Tổng quan nghiên cứu

Trong ngành xây dựng, việc quản lý dự án hiệu quả đóng vai trò then chốt để đảm bảo tiến độ, chi phí, chất lượng và sử dụng hợp lý nguồn lực. Theo ước tính, các dự án xây dựng thường gặp phải sự phức tạp trong việc cân bằng ba yếu tố này do mối quan hệ tương tác chặt chẽ giữa chúng. Tuy nhiên, hầu hết các mô hình phân tích đánh đổi hiện nay chỉ tập trung vào vấn đề thời gian và chi phí mà chưa xem xét đầy đủ tác động của các hoạt động va chạm đến chi phí chất lượng. Ngoài ra, các yếu tố bên ngoài như điều kiện thời tiết, khả năng máy móc thiết bị và hiệu quả lao động cũng tạo ra sự không chắc chắn ảnh hưởng đến kết quả dự án.

Mục tiêu nghiên cứu là phát triển một mô hình tối ưu cân bằng nguồn lực dự án có xét đến chất lượng (TCQT) bằng cách kết hợp thuật toán tối ưu hóa nhóm xã hội đa mục tiêu (MOSGO), logic mờ và phương pháp ra quyết định đa tiêu chí (MCDM). Nghiên cứu tập trung vào giai đoạn lập kế hoạch dự án xây dựng quy mô lớn, trong khoảng thời gian từ đầu năm 2023 đến giữa năm 2023, với ứng dụng thực tế tại một số dự án xây dựng tại Việt Nam. Việc tích hợp các yếu tố không chắc chắn vào mô hình giúp nâng cao độ chính xác và khả năng ứng dụng trong thực tế, góp phần cải thiện hiệu quả quản lý dự án, giảm thiểu chi phí phát sinh và nâng cao chất lượng công trình.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên ba lý thuyết và mô hình chính:

  • Multi-objective Optimization (MOO): Phương pháp tối ưu hóa đa mục tiêu nhằm đồng thời tối ưu các mục tiêu mâu thuẫn như thời gian, chi phí và chất lượng. Mô hình sử dụng tập Pareto để xác định các giải pháp tối ưu không bị chi phối, từ đó tạo thành mặt Pareto thể hiện sự đánh đổi giữa các mục tiêu.

  • Logic mờ (Fuzzy Logic): Được áp dụng để xử lý sự không chắc chắn và dữ liệu mơ hồ trong các biến đầu vào dự án như hiệu suất lao động, điều kiện thời tiết. Logic mờ sử dụng các số mờ tam giác và thang trapezoid để biểu diễn và tính toán các giá trị không xác định, đồng thời áp dụng phương pháp defuzzification (trung tâm trọng lực) để chuyển đổi kết quả mờ thành giá trị rõ ràng.

  • Phương pháp ra quyết định đa tiêu chí (MCDM): Giúp đánh giá và lựa chọn giải pháp tối ưu từ tập các giải pháp Pareto dựa trên nhiều tiêu chí như thời gian, chi phí, chất lượng. Phương pháp Evidential Reasoning (ER) được sử dụng để tổng hợp và xếp hạng các giải pháp, xử lý thông tin không đầy đủ và ưu tiên các tiêu chí theo mức độ quan trọng.

Các khái niệm chính bao gồm: tập Pareto, số mờ tam giác, thuật toán MOSGO, defuzzification, và phương pháp ER.

Phương pháp nghiên cứu

Nguồn dữ liệu được thu thập từ hai nghiên cứu trường hợp thực tế trong ngành xây dựng tại Việt Nam, bao gồm dữ liệu về thời gian, chi phí, chất lượng và các yếu tố không chắc chắn liên quan đến nguồn lực. Cỡ mẫu gồm các hoạt động dự án với các phương án thực hiện đa dạng, được mô phỏng và phân tích bằng phần mềm MATLAB.

Phương pháp phân tích chính là phát triển và áp dụng thuật toán lai MOSGO kết hợp logic mờ và MCDM để giải bài toán tối ưu đa mục tiêu về thời gian, chi phí và chất lượng. Thuật toán MOSGO được lựa chọn do hiệu quả vượt trội so với các thuật toán tiến hóa khác như GA, PSO, DE, với khả năng tìm kiếm tập hợp giải pháp Pareto tối ưu.

Quá trình nghiên cứu gồm các bước: thu thập dữ liệu, xây dựng mô hình TCQT có tính đến sự không chắc chắn, lập trình thuật toán MOSGO trong MATLAB, áp dụng logic mờ để xử lý dữ liệu đầu vào và kết quả, sử dụng MCDM để lựa chọn giải pháp tối ưu cuối cùng. Thời gian nghiên cứu kéo dài từ tháng 2 đến tháng 6 năm 2023.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Hiệu quả của thuật toán MOSGO: Thuật toán MOSGO đã tạo ra tập hợp các đường cong Pareto tối ưu về thời gian, chi phí và chất lượng với hơn 30% giải pháp vượt trội so với các thuật toán GA và PSO trong hai nghiên cứu trường hợp. MOSGO giảm số lần đánh giá hàm mục tiêu xuống khoảng 40%, giúp tiết kiệm thời gian tính toán.

  2. Ảnh hưởng của sự không chắc chắn: Khi tích hợp logic mờ để mô hình hóa các biến đầu vào không chắc chắn như hiệu suất lao động và điều kiện thời tiết, kết quả cho thấy sự biến động trong chi phí và thời gian có thể lên đến 15%, đồng thời chất lượng dự án cũng bị ảnh hưởng khoảng 10%. Việc xử lý không chắc chắn giúp mô hình phản ánh sát thực tế hơn.

  3. Vai trò của MCDM trong lựa chọn giải pháp: Phương pháp Evidential Reasoning đã giúp lựa chọn giải pháp tối ưu từ tập Pareto dựa trên trọng số ưu tiên của các tiêu chí. Kết quả cho thấy giải pháp được chọn có mức chi phí giảm 8% và thời gian rút ngắn 5% so với giải pháp trung bình trong tập Pareto, đồng thời duy trì chất lượng ở mức cao.

  4. Tác động của các hoạt động va chạm đến chi phí chất lượng: Nghiên cứu chỉ ra rằng các hoạt động va chạm trong dự án làm tăng chi phí chất lượng lên đến 12%, điều này thường bị bỏ qua trong các mô hình truyền thống chỉ tập trung vào thời gian và chi phí.

Thảo luận kết quả

Kết quả nghiên cứu cho thấy sự kết hợp giữa MOSGO, logic mờ và MCDM tạo ra một mô hình tối ưu hóa đa mục tiêu toàn diện, có khả năng xử lý tốt các yếu tố không chắc chắn và mối quan hệ phức tạp giữa thời gian, chi phí và chất lượng. Việc sử dụng logic mờ giúp mô hình phản ánh chính xác hơn các điều kiện thực tế không ổn định, từ đó nâng cao độ tin cậy của các giải pháp đề xuất.

So với các nghiên cứu trước đây chỉ tập trung vào tối ưu thời gian và chi phí, mô hình này đã mở rộng phạm vi bằng cách đưa vào yếu tố chất lượng và các chi phí liên quan đến va chạm hoạt động, góp phần giảm thiểu rủi ro và nâng cao hiệu quả dự án. Các biểu đồ 3D thể hiện mối quan hệ giữa thời gian, chi phí và chất lượng ở các mức độ không chắc chắn khác nhau minh họa rõ ràng sự đánh đổi và giúp nhà quản lý lựa chọn giải pháp phù hợp.

Ngoài ra, việc áp dụng phương pháp MCDM giúp cân nhắc các ưu tiên khác nhau của các bên liên quan, từ đó đưa ra quyết định tối ưu hơn so với việc chỉ dựa vào thuật toán tối ưu hóa. Điều này phù hợp với thực tế quản lý dự án đa chiều và phức tạp.

Đề xuất và khuyến nghị

  1. Áp dụng mô hình MOSGO kết hợp logic mờ trong giai đoạn lập kế hoạch dự án: Các nhà quản lý dự án nên sử dụng mô hình này để tối ưu hóa phân bổ nguồn lực, giảm thiểu chi phí và rút ngắn thời gian thi công trong vòng 3-6 tháng đầu của dự án.

  2. Tích hợp phương pháp MCDM trong quá trình ra quyết định: Khuyến nghị sử dụng phương pháp Evidential Reasoning để đánh giá và lựa chọn giải pháp tối ưu dựa trên các tiêu chí đa chiều, giúp cân bằng lợi ích giữa các bên liên quan trong vòng 1 tháng sau khi có tập giải pháp Pareto.

  3. Đào tạo và nâng cao năng lực cho đội ngũ quản lý dự án: Tổ chức các khóa đào tạo về thuật toán MOSGO, logic mờ và MCDM nhằm nâng cao khả năng ứng dụng công nghệ trong quản lý dự án, dự kiến thực hiện trong 6 tháng tới.

  4. Phát triển phần mềm hỗ trợ tích hợp mô hình tối ưu hóa: Đề xuất xây dựng công cụ phần mềm dựa trên MATLAB hoặc nền tảng tương tự để tự động hóa quá trình tính toán và ra quyết định, giúp tăng hiệu quả và giảm sai sót trong quản lý dự án, hoàn thành trong vòng 12 tháng.

Đối tượng nên tham khảo luận văn

  1. Quản lý dự án xây dựng: Giúp nâng cao kỹ năng phân bổ nguồn lực, tối ưu hóa thời gian, chi phí và chất lượng dự án, từ đó tăng hiệu quả và giảm rủi ro.

  2. Chuyên gia tư vấn và lập kế hoạch dự án: Cung cấp công cụ và phương pháp mới để phân tích và lựa chọn giải pháp tối ưu trong các dự án xây dựng quy mô lớn.

  3. Nhà nghiên cứu trong lĩnh vực quản lý xây dựng và tối ưu hóa: Tham khảo mô hình lai ghép thuật toán MOSGO với logic mờ và MCDM để phát triển các nghiên cứu tiếp theo về tối ưu hóa đa mục tiêu và xử lý không chắc chắn.

  4. Các tổ chức đào tạo và giảng dạy ngành xây dựng: Sử dụng luận văn làm tài liệu tham khảo cho các khóa học về quản lý dự án, tối ưu hóa và ứng dụng công nghệ trong xây dựng.

Câu hỏi thường gặp

  1. Mô hình này có thể áp dụng cho các loại dự án xây dựng nào?
    Mô hình phù hợp với các dự án xây dựng quy mô lớn, có nhiều hoạt động phức tạp và yêu cầu cân bằng giữa thời gian, chi phí và chất lượng. Ví dụ như dự án nhà cao tầng, công trình hạ tầng giao thông.

  2. Làm thế nào để xử lý sự không chắc chắn trong dữ liệu dự án?
    Nghiên cứu sử dụng logic mờ để mô hình hóa các biến đầu vào không chắc chắn như hiệu suất lao động, điều kiện thời tiết, giúp phản ánh sát thực tế và nâng cao độ tin cậy của kết quả.

  3. Thuật toán MOSGO có ưu điểm gì so với các thuật toán khác?
    MOSGO có khả năng tìm kiếm tập hợp giải pháp Pareto đa mục tiêu hiệu quả, giảm số lần đánh giá hàm mục tiêu và thích ứng tốt với các bài toán phức tạp trong quản lý dự án.

  4. Phương pháp MCDM được sử dụng như thế nào trong nghiên cứu?
    Phương pháp Evidential Reasoning được áp dụng để tổng hợp và xếp hạng các giải pháp tối ưu dựa trên nhiều tiêu chí, giúp lựa chọn giải pháp phù hợp nhất với ưu tiên của nhà quản lý.

  5. Làm sao để triển khai mô hình này trong thực tế?
    Cần thu thập dữ liệu dự án đầy đủ, đào tạo nhân sự về thuật toán và logic mờ, đồng thời phát triển phần mềm hỗ trợ để tự động hóa quá trình tính toán và ra quyết định.

Kết luận

  • Luận văn đã phát triển thành công mô hình tối ưu hóa cân bằng nguồn lực dự án tích hợp MOSGO, logic mờ và MCDM, giải quyết đồng thời các mục tiêu thời gian, chi phí và chất lượng.
  • Mô hình xử lý hiệu quả sự không chắc chắn trong các biến đầu vào, nâng cao độ chính xác và tính thực tiễn của kết quả.
  • Thuật toán MOSGO thể hiện ưu thế vượt trội so với các thuật toán tiến hóa khác về hiệu quả và khả năng tìm kiếm giải pháp Pareto.
  • Phương pháp ra quyết định đa tiêu chí Evidential Reasoning giúp lựa chọn giải pháp tối ưu phù hợp với ưu tiên của các bên liên quan.
  • Các bước tiếp theo bao gồm triển khai mô hình trong các dự án thực tế, phát triển phần mềm hỗ trợ và đào tạo nhân sự để nâng cao năng lực quản lý dự án.

Quý độc giả và nhà quản lý dự án được khuyến khích áp dụng mô hình này để nâng cao hiệu quả quản lý và thành công của các dự án xây dựng trong tương lai.