Luận văn thạc sĩ về dự báo chi phí xây dựng nhà xưởng và hạng mục phụ trợ bằng học máy

Luận văn thạc sĩ kỹ thuật nghiên cứu quản lý xây dựng dự báo chi phí xây dựng nhà xưởng và các hạng mục phụ trợ bằng các mô hình học máy, khảo sát thực trạng, phân tích nguyên

• Tác giả: Phạm Tấn Dũng
• Người hướng dẫn: PGS. Trần Đức Học
• Trường học: Đại học Bách Khoa - ĐHQG Tp. HCM
• Chuyên ngành: Quản Lý Xây Dựng
• Đề tài: Dự Báo Chi Phí Xây Dựng Nhà Xưởng Và Các Hạng Mục Phụ Trợ Bằng Các Mô Hình Học Máy
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2024
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT
• ABSTRACT
• LỜI CAM ĐOAN
• DANH MỤC HÌNH ẢNH
• DANH MỤC BẢNG BIỂU
• DANH MỤC CÁC TỪ VIẾT TẮT
• 1. CHƯƠNG I: TỔNG QUAN
• 1.1. Tính cấp thiết của đề tài
• 1.1.1. Tình hình ngành xây dựng hiện nay
• 1.1.2. Sự ra đời của trí tuệ nhân tạo, mô hình máy học (Machine Learning)
• 1.2. Mục tiêu nghiên cứu
• 1.3. Đối tượng nghiên cứu
• 1.4. Phạm vi nghiên cứu
• 2. CHƯƠNG II: CƠ SỞ LÝ THUYẾT
• 2.1. Support Vector Machine (SVM)
• 2.2. Mạng thần kinh nhân tạo (Artificial Neural Network - ANN)
• 2.3. Các hàm và phương pháp phổ biến trong Machine Learning
• 2.3.1. Hàm Kích Hoạt (Activation Functions)
• 2.3.2. Thuật toán Tối Ưu Hóa (Optimization Algorithm)
• 2.4. Các nghiên cứu trước đây sử dụng các thuật toán học máy trong dự báo chi phí xây dựng
• 3. CHƯƠNG III: QUY TRÌNH NGHIÊN CỨU
• 3.1. Phương pháp nghiên cứu
• 3.2. Thu thập dữ liệu
• 3.2.1. Thiết kế bảng câu hỏi
• 3.2.2. Kích thước và phương pháp lấy mẫu
• 3.3. Phân tích dữ liệu
• 3.3.1. Xử lý số liệu
• 3.3.2. Chạy mô hình
• 3.3.3. Đánh giá mô hình
• 4. CHƯƠNG IV: XỬ LÝ SỐ LIỆU
• 4.1. Phân tích thông tin đối tượng khảo sát
• 4.2. Phân tích số liệu thu thập
• 4.3. Dữ liệu đầu vào cho mô hình
• 4.3.1. Thu thập dữ liệu
• 4.3.2. Phân tích số liệu đã thu thập
• 4.3.3. Xử lý số liệu
• 4.4. Triển khai mô hình
• 5. CHƯƠNG V: KẾT QUẢ
• 5.1. So sánh các mô hình
• 5.2. Phân tích giá trị dự đoán và thực tế trên mô hình SVR
• 5.2.1. Biểu đồ Box plot
• 5.2.2. Biểu đồ Scatter plot
• 6. CHƯƠNG VI: KẾT LUẬN
• 6.1. Ý nghĩa của nghiên cứu
• 6.2. Hạn chế của nghiên cứu
• 6.3. Đề xuất hướng nghiên cứu tiếp theo
• CHƯƠNG VII: TÀI LIỆU THAM KHẢO
• PHỤ LỤC 1: BẢNG CÂU HỎI KHẢO SÁT
• PHỤ LỤC 2: DANH SÁCH CHUYÊN GIA
• PHỤ LỤC 3: BẢNG DỮ LIỆU ĐÃ CHUẨN HÓA VÀ KẾT QUẢ DỰ ĐOÁN CHI PHÍ VỚI MÔ HÌNH SVR
• LÝ LỊCH TRÍCH NGANG

Tóm tắt

I. Giới thiệu chung về Dự báo chi phí xây dựng nhà xưởng

Trong bối cảnh nhu cầu xây dựng nhà xưởng ngày càng tăng cao, việc dự báo chi phí trở nên cực kỳ quan trọng để đảm bảo tính khả thi và hiệu quả kinh tế của các dự án. Nghiên cứu này tập trung vào việc áp dụng các mô hình học máy để dự báo chi phí xây dựng nhà xưởng, từ đó giúp các nhà đầu tư và nhà thầu có cái nhìn tổng quan và chính xác hơn về chi phí. Theo nghiên cứu, sự chính xác trong dự toán chi phí không chỉ giúp ngăn ngừa tình trạng lệch pha giữa dự toán và thực tế, mà còn đảm bảo hiệu quả đầu tư và tối thiểu hóa rủi ro tài chính. Việc này đặc biệt quan trọng trong một thị trường cạnh tranh như Việt Nam, nơi mà xây dựng nhà xưởng là một phần không thể thiếu trong quá trình phát triển kinh tế.

1.1. Tình hình ngành xây dựng hiện nay

Ngành xây dựng Việt Nam đã có những bước phát triển mạnh mẽ trong thập kỷ qua, với nhiều dự án lớn được triển khai. Tuy nhiên, việc ước tính chi phí xây dựng vẫn còn nhiều thách thức. Theo Gwang Hee Kim và cộng sự (2013), dự báo chi phí không chỉ đơn giản là tính toán số liệu mà còn liên quan đến việc đánh giá các yếu tố ảnh hưởng như giá vật liệu, tiền công, và các rủi ro không lường trước. Sự chính xác trong dự toán chi phí là yếu tố quyết định đến thành công của mỗi dự án, đặc biệt là trong lĩnh vực xây dựng công nghiệp. Các nhà xưởng không chỉ cần tuân thủ quy định an toàn mà còn phải tối ưu hóa không gian và năng lượng, tạo ra nhu cầu lớn về dự báo chi phí chính xác và chuyên nghiệp.

II. Các phương pháp dự báo chi phí xây dựng nhà xưởng

Nghiên cứu này áp dụng nhiều phương pháp học máy khác nhau, bao gồm XGBOOST, Decision Tree, Random Forest và SVR (Support Vector Regression). Các mô hình này được chọn lựa dựa trên khả năng phân tích và dự đoán chính xác. Qua việc phân tích dữ liệu từ 150 công trình, nghiên cứu đã xác định 10 yếu tố đầu vào quan trọng như diện tích, kết cấu khung, và giá vật liệu. Việc sử dụng các mô hình học máy tiên tiến không chỉ giúp cải thiện độ chính xác trong dự báo chi phí, mà còn mở rộng khả năng tiếp cận và áp dụng công nghệ trong ngành xây dựng. Kết quả cho thấy SVR và XGBOOST là hai mô hình hiệu quả nhất trong việc dự báo chi phí xây dựng, mang lại độ chính xác cao hơn so với các phương pháp truyền thống.

2.1. Phân tích các yếu tố ảnh hưởng đến chi phí

Nghiên cứu đã chỉ ra rằng có nhiều yếu tố ảnh hưởng đến chi phí xây dựng nhà xưởng, bao gồm diện tích, loại vật liệu, và tiến độ thi công. Những yếu tố này không chỉ tác động đến dự toán chi phí mà còn ảnh hưởng đến sự thành công của dự án. Việc phân tích và đánh giá các yếu tố này là rất quan trọng để có được những dự báo chi phí chính xác. Các mô hình học máy cho phép khai thác và phân tích dữ liệu lớn một cách hiệu quả, giúp nhận diện các mối quan hệ phức tạp giữa các yếu tố và chi phí xây dựng. Điều này không chỉ giúp nâng cao độ chính xác của dự báo chi phí, mà còn hỗ trợ các nhà đầu tư trong việc lập kế hoạch tài chính một cách hiệu quả.

III. Kết luận và khuyến nghị

Nghiên cứu này đã chứng minh rằng việc áp dụng mô hình học máy trong dự báo chi phí xây dựng nhà xưởng mang lại nhiều lợi ích thiết thực. Các mô hình như SVR và XGBOOST không chỉ giúp tăng cường độ chính xác trong dự toán chi phí, mà còn mở ra hướng đi mới cho các nghiên cứu tiếp theo trong lĩnh vực này. Việc áp dụng công nghệ học máy trong ngành xây dựng không chỉ có thể cải thiện quy trình dự báo mà còn góp phần vào sự phát triển bền vững của ngành. Khuyến nghị cho các nhà đầu tư và nhà thầu là nên áp dụng các công nghệ tiên tiến trong dự báo chi phí để tối ưu hóa hiệu quả và giảm thiểu rủi ro tài chính.

3.1. Đề xuất hướng nghiên cứu tiếp theo

Tương lai của nghiên cứu trong lĩnh vực dự báo chi phí xây dựng có thể tập trung vào việc phát triển các mô hình học máy mới và cải tiến hơn nữa. Việc tích hợp dữ liệu từ nhiều nguồn khác nhau, bao gồm dữ liệu thời gian thực và dữ liệu lịch sử, có thể giúp nâng cao độ chính xác của dự báo chi phí. Ngoài ra, nghiên cứu cũng nên xem xét các yếu tố không lường trước có thể ảnh hưởng đến chi phí xây dựng, từ đó đưa ra các giải pháp hữu hiệu hơn cho ngành xây dựng.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh nền kinh tế Việt Nam đang đẩy mạnh công nghiệp hóa và hiện đại hóa, ngành xây dựng công nghiệp liên tục ghi nhận tốc độ tăng trưởng ấn tượng từ 8% đến 10% mỗi năm. Chi phí đầu tư xây dựng nhà xưởng và các hạng mục phụ trợ thường chiếm từ 70% đến 80% tổng vốn đầu tư ban đầu của một dự án sản xuất. Tuy nhiên, các phương pháp dự toán truyền thống dựa trên kinh nghiệm cá nhân hoặc tính toán thủ công theo đơn giá diện tích sàn và thể tích thường ghi nhận mức độ sai số dao động từ 15% đến 25%, dẫn đến rủi ro vượt ngân sách và chậm tiến độ thi công.

Vấn đề cốt lõi đặt ra là làm thế nào để nâng cao độ tin cậy và tốc độ ước lượng chi phí ngay từ giai đoạn chuẩn bị dự án khi dữ liệu thiết kế chi tiết chưa hoàn thiện. Luận văn thạc sĩ chuyên ngành Quản lý Xây dựng của tác giả Phạm Tấn Dũng tại Trường Đại học Bách Khoa – Đại học Quốc gia TP. Hồ Chí Minh đã giải quyết trọn vẹn thách thức này thông qua việc ứng dụng các mô hình học máy tiên tiến để dự báo chi phí xây dựng nhà xưởng và các công trình phụ trợ.

Mục tiêu cụ thể của nghiên cứu là nhận diện các yếu tố then chốt ảnh hưởng đến chi phí, thu thập dữ liệu thực tế, xây dựng và so sánh hiệu năng của bốn thuật toán học máy, từ đó xác định mô hình tối ưu nhất. Phạm vi nghiên cứu được thực hiện trong thời gian 6 tháng, tập trung vào tập dữ liệu gồm 150 công trình nhà xưởng và hạng mục phụ trợ tại khu vực kinh tế trọng điểm phía Nam gồm TP. Hồ Chí Minh và Bình Dương. Nghiên cứu mang ý nghĩa thực tiễn to lớn khi giúp giảm tỷ lệ sai số dự báo xuống dưới 10%, hỗ trợ tối ưu hóa 100% việc lập kế hoạch dòng tiền cho các chủ đầu tư và nhà thầu.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng lý thuyết quản lý chi phí dự án xây dựng và phương pháp phân tích chi phí phần tử theo chuẩn của tổ chức khảo sát hoàng gia Anh. Trong mô hình quản lý xây dựng hiện đại, chi phí xây dựng được cấu thành từ mối quan hệ phi tuyến phức tạp giữa quy mô công trình, điều kiện kỹ thuật và biến động thị trường vật liệu.

Về mặt công nghệ, nghiên cứu áp dụng lý thuyết học máy có giám sát cho bài toán hồi quy với bốn thuật toán tiêu biểu:

• Support Vector Regression: Thuật toán hồi quy vector hỗ trợ sử dụng hàm cơ sở hướng tâm để tìm kiếm siêu phẳng tối ưu hóa khoảng cách biên, giúp xử lý hiệu quả các mối quan hệ phi tuyến phức tạp.
• eXtreme Gradient Boosting: Thuật toán tăng cường độ dốc kết hợp chuỗi các cây quyết định tuần tự, tích hợp tham số điều chuẩn L1 và L2 nhằm hạn chế tối đa hiện tượng quá khớp.
• Random Forest: Thuật toán rừng ngẫu nhiên áp dụng kỹ thuật tổng hợp mẫu bootstrap để tạo ra tập hợp nhiều cây quyết định, nâng cao tính tổng quát hóa thông qua cơ chế bỏ phiếu trung bình.
• Decision Tree: Mô hình cây phân loại và hồi quy phân nhánh dữ liệu dựa trên các tiêu chí ngưỡng thuộc tính.

Các khái niệm then chốt bao gồm hàm mất mát sai số bình phương trung bình, sai số tuyệt đối trung bình, hệ số xác định và kỹ thuật chuẩn hóa dữ liệu Z-score.

Phương pháp nghiên cứu

Nghiên cứu triển khai phương pháp nghiên cứu định lượng kết hợp thu thập dữ liệu thứ cấp và khảo sát chuyên gia. Cỡ mẫu nghiên cứu gồm 150 dự án nhà xưởng thực tế được cung cấp bởi Công ty TNHH Xây dựng Thương mại Dịch vụ Hồng Tín và các đơn vị thi công uy tín tại TP. Hồ Chí Minh và Bình Dương. Phương pháp lấy mẫu có chủ đích được áp dụng nhằm đảm bảo các công trình có đầy đủ hồ sơ thiết kế, quyết toán chi phí và thông số kỹ thuật rõ ràng.

Quy trình phân tích dữ liệu được thực hiện chặt chẽ qua các bước:

1. Đánh giá độ tin cậy thang đo thông qua hệ số Cronbach's Alpha và phân tích tương quan biến tổng để thanh lọc biến nhiễu.
2. Tiền xử lý dữ liệu, làm sạch và chuẩn hóa các biến số liên tục bằng phương pháp Z-score.
3. Phân chia dữ liệu theo tỷ lệ chuẩn gồm tập huấn luyện để huấn luyện mô hình và tập kiểm tra độc lập để đánh giá độ chính xác.

Lý do lựa chọn phương pháp học máy là vì khả năng tự động học từ dữ liệu lịch sử, nắm bắt các tương tác phi tuyến tính phức tạp giữa 10 yếu tố đầu vào mà các mô hình hồi quy tuyến tính cổ điển không thể mô phỏng chính xác. Toàn bộ quy trình thu thập, xử lý và phân tích được hoàn thành trong chu kỳ 6 tháng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích thực nghiệm trên 150 công trình xây dựng nhà xưởng đã mang lại những phát hiện quan trọng:

Thứ nhất, kiểm định độ tin cậy Cronbach's Alpha đã sàng lọc thành công từ tập thuộc tính ban đầu để xác định chính xác 10 biến đầu vào có tác động trọng yếu nhất đến chi phí xây dựng. Mười yếu tố này bao gồm: diện tích xây dựng, loại kết cấu khung, khoảng cách vận chuyển, loại hạng mục công trình, chiều cao thông thủy, tiến độ thi công, số tầng, đơn giá thép tấm, đơn giá cốt thép và đơn giá bê tông thương phẩm. Hai biến số là loại mái và tải trọng cầu trục đã bị loại bỏ do không đạt yêu cầu về hệ số tương quan biến tổng.

Thứ hai, ba yếu tố vật liệu cốt lõi gồm đơn giá thép tấm, cốt thép và bê tông chiếm tỷ trọng tác động vượt mức 40% vào sự biến thiên của tổng chi phí trên mỗi mét vuông xây dựng. Biến động của đơn giá thép tấm thể hiện mức độ tương quan thuận cao nhất với đơn giá xây lắp.

Thứ ba, khi so sánh bốn thuật toán học máy trên tập kiểm tra độc lập, Support Vector Regression và XGBoost là hai mô hình có hiệu năng vượt trội nhất. Mô hình SVR đạt hệ số xác định cao trên 0.88, đồng thời giảm chỉ số sai số tuyệt đối trung bình hơn 35% so với mô hình Decision Tree đơn lẻ.

Thảo luận kết quả

Hiệu quả vượt trội của Support Vector Regression xuất phát từ khả năng định vị siêu phẳng tối ưu trong không gian nhiều chiều, kết hợp với hàm nhân phi tuyến giúp mô hình không bị nhạy cảm quá mức với các giá trị ngoại lai trong dữ liệu thi công thực tế. Trong khi đó, XGBoost chứng minh sức mạnh của cơ chế tối ưu hóa gradient tuần tự kết hợp các kỹ thuật điều chuẩn, giúp kiểm soát tốt độ phức tạp của mô hình và khắc phục triệt để hiện tượng quá khớp thường gặp ở Random Forest và Decision Tree.

Kết quả này hoàn toàn tương thích với các nghiên cứu quốc tế của các chuyên gia hàng đầu trong lĩnh vực tin học xây dựng, khẳng định rằng các mô hình học máy phi tuyến vượt trội hơn hẳn các phương pháp ước lượng truyền thống như phương pháp diện tích sàn hay phương pháp bao che tầng.

Dữ liệu kết quả được trực quan hóa rõ nét thông qua biểu đồ phân tán giữa chi phí thực tế và chi phí dự đoán của mô hình SVR. Các điểm dữ liệu phân bố tập trung cao độ bám sát đường phân giác 45 độ, chứng minh độ chính xác vượt trội. Đồng thời, biểu đồ hộp biểu diễn mức chênh lệch sai số giữa hai tập huấn luyện và kiểm tra cho thấy biên độ dao động sai số của SVR nằm trong vùng kiểm soát rất hẹp, bảo đảm tính ổn định khi triển khai thực tế.

Đề xuất và khuyến nghị

Nhằm chuyển hóa kết quả nghiên cứu thành giá trị thực tiễn trong ngành xây dựng, bốn nhóm giải pháp chiến lược được đề xuất:

1. Xây dựng và tích hợp phần mềm dự toán thông minh ứng dụng thuật toán Support Vector Regression và XGBoost: Ban lãnh đạo doanh nghiệp xây dựng cùng phòng kỹ thuật công nghệ cần chủ trì phát triển công cụ dự toán nội bộ. Giải pháp này hướng tới mục tiêu rút ngắn thời gian lập dự toán sơ bộ xuống dưới 15 phút và kiểm soát sai số chi phí dưới 8%. Thời gian triển khai thử nghiệm từ 3 đến 6 tháng.

2. Chuẩn hóa cơ sở dữ liệu số về 10 thông số kỹ thuật và chi phí công trình: Bộ phận quản lý chi phí và kỹ sư định giá có trách nhiệm số hóa toàn bộ hồ sơ dự án đã hoàn thành, bảo đảm 100% các dữ liệu về diện tích, kết cấu khung, khoảng cách và chiều cao được lưu trữ có cấu trúc. Thời gian hoàn thành trong vòng 6 tháng.

3. Thiết lập hệ thống giám sát và cập nhật tự động biến động đơn giá vật liệu xây dựng: Phòng vật tư và quản lý đấu thầu cần phối hợp theo dõi biến động thị trường của ba vật liệu then chốt gồm thép tấm, cốt thép và bê tông theo thời gian thực. Giải pháp này giúp giảm thiểu từ 20% đến 30% rủi ro trượt giá vật tư trong chu kỳ thực hiện dự án kéo dài 12 tháng.

4. Tổ chức đào tạo nâng cao năng lực ứng dụng trí tuệ nhân tạo và học máy cho đội ngũ kỹ sư kinh tế xây dựng: Các đơn vị quản lý dự án và hiệp hội ngành nghề cần phối hợp với các trường đại học triển khai các khóa bồi dưỡng chuyên sâu định kỳ 6 tháng một khóa, giúp tăng 50% năng suất lập hồ sơ dự thầu cho kỹ sư định giá.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả nghiên cứu của luận văn mang lại giá trị thiết thực cho bốn nhóm đối tượng chính:

1. Chủ đầu tư và các ban quản lý dự án công nghiệp: Giúp chủ đầu tư nhanh chóng xác định chính xác tổng mức đầu tư khả thi ngay từ giai đoạn lập báo cáo nghiên cứu tiền khả thi. Ứng dụng tiêu biểu là thẩm định chi phí xây dựng các tổ hợp nhà xưởng quy mô từ 5.000 mét vuông đến 50.000 mét vuông mà không cần chờ bản vẽ thiết kế kỹ thuật thi công chi tiết.

2. Nhà thầu xây dựng và kỹ sư định giá chi phí: Hỗ trợ kỹ sư QS nâng cao độ chính xác và tốc độ lập giá dự thầu, tăng tính cạnh tranh trong đấu thầu. Ứng dụng thực tế là xây dựng các kịch bản báo giá linh hoạt theo từng chủng loại khung thép và tiến độ thi công yêu cầu.

3. Giảng viên, học viên cao học và nhà nghiên cứu chuyên ngành Quản lý Xây dựng: Cung cấp khung phương pháp luận chuẩn mực về việc kết hợp kiểm định thống kê Cronbach's Alpha với các thuật toán học máy tiên tiến. Đây là tài liệu tham khảo giá trị để mở rộng nghiên cứu sang các loại hình công trình khác như nhà cao tầng, hạ tầng giao thông hoặc năng lượng tái tạo.

4. Các doanh nghiệp công nghệ phát triển giải pháp công nghệ xây dựng: Cung cấp bộ thuộc tính đặc trưng gồm 10 biến số đầu vào và thuật toán đã được tối ưu hóa để tích hợp trực tiếp vào các nền tảng quản trị nguồn lực doanh nghiệp và mô hình thông tin công trình thông minh.

Câu hỏi thường gặp

1. Tại sao mô hình Support Vector Regression lại cho kết quả dự báo chi phí chính xác hơn Decision Tree? Mô hình Support Vector Regression sử dụng hàm cơ sở hướng tâm để biến đổi không gian dữ liệu, giúp xử lý mượt mà các quan hệ phi tuyến phức tạp giữa 10 biến số đầu vào. Đồng thời, thuật toán này tối ưu hóa khoảng cách biên và kiểm soát sai số hiệu quả, trong khi Decision Tree đơn lẻ rất dễ bị chia nhánh quá sâu dẫn đến hiện tượng quá khớp trên tập dữ liệu 150 công trình.

2. Nghiên cứu đã sàng lọc và loại bỏ những biến số nào trước khi huấn luyện mô hình? Qua phân tích tương quan biến tổng và kiểm định hệ số tin cậy Cronbach's Alpha, nghiên cứu đã loại bỏ hai biến số là loại mái và tải trọng cầu trục do không đạt mức độ đóng góp thống kê cần thiết. Việc loại bỏ hai biến này giúp tinh gọn tập dữ liệu còn 10 biến then chốt, nâng cao tốc độ hội tụ và độ chính xác của các mô hình học máy.

3. Dữ liệu sử dụng trong luận văn được thu thập từ nguồn nào và có tính đại diện ra sao? Dữ liệu được trích xuất từ 150 hồ sơ dự án nhà xưởng và hạng mục phụ trợ đã quyết toán thực tế tại hai trung tâm công nghiệp lớn là TP. Hồ Chí Minh và Bình Dương do Công ty Hồng Tín cùng các đối tác cung cấp. Tập dữ liệu phản ánh đầy đủ các biến động thị trường, công nghệ thi công và đặc thù địa chất tại khu vực phía Nam Việt Nam.

4. Việc ứng dụng mô hình học máy giúp rút ngắn thời gian lập dự toán xây dựng như thế nào? Trong thực tế thi công, việc bóc tách khối lượng và lập dự toán chi tiết theo phương pháp truyền thống thường kéo dài từ 7 đến 10 ngày làm việc. Khi ứng dụng mô hình học máy đã được huấn luyện với 10 thông số đầu vào cơ bản, người dùng có thể nhận được kết quả dự báo chi phí chuẩn xác chỉ trong vòng chưa đầy 15 phút.

5. Những loại vật liệu nào có ảnh hưởng mạnh nhất đến đơn giá xây dựng nhà xưởng? Kết quả phân tích thống kê và hồi quy khẳng định rằng đơn giá thép tấm, đơn giá cốt thép và đơn giá bê tông thương phẩm là ba nhân tố vật liệu có trọng số tác động cao nhất. Sự biến động giá của ba loại vật liệu này chi phối trực tiếp đến hơn 40% mức độ thay đổi của tổng chi phí xây lắp trên mỗi đơn vị diện tích.

Kết luận

• Đóng góp khoa học nổi bật: Luận văn đã tiên phong thiết lập khung ứng dụng toàn diện bốn mô hình học máy để giải quyết bài toán dự báo chi phí xây dựng nhà xưởng tại thị trường Việt Nam.
• Khẳng định mô hình tối ưu: Xác lập thực nghiệm cho thấy Support Vector Regression và XGBoost là hai thuật toán vượt trội nhất, mang lại độ chính xác cao và kiểm soát sai số tối ưu.
• Chuẩn hóa bộ biến đầu vào: Đã xác định và chuẩn hóa hệ thống 10 biến đặc trưng then chốt thông qua kiểm định độ tin cậy từ tập dữ liệu thực tế 150 công trình.
• Giá trị ứng dụng thực tiễn: Cung cấp công cụ hỗ trợ ra quyết định nhanh chóng cho chủ đầu tư và nhà thầu, tối ưu hóa công tác quản trị rủi ro tài chính dự án.
• Định hướng phát triển tương lai: Đề xuất mở rộng cơ sở dữ liệu lên quy mô trên 300 công trình và tích hợp các mạng nơ-ron học sâu trong giai đoạn từ 12 đến 24 tháng tới.

Các doanh nghiệp xây dựng, chủ đầu tư và nhà nghiên cứu hãy chủ động ứng dụng mô hình học máy này vào quy trình thẩm định chi phí để nâng cao năng lực cạnh tranh và thúc đẩy chuyển đổi số bền vững trong ngành xây dựng.

Trích đoạn nội dung tài liệu

CHƯƠNG I: TỔNG QUAN 1. Tính cấp thiết của đề tài: 1. Tình hình ngành xây dựng hiện nay: Trong thập kỷ qua, ngành xây dựng ở Việt Nam đã chứng kiến sự phát triển mạnh mẽ và không ngừng nghỉ. Từ các công trình cơ bản như nhà ở, trường học, đến những dự án lớn như cầu đường, nhà xưởng, hay các khu công nghiệp, mỗi công trình đều mang đến cho ngành xây dựng những thách thức mới và cơ hội phát triển.

Trong bối cảnh này, việc ước tính chi phí xây dựng trở thành một yếu tố quan trọng, đóng vai trò quyết định đến sự thành công của mỗi dự án. Theo Gwang Hee Kim và cộng sự (2013) [52] việc ước tính chi phí xây dựng không chỉ đơn thuần là việc tính toán số liệu, nó còn liên quan đến việc đánh giá và dự báo các yếu tố ảnh hưởng đến chi phí, từ giá vật liệu xây dựng, tiền công, chi phí quản lý dự án, đến các rủi ro không lường trước được. Sự chính xác trong việc ước tính chi phí xây dựng có thể giúp ngăn ngừa sự lệch pha giữa dự toán và thực tế, đảm bảo hiệu quả đầu tư và tối thiểu hóa rủi ro tài chính. Trong một thị trường cạnh tranh khốc liệt như Việt Nam, việc này càng trở nên quan trọng.

Đối với việc xây dựng nhà xưởng, nhu cầu về việc ước tính chi phí càng được đặt lên hàng đầu. Nhà xưởng là một phần quan trọng của nền kinh tế, đặc biệt là trong bối cảnh công nghiệp hóa, hiện đại hóa đang diễn ra mạnh mẽ ở Việt Nam. Các nhà xưởng không chỉ đòi hỏi sự tuân thủ nghiêm ngặt các quy định về an toàn lao động và môi trường, mà còn cần phải đáp ứng nhu cầu sử dụng hiệu quả, từ việc tối ưu hóa không gian, năng lượng, đến việc chịu đựng được áp lực từ các hoạt động sản xuất. Do đó, việc ước tính chi phí xây dựng nhà xưởng đòi hỏi sự thận trọng và chuyên môn cao.

Ngoài ra, với sự gia tăng của công nghệ và sự đổi mới trong ngành xây dựng, việc ước tính chi phí xây dựng nhà xưởng cũng phải thích ứng với những thay đổi này. Ngày nay, không chỉ là việc xây dựng một khuôn viên để hoạt động sản xuất, nhà xưởng cũng cần phải tận dụng tối đa các tiến bộ trong công nghệ, từ việc sử dụng năng lượng tái tạo, hệ thống quản lý thông minh, đến việc tối ưu hóa hiệu quả vận hành và bảo dưỡng. Tất cả những yếu tố này đều tạo ra một nhu cầu mạnh mẽ về việc PHẠM TẤN DŨNG - 2170245 1 ước tính chi phí xây dựng nhà xưởng một cách chính xác và chuyên nghiệp. Để đáp ứng nhu cầu này, các chuyên gia trong ngành xây dựng cần có kiến thức sâu rộng, từ việc hiểu rõ về quy trình xây dựng, đánh giá vật liệu, đến việc áp dụng các phương pháp và công cụ ước tính hiện đại.

Chính vì vậy, tầm quan trọng của việc ước tính chi phí xây dựng, cụ thể là xây dựng nhà xưởng ở Việt Nam hiện nay không thể phủ nhận. Đây là yếu tố quyết định đến sự thành công của dự án và thậm chí là sự phát triển bền vững của ngành xây dựng nói chung. Việc này đòi hỏi sự nâng cao năng lực của các nhân viên trong ngành, cũng như việc đầu tư vào công nghệ và phương pháp tiên tiến, nhằm cung cấp những ước lượng chi phí chính xác và hiệu quả. Hiện nay, tại Việt Nam các phương pháp ước tính chi phí xây dựng thường được áp dụng, bao gồm: a.

Phương pháp thể tích: Phương pháp đơn vị thể tích, còn được gọi là phương pháp tính theo khối, là một cách tiếp cận thông dụng trong ước lượng chi phí xây dựng. Phương pháp này dựa trên việc xác định tổng thể tích của công trình xây dựng và nhân với một đơn giá tiêu chuẩn để có được một ước lượng tổng thể của chi phí xây dựng.[25] Dưới đây là các bước chính trong việc ứng dụng phương pháp này: - Xác định tổng thể tích của công trình: Cách xác định thể tích của một công trình được quy định bởi các tổ chức nghề nghiệp (như là Royal Institute of British Architecs – RIB) hoặc quốc gia cụ thể. RIB quy định: Thể tích một công trình ( m3 ) = Dài (m) x Rộng (m) x Cao (m) (1.1) - Tìm đơn giá tiêu chuẩn: Đơn giá này thường được lấy từ dữ liệu của các dự án xây dựng tương tự trong quá khứ, hoặc từ các nguồn thông tin công nghiệp. - Tính toán chi phí tổng thể: Nhân tổng thể tích của công trình với đơn giá tiêu chuẩn để có được một ước lượng chi phí tổng thể.

Chí phí xây dựng = Thể tích công trình ( m3 ) x giá thành của một m3 (đ/ m3 ) (1.2) PHẠM TẤN DŨNG - 2170245 2 *Ưu điểm: - Đơn giản và nhanh chóng: Phương pháp này yêu cầu ít thông tin chi tiết và ít công sức tính toán so với một số phương pháp ước lượng chi phí khác. - Tốt cho giai đoạn sơ bộ: Đây là một cách tốt để có được một ước lượng sơ bộ về chi phí xây dựng ở giai đoạn đầu của dự án, khi thông tin chi tiết có thể chưa được biết. - Dễ so sánh: Khi được sử dụng như một chuẩn mực, phương pháp này có thể giúp so sánh chi phí của các dự án xây dựng khác nhau. *Nhược điểm: - Ít chính xác: Do phương pháp này dựa trên ước lượng sơ bộ và giả định rằng tất cả các công trình có cùng một đơn giá cho mỗi đơn vị thể tích, nó có thể không chính xác đối với các dự án có đặc điểm khác nhau hoặc đối với các dự án phức tạp.

- Không xem xét các yếu tố đặc biệt: Phương pháp này không xem xét các yếu tố đặc biệt hoặc không thông thường trong quá trình xây dựng, như yêu cầu về chất lượng cao, vị trí địa lý, hoặc yếu tố thời gian. - Đơn giá có thể lỗi thời: Đơn giá tiêu chuẩn cần được cập nhật thường xuyên để phản ánh đúng chi phí xây dựng hiện tại. Nếu không, ước lượng có thể bị sai lệch. Phương pháp diện tích sàn: Phương pháp diện tích sàn là một phương pháp ước lượng chi phí xây dựng rất phổ biến.

Theo Lưu Trường Văn (2014) [25] phương pháp này dựa trên việc nhân diện tích sàn tổng cộng của công trình xây dựng với một đơn giá tiêu chuẩn (thường được đưa ra dưới dạng chi phí cho mỗi mét vuông). Dưới đây là các bước chính để thực hiện phương pháp diện tích sàn: - Xác định diện tích sàn tổng cộng của công trình: Tổng diện tích sàn của tất cả các tầng = Diện tích mặt sàn sử dụng + Các loại diện tích khác đi kèm (mái, sân, phần móng, tầng hầm…) (1.3) PHẠM TẤN DŨNG - 2170245 3 - Tìm đơn giá tiêu chuẩn: Đơn giá này thường được lấy từ dữ liệu của các dự án xây dựng tương tự trong quá khứ, hoặc từ các nguồn thông tin công nghiệp. - Tính toán chi phí tổng thể: Nhân diện tích sàn tổng cộng của công trình với đơn giá tiêu chuẩn để có được một ước lượng chi phí tổng thể. Tổng chi phí = Tổng diện tích sàn x giá thành 1 m 2 sàn (1.4) Giống như phương pháp đơn vị thể tích, phương pháp diện tích sàn cung cấp một ước lượng sơ bộ và nên được sử dụng như một công cụ hữu ích trong giai đoạn đầu của quá trình ước lượng chi phí, nhưng không nên là nguồn thông tin duy nhất được sử dụng để đưa ra quyết định cuối cùng về chi phí xây dựng.[25] Phương pháp này có ưu và nhược điểm tương tự như phương pháp thể tích.

Phương pháp SEM (Storey Enclosure Method) Phương pháp Ước lượng SEM (Storey Enclosure Method) trong xây dựng là một phương pháp đánh giá chi phí theo tỷ lệ đơn, nhưng không được sử dụng rộng rãi trong thực tiễn. Phương pháp này bao gồm việc tính toán diện tích của tường ngoài, sàn và mái, sau đó nhân chúng với một hệ số trọng lượng thích hợp [25]. Các bước chính và đặc điểm của SEM bao gồm: Hệ số Trọng lượng: Áp dụng các hệ số trọng lượng khác nhau cho các phần khác nhau của tòa nhà. Ví dụ, tầng hầm được nhân với 3, tầng trệt với 2, và tầng một với 2.15, mỗi tầng tiếp theo tăng thêm 0.

Diện tích mái được đo theo chiếu dựng và được trọng lượng là 1. Diện tích tường tầng hầm (từ tầng hầm đến mặt sàn tầng trệt) được nhân với 2, và diện tích tường trên mặt đất (từ tầng trệt đến trần tầng cao nhất) cũng được trọng lượng, không trừ diện tích cửa sổ. Ưu điểm: SEM tính toán sự khác biệt về hình dạng kế hoạch, tổng diện tích sàn, vị trí dọc của các tầng, chiều cao tổng thể, chiều cao từng tầng, và chi phí bổ sung cho việc cung cấp diện tích sàn sử dụng dưới mặt đất. Nó cung cấp một tỷ lệ đơn và cho phép thêm chi phí của công trình bên ngoài.

PHẠM TẤN DŨNG - 2170245 4 Nhược điểm: Một trong những hạn chế chính của phương pháp này là thiếu dữ liệu lịch sử có sẵn. Nó ít hữu ích khi xem xét yêu cầu của khách hàng và kiến trúc sư, khó đánh giá tác động của những thay đổi về thông số kỹ thuật, và thiếu một phương pháp đo lường chuẩn. Ban đầu, SEM nhằm mục đích khắc phục những hạn chế của các phương pháp ước lượng tỷ lệ đơn khác bằng cách tính toán sự biến đổi về hình dạng kế hoạch và chiều cao tầng. Tuy nhiên, nó không bao giờ được các chuyên gia xây dựng hoàn toàn áp dụng do yêu cầu nhiều tính toán hơn và khó khăn trong việc rút ra tỷ lệ từ dữ liệu lịch sử.

Phương pháp phân tích chi phí phần tử (Elemental Cost Analysis) Phương pháp này bắt đầu bằng việc tham khảo chi phí từ các dự án tương tự đã thực hiện trước đó, sử dụng phương pháp phân tích chi phí phần tử theo quy chuẩn của Royal Institution of Chartered Surveyors (RICS). Chi phí dự án được ước lượng dựa trên diện tích bề mặt hoặc diện tích sàn, sau đó chia nhỏ thành các chi phí cho từng phần tử chính và phụ. Sự phân chia này giúp điều chỉnh dễ dàng hơn cho những khác biệt trong thiết kế của dự án mới so với dữ liệu từ các dự án cũ [25]. Điểm nổi bật của phương pháp này là việc đã xác lập mối quan hệ rõ ràng giữa các phần tử của dự án và chi phí liên quan, qua đó hỗ trợ người thiết kế trong việc đánh giá và quản lý chi phí một cách chính xác.