摘要： 工程定额在原始数据的采集过程中由于各种影响因素的存在使测得的定额原始数据往往比较分散、数值差异大，分布不规律。近来，随着数据分析理论的不断进步，使得定额测定数据的差异性分析有了更多办法，本文在分析影响因素的基础上构建了差异处理模型。采用通过差异性处理后的原始数据更加收敛，编制定额的消耗量也更加科学有效。 Abstract： Using the approach of project quota in the process of raw data collecting， the data distribution can be shifty and erratic， because of the influence factors. With the development and progress of mathematical theory， more methods can be used to analyze the difference of the data from project quota， adopting new quota with the data processed by this model， the consumption become more scientific and effective. 关键词： 工程定额；原始数据；差异性处理 Key words： project quota；raw data；difference processing 中图分类号：TU720 文献标识码：A 文章编号：1006—4311（2012）27—0088—02 0 引言 伴随着各类数学理论及数据处理方法的发展，工程定额原始数据的处理有了新的方法。许多定额编制人员也就在此领域展开了相关研究并得到不少有意义的结论。本文则是在上述研究的基础上主要是针对“工程定额原始数据差异性处理”这一难题展开相关研究。 1 “差异性”及产生原因 在本文中“原始数据差异性”的含义指的是定额编制过程中所测定的各类原始数据在数值上存在差别。当数据差异在一定范围内的我们称之为合理数据并予以采用，反之则为“异常数据”，有关异常数据的划分方法基本都是在数理统计的基础上来剔除异常数据。本文的研究重点是合理范围内的数据经过差异性处理后再汇总处理并形成消耗量。 1.1 数据差异性产生的原因 原始数据差异产生的原因一般可以归结为观测者因素引起、观察对象因素引起及现场环境条件所引进的差异这三大方面。 观测者因素不是定额数据差异产生的重点，非观测者因素也就是观测对象和测定条件所引起的数据差异才是原始数据差异产生的根本原因。一般来讲，主要的现场环境条件及观测对象因素引起数据差异的情况有：某工序紧后工序时间节点硬性要求、工序紧前工序的影响、设备的额定生产能力、施工设备的配置、机械操作人员驾驶汽车的年数、现场机械使用情况、机械操作人员的自身状况、本工序自身人机并动的影响、操作人员技能熟练程度、前后工作关联密切程度、工作面分布情况、是否经常中断、地区的环境状况、当地的地质土质特征、当地水文特点、工作所针对的地形特征和地质状况、变换设计产生的作用、设计质量的好坏、机械的使用过程中损耗程度、机械的租赁及租金结算方式、现场人员配备布置是否合理有效。 1.2 正常施工条件拟定 正常施工条件的拟定一般包括：工程机械化程度、操作人员的技术等级是否与从事工作等级符合、工具与设备的种类和质量、劳动的组织形式、材料实际需要量、工作地点组织及准备工作是否到位、气候条件、工资报酬形式、劳动竞赛开展情况、安全技术措施的执行情况等。上述所有条件，都有可能影响到工程在施工过程中的工时消耗。所以正确选择施工的正常条件的意义十分重大。若全面考虑所有要素对于各种不同工序而言会有大量的工作，所以本文认为应该重点考虑影响较大的几个因素来拟定正常施工条件。 2 原始数据差异处理模型的构建 2.1 模型构建原理 通过本文构建模型为某工序的定额原始数据差异处理结果，其计算使用必须以针对各影响因素的主成分分析结论为前提，本模型所得结果综合了此工序处于一般情况的测试条件的拟定条件和能够采取建立差异性处理模型来处理该工序的定额测时调整系数I的问题。 确定调整系数的先决要求就是要确保充分的比照正常测时条件。然而确定调整维度应该以主成分分析过程计算所得的主成分的数目为依据准，也就是说有主成分因素和综合调整系数Ii数目是相同的，不能一个多一个少。各个主成分，即定额测定的各主要影响因素的分析应遵循“取重舍轻”的要领。在精力允许的情况下，一开始就要把分析的侧重点放在重要因素上，次要因素次之。如此一来是使得建模过程中能花力量较小而收到的效果甚大。抓重点抓关键才能解决问题的主要方面并能减少计算过程、提高数据处理效率。这里必须注意的是，对于各影响因素的正副取值的“测时偏差度”要紧密的结合该指标的变化对于测时结果的影响变化规律，不应该简单的按照数值大小来确定其正负。 2.2 差异性处理模型 测时偏差度的确定： C■=±■×100% 式中：x■——某影响因素的规定正常测时条件；x′■——某影响因素的现场测试条件； 需要说明的是该模型的正负取值以现场工序测定因素对测时结果造成影响变化规律为准。 单一因素调整系数的确定： I■=k■（■C■） 式中：k■——主成分i的影响权重；C■——主成分i包含的的第j个主要因素的测时偏差度； 消耗量调整系数的确定 I=（1—■I■） 式中：I——定额测时调整系数；Ii——调整系数中包含的第i个主成分的调整量。
摘要： 工程定额在原始数据的采集过程中由于各种影响因素的存在使测得的定额原始数据往往比较分散、数值差异大，分布不规律。近来，随着数据分析理论的不断进步，使得定额测定数据的差异性分析有了更多办法，本文在分析影响因素的基础上构建了差异处理模型。采用通过差异性处理后的原始数据更加收敛，编制定额的消耗量也更加科学有效。 Abstract： Using the approach of project quota in the process of raw data collecting， the data distribution can be shifty and erratic， because of the influence factors. With the development and progress of mathematical theory， more methods can be used to analyze the difference of the data from project quota， adopting new quota with the data processed by this model， the consumption become more scientific and effective. 关键词： 工程定额；原始数据；差异性处理 Key words： project quota；raw data；difference processing 中图分类号：TU720 文献标识码：A 文章编号：1006—4311（2012）27—0088—02 0 引言 伴随着各类数学理论及数据处理方法的发展，工程定额原始数据的处理有了新的方法。许多定额编制人员也就在此领域展开了相关研究并得到不少有意义的结论。本文则是在上述研究的基础上主要是针对“工程定额原始数据差异性处理”这一难题展开相关研究。 1 “差异性”及产生原因 在本文中“原始数据差异性”的含义指的是定额编制过程中所测定的各类原始数据在数值上存在差别。当数据差异在一定范围内的我们称之为合理数据并予以采用，反之则为“异常数据”，有关异常数据的划分方法基本都是在数理统计的基础上来剔除异常数据。本文的研究重点是合理范围内的数据经过差异性处理后再汇总处理并形成消耗量。 1.1 数据差异性产生的原因 原始数据差异产生的原因一般可以归结为观测者因素引起、观察对象因素引起及现场环境条件所引进的差异这三大方面。 观测者因素不是定额数据差异产生的重点，非观测者因素也就是观测对象和测定条件所引起的数据差异才是原始数据差异产生的根本原因。一般来讲，主要的现场环境条件及观测对象因素引起数据差异的情况有：某工序紧后工序时间节点硬性要求、工序紧前工序的影响、设备的额定生产能力、施工设备的配置、机械操作人员驾驶汽车的年数、现场机械使用情况、机械操作人员的自身状况、本工序自身人机并动的影响、操作人员技能熟练程度、前后工作关联密切程度、工作面分布情况、是否经常中断、地区的环境状况、当地的地质土质特征、当地水文特点、工作所针对的地形特征和地质状况、变换设计产生的作用、设计质量的好坏、机械的使用过程中损耗程度、机械的租赁及租金结算方式、现场人员配备布置是否合理有效。 1.2 正常施工条件拟定 正常施工条件的拟定一般包括：工程机械化程度、操作人员的技术等级是否与从事工作等级符合、工具与设备的种类和质量、劳动的组织形式、材料实际需要量、工作地点组织及准备工作是否到位、气候条件、工资报酬形式、劳动竞赛开展情况、安全技术措施的执行情况等。上述所有条件，都有可能影响到工程在施工过程中的工时消耗。所以正确选择施工的正常条件的意义十分重大。若全面考虑所有要素对于各种不同工序而言会有大量的工作，所以本文认为应该重点考虑影响较大的几个因素来拟定正常施工条件。 2 原始数据差异处理模型的构建 2.1 模型构建原理 通过本文构建模型为某工序的定额原始数据差异处理结果，其计算使用必须以针对各影响因素的主成分分析结论为前提，本模型所得结果综合了此工序处于一般情况的测试条件的拟定条件和能够采取建立差异性处理模型来处理该工序的定额测时调整系数I的问题。 确定调整系数的先决要求就是要确保充分的比照正常测时条件。然而确定调整维度应该以主成分分析过程计算所得的主成分的数目为依据准，也就是说有主成分因素和综合调整系数Ii数目是相同的，不能一个多一个少。各个主成分，即定额测定的各主要影响因素的分析应遵循“取重舍轻”的要领。在精力允许的情况下，一开始就要把分析的侧重点放在重要因素上，次要因素次之。如此一来是使得建模过程中能花力量较小而收到的效果甚大。抓重点抓关键才能解决问题的主要方面并能减少计算过程、提高数据处理效率。这里必须注意的是，对于各影响因素的正副取值的“测时偏差度”要紧密的结合该指标的变化对于测时结果的影响变化规律，不应该简单的按照数值大小来确定其正负。 2.2 差异性处理模型 测时偏差度的确定： C■=±■×100% 式中：x■——某影响因素的规定正常测时条件；x′■——某影响因素的现场测试条件； 需要说明的是该模型的正负取值以现场工序测定因素对测时结果造成影响变化规律为准。 单一因素调整系数的确定： I■=k■（■C■） 式中：k■——主成分i的影响权重；C■——主成分i包含的的第j个主要因素的测时偏差度； 消耗量调整系数的确定 I=（1—■I■） 式中：I——定额测时调整系数；Ii——调整系数中包含的第i个主成分的调整量。