实际情况以及以往的实际经验，建立起来一套控制规则与原则：人员素质将作为第一要素，资金状况作为第二要素，其他要素则作为一般要素；控制规则的建立是首先必须是保证质量与安全，为首要原则。控制规则采用的是IF——THEN—ELSE逻辑来实现；工程进度必须根据质量、计划、安全以及资金情况来综合判断；资金的投入必须根据进度与资金供应情况来确定；人员投入与退出应根据计划以及工程人员素质来确定。具体工程的具体控制规则不同，相应的规则数量就不同。风险控制规则是建立在确保安全与质量的基础上的，安全与质量为第一大风险要素，资金状况处于比较重要地位，是其中一个较大的风险，其他与社会风险因素为一般要素。
（三）模糊判决
系统根据输入状态各种因素，按照系统设定的控制规则进行判断，输出相应的判断状态来指示资金、人员、工程进度、设备、材料的下一步工作。本判决可以根据逻辑推理以及判断的方式将输入量经过模糊推理系数的综合处理，形成输出判别表，以便根据输人可以直接调用输出量，这种方法仅仅适用常规推理；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（表1）。此种方法适用大多数工程结构，一般但工期比较长的大多数公共建筑、住宅楼等，具有普遍性。
表1
Y
NB NM NS 2E PS PM PB
X NB NB NB NM NM NS NS ZE
NM NB NM NM NS NS ZE ZE
NS NM NM NS NS ZE ZE PS
2E NM NS NS 2E ZE PS PS
PS NS NS ZE 2E PS PS PM
PM NS 2E ZE PS PS PM PB
PB ZE ZE PS PS PM PB PB
二、基于神经网络的自适应模糊控制方法
模糊理论是利用规则进行逻辑推理，但是没有学习和自己适应能力，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，并且可以修正本身的误差和改变对输入数据响应的特性。这对于可以适应变化输入条件的自适应系统相当重要。
“三边工程”以及比较不规范的在建工程，一般受到政策、工艺、市场条件、资金状况、设备等等多种因素影响，不确定性比较大；因此此类工程的控制（成本、质量、风险等）不能使用常规的分析方法来分析与判断。本方单适应于“三边”工程，因为工程的不确定性太强，只有建立起简单的模型，根据现在所有的条件以及现状，采用基于神经网络的自适应模糊控制来确定以后的决策。本方法将根据工程进度、工程类别等输入调整参数不断的调整，以适应工程的不断变化。神经网络与模糊控制器结合形式有三种：（1）数据神经预处理机—模糊逻辑控制器→结果→神经自适应；（2）数据→模糊逻辑控制器→结果；（3）数据→模糊逻辑控制器→神经分类器→结果。
一般常用的是选择第二种。工程中所能提供的要素是外在的，内部所隐含的要求也可以作为外在因素作为输入量，输．出量就是所要作出的决策。利用本方法进行决策，前期工作量比较大，需要做多种尝试来进行分析与判断。其中结合运用的方面主要在于：
1．在现实工程管理中，将工程项目多个因素通过神经网络学习，在其内部构成一个多维非线性模糊规则分配空间。
2．根据项目的多个输入因素以及蕴涵的内在因素，利用神经网络自学习自动生成隶属函数，只要对网络训练一定时间就可以完成调整。
3．利用现在项目管理中的管理经验进行确定规则，用神经网络来学习和调整隶属函数，使模糊控制系统象熟练的管理人员一样对项目进行判断。
4．在此控制系统中，用神经网络的一个重要作用就是获取知识与提取规则，同时对系统工程的知识进行表达。项目管理主要侧重于对规律的识别与总结。根据现场实际的测试与不断的修订，我们已经基本建立起来一套模型与体系。在这套体系中，最为重要的是调整系数与控制规则；调整系数按照工程进度、工程类型来划分；通过学习与训练，建立起一套完整的控制规则。
三、成本、进度综合控制方法
工程成本与进度之间的联系非常紧密。成本支出、资金消耗量的大小、进度的快慢、提前滞后有直接的关系。一般来说，相对成本与累计成本支出是与项目进度相对成比例的。但是单纯地观察成本消耗的大小并不能对成本趋势、进度状态做出完全准确有效的估计。进度超前、滞后或者成本超支、节余都会影响成本支出的大小。风险控制主要侧重于质量与经济方面，属于关联因素。因此要真正有效地控制成本，必须连续监督花在项目上的资金量并与工作进度对比。
工程管理和控制的基本原理是根据预订计划和控制基准，实施工作后，定期比较分析，再调整相应的工程计划并反馈到实施计划中去。有效地进行工程项目成本、进度控制的关键是监控实际成本及进度的状况，及时、定期地与控制基准相比照，并结合其他可能的改变，及时采取必要的纠正措施，修正或更新项目计划，预测出项目完成时成本是否超出预算、进度会提前或落后。这种监控是一个动态控制过程。
四、赢得值分析法
赢得值也称净值或盈余值分析法，是一种能全面衡量工程进度、成本状况的整体方法，其基本要素是用货币量代替工程量来测量工程的进度。它不以投入资金的多少来反映工程的进展，而是以资金已经转化为工程成果的量化衡量，是一种完整和有效的工程项目监控指标和方法。
赢得值法用三個基本值来表示项目的实施状态，并以此预测项目可能的完工时间和完工时的可能费用。三个基本值是：
1．累计计划成本额或称计划投资额某一时点应当完成的工作所需投入资金或花费成本的累计值。它等于计划工程量与预算单价的乘积之和。该值是衡量工程进度和工程费用的一个标．尺或基准。
2．赢得值或完成投资额某一时点已经完成的工作所需投人资金的累计值。它等于已完工程量与预算单价的乘积之和，反映满足质量标准的工程实际进度和工作绩效，体现了投资额到工程成果的转化。
3．实际成本额某一时点已完成的工作所实际花费成本的总金额。它等于已完工程量与实际支付单价（合同价）的乘积之和。通过这三个基本值的对比（见图1，它们分别是三个关于时间的函数），可以对工程的实际进展情况作出明确的测定和衡量，有利于对工程进行监控，也可以清楚地反映出工程管理和工程技术水平的高低：理想状态下，上述三条函数曲线应该重合于“实现投资额”。如果管理不善，“实际成本额”会在“实现投资额”曲线之上，说明成本已经超支；如果进度已经滞后，“完成投资额”会在“计划投资额”曲线之下；使用赢得值法进行成本、进度综合控制，必须定期监控以上三个参数。也就是说，在项目开始之前，先必须为在整个项目工期内如何和何时使用资金作出预算和计划。项目开始后，监督实际成本和工作绩效以确保成本、进度都在控制范围之内。
图1
五、几点见解
1．模糊控制分析方法使用正常工程——参建方比较多、工程结构比较复杂、工期比较长、市场对工程影响比较大、人员控制比较复杂等。此种方法针对性比较强，控制效果比较理想，比常规的方法要好。基于神经网络的自适应模糊控制方法适应与三边工程以及各种手续不完善的工程；相对前两种方法来说，此种控制难度相当高，主要在于人员对项目的熟悉以及对各种因素的把握分析判断，系统只有经过学习才能做好决策。对网络的训练也将花费相当的精力，而且是重点。
2．赢得值分析法是工程项目成本、进度综合度量和监控的有效方法。通过对TBC、CBC，CAC、CEV等指标和参数的及时监控分析，能准确掌握工程项目的成本、进度状况和趋势，进而采取纠偏措施使项目能控制在基准范围内。这种方法适合于工程手续齐全、受外在因素相对较小的工程项目，外界参与较少——简单，明了。
3．赢得值分析法使用计算机信息技术基本可以有效解决工程中存在的问题；模糊控制分析方法使用计算机信息技术可以解决计算与判断，但是必须由人工生成模糊规则，人工计算与选择量较大；基于神经网络的自适应模糊控制方法主要在于对外界的因素分析与判断，这一步工作将占用一半工作量，要求比较高。
六、结语
现代工程管理已经不再仅限于计划和进度报表的生成，工程管理人员在质量、成本、工期必须满足要求的前提下，时刻面对着一系列无法预料的难题。项目管理的主要控制要素是质量、进度和成本以及风险控制。项目管理的目标是在保证质量与安全、风险较低的情况下，寻找进度和成本的最优解决方案。
注：文章内所有公式及图表请以PDF形式查看。