．．I项目管理
项 目进度管理 ● ●
模型与方
◇ 袁 军 曹德成
摘要 本文归纳和总结了项 目进度管理领域 内的建模
解方法，主要 包括进度计划总体建模和资源约束建模等 ，尤
出在计算机模拟，智能方法以及 CAD，GIS和 网络技术，以
种方法之间的综合集成应用等方面的新进展 ，将会把项 目
推向智能化，集成化 ，实时化和网络化。
关键词 项 目管理 ；进度计划；资源；计算机模拟；智能
0 引言
项 目管理是 指设计 ，构建 ，计划 ，组织 ，协调 和控制
项 目的一系列专业活动。其 目标在于：利用能控制的资
源，在工期 、成本和性能(质量 )要求范围内，完成项 目
实施；同时，项 目实施者需要和相关的客户保持 良好的
关系 。
其中，进度管理是为实现项 目预定 目标而确定和
实施恰 当策 略的过程 ，是项 目管 理的重要组成部分 。近
年来 ，无论在研究和实践中，它 日益引起人们的关注。
项目进度管理包括为确保项 目按期完成所必须的一系
列工作——主要内容有 ：作业定义和排序，作业工期估
计，编制进度计划以及进度控制等，其研究的对象是单
一 项 目或者多个项 目，在有限资源的约束下安排和控
制作业进度的问题。项 目进度管理领域内的模型数不
胜数，其中的一些问题是优化领域的典型课题。勿庸置
疑，从计算角度看 ，项 目进度管理问题在普遍意义上是
具有挑战性 的问题 。目前 ，研究重 点集 中在项 目进 度管
理总体建模及其监测 ，资源约束建模和模型的求解等
方面 。
1 项目进度管理建模
1．1 项 目进度计划模 型
项 目进度计划模 型按 照项 目特点 和模 型采 用的假
设可以分为网络计划技术，重复性计划模型和项 目计
划循 环模型 。
1．1．1网络计划技术
网络 计划 技术 的典 型代 表 为 CPM (Critical Path
Method，关 键线路技术 )和 PERT(Program Evaluation
and Review Technique，计划评审技术)。以及后来完善
了作业 间逻辑关 系的 PDM (Precedence Networking
Method)。这类网络计划技术针对的是非重复性项 目，
其特点是 ：项目包括定义好的作业集合 ，各个作业的开
工和完工都是相互独立的，并且按照一定的技术顺序
实施，历史悠久 ，应用部门广泛，有现成的成熟的计算
机软件。它们的缺陷在于：没有或者很少考虑到由管理
控制以外的机会机制决定的随机 因素 ；CPM和 PERT
认为作业是非循环的，即网络进度计划中不能出现循
环或者周期 ；在 CPM和 PERT下 ，所有的作业都必须
成 功完成 ，不 能有失败 的情况 。
除此之外，六十年代发明了决策型关键路线技术
(Decision CPM)和 GERT (Graphical Evaluation and
Review Technique，图形评审技术)模型。七十年代又
出现了 GERTS，Q--GERT和 SLAM(Simulation Lan．
guage for Alternative Modeling，多种构模仿真语言)等
仿真系统。但是这些方法都不能在建模过程中，同时处
理和平等对待项 目管理中的工期、成本和性能这三个
目标。一九七二年出现的在 GERT的基础上发展起来
的 VERT(Venture Evaluation and Review Technique，
风险评审技术)首先提出了这一观点 ，它以概率论 ，计
8 (-I-程经济>2003年第 5期
维普资讯
．．I项目管理
算机仿真和网络计划理论为基础，使在复杂情况下的
决策更加合理准确。但是 ，VERT也存在着如网络作业
中各种概率分布如何确定，仿真结果的稳定性等问题 。
1．1．2 重复性项 目进度计划模 型
CPM 和 PERT等针对 的是 非重 复性 项 目，而现实
生活 中有 很多项 目属 于重复性项 目，它 们具 有一些相
同或者类似的单元 ，也称为线性项 目。其线性表现在项
目中一系列作业的重复或者是项 目的实物布局。为解
决这些问题 ，人们研究 了 LOB(Line of Balance，平衡
线 技术 ，又称 为资 源驱 动 计划 技 术 )，IsM(Linear
Scheduling Method， 线 性 计 划 技 术 )，VPM(Vertical
Production Method，垂直 生产 技术 )，HVLS(Horizontal
and Vertical Logic Scheduling for Muhistory Projects，
多层项 目的水平和垂直逻辑计划技术 )，RPM(Repeti—
tive Project Modeling，重 复 性 项 目建 模 )和 RSM
(Repetitive Scheduling Method，重复性计划技术)等模
型 。
这类模 型假设 项 目包 含一组或者几组重 复性 的工
作，其中的每一组都具有其特定的生产率，可以通过调
整或者同步化生产率以确保各组工作的顺利进展。它
们在包括房屋 ，高层建筑 ，公路项 目中得到了较好的应
用。但是 ，这之中如 LOB也存在着对重复性单元复杂
和有 大量分支路径 的项 目无 能为力 ，难 于更新 和不能
迅速计算出项 目进度状况等缺陷，其应用局限在具有
高度重复性作业的项 目上而且缺乏灵活性 ，因而在实
际中尤其在大型项 目中不如 CPM法广泛。为克服这些
缺点 ，近来人们研究了它们和 CPM技术的结合。Suhail
等 将 LOB和 CPM相结合 ，把 CPM资源平衡和浮动
时差计算结果应用到 LOB中。Ammar等No]在 LOB的
重复性单元中应用 CPM技术 以确保逻辑关系和资源
连续性 。
1．1．3项 目进 度计划 的循 环模 型
无论 PERT，CPM或者 LOB都假定项 目可 以分解
为一系列可预知和离散的作业，而作业工期可以从估
计得出并且这些作业的工期是统计独立的。对于随机
型网络 ，作业工期是随机的，则假定概率分布是已知
的。这意味着一个作业的工期不会影响该项目中其他
作业 的工期 。
Hardie【l 认为 ，现实世界 中很多项 目作业的工期
不是统计独立的，作业的逻辑关系不是线性的，即项 目
作业具有循环性，而循环的概率就是项目工期的决定
性 因素 。他提 出采用马尔可夫链来 解决此类具有循环
性 质 的项 目进度计 划 。
1．2 项 目进度计划 资源约束模型
任何一个 实际工程项 目在 实施 过程中 ，包括 人力 ，
物力和财力等在 内的资源都是有 限的 ，在制定进度计
划时必须考虑资源约束的问题。通常，解决这个问题有
三类模型：时间／费用折中 (Time—Cost Trade off)模
型 ，有限资源分配(Limited Resource Allocation)模型
和资源平衡(Resource Leveling)模型。
1．2．1时间／费用折中模型
在实际的项 目实施中，作业安排必须建立在可利
用资源的基础上 ，如人力 、机械和材料等。
作业工期可以看作是资源可用性的函数。更进一
步，不同的资源组合其费用不同。最终 ，项 目管理者需
要考虑项 目直接费用和工期之间的折中关系。给作业
分配不可更新资源越多，作业的持续时间就会减少。这
就是时间／费用折 中模型 。这类模 型的 目的在于根据不
可更新资源的上限使项目工期最小 ；或者是根据项 目
工期的限制，使分配的资源最少。
在时间／费用关系上 ，有连续 型和离散 型。连续型
包括线性和非线性。人们采用了线性规划(单纯型法和
流量法)，整数规划 ，混合线性／整数规划以及动态规划
等解析式方法和包括 Fondahl方法 ，结构模型，有效成
本溢 出模型和结构 刚度方 法等启发式方 法进行求解 。
当作业的时间／费用关系不连续时，就是离散型
的。在离散关 系下的时间／费用折 中问题 (DTCT，Dis—
crete Time — Cost Tradeoff) 属 于 强 NP 难 问 题
(strongly NP—hard problem)，求最优解 比在连续型
时间／费用关系下求解困难得多。近来对离散型时间／
费用问题的研究较多。Herroelen等 总结了离散型折
中问题及分支界定求解方法 ，包括离散时间／资源折中
问 题 (DTRTP，Discrete Time／Resource Trade—off
Problem)和离散资源／资源折中问题 (DRRTP，Discrete
Resouree／Resource Trade-off Problem)。
1．2．2有限资源分配模型
有限资源分配问题是指在可以利用的资源数量一
定的条件下 ，通过调配进度使项目工期尽可能短。它属
于 NP难 (NP-HaM)问题 。
整数规划 ，分支界定法和隐性枚举法等解析式方
法用于解决此类问题。启发式方法分为序列法(Seria1)
和并行法(Paralle1)。序列法启发式规则有 J—I，J—D，J一
《工程经济》2003年第 5期 9
维普资讯
．．I项目管理
R，J—S，I一．J等 。并行启发式规则包括最短作业时差
(MINSLK)，资源安排 方法 (RSM)，随机选 择作业
(RAN)，最 小 PERT总时 差 (MTS)，最小 PERT最迟 开
工时间(MIST)等几十种。目前解决资源分配问题通常
采用启 发式 方法 。
1．2．3资源平衡／平滑模型
资源平衡问题是在可用资源数量不限，以及保持
工期不变的前提下 ，通过调整各项非关键作业进度的
方法 ，使资源的需求量随时间的变化而趋向平衡的过
程 。资源 平衡 问题 是一类完 全 NP (NP —complete)问
题 。
资源平衡问题之所以在实践中占有重要地位 ，是
因为下列三个原因：资源用量上的限制 ；避免资源每 日
用量上的波动；保证资源流的平滑。同时，资源用量上
的波动会给承包商带来劳动力使用和财政上的困难 ，
而资源平衡的 目标是尽量使资源用量趋于均衡 ，或者
使资源用量符合某种资源分布。
求解资源平衡问题的解析式方法有隐性枚举 ，整
数规划和动态规划以及分支界定方法。启发式方法包
括优先规则启发方法和多项式启发方法。启发式规则
包括 ：最小化资源用量平方和 ；最小资源矩方法；资源
平衡的压缩方法；最小化资源用量平方和，同时减少每
13资源用量的波动；最小化资源用量和其平均值之间
的偏差的绝对值 ，同时最小化连续时间段资源用量偏
差的绝对值等。
1．3 项 目进度计划 实施的监控及 影响因素研究
由于项 目本身的动态特性和其实施环境的变化
性 ，有必要对项 目进度进行监控 项 目进度计划制定完
成 ，项 目开始实施后 ，通过跟踪监测项 目各作业的进展
情况以确定是否必要采取控制措施。项 目进度监测是
一 个收集有关项 目时间进展情况的过程 ，而对项 目的
控制则是利用监测数据采取实际措施确保项 目进展与
计划进展一致 。有关这方 面的研究 13渐增 多。
Partovi等 总结了 CPM项 目实施中的监控问题 ，
包括监测频率 ，监测深度和广度 ，以及监测时间分布。
通 过 对 无 监 控 (NO，no monitoring and contro1)，等 间
隔监 控 (El， monitoring and control at equal inter—
vals)，靠后监控 (EL，end—loaded)，靠前监控(FL，
front loaded)，和完 全随 机监 控 (RA，completed ran—
dom)等几种监控 方式 的 比较研 究 得 出结 论 ，认 为靠 后
监控在防止工期滞后上最有效。其他一些研究集中在
项 目进度管理的影响因素上。Ben—haim等 认为，如
今的项 目在更不确定的环境下实施，而对项 目进度计
划可靠性的期望值更高 ，所以有必要对项 目进度计划
的可靠性进行研究。Faniran等 对项 目进度计划和其
影响因素之间的关系进行了研究。
2 项目进度管理的新进展
进入二十世纪九十年代 ，随着计算机硬件和软件
技术的发展，以及对智能的研究 ，利用计算机模拟技术
建立精确和动态模型，利用人工智能和计算智能方法，
解决推理 ，优化和模糊问题，实现智能项 目进度管理 ，
已经成为可能 ；同时 ，计算机辅助设计(compu~r aided
design，CAD)，地理信息系统 (geographical information
system，GIS)和计算机网络技术在项 目进度的实时化
监控和网络化管理中起着越来越显著的作用。
2．1 计 算机模拟建模
计算机模拟技术是项 目进度管理建模的另一种方
法。模拟建模技术的优越性在于它的灵活性 ，能够建立
更加精确的和时间上动态的模型。这种方法的不足在
于费用昂贵，处理过程耗时过长，需要确认模拟符合现
实实际，而且要用到成熟的输人输出技术以分析数据。
但是，随着高性能计算机的普及和计算机软件技术的
发展 ，这些问题已经逐步得到缓解。
Ghomi等 指出，计算机模拟是对复杂系统进行
分析的有效工具，它尤其适用于假设分析 (what—if
analysis)，如增加或减少某种特定资源，或者某个作业
实施严重滞后等情况的后果。Monte Cado模拟技术和
GPSS模拟语言是常用的建模方法。除 了前面提到的
GERT，SLAM和 VERT以外，项 目进度管理的计算机
模 拟模 型包 括有 BFUE，CIPROS，CYCLONE，DYNAS．
TRAT，micr0CYCL0NE，UM —CYCL0NE，INSIGHT，
C00PS，PNET，RESQUE，MUD，PRODUF．SLAMSYS．
TEM，PICASSO，Stroboscope，Simcon等。近年来 ，计算
机模拟模型着重于解决项 目进度管理中的离散型问
题 。
但是 ，项 目进度管理领域的计算机模拟方法仍然
存在问题。Williams[261认为，不确定性工期模拟模型的
计算结果可信度不高 ，因为它们没有考虑管理者对延
误项 目采取措施的作用。此外 ，由于输入数据的概率分
布函数(probability distribution functions，PDF)与模拟
lO 《工程经济》2003年第 5期
维普资讯
．．I项目管理
模型密切相关，对概率分布函数的选取和评价是一件
重要而困难的工作。
2。2 智能方法
在 80年代以前，项 目进度管理模型的解决方法主
要是解析式方法和启发式方法两种。解析式方法对于
小规模的问题能得到最优解，但是对于较大规模和复
杂的问题，由于计算量过大计算耗时过长而不可行，其
有效性随着问题规模的增长出现的“组合爆炸”现象而
降低。启发式方法能有效解决较大规模和复杂问题的
计算量问题，而且简单易行，便于理解和操作 ，但是它
们不能保证计算结果的最优 ，但启发式方法是依赖于
问题 的(problem dependent)，即某种启发式方法 只针
对特定的问题 ，不能适用于一般情况 ，而且计算结果不
能保证是最优的。
随着对智能技术包括人工智能(A·I，Artificial In-
telligence)和计算 智 能 (C·I，Computational Intelli-
gence)的研究和应用 ，专家系统 (ES，Expert System)，
人工神经网络(ANN，Artificial Neural Networks)，遗传
算 法 (GA，Genetic Algorithm)，模 糊理论 (FS，Fuzzy
System)，禁忌搜索 (Tabu Search)和模拟退火算法
(SA，Simulated Annealing)等智能方法开始应用到进
度计划的优化上。而各种方法之间的综合集成，也是研
究 的一个重点 。
2．2．1 ES
ES作为一种知识信息加工处理系统，它拥有某个
领域内专家的知识和经验 ，并能模拟专家运用某些知
识 ，通过推理做出智能决策。ES有以下优点：擅长符号
处理和逻辑推理 ，特别适合于解决基于规则的问题；具
有强大解释功能 ；其知识库和推理机为系统的两大组
成部分 ，相互独立 ，知识库的丰富与修正，不会涉及推
理机程序体 ，这使系统更易应用新的设计技术。
但是 ES本身也具有设计知识获取的“瓶颈”和推
理能力弱的缺陷 ，不可避免的给它的使用带来一定的
局限性 ，目前在项 目进度管理 中 ES局限于某些类型
的项 目或者项 目进度管理中的某些方面。
Mohanl】引指出 ，ES能结合实际知识进行判断 ，能
处理不完整和不确定的数据 ，并可以用自然语言如英
语和使用者进行交互 ；而建设工程项 目具有一次性，不
确定性 ，知识和信息的不完整性 ，工期紧迫性和定性与
主观的风险，使得 ES在这个领域内大有可为；但同
时，由于工程建设企业的高竞争度和风险性等因素，妨
碍了ES在这个领域的发展 。Shaked等 ¨认 为，在建设
工程项 目的进度管理领域 内，ES已经做到：对建筑物
进行描述 ；生成工程建设作业；确定作业之间的逻辑关
系；给作业分配资源和排定进度计划。
目前 ，在工程建设项 目进度管理领域内，有包括上
海 交 大 的 ESCOD，Stone & ．Webester 公 司 的 Unit
Commitment Advisor，Standford 的 SIPE，MIT 的
GHOST和 Construction Planex等 成 熟 的 ES。Moselhi
等n 建立 了工程建设项 目的混合 ES(Hybrid Expert
System)，它结合了 ES模型，关系数据库 ，知识库及其
控制函数 ，传统网络分析软件 以及用 FORTRAN编写
的界面软件。Shaked等" 建立了基于知识的超高层建
筑施工计 划的 ES。
2．2．2 ANN
ANN是在现代神经生物学研究基础上提出的模
拟生物过程 、反映人脑某些特性的一种计算结构。它
是 由巨量的简单神经元构成的 ，以分布并行方式运
行的，能在不 同层次上模仿和延伸人脑智能 、思维和
意识等功能的复杂的非线性 自适应动力学系统。图 1
所示 的是一个简单的两层前向型网络 ，包括有输入
层 、隐层和输出层神经元以及层间连接权。ANN具有
很强的自学 习、自适应和 自组织能力 ，其应用遍及几
乎所 有 自然 科学 、工 业 和经 济学领 域 。 当前 在 ANN
的研究 中仍存在 ANN体系结构的探索 ，学习算法的
选择 等 问题 。
Flood等 指出在建设工程项 目领域 ，ANN在解决
解释 、分类 、建模、预测 、估计和优化问题上具有举足轻
重的作用 ，这之中前向型网络利用较多，而回馈型网络
利用较少。Moselhi等 ¨认为在处理建设工程领域内的
需要 根 据 以往 经验 进行 类 推 的 问题和 模 式识 别 问题
上，ANN较传统的决策分析技术如概率理论和模糊集
理论更合适 ，因为它具有强大的推广能力 ，联想能力，
自适 应和较 强的容错能力 ，以及并行式分 布结构。
在进 度管理领域 ，ANN的应 用集 中在动 态建模 和
计划优化上 ，以误差反向传播 即 BP模型和 Hopfield
模型居 多。Savin等 ¨ 分别利用增强 的 Lagrangian乘
子和离散的 Hopfield型 ANN进行资源平衡优化 ，使资
源用 量更 加均衡 。Adeli等 建 立 了项 目管 理 的 ANN
动态模型 ，Senouci等⋯在前者的基础上 ，综合考虑各
种逻 辑关 系 ，多资源 和时 间／费用 折 中等情 况 ，建立 了
通用数学模型并进行求解。
《工程经济》2003年第 5期
维普资讯
●项目管理
输 入层
l到 n
隐层
j=l到
输 出层
k=l到 P
图 l 两层 前 向 ANN 示意 图
Y
YP
2．2．3 GA． I 和 SA
GA是一种通过模拟 自然进化过程搜索近似最优
解的方法 ，其步骤主要包括从种群中对染色体进行的
选 择 ，复制 ，交叉和变 异 。它 的优点在于 ：是对一个具有
若干个体的种群进行优化的并行算法；其优化过程是
随机的，但同时具有一定的定向性；具有高度的鲁棒性
(Robust)，擅长 于全 局搜索 ，对 于搜索 空间不规 则或 多
峰的 目标函数 ，可以避免在局部最优解附近徘徊。在过
去的几十年中，在解决复杂的全局优化问题方面 ，GA
已取得了成功的应用 ，被广泛运用到很多领域 。本质上
GA体现 了进化这种包含了遗传行为的随机交叉变异
和 自然选择的两阶段的处理过程。随机交叉和变异使
j薯 j
．． _
更新
得种群中的个体产生了多样性，而 自然选择则从种群
中挑选出满意的个体。
GA在项 目进度计划建模和资源优化等问题上 ，
都取得了一定的成功。Hegazyt圳利用 GA，在 Ms Pro—
iect下通过改变作业的优先权 ，对有限资源分配和资
源平衡优化模型进行求解。Sou—Seu等 利用 GA，将
时间／成本折中模型，有限资源分配模型和资源平衡模
型相结合，建立了网络计划的多 目标优化模型，优化目
标包括项 目工期 ，项 目直接费，资源限用量等。
GA在应用中仍然存在几个问题。首先 ，GA的寻
优能力和收敛速度并不理想，虽然在搜索一定代数后
都能达到较优解 ，但很难得到最优解 ；其次 ，对 GA参
数设置和作用机理的研究并不十分透彻，只局限在验
证性的工作上。
算法是一种在全局逐步寻优的优化算法。它通
过一个灵活记忆 近期操作的存贮结 构一禁止操作表
(tabu list)和藐视准则(aspiration leve1)达到搜索解空
间的 目的。SA是一种解决大规模组合优化问题的近似
算法。它源于对固体退火过程的模拟，采用 Metropolis
接受准则，并用一种称为冷却进度表的参数控制算法
进程 ，使算法在多项式时间里给出一个近似最优解。
Verhoeven E 利用 TS解决资源约束下的项 目进度计划
问题(RCPSP)。Son等 将 SA与启发式方法相结合 ，解
决资源平衡 问题 。
-。 。 _l ～__
· _ _ ? I SA挚 一 ll 穗
t一 一 奠 精 藏 嚣 ⋯ 毫
警 _善。 童耋j臻 羔舞 誊
_00毫0 0000
l2 《工程经济》2003年第 5期
维普资讯
．．I项目管理
这三种算法流程图见图 2，它们 的共同点是有很
强的全局优化能力 ，但都有各 自的特点。GA模拟进化
过程 ，SA模拟固体退火过程 ，而 TS则是一种邻域搜索
算法。它们之间的综合集成，能显著改善算法的寻优能
力和收敛速度。如先用 SA求得近似解 ，再利用 TS在
邻域中搜索更好的答案 ，或者在 GA中集成 SA，以使
前者从局部最优中跳出而寻求更优解。此外，将 GA或
SA用于 ANN，能优化网络的权重和拓扑结构 ，而利用
ANN的学习能力也可以增强前者的寻优能力 ，形成更
强大的混合算法。
从 解析式方法 和启发式方 法 ，到计算机模 拟和智
能方法 ，对这些方法进行评价是一件很重要的工作。
Yang等隅 对比了优化项 目净现值(NPV)的9种随机规
则 ，其对比计算结果表明，SA对大多数组合优化是最
有效的。Hartmann等[2¨对 求解 RCPSP问题(resource—
constrained project scheduling problems，资源约束下
进 度计 划 问题 )的 三类 方法进 行 了对 比研 究 ，认 为 SA
和 GA是解决 RCPSP问题最 好的方法 。
2．2．4 FS
现实世界中还存在另外一种不确定性问题 ，由于
信息的不精确性和不完整性 ，使得问题的解决需要依
赖 于人 的经验 。这类 问题可 以利用 FS来进行建模 。FS
采用从 0到 1的隶属度函数表示元素在模糊集合中的
隶 属关系 ，从 而有效表 达模糊概念 。图 3所示 的是一个
梯形隶属度函数和其 截集水平。运用 FS的一般步
骤是：对精确输入进行模糊化 ，生成模糊输入 ；通过模
糊规则将模糊输入映射成模糊输出；对模糊输出进行
反模糊化 ，得到精确输出。FS在 自动控制 ，逻辑推理 ，
聚类 分析和模式识 别等领域得到 了广泛应用 。
目 前 在 项 目 进
度 管 理 中 FS主 要 用
于模 糊 作业 工 期 的
处 理 。 ADDSS(Ac—
tivity Duration Deci—
sion Suppo~ System ，
作业 工 期决 策 支 持
系统 )用 于 解 决 没 有
资源 限 制 的模 糊 型
问题 ，它 应 用 FS对
作业工期的影响因素进行评估。FNET等模型可以解
决有资源 限制 的模 糊型 问题 。
FS多和其他方法结合起来 ，如在 ANN中应用模
糊逻辑规则 ，或者利用 ANN实现模糊逻辑规则 ，而将
FS运用到 GA上，能实现交叉和变异概率的自适应调
整 ，并 能改善后 者 的寻优能 力 。在项 目进度 管理 上 ：
Chang等 考虑 了资源分配过程中的一些随机 因素 ，
包括天气条件 ，组织次序和条件的改变 ，资源的延误和
资源供应能力的变化等对资源分配的影响，利用模糊
ES的方法进行研究 ；Sou—Seu等 结合项 目作业工期
的模糊性 考虑 时间／费用 折 中分 析 ，指 出利用 在不
同的 置信度水平下 获得相应 的时间／费用折中曲
线 ，并且利用 GA进行搜 索较之 启发式方 法可 以更好
地解 决复杂 的时间／费用 折中问题 。
2．3 4D。GIS和 分布式 网络模 型
随着项 目管理研究 和实践 的深入 ，以及计算机技
术 的发展 ，利用 CAD和 GIS实 现项 目进度 的实时化计
划 和监控 ，以及项 目进度 的网络 化管理 ，已经成为项 目
管理 的前沿课 题 。
CAD技 术 用 于 生 成 项 目进 度 计 划 由 来 已 久 。
McKinney等 指 出，在建设工程项 目中 ，由于制定项
目计划时缺乏时间这一维数，使得项 目的前景经常被
忽略。项 目计划制订者不得不在进度计划模型中，加入
抽象化的 CAD模型组件来代表时间，即依赖项目参与
人员 的头脑 。这 种人 脑 4D模型 建立在 时间抽 象的进
度计划和 2D或者 3D设计文档上，不但缺乏可视性 ，
而且在遇到项目信息变更的情况时 ，处理起来更加困
难。而商业软件如 P3，ARCHT和 AutoCAD R14等虽
然能将进度计划信息和工程量信息结合起来 ，但是它
们采用传统的 CPM技术 ，不能利用生成计划的 CAD
信息来可视化进度计划 。McKinney等在 AutoCAD和
《工程经济》2003年第 5期 l3
维普资讯
．．-项目管理_-．
基 于知识的建设 工程 ESD++的基 础上 ，开发 出 4D进
度计划工具 ，CIFE 4D—CAD。通过有机结合 3D建模和
进度计划模型，有效消除人脑 4D模型的抽象性 ，而且
和 商业 4D工具 相 比 ，图形 化和 语 义化 的 CIFE 4D—
CAD更好地 支持模 型分析 ，模 型生成 和复制 以及建设
过程 的实时可视化 ，易于扩展到 4D+x模 型。
GIS是用于建模 ，存储 ，更正 ，复制和分析空间数
据的工具集。GIS一般可以看作是建立在标准的关系
型数据库系统基础上的一 系列特殊的空间常规。GIS
利用关系数据库管理系统和 CAD相结合，存储描述地
形图的属性信息 。Cheng等⋯ 利用 GIS和数据库管理
系统，开发出 ArcSched应用程序 ，有效帮助工程师对
预制件的装配进度进行实时化监控 ，以减少施工中的
冲突和项目工期的延误。其前台现场运行结构包括四
个组成部分：无线条形码信号传输系统，它集成了条形
码技术和无线射频传送技术，用于将工作现场的数据
传送到控制中心 ；建于办公室的现场控制中心 ，主要任
务是通过将条形码输入 ArcSched数据库采集和分析
工程数据，包括条形码读／写，数据输入输出，数据查询
和进度控制；用于自动数据采集的条形码收集器，在现
场采集数据 ，通过无线射频系统 ，将数据传送到控制中
心 ；V8视频 监测 系统 ，将 V8安 装在起 重机上 ，用 于监
测安装过程，其 目的在于改善沟通效率 ，提高装配准确
度和效率。
后 台 ArcSched系统基 于 Windows环境 ，包括 Vi·
sual Basic，Arc／Info和 MS Project模块 ，系统功能包
括利用 Visual Basic开发的预制件信息管理，利用 MS
Project实现 的装 配进 度计 划和 控制 ，利 用 Arc／Info实
随着全球经济一体化，不同国家和地区之间的交
往越来越多 ，很多项 目在 更大范 围内开展 。虽然商业软
件 如 P3，MS Project，Project Scheduler，CA—SupperPro．
iect和 Milestones等 ，具有收发电子邮件和／或网页发
布等网络化管理功能，但它们多是集中式的，需要中央
数据库和中央决策工具 ，而且信息处理中的人为错误
会给项 目管理 造成麻烦 。Yan等 指 出 ，出于对全球市
场的考虑，公司需要进行调整以获取最大利益。组织结
构和管理部门走向面向项 目，而项 目组成可能由分布
在各地的成员构成的网络。这需要支持本地决策和 自
治化的信息采集 ，能避免人为错误并增加灵活性的分
布式计划技术。Yan等采用作为分布式人工智能(dis．
tributed artificial intelligence，DAI)分 支 的多机构 系统
(Multiagent systems，MAS)，以实现分 布式 环境下 的项
目管理。作业机构和资源机构分别代表项 目中的作业
和资源，服务机构则是针对特殊的项 目管理任务的自
动的专家。该系统利用机构之间的消息交换和协商解
决进度计划 中的作业 和资源冲突。Yan等利用 Ob．
jectSpace公司的 Voyager软件 ，编写 JAVA客户端程
序，结合 Voyager自带的服务器程序 ，实现网络化分布
式项 目进度管理 。
3 项 目进度管理的发展趋势
随着计算机技术 的发展 ，计算 机模 拟方法在项 目
进 度管理领域 的应用研 究 向深度 和广 度发展。智能方
法尤其是计算智能方法在模式识别 ，组合优化 ，模糊控
制和决策等应用领域内发挥了强大的作用。与解析式
(7-程经济》2003年第 5期
维普资讯
