多智能体仿真的装配式项目风险对策选择

汪鑫， 杜娟， 景恒青

(1. 上海大学 悉尼工商学院， 上海 201800；2. 上海大学 上海城建集团建筑产业化研究中心， 上海 200072)

装配式建筑(prefabricated construction，简称PC)在质量、效率和环保方面具有潜在优势，已在城市住宅和交通设施等领域得到广泛的应用.与传统浇筑工程相比，PC项目包括设计、构件生产、运输、装配等多个阶段，其各参与方主体之间呈现出交互性、动态性和复杂性的特点，并且在整体项目执行中面临着诸多风险问题[1]，项目风险控制的难度较大.尤其是在项目执行过程中，风险应对与控制需要在相对动态的环境中进行，对应对策略的选择提出了新的需求.PC项目的风险控制主要包括风险识别、风险评估、风险应对3个阶段.

当前，已有不少学者针对风险的识别和评估进行了探究[2-5]，但涉及风险应对的研究相对匮乏.风险应对旨在以尽可能低的成本获得尽可能高的风险应对收益[6]，针对风险对策进行科学合理的选择，兼具理论和现实意义.风险对策的选择可通过专家经验、案例借鉴等方法实现[7-8].此外，也有不少学者通过定量分析开展研究，如风险分类矩阵、权衡法、工作分解结构(WBS)，以及优化模型法[9-16]等.上述方法从不同的视角为风险对策的选择做出了重要贡献，也存在不少局限性.如风险分类矩阵和权衡法只能考虑两个评估标准；专家经验法、案例借鉴法和WBS缺乏更精确的求解；优化模型法大多假设风险之间是相互独立的，忽略了现实情境中风险之间的关联.因此，有必要开发一种新的方法来选择风险对策.与传统的风险管理工具相比，多智能体自主性、协作性和学习性的特点[17]更符合PC风险的特征.鉴于此，本文将从动态的视角考虑PC项目的风险，利用多智能体仿真(multi-agent simulation，MAS)选择风险对策；然后,选取实例项目进行仿真分析，展示模型的应用并验证模型的有效性.

1 PC项目风险控制

1.1 PC项目执行过程中的风险分析

PC项目执行过程从设计、生产、运输到安装、验收的不同阶段包含多种风险问题.文中通过文献调研[2-5,11]，以PC项目流程为视角，总结出发生概率较高的12种风险事件，以及触发这些风险事件的21种潜在风险因素，如图1所示.例如，在构件安装阶段，“恶劣的天气”与“缺乏熟练、有经验的装配工人”等潜在的风险因素，在一定条件下可能会触发“吊装操作失误”这一风险事件.

图1 PC项目执行过程中的风险事件及风险因素Fig.1 Risk events and factors of PC projects in progress

1.2 基于MAS的PC项目风险控制机制

围绕PC项目的风险对策制定、选择与实施，文中提出了基于MAS的风险控制机制，如图2所示.针对风险控制中的风险识别和风险评估，已有大量研究涉及，不再赘述，将重点关注风险应对.

图2 PC项目中的风险控制机制Fig.2 Risk control mechanism of PC projects

1) 制定风险对策.风险因素源于项目的某个变量值超出阈值，它在一定条件下触发风险事件，进而引起风险后果、改变项目的变量值，最终影响项目目标的实现.项目实施过程中发生风险时，基于风险发生机制，管理者根据已发生的风险事件所相关的风险因素制定风险对策.

2) 选择风险对策.将利用MAS构建风险对策选择模型.基于风险发生机制，构建风险类Agent及与项目运行有关的Agent.这些Agent之间进行交互，模拟PC项目的运行.风险对策被映射为相关变量值的改变，将调整过后的变量值输入模型中，模拟策略的实施.

3) 实施风险对策.仿真结束后，模型输出项目绩效指标值.不同的风险对策代入模型中输出的指标值不同，通过比较这些数值得到最佳策略S*.S*的实施可以有针对性地调整风险因素起源的实体的变量值，从而实现风险控制.

2 基于MAS的PC项目风险对策选择模型

2.1 Agent及变量描述

在风险对策选择模型中，PC项目涉及的实体将被映射为Agent，将每个实体的特征抽象为Agent中的变量.如表1所示.该模型包含如下7类Agent:1) 项目Agent,统筹整个项目的执行情况；2) 任务Agent,描述了任务的执行情况；3) 计划Agent,包含任务的约束条件；4) 管理者Agent,包含管理者的偏好指标；5) 风险因素Agent;6) 风险事件Agent;7) 风险后果Agent.后三类Agent的设计将用于风险交互过程的仿真.

表1 PC项目中的Agents及其变量Tab.1 Agents and variables of PC projects

续表Continue table

2.2 模型构建

除设计Agent外，还需对Agent的个体决策和交互行为进行建模.在仿真过程中，每项任务的完成都需要Agent相互协作，执行下述7个步骤.模型运行流程，如图3所示.图3说明了每天的工作流程，以及每个步骤的输入和输出变量.

图3 模型运行流程Fig.3 Flowchart of model process

1) 更新任务状态.更新任务Agent中状态S的属性值，判断该任务是否可执行.当任务进度Pr为1时，表示该任务已完成(finished)；任务进度Pr不等于1，且任务的前置任务PrTa已完成，则该任务处于可执行的状态(executable).即

(1)

2) 判断是否结束.检查该项目包含的所有任务Agent的状态S，若所有任务的S均为“finished”，则项目完成，一次仿真结束；否则,仿真继续.即

(2)

3) 评估任务优先级.依据关键路径法计算各项任务优先级Pri，以决定各任务完成的先后顺序.关键路径上的任务优先级最高，非关键路径上的任务则可延迟.Pri取决于最晚开始时间与最早开始时间之间的差值D.即

Pri=1-D/max(1,Dm).

(3)

式(3)中：Dm是中间变量，表示所有可执行任务的D中的最大值.

4) 管理者分配资金.管理者每天为某任务所分配的资金Md取决于该任务所需的资金量(M)和任务的规定完成时间(TD).由于管理者需要结合主观偏好和现实情境在项目各环节之间权衡资金的调度.因此,引入修正系数，对资金的分配略作调整.即

(4)

式(4)中：Kc，Kp，Kq均是中间变量，分别表示管理者为节约成本、缩短工期、提高质量而产生的修正系数.Kc，Kp，Kq的计算为

Kc=1/3-Ic,Kp=Ip-1/3,Kq=Iq-1/3.

(5)

式(5)中：Ic，Ip，Iq分别代表管理者的成本偏好、生产率偏好、质量偏好，Ic+Ip+Iq=1.管理者对于成本、生产率、质量的偏好程度相同时，那么Ic=Ip=Iq=1/3，无需调整资金量；若管理者对成本偏好程度较高，成本修正系数Kc<0，资金Md也因此减少.Kp，Kq的计算同理.此外，当风险事件发生时，管理者需要考虑风险后果δ，利用Kr=δ对资金分配量进行调整.

5) 管理者分配人力资源.分配资金后，管理者还需分配任务所需的人力资源R,即

∀i∈{r,c},R=INT{θ·Rmax+(1-θ)·Rmin}.

(6)

(7)

式(6)，(7)中：INT()是取整函数；Rmax,Rmin是完成该项任务所需的人力资源的最大、最小量；系数θ是中间变量，θ的大小取决于任务实际消耗的时间(TS)、任务的规定完成时间(TD)、任务的完成进度(Pr)和风险后果(δ).

6) 更新任务Agent变量.任务Agent每天都要更新其当前进展Pr.该任务每天取得的进展PrD累计加总即为该任务的Pr.其中，PrD的大小取决于任务规定的完成时间TD.此外，考虑风险后果δ，每日进展PrD将会减少.Pr的计算公式为

Pr=min(1,max(0,Pr+PrD)), PrD=(1-δ)/TD.

(8)

每天结束后，还需更新该任务消耗的时间TS,即TS=TS+1.

7) 更新项目Agent变量.同理，项目Agent每天要更新其变量值，包括该项目消耗的资金TM、时间TP，有TM=TM+Md，P=TP+1.

为考虑风险对项目运行的影响，在该仿真模型中引入风险发生机制，风险类Agent参与到项目执行中的关键环节.

1) 更新风险因素Agent变量.每次仿真均需计算风险因素对事件的影响Val，其取决于风险因素起源的实体的变量值Var与阈值Th之间的差距，Sig代表风险因素对事件影响的正负性.

Val=(max(0,Sig×(Var-Th)))/(1-Th).

(9)

2) 更新风险事件Agent变量.根据引发风险事件的风险因素计算风险事件发生的概率P，其计算式为

(10)

式(10)中：Pe是风险事件发生的初始概率.

3) 模拟风险.随机环境下判定是否有风险事件的发生，如果发生则更新并评估风险后果δ，同时更新涉及到的其他Agent的变量值.δ是所有已发生的风险事件对项目产生的综合影响，其计算式为

(11)

式(11)中：Iei是风险事件i发生对项目产生的影响；在仿真系统中利用rand函数生成一个随机σ∈[0,1],若σ≤Pi，则代表风险事件i发生，xi=1；若σ≥Pi，则代表风险事件i不发生，xi=0.

3 实例应用分析

3.1 实例描述

为验证文中所提出模型的可行性，将选取实例项目进行仿真分析，展示风险对策选择模型的应用过程.实例项目为上海某幢高层PC带电梯式住宅，工程位于上海市嘉定区南翔镇.该项目的建筑面积为33 166 m2，地下1层、地上18层，建筑总高度54.45 m.设计单位为上海中星志诚建筑设计有限公司，施工单位为上海建工四建集团有限公司.该项目预算为2 600万元，预计工期为512 d.通过采访该项目的高级经理和工程师，了解到该项目实际成本为2 813万元，超出了预计成本；在实施过程中出现吊装操作失误，导致工期延误3 d.

针对该项目，将采用多策略验证的方式，基于建立的风险对策选择模型，对不同策略下项目总体工期及成本进行测算，从而验证本模型的有效性，并为新项目在进行风险对策的选择时提供有效的方法.

3.2 多智能体模型的建立

通过实地调研、专家访谈,以及问卷调查获取了该项目的相关数据.这些数据将作为多智能体模型中变量的初始值.

首先，建立一个项目Agent，用于统筹该项目的基本信息.由于仿真尚未开始，项目消耗的时间(TP)、资金(TM)的初始值为0.该项目按流程划分为18项任务，因此，建立了18个任务Agent，按照执行的先后顺序进行编号(T1～T18).由于任务尚未执行，所有任务Agent的优先级Pri、进度Pr、分配的人力资源Ri、资金Md、消耗的时间TS均赋值为0；状态S为“executable”；变量PrTa为前置任务的ID.同时，建立18个计划Agent，与任务Agent一一对应，规定每项任务的基本要求，包括任务的规定完成时间(TD)、人力资源的最大最小需求量Rmax,Rmin,以及所需的资金量M.通过采访该项目的合作伙伴，获得各项任务相关的数据，作为对应Agent变量的初始值，如表2所示.

表2 任务相关数据Tab.2 Relevant data of tasks

每项任务都有一位负责人，因此，需要建立18个管理者Agent(M1～M18).针对18位任务负责人进行问卷调查，统计出他们的偏好指标值，结果如表3所示.表3中：Ic+Ip+Iq=1.

风险随机发生于PC项目运行的任意流程中，并对项目产生影响，因此需要构建风险类Agent.基于参与该项目的合作伙伴的反馈， 确定了该项目涉及的17种风险因素和11种风险事件， 据此构建了17个风险因素Agent(F1～F17)，11个风险事件Agent(E1～E11).它们的变量初始值是通过专家意见

表3 管理者偏好指标数据Tab.3 Data of preference of managers

法确定的.邀请PC行业内的8位专家(PC设计师、结构工程师、构件设计师、构件模具设计师、监理工程师、安全工程师、安全评价师、设备监理师)，通过现场深度访谈确定每种风险因素触发的风险事件(RE),如表4所示.

表4 风险因素触发的风险事件Tab.4 Risk events triggered by risk factors

再请专家针对风险事件的相关属性值进行评定，经过统计分析，得到的数据将作为风险事件Agent对应变量的初始值,如表5所示.同时，为了衡量11种风险事件对项目产生的综合影响，建立1个风险后果Agent.由于风险尚未发生，其变量δ初值为0.

表5 风险事件Agent的变量初始值Tab.5 Initial values of Agents of risk events

图4 流程模型图Fig.4 Process modeling

3.3 仿真实验结果与分析

利用AnyLogic仿真工具构建上述多智能体模型并进行风险对策选择的仿真实验.AnyLogic是一款应用广泛的建模和仿真的工具，提供了大量模板和不同领域的专业库，用户可快速构建仿真模型；同时，用户也可采用Java语言完成代码块， 实现灵活的仿真功能.仿真过程中的流程建模图,如图4所示.该图展示了“管理者分配资源”这一环节的流程.

为验证仿真模型的有效性，实验中设定了3种风险对策.

1) 策略S0.未对实际项目做任何改变，该策略用作对照.

2) 策略S1.针对构件的生产环节，建立成本监督与考核体系.分析该项目各环节的实际成本发现，构件的生产成本增量占比最高，因此，提出该策略.S1映射在仿真中，意味着任务T11(构件生产)的预算M将减少1%，该任务的管理者M11的成本偏好系数Ic将增加1%.

3) 策略S2.加强装配工人的操作培训，严格监控构件吊装环节.由于负责该项目吊装环节的操作人员专业知识水平不高，工作经验不足，导致“吊装操作失误”，因此，提出该策略.S2映射在仿真中，意味任务T16(吊装准备),T17(构件吊装)的规定完成时间TD将增加5%.这两项任务的管理者M16,M17的质量偏好系数Iq将增加1%.此外，风险事件E9的初始概率Pe降低10倍.

将上述3种风险对策代入模型中，在AnyLogic仿真平台中进行100次仿真循环.仿真结束后得到项目时间、成本的统计分布图,如图5所示.图5中：TP，TM分别代表该项目的总时间和成本；F代表频率；S0，S1和S2分别表示实施S0，S1和S2的仿真结果.

(a) 项目时间统计分布图 (b) 项目成本统计分布图图5 风险对策选择的仿真结果图Fig.5 Simulation result of risk strategy selection

由图5(a)可知，相比于无风险应对策略的情境，执行了风险应对策略S1和S2后项目时间略有增加.这主要源于实施风险应对策略后关键环节的任务执行时间增加，导致项目总时间增加.由图5(b)可知,实施S1后项目成本为1 55～200万元，实施S2后项目成本为1 600～2 200万元，而实施S后项目成本在1 600～2 200万元之间.由此可见，实施S1可以有效降低项目成本.对于该项目的管理者而言，可以针对构件的生产环节，建立成本监督与考核体系进行风险应对与控制.

4 结论

将针对PC项目的风险对策选择问题进行研究，包括文献调研，以厘清PC项目执行过程中主要的风险问题，并建立相应的风险控制机制.采用MAS技术构建风险对策选择模型，选取实例项目进行仿真分析，展示模型的应用并验证模型的有效性,仿真结果验证了模型的有效性.

虽然本研究取得了一定成果，但还存在不少局限性:1) 仿真模型中部分变量初始值的确定依赖专家经验，主观性较强，相较于实际情况难免存在误差；2) 案例研究中仅通过采访调研17个风险因素、11个风险事件进行研究，涵盖不够全面.后续的研究将扩大调研范围，使得模型中参数的设定更加科学，并建立更加全面的风险因素、风险事件清单.