Tổng quan nghiên cứu

Năng suất lao động trong ngành xây dựng là một chỉ tiêu quan trọng phản ánh trình độ tiến bộ và hiệu quả sản xuất của các tổ chức, doanh nghiệp. Theo số liệu thống kê, năng suất lao động ngành xây dựng tại Việt Nam trong giai đoạn 2010-2015 chỉ đạt khoảng 42,7 đến 66,5 triệu đồng/người, thấp hơn nhiều so với các ngành kinh tế khác và chỉ đứng thứ 15 trong 20 ngành được so sánh. Tại tỉnh Đồng Tháp, tốc độ tăng trưởng ngành xây dựng đạt khoảng 8,47% năm 2019, đóng góp quan trọng vào GRDP của địa phương. Tuy nhiên, năng suất lao động vẫn còn nhiều hạn chế do trình độ tay nghề, ứng dụng công nghệ, quản lý và điều kiện lao động chưa đồng đều.

Nghiên cứu này tập trung dự báo năng suất xây dựng của các công tác bê tông, cốp pha và cốt thép bằng mô hình mạng Bayes (Bayesian Networks - BNs), một công cụ mạnh mẽ trong việc xử lý các vấn đề phức tạp và không chắc chắn. Mục tiêu chính là xác định các yếu tố ảnh hưởng đến năng suất lao động phần thô, xây dựng mô hình mạng Bayes để dự báo xác suất đạt được năng suất lao động kỳ vọng, từ đó hỗ trợ nhà quản lý đưa ra các quyết định nâng cao hiệu quả thi công. Phạm vi nghiên cứu tập trung tại thành phố Cao Lãnh, tỉnh Đồng Tháp, với dữ liệu khảo sát từ các chuyên gia và dự án thực tế trong giai đoạn 2018-2020.

Việc ứng dụng mô hình mạng Bayes trong dự báo năng suất xây dựng không chỉ giúp giảm thiểu gánh nặng quản lý mà còn hạn chế tác động tiêu cực đến tâm lý người lao động, góp phần nâng cao hiệu quả thi công và chất lượng công trình. Kết quả nghiên cứu có ý nghĩa thiết thực trong việc cải thiện năng suất lao động, thúc đẩy phát triển ngành xây dựng tại Việt Nam nói chung và tỉnh Đồng Tháp nói riêng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Năng suất lao động được định nghĩa là tỷ số giữa đầu ra và đầu vào trong quá trình sản xuất, phản ánh hiệu quả sử dụng nguồn lực. Trong xây dựng, năng suất lao động thường được đo bằng khối lượng công việc hoàn thành trên một đơn vị thời gian lao động, ví dụ như m2 cốp pha, tấn thép hay m3 bê tông trên giờ công. Các yếu tố ảnh hưởng đến năng suất bao gồm trình độ tay nghề, thái độ lao động, điều kiện lao động, quản lý dự án, tài chính chủ đầu tư, và điều kiện thời tiết.

Mạng Bayes (Bayesian Networks - BNs) là mô hình đồ thị xác suất có điều kiện, biểu diễn mối quan hệ nhân quả giữa các biến số. BNs cho phép dự báo xác suất xảy ra các sự kiện dựa trên dữ liệu quan sát và kiến thức chuyên gia, rất phù hợp để xử lý các vấn đề phức tạp, không chắc chắn như năng suất lao động trong xây dựng. Mạng Bayes kết hợp lý thuyết xác suất Bayes với cấu trúc đồ thị, giúp mô hình hóa các mối quan hệ nguyên nhân-kết quả giữa các yếu tố ảnh hưởng.

Các khái niệm chính trong nghiên cứu bao gồm:

  • Năng suất lao động (NSLĐ): Khối lượng công việc hoàn thành trên đơn vị giờ công.
  • Mạng Bayes (BNs): Mô hình xác suất có điều kiện dùng để dự báo và phân tích các biến số liên quan.
  • Yếu tố ảnh hưởng: Các biến nhân tố tác động đến năng suất như tài chính, vật liệu, thái độ lao động, kinh nghiệm quản lý.
  • Xác suất có điều kiện: Xác suất xảy ra một sự kiện dựa trên thông tin về các sự kiện khác.

Phương pháp nghiên cứu

Nguồn dữ liệu chính được thu thập từ khảo sát chuyên gia và số liệu thực tế tại các công trình xây dựng dân dụng trên địa bàn thành phố Cao Lãnh, tỉnh Đồng Tháp. Cỡ mẫu khảo sát gồm các cán bộ kỹ thuật, quản lý dự án và công nhân có kinh nghiệm lâu năm trong ngành xây dựng, với tổng số khoảng 50-70 người tham gia. Phương pháp chọn mẫu là lấy mẫu phi xác suất theo phương pháp thuận tiện và chuyên gia nhằm đảm bảo tính đại diện cho các nhóm đối tượng liên quan.

Phân tích dữ liệu sử dụng phần mềm thống kê SPSS để kiểm định độ tin cậy, phân tích nhân tố khám phá (EFA) nhằm xác định các nhóm biến ảnh hưởng chính. Mô hình mạng Bayes được xây dựng và mô phỏng trên phần mềm MSBNx, dựa trên mối quan hệ nguyên nhân-kết quả giữa các biến đã được xác định. Quá trình nghiên cứu được thực hiện theo timeline từ tháng 9/2018 đến tháng 12/2020, bao gồm các bước: thu thập dữ liệu, phân tích thống kê, xây dựng mô hình, kiểm định và ứng dụng mô hình dự báo năng suất.

Phương pháp lấy mẫu công việc (Work Sampling) được áp dụng để đo lường năng suất lao động trực tiếp trên công trường, kết hợp với khảo sát ý kiến chuyên gia để đánh giá mức độ ảnh hưởng của các yếu tố. Mô hình mạng Bayes cho phép dự báo xác suất đạt được năng suất lao động kỳ vọng, hỗ trợ nhà quản lý trong việc ra quyết định điều chỉnh kế hoạch thi công và phân bổ nguồn lực.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Xác định 17 yếu tố ảnh hưởng chính đến năng suất lao động phần thô gồm bê tông, cốp pha và cốt thép, trong đó tài chính chủ đầu tư, sự có mặt kịp thời của vật liệu và thái độ lao động là ba yếu tố có ảnh hưởng mạnh nhất. Tất cả các yếu tố này đều có mức độ rủi ro từ trung bình trở lên, thể hiện qua xác suất ảnh hưởng trên 50%.

  2. Mô hình mạng Bayes dự báo xác suất đạt năng suất lao động theo kế hoạch là khoảng 49%. Kết quả này cho thấy năng suất lao động hiện tại còn nhiều thách thức và cần có các biện pháp cải thiện. So sánh với các nghiên cứu trong nước và quốc tế, mức xác suất này tương đối thấp, phản ánh thực trạng khó khăn trong quản lý và điều kiện thi công.

  3. Ảnh hưởng của tài chính chủ đầu tư đến năng suất lao động chiếm tỷ trọng lớn, khoảng 30% trong tổng các yếu tố. Việc chậm trễ thanh toán hoặc thiếu hụt nguồn vốn làm gián đoạn cung ứng vật liệu và nhân công, kéo dài thời gian thi công và giảm hiệu quả lao động.

  4. Sự có mặt kịp thời của vật liệu và công cụ thi công chiếm khoảng 25% ảnh hưởng đến năng suất. Việc thiếu hụt hoặc giao nhận vật liệu không đúng tiến độ làm gián đoạn công việc, gây lãng phí thời gian và tăng chi phí.

Thảo luận kết quả

Nguyên nhân chính dẫn đến năng suất lao động thấp là do sự phối hợp chưa hiệu quả giữa các bên liên quan, đặc biệt là chủ đầu tư và nhà thầu trong việc đảm bảo tài chính và cung ứng vật liệu. Thái độ lao động và trình độ tay nghề của người lao động cũng đóng vai trò quan trọng, ảnh hưởng trực tiếp đến tốc độ và chất lượng thi công.

So với các nghiên cứu trước đây, việc ứng dụng mô hình mạng Bayes cho phép dự báo xác suất đạt năng suất một cách chính xác hơn, đồng thời giúp nhận diện các mối quan hệ nhân quả phức tạp giữa các yếu tố. Dữ liệu có thể được trình bày qua biểu đồ xác suất và bảng phân tích nhân tố để minh họa mức độ ảnh hưởng của từng biến.

Kết quả nghiên cứu có ý nghĩa thực tiễn lớn trong việc hỗ trợ nhà quản lý xây dựng đánh giá rủi ro, điều chỉnh kế hoạch thi công và phân bổ nguồn lực hợp lý nhằm nâng cao năng suất lao động, giảm thiểu chi phí và thời gian thi công.

Đề xuất và khuyến nghị

  1. Tăng cường quản lý tài chính dự án: Chủ đầu tư cần đảm bảo nguồn vốn đầy đủ và thanh toán kịp thời để tránh gián đoạn cung ứng vật liệu và nhân công, nâng cao tỷ lệ đạt năng suất lao động lên ít nhất 60% trong vòng 1 năm tới.

  2. Cải thiện công tác cung ứng vật liệu: Thiết lập hệ thống quản lý vật tư chặt chẽ, phối hợp chặt với nhà cung cấp để đảm bảo vật liệu đến công trường đúng tiến độ, giảm thiểu thời gian chờ đợi và gián đoạn thi công.

  3. Nâng cao trình độ và thái độ lao động: Tổ chức các khóa đào tạo kỹ năng, nâng cao nhận thức về an toàn và hiệu quả lao động cho công nhân, đồng thời xây dựng chính sách khen thưởng, động viên nhằm cải thiện tinh thần làm việc.

  4. Ứng dụng mô hình mạng Bayes trong quản lý dự án: Sử dụng mô hình để dự báo và đánh giá rủi ro năng suất lao động, từ đó đưa ra các biện pháp điều chỉnh kịp thời, áp dụng trong các dự án xây dựng dân dụng và công nghiệp trong vòng 2 năm tới.

Các giải pháp trên cần được thực hiện đồng bộ bởi chủ đầu tư, nhà thầu, cán bộ quản lý và người lao động nhằm nâng cao hiệu quả thi công, giảm chi phí và thời gian hoàn thành dự án.

Đối tượng nên tham khảo luận văn

  1. Nhà quản lý dự án xây dựng: Giúp hiểu rõ các yếu tố ảnh hưởng đến năng suất lao động, áp dụng mô hình mạng Bayes để dự báo và quản lý rủi ro, nâng cao hiệu quả điều hành dự án.

  2. Chuyên gia tư vấn và giám sát thi công: Cung cấp công cụ phân tích và dự báo năng suất, hỗ trợ đánh giá tiến độ và chất lượng thi công, từ đó đề xuất các biện pháp cải tiến phù hợp.

  3. Các nhà thầu xây dựng: Hỗ trợ trong việc lập kế hoạch nhân lực, vật tư và tài chính dự án, nâng cao năng suất lao động thông qua nhận diện các yếu tố ảnh hưởng và điều chỉnh kịp thời.

  4. Các nhà nghiên cứu và sinh viên ngành kỹ thuật xây dựng: Là tài liệu tham khảo quý giá về ứng dụng mô hình mạng Bayes trong dự báo năng suất lao động, góp phần phát triển nghiên cứu khoa học trong lĩnh vực xây dựng.

Câu hỏi thường gặp

  1. Mạng Bayes là gì và tại sao được chọn để dự báo năng suất xây dựng?
    Mạng Bayes là mô hình xác suất có điều kiện biểu diễn mối quan hệ nhân quả giữa các biến. Nó phù hợp với dự báo năng suất xây dựng vì có thể xử lý các yếu tố phức tạp, không chắc chắn và tương tác lẫn nhau, giúp dự báo xác suất đạt được năng suất kỳ vọng.

  2. Các yếu tố nào ảnh hưởng mạnh nhất đến năng suất lao động trong nghiên cứu này?
    Tài chính chủ đầu tư, sự có mặt kịp thời của vật liệu và thái độ lao động là ba yếu tố có ảnh hưởng mạnh nhất, chiếm tỷ trọng lớn trong mô hình dự báo.

  3. Phương pháp lấy mẫu công việc được áp dụng như thế nào?
    Phương pháp lấy mẫu công việc đo lường hiệu suất lao động bằng cách quan sát và ghi nhận số lượng sản phẩm hoàn thành trên đơn vị thời gian lao động, kết hợp khảo sát ý kiến chuyên gia để đánh giá các yếu tố ảnh hưởng.

  4. Mô hình mạng Bayes có thể áp dụng cho các loại công trình khác không?
    Có, mô hình có thể được điều chỉnh và áp dụng cho các dự án xây dựng dân dụng, công nghiệp hoặc hạ tầng khác, tùy thuộc vào đặc điểm và dữ liệu thu thập được.

  5. Làm thế nào để kiểm định độ tin cậy của mô hình dự báo?
    Mô hình được kiểm định bằng cách so sánh kết quả dự báo với dữ liệu thực tế của dự án, sử dụng các chỉ số thống kê và phần mềm chuyên dụng như MSBNx để đánh giá độ chính xác và khả năng ứng dụng thực tiễn.

Kết luận

  • Năng suất lao động trong các công tác bê tông, cốp pha và cốt thép tại Đồng Tháp còn thấp, với xác suất đạt kế hoạch chỉ khoảng 49%.
  • Mạng Bayes là công cụ hiệu quả để dự báo và phân tích các yếu tố ảnh hưởng đến năng suất lao động trong xây dựng.
  • Tài chính chủ đầu tư, vật liệu kịp thời và thái độ lao động là những nhân tố chủ chốt cần được ưu tiên cải thiện.
  • Nghiên cứu cung cấp cơ sở khoa học cho nhà quản lý trong việc ra quyết định nâng cao hiệu quả thi công và giảm thiểu rủi ro.
  • Các bước tiếp theo bao gồm mở rộng ứng dụng mô hình cho các dự án khác và kiểm chứng kết quả dự báo trên thực tế để hoàn thiện phương pháp.

Hãy áp dụng mô hình mạng Bayes để nâng cao năng suất lao động và hiệu quả dự án xây dựng của bạn ngay hôm nay!