基于BBN的重大工程项目复杂性仿真分析

罗岚，石晓萍，孙梦

(南昌大学建筑工程学院，江西 南昌 330031)

重大工程是一类投资规模大、复杂性高，对政治、经济、社会、科技发展与国家安全具有重要影响的大型公共工程。重大工程具有高风险和许多不确定性，难以协调，并且涉及许多利益相关者。传统的项目管理概念和策略已经被证明对现代工程来说效率不高[1]。重大工程系统是一类有着典型复杂性特征的系统，这已经成为理论界和工程界的共识。在过去20年，关于工程复杂性的研究一直是理论界关注的热点之一，尤其是最近几年，社会各界及项目管理人员越来越重视对重大工程复杂性的探究，希望通过对重大工程复杂性的认识与分析，为重大工程管理者降解项目复杂性提供理论支持。在理论界，不同学派的学者对项目复杂性有着不同的认识，尚未形成统一的观点，重大工程复杂性的理论体系在讨论与更新中不断发展与完善。

基于重大工程的诸多特性，众多学者对重大工程项目复杂性的构成进行了分类研究。Owens等[1]基于文献综述和案例研究认为项目管理的成本、进度和设计等传统因素不足以应付复杂的项目，在此基础上增加了环境复杂性和融资复杂性这两项以前被认为是外部风险的因素，从而形成了五维框架。还提出了复杂的大型项目的管理需要从根本上改变处理方式这一观点。He等[3]在文献研究的基础上提出了一个由组织复杂性、技术复杂性、目标复杂性、环境复杂性、文化复杂性和信息复杂性组成的大型项目复杂性框架。Nguyen等[4]针对交通工程项目，结合逻辑理论分析从而确定了项目复杂性的6个维度为：组织复杂性、技术复杂性、社会政治复杂性、环境复杂性、基础设施复杂性和范围复杂性。李永奎等[5]研究认为我国体制、机制和制度情境的特殊性决定了重大工程组织模式的多样性和高度复杂性。姚敏等[6]对项目复杂性进行分析，得出项目复杂性主要源自项目本体复杂性和认知复杂性。本体复杂性包括任务复杂性、技术复杂性、环境复杂性；认知复杂性是项目目标复杂性、组织复杂性、信息复杂性带来的管理认知难度。结合文献综述以及前人的相关分析研究，本文采用贝叶斯信念网络(Bayesian belief network，BBN)推理功能，从组织复杂性、任务复杂性、技术复杂性，环境复杂性、制度复杂性、社会复杂性这6个层次对重大工程项目复杂性影响程度进行仿真分析。

1 重大工程项目复杂性因素识别

基于文献综述，可将重大工程项目复杂性影响因素筛选并划分为6个维度：组织复杂性、任务复杂性、技术复杂性、环境复杂性、制度复杂性、社会复杂性，如表1所示。

表1 重大工程项目复杂性影响因素Tab.1 Factors affecting the complexity of mega projects

2 BBN模型的构建

2.1 数据收集

本次数据收集参考了何清华等[16]所采用的方法，基于重大工程项目复杂性的29个影响因素，邀请了重大工程行业5位资深专家(其中3位来自政府部门，1位来自咨询单位，1位来自施工单位)就影响因素对重大工程项目复杂性的影响程度展开了讨论。本次数据收集采用了专家讨论法，在讨论会开始前，根据文献分析，进行了问卷调查表的设计，将各个影响因素分别罗列，专家在0～100区间内进行打分，专家在互不干扰、互不影响的状态下提出自己对影响因素的概率分值。经过多次讨论后，最终形成的影响因素概率分值将趋近统一。最后整理归纳得出最终数据。

经过专家组对影响因素进行分类评级，5位专家根据各自专业领域的理论知识，以及其实际工作过程中遇到的相关问题与工程推进难点，将理论与实践相结合，对影响重大工程项目复杂性的29种因素进行了分析与讨论，分别给出了基于各自行业的意见。根据专家给出的相关意见，整理归纳出29个影响因素对重大工程项目复杂性的影响概率。经过以上分析得出各影响因素的影响概率，可用于构建复杂性贝叶斯信念网络(BBN)模型。

2.2 模型构建

根据专家分析整理得出的数据，将模型中重大工程项目复杂性影响因素对重大工程项目复杂性的影响程度可能性大小进行等级划分，将其划分为3个等级。较小影响(Low)等级：表示相对应的影响因素对重大工程项目复杂性产生较小的影响，可以仅做参考；中等影响(Medium)等级：表示相对应的影响因素对重大工程项目复杂性产生的影响适中，应与其相关联因素一同分析关注；严重影响(High)等级：表示相对应的影响因素对重大工程项目复杂性有着显著的影响，一旦变化，将会改变复杂性的影响程度，需要特别关注该影响因素。

基于文献综述，并结合专家分析意见，确定贝叶斯网络模型的相关节点，完善各节点之间的因果关系及逻辑链。贝叶斯网络模型的因果逻辑关系主要为6个层级，29个影响因素分别属于组织复杂性、任务复杂性、技术复杂性，环境复杂性、制度复杂性、社会复杂性这六大维度。各因素之间相互影响，不断完善各节点之间的因果逻辑关系后，初步得到了重大工程项目复杂性贝叶斯网络结构模型。

2.3 参数学习

进行贝叶斯参数学习，进而得到贝叶斯网络结构模型中各个节点变量的条件概率分布。在进行参数学习之前，应先构建贝叶斯网络模型，根据文献分析、专家访谈，确定网络结构中的父、子节点。将29个影响因素与目标变量“对重大工程项目复杂性影响程度”作为贝叶斯网络的节点。其次，不断调整各影响因素之间的因果逻辑关系，使贝叶斯网络模型更具准确性与科学性。最后，根据专家分析整理得出的相关因素的概率，对贝叶斯网络结构模型中每个节点的变量进行初始化赋值，然后将各个节点的相关概率输入GeNIe3.0版本中预先构建好的模型之中，即完成了参数学习。

3 仿真推理分析

3.1 预测分析

根据贝叶斯网络模型进行预测分析，就29个影响因素的不同概率，得出初步预测，如图1所示。

图1 贝叶斯预测分析Fig.1 Bayesian prediction analysis

由图1所示，利益相关者数量(A25)的严重影响为54%，在实际工程项目中，利益相关者数量越多，项目复杂性越大。其次，社会性互动的复杂程度(A27)的严重程度为48%，据推测，社会性互动的复杂程度一定程度上会影响工程组织间的相互配合，对工程项目复杂性产生一定的影响。技术水平要求(A15)与参与方工作习惯、文化、理念的差异(A24)的严重影响程度均为47%，根据相关分析，在技术方面与制度方面均会对施工进程产生影响，进而提高项目复杂性。结合现实生活的实际案例与专家分析报告，做出合理推测：技术水平要求(A15)、参与方工作习惯、文化、理念的差异(A24)、利益相关者数量(A25)、社会性互动的复杂程度(A27)对重大工程项目复杂性产生较大的影响。

3.2 诊断分析

假设目标节点对重大工程项目复杂性影响程度处于严重影响的概率为100%，说明项目一定会受到严重影响，即重大工程项目极其复杂。从而可以看出贝叶斯网络模型中哪些因素对目标节点项目复杂性影响最为显著，其推理结果，如图2所示。

图2 贝叶斯模型诊断分析Fig.2 Bayesian model diagnostic analysis

当“重大工程复杂性影响程度”处于High的概率为100%被作为目标进行逆向推理时，可以看出，组织间合作意识(A4)、组织间的信任程度(A5)、技术多样性(A11)、技术水平要求(A15)、气候多样性及恶劣条件(A16)、参与方工作习惯、文化、理念的差异(A24)、利益相关者数量(A25)社会性互动的复杂程度(A27)、这8个影响因素处于严重影响的概率较大，因此可以说明项目完成情况的影响程度很有可能与这几个因素有关。也就是说，当这8个事件中1个或者多个发生时，项目完成情况的可能性将受到极大的影响。

3.3 敏感性分析

本文进行敏感性分析的目的是确定当哪些重大工程项目复杂性因素发生变化时对工程复杂性的影响最大。这些因素本身只发生轻微变化，但却有可能会导致工程复杂性发生重大变化。本文通过设置某个节点概率的变化为相同程度，然后计算对目标节点后验概率的影响。网络节点用颜色指示敏感参数的位置，着色程度表示敏感源的强弱，即表明影响因素对项目完成情况的影响程度，着色越深，程度越大，结果如图3所示。可以看出，影响工程复杂性的敏感因素包括：组织关系及动态(A2)、组织间合作意识(A4)、工期紧迫性及不确定性(A9)、技术多样性(A11)、新技术、新设备数量(A12)、经济环境复杂性及不确定性(A19)、参与方工作习惯、文化、理念的差异(A24)、利益关系复杂程度(A26)、社会性互动的复杂程度(A27)、承载思想文化的复杂程度(A29)。敏感因素可以根据变量的确切敏感值进行排序。排名如下：社会性互动的复杂程度(A27)>经济环境复杂性及不确定性(A19)>新技术、新设备数量(A12)>组织关系及动态(A2)>技术多样性(A11)>利益关系复杂程度(A26)>组织间合作意识(A4)>参与方工作习惯、文化、理念的差异(A24)>工期紧迫性及不确定性(A9)>技术水平要求(A15)>新技术、新设备数量(A12)。上述因素的微小变化可能会对项目完成情况产生重大影响。因此，应特别注意这些敏感因素，并应采取相应措施来应对这些因素对重大工程项目复杂性的影响。

3.4 最大致因链分析

影响链分析的强度用于描述节点之间相互影响的程度。影响链分析描述的是条件概率之间的依赖程度，目的是寻找导致结果的最可能路径。连接线的宽度代表连接节点变量之间的影响强度，即父节点对子节点的影响。如果多个具有较强影响关系的节点形成一个链接，且目标节点存在于该链接中，则该链接是一个具有最大影响力的因果链。在这项研究中，将目标节点“重大工程项目复杂性”处于严重影响的概率设置为100%，然后进行影响强度的分析，结果如图4所示。

图4 最大致因链分析Fig.4 Maximum influence chainanalysis

可以看出，有3条影响性成因链条出现，以增粗链所示。第1个是“涉及制度背景的差异性(A21)→参与方工作习惯、文化、理念的差异(A24)→对重大工程复杂性影响程度”。根据结果，不同地区制度背景的差异性会影响参与方的工作习惯、文化、理念，进而对重大工程项目复杂性产生了重大影响。由此可以得出结论：涉及制度背景的差异性与参与方工作习惯、文化、理念的差异对重大工程项目复杂性起了重大影响，且这一结论与上述敏感性分析的结论一致。第2个是“利益相关者的数量(A25)→利益关系复杂程度(A26)→社会性互动的复杂程度(A27)→对重大工程复杂性影响程度”。分析第2条影响链的影响路径，利益相关者的数量影响着利益关系的复杂程度，增加了社会互动的复杂程度，最终对重大工程项目复杂性产生了重大影响。因此可以得出结论：利益关系复杂程度会增加社会性互动的复杂程度从而对重大工程项目复杂性产生显著影响。社会复杂性会对重大工程项目复杂性产生显著影响，这一结论与上文中得到的结论相互对应。第3条是“技术多样性(A11)→新难技术所需知识经验(A14)→技术水平要求(A15)→重大工程项目复杂性”。根据第3条影响链可以得知，技术多样性影响新难技术所需知识经验的储备，进一步提高了工程所需技术水平要求，最终间接对重大工程项目复杂性产生影响。这一影响链表现为技术复杂性对重大工程项目复杂性的影响，其中技术多样性极大程度的影响着重大工程项目复杂性。综上所述，3条影响链体现了涉及制度背景的差异性，社会性互动的复杂程度，技术多样性对重大工程项目复杂性有着显著的影响，均与上述相关结论基本一致。技术复杂性、制度复杂性、社会复杂性是影响重大工程项目复杂性的主要因素。

4 结论

(1) 涉及制度背景的差异性与参与方工作习惯、文化、理念的差异性严重影响概率分别为43%和47%，结合最大致因链和敏感性分析可知其会对重大工程项目复杂性有重大影响，需要特别关注该影响因素。建设单位应在重大工程开始实施之前对参与方的制度、文化背景、习惯、文化理念等进行调查，在充分了解参与方有关这两方面的差异之后，可就差异性制定符合各自特性的工作制度，从而达到提高工作效率，减轻对重大工程复杂性影响的目的。

(2) 利益关系复杂程度的严重影响概率为45%，会增加社会性互动的复杂程度从而对重大工程项目复杂性产生显著影响，就此而言，可通过事前调查来减少事后控制，首先建设单位应事先协调好多方利益相关者之间的关系，就一些决定性决策，除了要取得主要利益者的认可之外，还要考虑到大多数其他利益相关方的理解和认可，有效减少利益关系的复杂程度，才能减轻后期不必要的社会性互动，如利益相关方的冲突等，通过事前协调好相关利益者之间的关系，事后引起的不必要的冲突也能更好地调解。

(3) 技术多样性的严重影响程度为44%，结合最大致因链分析，技术多样性极大程度地影响着重大工程项目复杂性，所以提高企业的技术多样性就显得尤为重要，建设单位应促进企业内部学习和发展新技术，购入先进设备，可以一定程度避免因技术多样性引起的对新技术新设备数量要求而产生的对重大工程项目复杂性影响。