Sử Dụng Mạng Bayesian Động (DBNs) Để Dự Báo Xác Suất Vượt Chi Phí Thực Hiện Dự Án Nhà Cao Tầng, Áp Dụng Cho Các Nhà Thầu Thi Công Tại Việt Nam.

• Tác giả: Bùi Xuân Tự
• Người hướng dẫn: PGS. Đỗ Tiến Sỹ
• Trường học: Trường Đại học Bách Khoa – ĐHQG - HCM
• Chuyên ngành: Quản lý xây dựng
• Đề tài: Sử Dụng Mạng Bayesian Động (DBNs) Để Dự Báo Xác Suất Vượt Chi Phí Thực Hiện Dự Án Nhà Cao Tầng, Áp Dụng Cho Các Nhà Thầu Thi Công Tại Việt Nam
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2024
• Địa điểm: TP. Hồ Chí Minh

• LỜI CẢM ƠN
• TÓM TẮT
• ABSTRACT
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: GIỚI THIỆU CHUNG
• 1.1. Xác định vấn đề nghiên cứu
• 1.1.1. Vấn đề vượt chi phí thi công xây dựng
• 1.1.2. Tính cấp thiết của vấn đề vượt chi phí
• 1.1.3. Xác định giai đoạn nghiên cứu
• 1.1.4. Các mục tiêu nghiên cứu
• 1.1.5. Phạm vi nghiên cứu
• 1.2. Đối tượng khảo sát
• 1.2.1. Các khái niệm, định nghĩa
• 1.2.1.1. Khái niệm về dự án
• 1.2.1.2. Khái niệm nhà cao tầng
• 1.2.1.3. Khái niệm nhà thầu
• 1.2.1.4. Khái niệm về ngân sách thi công dự án
• 1.2.1.5. Định nghĩa vượt chi phí xây dựng
• 1.2.1.6. Định nghĩa rủi ro và tính bất định
• 1.2.1.7. Định nghĩa xác suất khách quan, xác suất chủ quan
• 1.2.1.8. Định nghĩa về chuyên gia
• 1.2.2. Tổng quan các nghiên cứu trước
• 1.2.2.1. Các phương pháp đã dùng để dự đoán và phân tích rủi ro vượt chi phí
• 1.2.2.2. Vì sao nên lựa chọn phương pháp Dynamic Bayesian Networks (DBNs) để dự báo vượt chi phí thi công xây dựng
• 1.2.3. Lý thuyết về Dynamic Bayesian Networks (DBNs)
• 1.2.3.1. Lý thuyết Bayesian Networks
• 1.2.3.2. Lý thuyết về dynamic bayesian networks (DBNs)
• 1.2.3.3. Áp dụng lý thuyết DBNs vào bài toán dự đoán chi phí xây dựng dự án
• 2. CƠ SỞ VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 2.1. Tổng quan sơ đồ thực hiện
• 2.2. Các lý thuyết sử dụng để thu thập và phân tích số liệu
• 2.2.1. Tổng quan sơ đồ thực hiện
• 2.2.2. Cơ sở xác định các mốc thời gian trong mô hình động
• 2.2.3. Phân tích mối quan hệ nguyên nhân – kế quả giữa các yếu tố
• 2.2.4. Thiết lập mô hình DBNs
• 2.2.5. Ước lượng xác suất xảy ra cho các biến. Bảng xác suất có điều kiện CPT
• 3. PHÂN TÍCH DỮ LIỆU
• 3.1. Giai đoạn khảo sát lần 1
• 3.1.1. Thu thập dữ liệu khảo sát đại trà
• 3.1.2. Phân tích dữ liệu
• 3.1.3. Xếp hạng các yếu tố gây vượt chi phí mạnh nhất
• 3.2. Giai đoạn 2 - khảo sát mối quan hệ
• 3.2.1. Kết quả khảo sát ma trận và sơ bộ sơ đồ mối quan hệ
• 3.2.2. Kết quả khảo sát chuyên gia đợt 2
• 3.3. Xây dựng mô hình DBNs tổng quát định lượng rủi ro vượt chi phí
• 3.3.1. Nguyên tắc tính toán
• 3.3.2. Xây dựng mô hình DBNs tổng quát trong GeNIe
• 3.3.3. Nhận xét mô hình tổng quát
• 4. KIỂM CHỨNG MÔ HÌNH
• 4.1. Giới thiệu về dự án áp dụng
• 4.1.1. Giới thiệu về công trình A
• 4.1.2. Giới thiệu về công trình B
• 4.2. Kiểm chứng tính hợp lý, phân tích kết quả của mô hình
• 4.2.1. Áp dụng mô hình DBNs vào thực tế công trình A
• 4.2.2. Áp dụng mô hình DBNs vào thực tế công trình B
• 5. KẾT LUẬN VÀ KIẾN NGHỊ
• 5.1. Đóng góp của nghiên cứu
• 5.1.1. Đóng góp về mặt học thuật
• 5.1.2. Đóng góp về mặt thực tiễn
• 5.2. Một số hạn chế của mô hình
• 5.3. Kiến nghị và đề xuất hướng nghiên cứu trong tương lai
• TÀI LIỆU THAM KHẢO
• LÝ LỊCH TRÍCH NGANG
• DANH MỤC CHỮ VIẾT TẮT
• DANH MỤC HÌNH ẢNH
• DANH MỤC BẢNG BIỂU

I. Tổng Quan Vượt Chi Phí Dự Án Thực Trạng và Tác Động

Trong bối cảnh cạnh tranh gay gắt của ngành xây dựng, việc quản lý chi phí dự án hiệu quả trở thành yếu tố then chốt để đảm bảo lợi nhuận và uy tín của doanh nghiệp. Vượt chi phí dự án, đặc biệt là ở các dự án cao tầng, gây ra những hậu quả nghiêm trọng, ảnh hưởng đến dòng tiền, lợi nhuận, thậm chí là uy tín của nhà thầu Việt Nam. Theo nghiên cứu của Vietnam Report, các doanh nghiệp xây dựng ngày càng chú trọng đến hiệu quả quản lý dự án. Tuy nhiên, các yếu tố rủi ro liên tục biến động, đòi hỏi các nhà thầu phải có phương pháp dự báo và kiểm soát chi phí hiệu quả hơn. Nghiên cứu này tập trung vào việc ứng dụng Mạng Bayesian Động (DBNs) để dự báo và giảm thiểu rủi ro vượt chi phí dự án xây dựng, cung cấp một giải pháp thực tiễn cho nhà thầu Việt Nam trong bối cảnh hiện nay.

1.1. Thực trạng vượt chi phí trong dự án xây dựng cao tầng

Các dự án cao tầng thường phức tạp và kéo dài, chịu tác động của nhiều yếu tố khó lường như biến động giá vật liệu, thay đổi thiết kế, và sự cố bất ngờ. Điều này dẫn đến tình trạng vượt chi phí dự án trở nên phổ biến. Nhiều dự án đối mặt với việc đội vốn, ảnh hưởng đến lợi nhuận và thời gian hoàn thành. Theo luận văn, chi phí thi công xây dựng chịu ảnh hưởng và tác động bởi rất nhiều yếu tố xuyên suốt quá trình thực hiện. Các yếu tố rủi ro luôn thay đổi và biến động theo thời gian và làm thế nào để dự đoán các tác động của chúng đến các trạng thái vượt chi phí thi công là mục tiêu cần kiểm soát.

1.2. Tác động tiêu cực của vượt chi phí đến nhà thầu Việt Nam

Vượt chi phí dự án gây ra những tác động tiêu cực đến nhà thầu Việt Nam, bao gồm giảm lợi nhuận, chậm trễ thanh toán, ảnh hưởng đến uy tín và năng lực cạnh tranh. Thậm chí, nhiều nhà thầu phải đối mặt với nguy cơ phá sản do không thể kiểm soát được chi phí. Việc quản lý rủi ro vượt chi phí dự án một cách hiệu quả là yếu tố sống còn đối với sự phát triển bền vững của các nhà thầu Việt Nam trong ngành xây dựng.

II. Xác Định Rủi Ro Yếu Tố Gây Vượt Chi Phí Dự Án

Để dự báo và kiểm soát vượt chi phí dự án hiệu quả, việc xác định các yếu tố rủi ro là bước quan trọng đầu tiên. Các yếu tố này có thể đến từ nhiều nguồn khác nhau, bao gồm quản lý dự án, biến động thị trường, và các yếu tố kỹ thuật. Nghiên cứu này xác định 16 yếu tố và 29 mối quan hệ mạnh nhất ảnh hưởng đến vượt chi phí dự án xây dựng thông qua khảo sát và phân tích số liệu từ thực tiễn nhà thầu Việt Nam. Việc hiểu rõ các yếu tố này giúp nhà thầu Việt Nam chủ động hơn trong việc quản lý và giảm thiểu rủi ro, từ đó nâng cao hiệu quả quản lý chi phí dự án.

2.1. Các yếu tố nội tại Quản lý dự án nhân lực và tài chính

Các yếu tố nội tại như năng lực quản lý dự án, trình độ của nhân lực, và tình hình tài chính của nhà thầu đóng vai trò quan trọng trong việc kiểm soát chi phí. Thiếu kinh nghiệm, quản lý lỏng lẻo, và khó khăn về tài chính có thể dẫn đến sai sót, chậm trễ, và tăng chi phí phát sinh. Quản lý vật tư trên công trường yếu kém (mất mát, hao hụt, lãng phí…), Năng lực tài chính yếu kém của CĐT chậm trễ thanh toán.

2.2. Các yếu tố bên ngoài Thị trường chính sách và biến động kinh tế

Các yếu tố bên ngoài như biến động giá vật liệu xây dựng, thay đổi chính sách của nhà nước, và tình hình kinh tế vĩ mô cũng có thể ảnh hưởng lớn đến chi phí xây dựng. Nhà thầu Việt Nam cần theo dõi sát sao các yếu tố này để có thể điều chỉnh kế hoạch và đối phó kịp thời với những thay đổi bất lợi. Giá cả thị trường leo thang, Bất khả kháng( thời tiết bất lợi, dịch bệnh…), lãi vay tăng cao, bỏ giá đấu thầu không chính xác

2.3. Yếu tố kỹ thuật Sai sót thiết kế thi công và vật liệu

Sai sót trong thiết kế, biện pháp thi công không hợp lý, sử dụng vật liệu không đạt chuẩn cũng là những yếu tố gây ra vượt chi phí dự án. Cần chú trọng đến công tác khảo sát địa chất, thiết kế kỹ thuật, và kiểm soát chất lượng vật liệu để giảm thiểu rủi ro phát sinh. Sai sót trong khảo sát, sai thiếu trong thiết kế, biện pháp thi công không hợp lý

III. Mạng Bayesian Động DBNs Giải Pháp Dự Báo Vượt Chi Phí

Mạng Bayesian Động (DBNs) là một công cụ mạnh mẽ để dự báo và phân tích rủi ro trong các hệ thống phức tạp, biến động theo thời gian như dự án xây dựng. DBNs cho phép mô hình hóa mối quan hệ nhân quả giữa các yếu tố rủi ro và chi phí dự án, đồng thời cập nhật dự báo dựa trên thông tin mới nhất. Nghiên cứu này sử dụng DBNs để xây dựng mô hình dự báo vượt chi phí dự án cao tầng cho nhà thầu Việt Nam, cung cấp một phương pháp quản lý rủi ro chủ động và hiệu quả.

3.1. Nguyên lý hoạt động của Mạng Bayesian Động DBNs

Mạng Bayesian là một mô hình đồ họa xác suất, biểu diễn mối quan hệ phụ thuộc giữa các biến. Mạng Bayesian Động (DBNs) mở rộng khái niệm này bằng cách thêm yếu tố thời gian, cho phép mô hình hóa sự thay đổi của các biến theo thời gian và ảnh hưởng của chúng đến nhau. DBNs sử dụng các lát cắt thời gian để biểu diễn trạng thái của các biến tại các thời điểm khác nhau, và các liên kết thời gian để mô hình hóa sự phụ thuộc giữa các lát cắt. Cơ sở xác định các mốc thời gian trong mô hình động, Phân tích mối quan hệ nguyên nhân – kế quả giữa các yếu tố.

3.2. Ưu điểm của DBNs so với các phương pháp truyền thống

So với các phương pháp dự báo truyền thống, Mạng Bayesian Động (DBNs) có nhiều ưu điểm vượt trội, bao gồm khả năng xử lý dữ liệu không đầy đủ, mô hình hóa mối quan hệ nhân quả phức tạp, và cập nhật dự báo dựa trên thông tin mới nhất. DBNs cũng cho phép định lượng rủi ro và đánh giá tác động của các biện pháp can thiệp, giúp nhà thầu Việt Nam đưa ra quyết định quản lý chi phí dự án sáng suốt hơn. Lý thuyết Bayesian Networks, Lý thuyết về dynamic bayesian networks (DBNs), áp dụng lý thuyết DBNs vào bài toán dự đoán chi phí xây dựng dự án.

3.3. Xây dựng mô hình DBNs cho dự án xây dựng cao tầng

Quy trình xây dựng mô hình DBNs cho dự án xây dựng cao tầng bao gồm xác định các yếu tố rủi ro, thu thập dữ liệu, xây dựng cấu trúc mạng, và ước lượng tham số. Dữ liệu có thể được thu thập từ nhiều nguồn khác nhau, bao gồm lịch sử dự án, khảo sát chuyên gia, và cơ sở dữ liệu công khai. Mô hình sau đó được kiểm tra và tinh chỉnh để đảm bảo độ chính xác và tin cậy. Thiết lập mô hình DBNs, Ước lượng xác suất xảy ra cho các biến, Bảng xác suất có điều kiện CPT

IV. Ứng Dụng Thực Tế Kiểm Chứng Mô Hình DBNs Cho Nhà Thầu

Để đánh giá tính hiệu quả của mô hình DBNs, nghiên cứu đã tiến hành kiểm chứng trên hai dự án cao tầng thực tế tại TP. Hồ Chí Minh. Kết quả cho thấy mô hình có khả năng dự báo vượt chi phí dự án với độ chính xác cao, cung cấp thông tin hữu ích cho nhà thầu trong việc quản lý chi phí dự án. Nghiên cứu này cũng đưa ra các khuyến nghị về việc sử dụng mô hình DBNs để quản lý rủi ro vượt chi phí dự án xây dựng một cách chủ động và hiệu quả.

4.1. Giới thiệu dự án kiểm chứng và thu thập dữ liệu thực tế

Dữ liệu từ hai dự án cao tầng được thu thập và sử dụng để kiểm chứng mô hình DBNs. Dữ liệu này bao gồm thông tin về tiến độ, chi phí, và các yếu tố rủi ro phát sinh trong quá trình thi công. Việc thu thập dữ liệu thực tế đảm bảo tính khách quan và tin cậy của kết quả kiểm chứng. Giới thiệu về công trình A , Giới thiệu về công trình B , Kiểm chứng tính hợp lý, phân tích kết quả của mô hình

4.2. Phân tích kết quả dự báo và đánh giá tính hiệu quả

Kết quả dự báo từ mô hình DBNs được so sánh với chi phí thực tế của dự án để đánh giá tính chính xác và hiệu quả. Các chỉ số đánh giá bao gồm độ lệch, độ tin cậy, và khả năng dự báo các biến động lớn. Phân tích kết quả giúp xác định những điểm mạnh và điểm yếu của mô hình, từ đó đề xuất các cải tiến để nâng cao hiệu quả. Áp dụng mô hình DBNs vào thực tế công trình A , Áp dụng mô hình DBNs vào thực tế công trình B

V. Kết Luận và Hướng Phát Triển DBNs Cho Quản Lý Dự Án

Nghiên cứu này đã chứng minh tính khả thi và hiệu quả của việc ứng dụng Mạng Bayesian Động (DBNs) để dự báo vượt chi phí dự án cao tầng cho nhà thầu Việt Nam. Mô hình DBNs cung cấp một công cụ mạnh mẽ để quản lý rủi ro và đưa ra quyết định sáng suốt trong bối cảnh thị trường xây dựng đầy biến động. Nghiên cứu cũng đề xuất các hướng phát triển tiếp theo để nâng cao hiệu quả và mở rộng phạm vi ứng dụng của mô hình DBNs trong ngành xây dựng.

5.1. Đóng góp của nghiên cứu cho lĩnh vực quản lý xây dựng

Nghiên cứu này đóng góp vào lĩnh vực quản lý xây dựng bằng cách cung cấp một phương pháp mới để dự báo và kiểm soát vượt chi phí dự án dựa trên Mạng Bayesian Động (DBNs). Mô hình này có thể được sử dụng bởi nhà thầu Việt Nam để cải thiện hiệu quả quản lý chi phí dự án, giảm thiểu rủi ro, và nâng cao năng lực cạnh tranh. Đóng góp về mặt học thuật, Đóng góp về mặt thực tiễn

5.2. Hạn chế của mô hình và hướng nghiên cứu trong tương lai

Mặc dù có nhiều ưu điểm, mô hình DBNs cũng có một số hạn chế, bao gồm yêu cầu dữ liệu đầu vào chất lượng cao và khó khăn trong việc xác định cấu trúc mạng. Các hướng nghiên cứu trong tương lai có thể tập trung vào việc cải thiện phương pháp thu thập dữ liệu, phát triển các thuật toán học cấu trúc mạng tự động, và mở rộng phạm vi ứng dụng của mô hình DBNs sang các lĩnh vực khác của quản lý xây dựng. Một số hạn chế của mô hình, Kiến nghị và đề xuất hướng nghiên cứu trong tương lai.

Tổng quan nghiên cứu

Ngành xây dựng tại Việt Nam, đặc biệt là lĩnh vực nhà cao tầng, đang chứng kiến sự phát triển mạnh mẽ với tỷ lệ nhà chung cư tại các đô thị lớn như Hà Nội và TP. Hồ Chí Minh đạt trên 90% vào năm 2020 theo Quyết định số 2127/QĐ-TTg. Tuy nhiên, các nhà thầu thi công đang đối mặt với thách thức lớn về việc vượt chi phí thi công, gây ảnh hưởng nghiêm trọng đến lợi nhuận và uy tín doanh nghiệp. Báo cáo ngành cho thấy nhiều nhà thầu lớn như Coteccons và Tập đoàn Xây dựng Hòa Bình ghi nhận dòng tiền kinh doanh âm và chi phí lãi vay tăng cao, dẫn đến nguy cơ phá sản. Vấn đề vượt chi phí thi công không chỉ ảnh hưởng đến hiệu quả kinh tế mà còn tác động đến tiến độ, chất lượng và an toàn lao động trong dự án.

Mục tiêu nghiên cứu là xây dựng mô hình dự báo xác suất vượt chi phí thi công dự án nhà cao tầng tại Việt Nam bằng mạng Bayesian động (Dynamic Bayesian Networks - DBNs). Nghiên cứu tập trung vào giai đoạn thi công, khảo sát các yếu tố rủi ro, mối quan hệ giữa các yếu tố và xây dựng mô hình DBNs tổng quát để dự đoán xác suất vượt chi phí qua các giai đoạn thi công. Phạm vi nghiên cứu bao gồm các nhà thầu thi công tại TP. Hồ Chí Minh và các tỉnh lân cận trong năm 2023. Kết quả dự báo sẽ hỗ trợ nhà quản lý dự án kiểm soát chi phí, giảm thiểu rủi ro và nâng cao hiệu quả kinh doanh.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên lý thuyết mạng Bayesian (Bayesian Networks - BNs) và mở rộng thành mạng Bayesian động (Dynamic Bayesian Networks - DBNs). Mạng Bayesian là mô hình đồ thị xác suất biểu diễn mối quan hệ nhân quả giữa các biến ngẫu nhiên, sử dụng xác suất có điều kiện để dự đoán và chẩn đoán sự kiện. DBNs mở rộng BNs bằng cách thêm chiều thời gian, cho phép mô hình hóa sự thay đổi và tương tác của các biến theo từng giai đoạn dự án.

Ba khái niệm chính trong DBNs gồm:

• Tấm thời gian (Temporal plate): chứa các biến thay đổi theo thời gian, được mở rộng qua các lát cắt thời gian để mô phỏng quá trình động.
• Nút cố định (Contemporal node): biến không đổi theo thời gian, ví dụ như giá trị gói thầu trọn gói.
• Nút neo (Anchor node) và nút cuối (Terminal node): mô hình hóa điều kiện đầu vào và kết quả cuối cùng của quá trình.

DBNs cho phép tích hợp dữ liệu lịch sử, ý kiến chuyên gia và mô hình hóa các mối quan hệ phức tạp, đồng thời xử lý dữ liệu không đầy đủ và biến động theo thời gian, phù hợp với đặc thù ngành xây dựng.

Phương pháp nghiên cứu

Nguồn dữ liệu được thu thập qua khảo sát trực tiếp tại các nhà thầu thi công dự án nhà cao tầng tại TP. Hồ Chí Minh và các tỉnh lân cận trong năm 2023. Đối tượng khảo sát gồm các phòng ban quản lý chi phí, giám đốc dự án, tư vấn giám sát và ban chỉ huy thi công. Cỡ mẫu khảo sát đại trà và chuyên gia được lựa chọn theo phương pháp chọn mẫu phi xác suất có chủ đích nhằm đảm bảo tính đại diện và chuyên môn.

Phương pháp phân tích chính là xây dựng mô hình DBNs tổng quát dựa trên 16 yếu tố rủi ro và 29 mối quan hệ nhân quả được xác định qua khảo sát và phân tích dữ liệu. Mô hình được thiết lập và tính toán bằng phần mềm GeNIe, sử dụng bảng xác suất có điều kiện (Conditional Probability Tables - CPT) để ước lượng xác suất xảy ra các biến rủi ro và xác suất vượt chi phí thi công qua các giai đoạn: t=0 (kết thúc thi công phần hầm), t=1 (cất nóc phần thân thô), t=2 (hoàn thiện và bàn giao). Quá trình nghiên cứu kéo dài từ tháng 2 đến tháng 12 năm 2023.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Xác định 16 yếu tố rủi ro chính và 29 mối quan hệ nhân quả: Qua khảo sát và phân tích, các yếu tố như sai sót trong thi công, không đáp ứng tiến độ, mất mát hao hụt vật tư, năng lực tài chính yếu kém của chủ đầu tư và nhà thầu, quản lý hợp đồng lỏng lẻo được xác định là những nhân tố ảnh hưởng mạnh nhất đến vượt chi phí. Ví dụ, sai sót trong thi công làm tăng xác suất vượt chi phí lên đến 40% ở giai đoạn t=1.

2. Mô hình DBNs dự báo xác suất vượt chi phí sát với thực tế: Áp dụng mô hình vào hai dự án nhà cao tầng tại TP. Hồ Chí Minh, kết quả dự báo xác suất vượt chi phí ở các giai đoạn t=0, t=1, t=2 tương ứng là khoảng 25%, 38% và 45%, gần với số liệu thực tế ghi nhận. Mô hình cho phép cập nhật xác suất dựa trên bằng chứng mới, giúp dự báo chính xác hơn theo tiến độ dự án.

3. Phân tích độ nhạy cho thấy yếu tố sai sót trong thi công và tiến độ thi công là quan trọng nhất: Độ nhạy của biến sai sót trong thi công đến xác suất vượt chi phí đạt trên 30% ở giai đoạn t=1 và t=2, trong khi yếu tố mất mát hao hụt vật tư có ảnh hưởng khoảng 20%. Điều này cho thấy cần tập trung kiểm soát các yếu tố này để giảm thiểu rủi ro vượt chi phí.

4. Mô hình DBNs hỗ trợ phân bổ trách nhiệm quản lý rõ ràng: Kết quả mô hình chỉ rõ trách nhiệm của các bên liên quan như chủ đầu tư, nhà thầu, tư vấn giám sát trong việc kiểm soát các yếu tố rủi ro, từ đó giúp nâng cao hiệu quả quản lý chi phí.

Thảo luận kết quả

Nguyên nhân chính của vượt chi phí là do sự tích tụ và biến động của các yếu tố rủi ro theo thời gian, điều mà các mô hình tĩnh trước đây không thể mô phỏng chính xác. Mô hình DBNs với khả năng mô hình hóa hệ thống động đã khắc phục được hạn chế này, cho phép dự báo xác suất vượt chi phí theo từng giai đoạn thi công. So sánh với các nghiên cứu sử dụng mạng Neural Networks hay mô phỏng Monte Carlo, DBNs cung cấp kết quả dự báo có tính giải thích cao hơn và dễ dàng tích hợp ý kiến chuyên gia.

Việc sử dụng DBNs giúp nhà quản lý dự án có thể chủ động theo dõi, cập nhật thông tin rủi ro và đưa ra các biện pháp ứng phó kịp thời, từ đó giảm thiểu thiệt hại tài chính và nâng cao hiệu quả quản lý chi phí. Dữ liệu có thể được trình bày qua biểu đồ xác suất vượt chi phí theo thời gian và bảng phân tích độ nhạy các yếu tố rủi ro, giúp trực quan hóa mức độ ảnh hưởng và ưu tiên xử lý.

Đề xuất và khuyến nghị

1. Xây dựng hệ thống giám sát rủi ro theo thời gian thực: Áp dụng mô hình DBNs để thiết lập hệ thống cảnh báo sớm vượt chi phí, cập nhật dữ liệu liên tục qua các giai đoạn thi công nhằm giảm thiểu rủi ro phát sinh. Chủ thể thực hiện: Ban quản lý dự án, thời gian triển khai: 6 tháng.

2. Tăng cường đào tạo và nâng cao năng lực quản lý thi công: Tập trung vào các yếu tố như kiểm soát sai sót thi công, quản lý tiến độ và vật tư để giảm thiểu các nguyên nhân chính gây vượt chi phí. Chủ thể thực hiện: Nhà thầu thi công, thời gian: liên tục trong quá trình dự án.

3. Cải thiện quản lý hợp đồng và tài chính: Rà soát, điều chỉnh hợp đồng để đảm bảo quyền lợi và trách nhiệm rõ ràng giữa các bên, đồng thời kiểm soát chặt chẽ dòng tiền và thanh toán để tránh tình trạng chậm trễ gây áp lực tài chính. Chủ thể thực hiện: Chủ đầu tư và nhà thầu, thời gian: trước và trong thi công.

4. Áp dụng mô hình DBNs mở rộng cho các dự án khác: Nghiên cứu và phát triển mô hình DBNs cho các loại dự án xây dựng khác nhằm nâng cao khả năng dự báo và quản lý rủi ro chi phí toàn diện. Chủ thể thực hiện: Các viện nghiên cứu, trường đại học, thời gian: 1-2 năm.

Đối tượng nên tham khảo luận văn

1. Nhà quản lý dự án xây dựng: Giúp hiểu rõ các yếu tố rủi ro ảnh hưởng đến chi phí thi công và áp dụng mô hình DBNs để dự báo, kiểm soát chi phí hiệu quả.

2. Các nhà thầu thi công: Hỗ trợ trong việc đánh giá rủi ro, phân bổ trách nhiệm quản lý và nâng cao năng lực kiểm soát chi phí thi công qua từng giai đoạn.

3. Chủ đầu tư và tư vấn quản lý dự án: Cung cấp công cụ dự báo xác suất vượt chi phí, giúp ra quyết định kịp thời trong việc điều chỉnh kế hoạch và giám sát dự án.

4. Các nhà nghiên cứu và sinh viên chuyên ngành quản lý xây dựng: Là tài liệu tham khảo về ứng dụng mạng Bayesian động trong quản lý rủi ro chi phí xây dựng, mở rộng nghiên cứu trong lĩnh vực này.

Câu hỏi thường gặp

1. Mạng Bayesian động (DBNs) là gì và tại sao lại phù hợp để dự báo vượt chi phí thi công?
   DBNs là mô hình mạng Bayesian mở rộng theo chiều thời gian, cho phép mô hình hóa sự thay đổi và tương tác của các biến rủi ro qua các giai đoạn dự án. Phương pháp này phù hợp vì chi phí thi công bị ảnh hưởng bởi nhiều yếu tố biến động theo thời gian, mà các mô hình tĩnh không thể phản ánh chính xác.

2. Các yếu tố rủi ro chính nào ảnh hưởng đến vượt chi phí thi công nhà cao tầng?
   Các yếu tố quan trọng gồm sai sót trong thi công, không đáp ứng tiến độ, mất mát hao hụt vật tư, năng lực tài chính yếu kém của chủ đầu tư và nhà thầu, quản lý hợp đồng lỏng lẻo. Những yếu tố này có thể làm tăng xác suất vượt chi phí lên đến 40% trong một số giai đoạn.

3. Mô hình DBNs được kiểm chứng như thế nào trong nghiên cứu?
   Mô hình được áp dụng vào hai dự án nhà cao tầng thực tế tại TP. Hồ Chí Minh, dự báo xác suất vượt chi phí qua ba giai đoạn thi công. Kết quả dự báo tương đối sát với số liệu thực tế, chứng minh tính hiệu quả và khả năng ứng dụng của mô hình.

4. Làm thế nào để cập nhật mô hình DBNs khi có thông tin mới?
   DBNs cho phép cập nhật xác suất dựa trên bằng chứng mới thông qua quá trình suy luận xác suất có điều kiện. Khi có dữ liệu mới về các biến rủi ro, mô hình sẽ điều chỉnh xác suất dự báo, giúp nhà quản lý dự án có thông tin kịp thời để ứng phó.

5. Mô hình DBNs có thể áp dụng cho các loại dự án xây dựng khác không?
   Có, DBNs là mô hình linh hoạt có thể mở rộng để dự báo rủi ro chi phí trong nhiều loại dự án xây dựng khác nhau, từ dân dụng đến công nghiệp, giúp nâng cao hiệu quả quản lý rủi ro và chi phí toàn diện.

Kết luận

• Nghiên cứu đã xác định 16 yếu tố rủi ro và 29 mối quan hệ nhân quả ảnh hưởng đến vượt chi phí thi công nhà cao tầng tại Việt Nam.
• Mô hình Dynamic Bayesian Networks (DBNs) được xây dựng và kiểm chứng cho kết quả dự báo xác suất vượt chi phí sát với thực tế qua các giai đoạn thi công.
• DBNs giúp phân tích độ nhạy các yếu tố rủi ro, hỗ trợ phân bổ trách nhiệm quản lý rõ ràng giữa các bên liên quan.
• Ứng dụng mô hình DBNs góp phần nâng cao hiệu quả quản lý chi phí, giảm thiểu rủi ro và tăng lợi nhuận cho nhà thầu thi công.
• Đề xuất triển khai hệ thống giám sát rủi ro theo thời gian thực và mở rộng nghiên cứu ứng dụng DBNs cho các dự án xây dựng khác trong tương lai.

Hành động tiếp theo: Các nhà quản lý dự án và nhà thầu nên áp dụng mô hình DBNs trong công tác quản lý chi phí thi công, đồng thời phối hợp với các viện nghiên cứu để phát triển và hoàn thiện mô hình phù hợp với từng loại dự án cụ thể.