Luận Văn Thạc Sĩ Về Ước Tính Đường Cong Chi Phí Trong Quản Lý Xây Dựng

Luận văn thạc sĩ nghiên cứu quản lý xây dựng ước tính đường cong chi phí dựa trên dữ liệu lịch sử áp dụng tại một công ty xây, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện

• Tác giả: Phan Tường Thụy
• Người hướng dẫn: TS. Lê Hoài Long
• Trường học: Đại học Bách Khoa - ĐHQG TP. Hồ Chí Minh
• Chuyên ngành: Công Nghệ Và Quản Lý Xây Dựng
• Đề tài: Ước Tính Đường Cong Chi Phí Dựa Trên Dữ Liệu Lịch Sử - Áp Dụng Tại Một Công Ty Xây Dựng
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2015
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CÁM ƠN
• TÓM TẮT
• ABSTRACT
• LỜI CAM ĐOAN
• DANH MỤC BẢNG BIỂU
• DANH MỤC HÌNH VẼ
• 1. CHƯƠNG 1: GIỚI THIỆU CHUNG
• 1.1. Động lực nghiên cứu
• 1.2. Xác định vấn đề nghiên cứu
• 1.3. Mục tiêu nghiên cứu
• 1.4. Phạm vi nghiên cứu
• 1.5. Đóng góp của nghiên cứu
• 1.6. Cấu trúc luận văn
• 1.6.1. Giới thiệu sơ lược các chương
• 2. CHƯƠNG 2: TỔNG QUAN TÀI LIỆU
• 2.1. Giới thiệu chương
• 2.2. Các nghiên cứu trước đây
• 2.3. Các lý thuyết, khái niệm trong nghiên cứu
• 2.4. Các yếu tố ảnh hưởng đến chi phí
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Giới thiệu chương
• 3.2. Quy trình nghiên cứu sơ bộ
• 3.3. Thu thập dữ liệu
• 3.4. Công cụ nghiên cứu
• 3.4.1. Phần mềm SPSS
• 3.4.1.1. Chức năng ‘Curve Estimation’
• 3.4.1.2. Chức năng ‘Neural networks’
• 3.4.2. Regression – Hồi quy
• 3.4.3. Artificial neural networks (ANN)
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
• 4.1. Giới thiệu chương
• 4.2. Khảo sát đường cong mô tả chi phí tích lũy
• 4.3. Sơ lược tiến trình xây dựng mô hình ANN
• 4.4. Xây dựng mô hình ANN1
• 4.4.1. Sơ bộ các biến đầu vào và các biến đầu ra
• 4.4.2. Cấu trúc sơ bộ của mạng
• 4.4.3. Hàm chuyển của lớp ẩn
• 4.4.4. Hàm chuyển của lớp đầu ra output
• 4.4.5. Tổng kết mô hình ANN1
• 4.5. Xây dựng mô hình ANN2
• 4.5.1. Sơ bộ về mô hình ANN2
• 4.5.2. Các biến đầu vào và các biến đầu ra
• 4.5.3. Sơ bộ cấu trúc mạng
• 4.5.4. Hàm chuyển của lớp ẩn
• 4.5.5. Hàm chuyển của lớp đầu ra output
• 4.6. So sánh kết quả
• 4.7. Cải tiến mô hình ANN1 – Hướng thứ 1
• 4.7.1. Nội dung cải tiến
• 4.7.2. Tính toán và kết quả
• 4.8. Cải tiến mô hình ANN1 – Hướng cải tiến 2
• 4.8.1. Nội dung cải tiến
• 4.8.2. Tính toán & kết quả
• 4.8.2.1. Đưa mốc thời gian 10% vào input
• 4.8.2.2. Các trường hợp còn lại
• 4.8.3. So sánh tổng thể các trường hợp trong ANN1c với ANN1
• 4.9. Kết luận chương
• DANH MỤC TÀI LIỆU THAM KHẢO
• Phụ lục 1: Dữ liệu chi phí tích lũy tổng hợp và trích xuất từ Công ty A
• Phụ lục 2: Kết quả chạy ANN1 / Trường hợp 1
• Phụ lục 3: Kết quả chạy ANN1 / Trường hợp 2
• Phụ lục 4: Kết quả chạy ANN1 / Trường hợp 3
• Phụ lục 5: Kết quả chạy ANN1 / Trường hợp 4
• Phụ lục 6: Kết quả chạy ANN1 / Trường hợp 5
• Phụ lục 7: Kết quả chạy ANN1 / Trường hợp 6
• Phụ lục 8: Kết quả chạy ANN1 / Trường hợp 7
• Phụ lục 9: Kết quả chạy ANN1 / Trường hợp 8
• Phụ lục 10: Kết quả chạy ANN1 / Trường hợp 9
• Phụ lục 11: Kết quả chạy ANN1 / Trường hợp 10
• Phụ lục 12: Kết quả chạy ANN1 / Trường hợp 11
• Phụ lục 13: Kết quả chạy ANN1 / Trường hợp 12
• Phụ lục 14: Tổng hợp hệ số đường bậc ba ax3 + bx2 + cx + d với các trường hợp dự án
• Phụ lục 15: Kết quả chạy ANN2 / Trường hợp 1
• Phụ lục 16: Kết quả chạy ANN2 / Trường hợp 2
• Phụ lục 17: Kết quả chạy ANN2 / Trường hợp 3
• Phụ lục 18: Kết quả chạy ANN2 / Trường hợp 4
• Phụ lục 19: Kết quả chạy ANN2 / Trường hợp 5
• Phụ lục 20: Kết quả chạy ANN2 / Trường hợp 6
• Phụ lục 21: Kết quả chạy ANN2 / Trường hợp 7
• Phụ lục 22: Kết quả chạy ANN2 / Trường hợp 8
• Phụ lục 23: Kết quả chạy ANN2 / Trường hợp 9
• Phụ lục 24: Kết quả chạy ANN2 / Trường hợp 10
• Phụ lục 25: Kết quả chạy ANN2 / Trường hợp 11
• Phụ lục 26: Kết quả chạy ANN2 / Trường hợp 12
• LÝ LỊCH TRÍCH NGANG
• QUÁ TRÌNH ĐÀO TẠO
• DANH MỤC BÀI BÁO KHOA HỌC

Tóm tắt

I. Giới thiệu về Đường Cong Chi Phí

Đường cong chi phí là một công cụ quan trọng trong quản lý xây dựng. Nó giúp các nhà quản lý dự án theo dõi và dự đoán chi phí tích lũy theo thời gian. Việc xác định đường cong chi phí chính xác có thể giúp các công ty xây dựng tối ưu hóa quy trình quản lý dự án và giảm thiểu rủi ro tài chính. Theo nghiên cứu, đường cong S thường được sử dụng để mô tả xu hướng chi phí trong các dự án xây dựng. Điều này cho phép các nhà quản lý có cái nhìn tổng quan về tình hình tài chính của dự án và đưa ra quyết định kịp thời.

1.1. Tầm quan trọng của Đường Cong Chi Phí

Đường cong chi phí không chỉ giúp theo dõi chi phí mà còn hỗ trợ trong việc quản lý tài chính. Việc ước tính chi phí dựa trên dữ liệu lịch sử cho phép các công ty xây dựng có cái nhìn rõ ràng hơn về khả năng tài chính của mình. Theo Barraza (2000), việc sử dụng đường cong S giúp các nhà quản lý dự án có thể báo cáo tình trạng hiện tại và dự đoán tương lai của dự án. Điều này rất quan trọng trong bối cảnh kinh tế hiện nay, nơi mà các công ty xây dựng phải đối mặt với nhiều thách thức về tài chính.

II. Phân Tích Dữ Liệu Lịch Sử

Phân tích dữ liệu lịch sử là bước quan trọng trong việc xây dựng mô hình chi phí. Dữ liệu lịch sử từ các dự án trước đó cung cấp thông tin quý giá về xu hướng chi phí. Việc sử dụng dữ liệu lịch sử giúp xác định các yếu tố ảnh hưởng đến chi phí và từ đó xây dựng mô hình dự đoán chính xác hơn. Nghiên cứu đã chỉ ra rằng việc áp dụng các phương pháp như hồi quy và mạng nơ-ron nhân tạo (ANN) có thể cải thiện độ chính xác của các dự đoán chi phí. Sử dụng 36 bộ dữ liệu từ 36 dự án, mô hình SPSS đã được áp dụng để nhận dạng dạng đường Cubic, cho thấy sự phù hợp trong việc mô tả xu hướng phát triển của chi phí tích lũy.

2.1. Phương Pháp Phân Tích

Phương pháp phân tích chi phí bao gồm việc sử dụng các công cụ như SPSS và ANN để xử lý dữ liệu. Các mô hình này cho phép các nhà nghiên cứu xác định các biến đầu vào và đầu ra, từ đó xây dựng mô hình dự đoán chi phí. Việc áp dụng các phương pháp này không chỉ giúp cải thiện độ chính xác mà còn giúp các công ty xây dựng có thể đưa ra các quyết định tài chính hợp lý hơn. Theo nghiên cứu, mô hình ANN1 với 3 biến đầu vào và 9 biến đầu ra đã được xác định là mô hình phù hợp nhất cho việc dự đoán chi phí tích lũy.

III. Ứng Dụng Thực Tiễn

Việc áp dụng mô hình ước tính đường cong chi phí trong quản lý dự án tại Công ty A đã cho thấy những kết quả tích cực. Mô hình ANN1 không chỉ giúp dự đoán chi phí mà còn hỗ trợ trong việc quản lý rủi ro. Các nhà quản lý có thể sử dụng thông tin từ mô hình để điều chỉnh kế hoạch tài chính và tối ưu hóa dòng tiền. Điều này đặc biệt quan trọng trong bối cảnh thị trường xây dựng hiện nay, nơi mà các công ty phải đối mặt với nhiều thách thức về tài chính và cạnh tranh. Việc cải tiến mô hình cũng đã được thử nghiệm để nâng cao độ chính xác, cho thấy sự linh hoạt và khả năng thích ứng của mô hình trong thực tiễn.

3.1. Kết Quả và Đánh Giá

Kết quả từ mô hình ANN1 cho thấy độ chính xác cao trong việc dự đoán chi phí tích lũy. Các chỉ số như MAPE, MSE và RMSE đã được sử dụng để đánh giá hiệu quả của mô hình. Việc cải tiến mô hình cũng đã được thực hiện để xem xét khả năng nâng cao độ chính xác. Các nhà quản lý có thể dựa vào những kết quả này để đưa ra các quyết định tài chính hợp lý, từ đó tối ưu hóa quy trình quản lý tài chính và giảm thiểu rủi ro trong các dự án xây dựng.

Nội dung chính

Tổng quan nghiên cứu

Quản trị dòng tiền chi trả và kiểm soát chi phí luôn là bài toán sống còn đối với các doanh nghiệp xây dựng, đặc biệt trong giai đoạn thị trường bất động sản gặp nhiều biến động và áp lực nợ xấu gia tăng. Theo số liệu từ Tổng cục Thống kê, trong 6 tháng đầu năm 2014, tăng trưởng GDP cả nước đạt 5,18%, trong đó khu vực công nghiệp và xây dựng tăng 5,33%, đóng góp 2,06 điểm phần trăm vào mức tăng trưởng chung; tổng giá trị sản xuất xây dựng đạt 352,7 nghìn tỷ đồng nhưng khu vực ngoài Nhà nước chiếm tới 83% (tương đương 292,7 nghìn tỷ đồng). Trong bối cảnh nguồn vốn đầu tư trực tiếp nước ngoài (FDI) 11 tháng năm 2013 đạt 20,8 tỷ USD (tăng 54,2% so với cùng kỳ), áp lực cạnh tranh đòi hỏi các nhà thầu phải nâng cao năng lực hoạch định tài chính.

Luận văn thạc sĩ chuyên ngành Công nghệ và Quản lý Xây dựng của học viên Phan Tường Thụy dưới sự hướng dẫn của Tiến sĩ Lê Hoài Long tại Trường Đại học Bách Khoa – Đại học Quốc gia TP. Hồ Chí Minh đã giải quyết trọn vẹn vấn đề ước tính sự phân bổ dòng tiền chi phí theo tiến độ thực tế. Mục tiêu cốt lõi của đề tài là xác định dạng đường cong mô tả dòng tiền chi phí tích lũy và ứng dụng mạng nơ-ron nhân tạo (Artificial Neural Network - ANN) để dự báo chính xác giá trị phần trăm chi phí tích lũy tại 9 mốc tiến độ từ 10% đến 90% của dự án. Phạm vi nghiên cứu tập trung vào 36 dự án xây dựng dân dụng quy mô lớn được triển khai trong giai đoạn 2011 - 2013 tại Công ty Xây dựng A – một doanh nghiệp niêm yết có vốn điều lệ trên 500 tỷ đồng, tổng nguồn vốn trên 4.000 tỷ đồng và quy mô hơn 5.000 cán bộ nhân viên. Mô hình nghiên cứu mang lại ý nghĩa thực tiễn to lớn khi giúp doanh nghiệp giải thích trên 85% sự biến thiên của dòng tiền chi, tạo tiền đề vững chắc cho việc cân đối thanh khoản và tối ưu hóa kế hoạch ngân sách tổng thể.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng tích hợp giữa lý thuyết quản trị chi phí hiện đại và kỹ thuật học máy tiên tiến. Trọng tâm của khung lý thuyết bao gồm:

• Lý thuyết đường cong chữ S (S-Curve) trong quản lý dự án: Được chuẩn hóa bởi Barraza (2000), Blyth và Kaka (2006), đường cong S mô tả quy luật phát triển phi tuyến tính của chi phí tích lũy theo thời gian qua 3 giai đoạn: khởi động ban đầu (build-up), tăng tốc thi công và hoàn thiện bàn giao (tail-off).
• Lý thuyết mạng nơ-ron nhân tạo nhiều lớp (Multilayer Perceptron - MLP): Áp dụng thuật toán lan truyền ngược (Back-propagation) dựa trên nguyên lý học có giám sát để mô hình hóa mối quan hệ phi tuyến phức tạp giữa các đặc trưng dự án và tiến độ giải ngân chi phí.
• Hệ thống khái niệm chuyên ngành cốt lõi:
  • Chi phí tích lũy (Cumulative Cost): Tỷ lệ phần trăm tổng chi phí thực tế đã giải ngân cho nhà thầu phụ, vật tư và nhân công tính đến một mốc thời gian cụ thể.
  • Dòng tiền chi (Cash Outflow): Lưu chuyển tiền tệ mà nhà thầu chính thanh toán định kỳ cho các nguồn lực trên công trường.
  • Hệ số xác định ($R^2$): Thước đo mức độ phù hợp của mô hình toán học trong việc giải thích biến thiên dữ liệu thực tế.
  • Hiện tượng quá khớp (Overfitting): Trạng thái mô hình học quá sâu vào dữ liệu huấn luyện khiến sai số trên tập kiểm tra tăng lên, được kiểm soát bằng quy tắc dừng sớm (early stopping).

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp định lượng kết hợp thu thập dữ liệu lịch sử và kỹ thuật mô phỏng trên phần mềm chuyên dụng SPSS. Cỡ mẫu nghiên cứu gồm 36 dự án xây dựng hoàn chỉnh, được lựa chọn theo phương pháp chọn mẫu xác thực toàn bộ từ hệ thống quản lý nguồn lực doanh nghiệp (ERP) của Công ty A trong giai đoạn từ tháng 01/2011 đến tháng 12/2013. Để đảm bảo tính đồng nhất, tác giả đã thực hiện hơn 1.200 lượt trích xuất dữ liệu chi phí hàng tháng đối với các dự án có thời gian thi công trung bình 30 tháng, trải dài từ Bắc vào Nam (trong đó trên 70% dự án tập trung tại miền Nam).

Đồng thời, nghiên cứu tiến hành thu thập ý kiến chuyên gia thông qua 42 email và phỏng vấn sâu trực tiếp với đội ngũ Giám đốc dự án, Chỉ huy trưởng và Kỹ sư định giá chi phí (Quantity Surveyor - QS) nhằm lượng hóa biến tính chất tiến độ. Ba biến đầu vào độc lập được chuẩn hóa gồm: Giá trị hợp đồng (Amount of Contract - VND), Thời gian thi công (Duration - ngày) và Tính chất tiến độ (Type of schedule: Gấp, Bình thường, Chậm). Mô hình phân tích hồi quy phi tuyến đa thức (Curve Estimation) và mạng nơ-ron nhân tạo nhiều lớp (MLP) với thuật toán lan truyền ngược được lựa chọn vì khả năng giải quyết triệt để mối quan hệ phi tuyến phức tạp, hạn chế tối đa độ trễ thông tin so với các phương pháp thống kê tuyến tính truyền thống.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích thực nghiệm trên 36 bộ dữ liệu dự án xây dựng đã mang lại những kết quả định lượng rõ nét:

• Dạng đường cong bậc ba (Cubic) có độ tương thích cao nhất: Kết quả chạy mô phỏng Curve Estimation trên 4 dạng đường (Linear, Quadratic, Cubic, S-Curve) chỉ ra rằng phương trình bậc ba $Y = b_0 + b_1 \cdot t + b_2 \cdot t^2 + b_3 \cdot t^3$ là mô hình tối ưu nhất. Có 21/36 dự án (chiếm 58,33%) đạt độ phù hợp cao nhất với đường Cubic, 7 dự án (19,44%) phù hợp dạng Quadratic, 7 dự án (19,44%) dạng S-curve và chỉ 1 dự án (2,78%) theo dạng Linear. Hệ số xác định $R^2$ của đường Cubic đạt mức rất cao, biến thiên từ 0,850 đến 0,999 trên toàn bộ các quan sát.
• Quy luật giải ngân phân bố không đều theo các mốc tiến độ: Chi phí tăng trưởng chậm ở giai đoạn đầu (10% - 20% thời gian), sau đó bùng nổ mạnh mẽ trong khoảng từ 30% đến 60% tiến độ thi công (giai đoạn kết cấu thân và hoàn thiện cơ bản), trước khi thoải dần ở giai đoạn hoàn thiện bàn giao (70% - 90% thời gian). Tại một số công trình có tiến độ đặc biệt gấp, chi phí tích lũy tại mốc 40% thời gian đã vượt mức 80% đến 90% tổng ngân sách.
• Mô hình mạng nơ-ron ANN1 đạt hiệu năng dự báo vượt trội: Trong số 12 kịch bản mạng thử nghiệm, mô hình ANN1 (cấu trúc 3 nút đầu vào, 1 lớp ẩn với 7 đến 12 neuron và 9 nút đầu ra đại diện cho 9 mốc thời gian) cho sai số phần trăm tuyệt đối trung bình (MAPE), sai số bình phương trung bình (MSE) và căn bậc hai sai số bình phương trung bình (RMSE) thấp hơn rõ rệt so với mô hình ANN2 (mô hình dự báo 4 hệ số phương trình bậc ba). Đặc biệt, kịch bản 12 của ANN1 với 12 neuron lớp ẩn sử dụng hàm truyền Sigmoid cho độ khớp dữ liệu cao nhất trên tập mẫu kiểm tra.
• Hiệu quả tối ưu hóa khi tích hợp dữ liệu chi phí thực tế (ANN1c): Khi bổ sung thêm biến chi phí thực tế tại mốc 10% hoặc 20% vào đầu vào của mạng, sai số dự báo các mốc thời gian còn lại giảm sâu từ 15% đến 30% so với mô hình ban đầu, khẳng định khả năng tự hiệu chỉnh động của mạng nơ-ron.

Thảo luận kết quả

Nguyên nhân chính giúp đường cong Cubic và mô hình ANN1 đạt độ chính xác cao xuất phát từ đặc thù biện pháp thi công nhà cao tầng tại Việt Nam: giai đoạn ép cọc và làm móng tiêu hao chi phí ở mức vừa phải, giai đoạn thi công phần thân bê tông cốt thép đòi hỏi dòng tiền tập trung cao độ cho vật tư thép, bê tông thương phẩm và nhân công, sau đó dòng tiền chậm dần khi bước vào giai đoạn nghiệm thu, quyết toán và bảo hành công trình.

Khi so sánh với công trình của Dương (2010) nghiên cứu trên 63 dự án hạ tầng giao thông tại Bình Định sử dụng hàm đa thức bậc bốn Bromilow hiệu chỉnh ($y = -0,7018x^4$), kết quả của luận văn này phản ánh chính xác bản chất dòng tiền chi của nhà thầu xây dựng dân dụng thay vì dòng tiền thu từ Chủ đầu tư. Về mặt trình bày dữ liệu, các kết quả mô phỏng được trực quan hóa thông qua đồ thị đường cong chi phí tích lũy theo thời gian với 2 điểm uốn rõ rệt, kết hợp bảng ma trận so sánh chi tiết các chỉ số MAPE, MSE, RMSE giữa 12 kịch bản cấu hình mạng, giúp người quản lý dễ dàng nhận diện sai số dự báo tại từng mốc thời gian.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, 4 nhóm giải pháp chiến lược được đề xuất nhằm nâng cao hiệu quả quản trị dòng tiền cho các doanh nghiệp xây dựng:

• Chuẩn hóa công cụ dự báo dòng tiền bằng mô hình ANN1: Ban Lãnh đạo và Phòng Đấu thầu cần tích hợp ngay mô hình ANN1 vào giai đoạn lập kế hoạch ngân sách đấu thầu, đặt mục tiêu nâng cao độ chính xác dự báo dòng tiền chi đạt trên 90%, thời gian hoàn thành triển khai trong vòng 3 tháng đầu năm tài chính.
• Thiết lập quy trình cập nhật dữ liệu động theo mô hình ANN1c: Chỉ huy trưởng công trường và Kỹ sư QS cần định kỳ thu thập số liệu chi phí thực tế tại các mốc 10%, 20% và 30% tiến độ thi công để nạp vào mô hình ANN1c, nhằm tái dự báo dòng tiền cho các giai đoạn tiếp theo với biên độ sai số kiểm soát dưới 5%, thực hiện định kỳ hàng tháng.
• Số hóa và đồng bộ cơ sở dữ liệu chi phí trên hệ thống phần mềm quản trị: Phòng Công nghệ thông tin phối hợp cùng Phòng Kế toán - Tài chính tiến hành chuẩn hóa việc trích xuất tự động dữ liệu của tối thiểu 50 dự án mới vào kho dữ liệu tập trung, hoàn thành nâng cấp hệ thống phần mềm trong thời hạn 6 tháng.
• Tổ chức các khóa đào tạo nâng cao năng lực phân tích định lượng: Ban Giám đốc cần phối hợp cùng các chuyên gia quản lý xây dựng tổ chức chương trình đào tạo chuyên sâu về ứng dụng trí tuệ nhân tạo (ANN) và phân tích hồi quy trong quản trị tài chính cho 100% đội ngũ Giám đốc dự án và Chỉ huy trưởng, với tổng thời lượng 40 giờ đào tạo trong quý 2.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị học thuật và ứng dụng thực tiễn sâu sắc cho 4 nhóm đối tượng chính:

• Ban Tổng Giám đốc và Giám đốc Tài chính (CFO) ngành xây dựng: Giúp nắm bắt công cụ dự báo dòng tiền chi tổng thể cho toàn bộ danh mục dự án, từ đó xây dựng kế hoạch cân đối thu - chi, chủ động hạn chế tối đa rủi ro thiếu hụt thanh khoản và đàm phán tối ưu hạn mức tín dụng ngân hàng.
• Giám đốc dự án và Chỉ huy trưởng công trình: Sử dụng mô hình đường cong chi phí để so sánh trực quan giữa chi phí giải ngân thực tế và đường cong kế hoạch, kịp thời phát hiện các điểm sai lệch dòng tiền tại giai đoạn thi công cao điểm từ 30% đến 60% tiến độ.
• Kỹ sư định giá chi phí (Quantity Surveyor - QS) và chuyên viên đấu thầu: Khai thác 3 biến số đầu vào (giá trị hợp đồng, thời gian thi công, tính chất tiến độ) để lập bảng phân bổ dòng tiền chi tiết trong hồ sơ dự thầu chỉ trong vài phút thay vì tính toán thủ công phức tạp.
• Giảng viên, học viên cao học và nhà nghiên cứu chuyên ngành Quản trị xây dựng: Cung cấp tài liệu tham khảo học thuật giá trị về phương pháp kết hợp giữa hồi quy Curve Estimation và thuật toán mạng nơ-ron lan truyền ngược (MLP) trên phần mềm SPSS để xử lý dữ liệu chi phí dự án.

Câu hỏi thường gặp

Tại sao đường cong bậc ba (Cubic) lại mô tả dòng tiền chi phí chính xác hơn đường tuyến tính?
Dòng tiền chi của dự án xây dựng mang đặc thù biến thiên phi tuyến rõ rệt. Trong 36 dự án khảo sát, có tới 21 dự án đạt độ tương thích cao nhất với đường Cubic với $R^2$ từ 0,850 đến 0,999. Đường bậc ba phản ánh chính xác hai điểm uốn thực tế: giai đoạn đầu chi phí tăng chậm, giai đoạn giữa tăng tốc đột biến và giai đoạn cuối chậm dần.

Mô hình ANN1 cần những thông tin đầu vào nào để dự báo chi phí?
Mô hình ANN1 chỉ yêu cầu 3 biến đầu vào cơ bản nhưng có tính đại diện cao gồm: Giá trị hợp đồng xây dựng (tính bằng VND), Tổng thời gian thi công theo kế hoạch ban đầu (tính bằng ngày) và Phân loại tính chất tiến độ của dự án (gồm 3 mức độ: Gấp, Bình thường hoặc Chậm).

Cấu trúc mạng nơ-ron nào cho kết quả dự báo chi phí tích lũy tốt nhất?
Kết quả kiểm định qua 12 kịch bản cấu hình cho thấy mạng lan truyền ngược MLP gồm 1 lớp ẩn với 12 neuron và sử dụng hàm kích hoạt Sigmoid cho lớp đầu ra đạt hiệu năng tốt nhất. Cấu hình này giúp kiểm soát sai số MAPE và RMSE ở mức thấp nhất trên tập mẫu kiểm tra.

Làm thế nào để cải thiện độ chính xác của mô hình khi dự án đang trong quá trình thi công?
Nhà quản lý nên áp dụng hướng cải tiến ANN1c bằng cách nạp bổ sung giá trị phần trăm chi phí thực tế đã giải ngân tại mốc 10% hoặc 20% thời gian vào làm biến đầu vào bổ sung. Phương pháp này giúp mô hình tự học và giảm thiểu từ 15% đến 30% sai số dự báo cho các mốc còn lại.

Mô hình nghiên cứu trong luận văn có thể áp dụng rộng rãi cho mọi loại hình công trình không?
Mô hình được huấn luyện trên 36 dự án xây dựng dân dụng của một công ty xây dựng cụ thể. Để áp dụng cho các công trình hạ tầng giao thông hoặc công nghiệp, doanh nghiệp cần thu thập bổ sung từ 30 đến 50 bộ dữ liệu lịch sử tương ứng để huấn luyện lại trọng số kết nối của mạng nơ-ron.

Kết luận

• Luận văn đã chứng minh phương trình bậc ba Cubic $Y = b_0 + b_1 \cdot t + b_2 \cdot t^2 + b_3 \cdot t^3$ là mô hình toán học tối ưu nhất, giải thích được trên 85% sự biến thiên của chi phí tích lũy trên 36 dự án xây dựng thực tế.
• Mô hình mạng nơ-ron nhân tạo ANN1 với 3 biến đầu vào và 9 biến đầu ra đã được phát triển thành công, cung cấp công cụ dự báo dòng tiền chi trả chính xác cao cho từng mốc tiến độ từ 10% đến 90%.
• Hướng cải tiến ANN1c chứng minh việc tích hợp dữ liệu chi phí thực tế ở các giai đoạn đầu giúp giảm thiểu đáng kể sai số MAPE và RMSE trên tập kiểm tra so với mô hình tĩnh.
• Nghiên cứu đóng góp nền tảng phương pháp luận vững chắc trong việc kết hợp giữa công cụ thống kê SPSS và giải thuật trí tuệ nhân tạo để giải quyết bài toán quản trị tài chính doanh nghiệp xây dựng.
• Kế hoạch tiếp theo cần tập trung mở rộng cơ sở dữ liệu lên hơn 100 dự án đa dạng loại hình và tích hợp mô hình vào phần mềm quản lý dòng tiền tự động trong vòng 6 đến 12 tháng tới.

Hãy tham khảo toàn văn luận văn thạc sĩ của tác giả Phan Tường Thụy để tiếp cận toàn bộ ma trận trọng số mạng nơ-ron và áp dụng ngay mô hình dự báo dòng tiền tiên tiến này vào công tác quản trị dự án của doanh nghiệp.

Trích đoạn nội dung tài liệu

Chương 1 giới thiệu sơ lược về tình hình kinh tế trong và ngoài nước, hoàn cảnh khó khăn trong việc tồn tại của doanh nghiệp. Từ đó nổi lên nhu cầu cần thiết của việc kiểm soát chi phí, dẫn đến tầm quan trọng của việc ước tính sự phân bố chi phí theo thời gian. Sau đó tổng kết thành các mục tiêu cụ thể, đối tượng cần khảo sát nghiên cứu, phạm vi nghiên cứu, đóng góp của nghiên cứu. Bên cạnh đó cũng trình bày sơ lược nội dung cấu trúc của luận văn nghiên cứu.

- Chương 2 tóm lược các nội dung nghiên cứu trước đây đã được tham khảo trước khi tiến hành thực hiện nội dung nghiên cứu. Theo đó, nêu lên sự cần thiết của việc tiến hành nghiên cứu với phạm vi được xác định trong luận văn. - Chương 3 trình bày về quy trình nghiên cứu, cơ sở lý thuyết, các công cụ sử dụng trong luận văn (hồi quy, neural network). Tóm lược quá trình thu thập dữ liệu: thông qua phần mềm chuyên dụng của công ty cho từng tháng của mỗi dự án, thông qua các hợp đồng, thông qua ý kiến các nhân sự liên quan đến công tác chi phí của mỗi dự án (Giám đốc dự án, Chỉ huy trưởng, Quantity surveyor) - Chương 4 thể hiện chi tiết quá trình thực hiện nghiên cứu.

Trình tự thông qua nhiều bước, bao gồm: khảo sát tìm ra đường cong mô tả chi phí tích lũy, xây dựng mô hình ANN1 ước tính các giá trị phần trăm chi phí tích lũy tại 9 mốc thời gian từ 10-90% của dự án, mô hình ANN2 ước tính hệ số đường cong mô tả chi phí, các hướng cải tiến mô hình ANN thích hợp. Tổng hợp, nhận xét và so sánh các kết quả đạt được. - Chương 5 tổng kết lại tất cả quá trình thực hiện luận văn từ giai đoạn ý tưởng hình thành nghiên cứu, khảo sát sự cần thiết, tìm hiểu các nghiên cứu tương tự trước đây, xây dựng sơ bộ quy trình thực hiện, tìm các công cụ thích hợp để sử dụng trong nghiên cứu, thực hiện nghiên cứu và tổng kết các kết quả đạt được. HVTH: Phan Tường Thụy MSHV: 11086083 Luận văn thạc sỹ 15 GVHD: TS.

Lê Hoài Long CHƯƠNG 2. Giới thiệu chương Nội dung chính của chương này là tìm hiểu các hướng nghiên cứu đã có ở trong và ngoài nước để hiểu thêm về vấn đề đang muốn giải quyết, xem xét các kết quả và cách thức tiến hành trong từng trường hợp. Từ đó định hướng quá trình cụ thể cần thực hiện để giải quyết các mục tiêu đã đề ra. Bên cạnh đó, các lý thuyết và khái niệm cũng được trình bày sơ lược; các yếu tố ảnh hưởng đến chi phí sẽ sử dụng trong luận văn cũng được liệt kê ở đây.

Các nghiên cứu trước đây Ashley và Teicholz (1977) đã xác định ba dạng đường – đường đạt được, đường thanh toán và đường chi phí – và sử dụng chúng làm cơ sở cho việc phát triển một mô hình hoạch định dòng tiền. Peer (1982) đã sử dụng mô hình hồi quy đa thức để tiên đoán dòng tiền hàng tháng của các dự án nhà ở và công trình công cộng. Navon (1996) đã thông qua mô hình đa thức, chia nhóm, và chi phí hàng tháng để phát triển mô hình ước tính và cập nhật dòng tiền cho dự án xây dựng. Boussabaine và Kaka (1998) đã sử dụng mạng neural để tiên đoán dòng tiền của dự án xây dựng.

Kenley và Wilson (1986) đã kết hợp kỹ thuật hồi quy với dữ liệu lịch sử để thiết kế mô hình dòng tiền trong trường hợp cụ thể. SS- curve cung cấp phân phối xác suất cho các giá trị chi phí và thời gian kỳ vọng. Quản lý việc thực hiện dự án được thực hiện bằng cách so sánh giá trị chi phí và thời gian có khả năng cao nhất, thu được từ phân phối xác suất tương ứng cho tiến trình thực tế, với chi phí tích lũy và dữ liệu thực sự của dự án. Sử dụng phương pháp này, tiến trình đánh giá việc thực hiện dự án thực tế có thể được phát triển xem xét thích hợp hơn với việc thay đổi tự nhiên của chi phí và thời gian dự án, hơn là chỉ dùng một mô hình đầu ra xác định.

HVTH: Phan Tường Thụy MSHV: 11086083 Luận văn thạc sỹ 16 GVHD: TS. Lê Hoài Long Hình 2. Sử dụng đường cong S có tính đến xác suất chi phí và tiến độ (Barraza, 2000) Hình 2. SS-Curve (Barraza, 2000) HVTH: Phan Tường Thụy MSHV: 11086083 Luận văn thạc sỹ 17 GVHD: TS.

Lê Hoài Long Hình 2. Quản lý dự án tính đến xác suất sử dụng SS-Curve (Barraza, 2000) Chen (2007) đã đề xuất một mô hình phản hồi theo mức độ của công ty dựa trên các biến kinh tế vi mô và tình hình tài chính nội tại. (Cheng và các cộng sự, 2011) Mặc dù nhiều nghiên cứu trước đây đã phát triển các mô hình gọn nhẹ cho các trường hợp ước lượng điển hình, một số trong đó được miêu tả là rất linh hoạt và nhạy với các yếu tố động xuất hiện trong tiến trình thực hiện dự án. Tuy nhiên, trong thực tế, sự phức tạp của các mô hình toán học này và lượng lớn dữ liệu cần thiết đã giảm tính linh hoạt, độ nhạy và khả năng đáp ứng nhanh trong chính chúng (các mô hình này).

Kaka và các cộng sự (2003) đã trình bày một mô hình tiên đoán dòng tiền động có khả năng hỗ trợ nhà thầu trong việc quản lý hiệu quả dòng tiền cho từng dự án cụ thể. Phương pháp này yêu cầu một lượng lớn biến số, trong đó có hơn 50 biến dùng cho việc cập nhật kết quả. HVTH: Phan Tường Thụy MSHV: 11086083 Luận văn thạc sỹ 18 GVHD: TS. Lê Hoài Long Trong bài báo của mình, Cheng và các cộng sự (2011) đã trình bày rằng: các phương pháp truyền thống về tiên đoán chi phí có xu hướng dùng một mô hình đơn nhất cho toàn thể dự án.

Tuy nhiên, một dự án xây dựng, bao gồm nhiều giai đoạn khác nhau, sẽ xuất hiện các chi phí khác nhau, do đó không thể nắm bắt được một cách chính xác chỉ bằng một mô hình đơn nhất. Gates (1979) đã phân đường cong S thành 3 giai đoạn. Sử dụng phương pháp tương tự, độ chính xác của ước đoán chi phí có thể được cải thiện bằng cách chia tổng thời gian của dự án xây dựng thành 3 phần. Do đó, bài báo của Cheng và các đồng sự (2011) hướng tới việc cải thiện mô hình ước đoán Grey truyền thống bằng cách xác định giá trị alpha thích hợp thay vì dùng con số 0.

Trong từng giai đọan của thực thi dự án, mô hình ước đoán – tối ưu hóa tùy chỉnh được áp dụng để ước tính chi phí cho từng khoảng thời gian ngắn. Banki và Esmaeli (2009) cho rằng thời gian dành cho ước đoán dòng tiền trước khi đấu thầu một cách chi tiết là rất giới hạn. Do đó, nhà thầu cần có một kỹ thuật nhanh và đơn giản cho phép họ ước đoán dòng tiền với độ chính xác thích hợp. Các tác giả thực hiện nghiên cứu tại phạm vi Iran.

Banki và Esmaeli thu thập dữ liệu lịch sử từ 20 dự án đã hoàn thành và phân loại thành các nhóm khác nhau. Để mô hình hóa S-Curve cho từng nhóm, các kỹ thuật khác nhau đã được áp dụng. Sai số xuất hiện được đo lường và so sánh. Cuối cùng, độ chính xác của từng mô hình được tính toán và một công thức được đề xuất để ước đoán đường cong S.

Trong bài báo của mình, Chao và các đồng sự (2009) đã so sánh: trong khi đường cong S dùng cho việc kiểm soát dự án trong quá trình xây dựng được ước tính theo phép giải tích dựa trên tiến độ của công việc, thì phương pháp ước đoán thử nghiệm (empirical estimation) sử dụng các công thức đường cong S toán học khác nhau được phát triển cho giai đoạn khởi đầu (giai đoạn tiền thiết kế), với giá trị tương tự từ các dự án tương tự được dùng làm cơ sở cho việc ước đoán. Trong sự cố gắng để cải thiện, các tác giả đã đề xuất một hàm đa thức bậc ba ngắn gọn và so sánh với các hàm đã có để đưa ra các lợi ích như độ chính xác, sự đơn giản. Bằng việc phân tích các thuộc tính và tiến trình thực tế của 101 dự án, 4 nhân tố, bao gồm: giá trị gói thầu, thời gian, loại công việc, vị trí, được sử dụng làm đầu vào của mô hình. Để cải tiến mô hình, sử dụng neural network để thực hiện việc liên kết phi tuyến phức tạp.

Chen và các cộng sự (2009) đã xem xét đến thành phần tiền mặt trong quản lý vốn dựa trên bảng cân đối kế toán. Các tác giả phát triển một mô hình thực tế cho phép các công ty tại Đài Loan tận dụng nguồn tiền mặt và tài sản hiện có tại bất kì mốc thời gian nào với một phương thức hợp lý. Để hiểu rõ hơn, Chen và các cộng sự đầu tiên là giới thiệu mô hình được phát triển bởi Miller và Orr. Mối liên hệ giữa thời gian dự án và tiến trình cho đến khi kết thúc được trình bày rất hiệu quả bằng HVTH: Phan Tường Thụy MSHV: 11086083 Luận văn thạc sỹ 19 GVHD: TS.

Lê Hoài Long đường cong S trong quản lý xây dựng thực tế. Do đó, các tác giả đã trình bày đường cong S bằng cách hồi quy dựa trên mô hình hồi quy Takagi-Sugeno (1985). Dữ liệu được thu thập từ Taipei City Government’ Department of Rapid Transit Systems. Hyung và cộng sự (2005) đã sử dụng quan điểm di chuyển trọng số của các đầu mục chi phí, các trọng số này thay đổi phụ thuộc vào tiến trình của dự án xây dựng.

Các đầu mục chi phí này được phân loại dựa trên độ trễ thời gian của tài nguyên trong chi phí. Khi độ lệch giữa dữ liệu thực tế và dữ liệu kế hoạch xuất hiện, việc điều chỉnh trọng số được tính toán và áp dụng cho giai đoạn lập kế hoạch tiếp theo. Việc điều chỉnh này sẽ cập nhật đường cong chi phí S để phản ánh bất kỳ thay đổi có thể xuất hiện. Bên cạnh đó, việc phân loại các đầu mục chi phí là rất thiết yếu để đảm bảo độ chính xác của việc ước đoán chi phí.

Theo Blyth và Kaka (2006), chưa có một mô hình nào có khả năng tự động ước tính đường cong S duy nhất theo đặc tính của dự án (ít nhất là theo mức độ chi tiết trong bài báo).