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 22,79% vào GRDP của tỉnh, cho thấy vai trò quan trọng của ngành trong phát triển kinh tế địa phương. Tuy nhiên, năng suất lao động trong xây dựng vẫn còn nhiều hạn chế do ảnh hưởng của nhiều yếu tố như trình độ tay nghề, quản lý, tài chính, vật liệu và điều kiện lao động.

Nghiên cứu tập trung vào 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 phương pháp dự báo dựa trên lý thuyết xác suất có điều kiện, giúp đánh giá xác suất đạt được năng suất lao động kỳ vọng. Mục tiêu chính của nghiên cứu là xác định các yếu tố ảnh hưởng đến năng suất lao động phần thô, xây dựng mô hình mạng Bayes để dự báo năng suất và ứng dụng mô hình này trong các dự án xây dựng dân dụng tại thành phố Cao Lãnh, tỉnh Đồng Tháp. Nghiên cứu có ý nghĩa thiết thực trong việc hỗ trợ nhà quản lý xây dựng đưa ra các quyết định nâng cao hiệu quả lao động, giảm thiểu rủi ro và tối ưu hóa tiến độ thi công.

Phạm vi nghiên cứu bao gồm khảo sát số liệu năng suất thi công các công tác bê tông, cốp pha và cốt thép tại các công trình dân dụng cấp II trở xuống, sử dụng nguồn vốn ngân sách nhà nước trên địa bàn thành phố Cao Lãnh. Thời gian nghiên cứu tập trung vào giai đoạn 2018-2020, phù hợp với điều kiện thực tế và dữ liệu thu thập được. Kết quả nghiên cứu dự kiến góp phần nâng cao năng suất lao động trong ngành xây dựng, đồng thời mở rộng ứng dụng mô hình mạng Bayes trong lĩnh vực kỹ thuật xây dựng.

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 sản lượng đầu ra và các yếu tố đầu vào như nhân công, vật tư, thiết bị và thời gian. Trong xây dựng, năng suất lao động thường được đo bằng khối lượng công việc hoàn thành trên một đơn vị giờ công hoặc chi phí nhân công. Các công thức phổ biến bao gồm:

$$ \text{Năng suất} = \frac{\text{Khối lượng công việc hoàn thành}}{\text{Thời gian lao động (giờ công)}} $$

với các công tác cụ thể như cốp pha (m2/giờ), cốt thép (tấn/giờ), bê tông (m3/giờ).

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 trong xây dựng như dự báo năng suất lao động. Mạng Bayes kết hợp lý thuyết xác suất Bayes với cấu trúc đồ thị, giúp mô hình hóa các yếu tố ảnh hưởng và mối quan hệ nguyên nhân-kết quả giữa chúng.

Các khái niệm chính trong nghiên cứu bao gồm:

  • Năng suất lao động (NSLĐ): Chỉ số đo lường hiệu quả lao động trong xây dựng.
  • Mạng Bayes (BNs): Mô hình xác suất có điều kiện dùng để dự báo và phân tích.
  • Yếu tố ảnh hưởng: Các biến nhân tố tác động đến năng suất như kinh nghiệm người lao động, tài chính chủ đầu tư, vật liệu, thái độ lao động.
  • Xác suất có điều kiện: Xác suất xảy ra một sự kiện dựa trên điều kiện 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 hơn 50 chuyên gia, kỹ sư và cán bộ quản lý có kinh nghiệm trong ngành xây dựng, đảm bảo tính đại diện và độ tin cậy của dữ liệu.

Phương pháp lấy mẫu sử dụng kỹ thuật chọn mẫu thuận tiện kết hợp với lấy mẫu theo chuyên gia nhằm thu thập các ý kiến đánh giá về mức độ ảnh hưởng của các yếu tố đến năng suất lao động. Dữ liệu được kiểm duyệt và xử lý bằng phần mềm thống kê SPSS để phân tích độ tin cậy, kiểm định tính đồng nhất và phân tích nhân tố khám phá (EFA).

Mô hình mạng Bayes được xây dựng dựa trên mối quan hệ nguyên nhân-kết quả giữa các biến đã được xác định. Phần mềm MSBNx được sử dụng để thiết lập cấu trúc mạng, tính toán xác suất có điều kiện và dự báo năng suất lao động. 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, xây dựng mô hình, kiểm định và ứng dụng mô hình trong dự án thực tế.

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.

  2. Kết quả dự báo năng suất lao động theo mô hình mạng Bayes cho thấy xác suất đạt được năng suất theo kế hoạch chỉ khoảng 49%, phản ánh thực trạng năng suất lao động còn nhiều khó khăn và chưa đạt kỳ vọng.

  3. So sánh kết quả dự báo với thực tế tại dự án Trường THCS Nguyễn Chí Thanh (giai đoạn 2) cho thấy mô hình có độ tin cậy cao, sai số dự báo trong khoảng 5-7%, chứng tỏ mô hình mạng Bayes phù hợp để dự báo năng suất lao động trong các công trình dân dụng.

  4. Phân tích mối quan hệ nguyên nhân-kết quả cho thấy các yếu tố như kinh nghiệm người quản lý, khả năng tổ chức thi công, chế độ tiền lương, và điều kiện thời tiết có ảnh hưởng trực tiếp đến năng suất lao động. Ví dụ, kinh nghiệm người quản lý có thể giải thích 71% sự biến động năng suất lao động phần thô.

Thảo luận kết quả

Nguyên nhân chính dẫn đến năng suất lao động thấp là do sự thiếu hụt tài chính, vật liệu không kịp thời và thái độ lao động chưa tích cực. Kết quả này phù hợp với các nghiên cứu trong và ngoài nước, trong đó yếu tố tài chính và vật liệu luôn được xem là nhân tố quyết định tiến độ và hiệu quả thi công. Mô hình mạng Bayes cho phép mô phỏng các kịch bản khác nhau dựa trên sự thay đổi của các yếu tố đầu vào, giúp nhà quản lý dự án có cái nhìn tổng thể và dự báo chính xác hơn.

Việc ứng dụng mô hình mạng Bayes giúp giảm bớt gánh nặng cho người quản lý trong việc đánh giá năng suất lao động, đồng thời hạn chế ảnh hưởng tiêu cực đến tâm lý người lao động do áp lực công việc. Kết quả dự báo có thể được trình bày qua biểu đồ xác suất và bảng phân tích mối quan hệ nhân quả, giúp minh bạch và dễ hiểu cho các bên liên quan.

Tuy nhiên, mô hình vẫn cần được kiểm chứng thêm với các dự án khác và xem xét bổ sung các yếu tố ảnh hưởng mới như biến động nguồn vốn, thay đổi thiết kế, và điều kiện môi trường để nâng cao độ chính xác và tính ứng dụng thực tiễn.

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 kịp thời để tránh gián đoạn thi công, nâng cao xác suất đạt năng suất kế hoạch. Thời gian thực hiện: ngay lập tức và liên tục trong suốt dự án. Chủ thể: Ban quản lý dự án và chủ đầu tư.

  2. Cải thiện công tác cung ứng vật liệu: Thiết lập hệ thống quản lý vật liệu hiệu quả, đảm bảo vật liệu đến công trường đúng tiến độ và chất lượng. Thời gian: trong vòng 3 tháng đầu dự án. Chủ thể: Nhà thầu thi công và phòng vật tư.

  3. Nâng cao năng lực và thái độ lao động: Tổ chức đào tạo nâng cao tay nghề, kỹ năng và ý thức trách nhiệm cho người lao động, đồng thời xây dựng chính sách khích lệ phù hợp. Thời gian: liên tục trong quá trình thi công. Chủ thể: Nhà thầu và cán bộ quản lý nhân sự.

  4. Ứng dụng mô hình mạng Bayes trong quản lý dự án: Sử dụng mô hình để dự báo năng suất và đánh giá rủi ro, từ đó đưa ra các biện pháp điều chỉnh kịp thời. Thời gian: áp dụng từ giai đoạn lập kế hoạch đến giám sát thi công. Chủ thể: Ban quản lý dự án và tư vấn giám sát.

  5. Tăng cường giám sát và tổ chức thi công: Củng cố vai trò chỉ huy trưởng công trường trong việc lập kế hoạch, phân công nhiệm vụ rõ ràng, tránh đùn đẩy công việc, nâng cao hiệu quả thi công. Thời gian: xuyên suốt dự án. Chủ thể: Nhà thầu và cán bộ quản lý công trường.

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 hiệu quả tiến độ thi công.

  2. Nhà thầu thi công: Cung cấp cơ sở khoa học để cải thiện công tác tổ chức, quản lý nhân lực và vật tư, từ đó nâng cao năng suất lao động và giảm chi phí.

  3. Chuyên gia tư vấn giám sát: Hỗ trợ đánh giá rủi ro và hiệu quả thi công dựa trên mô hình dự báo, giúp đưa ra các khuyến nghị phù hợp trong quá trình thi công.

  4. Nghiên cứu sinh 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, đồng thời cung cấp kiến thức về các yếu tố ảnh hưởng trong 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 dự báo xác suất đạt được năng suất kỳ vọng dựa trên dữ liệu và kiến thức chuyên gia.

  2. Các yếu tố nào ảnh hưởng mạnh nhất đến năng suất lao động trong xây dựng?
    Tài chính chủ đầu tư, sự có mặt kịp thời của vật liệu và thái độ lao động được xác định là ba yếu tố có ảnh hưởng mạnh nhất, chi phối trực tiếp đến tiến độ và hiệu quả thi công.

  3. Mô hình mạng Bayes có thể áp dụng cho các loại công trình khác không?
    Mô hình có thể được điều chỉnh và áp dụng cho nhiều loại công trình khác nhau, tuy nhiên cần thu thập dữ liệu và khảo sát chuyên gia phù hợp với đặc thù từng dự án để đảm bảo độ chính xác.

  4. Làm thế nào để kiểm định độ tin cậy của mô hình dự báo?
    Độ tin cậy được kiểm định bằng cách so sánh kết quả dự báo với số liệu thực tế tại các dự án điển hình, sử dụng các chỉ số sai số và phân tích thống kê để đánh giá mức độ phù hợp.

  5. Nghiên cứu này có thể giúp nhà quản lý xây dựng ra quyết định như thế nào?
    Nghiên cứu cung cấp công cụ dự báo xác suất đạt năng suất, giúp nhà quản lý nhận diện các yếu tố rủi ro, từ đó đưa ra các giải pháp điều chỉnh kịp thời nhằm nâng cao hiệu quả lao động và đảm bảo tiến độ dự án.

Kết luận

  • Nghiên cứu đã xác định 17 yếu tố chính ảnh hưởng đến năng suất lao động phần thô trong xây dựng, trong đó tài chính, vật liệu và thái độ lao động là quan trọng nhất.
  • Mô hình mạng Bayes được xây dựng và ứng dụng thành công để dự báo xác suất đạt năng suất lao động kỳ vọng, với xác suất đạt khoảng 49%.
  • Kết quả mô hình được kiểm định tại dự án thực tế cho thấy độ tin cậy cao, phù hợp để hỗ trợ quản lý dự án xây dựng.
  • Đề xuất các giải pháp cụ thể nhằm cải thiện tài chính, vật liệu, năng lực lao động và áp dụng mô hình mạng Bayes trong quản lý thi công.
  • Nghiên cứu mở ra hướng ứng dụng mô hình xác suất trong dự báo năng suất xây dựng, góp phần nâng cao hiệu quả và chất lượng các dự án dân dụng và công nghiệp.

Next steps: Mở rộng khảo sát tại các địa phương khác, bổ sung các yếu tố ảnh hưởng mới và phát triển phần mềm hỗ trợ dự báo năng suất dựa trên mô hình mạng Bayes.

Call to action: Các nhà quản lý và chuyên gia xây dựng nên áp dụng mô hình mạng Bayes để nâng cao hiệu quả quản lý năng suất lao động, đồng thời tiếp tục nghiên cứu và hoàn thiện mô hình để phù hợp hơn với thực tế thi công.