Optimalni modeli za planiranje i upravljanje troškovima realizacije građevinskih projekata

Abstract

Cilj izrade ove disertacije je naučni opis konceptualnog okvira za planiranje i kontrolurealizacije građevinskih projekata baziranog na savremenim metodama usklađenim sa realnimstanjem domaćeg građevinarstva, kako bi se omogućilo uspešno upravljanje projektima u skladusa zahtevima i standardima međunarodnih ugovora.U prvom delu disertacije definisani su: predmet i ciljevi istraživanja, kao i metodologija izradedisertacije. Nakon toga objašnjene su sadašnje ekonomske karakteristike građevinskog tržišta,predviđanje budućih kretanja i predložene su mere za poboljšanje funkcionisanja građevinskogsektora u Srbiji. U drugom delu disertacije objašnjena je važnost planerskog pristupa priupravljanju građevinskim projektima, gde su pobrojani i ukratko objašnjeni i načini sprovođenjatenderskih postupaka pri izboru izvođača radova, kao segment kojim najviše može da se utičena trajanje i uspešnost realizacije projekta. U trećem delu objašnjeni su standardni modeli zakontrolu realizacije projekata, i data je detaljna metodologija za analizu i upravljanje rizicima.Na osnovu analize nedostataka standardnih savremenih metoda formiran je model za planiranjei kontrolu realizacije, baziran na kontroli direktno angažovanih ljudskih resursa sa akcentom nafinansijsko planiranje, zasnovan na principima upravljanja lancima snabdevanja (supply chainmanagement), a kontrola realizacije je bazirana na primeni "last planner" metodologije. Ovajmodel je predstavljen kao osnova za razvoj i prilagođavanje konkretnim problemima u praksi,pri realizaciji zasnovanoj na transparentnom prikazivanju troškova. U četvrtom poglavlju dat jeprikaz primene neuralnih mreža kao osnova za matematičko modeliranje modula za planiranjetroškova na građevinskim projektima.Podaci koji su prikupljeni sa projekata gde je primenjena analiza zarađene vrednosti sukorišćeni za trening neuralne mreže kako bi se ustanovila zavisnost parametara kojima se meriuspešnost projekata. Međutim, sa raspoloživim uzorkom nije se postigla dovoljna tačnost iakose sa povećanjem broja podataka za trening greška smanjivala, tako da nije moguće koristitiovakav model, ali ga je moguće unaprediti sa dodatnim podacima za trening, kako bi sepovećala tačnost ustanovljenog modela.Na osnovu izvršenih analiza i prikupljenih podataka iz prakse definisane su dve neuralne mreže,jedna za predviđanje uspešnosti kompletnog projekta sa šest ulaznih i dve izlazne varijable, kojepredstavljaju % izvršenja i PF faktor na nivou kompletnog projekta, koja nije dala očekivanerezultate, i druga sa deset ulaznih i dve izlazne varijable, koje predstavljaju troškove izgradnje iostvareni profit izvođača radova, i koje su iskorišćene kao osnova za trening neuralne mreže, uprogramu MatLab.Kako podaci vezani za troškove građenja predstavljaju praktično linearnu aproksimaciju, sadovoljnom tačnošću može se razviti model u kome ulazni podaci ne moraju biti visoke tačnosti,već se mogu aproksimirati u unapred određenom opsegu. Ovo je i potvrđeno primenom heksaasocijativne memorije.U šestom poglavlju model je primenjen na 3 karakteristična slučaja iz prakse, i postignuta jedovoljna tačnost za donošenje odluke o razvoju određenih projekata. Na kraju su dati zaključcido kojih se došlo takom izrade ove disertacije.

The aim of this dissertation is a scientific description of the conceptual framework for planningand controlling the implementation of construction projects based on modern methodscompatible with the real situation of the domestic construction industry, in order to enablesuccessful projects management in accordance with the requirements and standards ofinternational contracts.The first part of the thesis defines the subject and research objectives as well as themethodology of the dissertation. Afterwards the current economic characteristics of theconstruction market, forecasting future trends are explained and the measures for theimprovement of construction sector functioning in Serbia. The second part of the thesis explainsthe importance of the planning approach in construction projects management, where also theways of tendering procedures implementation in the selection of contractors are listed andbriefly explained as a segment that can mostly affect the duration and success of the projectcompletion. The third section explains the standard models for the control of projectimplementation, and provides a detailed methodology for the risk analysis and management.Based on the analysis of standard modern methods deficiencies the model for planning andimplementation control is formed based on the control of directly involved human resourceswith the emphasis on financial planning. It is formed on the principles of supply chainmanagement based on "the last planner" methodology. This model is presented as a basis for thedevelopment and adaptation of specific problems in practice at the implementation with atransparent presentation of costs. The third chapter gives an overview of neural networksapplication as a basis for mathematical modeling of modules for planning costs on constructionprojects.The data collected from the projects where the analysis of earned value is applied have beenused for the neural network training to establish the dependence of the parameters whichmeasure the success of projects. However, sufficient accuracy was not achieved with theavailable sample, although error decreased with the increase of the number of data for training;thus it is not possible to use such a model, but it can be improved with additional data fortraining in order to increase the accuracy of the established model.Based on the analyses and data collected from the practice defined by the two neural networks,one for predicting the success of the overall project with six input and two output variables thatrepresent the completion percentage as well as PF factor at the level of the overall project,which has not made the expected results, and the other with ten input and two output variables,which represent construction costs and realized contractors’ profit, and which are used as thebasis for neural network training in Matlab program.As the data regarding the construction costs are practically a linear approximation withsufficient accuracy the model can be developed in which input data need not be of highaccuracy, but can be approximated in a predetermined range. This has been confirmed by usinga hex of associative memory.In the sixth chapter this model is applied to three typical case studies, and sufficient accuracy isachieved to make a decision on the development of certain projects. Finally, the conclusions aregiven reached during the dissertation completion.