CN114971356A - 一种电力工程项目进度预测系统及方法 - Google Patents
一种电力工程项目进度预测系统及方法 Download PDFInfo
- Publication number
- CN114971356A CN114971356A CN202210654643.2A CN202210654643A CN114971356A CN 114971356 A CN114971356 A CN 114971356A CN 202210654643 A CN202210654643 A CN 202210654643A CN 114971356 A CN114971356 A CN 114971356A
- Authority
- CN
- China
- Prior art keywords
- project
- node
- progress
- influence
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000010276 construction Methods 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 20
- 238000012502 risk assessment Methods 0.000 claims abstract description 11
- 238000013461 design Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000011002 quantification Methods 0.000 claims 2
- 238000012163 sequencing technique Methods 0.000 claims 2
- 238000007726 management method Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004870 electrical engineering Methods 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 238000010348 incorporation Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智能管理技术领域,提出一种电力工程项目进度预测系统及方法,其中包括数据采集模块、项目节点数据库、风险因素数据库和风险分析模块。数据采集模块用于采集正在执行的电力工程项目数据、工程项目记录日志、现场进度监控数据,以及历史项目工期延误数据;项目节点数据库中存储有由正在执行的电力工程项目数据分析得到的项目节点,风险因素数据库中存储有由历史项目工期延误数据分析得到的风险因素、影响时间范围和影响概率;风险分析模块用于调用项目节点数据库中的目标项目节点,并根据采集的电力工程项目数据,与风险因素数据库进行匹配,并调用匹配的影响时间范围和影响概率,计算得到目标项目节点i的进度预测结果并输出。
Description
技术领域
本发明涉及智能管理技术领域,更具体地,涉及一种电力工程项目进度预测系统及方法。
背景技术
电力工程项目的管理方案,普遍要求协同投资计划、里程碑计划及资金计划实施。随着互联网技术的飞速发展,为了提高工程项目的管理效率和现代化的管理水平,基于大数据的在线工程项目监控系统是未来发展的必然趋势。
目前主要通过财务管理评价体系、基于组合权重的综合评价方法的经济效益评价指标体系对电力公司工程经济效益进行评价、结合区块链技术的电网企业财务系统协同应用的方法、续追踪供电配网建设成效及不同类型项目建设成效评价方法、基于层次分析的指标赋权方法和模糊综合评价方法等跨部门流程、跨专业数据的手段实施。由此可见,目前缺少能够一体化实现协同投资计划、里程碑计划及资金计划的电力工程项目管理方案。
现有一种项目进度风险预测方法,基于因子分析和自组织映射神经网络进行样本预测,同时借助因子分析分析、聚类分析,自动判断历史数据的进度风险类别,通过人工神经网络进行模式识别,用故障树梳理进度风险点具体原因和预控策略,建立起高效的工程进度风险预测系统。然而将该方案应用于协同投资计划、里程碑计划及资金计划的电力工程项目管理时,需要应用大量数据进行训练,算法难度及计算成本较高。
发明内容
本发明为克服上述现有技术无法协同多计划的项目进度预测管理,算法难度及计算成本较高的缺陷,提供一种电力工程项目进度预测系统及方法。
为解决上述技术问题,本发明的技术方案如下:
一种电力工程项目进度预测系统,包括:
数据采集模块,用于采集正在执行的电力工程项目数据、工程项目记录日志、现场进度监控数据,以及历史项目工期延误数据;
项目节点数据库,所述项目节点数据库中存储有由正在执行的电力工程项目数据分析得到的项目节点,所述项目节点标记有相应的阶段标签;
风险因素数据库,所述风险因素数据库中存储有由历史项目工期延误数据分析得到的风险因素、影响时间范围和影响概率;
风险分析模块,用于通过阶段标签调用项目节点数据库中的目标项目节点i,并根据采集的工程项目记录日志及现场进度监控数据,与所述风险因素数据库进行匹配,并调用匹配的影响时间范围和影响概率,计算得到目标项目节点i的进度预测结果并输出。
进一步地,本发明还提出了一种电力工程项目进度预测方法,应用上述提出的电力工程项目进度预测系统。其中,包括以下步骤:
S1、采集正在执行的电力工程项目数据、工程项目记录日志、现场进度监控数据和历史项目工期延误数据,根据正在执行的电力工程项目数据提取项目节点集合,构建项目节点数据库;
S2、根据历史项目工期延误数据,构建包括风险因素、影响时间范围和影响概率的风险因素数据库;
S3、通过阶段标签调用项目节点数据库中的目标项目节点i,并根据采集的工程项目记录日志及现场进度监控数据,与所述风险因素数据库进行匹配,并调用匹配的影响时间范围和影响概率,计算得到目标项目节点i的进度预测结果并输出。
与现有技术相比,本发明技术方案的有益效果是:本发明协同考虑电力工程项目所涉及的风险因素的主观性和不确定性,合理筛选影响力较大的风险因素,减少模型构建的工作量和模型的计算量,提供有效实现项目进度风险管理和进度预测的系统;此外,本发明通过大数据分析及智能预测技术,基于实际工程进度对电力工程项目的里程碑计划作高精度的进度预测,并根据进度预测结果及时极性进度调整,同步对投资计划、资金计划进行动态金策调整,实现三计划动态纠偏,为投资计划管理、里程碑进度管理、资金预算管理提供及时数据支撑。
附图说明
图1为实施例1的电力工程项目进度预测系统的架构图。
图2为实施例2的电力工程项目进度预测方法的流程图。
图3为实施例2的计算目标项目节点的进度预测结果的流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提出一种电力工程项目进度预测系统,如图1所示,为本实施例的电力工程项目进度预测系统的架构图。
本实施例提出的电力工程项目进度预测系统中,包括数据采集模块100,项目节点数据库200,风险因素数据库300,和风险分析模块400。
本实施例的数据采集模块100用于采集正在执行的电力工程项目数据、工程项目记录日志、现场进度监控数据,以及历史项目工期延误数据。
其中,所采集的电力工程项目数据包括项目编码、项目名称、项目实施单位、项目类型、项目总投资、纳入投资计划时间、各节点计划完成时间、各节点实际完成时间、项目计划建设总时长、月度投资计划及实际安排投资、月度资金计划及实际资金支付,和设计变更记录。
本实施例的项目节点数据库200中存储有由正在执行的电力工程项目数据分析得到的项目节点,所述项目节点标记有相应的阶段标签。
可选地,项目节点数据库200中根据项目节点及其阶段标签实施把控颗粒度,将项目节点拆解为子节点,通过整合历史电力工程项目数据,形成项目节点数据库200。
本实施例的风险因素数据库300中存储有由历史项目工期延误数据分析得到的风险因素、影响时间范围和影响概率。
具体地,风险因素数据库300中根据历史项目工期延误数据,结合项目建设的内部和外部进度风险特点,以项目管理的视角,从工程总承包的角度,对普遍存在的进度风险因素进行收集和整理分类,初步形成风险因素清单并存储在风险因素数据库300中。
本实施例的风险分析模块400用于通过阶段标签调用项目节点数据库200中的目标项目节点i,并根据采集的工程项目记录日志及现场进度监控数据,与所述风险因素数据库300进行匹配,并调用匹配的影响时间范围和影响概率,计算得到目标项目节点i的进度预测结果并输出。
在一可选实施例中,风险分析模块400中包括风险因素匹配单元410和进度偏差时间计算单元420。
其中,风险因素匹配单元410用于判断当前项目节点i相应的工程项目记录日志及现场进度监控数据是否符合风险因素的限定范围:
若是,则与所述风险因素数据库300中相应的风险因素进行匹配,并调用相应的影响时间范围和影响概率后发送至进度偏差时间计算单元420;
若否,则对下一风险因素进行匹配,至遍历所述风险因素数据库300中所有风险因素。
进度偏差时间计算单元420用于根据匹配的风险因素及其相应的影响时间范围和影响概率,预估每个风险因素对应的影响时间,再根据每个风险因素对应的影响时间计算得到进度偏差时间作为进度预测结果输出。
其中,进度偏差时间计算单元420根据完成匹配的风险因素,从所述风险因素数据库300中调用相应风险因素的影响时间范围和影响概率,确定每个匹配的风险因素的影响时间和影响概率。
在具体实施过程中,每个匹配的风险因素的影响时间和影响概率由工作人员进行预估设置,或从调用的影响时间范围和影响概率中取中间值确定。然后根据每个风险因素对应的影响时间计算得到进度偏差时间作为进度预测结果输出,具体地,将所有风险因素对应的影响时间乘以风险因素相应的影响概率后进行求和,得到该节点的进度偏差时间。
在一可选实施例中,系统还包括风险因素筛选模块500,用于对风险因素数据库300中存储的风险因素进行筛选,以及对风险因素对应的影响时间范围和影响概率进行更新。
在具体实施过程中,通过数据采集模块100采集根据风险因素设置的调查问卷结果,并传输至风险因素筛选模块500中。
风险因素筛选模块500定时对采集的调查问卷结果进行置信度测试,采用均值法和克朗巴哈系数法评估调查问卷的可靠性并对调查问卷结果进行过滤。然后对经过过滤的调查问卷结果根据风险矩阵法,对相应风险因素的影响概率和影响程度进行等级量化及排序,取影响程度大于预设阈值的风险因素及其影响时间范围和影响概率,对风险因素数据库300进行更新。
本实施例采用克朗巴哈系数用于评估问卷中变量的内部一致性,其中,克朗巴哈系数越高,表明问卷的置信度越高,一般应达到0.8。当克朗巴哈系数值低于0.6时,工作人员需要对调查问卷需重新调整设计选项和内容。
在一可选实施例中,系统还包括预警模块600,用于根据风险分析模块400输出的目标项目中各节点的进度预测结果计算节点进度延迟程度和项目进度延迟程度。
当节点进度延迟程度或项目进度延迟程度大于预设的预警阈值时,所述预警模块600向管理人员终端通信传输预警信号。
其中,预警模块600根据风险分析模块400输出的目标项目中各节点的进度预测结果与该节点计划完成时长,计算项目中各节点的节点进度延迟程度。然后根据项目中各节点的节点进度延迟程度与该项目的项目计划建设总时长,计算目标项目的项目进度延迟程度。
在具体实施过程中,节点进度延迟程度由目标项目中各节点的进度预测结果除以该节点计划完成时长计算得到。项目进度延迟程度由项目中各节点的节点进度延迟程度之和除以该项目的项目计划建设总时长计算得到。
当项目进度延迟或节点进度延迟小于10%,预警模块600向管理人员发送黄灯预警,可选地生成风险预警清单,辅助管理人员制订风险规避方案,通过采取有效压缩其他节点时间方式以按时完成工程,或提交设计变更申请调整工程进度安排。
当项目进度延迟或节点进度延迟大于10%,预警模块600向管理人员发送红灯警告,及时提醒管理人员采取必要措施,尽可能降低风险影响程度,可选地提交设计变更申请调整工程进度安排。
本实施例通过协同考虑电力工程项目所涉及的风险因素的主观性和不确定性,合理筛选影响力较大的风险因素,减少模型构建的工作量和模型的计算量,提供有效实现项目进度风险管理和进度预测的系统。
实施例2
本实施例提出一种电力工程项目进度预测方法,应用于实施例1提出的电力工程项目进度预测系统。如图2所示,为本实施例的电力工程项目进度预测方法的流程图。
本实施例的电力工程项目进度预测方法中,包括以下步骤:
S1、采集正在执行的电力工程项目数据、工程项目记录日志、现场进度监控数据和历史项目工期延误数据,根据正在执行的电力工程项目数据提取项目节点集合,构建项目节点数据库200。
S2、根据历史项目工期延误数据,构建包括风险因素、影响时间范围和影响概率的风险因素数据库300。
S3、通过阶段标签调用项目节点数据库200中的目标项目节点i,并根据采集的工程项目记录日志及现场进度监控数据,与所述风险因素数据库300进行匹配,并调用匹配的影响时间范围和影响概率,计算得到目标项目节点i的进度预测结果并输出。
其中,本实施例中的电力工程项目数据包括项目编码、项目名称、项目实施单位、项目类型、项目总投资、纳入投资计划时间、各节点计划完成时间、各节点实际完成时间、项目计划建设总时长、月度投资计划及实际安排投资、月度资金计划及实际资金支付,和设计变更记录。
由此构建得到的构建项目节点数据库200中存储有由正在执行的电力工程项目数据分析得到的项目节点,所述项目节点标记有相应的阶段标签。
可选地,项目节点数据库200中根据项目节点及其阶段标签实施把控颗粒度,将项目节点拆解为子节点,通过整合历史电力工程项目数据,形成项目节点数据库200。
在一具体实施过程中,根据项目全过程管理原则,项目实施的关键节点包括:纳入计划、工程开工建设、工程投产、竣工结算、竣工决算等。根据项目实施把控颗粒度,进一步拆解为子节点。整合历史项目数据,形成如下表1所示的项目节点数据库200。
表1项目节点数据库200
本实施例中的风险因素数据库300中存储有由历史项目工期延误数据分析得到的风险因素、影响时间范围和影响概率。
具体地,风险因素数据库300中根据历史项目工期延误数据,结合项目建设的内部和外部进度风险特点,以项目管理的视角,从工程总承包的角度,对普遍存在的进度风险因素进行收集和整理分类,初步形成风险因素清单并存储在风险因素数据库300中。
在一可选实施例中,还包括以下步骤:
1)采集根据风险因素设置的调查问卷结果。
2)对采集的调查问卷结果进行置信度测试,采用均值法和克朗巴哈系数法评估调查问卷的可靠性并对调查问卷结果进行过滤;其中,采用克朗巴哈系数法评估调查问卷的可靠性的表达式如下:
3)从通过置信度测试的调查问卷中根据风险矩阵法,对相应风险因素的影响概率和影响程度进行等级量化及排序,取影响程度大于预设阈值的风险因素及其影响时间范围和影响概率,对风险因素数据库300进行更新。
本实施例中,采用克朗巴哈系数用于评估问卷中变量的内部一致性,其中,克朗巴哈系数越高,表明问卷的置信度越高,一般应达到0.8。当克朗巴哈系数值低于0.6时,工作人员需要对调查问卷需重新调整设计选项和内容。
在一具体实施过程中,构建得到的风险因素数据库300如下表2所示。
表2风险因素数据库300
在一可选实施例中,如图3所示,计算目标项目节点i的进度预测结果的步骤包括:
S3.1、判断当前项目节点i相应的工程项目记录日志及现场进度监控数据是否符合风险因素的限定范围:
若是,则与所述风险因素数据库中相应的风险因素进行匹配,并调用相应的影响时间范围和影响概率;对下一风险因素进行匹配,至遍历所述风险因素数据库中所有风险因素;
若否,则对下一风险因素进行匹配,至遍历所述风险因素数据库300中所有风险因素;
S3.2、根据匹配的风险因素及其相应的影响时间范围和影响概率,预估每个风险因素对应的影响时间;其中风险因素对应的影响时间在风险因素相应的影响时间范围内;
S3.3、根据每个风险因素对应的影响时间计算得到进度偏差时间作为进度预测结果输出;其表达式如下:
式中,Ci为目标项目的节点i的进度偏差时间,ri,j表示节点i中风险因素j相应的影响时间,pi,j表示节点i中风险因素j相应的影响概率;q为经过匹配的风险因素的总数量。
在具体实施过程中,根据工程项目记录日志及施工现场进度监控数据,确定单个项目实施过程中节点i有可能发生的风险1、风险2、风险3、…、风险q,以及风险对应的发生概率pi,1、pi,2、pi,3、…、pi,q,已知各风险对节点i的影响时间最大值分别为Mi,1、Mi,2、Mi,3、…、Mi,q,对节点i的影响时间最小值分Ni,1、Ni,2、Ni,3、…、Ni,q。
先确定项目中,风险1、风险2、风险3、…、风险j、…、风险q发生时对节点i的影响时间ri,j。可选地,节点i的影响时间ri,j由工作人员根据该次供货情况作出预估,且应处于最大值Mi,j与最小值Ni,j之间。以风险1为例,影响时间ri,1应处于Mi,1、Ni,1之间。由此得到的风险清单示例如下表3所示。
表3匹配的风险清单示例
序号 | 风险因素 | 影响时间 | 影响概率 |
r5 | 相关部门协调问题 | 30 | 0.3 |
r7 | 场地交付不及时 | 40 | 0.6 |
r24 | 材料供应不及时 | 60 | 0.3 |
进一步地,本实施例的电力工程项目进度预测方法还包括以下步骤:根据输出的目标项目中各节点的进度预测结果计算节点进度延迟程度和项目进度延迟程度;当节点进度延迟程度或项目进度延迟程度大于预设的预警阈值时,向管理人员终端通信发送预警信号。
其中,所述节点进度延迟程度由节点的进度预测结果除以该节点计划完成时长计算得到。所述项目进度延迟程度由目标项目中所有节点的进度预测结果之和除以该项目的项目计划建设总时长得到。
在具体实施过程中,当项目进度延迟或节点进度延迟小于10%,预警模块600向管理人员发送黄灯预警,可选地生成风险预警清单,辅助管理人员制订风险规避方案,通过采取有效压缩其他节点时间方式以按时完成工程,或提交设计变更申请调整工程进度安排。
当项目进度延迟或节点进度延迟大于10%,预警模块600向管理人员发送红灯警告,及时提醒管理人员采取必要措施,尽可能降低风险影响程度,可选地提交设计变更申请调整工程进度安排。
在另一可选实施例中,进一步地,可根据输出的进度预测结果对里程碑计划、投资计划、资金计划进行动态调整。
其中,根据进度偏差时间,分配至对应影响节点,形成调整后的工作计划,施工单位根据计划严格执行。
投资计划主要包含采购费、建筑费、安装费等费用。根据里程碑计划进度预测情况,将投资计划费用分解为各阶段及节点计划投资额。节点内进一步将投资费用平均分配至每个月的计划投资额,形成月度投资计划,用于监督每月投资计划执行情况。
而资金计划主要包含建筑费、安装费、设备费等费用。根据里程碑计划进度预测情况,将资金计划费用分解为各阶段及节点计划资金支付额。节点内进一步将资金计划平均分配至每个月的资金支付额,形成月度资金计划,用于监督每月资金计划执行情况。
本实施例通过大数据分析及智能预测技术,基于实际工程进度对电力工程项目的里程碑计划作高精度的进度预测,并根据进度预测结果及时极性进度调整,同步对投资计划、资金计划进行动态金策调整,实现三计划动态纠偏,为投资计划管理、里程碑进度管理、资金预算管理提供及时数据支撑。
实施例3
本实施例应用实施例1提出的电力工程项目进度预测系统,或应用实施例2提出的电力工程项目进度预测方法,对电力工程项目中的里程碑计划进行进度预测。
如在项目开工节点,存在相关部门协调问题、场地交付不及时、材料供应不及时等风险,计算该节点的进度偏差时间如下表4所示。
表4里程碑计划节点的进度偏差时间
序号 | 风险因素 | 影响时间 | 影响概率 | 进度偏差时间 |
r5 | 相关部门协调问题 | 30 | 0.4 | 23 |
r7 | 场地交付不及时 | 10 | 0.6 | 6 |
r24 | 材料供应不及时 | 60 | 0.3 | 18 |
则该节点的进度偏差时间为47天。
根据进度偏差时间,分配至对应影响节点,形成调整后的工作计划,施工单位根据计划严格执行,示例如下表5所示。
表5里程碑计划预测及调整示例
进一步地,本实施例应用实施例1提出的电力工程项目进度预测系统,或应用实施例2提出的电力工程项目进度预测方法,对电力工程项目中的投资计划及资金计划动态调整。
具体地,根据里程碑计划的调整,投资计划和资金计划将同步调整月度计划。假设项目总投资150万元,在开工节点投资计划为20%,根据子节点投资比例形成月度投资计划。根据进度预测,该节点将延迟47天,则需同步调整月度投资计划。调整后的月度投资计划如下表6所示。
表6月度投资计划示例
由此可见,应用实施例1提出的电力工程项目进度预测系统,或应用实施例2提出的电力工程项目进度预测方法,有效实现协同多计划的项目进度预测管理,且算法简单,计算成本低。
相同或相似的标号对应相同或相似的部件;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种电力工程项目进度预测系统,其特征在于,包括:
数据采集模块,用于采集正在执行的电力工程项目数据、工程项目记录日志、现场进度监控数据,以及历史项目工期延误数据;
项目节点数据库,所述项目节点数据库中存储有由正在执行的电力工程项目数据分析得到的项目节点,所述项目节点标记有相应的阶段标签;
风险因素数据库,所述风险因素数据库中存储有由历史项目工期延误数据分析得到的风险因素、影响时间范围和影响概率;
风险分析模块,用于通过阶段标签调用项目节点数据库中的目标项目节点i,并根据采集的工程项目记录日志及现场进度监控数据,与所述风险因素数据库进行匹配,并调用匹配的影响时间范围和影响概率,计算得到目标项目节点i的进度预测结果并输出。
2.根据权利要求1所述的电力工程项目进度预测系统,其特征在于,所述电力工程项目数据包括项目编码、项目名称、项目实施单位、项目类型、项目总投资、纳入投资计划时间、各节点计划完成时间、各节点实际完成时间、项目计划建设总时长、月度投资计划及实际安排投资、月度资金计划及实际资金支付,和设计变更记录。
3.根据权利要求1所述的电力工程项目进度预测系统,其特征在于,所述风险分析模块中,包括:
风险因素匹配单元,用于判断当前项目节点i相应的工程项目记录日志及现场进度监控数据是否符合风险因素的限定范围,若是,则与所述风险因素数据库中相应的风险因素进行匹配,并调用相应的影响时间范围和影响概率后发送至进度偏差时间计算单元;若否,则对下一风险因素进行匹配,至遍历所述风险因素数据库中所有风险因素;
进度偏差时间计算单元,用于根据匹配的风险因素及其相应的影响时间范围和影响概率,预估每个风险因素对应的影响时间,再根据每个风险因素对应的影响时间计算得到进度偏差时间作为进度预测结果输出。
4.根据权利要求3所述的电力工程项目进度预测系统,其特征在于,所述系统还包括风险因素筛选模块,用于对风险因素数据库中存储的风险因素进行筛选,以及对风险因素对应的影响时间范围和影响概率进行更新;
其中,所述数据采集模块还用于采集根据风险因素设置的调查问卷结果,并传输至风险因素筛选模块中;
所述风险因素筛选模块对采集的调查问卷结果进行置信度测试,采用均值法和克朗巴哈系数法评估调查问卷的可靠性并对调查问卷结果进行过滤;然后对经过过滤的调查问卷结果根据风险矩阵法,对相应风险因素的影响概率和影响程度进行等级量化及排序,取影响程度大于预设阈值的风险因素及其影响时间范围和影响概率,对风险因素数据库进行更新。
5.根据权利要求2所述的电力工程项目进度预测系统,其特征在于,所述系统还包括预警模块,用于根据风险分析模块输出的目标项目中各节点的进度预测结果计算节点进度延迟程度和项目进度延迟程度;当节点进度延迟程度或项目进度延迟程度大于预设的预警阈值时,所述预警模块向管理人员终端通信传输预警信号;
其中,所述预警模块根据风险分析模块输出的目标项目中各节点的进度预测结果与该节点计划完成时长,计算项目中各节点的节点进度延迟程度;根据项目中各节点的节点进度延迟程度与该项目的项目计划建设总时长,计算目标项目的项目进度延迟程度。
6.一种电力工程项目进度预测方法,应用于权利要求1~5任一项所述的电力工程项目进度预测系统,其特征在于,包括以下步骤:
S1、采集正在执行的电力工程项目数据、工程项目记录日志、现场进度监控数据和历史项目工期延误数据,根据正在执行的电力工程项目数据提取项目节点集合,构建项目节点数据库;
S2、根据历史项目工期延误数据,构建包括风险因素、影响时间范围和影响概率的风险因素数据库;
S3、通过阶段标签调用项目节点数据库中的目标项目节点i,并根据采集的工程项目记录日志及现场进度监控数据,与所述风险因素数据库进行匹配,并调用匹配的影响时间范围和影响概率,计算得到目标项目节点i的进度预测结果并输出。
7.根据权利要求6所述的电力工程项目进度预测方法,其特征在于,所述电力工程项目数据包括项目编码、项目名称、项目实施单位、项目类型、项目总投资、纳入投资计划时间、各节点计划完成时间、各节点实际完成时间、项目计划建设总时长、月度投资计划及实际安排投资、月度资金计划及实际资金支付,和设计变更记录。
8.根据权利要求6所述的电力工程项目进度预测方法,其特征在于,所述S3步骤中,计算目标项目节点i的进度预测结果的步骤包括:
S3.1、判断当前项目节点i相应的工程项目记录日志及现场进度监控数据是否符合风险因素的限定范围:
若是,则与所述风险因素数据库中相应的风险因素进行匹配,并调用相应的影响时间范围和影响概率;对下一风险因素进行匹配,至遍历所述风险因素数据库中所有风险因素;
若否,则对下一风险因素进行匹配,至遍历所述风险因素数据库中所有风险因素;
S3.2、根据匹配的风险因素及其相应的影响时间范围和影响概率,预估每个风险因素对应的影响时间;其中风险因素对应的影响时间在风险因素相应的影响时间范围内;
S3.3、根据每个风险因素对应的影响时间计算得到进度偏差时间作为进度预测结果输出;其表达式如下:
式中,Ci为目标项目的节点i的进度偏差时间,ri,j表示节点i中风险因素j相应的影响时间,pi,j表示节点i中风险因素j相应的影响概率;q为经过匹配的风险因素的总数量。
9.根据权利要求6所述的电力工程项目进度预测方法,其特征在于,还包括以下步骤:
1)采集根据风险因素设置的调查问卷结果;
2)对采集的调查问卷结果进行置信度测试,采用均值法和克朗巴哈系数法评估调查问卷的可靠性并对调查问卷结果进行过滤;其中,采用克朗巴哈系数法评估调查问卷的可靠性的表达式如下:
当克朗巴哈系数a低于预设的置信阈值时,跳转执行1)步骤;
3)从通过置信度测试的调查问卷中根据风险矩阵法,对相应风险因素的影响概率和影响程度进行等级量化及排序,取影响程度大于预设阈值的风险因素及其影响时间范围和影响概率,对风险因素数据库进行更新。
10.根据权利要求6所述的电力工程项目进度预测方法,其特征在于,还包括以下步骤:
根据输出的目标项目中各节点的进度预测结果计算节点进度延迟程度和项目进度延迟程度;当节点进度延迟程度或项目进度延迟程度大于预设的预警阈值时,向管理人员终端通信发送预警信号;
其中,所述节点进度延迟程度由节点的进度预测结果除以该节点计划完成时长计算得到;
所述项目进度延迟程度由目标项目中所有节点的进度预测结果之和除以该项目的项目计划建设总时长得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210654643.2A CN114971356A (zh) | 2022-06-10 | 2022-06-10 | 一种电力工程项目进度预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210654643.2A CN114971356A (zh) | 2022-06-10 | 2022-06-10 | 一种电力工程项目进度预测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114971356A true CN114971356A (zh) | 2022-08-30 |
Family
ID=82961420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210654643.2A Pending CN114971356A (zh) | 2022-06-10 | 2022-06-10 | 一种电力工程项目进度预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114971356A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115860679A (zh) * | 2022-12-15 | 2023-03-28 | 青岛思科万方经济信息咨询有限公司 | 一种基于大数据的企业项目数据管理系统及方法 |
CN116384756A (zh) * | 2023-06-05 | 2023-07-04 | 中铁四局集团有限公司 | 基于深度学习的建筑工程进度风险预测评价方法 |
CN116777677A (zh) * | 2023-06-29 | 2023-09-19 | 华腾建信科技有限公司 | 基于项目启动阶段目标设置的工程数据处理方法及系统 |
CN117114452A (zh) * | 2023-10-23 | 2023-11-24 | 中科云谷科技有限公司 | 用于确定施工方案的方法、处理器、装置及存储介质 |
CN117726304A (zh) * | 2024-02-05 | 2024-03-19 | 天津航远信息技术有限公司 | 项目进度预测及项目资源配给推荐方法 |
-
2022
- 2022-06-10 CN CN202210654643.2A patent/CN114971356A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115860679A (zh) * | 2022-12-15 | 2023-03-28 | 青岛思科万方经济信息咨询有限公司 | 一种基于大数据的企业项目数据管理系统及方法 |
CN115860679B (zh) * | 2022-12-15 | 2023-05-30 | 青岛思科万方经济信息咨询有限公司 | 一种基于大数据的企业项目数据管理系统及方法 |
CN116384756A (zh) * | 2023-06-05 | 2023-07-04 | 中铁四局集团有限公司 | 基于深度学习的建筑工程进度风险预测评价方法 |
CN116384756B (zh) * | 2023-06-05 | 2023-08-15 | 中铁四局集团有限公司 | 基于深度学习的建筑工程进度风险预测评价方法 |
CN116777677A (zh) * | 2023-06-29 | 2023-09-19 | 华腾建信科技有限公司 | 基于项目启动阶段目标设置的工程数据处理方法及系统 |
CN116777677B (zh) * | 2023-06-29 | 2024-01-05 | 华腾建信科技有限公司 | 基于项目启动阶段目标设置的工程数据处理方法及系统 |
CN117114452A (zh) * | 2023-10-23 | 2023-11-24 | 中科云谷科技有限公司 | 用于确定施工方案的方法、处理器、装置及存储介质 |
CN117114452B (zh) * | 2023-10-23 | 2024-01-09 | 中科云谷科技有限公司 | 用于确定施工方案的方法、处理器、装置及存储介质 |
CN117726304A (zh) * | 2024-02-05 | 2024-03-19 | 天津航远信息技术有限公司 | 项目进度预测及项目资源配给推荐方法 |
CN117726304B (zh) * | 2024-02-05 | 2024-05-17 | 天津航远信息技术有限公司 | 项目进度预测及项目资源配给推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114971356A (zh) | 一种电力工程项目进度预测系统及方法 | |
CN114118691A (zh) | 基于业务量的排班方案处理方法、装置、设备和介质 | |
CN111950929A (zh) | 一种项目型任务的工作量均衡分配方法和设备 | |
Chen et al. | A pictorial approach to poor-quality cost management | |
CN113344467A (zh) | 一种电力工程资金预测方法和装置 | |
CN113837730B (zh) | 基于三率合一的电网基建主网项目多维协同管控系统 | |
CN110781206A (zh) | 一种学习拆回表故障特征规则预测在运电能表是否故障的方法 | |
Yuill et al. | Application of Adaptive Neuro Fuzzy Inference System (ANFIS) based short term load forecasting in South African power networks | |
Khuntia et al. | Neural network-based load forecasting and error implication for short-term horizon | |
CN114282697A (zh) | 一种设备类供应商差异化绩效确定方法和系统 | |
CN116090702B (zh) | 一种基于物联网的erp数据智能监管系统及方法 | |
CN116502830A (zh) | 一种排产计划生成方法、系统和产品 | |
CN114155072B (zh) | 基于大数据分析的财务预测模型构建方法及系统 | |
Boussabaine et al. | An expert‐simulation system for construction productivity forecasting: Conformation method used to illustrate the uncertainty associated with expert's knowledge | |
KR102370781B1 (ko) | 기업 현황 파악 및 예측 경영정보 시스템 및 그 구동방법 | |
Sobanjo et al. | Evaluation of projects for rehabilitation of highway bridges | |
WO2022162798A1 (ja) | 電力需要予測装置、電力需要予測方法およびプログラム | |
Al‐Tabtabai et al. | Expert judgment in forecasting construction project completion | |
CN116233312B (zh) | 一种基于回归分解的电网客服话务量预测方法 | |
CN117094688B (zh) | 一种供电所数字化管控方法及系统 | |
Khalid et al. | A Design Support Tool for Improving Maintenance Scheduling Process | |
Konior | Forecasting the course of construction project management in conditions of uncertainty | |
CN118037014A (zh) | 基于物联网的道路施工监测系统 | |
CN116011820A (zh) | 一种非线性的风险评估方法及装置 | |
CN116384704A (zh) | 一种工程进度及造价管理系统的管理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |