運用營建資源因子建構工程進度預測模式之研究

A Resource-based Grey Prediction Model for Construction Progress Management

陳瑞君(Jui-Chun Chen)

指導教授 ： 曾惠斌

國立臺灣大學/工學院/土木工程學研究所/碩士(2011年)

https://doi.org/10.6342/NTU.2011.02434

摘要

工程實務應用上，經常使用進度曲線作為專案規劃與進度管控工具。然而，可能由於規劃者經驗與審查者觀念上之差異，產生不同的預定進度曲線，加上氣候、地形或施工方法等因素，皆可能使工程進度發展產生許多變數，降低預定進度曲線對真實進度警示與管控效果，難以達到進度管控之目標。此外，目前實務普遍使用預算經費計算法進行工程進度計算，雖於應用上較為具體與簡便，但僅以各項工作所需經費作為估算工程進度之依據，而未詳細考量實際專案執行過程與發展情形，對整體進度管控與預測效果可能有限。又常見之預測方法包含時間序列分析和迴歸分析等，經常需要大量歷史資料或樣本數才得以建模；然而過多歷史資料卻容易在預測過程中產生雜訊，降低預測準確性。
為了有效反應工程專案真實狀況與其獨特性，本研究考量工程實際執行時資源投入與配置情形，依據文獻回顧及工程實務應用情形，採用估驗計價金額、實際支出金額、人力、機具與材料等五項營建資源要素，作為實際進度曲線管控依據。並結合灰色預測模型所需訊息少且可及時修正模型特性，建構以資源為基礎之多變數進度預測模型，達到對工程進度即時有效之管控目標。經實際案例預測結果顯示，五項資源因子對不同工程案例之進度各有其影響。然而，在進一步調整輸入方式建構之二次累加GM(1,6)動態灰色預測模型，其整體預測成效較原始模型明顯提升，平均精度達90%之高準確預測標準；另外，當延長預測範圍至後三期時，準確率普遍符合80%之良好預測範圍；其中，又以四點滾動方式之模型可靠度與適用性最高。故本研究考量多項營建資源因子，並運用二次累加方式建構之多變數動態灰色預測模型GM(1,6)，可作為承包商在工程執行階段一項簡易、方便、快速且有效之進度管控工具。

關鍵字

工程進度 ； 營建資源因子 ； 進度曲線 ； 灰色預測 ； 二次累加模型

並列摘要

Progress controlling is significant for project managers in construction industries. Accurate prediction of project progress not only helps managers monitor a project immediately but helps contractors reduce the risk of higher overhead costs. This thesis presented a resource-based approach which combines the second-cumulative grey dynamic prediction model for forecasting project progress during the construction phase.
First, we built the improved GM(1,2) prediction model of second-cumulative approach and forecasted progress individually using the five resource factors of obtained cost (the amount received from the owner), actual cost (the amount expended by the contractor), human, machine and material. The result of six cases showed the five factors affected progress prediction and it would be a forecast basis of the multivariate grey prediction model of GM(1,n). Then, we used the the five resource factors to built the second-cumulative GM(1,6) prediction model to establish the prediction performance of project progress. The mean error percentage of cumulative progress prediction within 10% demonstrated that the proposed approach was able to accurately forecast project progress. Finally, we further extend the forecast range. When extended to the term three, the forcasting still within 80%.
In short, this approach of the resource-based and the second-cumulative approach GM(1,6) dynamic prediction model is effective, simple and stable and it is believed to be a suitable tool for progress prediction in construction.

並列關鍵字

Construction project progress ； Resource factors ； S-Curve ； Grey theory ； Second-cumulative model

參考文獻

12.行政院公共工程委員會，(2004)，「政府採購爭議處理事件案源及問題類型分析」，行政院公共工程委員會。

17.閻克勤等，(2005)，「海岸濕地永續管理之績效標準準則建立之研究：以灰色關聯分析應用在指標之選擇」，都市與計劃，32卷，4期，第421-441頁。

22.湯雁鈞，(2006)，「工程專案變更設計進度曲線預測模式之研究」，國立台灣大學土木工程學研究所，碩士論文。

46.陳冠竹，(2005)，「高速公路旅行時間灰色預測模式之研究」，國立台灣大學土木工程學研究所，碩士論文。

16.陳木村、陳春盛，(2010)，「工地進度管理執行現況與進度及成本績效之探討─桃竹苗地區」，工業安全衛生月刊，3月，第15-31頁。