Simple prequalification models

Plebankiewicz, E.

Artykuł - szczegóły

Tytuł artykułu

Simple prequalification models

Autorzy

Plebankiewicz E.

Treść / Zawartość

Pełne teksty:

Pobierz

Identyfikatory

Warianty tytułu

Języki publikacji

Abstrakty

The selection of a contractor is one of the most important among decisions made by the owner of a construction. The application of the prequalification procedure enables the selection of the most competent tenderers. Various mathematical models are helpful in carrying out prequalification procedure. In the paper, some selected mathematical models are briefly characterized and model based on the theory of fuzzy sets is offered. The applied model takes into consideration the owner's various objectives, as well as different evaluation criteria. The results of the sensitivity analysis of the model are also presented. Part of a computer software applying an earlier presented prequalification mathematical model is described.

Wybór wykonawcy robót budowlanych jest jedną z najważniejszych decyzji podejmowanych przez inwestora. Zastosowanie procedury prekwalifikacji daje szansę wyselekcjonowania najbardziej kompetentnych oferentów. Przeprowadzenie procedury prekwalifikacji wspomagają różnego rodzaju modele matematyczne. W artykule krótko scharakteryzowano proste modele matematyczne, takie jak model wagowy, linjowy, modele uwzględniające wiele wariantów oceny. Do modeli zbudowanych w oparciu o złożony aparat matematyczny można zaliczyć, omówiony w artykule model wykorzystujący AHP. Wszystkie scharakteryzowane modele posiadają pewne ograniczania. W artykule zaproponowano także własny model, wykorzystujący teorię zbiorów rozmytych. Zastosowany model uwzględnia zarówno różne cele stawiane sobie przez zamawiającego jak i różne kryteria oceny wykonawców a także oceny wielu decydentów. Zaletą modelu jest fakt, że wszystkie oceny zamawiający mogą przedstawić w formie wartości lingwistycznych. Wykorzystując założenia teorii zbiorów rozmytych, wartości lingwistyczne przekształcane są do formy rozmytej. Na podstawie przeprowadzonej analizy wrażliwości modelu, można wyciągnąć pewne ogólne wnioski, odnośnie wpływu danych wejściowych na końcowe wyniki. Wynika z niej, że największy wpływ na końcowe wyniki ma stopień ważności kryteriów dla zamawiającego. Jako pomoc w zastosowaniu procedury i modelu prekwalifikacji autorka opracowała program pod roboczą nazwą "Prekwalifikacja". Celem programu jest ułatwienie zamawiającemu oceny wykonawców na "stałą listę", a następnie wybór z ich grona wykonawców do konkretnego przedsięwzięcia. W procedurze prekwalifikacji "per project" zastosowano model matematyczny zaprezentowany w artykule. W artykule opisano część programu umożliwiającą inwestorowi ocenę wykonawcy "per project".

Słowa kluczowe

construction contractor prequalification fuzzy set

wykonawca robót prekwalifikacja zbiór rozmyty

Wydawca

Komitet Inżynierii Lądowej i Wodnej PAN
Politechnika Warszawska, Wydział Inżynierii Lądowej

Czasopismo

Archives of Civil Engineering

Rocznik

2010

Tom

Vol. 56, nr 4

Strony

335--351

Opis fizyczny

Bibliogr. 39 poz., il.

Twórcy

autor

Plebankiewicz E.

University of Technology, Kraków, eplebank@izwbit.pk.edu.pl

Bibliografia

1. E. PALANEESWARAN, M. KUMARASWAMY, Recent advances and proposed improvements in contractor prequalification methodologies, Building and Environment. 36, 73-87, 2001.
2. N. BANAITIENË, A. BANAITIS, Analysis of criteria for contractors' qualification evaluation. Technological and Economic Development of Economy. 12, 4, 276-282, 2006.
3. P. JENNINGS, G.D. HOLT, Prequalification and multi-criteria selection: a measure of contractors' opinions, Construction Management and Economics, 16, 651-660, 1998.
4. S. MITKUS, E. TRINKÜNIENË, Analysis of criteria system model for construction contract evaluation, Technological and Economic Development of Economy, 13, 3, 244-252, 2007.
5. E. PLEBANKIEWICZ, Construction Contractor Prequalification from Polish Clients' Perspective, Journal of Civil Engineering and Management, 16, 1. 57-64, 2010.
6. J.S. RUSSELL, Decision models for analysis and evalualion of construction contractors, Construction Management and Economics, 10, 185-202, 1992.
7. D. SINGH, R.L.K. TIONG, Contractor selection criteria: investigation of opinions of Singapore construction practitioners, Journal of Construction Engineering and Management, 132, 9, 998-1008, 2006.
8. F. WAARA, J. BROCHNER, Price and nonprice criteria for Contractor selection, Journal of Construction Engineering and Management, 132, 8, 797-804, 2006.
9. E.J. JASELSKIS, J.S. RUSSELL, An efficient structured approach for selection of most promising construction contractors. Project Management Journal, 12, 4, 31-39, 1991.
10. K .J. ARROW, Bayes and minimum solution of sequential decision problems, Econometrica, 213-243, 1949.
11. J.S. RUSSELL, Decision models for analysis and evaluation of construction contractors, Construction Management and Economics, 10, 185-202, 1992.
12. J.S. RUSSELL, M.J. SKIBNIEWSKI, QUALIFIER-1: Contractor prequalification model, Journal of Computing in Civil Engineering, 4, l, 77-90, 1990.
13. K.M. AL-HARBI, Application of the AHP in project management, International Journal of Project Management. 19, 19-27, 2001.
14. T.L. SAATY, How to make a decision: the analytic hierarchy process, European Journal of Operational Research, 40, 9-26, 1990.
15. P. FONG SIK-WAH, S. CHOI KIT-YOUNG, Final contractor selection using the analytical hierarchy process, Construction Management and Economics, 18, 547-557, 2000.
16. I.M. MAHDI, M.J. RILEY, S.M. FEREIG, A.P. ALEX, A multi-criteria approach to contractor selection, Engineering, Construction and Architectural Management, 9, l, 29-37, 2002.
17. E. PLEBANKIEWICZ, Selected models of initial selection of construction contractors [in Polish], Przegląd Budowlany, 04, 47-51, 2008.
18. J.S. RUSSELL, M.J. SKIBNIEWSKI, D.R. COZIER, QUALIFIER-2: Knowledge-based system far contractor prequalification, Journal of Construction Engineering and Management, 116, 1, 157-171, 1990.
19. K.C. LAM, T. HU, S.T. NG, M. SKITMORE, S.O. CHEUNG, A fuzzy neural network approach for contractor prequalification, Construction Management and Economics, 19, 175-180, 2001.
20. F. KHOSROWSHAHI, Neural network model for contractors' prequalification for local authority projects, Engineering, Construction and Architectual Management. 6, 3, 315-328, 1999.
21. A.M. ELAZOUNI, Classifying construction contractors using unsupervised-learning neural networks, Journal of Construction Engineering and Management, 132, 12, 1242-1253, 2006.
22. E.K. ZAVADSKAS, T. VILUTIENË, A multiple criteria evaluation of multi-family apartment block's maintenance contractors: I - Model for maintenance contractor evaluation and the determination of its selection criteria, Building and Environment, 41, 5, 621-632, 2006.
23. E.K. ZAVADSKAS, R. LIIAS, Z. TURSKIS, Multi-attribute decision-making methods for assessment of quality in bridges and road construction: state-of-the-art surveys, The Baltic Journal of Road and Bridge Engineering, 3, 3, 152-160, 2008.
24. E.K. ZAVADSKAS, A. KAKLAUSKAS, F. PELDSCHUS, Z. TURSKIS, Multi-attribute assessment of road design solutions by using the COPRAS method, The Baltic Journal of Road and Bridge Engineering, 2, 4, 195-203, 2007.
25. P. JAŚKOWSKI, Designing the structure of a construction project operating system using evolutionary algorithm. Archives of Civil Engineering, 54, 2, 371-394, 2008.
26. W.K.M. BRAUERS, E.K. ZAVADSKAS, Z. TURSKIS, T. VILUTIENË, Multi-objective contractor's ranking by applying the MOORA method, Journal of Business Economics and Management, 9, 4, 245-255, 2008.
27. R. GINEVIČIUS, V. PODVEZKO, Multicriteria graphical-analytical evaluation of the financial stale of construction enterprises, Technological and Economic Development of Economy, 14, 4, 452-461, 2008,
28. S. MITKUS, E. TRINKŰNIENË, Reasoned decisions in construction contracts evaluation, Technological and Economic Development of Economy, 14, 3, 402-416, 2008.
29. Z. TURSKIS, Multi-attribute contractors ranking method by applying ordering of feasible alternatives of solutions in terms of preferability technique, Technological and Economic Development of Economy. 14, 2, 224-239, 2008.
30. E.K. ZAVADSKAS, Z. TURSKIS, J. TAMOŠAITIENË, Contractor selection of construction in a competitive environment, Journal of Business Economics and Management, 9, 3, 181-187, 2008.
31. E.K. ZAVADSKAS, T. VILUTIENE, Z. TURSKIS, J. TAMOSAITIENE, Contractor selection for construction works by applying saw-g and topsis grey techniques, Journal of Business Economics and Management, 11, i, 34-55, 2010.
32. L.H. ZADEH, Fuzzy sets, Information and Control, 8, 3, 338-353, 1965.
33. V.U. NGUYEN, Tender evaluation by fuzzy sets, Journal of Construction Engineering and Management, 111, 231-243, 1985.
34. D. SINGH, R.L.K. TIONG, A fuzzy decision framework for contractor selection, Journal of Construction Engineering and Management, 131, 1, 62-70, 2005.
35. A. KAUFMANN, M.M. GUPTA, Introduction to fuzzy arithmetic theory and application, Van Nostrand Reinhold, New York 1991.
36. G.J. KLIR, T.A. FOLGER, Fuzzy sets, uncertainty and information, Prentice-Hall, Englewood Cliffs, N. J. 1988.
37. J. KACPRZYK, Fuzzy Sets in Systems Analysis, PWN, Warszawa 1986.
38. J.S. RUSSEL, A. FAYEK, Automated corrective action selection assistant, Journal of Construction Engineering and Management, ASCE, 120, l, 11-33, 1994.
39. E. PLEBANKIEWICZ, Contractor prequalification model using fuzzy sets, Journal of Civil Engineering and Management, 15, 4, 377-385, 2009.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-article-BTB2-0068-0112