بودجه بندی پروژه‌های عمرانی:
روشهای بودجه بندی پروژه‌های عمرانی شامل چندین مورد هستند که تفاوت‌های قابل توجهی از لحاظ فلسفه و رویکردی دارند که نسبت به مسئله‌ی برآورد بودجه پروژه در پیش می‌گیرند. رایج ترین آن‌ها روش قطعی یا جبری است. هر چند که روش های پیچیده‌تری مانند روش استدلال موردی (CBR)، تحلیل رگرسیون و شبیه‌سازی مونت کارلو نیز عملاً مورد استفاده قرار می‌گیرند. در این مقاله، بررسی اجمالی از این روش‌ها در قالب رویکرد نظری، الزامات، دقت و بررسی ریسک ها ارائه شده است.
روش های برآورد هزینه جبری:
در حال حاضر انواع روشهای جبری وجود دارند که از آن‌ها برای انجام برآوردهای بودجه پروژه با دقت کافی استفاده می‌شود. دو مورد از آن‌ها که به طور گسترده مورد استفاده قرار می‌گیرند عبارتند از: روش مقدار واحد (UQM) و روش مقدار کل (TQM).
روش UQM، پروژه را به آیتم‌های قابل اندازه‌گیری تقسیم می‌کند که معمولا آیتم‌های مادی هستند که هزینه پروژه را تشکیل می‌دهند. برای هر آیتم، هزینه به ازای واحد هر کالا با جمع زدن تک تک هزینه‌های عناصر تشکیل‌دهنده آن آیتم برآورد می‌شود و یک مقدار واحد به دست می‌آید. سپس، مقدار به دست آمده برای هزینه به ازای واحد، در تعداد کل آیتم‌های مورد نیاز پروژه ضرب می‌شود(همانند فهرست بها). بودجه کلی پروژه با جمع زدن تمام این هزینه‌ها ارزیابی می شود.
به عنوان مثال، هزینه یک متر مکعب بتن مسلح با جمع زدن هزینه‌های لازم برای بتن، فولاد و ساعات کاری مورد نیاز برای تولید آن برآورد می‌شود. سپس این هزینه در مقدار متر مکعب بتن مسلح مورد نیاز برای کل پروژه ضرب می‌شود. بودجه نهایی کل پروژه با اضافه کردن هزینه کل همه‌ی آیتم‌های شناسایی‌شده (مانند نقاشی، کف سازی و غیره) و افزودن هزینه های بالاسری پروژه برآورد می‌شود.
روش TQM از رویکردی معکوس استفاده می‌کند. در این حالت، مقدار کل عناصر تشکیل‌دهنده‌ی تمام آیتم‌ها برآورد می‌شود و سپس در هزینه واحد آیتم‌ها ضرب می‌شود. بودجه کلی پروژه با جمع زدن هزینه کل مورد نیاز برای هر آیتم پروژه ارزیابی می‌شود.
صرف نظر از دقیق بودن روشهای جبری، آنچه موجب استفاده گسترده از این روش‌ها می‌شود، ساده بودن محاسبات است. مهم نیست که مقیاس یک پروژه چقدر بزرگ است، تمام محاسبات به چهار عملیات اصلی ریاضی محدود می‌شود. بنابراین، برای ارزیابی بودجه‌ی هر پروژه نیازی به هیچگونه نرم‌افزار پیچیده یا دانش خاصی نیست.
یکی دیگر از مزایای این روش آن است که نتایج در قالب ساده ارائه می‌شوند که باعث می‌شود امکان قضاوت سریع در مورد قابلیت اطمینان و پذیرش آن‌ها و همچنین به‌روزرسانی برآورد نهایی در هنگام تغییر در مقادیر آیتم‌های پروژه وجود داشته باشد.
نقطه ضعف اصلی این روش که در واقع تفاوت اصلی بین روشهای جبری و غیر جبری را نیز تشکیل می‌دهد این است که آن‌ها عدم قطعیت و ریسک‌ها را در برآوردها در نظر نمی‌گیرند. ریسک‌های احتمالی ممکن است به صورت هزینه‌های اضافی به پیش بینی‌ها اضافه شود، اما نمی‌توان هیچ گونه تغییری در آن اعمال نمود، مگر اینکه برآورد جدیدی از ابتدا صورت پذیرد.
روشهای جبری با توجه به این واقعیت که معمولاً احتمالات ریسک را به عنوان درصد ثابتی از بودجه کلی در نظر می‌گیرند و نه به صورت برآوردی از منابع ریسک بر اساس الزامات خاص پروژه، در برآورد بودجه دقیق نیستند. این نقطه ضعف باعث می‌شود که روشهای جبری برای ارائه برآوردهای مناسب، دقیق و واقعی از بودجه ناکارآمد باشد.
روش های برآورد هزینه تصادفی:
یک رویکرد متفاوت برای برآورد بودجه به وسیله‌ی روشهای تصادفی انجام می‌پذیرد. تفاوت روش تصادفی با روشهای جبری در این است که در این روش از عدم قطعیت نیز در محاسبات به صورت توزیع‌های احتمالی استفاده می‌شود. از طریق این توزیع‌ها، به هزینه هر کدام از آیتم‌ها که دارای عدم قطعیت باشند، با توجه به احتمال وقوع آن‌ها، یک مقدار مشخص تخصیص داده می‌شود. انحراف معیار توزیع احتمالی مربوط به هزینه‌ی هر آیتم، بیانگر ریسک آن آیتم است.
روشهای تصادفی بسیاری وجود دارند که میزان بودجه یک پروژه را برآورد می‌کنند. پرکاربردترین آن‌ها بر اساس شبیه‌سازی کار می کنند، از جمله روش مونت کارلو. این روش، تعداد بسیار زیادی از نتایج احتمالی را برای یک مدل ریاضی شبیه‌سازی می‌کند که این مسئله شکلی فیزیکی را به وجود می‌آورد. این مقادیر می‌توانند به متغیرهای عدم قطعیت اختصاص داده شوند. همچنین خروجی نهایی مدل به صورت توزیع‌های احتمالی ارائه می‌شوند.
شبیه‌سازی مونت کارلو دارای چند مزیت اصلی است. الف) امکان نمایش توصیفی و تحلیل سیستم مورد مطالعه را از طریق یک فرآیند تجربی فراهم می‌کند، بدون اینکه روی سیستم تأثیری داشته باشد. ب) درک بهتری از محاسبات در مقایسه با سایر روشهای تحلیلی ارائه می‌دهد. ج) ریسک یک مدل را در قالب توزیع احتمالاتی اندازه‌گیری می‌کند.
ضعف اصلی تمامی روشهای شبیه‌سازی، از جمله روش مونت کارلو، نیازمندی آن به حجم زیادی از دادهها برای ساخت مدل‌های شبیه‌سازی واقع‌بینانه است. چنین داده‌هایی معمولا در دسترس نیستند و دستیابی به آن‌ها به زمان قابل توجهی نیاز دارد. اما خطاهای اجتناب‌ناپذیر نمونه بر دقت نتایج تأثیر می‌گذارد. با وجود این مشکل بزرگ، روشهای شبیه‌سازی همچنان یکی از روش های برآورد بودجه در پروژه های زیربنایی هستند.
روش استدلال موردی (CBR) در تخمین بودجه:
CBR یک روش محبوب و کاربردی در مدیریت پروژه از جمله برای تخمین بودجه است. CBR روشی است که راه حل مشکلات را بر اساس اطلاعات و دانش حاصل از شرایط مشابه قبلی ارائه می‌کند. سیستم‌ها و ابزارهای CBR شامل اجرای یک فرآیند قضاوت کارشناسانه است که به طور خلاصه شامل مراحل زیر می باشد. الف) مشاهده ویژگی‌های کلیدی که مشکل را توصیف می کنند. ب) شناسایی این ویژگی‌ها در مسائل مشابه قبلی. ج) پیش بینی خط سیر مسئله، بر اساس تجربه‌ی به دست آمده از مسائل مشابه.
سیستم‌های CBR نیز فرآیند مشابهی را در چهار مرحله زیر انجام می‌دهند. الف) ذخیره‌سازی در پایگاه‌های داده قدیمی که تجربیات سیستم را نشان می‌دهند. ب) بازخوانی و استفاده مجدد از موارد قدیمی ذخیره‌شده بر اساس شباهت آن‌ها با مورد فعلی که طی آن شباهت بین تجربه گذشته و حالت فعلی بر اساس کارایی الگوریتم‌های استفاده‌شده توسط استدلال موردی مشخص می‌شود. ج) بررسی و تطابق موارد قدیمی با مورد فعلی. د) ذخیره‌سازی موارد حل‌شده در پایگاه‌های داده.
از مزایای استفاده از روشهای CBR می توان به موارد ذیل اشاره نمود. الف) بهبود فرآیند کسب دانش در سطح شرکتی. ب) استفاده از دانش موجود. ج) رسمی‌سازی دانش. د) تسهیل درک موارد جدید و ثبت آن‌ها در پایگاه داده.
با این حال، CBR نیز دارای نقاط ضعفی از جمله ذخیره در سیستم اطلاعات با استفاده‌ی محدود، ضعف در شناسایی و ارزیابی وابستگی بین دادهها و کاهش کارایی در پروژه‌های بزرگ می باشد. در مورد نشان دادن ریسک‌ها، CBR نمی‌تواند عدم قطعیت را نشان داده و یا مجموعه دادهها را برای شناسایی الگوهای اطلاعات پنهان آنالیز کند. بنابراین، یکی از جوانب بسیار مهم در میان روشهای بودجه بندی پروژه‌های عمرانی در واقع در CBR معرفی نشده است. همین مسئله مانع از این می‌شود که این روش به عنوان انتخاب اول برای برآورد بودجه در نظر گرفته شود.
تخمین بودجه با آنالیز رگرسیون:
مدل‌های آنالیز رگرسیون در زمینه‌های متعددی از جمله در برآورد بودجه مورد استفاده قرار گرفته‌اند. این مدل ها یک ابزار آماری معتبر برای شناسایی وابستگی بین متغیرها و توجیه پیش‌بینی‌های مربوط به تکامل آتی یک مسئله مدل‌سازی‌شده هستند.
اگرچه درک این نوع مدل ریاضی آسان است و آنالیز رگرسیون را می‌توان با ابزارهای نرم‌افزاری رایج که به راحتی در دسترس قرار دارد، انجام داد ولی برخی از معایب این روش که در مقالات مختلف مشخص شده‌اند به صورت تحلیلی در اینجا توضیح داده شده‌اند:
مدل‌سازی ریاضی برآورد بودجه کار راحتی نیست، زیرا رویکرد خاصی وجود ندارد که طراح یا مدیر پروژه آن را توسعه دهد. با توجه به این واقعیت که این مدل باید داده‌های قبلی را برازش کند، طراح یا مدیر پروژه باید تصمیم بگیرد که آیا او باید مدل جدیدی را ارائه و آزمایش کند و یا اینکه آن مدلی را بپذیرد که تناسب بهتری با دادهها دارد. در هر دو مورد، او باید از الزامات ایجاد معادلات خاص برای مدل آنالیز رگرسیون آگاهی داشته باشد و اطلاعاتی را برای برای انجام آنالیز مناسب به دست آورد.
تعداد متغیرهای ورودی به دلایل محاسباتی محدود است. بنابراین، ممکن است لازم باشد تا برای کارایی آنالیز، چندین آیتم در مجموعه‌ای واحد ادغام شوند. به غیر از نیاز به گروه‌بندی مناسب، یکی از معایب مهم در این مورد آن است که از تأثیر آیتم‌های منفرد در بودجه کلی چشم پوشی می‌شود. بنابراین نمی‌توان ملاحظات خاصی (به عنوان مثال ملاحظات مربوط به ریسک) را برای این موارد در نظر گرفت.
مسئله دیگر این است که مدل سازی ریاضی در آنالیز رگرسیون به صورت یک رابطه خطی بین تک تک آیتم‌های هزینه و بودجه کلی در نظر گرفته می‌شود. این مدل به طور کلی فرض می‌کند که بودجه کلی با متغیرهایی در ارتباط است که باعث ایجاد این رابطه خطی شده‌اند. مثلاً اگر بودجه کل مربوط به مواد یا حتی مقدار کار مورد نیاز باشد، وجود رابطه خطی ممکن است صحیح باشد. با این حال، اگر بودجه کل مربوط به فرآیندهای ساخت و ساز یا الزامات پروژه باشد، این رابطه خطی ممکن است وجود نداشته باشد و لذا نباید از این روش استفاده شود. در نهایت، با توجه به لحاظ نمودن عدم قطعیت و ریسک‌ها در پیش بینی بودجه، این موارد نادیده گرفته می‌شوند.
این روش وابستگی بین متغیرها را براساس داده‌های آماری شناسایی می‌کند. بنابراین برای نشان دادن آیتم‌های هزینه باید یک چنین وابستگی وجود داشته باشد. اگر تحلیلگر چنین متغیرهایی را مهم قلمداد کند، آنگاه نشان دادن آن‌ها به عنوان آیتم‌های ریسک‌دار تنها به صورت غیر مستقیم امکان‌پذیر است. علاوه بر این، امکان محاسبه محدوده‌ی مقادیری که این آیتم‌ها می‌توانند در آینده به خود بگیرند، وجود ندارد.
براساس مسائل مطرح شده، وظیفه مهندسین مشاور و کارشناسان کارفرما است که متناسب با شرایط پروژه و اطلاعات موجود از میان روشهای بودجه بندی پروژه‌های عمرانی روش مناسب پروژه خود را تعیین نمایند.
