簡易檢索 / 詳目顯示

研究生: 陳鴻震
Hung-Jenn Chen
論文名稱: 營造廠專業協力廠商評鑑模式之建立應用演化式支持向量機推論模式
Performance Evaluation and Prediction Model for Construction Subcontractor-Applying Evolutionary Support Vector Machine Inference Model (ESIM)
指導教授: 鄭明淵
Min-Yuan Cheng
口試委員: 郭斯傑
none
潘南飛
none
周瑞生
none
學位類別: 碩士
Master
系所名稱: 工程學院 - 營建工程系
Department of Civil and Construction Engineering
論文出版年: 2009
畢業學年度: 97
語文別: 中文
論文頁數: 115
中文關鍵詞: 廠商評鑑協力廠商演化式支持向量機推論模式(ESIM)
外文關鍵詞: Assistant Subcontractors
相關次數: 點閱:211下載:5
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報
  • 「廠商評鑑」為營造廠用以衡量協力廠商施工表現好壞之方式,一般營造廠常將廠商評鑑之結果作為採購發包時選擇協力廠商之依據。若營造廠對所需協力廠商選擇不當,結果將反應在工程之工期、成本、品質與安全上,導致工程專案目標與利潤無法達成。因此,本文將應用演化式支持向量機推論模式Evolutionary Support Vector Machine Inference Model (ESIM)建立一「營造廠協力廠商評鑑模式」,系統化分析並評鑑協力廠商施工表現之良窳,以作為營造廠進行協力廠商選擇時之參考。
    本研究將廠商評鑑模式分為二個主題:(1)協力廠商表現評估模式;(2) 協力廠商表現預測模式。首先,應用ESIM建立「協力廠商表現評估模式」,以多因子綜合評判協力廠商於施工過程中之表現優劣。此外,亦以ESIM建立「協力廠商表現預測模式」。依協力廠商舊有之施工表現評估結果,進一步預測協力廠商未來之施工表現,作為營造廠進行協力廠商評選時之參考依據。
    本研究之主要目的在於改善目前營造廠對於廠商評鑑上之問題點,並以預測後之廠商表現作為選擇協力廠商之依據,使選商之資訊更為合理。此外,為落實強化班底之目的,利用廠商評鑑因子分析結果,對協力廠商之施工表現不善之處要求改善並加強查核,以提升其施工表現水準,依此將歷來均表現良好的協力廠商納為班底,形成中衛體系,以強化企業體質,提升競爭力。


    Developing a proper methodology for evaluating subcontractor's performance is a necessary tool for general contractors both to select a subcontractor executing their construction project and to garner a solid database for performance improvement in future projects. Inappropriate subcontracting or lack of performance evaluation results in project delay, over budget, and quality and safety failures and therefore the project's objective and profits can't be achieved or well controlled. Through a rational performance evaluation strategy, general contractors can find reliable subcontractors and build up a strengthening construction team together to take up more share in the construction market.

    The study is poised to develop a performance evaluation model by using a multi-factors combination evaluation process enabling general contractors to accomplish subcontractor selection and to develop a performance prediction model for predicting the subcontractors' performance in the future projects based on their historical data. The study employs the structure of “Evolutionary Support Vector Machine Inference Model (ESIM)”to build the both models.

    目錄 摘要 I 目錄 III 圖目錄 X 表目錄 XI 第一章 緒論 1 1.1 研究動機 1 1.2 研究目的 3 1.3 研究範圍與限制 4 1.4 研究流程與方法 4 1.4.1 研究內容 4 1.4.2 研究流程與方法 5 1.4.3 論文架構 7 第二章 文獻回顧 8 2.1 營造廠專業協力廠商評鑑相關研究 9 2.2 演化式支持向量機推論模式 13 2.2.1支持向量機簡介 14 2.2.1.1支持向量機分類 14 2.2.1.2支持向量機迴歸 20 2.2.2基因演算法 22 2.2.3快速混雜基因(fmGA)演算法 22 2.2.4演化式支持向量機推論模式 26 2.2.5 ESIM特性與限制 28 2.2.5.1 ESIM特性 28 2.2.5.2 ESIM限制 29 2.2.6 ESIM應用 29 第三章 營造廠專業協力廠商評鑑因子建立 32 3.1營造廠專業協力廠商評鑑案例介紹 32 3.1.1案例營造廠介紹 32 3.1.2營造廠採購發包作業 32 3.1.3合格分包商評選方式 33 3.1.3.1新分包商遴選評估方式 33 3.1.3.2廠商評鑑方式 35 3.1.4廠商評鑑問題點分析 37 3.1.5廠商評鑑案例收集 39 第四章 營造廠專業協力廠商評鑑模式建立 43 4.1協力廠商表現評估模式之建立 43 4.1.1協力廠商表現評估模式評估 43 4.1.2協力廠商表現評估模式分析 44 4.1.3協力廠商表現評估模式設計 48 4.1.4協力廠商表現評估模式_訓練與測試 49 4.1.4.1模式建構設備 49 4.1.4.2模式訓練與測試 52 4.2協力廠商表現預測模式(一) 58 4.2.1協力廠商表現預測模式(一)_評估 58 4.2.2協力廠商表現預測模式(一)_分析 58 4.2.3協力廠商表現預測模式(一)_設計 62 4.2.4協力廠商表現預測模式(一)_訓練與測試 62 4.3協力廠商表現預測模式(二) 66 4.3.1協力廠商表現預測模式(二)_評估 66 4.3.2協力廠商表現預測模式(二)_分析 66 4.3.3協力廠商表現預測模式(二)_設計 68 4.3.4協力廠商表現預測模式(二)_訓練與測試 68 4.4小結 71 第五章 結論與建議 72 5.1 結論 72 5.2 建議 72 參考文獻 74 附錄一 營造廠採購發包作業與廠商評鑑用表格 I-1 附錄二 協力廠商表現評估模式資料 II-1 附錄三 協力廠商表現預測模式(一)資料 III-1 附錄四 協力廠商表現預測模式(二)資料 IV-1 圖目錄 圖1-1 研究流程 5 圖2-1 支持向量機資料分類示意圖 15 圖2-2 最大分離間隔與最優分離超平面 16 圖2-3 支持向量(SV)示意圖 18 圖2-4 線性不可分與鬆弛變量示意圖 19 圖2-5 可容錯線性SVR模式 21 圖2-6 快速混亂基因演算法演算機制 23 圖2-7 快速混亂基因演算法演算基因編碼方式 24 圖2-8 支持向量機最佳模式架構 27 圖2-9 ESIM應用程序 29 圖3-1 新分包商遴選評估程序 33 圖3-2 廠商評鑑程序 35 圖4-1 ESIS系統主畫面 50 圖4-2 ESIS資料庫管理模組 50 圖4-3 ESIS模式訓練模組 51 圖4-4 ESIS模式表現評估模組 51 圖4-5 協力廠商表現評估模式訓練案例測試 55 圖4-6 協力廠商表現評估模式測試案例測試 56 圖4-7 協力廠商表現預測模式(一)案例選取方式 59 圖4-8 協力廠商表現預測模式(一)訓練案例測試 63 圖4-9 協力廠商表現預測模式(一)測試案例測試 64 圖4-10 協力廠商表現預測模式(二)訓練案例測試 69 表目錄 表3-1 協力廠商考核表 36 表3-2 「純勞務」廠商評鑑因子 40 表3-3 協力廠商案例收集(一) 41 表3-4 協力廠商案例收集(二) 42 表4-1 協力廠商表現評估模式訓練案例_資料預處理後 47 表4-2 協力廠商表現評估模式測試案例_資料預處理後 48 表4-4 協力廠商表現評估模式訓練案例輸出值比較 54 表4-6 協力廠商表現評估模式誤差均方根及百分比 57 表4-7 協力廠商表現預測模式(一)訓練案例_資料預處理後 61 表4-8 協力廠商表現預測模式(一)測試案例_資料預處理後 61 表4-9 協力廠商表現預測模式(一)訓練案例輸出值比較 63 表4-10 協力廠商表現預測模式(一)測試案例輸出值比較 64 表4-11 協力廠商表現預測模式(一)誤差均方根及百分比 65 表4-12 協力廠商表現預測模式(二)訓練案例_資料預處理後 67 表4-13 協力廠商表現預測模式(二)測試案例_資料預處理後 68 表4-14 協力廠商表現預測模式(二)訓練案例輸出值比較 69 表4-15 協力廠商表現預測模式(二)測試案例輸出值比較 70 表4-16 協力廠商表現預測模式(二)誤差均方根及百分比 70

    參考文獻
    1. 柯千禾,「山坡地社區防災體系之研究與建立」碩士論文,國立台灣科技大學營建工程系,台北,1999。
    2. 吳宗桂,「營造廠專業協力廠商評鑑模式之建立與應用」,碩士論文, 國立台灣科技大學營建工程系,台北,2001。
    3. 張繼忠,「建築工程分包管理之研究」,碩士論文,國立台灣工業技術學院營建工程技術研究所,台北,1996
    4. 黃忠發,「營造業分包管理策略中班底效應之研究」,博士論文,
    國立中央大學土木工程研究所,桃園,2000。
    5. 顏榮政,「應用快速混雜基因演算法於營建資源分配模擬之研究」碩士論文,朝陽科技大學營建工程系, 2005。
    6. 劉世琪、劉晉宏,「應用資料挖掘探討顧客價值-以汽車維修業為例」,碩士論文,朝陽科技大學工業工程與管理系,2003。
    7. .Ko, C. H. (1999). Computer-aided decision support system for disaster prevention of hillside residents. MS thesis, National Taiwan University of Science and Technology, Taipei, Taiwan.
    8. Fukahori, K. and Kubota, Y. Consistency evaluation of landscape design by a decision support system. Computer-Aided Civil and Infrastructure Engineering, 15(5), 342–354, 2000.
    9. Sundin, S., and Braban-Ledoux, C. Artificial intelligence–based decision support technologies in pavement management. Computer-Aided Civil and Infrastructure Engineering, 16(2), 143–157, 2001.
    10.吳育偉,鄭明淵「支持向量機最佳化模式-應用於營建管理決策」,第11屆營建工程與管理學術研討會,2007
    11. C.-C. Chang and C.-J. Lin. Training nu-Support Vector Classifiers: Theory and Algorithms. Neural Computation 13, 2119-2147, 2001.。
    12.陳俊榮,「基因演算法在視覺系統參數校正及尺寸量測上之應用研究」,碩士論文,國立台灣科技大學工程技術研究所,台北,1999
    13.D.E. Goldberg, K. Deb, H. Kaegupta, G. Harik, Rapid, accurate optimization of difficult problems using fast messy genetic algorithms, Proceedings of the Fifth International Conference on Genetic Algorithms, pp. 56– 64, 1993
    14.D. Knjazew, G.A. Ome, A Competent Genetic Algorithm for Solving Permutation and Scheduling Problems, Kluwer Academic Publishers, Boston, 2003.
    15.許淑婷,馮重偉,「利用快速混雜基因演算法與模擬機制建立設計專案作業程序最佳化之研究」,國立成功大學碩士論文,2006。
    16.簡崑棋,馮重偉,「結合模糊類神經模式與快速混雜基因演算法於專案工期之預測」,國立成功大學碩士論文,2003。
    17.羅建龍,「BOT營運績效評估模式研究與建立」,碩士論文,國立台灣科技大學營建工程系,台北,2000。
    18.揚智民,劉廣利,「不確定性支持向量機原理及應用」,科學出版社,
    中國,2006。
    19.Cortes and V. Vapnik., ”Support-vector network,” Machine Learning,vol.20,No.3,pp.273-297(1995)。
    20.Cheng Min-Yuan and Ko Chien-Ho, Object-Oriented Evolutionary Fuzzy Neural Inference System for Construction Management, Journal of Construction Engineering and Management, ASCE, Vol. 129, No. 4, pp.461-469, 2003.
    21.Martino, J. P. (1993). Technological Forecasting for Decision Making. 3rd ed., New York, McGraw-Hill, 251–252.
    22.Davis, D. (1996). Business research for decision making. 4th ed., Belmont, Duxbury Press, 4.
    23.鄧乃楊等(2004),”數據挖掘的新方法─支持向量機”,科學出版社,中國。
    24.郝沛毅,「使用支持向量學習的模糊決策模式-基於核心函式的方法論」,國立成功大學資訊工程研究所,博士論文,2003。
    25.營建自動化策略聯盟,「營建協力廠商與材料廠商資訊系統使用手冊」,台北,1999。
    26.ThorstenJoachims, http://svmlight.joachims.org/svm_struct.html。
    27.楊宗哲,「營造廠商經營體質提昇策略—以營造業評鑑為例」,碩士
    論文,國立中央大學土木工程研究所,桃園,2007。
    28.劉杏游,「營造廠商管理效能評鑑制度之研究」,碩士論文,國立中央
    大學土木工程研究所,桃園,1999。
    29. Russell, J. S., Jaselskis, E. J., and Lawrence, S. P. (1997). “Continuous Assessment of Project Performance.” Journal of Construction Engineering and Management, ASCE, 123(1), 64–71.
    30.謝文山,「演化式建築工程成本概算模式之研究」,國立臺灣科技大學營建系研究所,碩士論文, 2002。
    31.郭慶鴻,「公共工程分包管理制度之研究」,碩士論文,國立台灣科技大學營建工程系,台北,2000。
    32.古鴻坤,「利用評鑑制度提升台灣地區營造廠商經營體質之研究」,碩士論文,國立中央大學土木工程研究所,桃園,1996。

    QR CODE