基于貝葉斯網絡的建設項目質量風險因素分析.doc

基于貝葉斯網絡的建設項目質量風險因素分析以京滬高速鐵路建設項目為例周國華，彭波(西南交通大學 經濟管理學院，四川 成都，610031）Studying Quality Risk of Large Construction Project Based on Bayesian Belief NetworkA Case Study of Beijing-Shanghai High-Speed Railway ProjectZHOU Gua-hua, PENG Bo(School of economics & management, Southwest Jiaotong University, Chengdu 610031, China)摘要：京滬高速鐵路是我國投資規(guī)模最大、技術含量最高的基礎設施建設項目，如何有效防范該項目建設在管理和實施中可能出現(xiàn)的風險，為京滬高速鐵路建設項目能順利進行并保證其高質量要求的關鍵。介于鐵路建設項目缺乏歷史數(shù)據資料和現(xiàn)場數(shù)據難收集的特點，本文運用貝葉斯網絡方法研究京滬高速鐵路建設項目中關鍵質量風險因素，結合專家的意見，建立了京滬高速鐵路建設項目質量風險因素的貝葉斯網絡模型，研究發(fā)現(xiàn)京滬高速鐵路建設中材料、監(jiān)理執(zhí)行力等因素為關鍵質量風險因素。同時，本文展現(xiàn)了如何運用貝葉斯網絡研究工程建設項目風險管理的過程。關鍵詞：貝葉斯網絡；質量風險；高速鐵路；項目中圖分類號：F294 文獻標識碼：A 文章編號：Abstract: Beijing-Shanghai high-speed railway is one of the largest and the highest technology infrastructure projects in China. How to control the uncertainties and risks effectively during the construction of Beijing-Shanghai high-speed railway is guarantee that project can be carried out smoothly and reached high-quality requirements. According to the lack of historical data and difficulty to collect information in construction industry, this paper use a Bayesian belief network method to study the key quality risk factors in Beijing-Shanghai high-speed railway construction project management, combined with the proposal of experts, this paper also set up a Bayesian belief network model. We found that the risks from material and the execution of supervisors are the key risks in the Beijing-Shanghai high-speed railway construction. At the same time, this paper demonstrates how to use a Bayesian belief Network to study the construction project risk management.Key words: Bayesian belief network, quality risk, high-speed railway, project 一、引言京滬高速鐵路建設全長1318公里，總投資超過2200億元，是世界上一次建成里程最長的高速鐵路，也是我國建國以來一次投資規(guī)模最大、技術含量最高的基礎設施建設項目。鐵路建設是一項復雜的系統(tǒng)工程，涉及面廣，參與單位多，影響質量、安全、工期的因素多。京滬高速鐵路建設項目具有建設規(guī)模大、標準高、技術新、投資巨大的特點。為實現(xiàn)京滬高速鐵路大規(guī)模高標準的建設目標，鐵道部提出質量、安全、工期、投資效益、環(huán)境保護、技術創(chuàng)新“六位一體”管理要求，其中質量為管理的重點和難點1 安國棟. 全面落實“六位一體”管理要求 加快推進鐵路建設標準化管理J. 中國鐵路, 2008(05): 1-6.。如何防范和控制管理和實施中的不確定性，從而降低或克服各項風險，為京滬高速鐵路建設項目能順利進行并保證其高質量要求的關鍵。風險管理的一般過程為風險識別，風險評估、風險應對措施和控制。PMBOK將風險管理作為項目管理的九大元素之一，并定義風險管理的過程為對項目風險管理的計劃、定義、分析、回應措施、改正和控制2 PMI. A guide to the project management body of knowledge: PMBOK Guide. 3rd ed M. USA: Project Management Institute Inc. 2004.2。AKINTOYE通過問卷調查分析得出在工程建設項目中實施風險管理可以使損失控制到最小并保證企業(yè)的利益，并指出在大型工程實施項目中實現(xiàn)風險管理是必需的3 AKINTOLA S AKINTOYE. Risk analysis and management in construction J. International Journal of Project Management, 1997,Vol. 15: 31-38.3。風險識別作為風險管理的第一步，將識別與工程建設項目所有活動、過程和關系人的相關風險。PATRICK等從項目元素、項目的階段和項目的關系人等不同角度研究了影響中國大型工程項目的關鍵風險因素4 PATRICK X.W. ZOU, ZHANG Guomin, WANG Jiayuan. Understanding the key risks in construction project in China J. International Journal of Project Management, 2007,25: 601-614.5 PATRICK X.W. ZOU, ZHANG Guomin, WANG Jiayuan. Identifying key risks in construction projects: life cycle and stake holder perspectives J. In: Proc.12th Pacific rim real estate society conference, Auckland, New Zealand 2006, 1: 22-25.4；ZOU PXW等從項目的生命周期和業(yè)主的角度分析了工程項目的關鍵風險因素5。AKINTOYE總結用于風險評估的技術方法主要包括：風險酬金（risk premium），風險調整貼現(xiàn)率（risk adjusted discount rate），主觀概率判斷（subjective probability），決策分析（decision analysis），敏感性分析（sensitivity analysis），Monte Carlo模擬和隨機控制（stochastic dominance）等3。DEL CANO等還提出了通過系統(tǒng)建模方式智能評估風險的方法6 DEL CANA, DEL A CRUZ. Integrated methodology for project risk management J. Journal of Construction Engineering and Management, 2002, 128(6): 473485.7 VAN TRUONG LUU, SOO-YONG KIM, NGUYEN VAN TUAN, STEPHEN O. OGUNLANA. Qualitifying schedule risk in construction project using Baysesin belief networks J. International Journal of Project Management, 2009,27: 39-50.8 EUNCHANG LEE, YONGTAE PARK, JONG GYE SHIN. Large engineering project risk management using a Bayesian belief network J. Expert Systems with Applications, 2008, doi:10.1016/j.eswa.2008.07.057.6。在這些方法中，現(xiàn)階段用于工程項目風險評估最新的研究方法是屬于決策分析的貝葉斯網絡78。貝葉斯網絡（A Bayesian Belief Network）為一個圖形模型，用它能有效的對風險進行建模并能清楚的表達風險之間的關系，對不確定性問題可以進行良好的推理，同時它能處理神經網絡由于樣本量小、信息不完全而不能處理的數(shù)據集，近年來已廣泛應用在人工智能和數(shù)據挖掘方面9 HECKERMAN D. Bayesian networks for data mining J. Data Miningand and Knowledge Discovery 1997, 1(1): 79119.9。考慮到對京滬高速鐵路的質量風險管理在國內外沒有經驗和歷史數(shù)據可以借鑒，本文結合專家知識，使用貝葉斯網絡方法來研究京滬高速鐵路建設的質量風險，克服了樣本量小和信息不完全的問題。根據京滬高速鐵路建設質量風險課題研究組（下稱課題研究組）對京滬高速鐵路建設實地采訪調查收集的數(shù)據和專家的分析，本文建立了貝葉斯網絡模型，并根據課題研究組現(xiàn)場調查收集的數(shù)據，對網絡模型進行學習，探究了京滬高速鐵路項目建設的關鍵質量風險因素，并給予風險控制的對策和建議。二、貝葉斯網絡方法（一）貝葉斯規(guī)則先驗概率和后驗概率是相對于某組證據而言的，設和為兩個隨機變量，為某一假設，為一組證據，在考慮證據之前，對事件的概率估計稱為先驗概率，而在考慮證據之后，對概率估計稱為后驗概率。貝葉斯定理描述了先驗概率和后驗概率的關系：這又稱為貝葉斯規(guī)則。稱稱為的似然度，又記著10 張連文，郭海鵬. 貝葉斯網引論M. 北京：科學出版社, 2006: 18-19,31-41,143-171.10。在實際應用中，似然度更容易獲得。（二）貝葉斯網絡貝葉斯網絡又稱信念網絡，是對貝葉斯規(guī)則的擴展。貝葉斯網絡是一個有向無圈圖，用其節(jié)點代表隨機變量，節(jié)點間的邊代表變量間的直接依賴關系，并且每個節(jié)點都附有一個概率分布，從而同時代表了定量和定性的意義（結構和參數(shù)）。貝葉斯網絡具有很多優(yōu)點，它能靈活地輸入和輸出數(shù)據；它可以處理小樣本、不完整和帶有噪聲的數(shù)據集；它可以利用專家意見，而不需要歷史數(shù)據；它還允許添加或刪除變量而不會顯著影響網絡的其余部分；特別地它用圖形的方法描述數(shù)據間的相互關系，語義清晰，可理解性強，這將有助于利用數(shù)據間的因果關系來進行預測分析 11 UUSITALO L. Advantages and challenges of Bayesian net works in environmental modeling J. Ecological Modeling, 2007, 203(3/4): 312318.11?；谶@些優(yōu)點，貝葉斯網絡已經廣泛應用于處理不確定性問題的分析和決策支持。假如我們已經知道鐵路建設項目質量風險（Risk of Quality，下稱RQ）最主要來自勞務人員的工作技術不能達到建設要求（Poor Competency of skilled Labors，下稱PCL）和鐵路建設所使用的材料不符合要求（Inappropriate Materials，下稱IM），如圖1為鐵路建設項目的質量風險的一個簡單貝葉斯網絡圖。父節(jié)點邊子節(jié)點圖1 一個簡單貝葉斯網絡圖根據經驗：參加鐵路建設的勞動力人員的素質（主要指技術能力）能夠達到建設要求的為85%，通過建設單位統(tǒng)一管理的重要鐵路建設的建筑材料合格率為95%以上，我們用“S”表示安全，即不發(fā)生該項風險，“R”表示發(fā)生這項風險，由PCL和IM共同作用導致質量風險RQ的先驗概率如表1所示。表1 PCL和BM共同作用下的RQ的先驗概率PCL=“S”PCL=“R”IM=“S”IM =“R”IM =“S”IM =“R”RQ=“S”0.91RQ=“R”0.09根據貝葉斯規(guī)則我們可以方便計算出RQ處于安全狀態(tài)和出險狀態(tài)的先驗無條件概率：如果我們觀察到RQ處于出險狀態(tài)，即發(fā)現(xiàn)了質量問題，可以運用貝葉斯規(guī)則計算出PCL和IM出險的概率，這就是貝葉斯網絡的逆向推理，見圖2所示。圖2 RQ=R時，PCL和IM的取值圖2中說明當發(fā)生質量問題時，PCL處于出險的概率為54.2%；IM處于出險的概率是26.6% 。（三）基于貝葉斯網絡的項目質量風險管理過程VAN TRUONG LUU運用貝葉斯網絡對工程項目的時間風險進行了定量的研究，在他的研究里，展現(xiàn)了從風險因素的識別到貝葉斯網絡推理的兩個階段（定性分析階段和定量分析階段）和十個步驟7。EUNCHANG LEE在他的研究里運用前人研究風險管理的過程對大型項目的風險進行了研究8。本文參考EUNCHANG LEE研究模型，采用如圖3所示的基于貝葉斯網絡的項目質量風險研究過程，其研究過程如下：Setp1：質量風險定義和識別，需要把與質量相關的所有風險因素定義、分類，并從各種渠道（文獻閱讀，專家意見，與建設工程師及管理者訪談等渠道）找出重要風險因素；Setp2：對質量風險因素估值，需將上一步中的每項風險因素進行風險定量的度量，通過度量為進行貝葉斯網絡方法分析做好數(shù)據準備工作；Setp3：質量風險的貝葉斯網絡的構造和分析，在構造貝葉斯網絡結構前，通過專家討論給出風險因素的因果關系，根據風險因素的因果關系構造貝葉斯網絡，通過參數(shù)學習來計算貝葉斯網絡中的各個參數(shù)的取值；通過貝葉斯網絡敏感性分析和逆向推理，可以找出影響最大的因素，即關鍵風險因素。Setp4：對質量風險進行控制，通過第三步可以得到關鍵的風險因素，這些因素需要我們給予措施控制；Setp5：隨著項目的進展，有些風險因素被我們控制，那么這些風險因素的影響會改變，我們可以重新構造貝葉斯網絡對風險進行再評估。對質量風險因素估值質量風險定義和識別質量風險的貝葉斯網絡的構造和分析并分析對質量風險進行控制對質量風險再評估圖3 基于貝葉斯網絡的項目質量風險研究過程三、京滬高速鐵路建設項目的質量風險分析（一）風險因素的識別為了研究京滬高速鐵路建設的質量風險因素，課題研究組翻閱了大量國內外文獻資料5 12 王振強, 劉玉杰, 于九如. SCERT在大型工程項目風險分析與管理中的應用研究J. 中國軟科學, 2002, 7: 105-108.13 VIVIAN W. Y. TAMA, L.Y. SHEN, C.M. TAM, WILLY W.S. PANG. Investigating the intentional quality risks in public foundation projects: A Hong Kong study J. Building and Environment , 2007, 42: 330343.聯(lián)系方式：聯(lián)系電話13880471892 ；E-mail： ，。地址：四川省成都市二環(huán)路北一段111號西南交通大學 經濟管理學院，周國華（收），郵編：6100312-13，首先按各建設參與方列出了高速鐵路建設的質量風險因素和風險事件清單，經過專家討論，選出其中的關鍵38項風險因素設計成問卷對京滬高速鐵路建設各方進行問卷調研，問卷包括兩部分內容，第一部分是被調研者的基本信息，第二部分為問卷主體部分，詢問風險因素對質量造成的損失的程度及其發(fā)生的可能性，每項采用5級量綱（從1至5程度依次增加）。參與京滬高速鐵路建設單位均是全國工程建設的資質優(yōu)秀的建設單位，同時參建的人員又是從各建設單位選拔出的優(yōu)秀人才，都具有豐富的工程建設和管理經驗，課題研究組在京滬高速鐵路指揮部和施工現(xiàn)場進行實地調研，被調研的對象有工程技術專家、質量安全管理者、項目經理、咨詢專家等，課題研究組共發(fā)出問卷90份問卷，收回有效問卷50份，在收回的問卷中，僅有一份問卷的填寫者是女性，被調研者情況如表2所示。表2 被調查者情況表在京滬高速中角色數(shù)量百分比相關工作經驗數(shù)量百分比工程施工2040%1-5年1020%咨詢714%5-10年918%建設指揮48%10-15年1428%工程實驗714%15-20年510%設計612%20年以上1224%監(jiān)理612%共計50100%50100%（二）質量風險的估值在這一階段，運用上部分問卷中的風險因素可能發(fā)生的概率和對質量造成的危害的程度來度量風險等級，通常的做法是用它損失程度和出現(xiàn)概率的乘積來表示，即：風險等級 = 損失程度 出現(xiàn)概率本文參考EUNCHANG LEE8研究，用如圖4所示的風險等級矩陣對收集到的數(shù)據進行風險等級規(guī)范化處理。圖4 風險等級矩陣（注：R1：低風險等級；R2：中等級風險；R3：高風險等級）通過規(guī)范化處理后，所有的風險因素都以R1，R2和R3來衡量，統(tǒng)計其在每項風險因素中所占百分比，提取其中R3百分比最高的因素，結合專家意見對這些風險因素進行修正，最后選取12項主要的關鍵風險因素來進行貝葉斯網絡的構造。表3為影響京滬高速鐵路建設質量的12個關鍵風險因素及其統(tǒng)計結果。表3 京滬高速鐵路建設質量關鍵風險因素編號風險名稱統(tǒng)計結果（%）R1R2R3X22施工方所使用材料質量不符合要求225622X34項目各參與方之間的信息傳遞不及時，溝通成問題206218X17監(jiān)理工程師執(zhí)行不力305018X19工期緊迫（為趕工期而忽視工程質量）28216X33缺乏對勞務人員崗前技術培訓305614X29勞務工人施工水平低劣365014X16監(jiān)理工程師業(yè)務能力低下187012X13建設所需的設備材料供應商信譽差（可能違約或履約不力）206812X30施工單位人員流動頻繁206812X32施工單位對自身工人技術培訓不足345412X24專業(yè)技術人才和管理人才短缺404812X31勞務工人更換頻繁306010（注：編號為在設計問卷時的編號）（三）京滬高速鐵路建設質量風險貝葉斯網絡的構造和分析根據表3中的風險因素，課題研究組和專家又進行了討論，結合專家的意見，明確了幾組風險因素的因果關系：X13.建設所需的設備材料供應商信譽差（可能違約或履約不力）X22. 施工方所使用材料質量不符合要求；X33.缺乏對勞務人員崗前技術培訓 X29.勞務工人施工水平低劣；X31勞務工人更換頻繁 X33.缺乏對勞務人員崗前技術培訓；X30. 施工單位人員流動頻繁 X32. 施工單位對自身工人技術培訓不足；借助貝葉斯網絡分析軟件GeNIeVer.2.0構建京滬高速鐵路建設質量風險的貝葉斯網絡，其網絡結構如圖5所示。圖5 京滬高速鐵路質量風險貝葉斯網絡（注：R代表京滬高速鐵路建設的質量風險）貝葉斯網絡模型構建好以后，需通過數(shù)據分析來確定網絡中參數(shù)，這就是貝葉斯網參數(shù)學習（parameter learning）。參數(shù)學習常采用的方法有最大似然估計（maximum likelihood estimation）和基于貝葉斯統(tǒng)計的估計（Bayesian estimation），最大似然估計將參數(shù)視為一個未知但固定的量，不考慮先驗知識的影響；而基于貝葉斯統(tǒng)計的估計視參數(shù)為一個隨機變量，可以利用先驗知識10。GeNIeVer.2.0提供了從數(shù)據庫或文件導入數(shù)據并進行參數(shù)學習的功能，我們首先在GeNIeVer.2.0中打開已建立好的貝葉斯網絡，再導入數(shù)據，對節(jié)點取值進行匹配，然后就可以進行參數(shù)學習。課題研究組和專家對這些參數(shù)進行再一次檢查，并進行局部的數(shù)據修整。敏感性分析能夠計算每個變量對其他變量分布的影響程度。通過敏感性分析，能夠幫助決策者做出正確的決策，以積極主動的措施應對敏感性風險因素，以避免京滬高速鐵路建設質量出現(xiàn)問題。圖6 為京滬高速鐵路建設質量風險貝葉斯網絡在GeNIeVer.2.0中進行敏感性分析的結果。其中紅色節(jié)點表示敏感性因素。圖6 京滬高速鐵路質量風險在GeNIeVer.2.0敏感性分析從圖中，我們可以看到，X22和X33為該貝葉斯網絡的敏感性因素。即是施工方所使用材料質量不符合要求和缺乏對勞務人員崗前技術培訓為敏感性因素。由于建設所需的設備材料供應商信譽差（可能違約或履約不力）而導致施工方所使用材料質量不符合要求可能引起工程質量問題；而由于人員流動、缺乏培訓導致工程勞務工人施工水平低劣也會直接影響到工程的質量。設定R節(jié)點的狀態(tài)為R3，對貝葉斯網絡進行逆向推理，此時觀察R的幾個父節(jié)點取值（取前四項）：，?？梢哉f明在工程發(fā)生質量問題時，最可能的原因是施工方所使用材料質量不符合要求；監(jiān)理工程師執(zhí)行不力；項目各參與方之間的信息傳遞不及時，溝通成問題和工期緊迫（為趕工期而忽視工程質量），為此在京滬高速鐵路建設過程中要特別注意控制這些風險因素。（四）質量風險的控制對策針對以上分析，專家進行了深層次的探究，以下給出幾點專家對這些質量風險的分析及其控制對策：在京滬高速鐵路建設過程中的材料主要來源分為甲供材料和甲控材料。其中，甲供材料由京滬高速鐵路股份有限公司委托的專業(yè)物資供應商中鐵物資公司供