Tổng quan nghiên cứu
Trong ngành xây dựng hiện đại, việc quản lý và cân bằng nguồn lực đóng vai trò sống còn đối với sự thành bại của mọi dự án. Theo các báo cáo thống kê trong ngành xây dựng, chi phí máy móc, thiết bị và nhân công thường chiếm từ 60% đến 75% tổng chi phí xây lắp trực tiếp, trong đó riêng chi phí thiết bị cơ giới nặng như cẩu tháp có thể chiếm từ 15% đến 25%. Tuy nhiên, việc lập tiến độ truyền thống dựa trên sơ đồ mạng lưới thường chỉ tập trung vào thời gian mà bỏ qua sự biến động không đồng đều của nguồn lực, dẫn đến tình trạng lãng phí từ 8% đến 12% ngân sách do thiết bị nhàn rỗi hoặc chi phí huy động nhân lực đột xuất trong các đợt cao điểm.
Vấn đề cốt lõi đặt ra là hầu hết các mô hình cân bằng tài nguyên trước đây chỉ tập trung tối ưu hóa riêng lẻ một đối tượng nguồn lực lao động, chưa xem xét toàn diện sự chênh lệch đơn giá và tác động qua lại giữa các nguồn lực phức hợp như thiết bị thi công và nhân công. Luận văn thạc sĩ chuyên ngành Quản lý Xây dựng mã số 8580302 của tác giả Nguyễn Đức Công Minh tại Trường Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh đã giải quyết triệt để bài toán này bằng cách phát triển mô hình lai ghép giữa thuật toán Sinh vật cộng sinh tìm kiếm sửa đổi và thuật toán Cân bằng tối ưu hóa Bayesian.
Nghiên cứu được triển khai thực nghiệm trên dự án xây dựng công trình trường học tại thành phố Hà Nội do Công ty Cổ phần Đầu tư Xây dựng Newtecons thi công, với quy mô 1 tầng hầm, 5 tầng văn phòng, gồm 302 công tác phức tạp và tổng thời gian thi công kéo dài 933 ngày. Kết quả nghiên cứu chứng minh mô hình mới giúp san bằng biểu đồ tài nguyên, kiểm soát biến động tiêu thụ nhân công ở mức đơn giá 375.000 đồng/công và tối ưu chi phí thuê cẩu tháp 5.000.000 đồng/bộ/ngày, mang lại hiệu quả tiết kiệm chi phí dự kiến từ 5% đến 10% cho toàn bộ dự án.
Cơ sở lý thuyết và phương pháp nghiên cứu
Khung lý thuyết áp dụng
Nghiên cứu xây dựng trên nền tảng lý thuyết cân bằng tài nguyên trong quản lý dự án xây dựng, kết hợp hai mô hình thuật toán tối ưu hóa tiên tiến nhằm giải quyết bài toán đa mục tiêu phức tạp.
Lý thuyết cân bằng tài nguyên tập trung vào việc dịch chuyển các công tác không găng trong phạm vi thời gian dự trữ toàn phần để giảm thiểu sự dao động của biểu đồ sử dụng tài nguyên mà không làm thay đổi tổng tiến độ dự án. Hàm mục tiêu cân bằng tài nguyên được kế thừa từ các công trình kinh điển của Hegazy năm 1999 và Son & Skibniewski năm 1999, tập trung vào việc tối thiểu hóa moment của biểu đồ tài nguyên xoay quanh trục thời gian, đồng thời kiểm soát mức chênh lệch giữa đỉnh nhu cầu và mức tiêu thụ tài nguyên trung bình.
Thuật toán Sinh vật cộng sinh tìm kiếm sửa đổi được phát triển từ thuật toán gốc của Cheng và Prayogo năm 2014. Thuật toán mô phỏng các mối quan hệ sinh thái tự nhiên bao gồm 3 pha tương tác chính: pha tương trợ, pha cộng sinh và pha ký sinh. Cải tiến quan trọng nhất trong nghiên cứu là việc tái cấu trúc pha ký sinh thông qua cơ chế tìm kiếm cục bộ và toán tử lựa chọn dựa trên khoảng cách chen lấn thích ứng với hệ số tỷ lệ kích thước đột biến khởi tạo là 0.00001. Cơ chế này giúp thuật toán duy trì sự đa dạng của quần thể, ngăn ngừa hiện tượng hội tụ sớm vào các nghiệm tối ưu cục bộ.
Thuật toán Cân bằng tối ưu hóa Bayesian dựa trên nghiên cứu của Marco Laumanns và Jiri Ocenasek năm 2002 được tích hợp để xử lý bài toán tối ưu đa tiêu chí. Thuật toán sử dụng mô hình xác suất xây dựng tập nghiệm tối ưu Pareto, đảm bảo nguyên tắc bảo tồn cá thể ưu tú và duy trì tính đa dạng trong cả không gian mục tiêu lẫn không gian quyết định.
Các khái niệm chính được chuẩn hóa trong nghiên cứu bao gồm: Giá trị thích nghi tổng thể, Moment biểu đồ tài nguyên, Nhu cầu tài nguyên tối đa, Biến thiên tích lũy nhu cầu giai đoạn liên tiếp và Bước nhảy nhu cầu lớn nhất giữa hai thời kỳ kế tiếp.
+--------------------------------------------------------+
| KHUNG PHÂN TÍCH TỐI ƯU HÓA LAI GHÉP NGUỒN LỰC |
+--------------------------------------------------------+
|
+--------------------------+--------------------------+
| |
v v
+-------------------------------+ +-------------------------------+
| Thuật toán MSOS | | Thuật toán BOL |
| - Pha tương trợ & cộng sinh | | - Xây dựng mô hình xác suất |
| - Pha ký sinh cải tiến | | - Chiến lược bảo tồn Pareto |
| - Toán tử chen lấn thích ứng | | - Cân bằng đa mục tiêu chi |
| (F = 0.00001) | | phí nhân công & thiết bị |
+-------------------------------+ +-------------------------------+
| |
+--------------------------+--------------------------+
|
v
+-----------------------------------------------------+
| Hàm mục tiêu tích hợp đa biến (f, Mx, Rdmax, CRV) |
| -> Tối ưu chi phí nguồn lực không đổi tổng tiến độ |
+-----------------------------------------------------+
Phương pháp nghiên cứu
Nghiên cứu sử dụng phương pháp mô hình hóa toán học kết hợp mô phỏng thực nghiệm trên máy tính để kiểm nghiệm thuật toán.
Nguồn dữ liệu được thu thập từ dự án thực tế với cỡ mẫu 302 công tác xây dựng chi tiết, bao gồm toàn bộ chuỗi công việc từ giai đoạn đào đất, thi công cọc, đài giằng móng, kết cấu ngầm, kết cấu thân đến hoàn thiện sàn trệt của các phân khu Zone 1A, Zone 1B, Zone 2A, Zone 2B, Zone 3A và Zone 3B. Phương pháp chọn mẫu có chủ đích được áp dụng nhằm lựa chọn một dự án có tính đại diện cao cho các công trình đô thị phức hợp, nơi mà mặt bằng thi công chật hẹp đòi hỏi việc điều phối cẩu tháp và công nhân phải đạt độ chính xác tuyệt đối.
Phương pháp phân tích dựa trên sự kết hợp giữa Phương pháp đường găng CPM và quy trình tối ưu hóa metaheuristic lai ghép. Lý do lựa chọn phương pháp này xuất phát từ bản chất bài toán cân bằng tài nguyên trong xây dựng là bài toán tối ưu tổ hợp phi tuyến có không gian tìm kiếm cực lớn, nơi mà các thuật toán toán học giải tích truyền thống hoàn toàn bất khả thi trong việc tìm nghiệm toàn cục.
Quy trình nghiên cứu trải qua 4 bước: Khởi tạo thông số quần thể với kích thước từ 50 đến 100 cá thể, thiết lập số lần lặp tối đa từ 500 đến 1000 thế hệ; Tính toán thời gian bắt đầu sớm và thời gian bắt đầu muộn của 302 công tác; Chạy thuật toán MSOS để điều chỉnh thời điểm bắt đầu của các hoạt động không găng; Sử dụng thuật toán BOL để chọn lọc các phương án tối ưu chi phí theo tập Pareto dựa trên 3 hệ số trọng số mục tiêu lần lượt là 1, 1 và 10.
Kết quả nghiên cứu và thảo luận
Những phát hiện chính
Quá trình kiểm nghiệm mô hình MSOS-BOL trên dự án trường học tại Hà Nội đã mang lại những kết quả vượt trội so với dữ liệu tiến độ thực tế chưa tối ưu và khi so sánh đối chuẩn với 6 thuật toán metaheuristic khác trong ngành:
Thứ nhất, mô hình tối ưu hóa thành công giá trị hàm mục tiêu thích nghi tổng thể, đạt mức cải thiện 12.4% so với thuật toán SOS tiêu chuẩn và vượt trội từ 6.5% đến 14.8% so với các thuật toán tối ưu bầy đàn khác như SMA, VCS, EOA, SOA và WHO.
Thứ hai, moment của biểu đồ tài nguyên xoay quanh trục thời gian giảm 15.6%, giúp loại bỏ triệt để các đỉnh tiêu thụ tài nguyên cục bộ. Nhu cầu huy động cẩu tháp được san phẳng từ mức biến động đột ngột 3 đến 4 bộ/ngày xuống mức ổn định 2 bộ/ngày trong suốt các giai đoạn thi công kết cấu ngầm và đài móng.
Thứ ba, chỉ số thay đổi tích lũy nhu cầu tài nguyên liên tiếp giảm 18.2%, đồng thời chỉ số bước nhảy nhu cầu lớn nhất giữa hai ngày liên tiếp giảm từ mức 85 công/ngày xuống dưới 38 công/ngày. Điều này giúp lực lượng lao động tại công trường không bị xáo trộn, duy trì nhịp độ làm việc liên tục cho 146 công nhân nòng cốt.
Thứ tư, phương án tiến độ tối ưu bằng MSOS-BOL giúp giảm tổng chi phí sử dụng nguồn lực khoảng 7.8% (tương đương tiết kiệm hàng trăm triệu đồng chi phí thuê thiết bị cẩu tháp và hạn chế chi phí làm thêm giờ), đồng thời bảo toàn chính xác 100% thời gian thi công là 933 ngày.
Thảo luận kết quả
Hiệu quả vượt trội của mô hình MSOS-BOL bắt nguồn từ sự kết hợp tương hỗ giữa hai thuật toán. Thuật toán MSOS với toán tử lựa chọn dựa trên khoảng cách chen lấn đã giải quyết thành công điểm nghẽn lớn nhất của thuật toán SOS truyền thống là khả năng khai thác cục bộ kém và dễ rơi vào bẫy hội tụ sớm khi số lượng công tác lên đến 302 biến quyết định. Trong khi đó, thuật toán BOL đóng vai trò như một bộ điều phối thông minh, giúp đánh giá đồng thời cả hai loại tài nguyên có sự chênh lệch đơn giá rất lớn (nhân công 375.000 đồng so với thiết bị 5.000.000 đồng).
So sánh với các nghiên cứu trước đây của Hegazy năm 1999 hay Trần Đức Học và Doddy Prayogo năm 2018 vốn chỉ tối ưu hóa riêng rẽ nguồn lực lao động, nghiên cứu này chứng minh rằng việc tối ưu hóa đa nguồn lực giúp ngăn chặn hiện tượng tối ưu cục bộ nguồn lực này nhưng lại làm bùng nổ chi phí nguồn lực khác. Khi nguồn lực thiết bị cẩu tháp được đưa vào hàm mục tiêu với trọng số thích hợp, lịch trình thi công các công tác lắp đặt cốt thép, coppha và đổ bê tông tại các Zone 1A, 2A.1, 3B đã được sắp xếp nhịp nhàng, hạn chế tối đa thời gian cẩu tháp phải chờ đợi vật tư.
Về phương diện trực quan hóa dữ liệu, các kết quả tối ưu trong luận văn được thể hiện xuất sắc qua ba dạng thức: Biểu đồ đường bao tài nguyên theo thời gian (thể hiện rõ sự dịch chuyển từ các đỉnh nhọn dao động mạnh sang các đường cong thoải ổn định); Biểu đồ phân tán đám mây điểm biểu diễn sự hội tụ của tập nghiệm Pareto; và Bảng ma trận so sánh 5 chỉ số hiệu suất kỹ thuật (f, Mx, Rdmax, CRV, Rvmax) giữa thuật toán đề xuất với các thuật toán đối chuẩn.
+--------------------------------------------------------+
| SO SÁNH BIẾN ĐỘNG NGUỒN LỰC TRƯỚC VÀ SAU TỐI ƯU |
+--------------------------------------------------------+
Số lượng
(Bộ/Công)
150 | /\ <- Đỉnh nhân công chưa tối ưu (146 công)
| / \ /\
100 | - - / - -\ - - -/ -\ - - - - - - - - - - - - - - - - -
| / \====/====\==== Đường nhân lực tối ưu (80-95 công)
50 | /
| / /\ <- Đỉnh cẩu tháp chưa tối ưu (4 bộ)
0 +--======================== Đường cẩu tháp tối ưu (2 bộ ổn định)
+--------------------------------------------------------> Thời gian
0 Dự án 933 ngày
Đề xuất và khuyến nghị
Dựa trên kết quả nghiên cứu thực nghiệm thành công, tác giả đề xuất 4 nhóm giải pháp mang tính ứng dụng cao cho ngành xây dựng:
Thứ nhất, chuẩn hóa quy trình lập tiến độ tích hợp thuật toán MSOS-BOL vào phần mềm quản lý dự án nội bộ của các nhà thầu. Ban Giám đốc kỹ thuật và phòng Đấu thầu cần áp dụng mô hình này trong giai đoạn lập hồ sơ dự thầu trong vòng 30 ngày trước khi nộp thầu, hướng tới mục tiêu cắt giảm từ 5% đến 8% giá dự thầu nhờ tối ưu hóa chi phí máy thi công.
Thứ hai, tối ưu hóa hợp đồng thuê thiết bị cẩu tháp và cơ giới nặng dựa trên biểu đồ tài nguyên san phẳng. Phòng Cung ứng và Quản lý thiết bị cần thương thảo lại hợp đồng thuê máy theo biểu đồ huy động ổn định 2 bộ/ngày trong chu kỳ 933 ngày, đặt mục tiêu giảm thiểu 100% các khoảng thời gian cẩu tháp nhàn rỗi phát sinh chi phí lưu bãi.
Thứ ba, triển khai chương trình đào tạo chuyển giao công nghệ cho đội ngũ kỹ sư kế hoạch và định giá công trình. Bộ phận Nhân sự phối hợp với các chuyên gia học thuật tổ chức 2 khóa tập huấn chuyên sâu trong vòng 6 tháng cho ít nhất 50 kỹ sư, giúp làm chủ công cụ lập tiến độ metaheuristic và phương pháp cân bằng tài nguyên hiện đại.
Thứ tư, xây dựng hệ thống giám sát và tái cân bằng tiến độ định kỳ trên công trường theo chu kỳ 15 ngày một lần. Chỉ huy trưởng công trình cùng bộ phận Kỹ thuật hiện trường cần đối chiếu nhu cầu thực tế với đường bao tối ưu, đảm bảo độ sai lệch huy động nhân công và thiết bị không vượt quá 5% so với mô hình tính toán.
Đối tượng nên tham khảo luận văn
Luận văn thạc sĩ này là tài liệu tham khảo chuyên sâu và hữu ích cho 4 nhóm đối tượng chính trong hệ sinh thái xây dựng:
Thứ nhất, Kỹ sư Lập kế hoạch và Quản lý chi phí (Planner/QS): Cung cấp phương pháp luận chuẩn xác để phân tích thời gian dự trữ của từng công tác, biến các ràng buộc kỹ thuật phức tạp thành mô hình toán học nhằm đưa ra bảng tiến độ có chi phí thiết bị và nhân công tối ưu nhất.
Thứ hai, Giám đốc Quản lý dự án và Chỉ huy trưởng công trình: Cung cấp bài học thực tiễn từ case study 302 công tác của Newtecons để giải quyết bài toán bố trí mặt bằng, điều phối cẩu tháp và giữ ổn định lực lượng công nhân tại công trường trong suốt thời gian thi công 933 ngày.
Thứ ba, Chủ đầu tư và Đơn vị Tư vấn Quản lý dự án: Đóng vai trò là công cụ khoa học giúp thẩm tra tính khả thi của biện pháp thi công và tiến độ do nhà thầu đệ trình, kiểm soát dòng tiền giải ngân định kỳ và phòng ngừa rủi ro trượt giá hoặc đội chi phí thiết bị.
Thứ tư, Giảng viên, Nhà nghiên cứu và Học viên cao học chuyên ngành Quản lý xây dựng: Cung cấp nguồn học liệu giá trị cao về việc ứng dụng các thuật toán metaheuristic thế hệ mới như MSOS và tối ưu hóa xác suất Bayesian vào giải quyết các bài toán tối ưu hóa tổ hợp phi tuyến trong xây dựng.
Câu hỏi thường gặp
Thuật toán MSOS có điểm gì cải tiến nổi bật so với thuật toán SOS truyền thống?
Thuật toán MSOS cải tiến mang tính đột phá ở pha ký sinh bằng cách bổ sung cơ chế tìm kiếm cục bộ và áp dụng toán tử khoảng cách chen lấn thích ứng với hệ số đột biến 0.00001. Điều này giúp ngăn chặn hoàn toàn hiện tượng hội tụ sớm vào các nghiệm cục bộ, nâng cao độ chính xác tìm kiếm giải pháp tối ưu thêm khoảng 12.4% so với SOS gốc khi giải bài toán mạng lưới công tác lớn.
Việc tích hợp thêm thuật toán Bayesian Optimization Leveling đem lại lợi ích gì cho bài toán cân bằng tài nguyên?
Thuật toán BOL đóng vai trò bộ lọc đa mục tiêu xây dựng tập Pareto tối ưu, giúp cân bằng đồng thời cả nguồn lực nhân công có đơn giá 375.000 đồng/công và nguồn lực cẩu tháp đắt đỏ 5.000.000 đồng/bộ/ngày. Thuật toán đảm bảo việc tối ưu hóa chi phí cho một loại nguồn lực không gây ra sự gia tăng đột biến hoặc xung đột tiến độ cho các nguồn lực phụ trợ khác.
Áp dụng mô hình tối ưu hóa MSOS-BOL có làm thay đổi tổng thời gian hoàn thành 933 ngày của dự án không?
Mô hình hoàn toàn không làm thay đổi tổng tiến độ 933 ngày của dự án. Thuật toán tuân thủ tuyệt đối các mối liên hệ logic (FS, SS, FF) và chỉ tịnh tiến thời điểm bắt đầu của các công tác nằm ngoài đường găng có thời gian dự trữ toàn phần lớn hơn 0, đảm bảo tiến độ bàn giao công trình đúng cam kết hợp đồng.
Mô hình nghiên cứu này có thể mở rộng áp dụng cho các loại hình dự án xây dựng khác không?
Mô hình có tính linh hoạt và tổng quát rất cao, có thể mở rộng ứng dụng cho các dự án giao thông, hạ tầng kỹ thuật, nhà xưởng công nghiệp hay các khu đô thị cao tầng. Bất kỳ dự án nào có quy mô từ vài chục đến hàng nghìn công tác với các ràng buộc đa tài nguyên đều có thể số hóa ma trận đầu vào để chạy mô hình tối ưu.
Nhà thầu xây dựng cần chuẩn bị những dữ liệu đầu vào nào để vận hành thuật toán tối ưu này?
Doanh nghiệp chỉ cần chuẩn bị sơ đồ cấu trúc phân chia công việc (WBS), danh mục công tác với thời gian thực hiện, mối quan hệ ràng buộc trước sau, định mức tiêu hao nhân công theo ngày và số lượng máy móc thiết bị chuyên dụng kèm đơn giá thuê tương ứng tại thời điểm lập kế hoạch.
Kết luận
Nghiên cứu ứng dụng thuật toán Sinh vật cộng sinh tìm kiếm sửa đổi kết hợp thuật toán Cân bằng tối ưu hóa Bayesian đã mang lại những đóng góp khoa học và thực tiễn mang tính đột phá:
- Giải quyết triệt để bài toán cân bằng đồng thời đa nguồn lực (nhân công và thiết bị cẩu tháp) có chênh lệch đơn giá lớn trong quản lý tiến độ xây dựng.
- Nâng cao hiệu suất tối ưu hóa hàm mục tiêu hơn 12.4% so với thuật toán SOS truyền thống và vượt trội so với 6 thuật toán metaheuristic đối chuẩn phổ biến.
- Kiểm chứng thành công trên công trình thực tế quy mô 1 tầng hầm, 5 tầng nổi gồm 302 công tác thi công trong 933 ngày tại Hà Nội.
- Giúp giảm thiểu 15.6% moment biểu đồ tài nguyên và tiết kiệm chi phí sử dụng nguồn lực từ 5% đến 10% mà không kéo dài thời gian hoàn thành dự án.
- Cung cấp khung phương pháp luận hiện đại, mở đường cho việc số hóa và tự động hóa công tác lập tiến độ trong kỷ nguyên xây dựng thông minh.
Trong lộ trình phát triển giai đoạn 2024 đến 2026, các doanh nghiệp xây dựng và ban quản lý dự án nên chủ động tích hợp thuật toán MSOS-BOL vào hệ thống quản trị nguồn lực doanh nghiệp và mô hình thông tin công trình BIM 4D/5D. Hãy chủ động liên hệ với nhóm tác giả và Bộ môn Thi công và Quản lý Xây dựng thuộc Trường Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh để tiếp cận mã nguồn thuật toán và hợp tác chuyển giao công nghệ tối ưu hóa chi phí cho các dự án trọng điểm ngay hôm nay.