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.
