Luận Văn Thạc Sĩ: Phân Tích Ảnh Hưởng Của Các Yếu Tố Đến Chi Phí Làm Lại Trong Dự Án Xây Dựng Sử Dụng Mạng Nơ-ron Nhân Tạo (ANN)

• Tác giả: Trương Công Huy
• Người hướng dẫn: Assoc. Trần Đức Học
• Trường học: Ho Chi Minh City University of Technology
• Chuyên ngành: Construction Management
• Đề tài: Phân Tích Ảnh Hưởng Của Các Yếu Tố Đến Chi Phí Làm Lại Trong Dự Án Xây Dựng Bằng ANN
• Loại tài liệu: master’s thesis
• Năm xuất bản: 2024
• Địa điểm: Ho Chi Minh City

• THE TASK SHEET OF MASTER’S THESIS
• TÓM TẮT LUẬN VĂN
• THE COMMITMENT OF AUTHOR
• TABLE OF CONTENTS
• LIST OF ABBREVIATION
• LIST OF FIGURES
• LIST OF TABLES
• 2. CHAPTER 2: LITERATURE REVIEW
• 2.1. Concepts and Definitions
• 2.2. Role construction project relevants
• 2.3. Total investment amount for construction project
• 2.4. Cost overrun construction project definition
• 2.5. Cost overrun construction project type
• 2.8. Artificial Neural Network
• 3. CHAPTER 3: RESEARCH METHODOLOGIES
• 3.2. Questionnaire Survey Purpose
• 3.3. Questionnaire Response Guideline
• 3.1. Sample Size Identification
• 3.2. Distribute and collect sample
• 3.6. Data Analysis Tools
• 3.1. Cronbach’s Alpha Coefficient (Reliability Analysis)
• 3.2. Factors ranking due to mean
• 3.3. One sample testing
• 3.4. One-way ANOVA
• 3.5. Exploratory factor analysis (EFA)
• 3.1. Bartlett’s test of sphericity
• 3.6. Artificial Neural Network (ANN)
• 4. CHAPTER 4: DATA ANALYSIS
• 4.2. Data Collection Results
• 4.2.1. Questionnaire response result
• 4.2.2. Work experience result
• 4.2.3. Working company role result
• 4.2.4. Working position result
• 4.2.5. Number of participated project result
• 4.2.6. Project type result
• 4.2.7. Project scale ever participated
• 4.2.8. Affection of rework on construction project
• 4.2.9. Rework cost percentage on construction project
• 4.3. Reliability analysis of scale
• 4.3.1. Occurrence and influence level scale reliability for Investor factor group
• 4.3.2. Occurrence and Influence level scale reliability for Design factor group
• 4.3.3. Occurrence level scale reliability for Supervisory factor group
• 4.3.4. Occurrence level scale reliability for Contractor factor group
• 4.3.5. Occurrence and influence level scale reliability for Environment and External factor group
• 4.3.6. Occurrence and influence level scale reliability for Labour and Equipment factor group
• 4.3.7. Occurrence and influence level scale reliability for Other group
• 4.4. Factors ranking due to mean
• 4.4.1. Mean and rank the factors according to the occurrence level
• 4.4.2. Mean and rank the factors according to the influence level
• 4.5. One sample T test implementation
• 4.5.1. One-Sample T Test for occurence level
• 4.5.2. One-Sample T Test for influence level
• 4.6. Testing for the difference in mean between groups (One-way ANOVA)
• 4.6.1. One-way ANOVA testing for occurance level
• 4.6.2. One-way ANOVA testing for influence level
• 4.7. Exploratory factor analysis (EFA) for evaluating preliminarily measurement scale
• 4.7.1. Exploratory factor analysis (EFA) for evaluating
• 4.7.2. Analyze the meaning of the main components that affect the rework costs of the project
• 5. CHAPTER 5: ANN MODELLING
• 5.2. ANN Modelling parameter
• 5.2. Hidden Layer and neuron number
• 5.3. ANN Modelling result
• 5.4. ANN Modelling comparison
• 6. CHAPTER 6: CONCLUSION AND RECOMMENDATION
• 6.1. On the academic side
• 6.2. On the practical side
• 6.4. Next research target
• LIST OF ABBREVIATION

I. Phân tích ảnh hưởng của các yếu tố đến chi phí làm lại

Nghiên cứu này tập trung vào việc phân tích ảnh hưởng của các yếu tố khác nhau đến chi phí làm lại trong các dự án xây dựng. Các yếu tố được xem xét bao gồm thay đổi thiết kế, vấn đề giao tiếp, và các tác động từ các bên liên quan như nhà đầu tư, tư vấn, nhà thầu. Mục tiêu chính là xác định các yếu tố chính góp phần vào chi phí làm lại thông qua phương pháp khảo sát. Nghiên cứu cũng nhấn mạnh tác động của việc làm lại đến môi trường và hiệu quả dự án, đặc biệt là việc tăng thêm chất thải và sử dụng tài nguyên.

1.1. Yếu tố chi phí và tác động

Các yếu tố như thay đổi thiết kế, vấn đề giao tiếp, và các tác động từ nhà đầu tư, tư vấn, nhà thầu được xem xét kỹ lưỡng. Nghiên cứu chỉ ra rằng các yếu tố này có mối liên hệ chặt chẽ với chi phí làm lại. Tuy nhiên, hiện tại vẫn chưa có công cụ cụ thể để định lượng các mối quan hệ này. Nghiên cứu này giải quyết sự thiếu hụt đó bằng cách phát triển mô hình mạng nơ-ron nhân tạo (ANN) để đánh giá và dự đoán tác động của các yếu tố này đến chi phí làm lại.

1.2. Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp khảo sát dựa trên bảng câu hỏi để thu thập dữ liệu từ các dự án xây dựng tại Việt Nam từ năm 2013 đến năm 2023. Dữ liệu được phân tích bằng phần mềm RapidMiner Studio để xây dựng mô hình ANN. Mô hình này bao gồm 3 lớp: lớp đầu vào (14 nơ-ron), lớp ẩn (4 nơ-ron) và lớp đầu ra (1 nơ-ron) với hàm Sigmoid. Kết quả cho thấy mô hình ANN có độ tin cậy cao hơn so với các mô hình khác như LR, CART, SVM.

II. Ứng dụng ANN trong quản lý chi phí làm lại

Mô hình mạng nơ-ron nhân tạo (ANN) được phát triển trong nghiên cứu này đóng vai trò là công cụ hỗ trợ quyết định tích hợp cho quản lý dự án. Mô hình này giúp dự đoán chi phí làm lại dựa trên các yếu tố ảnh hưởng, từ đó giúp các bên liên quan trong ngành xây dựng đưa ra quyết định sáng suốt hơn. Nghiên cứu cũng chỉ ra sự khác biệt giữa chi phí làm lại thực tế và dự kiến trong các dự án đã hoàn thành tại Việt Nam.

2.1. Cấu trúc mô hình ANN

Mô hình ANN được thiết kế với 3 lớp: lớp đầu vào (14 nơ-ron), lớp ẩn (4 nơ-ron) và lớp đầu ra (1 nơ-ron) với hàm Sigmoid. Cấu trúc này cho phép mô hình xử lý dữ liệu phức tạp và đưa ra dự đoán chính xác về chi phí làm lại. Kết quả cho thấy mô hình ANN có hệ số tương quan cao nhất so với các mô hình khác, chứng tỏ độ tin cậy cao trong việc dự đoán chi phí làm lại.

2.2. So sánh với các mô hình khác

Nghiên cứu so sánh mô hình ANN với các mô hình khác như Linear Regression (LR), Classification And Regression Tree (CART), và Support Vector Machine (SVM). Kết quả cho thấy mô hình ANN có độ chính xác cao hơn trong việc dự đoán chi phí làm lại. Điều này khẳng định giá trị của việc ứng dụng công nghệ ANN trong quản lý chi phí làm lại trong các dự án xây dựng.

III. Kết luận và khuyến nghị

Nghiên cứu này đã xác định các yếu tố chính ảnh hưởng đến chi phí làm lại trong các dự án xây dựng và phát triển mô hình mạng nơ-ron nhân tạo (ANN) để dự đoán chi phí này. Mô hình ANN đã chứng minh độ tin cậy cao hơn so với các mô hình khác, đóng vai trò quan trọng trong việc hỗ trợ quyết định quản lý dự án. Nghiên cứu cũng đề xuất các hướng nghiên cứu tiếp theo để cải thiện độ chính xác của mô hình và ứng dụng rộng rãi hơn trong ngành xây dựng.

3.1. Đóng góp học thuật và thực tiễn

Nghiên cứu này đóng góp vào lĩnh vực học thuật bằng cách cung cấp một phương pháp mới để phân tích ảnh hưởng của các yếu tố đến chi phí làm lại. Trên thực tế, mô hình ANN có thể được sử dụng như một công cụ hỗ trợ quyết định hiệu quả trong quản lý dự án, giúp giảm thiểu chi phí làm lại và nâng cao hiệu quả dự án.

3.2. Hướng nghiên cứu tiếp theo

Nghiên cứu đề xuất các hướng nghiên cứu tiếp theo như cải thiện độ chính xác của mô hình ANN bằng cách tích hợp thêm dữ liệu và yếu tố ảnh hưởng. Ngoài ra, việc ứng dụng mô hình này trong các dự án xây dựng quy mô lớn cũng là một hướng nghiên cứu tiềm năng để đánh giá hiệu quả thực tế của mô hình.

Tổng quan nghiên cứu

Trong ngành xây dựng, chi phí làm lại (rework cost) là một thách thức lớn ảnh hưởng trực tiếp đến tiến độ, chất lượng và hiệu quả kinh tế của dự án. Theo ước tính, chi phí làm lại có thể chiếm từ 5% đến 20% tổng giá trị hợp đồng, đồng thời góp phần làm tăng chi phí tổng thể lên đến 52% và kéo dài tiến độ dự án khoảng 22%. Tại Việt Nam, các dự án xây dựng từ năm 2013 đến 2023 đã ghi nhận nhiều trường hợp phát sinh chi phí làm lại do các yếu tố như thay đổi thiết kế, vấn đề giao tiếp giữa các bên liên quan, và các tác động môi trường. Mục tiêu nghiên cứu là phân tích và xác định các yếu tố chính ảnh hưởng đến chi phí làm lại trong các dự án xây dựng tại Việt Nam, đồng thời phát triển mô hình mạng nơ-ron nhân tạo (ANN) để dự đoán và đánh giá mức độ ảnh hưởng của các yếu tố này. Phạm vi nghiên cứu tập trung vào các dự án xây dựng đã hoàn thành trên địa bàn miền Nam Việt Nam, bao gồm TP. Hồ Chí Minh, Đồng Nai, Bình Dương, Long An và Bà Rịa - Vũng Tàu, với dữ liệu khảo sát thu thập từ 86 dự án và 125 phiếu khảo sát từ các chuyên gia, kỹ sư, nhà đầu tư, tư vấn và nhà thầu. Nghiên cứu không chỉ góp phần nâng cao hiểu biết về các nguyên nhân gây ra chi phí làm lại mà còn cung cấp công cụ hỗ trợ ra quyết định cho các bên liên quan nhằm giảm thiểu chi phí và nâng cao hiệu quả quản lý dự án xây dựng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên các lý thuyết và mô hình sau:

• Khái niệm Rework và Chi phí làm lại: Rework được định nghĩa là các hoạt động phải thực hiện lại nhiều lần hoặc sửa chữa các công việc đã hoàn thành do lỗi, thiếu sót hoặc thay đổi không dự kiến, gây ra chi phí và thời gian phát sinh không giá trị gia tăng. Chi phí làm lại bao gồm chi phí nhân công, vật liệu, thiết bị và các chi phí phụ trợ khác.

• Mô hình Mạng Nơ-ron Nhân tạo (Artificial Neural Network - ANN): ANN là mô hình học máy mô phỏng cấu trúc và chức năng của hệ thần kinh con người, gồm ba lớp chính: lớp đầu vào, lớp ẩn và lớp đầu ra. Mạng học bằng cách điều chỉnh trọng số kết nối giữa các nơ-ron dựa trên sai số giữa giá trị dự đoán và giá trị thực tế. Hàm kích hoạt Sigmoid được sử dụng để chuyển đổi tín hiệu đầu vào thành đầu ra trong khoảng (0,1), giúp mô hình xử lý các mối quan hệ phi tuyến phức tạp.

• Các nhóm yếu tố ảnh hưởng đến chi phí làm lại: Nghiên cứu phân loại 43 yếu tố thành 7 nhóm chính gồm: Yếu tố nhà đầu tư, thiết kế, nhà thầu/nhà thầu phụ, tư vấn giám sát, nhân công và thiết bị, môi trường và các tác động bên ngoài, cùng các yếu tố đặc thù của Việt Nam. Các yếu tố này được đánh giá dựa trên mức độ xuất hiện và ảnh hưởng thông qua khảo sát.

Phương pháp nghiên cứu

• Nguồn dữ liệu: Dữ liệu được thu thập từ 125 phiếu khảo sát hợp lệ, phản hồi từ các kỹ sư, quản lý dự án, nhà đầu tư, tư vấn và nhà thầu tham gia vào các dự án xây dựng hoàn thành trong giai đoạn 2013-2023 tại miền Nam Việt Nam. Ngoài ra, dữ liệu thực tế về chi phí làm lại của 86 dự án được sử dụng để huấn luyện mô hình ANN.

• Phương pháp phân tích: Sử dụng phần mềm SPSS để phân tích thống kê mô tả, kiểm định độ tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá (EFA), kiểm định One-way ANOVA để đánh giá sự khác biệt giữa các nhóm yếu tố. Mô hình ANN được xây dựng trên nền tảng RapidMiner Studio với cấu trúc gồm 14 nơ-ron đầu vào, 4 nơ-ron lớp ẩn và 1 nơ-ron đầu ra, sử dụng hàm kích hoạt Sigmoid. Mô hình được đánh giá bằng các chỉ số: hệ số tương quan (R), sai số trung bình tuyệt đối (MAE), sai số phần trăm tuyệt đối trung bình (MAPE) và sai số căn bậc hai trung bình (RMSE).

• Timeline nghiên cứu: Nghiên cứu bắt đầu từ tháng 1/2024 với việc thiết kế và thử nghiệm bảng câu hỏi, thu thập dữ liệu từ tháng 2 đến tháng 5/2024, phân tích dữ liệu và xây dựng mô hình ANN trong tháng 5, hoàn thiện luận văn và bảo vệ vào tháng 6/2024.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Xác định các nhóm yếu tố ảnh hưởng chính: Qua phân tích EFA, 43 yếu tố được gom thành 7 nhóm có ý nghĩa thống kê với hệ số KMO ≥ 0.7 và Bartlett’s test p < 0.05, đảm bảo tính phù hợp của dữ liệu. Nhóm yếu tố nhà đầu tư và thiết kế được đánh giá có mức độ ảnh hưởng cao nhất đến chi phí làm lại, với điểm trung bình mức độ ảnh hưởng lần lượt là khoảng 4.2 và 4.0 trên thang Likert 5 điểm.

2. Mức độ xuất hiện và ảnh hưởng của các yếu tố: Yếu tố "Thay đổi chính sách đầu tư của nhà đầu tư" và "Yêu cầu thay đổi thiết kế từ nhà đầu tư" có tần suất xuất hiện cao (trên 80%) và mức độ ảnh hưởng lớn (trên 4.0). Các yếu tố liên quan đến năng lực thiết kế như "Thiếu kinh nghiệm của nhóm thiết kế" và "Thiết kế không phù hợp với yêu cầu sử dụng" cũng được đánh giá cao với mức ảnh hưởng trên 3.8.

3. Hiệu quả mô hình ANN: Mô hình ANN đạt hệ số tương quan R = 0.92, thấp hơn đáng kể các sai số MAE = 3.5%, MAPE = 4.2% và RMSE = 4.8%, cho thấy khả năng dự đoán chi phí làm lại chính xác hơn so với các mô hình truyền thống như hồi quy tuyến tính (LR), cây quyết định (CART) và máy vector hỗ trợ (SVM), với R của các mô hình này dao động từ 0.75 đến 0.85.

4. So sánh chi phí làm lại thực tế và dự đoán: Mô hình ANN giúp nhận diện các dự án có chi phí làm lại vượt mức dự kiến, hỗ trợ nhà quản lý điều chỉnh kịp thời các yếu tố rủi ro. Ví dụ, trong một số dự án tại TP. Hồ Chí Minh, chi phí làm lại thực tế vượt dự báo lên đến 15%, chủ yếu do thay đổi thiết kế và thiếu phối hợp giữa các bên.

Thảo luận kết quả

Nguyên nhân chính dẫn đến chi phí làm lại cao là do sự thay đổi liên tục trong yêu cầu thiết kế và quyết định chậm trễ của nhà đầu tư, gây ra sự không đồng bộ trong quá trình thi công. Kết quả này phù hợp với các nghiên cứu quốc tế và trong nước trước đây, đồng thời nhấn mạnh vai trò quan trọng của quản lý thiết kế và giao tiếp hiệu quả giữa các bên liên quan. Việc áp dụng mô hình ANN cho phép xử lý dữ liệu phi tuyến và phức tạp, từ đó dự đoán chính xác hơn so với các phương pháp truyền thống. Dữ liệu có thể được trình bày qua biểu đồ so sánh hệ số tương quan và sai số của các mô hình, cũng như bảng xếp hạng các yếu tố theo mức độ ảnh hưởng, giúp minh bạch và dễ dàng tiếp cận thông tin cho các nhà quản lý dự án.

Đề xuất và khuyến nghị

1. Tăng cường quản lý thay đổi thiết kế: Áp dụng quy trình kiểm soát thay đổi chặt chẽ, yêu cầu nhà đầu tư và tư vấn phối hợp sớm để hạn chế các thay đổi phát sinh trong quá trình thi công, nhằm giảm thiểu chi phí làm lại. Chủ thể thực hiện: Ban quản lý dự án, nhà đầu tư. Thời gian: Triển khai ngay trong giai đoạn thiết kế và thi công.

2. Nâng cao năng lực thiết kế và giám sát: Đào tạo, tuyển chọn đội ngũ thiết kế và giám sát có kinh nghiệm, áp dụng các tiêu chuẩn kỹ thuật và phần mềm thiết kế hiện đại để đảm bảo chất lượng bản vẽ và giảm sai sót. Chủ thể thực hiện: Công ty tư vấn thiết kế, nhà thầu giám sát. Thời gian: Liên tục trong suốt vòng đời dự án.

3. Cải thiện giao tiếp và phối hợp giữa các bên: Thiết lập kênh thông tin minh bạch, thường xuyên tổ chức các cuộc họp phối hợp giữa nhà đầu tư, tư vấn, nhà thầu và các bên liên quan để cập nhật tiến độ và xử lý kịp thời các vấn đề phát sinh. Chủ thể thực hiện: Ban quản lý dự án. Thời gian: Hàng tuần hoặc theo giai đoạn dự án.

4. Ứng dụng công nghệ AI trong quản lý dự án: Sử dụng mô hình ANN và các công cụ phân tích dữ liệu để dự báo chi phí làm lại, từ đó đưa ra các cảnh báo sớm và giải pháp điều chỉnh phù hợp. Chủ thể thực hiện: Phòng quản lý dự án, các đơn vị tư vấn công nghệ. Thời gian: Áp dụng trong giai đoạn lập kế hoạch và giám sát thi công.

Đối tượng nên tham khảo luận văn

1. Nhà quản lý dự án xây dựng: Giúp hiểu rõ các yếu tố ảnh hưởng đến chi phí làm lại, từ đó nâng cao hiệu quả quản lý, giảm thiểu rủi ro và chi phí phát sinh trong dự án.

2. Nhà đầu tư và chủ đầu tư: Cung cấp cơ sở dữ liệu và công cụ dự báo chi phí làm lại, hỗ trợ ra quyết định đầu tư và kiểm soát chi phí hiệu quả hơn.

3. Tư vấn thiết kế và giám sát: Nâng cao nhận thức về các nguyên nhân gây ra rework, cải thiện chất lượng thiết kế và giám sát nhằm giảm thiểu sai sót và chi phí phát sinh.

4. Nhà thầu và nhà cung cấp: Hiểu rõ các yếu tố ảnh hưởng đến chi phí làm lại để cải thiện quy trình thi công, lựa chọn vật liệu và phối hợp với các bên liên quan nhằm tối ưu hóa chi phí và tiến độ.

Câu hỏi thường gặp

1. Chi phí làm lại trong xây dựng là gì?
   Chi phí làm lại là chi phí phát sinh do phải sửa chữa hoặc thực hiện lại các công việc đã hoàn thành do lỗi, thiếu sót hoặc thay đổi không dự kiến, bao gồm chi phí nhân công, vật liệu và thiết bị.

2. Những yếu tố nào ảnh hưởng nhiều nhất đến chi phí làm lại?
   Các yếu tố chính gồm thay đổi thiết kế từ nhà đầu tư, thiếu kinh nghiệm và năng lực của nhóm thiết kế, giao tiếp kém giữa các bên liên quan, và các tác động môi trường như thời tiết xấu.

3. Mô hình mạng nơ-ron nhân tạo (ANN) giúp gì trong việc dự đoán chi phí làm lại?
   ANN có khả năng xử lý dữ liệu phi tuyến và phức tạp, học từ dữ liệu thực tế để dự đoán chính xác chi phí làm lại, hỗ trợ nhà quản lý đưa ra quyết định kịp thời và hiệu quả.

4. Làm thế nào để giảm thiểu chi phí làm lại trong dự án xây dựng?
   Tăng cường quản lý thay đổi thiết kế, nâng cao năng lực thiết kế và giám sát, cải thiện giao tiếp giữa các bên, và ứng dụng công nghệ AI để dự báo và kiểm soát chi phí.

5. Phạm vi áp dụng của nghiên cứu này là gì?
   Nghiên cứu tập trung vào các dự án xây dựng hoàn thành tại miền Nam Việt Nam trong giai đoạn 2013-2023, với dữ liệu khảo sát từ các chuyên gia và kỹ sư trong ngành xây dựng.

Kết luận

• Chi phí làm lại là nguyên nhân chính gây tăng chi phí và kéo dài tiến độ trong các dự án xây dựng tại Việt Nam, chiếm khoảng 5-20% tổng giá trị hợp đồng.
• Nghiên cứu đã xác định 7 nhóm yếu tố ảnh hưởng chính đến chi phí làm lại, trong đó yếu tố nhà đầu tư và thiết kế có ảnh hưởng lớn nhất.
• Mô hình mạng nơ-ron nhân tạo (ANN) được phát triển và đánh giá có độ chính xác cao hơn các mô hình truyền thống trong dự đoán chi phí làm lại.
• Các giải pháp đề xuất tập trung vào quản lý thay đổi thiết kế, nâng cao năng lực thiết kế và giám sát, cải thiện giao tiếp và ứng dụng công nghệ AI trong quản lý dự án.
• Nghiên cứu mở ra hướng đi mới cho việc ứng dụng trí tuệ nhân tạo trong quản lý chi phí xây dựng, góp phần nâng cao hiệu quả và bền vững cho ngành xây dựng Việt Nam.

Hành động tiếp theo: Các bên liên quan trong ngành xây dựng nên áp dụng kết quả nghiên cứu để cải thiện quy trình quản lý dự án, đồng thời tiếp tục nghiên cứu mở rộng mô hình ANN với dữ liệu đa dạng hơn nhằm nâng cao độ chính xác và khả năng ứng dụng thực tiễn.