选择承包商的方法
Gary D Holt
伍尔弗汉普顿大学,工程与建筑环境学院,乌尔弗鲁纳街,西米德兰兹郡WV1 1SB,英国
工业界和学术界对正确选择施工承包商的需求日益提高。对于客户采购决策的早期调查最近得到了扩展,特别是在美国和英国开展的工作。其他国家现在也在解决这个问题,关于采购的研究也很多。本文通过对承包商评估和选择建模方法的选择,补充了增加的方法。这些方法包括:定制方法、多属性分析、多属性效用理论、聚类分析、多元回归、模糊集理论和多元判断分析。讨论了每种方法的优缺点和以前可能未来的应用,并指出了未来的研究方向。1998年爱思唯尔科技有限公司和IPMA保留所有权利。
关键词:承包商评估,承包商选择,施工招标,决策建模理论
引言
建设项目的成果可以根据所取得的时间、成本和质量来衡量。可以说,对这些最高级的“价值标准”影响最大的是建设业主的决定,即选择合适的、最好的承包商。(在本文中,“业主”一词指客户或代表客户行事的专业顾问)。因此,人们越来越认识到,实现价值与所雇佣的承包商的质量以及成本项目的作用一样大。然而,最根本的问题是:什么构成了一个健全的承包商选择方法?
在评标和承包商选择方面,对于这个问题的早期调查产生了许多丰富和哲理化的成果。这些作品已经被工业界(例如)和学术界所扩展。近年来,在这一极其重要的决策问题上,出现了两方面的攻击。具体说,在美国,有很多工作要改进资格预审程序,而英国见证了H.O.L.T.(突出显示最佳合法投标)技术的发展,旨在涵盖整个承包商选择流程。
关于这一主题的进一步调查在全世界进行,包括英国、古巴、韩国、澳大利亚和博茨瓦纳。因此,本文的目标是通过对正在进行的一些决策方法的批判性的审查来补充这一增加的活动,或显示出应用于承包商评估|选择过程的问题。(在此背景下,评估是调查或测量承包商属性的过程。选择是评估结果汇总以确定最佳选择的过程。)在进行这一审查时,本文还强调了优点|缺点,并举例说明了所考虑方法的应用。这些方法包括:定制方法(BA)、多属性分析(MAA)、多属性效应理论(MAUT)、多重回归(MR)、聚类分析(CA)、模糊集理论(FST)和判别分析(MDA)。
方法论回顾
某些选择方法的绝对分类是不可能的。例如,BA倾向于使用几种方法,因此会出现重叠元素。然而,尽可能对技术进行不同的分类。此外,必须承认,在可用空间内不可能有明确的描述。因此,参考文献在整个叙述过程中被综合引用,以便感兴趣的读者可以在其他地方跟进其他详细或具体的方面。
定制方法(BA)
一般来说,BA倾向于以特定施工业主开发的特别评估选择方法作为证据,因此对特定施工业主熟悉。他们倾向于同时结合几种决策技巧。因此,由于BA的性质不同,很难用单个参数对其进行分类。BA的初级阶段通常涉及由单个决策者(DM)或大型建筑业主的DMS的混合体进行的裁决。典型的情况是对承包商分包任务的初步符合标准调查,通常被称为“截止点”或“必须”。这类标准通常是客户偏好的函数。例如,承包商是否取得了国际质量保证认证?二元决策(是|否)通常遵循,不一致的十元决策(即一个标准中的否)立即被拒绝。从表面上看,这是一种合乎逻辑和有效的方法,可以根据业主的先决条件或偏好来减少原始(通常较大)设备。否则,存在这样一种风险,即“良好”的承包商可能在进程的早期被错误的排除在外。
合格投标书(即未排除的投标书)通常会被分解(例如,分解为财务|健康和安全方面),以便于对特定领域进行审查。会计比率的观察,和|或工作量计算是财务检查的典型方法。关于健康和安全,那么在英国的背景下:“承包商根据《工作健康和安全法》第2(3)节制定了内部安全政策?”也是一个典型的问题。对于,每一个分解的方面,第二阶段的二元决策,如上文所述,往往再次作出,与非构成投标被拒绝。此时,对于符合要求的承包商,如果正在对每个项目进行资格预审,则提交的文件可能会进行最终审查,以选择所需数量的投标人;或者承包商可能会被列入最终招标的选择或常设名单。正是这些后期阶段对主观性的依赖性最大,通常是客户从业者过去与承包商的经验作用,或纯粹基于过程经验的从业者判断,人们可以认为从业者在这方面的作用类似于承包商的估计员;其中经验、意识和直觉与学习能力同等重要。
综上所述:BA在行业中很常见:它揭示了实质性的差异;并且严重依赖于二元决策和主管解释。由于其实施,业主可能会,也可能不会,与最好的公司合作,但(在没有正式的评估|输出机制的情况下)可能不知道这一点,直到项目顺利进行! 显然,一个数字度量、尺度、数据或分数可以改善BA方法,只要是作为一种比较相互关系的手段。
图1 典型的定制步骤
多属性分析(MAA)
MAA根据决策备选方案的几个属性来考虑决策备选方案。在这个方面,属性是一个可以测量的特征。目标是衡量损益的一个标准,并应充分加以追求。因此,承包商属性表示与客户目标相关的决策选项的一个方面。属性可以通过量化或其他方式进行测量。事实上,MAA的一个特性是,部分或所有属性可能无法量化。最简单的MAA方程可以表示:
(1)
式中:ACrj,=承包人的总得分;V j=承包人j的变量(属性)i得分;n =分析中考虑的属性个数。这些被称为“简单计分”MAA,由于它们的简单性,DM在工业中经常使用。一个简单评分承包商选择模型的例子可以在Janssens中观察到。他们最大的缺点是Vi(尽管是数字)通常是一个非常主观的度量。
(2)
表1 假设MAA的例子
输入 |
输出 |
|||||||||||||
V1 |
W1 |
V2 |
W2 |
V3 |
W3 |
V4 |
W4 |
V5 |
W5 |
ACrj |
ACrj max |
UACrj |
Rank |
|
Cr1 |
8 |
8 |
2 |
10 |
10 |
7 |
8 |
10 |
6 |
9 |
288 |
440 |
0.652 |
2 |
Cr2 |
7 |
8 |
3 |
10 |
10 |
7 |
3 |
10 |
3 |
9 |
213 |
440 |
0.484 |
4 |
Cr3 |
4 |
8 |
10 |
10 |
4 |
7 |
5 |
10 |
5 |
9 |
255 |
440 |
0.583 |
3 |
Cr4 |
7 |
8 |
8 |
10 |
6 |
7 |
7 |
10 |
8 |
9 |
320 |
440 |
0.731 |
1 |
式中:f(x)为V的n个函数,通常由实践者在评价时主观上(通常是隐式地)考虑。对式(1)的改进。是将加权指数(Wi)加到V上,从而突出在较高加权标准中表现较好的承包商的综合得分,反之亦然。
(3)
Wi可能是一个函数:
- 集团共识意见
- 调查和分析数据,从一个样本相关的选择设置,其中的模型将应用。
其中,组件(在本例中为V和W)由无限范围的整数表示,然后使用统一的总承包商得分(指定UACr,即0lt; UACrjlt;1.0)可以通过以下方式实现:
(4)
式中:组件如前所述;ACrjmax是利用Wi可达到的最大聚合
尽管MAA以前就这一问题的设置进行过研究,但应进一步研究基本Vi和Wi的强度(例如关于项目的地理位置、工作性质、采用的采购选择形式等)。A .在Moore和Thomas中可以观察到关于MAA决策的一般性讨论,而在其他地方可以进行详细的讨论。
多属性效用理论(MAUT)
MAUT是MAA的一个扩展,它特别适合讨论中的问题。MAUT利用效用来量化MAA的主观成分。
首先,有必要理解效用的概念。效用(通常表示为U)是对愿望或满足的衡量;具有特征(属性)的,可选的(承包商)的。效用值是将属性从自然单位(如年,或f)考虑为一系列可通约单位(utiles)的抽象等价物,其间隔范围为0到1.0。这种值的变换可能是,也可能不是一个线性函数。这主要取决于衍生出这些功能的DM(s)或expert(s)(例如风险规避)。
MAUT的总体概念在模型和效用权重推导方面都非常复杂。因此,在实例中,读取器被定向到;MAUT可以应用于两种基本方法之一的承包商选择问题。考虑到:
(5)
式中:U为DM考虑的n个属性,为多个维度的函数,即U = Zf(uxi)。(参考式(2)。因此,U的整数和可以得到一个总分,如有必要,也可以按照式(4)进行统一。或者,U可以与缩放常数或加权系数一起使用,如下所示
(6)
其中组件如前所述,n为属性数。简而言之,MAUT在建模方面与MAA类似,但使用了一种定量方法来确定其中包含的值。因此,在评估过程中,MAUT可以同时考虑有形(如安全记录)和无形(如承包商形象)属性。这种主观措施的存在是承包商选择问题的特征。关于未来的研究,有余地发展关于替代场景的效用曲线(如前一节所述)和关于不同所有者分组的效用曲线。
多元回归(MR)
MR是一种统计技术,通过构造方程来观察并最终预测多个自变量对一个因变量的影响。也就是说,MR方程将预测一个数字的结果(指定为Y*)这是几个自变量Vl, Vzhellip;Vi.对于给定的情形j;由多个维度表示;Vjj将会有一个实际的结果;Y。它是通过对其中几个可能构建MR方程的场景的统计分析得出的。显然,预测的(Y*
以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。