Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: decyzja ofertowa

Sortuj według:

Ogranicz wyniki do:

Gry z naturą jako narzędzie wspomagające podejmowanie decyzji ofertowych w przedsiębiorstwie budowlanym

Rzepecki Łukasz

Builder

2024

R.28, nr 12

62--65

Efektywne kształtowanie cen ofertowych wymaga szczegółowej analizy uwarunkowań i trendów obserwowanych na rynku budowlanym oraz planowanych zmian w prawodawstwie. Negatywne konsekwencje wzrostu cen zmuszają wykonawców do coraz szerszego uwzględniania ryzyka przy obliczaniu ceny ofertowej, co stanowi istotne zagadnienie wymagające wspomagania wiarygodnymi metodami. Celem niniejszego artykułu było zastosowanie teorii gier z naturą do wspomagania podejmowania decyzji związanej z ustaleniem ceny ofertowej na roboty budowlane, a w szczególności wartości wskaźnika narzutu zysku. W warunkach niestabilnej sytuacji rynkowej wykonawca, bazując na prognozowanych cenach jednostkowych wyrobów budowlanych, przy wykorzystaniu teorii gier, może określić cenę oferty, przy której będzie zminimalizowane ryzyko wystąpienia straty związanej ze wzrostem cen czynników produkcji. Zaprezentowany w niniejszym artykule przykład zastosowania teorii gier z naturą stanowi propozycję podejścia do wspomagania podejmowania decyzji związanej z wyborem wariantu kosztorysu ofertowego na roboty budowlane i sposobu uwzględniania ryzyka przy podejmowaniu decyzji finansowych w przedsiębiorstwie budowlanym.

Effective bid price formation requires detailed analysis of conditions and trends observed in the construction market and planned changes in legislation. The negative consequences of price increases are forcing contractors to increasingly take risk into account when calculating the bid price, an important issue that requires support by reliable methods. This study aimed to utilize game theory under conditions of uncertainty to determine the optimal bid cost estimate for construction projects. In an unstable market, game theory enables contractors to assess projected unit prices for construction products and establish a bid price that minimizes potential losses associated with price fluctuations. The example of a game against nature presented in this paper offers an alternative approach to decision-making in selecting the optimal bid cost estimate for construction projects, with broad potential applications. This study contributes to the ongoing scientific and practical discourse on incorporating risk considerations into financial decision-making within construction companies.

Wspomaganie decyzji wykonawcy budowlanego z zastosowaniem sztucznej inteligencji

Leśniak A.

Czasopismo Inżynierii Lądowej, Środowiska i Architektury / Journal of Civil Engineering, Environment and Architecture

2016

z. 63, nr 1/I

189--196

Odpowiednia selekcja przetargów, do których startuje przedsiębiorstwo budowlane jest ważna w aspekcie kreowania jego pozycji na rynku. By wspomóc proces myślowy decydenta i zwiększyć skuteczności decyzji opracowuje się modele wspomagające podejmowanie decyzji. W pracy zaproponowano sztuczne sieci neuronowe do budowy modelu wspomagającego decyzje przetargową wykonawcy. Zaproponowany model klasyfikacyjny generuje odpowiedź w formie zalecenia przystąpienia do przetargu bądź rezygnacji z udziału. Model w postaci sieci dwuwarstwowej jednokierunkowej o strukturze MLP 15-2-2 z dwoma neuronami w warstwie ukrytej, osiągnął dobrą jakość działania i prawidłowo sklasyfikował 88,64% przypadków, a pole pod krzywą ROC (współczynnik AUC) wyniosło 0,92578.

An appropriate selection of tenders in which the company wishes to participate plays an important part in establishing its position in the market and contributes to the contractor’s success. Efficiency of bidding decisions can be improved by applying decision support models. The paper presents a model based on an artificial neural network designed to support contractors’ bidding decisions. The network solved the problem of classification. The best network proved to be the MLP 15-2-2 one which generated the most efficient classification, namely the 88,64% of correctly identified cases that did not participate in the training process. The area under the ROC curve (the coefficient AUC) reached the value 0,92578.