پیش‌بینی هزینه در پروژه‌های ساخت با روش استدلال مبتنی بر مورد امید عظمتی چکیده پیش‌بینی هزینه در مراحل اولیه یک پروژه عاملی مهم در تعیین ابعاد و خصوصیات پروژه با درنظرگرفتن منابع مالی موجود برای کارفرمایان و استراتژی شرکت در مناقصات برای پیمانکاران می‌باشد. همچنین پیش‌بینی هزینه یکی از پارامترهای مهم در موفقیت نهایی […]
امید عظمتی
چکیده
پیش‌بینی هزینه در مراحل اولیه یک پروژه عاملی مهم در تعیین ابعاد و خصوصیات پروژه با درنظرگرفتن منابع مالی موجود برای کارفرمایان و استراتژی شرکت در مناقصات برای پیمانکاران می‌باشد. همچنین پیش‌بینی هزینه یکی از پارامترهای مهم در موفقیت نهایی پروژه می‌باشد و تأثیر چشمگیری در مراحل مختلف اجرای پروژه دارد. روش‌های سنتی و متداول پیشین در پیش‌بینی هزینه دارای دقت و کارایی مطلوبی نمی‌باشند. دراین مقاله یک مدل پیش‌بینی هزینه با استفاده از روش استدلال مبتنی برموردCBR ارایه شده است. این روش با استفاده از اطلاعات پروژه‌های پیشین و شناسایی ویژگی‌های مؤثر بر هزینه به پیش‌بینی هزینه پروژه‌های جدید با دقت بالا در مراحل اولیه پروژه و قبل از طراحی تفصیلی می‌پردازد نتایج حاصل از پیاده‌سازی مدل پیشنهادی بر روی پروژه‌های ساختمانی در حال اجرای دانشگاه پیام نور در سراسر کشور مؤید دقت بالا و توانایی این مدل درپیش‌بینی دقیق هزینه درمراحل اولیه پروژه می‌باشد.
مقدمه
پیش‌بینی هزینه یکی از عوامل مهم در موفقیت یک پروژه محسوب می‌شود و تأثیر چشمگیری در مراحل مختلف یک پروژه از قبیل تخصیص بودجه، برنامه‌ریزی، طراحی مهندسی، مدیریت مالی، ساخت و همچنین استراتژی شرکت در مناقصات دارد. با داشتن تقریبی مناسب از هزینه پروژه‌ها در مراحل امکان‌سنجی می‌توان سیاست مناسبی را در تعریف ابعاد و سایر خصوصیات پروژه‌ها با درنظر گرفتن منابع مالی موجود پیش گرفت.
در گذشته پیش‌بینی هزینه به‌طور گسترده‌ای با روش‌های سنتی انجام می‌گرفت که دارای دقتی پایین در پیش‌بینی بود. با ظهور تکنولوژی پیشرفته کامپیوتری، روش تحلیل رگرسیون، شبکه‌های عصبی و استدلال مبتنی بر مورد، برای افزایش دقت روش‌های پیش‌بینی هزینه به‌کار گرفته شد. در تحقیقی که ۳ روش مذکور، در مدل‌های پیش‌بینی هزینه ساخت با یکدیگر مقایسه شدند روش CBR به عنوان روش برتر توصیه گردید.
برای استفاده از روش CBR در پیش‌بینی هزینه‌ها نخستین گام شناسایی ویژگی‌های مژثر بر هزینه پروژه می‌باشد. در تحقیقات پیشین که در خصوص پیش‌بینی هزینه پروژه‌های ساخت با روش CBR انجام پذیرفته است روش‌های متفاوتی برای تعیین وزن(میزان تأثیر) هر ویژگی بر هزینه، در ساختار مدل استفاده شده است. این تحقیق در نظر دارد با ترکیب الگوریتم ژنتیک در ساختار CBR وزن بهینه هر ویژگی را در پیش‌بینی هزینه محاسبه کند. درنهایت مدلی براساس CBR توسعه یافته با الگوریتم ژنتیک ارایه می‌شود که قابلیت پیش‌بینی هزینه محاسبه کند. در نهایت مدلی براساس CBR توسعه یافته با الگوریتم ژنتیک ارایه می‌شود که قابلیت پیش‌بینی هزینه پروژه‌های ساخت را در مراحل اولیه پروژه و قبل از طراحی تفصیلی دارا می‌باشد.
نتایج حاصل از این تحقیق برای بخش‌های دولتی و خصوصی فعال در زمینه صنعت ساخت مفید و ارزشمند می‌باشد. مطالعه موردی این تحقیق پروژه‌های ساختمانی دانشگاه پیام نور سراسر کشور می‌باشد.
در گذشته پیش‌بینی هزینه با روش‌های سنتی(هزینه هر متر مربع و…) به‌طور گسترده‌ای مورد استفاده قرار می‌گرفت. از معایب روش‌های سنتی، دقت پایین در پیش‌بینی هزینه و عدم کارایی در پرداختن به تغییرات اطلاعات در پروژه‌ها را می‌توان نام برد. با ظهور تکنولوژی پیشرفته کامپیوتر، روش‌های تحلیل رگرسیون، شبکه‌های عصبی و استدلال مبتنی بر مورد، برای افزایش دقت در روش‌های پیش‌بینی هزینه به‌کار گرفته شد.
یکی از معایب مهم در روش تحلیل رگرسیون نیاز به روابط ریاضی معین برای تابع هزینه می‌باشد. استدلال مبتنی بر مورد و شبکه‌های عصبی روش‌هایی بر مبنای هوش مصنوعی می‌باشند که برتری آنها نسبت به روش تحلیل رگرسیون و روش‌های سنتی دیگر ثابت شده است. یکی از معایب روش شبکه‌های عصبی تعیین بهینه‌ای از پارامترهای اجرای مدل می‌باشد. همچنین این روش یک تکنیک آموزشی پوشیده می‌باشد که از فرایندی غیرشفاف تبعیت می‌کند که هیچ توضیحی را در فرایند تحلیل برای کاربر فراهم نمی‌کند.
اردیتی و توکدمیر(۱۹۹۹) در تحقیقی که برای پیش‌بینی نتایج دعاوی انجام دادند، دریافتند که استدلال مبتنی بر مورد در هنگام به روز شدن با نمونه‌های جدید، دارای انعطاف بیش‌تری نسبت به شبکه‌های عصبی می‌باشد. در تحقیقی دیگر، پردازش اطلاعات با شفافیت بیشتر در توضیح نتایج تحلیل، از مزیت‌های استدلال مبتنی بر مورد نسبت به شبکه‌های عصبی نام برده شده است. در تحقیقی دیگر که ۳ روش تحلیل رگرسیون، شبکه‌های عصبی و استدلال مبتنی بر مورد را در مدل‌های پیش‌بینی هزینه با یکدیگر مقایسه کرد، روش استدلال مبتنی بر مورد به عنوان روش برتر توصیه شد.
در زمینه صنعت ساخت، تحقیقاتی در مورد سیستم پشتیبان تصمیم‌گیری، برنامه‌ریزی و زمان‌بندی، شناسایی ایمنی خطرات، پیش‌بینی نتایج دعاوی و… با استفاده از روش استدلال مبتنی بر مورد انجام شده است. در خصوص پیش‌بینی هزینه پروژه‌های ساخت با روش استدلال مبتنی بر مورد تحقیقات زیادی انجام پذیرفته است که مواردی از آن اشاره خواهد شد.
دوگان و اردیتی (۲۰۰۶) مدل براساس استدلال مبتنی را برای پیش‌بینی اولیه هزینه سیستم‌های سازه‌ای پروژه‌های ساختمانی ارایه کردند. آنها در این مدل تأثیر ۳روش بهینه‌سازی شمارشگر اسمی ویژگیها، گرادیان نزولی و الگوریتم ژنتیک را در فرایند تولید وزن ویژگی‌های مؤثر بر هزینه آزمایش کردند و روش الگوریتم ژنتیک را به عنوان روش برتر معرفی کردند. مجددا دوگان و اردیتی در تحقیقی مشابه با تحقیق قبلی، کاربرد درخت تصمیم‌گیری را در تعیین وزن ویژگی‌های مؤثر بر هزینه آزمایش کردند و مدلی را بر این اساس ارایه دادند. آن و همکاران(۲۰۰۷) در مدلی که برای پیش‌بینی هزینه ارایه کردند، از فرایند تحلیل سلسله مراتبی برای تعیین وزن ویژگی‌های تأثیرگذار بر هزینه پروژه در ساختار استدلال مبتنی بر مورد و الگوریتم ژنتیک ارایه دادند.
روش انجام تحقیق
در این تحقیق پروژه‌های ساختمانی دانشگاه پیام نور مورد مطالعه قرار گرفته است. این پروژه‌ها ساختمان‌های دانشکده‌های در حال اجرای آن دانشگاه در سراسر کشور می‌باشد که دارای کاربری آموزشی و اداری بوده و در سال‌های ۸۹ در استان‌های مختلف اجرا شده‌اند.
شناسایی ویژگی‌های مؤثر بر هزینه
برای پیش‌بینی پروژه با روش CBR، می‌بایست ویژگی‌هایی از پروژه که بر هزینه آن تأثیرگذار است شناسایی شوند. همچنین مقادیر این ویژگیها باید در پروژه‌های مورد بررسی متفاوت باشند. ویژگی‌هایی که مقادیر آن در پروژه‌های مورد بررسی یکسان باشند، هرچند که بر هزینه تأثیرگذار باشند لیکن تأثیری در پیش‌بینی هزینه نخواهند داشت و می‌بایست حذف گردند. این ویژگی‌هایی که مقادیر آن در پروژه‌های مورد بررسی یکسان باشند، هرچند که بر هزینه تأثیرگذار باشند لیکن تأثیری در پیش‌بینی هزینه نخواهند داشت و می‌بایست حذف شوند. این ویژگیها متناسب با نوع پروژه‌ها متفاوت می‌باشد. باتوجه به این‌که پیش‌بینی هزینه در مراحل اولیه و قبل از طراحی تفصیلی مدنظر است، آن دست از ویژگیها می‌بایست تعیین شوند که در مراحل اولیه پروژه و قبل از طراحی تفصیلی قابل شناسایی باشند.
در پروژه مورد مطالعه در این تحقیق با تهیه پرسشنامه‌ای براساس تحقیقات پیشین که در آن ویژگی‌های موثر بر هزینه پروژه‌ها شناسایی شده بود و مصاحبه با متخصصین در صنعت ساخت و همچنین کارشناسان عمرانی در دانشگاه پیام نور، ویژگی‌های موثر بر هزینه پروژه‌ها شناسایی شد. این ویژگیها شامل ویژگی‌های کمی(عددی) و ویژگی‌های متنی می‌باشند که در جدول شماره ۱ ارایه شده است. ویژگی‌های متنی ویژگی‌هایی هستند که با کلمات بیان می‌شوند، مانند پهنه لرزه‌خیزی که می‌تواند با خطر نسبی کم، متوسط، زیاد یا خیلی زیاد باشد.
شماره
ویژگی‌های مؤثر بر هزینه
نوع ویژگی
۱
مساحت کل طبقات
کمی
۲
تعداد طبقات
۳
موقعیت جغرافیایی
۴
پهنه لرزه خیزی
متنی
۵
سیستم گرمایش و سرمایش
استدلال مبتنی بر مورد (CBR)
استدلال مبتنی بر مورد فرایندی است که در آن مسایل جدید با استفاده از راه‌حل‌های مشابه پیشین حل می‌گردد. در این فرایند پایگاه داده‌ای(پایگاه مورد) از مسایل حل شده پیشین تشکیل می‌شود و پس از برخورد با مسأله‌ای جدید، مسایل مشابه با آن از پایگاه مورد، ارزیابی می‌شود و مسأله جدید با استفاده از راه‌حل مسایل مشابه پیشین حل می‌شود. سپس مسأله جدید و راه‌حل آن برای حل مسایل دیگر در آینده، در پایگاه داده‌ها ذخیره می‌شود. یک مورد عبارت است از یک مسأله یا تجربه در گذشته و راه‌حل آن و پایگاه مورد شامل حافظه‌ای از موارد ذخیره شده پیشین می‌باشد. فرایند استدلال مبتنی بر مورد به‌طورکلی از ۴ بخش مطابق شکل شماره ۱ تشکیل می‌شود.
شکل۱- مراحل مختلف کار در فرایند استدلال مبتنی بر مورد
الگوریتم ژنتیک
الگوریتم ژنتیک روشی است که با الهام از فرایند تکامل در طبیعت به جستجوی راه‌حل بهینه در فضای مسأله می‌پردازد که در سال ۱۹۷۵ توسط هولند پیشنهاد شد. در این روش راه‌حل‌‌ها به فرمی با نام کروموزوم تبدیل می‌شوند و الگوریتم با تشکیل جمعتی ابتدایی(نسل اول) که از کروموزوم‌‌ها تشکیل شده آغاز می‌شود. کروموزوم‌‌ها از رشته‌ای از بیت‌‌ها با نام ژن تشکیل می‌شود. سپس براساس ۳عملیات انتخاب طبیعی، تلفیق و جهش محاسبات روی جمعیت نسل اول صورت گرفته و باتوجه به تابع هدف مناسب، بهترین راه‌حل (کرومزوم)ها انتخاب می‌شوند، راه‌حل‌های انتخاب شده به نسل بعد منتقل شده و جمعیت نسل جدید را تشکیل می‌دهند. این فرایند با تشکیل نسل‌های بعدی تا رسیدن به بهترین راه‌حل تعریف شده برای الگوریتم تکرار می‌شود.
شکل۲- فرایند الگوریتم ژنتیک
محققان زیادی برای تعیین ویژگیها در ساختار استدلال مبتنی بر مورد از الگوریتم ژنتیک استفاده کرده‌اند که نتایج بسیار خوبی را به همراه داشته است. در این تحقیق برای تعیین ویژگی‌های موثر بر هزینه پروژه‌های ساخت از الگوریتم ژنتیک استفاده می‌گردد.
فرایند و مدل پیش‌بینی هزینه
۱- سازمان‌دهی اطلاعات: باتوجه به تعیین ویژگی‌های موثر بر هزینه به وسیله تهیه پرسشنامه و مصاحبه با متخصصین مربوطه، ویژگی‌های مرتبط با هر پروژه و همچنین هزینه ساخت از پروژه‌های ساختمانی دانشگاه پیام نور استخراج گردید. برای انتخاب موردهای آزمایش، پروژه‌ها بر حسب مساحت به صورت صعودی مرتب و شماره‌گذاری شدند؛ سپس شماره‌های مضرب ۷ به عنوان موردهای آزمایشی انتخاب شدند. یکی از عوامل موثر بر دقت خروجی مدل تعداد پروژه‌های مورد بررسی می‌باشد که این تعداد در این تحقیق کم بوده است.
۲- محاسبه درجه تشابه ویژگیها: برای تعیین میزان تشابه ویژگیها، از تابع تشابه ویژگیها استفاده می‌شود. میزان تشابه ویژگی‌های مورد آزمایشی نسبت به ویژگی‌های سایر موردهای آموزشی محاسبه می‌شود.
۳- محاسبه درجه تشابه بین موردها: میزان تشابه بین موردها با استفاده از درجه تشابه ویژگیها به دست می‌آید. برای وزن‌های مثبت و تشابهات نرمال شده، تشابه بین موردها همیشه بین ۰ و ۱ می‌باشد که مقدار ۱ نشان‌دهنده بیش‌ترین تشابه و مقدار ۰ نشان‌دهنده کم‌ترین تشابه می‌باشد.
۴- تعیین وزن ویژگیها: برای محاسبه وزن ویژگیها به وسیله الگوریتم ژنتیک، فرایند ذیل انجام می‌گیرد:
· درنظر گرفتن موردهای آموزش موجود در پایگاه مورد برای انجام محاسبات تعیین وزن ویژگیها
· استخراج یکی از موردهای آموزشی و در نظر گرفتن آن به عنوان مورد تست
· تعیین درجه تشابه بین مورد تست و سایر موردهای آموزشی (با درنظر گرفتن پیش فرض ۱ برای همه ویژگیها)
· استخراج یکی از موردهای آموزش و درنظر گرفتن آن به عنوان مورد تست
· تعیین درجه تشابه بین مورد تست و سایر موردهای آموزشی (با درنظر گرفتن وزن پیش‌فرض ۱ برای همه ویژگیها)
· بازیابی شبیه‌‌ترین مورد آموزشی به مورد تست
· انجام محاسبات الگوریتم ژنتیک برای بهینه‌سازی مقادیر وزنها به منظور ماکزیمم شدن درجه تشابه بین مورد تست و مورد بازیابی شده. تابع هدف در این الگوریتم تابعی است که در آن میزان تشابه مورد تست به موردهای آموزشی نزدیک‌‌ترین مقدار به ۱ باشد.
· ذخیره وزن‌های بهینه به دست آمده
· برگرداندن مورد تست به داخل پایگاه موردها و استخراج یکی دیگر از موردهای آموزشی به عنوان مورد تست
· انجام فرایندهای ذکر شده برای مورد تست جدید و به دست آوردن وزن‌های بهینه برای آن و سپس ذخیره وزنها. همه موردهای آموزشی می‌بایست یک بار به‌عنوان مورد تست در نظر گرفته شوند.
· میانگین‌گیری از وزن‌های بهینه به دست آمده برای هر مورد تست که حاصل آن وزن‌های بهینه شده و نهایی ویژگیها می‌باشد.
۵- محاسبه خروجی مدل و خطا: مقادیر تشابه بین هردو مورد آزمایشی و موارد آموزشی محاسبه می‌گردد و نهایتا شبیه‌‌ترین مورد آموزشی به مورد آزمایشی انتخاب می‌گردد. نهایتا خطای کل مدل با میانگین‌گیری از خطاهای موردهای آزمایشی محاسبه می‌گردد.
نتیجه‌گیری و ارایه پیشنهادات
برای پیش‌بینی هزینه پروژه‌های ساخت در این تحقیق از روش استدلال مبتنی بر مورد با الگوریتم ژنتیک ترکیب شده است، استفاده گردید. مطالعه موردی در این تحقیق پروژه‌های ساختمانی دانشگاه پیام نور بود که در سال ۱۳۸۹ در سراسر کشور اجرا گردیده‌اند. تعیین ویژگی‌های موثر بر هزینه پروژه‌ها، با تهیه پرسشنامه و مصاحبه با متخصصین صنعت ساخت و کارشناسان اداره کل عمرانی دانشگاه پیام نور انجام گردید. سپس اطلاعات پروژه‌ها که تعداد آن ۳۵ مورد بود باتوجه به ویژگی‌های شناسایی شده و هزینه ساخت هر پروژه سازمان‌دهی شده و تعداد ۵ مورد از پروژه‌ها به عنوان مورد آزمایشی و مابقی به عنوان موردهای آموزشی تعیین گردید. برای تعیین ویژگی‌های موثر بر هزینه پروژه، از الگوریتم ژنتیک استفاده شد. سپس میزان تشابه بین موردهای آزمایشی و موردهای آموزشی محاسبه شد و شبیه‌‌ترین مورد آموزشی به هر مورد آزمایشی شناسایی گردید. میزان خطای محاسبات باتوجه به اختلاف بین هزینه واقعی و هزینه محاسبه شده توسط مدل تعیین گردید. میزان خطای کل مدل ۸٫۱۳درصد به دست آمد که این نتیجه به‌عنوان تقریبی مناسب از هزینه پروژه‌های ساختمانی دانشگاه پیام نور، مورد تأیید کارشناسان مربوطه قرار گرفت.
مدل ارایه شده در این تحقیق ابزاری قدرتمند را برای پیش‌بینی هزینه پروژه‌ها در مراحل اولیه اجرای آنها ارایه می‌نماید. مدل پیشنهادی می‌تواند برای بخش‌های دولتی و خصوصی فعال در صنعت ساخت مفید و ارزشمند می‌باشد. همچنین محققین در آینده می‌توانند در جهت بهبود ساختار محاسباتی استدلال مبتنی بر مورد و پیاده‌سازی آن بر روی سایر پروژه‌های دیگر بررسی و تحقیق نمایند.
منبع: ارایه شده در هفتمین کنگره ملی مهندسی عمران
این مطلب بدون برچسب می باشد.
دیدگاه بسته شده است.