论文部分内容阅读
【摘 要】工程项目管理中的风险是影响工程项目进度和安全性的重要因素之一。工程项目管理的风险评估问题存在底层指标类型多样、评估信息不确定的问题。针对这一问题,提出了一种基于证据推理的工程项目管理风险评估方法。该方法首先构造信度规则库,然后将多种类型的不确定性数据转换成统一的信度结构,最后通过证据推理的方法获得工程项目管理风险评估结果。
【关键词】工程项目管理;风险评估;证据推理
0.引言
工程项目管理是从事工程项目管理的企业对工程项目的全过程进行管理。由于工程项目一般都涉及多个利益相关方,工程的工期较长,环节较多,此外,工程项目在管理过程中,还有诸如政策、人因以及天气等诸多因素都对工程项目的进展造成影响,这些因素都可以称为风险因素。这些风险因素对于工程项目能否按时和顺利完成都有至关重要的影响。
工程项目管理的风险评估,是指在既定的项目背景下,为实现工程项目的管理目标,对工程项目的各风险因素进行综合评估的过程[1]。要实现对工程项目管理的风险评估,需要考虑多种不同类型的来源是实际工程系统和定量信息,以及来自专家的定性知识经验。此外,在实际评估过程中,部分信息是具有不确定性的,甚至是缺失的。要综合处理不确定条件下的多种类型的信息,甚至是不完备信息,为工程项目管理的风险评估带来了巨大的挑战。
目前该课题还属于概念研究阶段,直接针对该问题的成熟度方法还较少。大多数数据综合集成方法都是基于完全定性或定量知识的,可以综合运用两种类型知识的方法较少。
本文针对工程项目管理风险评估中底层指标类型多样、评估信息不完全的实际情形,提出了一种基于证据推理的评估方法,该方法利用信度结构来表示输入数据的不确定性,用证据推理的合成规则实现评估,能很好的解决这一问题。该方法首先依据专家经验,构建信度规则库,然后将多种类型的不确定性数据转换成统一的信度结构,最后通过证据推理的方法获得工程项目管理风险评估结果的新都分布。
1.工程管理中风险评估问题特点
工程项目管理风险评估中底层风险指标有两个显著的特点:第一,指标类型多样;第二,评估信息的不确定性。从指标的种类来看,既有定性的指标,也有定量的指标。有的能力需求满足程度是由专家给出,是自然语言表述、模糊的、定性的主观数据。定量指标又可分为效益型指标,即越大越好,和成本型指标,即越小越好。定量指标根据需求种类的不同分为区间型、上限型、下限型、中心点型、布尔型。定量指标的值域可能是整数、连续实数、离散点等。信息的不确定性包括概率性、模糊性、未知性(Ignorance)等。评估信息的不确定性包括以下几种情形:如有的评估信息是通过蒙特卡洛仿真获取的,数据是概率性的;有的评估信息是用文字描述的,是模糊的;此外,部分指标的取值不能通过实验或观测获得,只能依据专家的经验知识主观判断。
在传统D-S证据理论[2]的基础上,证据推理方法采用信度结构(Belief Structure,BS)模型描述不确定性,可以更加有效地描述和融合多种类型的不确定信息,尤其是不完备信息。证据推理方法主要包括两部分,置信规则库(Belief Rule Base,BRB)和证据推理算法。置信规则库是一个专家系统,以规则的形式来融合、转换不确定条件下的多种类型的信息,包括定性定量信息、语义数字信息、完备或不完备信息等;证据推理算法用来集成具有同样信度结构的规则。总的来说,置信规则库是证据推理方法中的专家系统和知识库,用来集成不同类型的信息,将其转换为统一信度结构下的规则;而证据推理算法是一种集成算法,用来集成置信规则库中的激活的规则,并以同样的信度结构的形式展示出来。本文采用证据推理方法来求解工程项目管理中的风险评估问题。
2.基于证据推理的风险评估方法
工程项目管理中的风险评估,就是评价现有工程项目管理方案中存在的风险因素对于整个工程项目管理的进度和安全性所造成的可能的影响。
3.结论
本文提出的基于证据推理的工程项目管理中风险评估方法是一种定性与定量相结合,试验结果(或仿真结果)与专家经验相结合的综合评估方法,通过该方法得到的评估结果不是一个抽象的数值,而是风险情况的分布,符合客观实际。
【参考文献】
[1]赵健.基于改进Partnering模式的工程项目风险分担理论与实证研究[D].长安大学,2011.
[2]Shafer,Glenn A Mathematical Theory of Evidence[M].Princeton University Press,1976.
[3]Yang J.-B.,Xu D.-L.On the evidential reasoning algorithm for multiple attribute decision analysis under uncertainty[J].2002.32(3):289-304.
[4]Yang J.-B.,Liu J.,Wang J.,Sii H.-S.,Wang H.-W.Belief rule-based inference methodology using the evidential reasoning approach -RIMER[J].2006.36(2):266-285.
[5]程贲,姜江,谭跃进,鲁延京.基于證据推理的武器装备体系能力需求满足度评估方法[J].系统工程理论与实践,2011,11:2210-2216.
[6]Wang Y.-M, Yang J.-B. Xu D.-L.Environmental impact assessment using the evidential reasoning approach[J].2006.1885-1913.
【关键词】工程项目管理;风险评估;证据推理
0.引言
工程项目管理是从事工程项目管理的企业对工程项目的全过程进行管理。由于工程项目一般都涉及多个利益相关方,工程的工期较长,环节较多,此外,工程项目在管理过程中,还有诸如政策、人因以及天气等诸多因素都对工程项目的进展造成影响,这些因素都可以称为风险因素。这些风险因素对于工程项目能否按时和顺利完成都有至关重要的影响。
工程项目管理的风险评估,是指在既定的项目背景下,为实现工程项目的管理目标,对工程项目的各风险因素进行综合评估的过程[1]。要实现对工程项目管理的风险评估,需要考虑多种不同类型的来源是实际工程系统和定量信息,以及来自专家的定性知识经验。此外,在实际评估过程中,部分信息是具有不确定性的,甚至是缺失的。要综合处理不确定条件下的多种类型的信息,甚至是不完备信息,为工程项目管理的风险评估带来了巨大的挑战。
目前该课题还属于概念研究阶段,直接针对该问题的成熟度方法还较少。大多数数据综合集成方法都是基于完全定性或定量知识的,可以综合运用两种类型知识的方法较少。
本文针对工程项目管理风险评估中底层指标类型多样、评估信息不完全的实际情形,提出了一种基于证据推理的评估方法,该方法利用信度结构来表示输入数据的不确定性,用证据推理的合成规则实现评估,能很好的解决这一问题。该方法首先依据专家经验,构建信度规则库,然后将多种类型的不确定性数据转换成统一的信度结构,最后通过证据推理的方法获得工程项目管理风险评估结果的新都分布。
1.工程管理中风险评估问题特点
工程项目管理风险评估中底层风险指标有两个显著的特点:第一,指标类型多样;第二,评估信息的不确定性。从指标的种类来看,既有定性的指标,也有定量的指标。有的能力需求满足程度是由专家给出,是自然语言表述、模糊的、定性的主观数据。定量指标又可分为效益型指标,即越大越好,和成本型指标,即越小越好。定量指标根据需求种类的不同分为区间型、上限型、下限型、中心点型、布尔型。定量指标的值域可能是整数、连续实数、离散点等。信息的不确定性包括概率性、模糊性、未知性(Ignorance)等。评估信息的不确定性包括以下几种情形:如有的评估信息是通过蒙特卡洛仿真获取的,数据是概率性的;有的评估信息是用文字描述的,是模糊的;此外,部分指标的取值不能通过实验或观测获得,只能依据专家的经验知识主观判断。
在传统D-S证据理论[2]的基础上,证据推理方法采用信度结构(Belief Structure,BS)模型描述不确定性,可以更加有效地描述和融合多种类型的不确定信息,尤其是不完备信息。证据推理方法主要包括两部分,置信规则库(Belief Rule Base,BRB)和证据推理算法。置信规则库是一个专家系统,以规则的形式来融合、转换不确定条件下的多种类型的信息,包括定性定量信息、语义数字信息、完备或不完备信息等;证据推理算法用来集成具有同样信度结构的规则。总的来说,置信规则库是证据推理方法中的专家系统和知识库,用来集成不同类型的信息,将其转换为统一信度结构下的规则;而证据推理算法是一种集成算法,用来集成置信规则库中的激活的规则,并以同样的信度结构的形式展示出来。本文采用证据推理方法来求解工程项目管理中的风险评估问题。
2.基于证据推理的风险评估方法
工程项目管理中的风险评估,就是评价现有工程项目管理方案中存在的风险因素对于整个工程项目管理的进度和安全性所造成的可能的影响。
3.结论
本文提出的基于证据推理的工程项目管理中风险评估方法是一种定性与定量相结合,试验结果(或仿真结果)与专家经验相结合的综合评估方法,通过该方法得到的评估结果不是一个抽象的数值,而是风险情况的分布,符合客观实际。
【参考文献】
[1]赵健.基于改进Partnering模式的工程项目风险分担理论与实证研究[D].长安大学,2011.
[2]Shafer,Glenn A Mathematical Theory of Evidence[M].Princeton University Press,1976.
[3]Yang J.-B.,Xu D.-L.On the evidential reasoning algorithm for multiple attribute decision analysis under uncertainty[J].2002.32(3):289-304.
[4]Yang J.-B.,Liu J.,Wang J.,Sii H.-S.,Wang H.-W.Belief rule-based inference methodology using the evidential reasoning approach -RIMER[J].2006.36(2):266-285.
[5]程贲,姜江,谭跃进,鲁延京.基于證据推理的武器装备体系能力需求满足度评估方法[J].系统工程理论与实践,2011,11:2210-2216.
[6]Wang Y.-M, Yang J.-B. Xu D.-L.Environmental impact assessment using the evidential reasoning approach[J].2006.1885-1913.