Professional Documents
Culture Documents
基于 BN-CPM 的工程进度风险因素相关性分析
刘俊艳
( 河海大学工程管理研究所,南京 210097)
摘 要: 影响工程进度的某些风险因素之间存在一定的相关 性,现 有 风 险 分 析 方 法 在 处 理 相 关 系 时 多 假 设 因 素 之 间 相
互独立或采用相关系数矩阵; 变量相互独立的假设与实际情况不相符,而相关系数矩阵赋值困难在一定程度 上 影 响 了 工
程进度风险分析的准确性。文章将贝叶斯网络引入工程进度风险分析中,建立 BN-CPM 模型,该模型将工 程 进 度 网 络 图
及影响工程进度的风险因素以贝叶斯网络的形式描述,并利 用 贝 叶 斯 网 络 推 理 功 能 推 算 工 程 活 动 风 险 因 素 之 间 的 相 关
性,同时分析工程进 度 风 险。 BN-CPM 模 型 为 管 理 者 提 供 了 一 个 较 好 的 计 算 风 险 因 素 相 关 性 、分 析 工 程 进 度 风 险 的
方法。
关键词: 工程进度; 风险分析; 贝叶斯网络; 相关性
中图分类号: 文献标识码: A
LIU Junyan
( Institute of Engineering Management,Hohai University,Nanjing 210097)
Abstract: Project scheduling depends on various risk factors, and they should be related by certain
relationships that are usually represented by a correlation matrix in the existing methods. The practical
difficulty is that,however,in some cases this matrix is too complicated to evaluate. This paper introduces a
new approach and develops a BN-CPM model that incorporates the project network and risk factors into a
Bayesain network for modeling uncertainty and relationship in project scheduling. Hence the new model can be
used for calculation of the correlation between risk factors and also for analysis of schedule risks. It is a useful
tool for managers to understand project risk factors and to improve their decision making.
Key words: scheduling; risk analysis; bayesian network; correlation
0 引言
目前工程进度风险分析中,为提高风险分析的计算精度,学者们从分析风险因素 入 手,从 最 初 的 以 因 素 间 相
[1,2]
互独立为假设到研究因素之间的相关性,学者在 MCS 的基础上通过建立相关系数矩阵 的方式分析因素间的
相关性。但相关因素矩阵的元素的个数随相关不确定因素个数呈平方增长 ; 在缺少历史数据的情况下,要求项目
管理工程师较为精确地为成百上千个相关不确定因素矩阵的元素赋值 ,不论是工作量,还 是 工 作 难 度,均 是 不 可
思义的,这在一定程度上限制了相关系数矩阵的广泛应用。
文章将贝叶斯网络( BN) 与工程进度计划及影响进度的风险因素相结合,首先将工程进度网络图以贝叶 斯 网
络的形式表达,即建立 BN-CPM 模型,进而输入影响进度的风险因素,建立 BN-CPM 进度风险评价模型,该模型可
以定性的表达风险因素之间的相关性,并 利 用 概 率 定 量 分 析 相 关 性; 相 对 于 采 用 相 关 系 数 矩 阵 的 方 法 而 言 更 直
观,更简单、易操作。
1 BN-CPM 模型理论方法
BN-CPM 模型是以 BN 为理论方法基础。贝叶斯网络( BN) 是 1986 由 Pearl[3] 提出的,目前 BN 逐渐成为人工
[4 ,5]
智能 ,数据挖掘[6] 等领域处理不确定性问题的重要 方 法 之 一。在 工 程 风 险 管 理 领 域 贝 叶 斯 网 络 的 应 用 起 步
[7] [8]
较晚,文献 利用贝叶斯网络建立了工 程 风 险 管 理 模 型; 文 献 将 贝 叶 斯 网 络 推 理 理 论 应 用 于 工 程 进 度—成 本
[9]
风险管理中,文献 将贝叶斯网络应用于 分 析 风 险 因 素 间 的 非 叠 加 性 影 响 关 系,但 是 上 述 研 究 多 关 注 于 贝 叶 斯
网络算法本身的应用,只简单阐述了贝叶斯网络的计算原理,BN 的强大功能还有待进一步挖掘利用。
1. 1 BN 与 CPM 异同
BN 可从定性和定量两个层面来理解。在 定 性 层 面,它 用 一 个 有 向 无 圈 图 描 述 了 变 量 之 间 的 直 接 依 赖 和 独
立关系( 如图 1 所示) ,其中节点代表随机变量,节点间的边( 箭头) 代表变量间的直接依赖关系; 各个节点含有其
相应的状态,如表 1 所示,状态 11 表示节点 X 1 的第一个可能状态,状态 12 表示节点 X 1 的第二个可能状态。在定量
层面,BN 则用条件概率( 如表 1 所示) 分布刻画了变量对其父节点的依赖关系,各节点的概率分布一般是通过数
据分析获得的,有时也可以从问题的特性直接得到,有时也需通过专家咨询得到。
表1 X 3 的条件概率表
Table 1 Probabilities of X 3
X1 状态 11 状态 12
X2 状态 21 状态 22 状态 21 状态 22
状态 31 0. 0 0. 0 0. 0 0. 0
X3
状态 32 0. 0 0. 0 0. 0 0. 0
图1 BN 的计算原理
Fig. 1 An BN diagram
P( X 1 ,…,X i ) = ∏ P( X i | X 1 ,…,X i - 1 ) = ∏ P( X i | π( X i ) ) ( 1)
i=1 i=1
[10]
其中当 π( X i ) = 时,P( X i | π( X i ) ) 即是边缘分布 P( X i ) 。
利用贝叶斯网络可以容易地求解节点的后验概率。先验概率和后验概率是相对于某组证据而言的。设 X,Y
为两个随机变量,X = x 为某一假设,Y = y 为一组证据,在考虑证据 Y = y 之前,对事件 X = x 的概率估计 P( X
= x) 成为先验概率。而在考虑证据之后,对 X = x 的概率估计 P( X = x | Y = y) 成为后验概率。贝叶斯定理给
出了先验概率及后验概率之间的关系,即贝叶斯公式:
P( X = x,Y = y) P( X = x) P( Y = y | X = x)
P( X = x | Y = y) = = ( 2)
P( Y = y) P( Y = y)
式中 P( X = x,Y = y) 是 X = x ∧ Y = y 的联合概率; P( X = x) 为先验概率; P( X = x | Y = y) 是 A 的为后验
[10]
概率,且如果 X,Y 相互独立,则 P( X = x | Y = y) = P( X = x) ; P( Y = y | X = x) 为 A 的似然率 。
2 工程进度风险贝叶斯网络模型
2. 1 BN-CPM 模型
1. BN-CPM 定义及其元素
定义 1 工程进度计划以贝叶斯网络图的形式描述的网络图称为工程进度贝叶斯网络即 BN-CPM。
BN-CPM 并不是替代 CPM,它实际上是将 工 程 进 度 网 络 计 划 技 术 的 延 伸 与 扩 充。 BN-CPM 模 型 所 需 要 的 元
素主要包括( 如图 2 所示) :
第6期 刘俊艳: 基于 BN-CPM 的工程进度风险因素相关性分析 201
( 1) 工程活动集。BN-CPM 中 各 项 工 程 活 动 对 应 工 程 活 动 节
点集合 H = { Act 1 ,Act 2 ,…,Act i …,Act n } ,其中 Act i 表示工程活动。
如图 2,工程活动节点集合 H = { A,B,C,D,E,F } 。
( 2) 活动间关系。工程进度网络图本身按照施工逻辑关系确
定网络 结 构,故 BN-CPM 按 照 施 工 逻 辑 关 系 确 定 BN-CPM 网 络 的
根节点即活动开 始 节 点 Act 1 ,BN-CPM 的 父 节 点 集 合 即 活 动 的 紧
前工 作 集 π( Act i ) 及 BN-CPM 的 子 节 点 集 合 即 紧 后 工 作 集
{ Act i + 1 ,…,Act n } 以按照施工逻辑关 系 建 立 根 节 点、父 节 点 及 子 节 图2 BN-CPM 模型
Fig. 2 BN-CPM model
点之间的关系。如图 2,活动 A 为根节点,子节点集合为 { B,C,D,
E,F} ,父节点集合为 { A,B,C,D,E} 。
( 3) 工程活动的状态。在 BN-CPM 中,工程活动 的 状 态 不 再 是 工 程 活 动 的 ES,EF 等 确 定 值,而 是 其 可 能 持
续时间,本文用三角分布的三值来描述各工程活动的 可 能 持 续 时 间。如 图 2 中,活 动 A 最 小 持 续 时 间 为 A1 天,
最可能持续时间为 A2 天,最大持续时间为 A3 天,那么 Act i 的有 3 个状态,即 A1、A2、A3; 活动 B 也有相应的可能
持续时间,即 B1、B2、B3 等等。
( 4) 概率。每个活动节点的状态都有与之相 对 应 的 概 率,概 率 是 使 得 BN 网 络 能 够 处 理 不 确 定 性 的 最 关 键
数据,BN-CPM 所涉及的先验概率包含边缘概率及条件概率。根节点所赋的概率是边缘概率,非根节点所附的概
率是条件概率。条件概率及边缘概率可以通过数据分析获得,有时也可以从问题的特性获 得 或 直 接 通 过 咨 询 专
家获得。如图 2 所示,活动 A 的可能持续时间 A1、A2、A3 对应的概率为边缘概率,由三值估算活动; 而活动 B 的
条件概率表也如图 2 所示。
2. BN-CPM 建模步骤
BN-CPM 建模依据一般贝叶斯网络手动建模过程。首先确定 BN-CPM 模型的活动节点集合以及其各节点的
取值状态; 然后分析活动节点间的相互关系,进而确定 BN-CPM 模型的拓扑结构; 最后给出各 活 动 节 点 的 条 件 概
率。具体而言,BN-CPM 模型建模过程如下:
( 1) 第一步,确定工程项目的工作分解结构,即确定 BN-CPM 的活动节点,H = { Act 1 ,Act 2 ,…,Act i …,Act n } 。
( 2) 第二步,确定 BN-CPM 网络的根节点、父节点集 π( Act i ) 及 BN-CPM 的子节点集 { Act 1 ,Act 2 ,…,Act i - 1 } ,
进而按照施工逻辑关系绘制 BN-CPM 的拓扑图形。
( 3) 第三步,按 照 三 值 估 算 法 确 定 各 项 活 动 的 可 能 持 续 时 间,即 明 确 BN-CPM 活 动 节 点 相 应 状 态 及 概
率取值。
( 4) 第四步,进一步调整网络结构,确定各活动节点的条件概率。
2. 2 基于 BN-CPM 的工程进度风险模型
1. 工程进度风险贝叶斯网络定义
建立 BN-CPM 模型的主要目的 是 进 行 风 险 因 素 相 关 性 分 析 并 对 工 程 进 度 风 险 进 行 分 析 。因 此 在 原 有 BN-
CPM 模型的基础上加入进度风险因素节点,进而建立工程进度风险贝叶斯网络。
定义 2 工程进度计划及影响工程进度的风险因素以贝叶斯网络图的形式描述的网络图称为工程进度风 险
贝叶斯网络。
如图 3 所示,工程进度风险贝叶斯网络分为两层贝叶斯网络,一层是进度 贝 叶 斯 网 络 即 BN-CPM 模 型,一 层
是风险因素贝叶斯网络。具体分析,基于 BN-CPM 的工程进度风险分析模型的主要组成如下:
( 1) BN-CPM 模型。工程进度风险贝叶斯网络是 在 原 有 进 度
贝叶斯网络的基础上 加 入 风 险 因 素 贝 叶 斯 网 络,故 BN-CPM 模 型
是工程进度风险分析的基础部分。
( 2) 风险因素。风险因素贝叶斯网络是工程进度风险贝叶斯
网络的第二个 主 要 组 成 部 分。 影 响 工 程 进 度 的 风 险 因 素 节 点 集
Risks = { R1 ,R 2 ,…,R i …,R n } 的选 择 不 是 本 文 研 究 重 点,此 处 不
多赘述。如图,
3 中,阴影方框节点部分便表示 工 程 进 度 风 险 因 素 图3 工程进度风险贝叶斯网络模型
( 3) 风险因素间关系。根据风险因素节点间的因果关系确定风险因素贝叶斯网络层中风险因素节点的父节
点集 π( R i ) 、子节点集 { R i + 1 ,…,R n } 以建立风险因素父节点及子节点之间的关联。如图 3 中,风险因素 R 1 是活
动节点 A、B 的父节点同时也是风险因素节点 R 2 的父节点,而 R 2 是 R 1 的子节点同时也是活动节点 D 的父节点。
( 4) 风险因素节点相应参数。风险因素节点包含的参
数同样为节点状态及相应状态概率,如图 3 中 R 1 所示。工 表2 工程进度风险贝叶斯网络节点 A 条件概率表
分析获得也可以根据问题的特性咨询专家获得。加入风险 R1 R 11 R 12 R 13
因素后,活动 节 点 的 条 件 概 率 发 生 了 变 化,如 在 风 险 因 素 FA 1 ? ? ? ? ? ? ? ? ?
R 1 左右下,活动节点 A 的条件概率表见表 2 所示。 活动 A ? ? ? ? ? ? ? ? ? ?
2. 工程进度风险贝叶斯网络的建立 FA n ? ? ? ? ? ? ? ? ?
工程进度风险贝叶斯网络建模仍然依据一般贝叶斯网
络手动建模过程。首先确定 BN-CPM 模型; 其次分析影响工程活动进度的风险因素,并确 定 风 险 因 素 节 点 集; 分
析风险因素节点间的相互关系,及风险因素与工程活动节点间的关系,进而确定工程进度风险你贝叶斯网络的拓
扑结构; 最后给出各风险因素节点的边缘概率及活动节点的条件概率 。具体而言,工程进度风险贝叶斯网络建模
过程如下:
( 1) 第一步,建立 BN-CPM 模型。
( 2) 第二步,确定工程进度风险因素集 Risks = { R1 ,R 2 ,…,R i …,R n } ,进而按照因果关系确定风险因素之间
或者风险因素对工程活动的影响关系,在 BN-CPM 模型基础上绘制风险因素贝叶斯网络的拓扑图形。
( 3) 第三步,根据各风险因素的特性,依据历史记录 / 数据或咨询专家确定各风险因素的参数,即风险因素状
态及其相应概率。
( 4) 第四步,进一步调整网络结构,确定活动节点在风险因素影响下的条件概率。
3 工程进度风险因素间相关性分析
基于 BN-CPM 的工程进度风险模型建立过程容易操作,节点间的相关性可以通过直观的加 / 减节点边即“箭
头”来实现,相对于利用相关系数矩阵来描述相关性更加清晰、简单; 且通过概率推理计算相关性,较相关系数矩
阵的计算更加容易实现。
以活动“A”为例,选择“环境”与“劳 动 效 率 ”做 为 其 风 险 因 素。各 风 险 因 素、活 动“A”可 能 存 在 的 状 态 及 先
验概率、条件概率由专家给出,如图 4 及表 3 所示。分析工程进度风险因素间的相关性步骤如下:
表3 活动 A 的条件概率表
Table 3 Probabilities of activity A
under the correlated risks
环境( E) 好 差
劳动效率 ( LE) 高( H) 低( L) 高( H) 低( L)
图4 风险因素相关上下工程进度贝
5 / ( 天) 0. 78 0. 27 0. 39 0
叶斯网络算例示意图
A 10 / ( 天) 0. 22 0. 52 0. 41 0. 32
Fig. 4 Diagram of the project schedule
15 / ( 天) 0 0. 21 0. 3 0. 68
under the correlated risks
第一步,假设风险因素“天气”除了影响工程活 动 外,也 会 影 响
“劳动效率 ”,即“天 气 ”与“劳 动 效 率 ”有 相 关 性,因 此 在 变 量“天
气”及变量“劳动效率”之间建加入连接边,就简单直观的建立了天
气与劳动效率间的相关性( 如图 5 所示) 。劳动效 率 在 天 气 的 影 响
下的条件概率表见图 4,活 动 A 的 条 件 概 率 表 数 据 如 表 3 所 示,在
工程量一定条件下,工程活动 A 在好环境及高 劳 动 效 率 的 条 件 下,
图5 风险因素不相关下工程进度贝叶
其可持续时间为 5 天的概率为 78% 。风险因素相关性下 对 工 程 活
斯网络算例示意图
动进度的影响如下。 Fig. 5 BN diagram of the project
利用公式( 1) ,( 2) 计算劳动效率后验概率如下: schedule under the indepent risks
第6期 刘俊艳: 基于 BN-CPM 的工程进度风险因素相关性分析 203
4 结论
文章在 BN-CPM 模型的基础上对工程进度风险因素相关性进行了分析,并在算例中对 工 程 活 动 完 工 概 率 进
行了推算。通过 BN-CPM 模型的应用可以看出,BN-CPM 模 型 为 研 究 工 程 进 度 风 险 因 素 相 关 性 提 供 了 简 单 易 行
的分析平台,也使得工程进度网络图具有了处理不确定性的功能,为操作者提供了更多的参考信息。
参考文献: