要徑明明排得好好的，為什麼工程還是延誤？
跨過確定性 CPM 的邊界，用 PERT、蒙地卡羅模擬、時間－成本最佳化與鑑識排程分析，掌握真實工程裡的排程風險與工期展延爭議。
要徑明明排得好好的，為什麼工程還是延誤？
你已經讀過入門篇，知道要徑法（Critical Path Method, CPM）能算出最短工期、知道實獲值管理（Earned Value Management, EVM）能在中途揭露超支。但現場工程師常有一個揮之不去的困惑：明明用 Primavera P6 排了一張漂亮的網圖、要徑清清楚楚，為什麼工程還是十之八九會延誤？
答案是：傳統 CPM 有一個致命的隱藏假設——它把每項作業的工期當成「確定值」。可是真實工程裡，沒有一項作業的工期是確定的。地下連續壁可能因為遇到卵礫石層多花兩週、混凝土澆置可能因為連日豪雨延後、鋼構吊裝可能因為廠商交期跳票。當每項作業都帶著機率分布，整條要徑的行為就會變得反直覺。這篇進階文章要帶你跨過「確定性 CPM」的邊界，進入排程風險（Schedule Risk）、時間－成本最佳化（Time-Cost Trade-off）與工期展延爭議（Delay Claim）的世界——這些才是資深營建經理每天真正在搏鬥的問題。
為什麼確定性 CPM 會系統性低估工期
先建立一個重要的觀念：當作業工期是隨機變數時，整個專案的期望完工時間，會比「用各作業期望值算出的要徑長度」更長。 這不是巧合，而是數學上的必然，根源是兩個機制：路徑合流（Merge Bias）與近要徑（Near-Critical Path）。
考慮一個結點同時有兩條路徑匯入（例如「結構」必須等「基礎」與「臨時設施」都完成）。這個結點的開始時間，是兩條路徑完成時間的最大值。而對隨機變數而言：
$$ E[\max(X_1, X_2)] \ge \max(E[X_1], E[X_2]) $$
也就是說，取最大值這個動作，會把期望值往上推。匯流點越多，這個「合流偏差」累積得越嚴重。傳統 CPM 只比較期望值、選最長那條當要徑，完全看不到這個效應，於是系統性地低估了真實工期。
第二個機制是近要徑。假設要徑長 100 天、另一條路徑長 98 天。在確定性世界裡，98 天的路徑「不是要徑」，可以放心忽略。但若兩條路徑都有 ±10 天的變異，那條 98 天的路徑很可能在某些情境下「翻身」成為實際的要徑。資深排程師會用要徑度（Criticality Index）衡量每條路徑「成為要徑的機率」，而不是只認那條名目上最長的路徑。
PERT：把工期當成機率分布
要處理不確定性，第一步是替每項作業估出機率分布而非單一數字。計畫評核術（Program Evaluation and Review Technique, PERT）採三點估計：樂觀工期 $a$、最可能工期 $m$、悲觀工期 $b$，假設工期服從 Beta 分布，得到期望工期與變異數：
$$ t_e = \frac{a + 4m + b}{6}, \qquad \sigma^2 = \left(\frac{b - a}{6}\right)^2 $$
把要徑上各作業的 $t_e$ 相加得到專案期望工期 $T_e$，把各作業的 $\sigma^2$ 相加得到專案變異數 $\sigma_T^2$。接著援引中央極限定理：當要徑上作業夠多時，專案完工時間近似常態分布，於是「在指定天數 $T_s$ 內完工的機率」就能用標準常態變數 $Z$ 估算：
$$ Z = \frac{T_s - T_e}{\sigma_T} $$
看一個例子
某廠房擴建的要徑由三項作業串成，三點估計（單位：天）如下：
| 作業 | 樂觀 $a$ | 最可能 $m$ | 悲觀 $b$ | 期望 $t_e$ | 變異數 $\sigma^2$ |
|---|---|---|---|---|---|
| 基礎 | 18 | 24 | 36 | 25.0 | $(18/6)^2 = 9.00$ |
| 結構 | 40 | 50 | 72 | 52.0 | $(32/6)^2 = 28.44$ |
| 機電 | 20 | 28 | 42 | 29.0 | $(22/6)^2 = 13.44$ |
逐項計算 $t_e = (a + 4m + b)/6$：基礎 $= (18 + 96 + 36)/6 = 25.0$；結構 $= (40 + 200 + 72)/6 = 52.0$；機電 $= (20 + 112 + 42)/6 = 29.0$。
專案期望工期：
$$ T_e = 25.0 + 52.0 + 29.0 = 106 \ (\text{天}) $$
專案變異數與標準差：
$$ \sigma_T^2 = 9.00 + 28.44 + 13.44 = 50.88, \qquad \sigma_T = \sqrt{50.88} \approx 7.13 \ (\text{天}) $$
現在業主問：「合約寫 110 天完工，把握有多大？」計算 $Z$：
$$ Z = \frac{110 - 106}{7.13} \approx 0.56 $$
查標準常態表，$\Phi(0.56) \approx 0.712$。也就是說，準時完工的機率只有約 71%，反過來說有近三成機率會違約。這個數字比一句「期望 106 天，應該來得及」誠實太多了。資深經理會據此決定：要不要爭取展延緩衝、要不要對結構作業（變異數最大、風險來源）預先投入趕工資源。
PERT 點出一個被入門課程忽略的重點：變異數最大的作業，往往才是真正的風險來源，而它不一定是工期最長的那一項。 上例中機電工期比基礎長，但結構的變異數 28.44 遠大於其他兩者，是排程風險的主要貢獻者。
蒙地卡羅模擬：當網圖太複雜時
PERT 在「單一要徑」假設下很好用，但它有兩個盲點：一是只算名目要徑、忽略近要徑與合流偏差；二是 Beta 分布的常態近似在路徑短時並不準。實務上工程師改用蒙地卡羅模擬（Monte Carlo Simulation）：
- 對每項作業指定機率分布（三角、Beta、對數常態皆可）。
- 隨機抽樣一次，得到所有作業的「這一回合工期」。
- 用 CPM 演算法跑這一回合的完工時間，記錄哪條路徑是這回合的要徑。
- 重複數萬次。
- 統計完工時間的分布、各路徑的要徑度（Criticality Index）、以及 P50、P80、P90 等分位數。
實務報告常用 P80 工期（80% 機率能達成的天數）作為對外承諾值，而非期望值 P50——因為承諾期望值等於有一半機率違約。模擬還會吐出每項作業的敏感度（如 Tornado 圖），告訴你「把哪一項作業的變異壓下來，對縮短整體風險最有效」。這就把資源從「盯名目要徑」升級為「盯風險貢獻最大的作業」，是現代排程風險分析（Schedule Risk Analysis, SRA）的標準做法。
時間－成本最佳化：趕工要趕哪幾項？
入門篇介紹了趕工成本斜率（Cost Slope），但只算了單一作業。真正的問題是：當業主要把總工期壓縮 N 天，在數十條路徑、上百項作業裡，該趕哪幾項、趕多少，才能讓總成本最低？ 這是一個典型的最佳化問題。
核心原則只有一句：永遠優先趕「要徑上 Cost Slope 最小」的作業。 因為只有要徑作業能縮短總工期，而我們要用最便宜的方式買時間。但這裡有個陷阱——當你把某條要徑壓短，原本的近要徑可能變成新的要徑，於是必須同時趕「多條並行要徑」上的作業，問題就變複雜了。
設總成本為直接成本與間接成本之和：
$$ C_{\text{total}}(T) = \sum_i C_{\text{direct},i}(t_i) + C_{\text{indirect}} \cdot T $$
其中 $T$ 為總工期、$C_{\text{indirect}}$ 為每日間接成本（工地管理費、機具租金、利息）。每縮短一天總工期，間接成本省下 $C_{\text{indirect}}$，但要付出被趕作業的 Cost Slope 總和。當「再趕一天的邊際趕工成本」超過「省下的每日間接成本」時，就該停手——這個轉折點正是入門篇提到的最佳經濟工期。
動手試試
某工程正常工期 30 天，每日間接成本 6 萬元。可趕工的要徑作業與斜率如下：
| 作業 | 可趕天數 | Cost Slope（萬元／天） |
|---|---|---|
| P | 4 | 3 |
| Q | 3 | 5 |
| R | 2 | 8 |
業主要求壓到 24 天，需縮短 6 天。依「先趕最便宜」原則：
- 先趕 P 的 4 天，每天 3 萬 < 間接成本 6 萬，划算，花 $4 \times 3 = 12$ 萬，間接成本省 $4 \times 6 = 24$ 萬。
- 再趕 Q 的 2 天（共縮 6 天達標），每天 5 萬 < 6 萬，仍划算，花 $2 \times 5 = 10$ 萬，間接成本再省 $2 \times 6 = 12$ 萬。
縮短 6 天的趕工直接成本 $= 12 + 10 = 22$ 萬，省下的間接成本 $= 6 \times 6 = 36$ 萬，淨節省 14 萬元。注意 R（斜率 8 萬 > 間接成本 6 萬）我們連碰都沒碰——若硬要趕 R，每天反而倒貼 2 萬。
進一步想：就算業主沒要求，是否該主動趕到更短？只要還有「斜率小於 6 萬／天」的要徑作業可趕，繼續趕都能淨省錢。上例 Q 還剩 1 天可趕（斜率 5 < 6），趕了再省 1 萬。趕到 Q 用完、剩下只有 R（斜率 8 > 6）時就停手。這就是用邊際分析找最佳經濟工期的完整推導，比入門篇的單點計算更貼近實務決策。
工期展延與爭議分析：誰該負責那 36 天？
回到一個尖銳的現實：工程延誤了，到底是業主的責任（該給承包商展延工期與費用）、還是承包商自己的問題（該被罰違約金）？這在台灣公共工程動輒涉及數千萬元的爭議，背後是一套嚴謹的鑑識排程分析（Forensic Schedule Analysis）。
延誤先依責任歸屬分三類：
- 可展延可補償（Excusable, Compensable）：業主原因（如未及時交付用地、設計變更），承包商可同時請求工期展延與費用補償。
- 可展延不可補償（Excusable, Non-compensable）：不可歸責雙方（如不可抗力的颱風、地震），通常只給工期展延、不給費用。
- 不可展延（Non-excusable）：承包商自身原因（如人力調度不當），不但拿不到展延，還可能被計罰逾期違約金。
最棘手的是並行延誤（Concurrent Delay）：業主和承包商各自的延誤同時發生在要徑上。國際上常用的分析方法包括「窗期分析（Windows Analysis）」與「時程影響分析（Time Impact Analysis, TIA）」，後者把每個延誤事件當成一個「碎片（Fragnet）」插入當時的進度基準，重跑 CPM，量測它對要徑完工日的淨影響。關鍵原則是：只有落在要徑上的延誤，才會真正推遲完工日；落在有浮時的非要徑作業上的延誤，吃掉的是浮時，不構成可請求的工期展延。
這也解釋了「浮時的所有權（Float Ownership）」這個合約上的灰色地帶：浮時到底屬於業主、承包商、還是專案共有？若契約沒寫清楚，當承包商把某作業的浮時用光、導致後續業主變更無浮時可吸收時，責任歸屬就會吵翻天。資深營建管理者在投標與訂約階段，就會把浮時歸屬、進度基準凍結、延誤通報時限等條款談清楚——排程不只是技術文件，更是法律證據。
精實營建：從「推」到「拉」的工序革命
最後一個進階面向，是把生產管理的思維帶進工地。傳統排程是「推式（Push）」：總排程表規定每項作業何時開始，不管前置條件是否真的就緒，於是工地充滿「料還沒到、圖還沒審、前一工項還沒完成」的等待與窩工。
精實營建（Lean Construction）借鏡豐田生產系統，改採「拉式（Pull）」規劃，核心工具是最後規劃者系統（Last Planner System, LPS）：由實際執行的工班領班（最後規劃者），在每週協調會上只承諾「下週真正能做、且前置條件都備齊」的工項。衡量指標是計畫完成百分比（Percent Plan Complete, PPC）：
$$ PPC = \frac{\text{本週實際完成的承諾工項數}}{\text{本週承諾的工項總數}} \times 100\% $$
PPC 持續追蹤工班「說到做到」的可靠度，並追問每次未達成的根本原因（料、工、機、圖、天候、協調），形成持續改善的回饋。配合節拍排程（Takt Planning），把工程切成等量的工作區，讓各工種像生產線一樣以固定節拍依序通過各區，大幅壓縮工種間的等待。研究顯示，導入 LPS 的專案在工期可靠度與變異控制上明顯優於傳統推式排程——這正是 BIM 4D 模擬之外，另一條讓「進度－成本」衝突在事前就被化解的路徑。
重點回顧
- 確定性 CPM 會系統性低估工期：路徑合流偏差（$E[\max] \ge \max E$）與近要徑效應，讓真實期望工期長於名目要徑長度；資深排程師看的是要徑度，不是單一最長路徑。
- PERT 把工期變成機率分布：以三點估計求 $t_e$ 與 $\sigma^2$，再用常態近似算「準時完工機率」；變異數最大的作業才是風險來源，未必是工期最長者。
- 蒙地卡羅模擬處理複雜網圖：對外承諾常用 P80 而非期望值 P50，並用敏感度分析鎖定風險貢獻最大的作業。
- 時間－成本最佳化靠邊際分析：永遠先趕要徑上 Cost Slope 最小的作業，趕到「邊際趕工成本 = 每日間接成本」為止。
- 延誤分析是技術也是法律：依可展延／可補償分類，用 TIA 量測要徑淨影響；只有要徑上的延誤構成展延請求，浮時歸屬須在訂約時談清楚。
深入探討（研究所視角）
把上述主題再往前推，有幾個值得在研究所階段深耕的方向。
第一，抗震施工序列作為排程的硬約束。 台灣位於環太平洋地震帶，耐震設計不只決定結構斷面，更反向約束施工管理。設計地震力與基底剪力概念上可寫成：
$$ V = \frac{S_a}{1.4 \alpha_y} \cdot W $$
其中 $S_a$ 為設計水平譜加速度係數、$\alpha_y$ 為起始降伏地震力放大倍數、$W$ 為建築物總重。耐震構件（如隔震支承 Base Isolation 的安裝精度、鋼筋續接器的拉力檢驗、施工縫位置的塑性鉸區管制）會讓品管查驗點密度遠高於一般工程，這些查驗點本身就是排程上不可壓縮的作業節點。研究上值得探討：如何把抗震品質查驗、混凝土齡期養護等「物理／規範下限」明確建模進 CPM 約束，避免趕工方案在數學上可行、在規範上違法。
第二，隨機網圖的精確分析。 PERT 的常態近似在路徑短或高度偏態時誤差不小，學界發展了如 Domination 法、PNET（Probabilistic Network Evaluation Technique）等更精確的解析方法處理路徑相關性。對有志於營建資訊或作業研究的同學，這是連結圖論、機率與最佳化的豐富題材。
第三，資料驅動的延誤預測。 傳統延誤分析是事後鑑識，前沿研究則試圖用機器學習從歷史工程日報、天候、變更紀錄中預測延誤風險，把營建管理從「事後歸責」推向「事前預警」。挑戰在於工程資料的稀疏、異質與機構間不可共享——這也呼應了多模態學習分析的方法論問題。
第四，永續維度的最佳化擴張。 當淨零趨勢把隱含碳（Embodied Carbon）與施工碳排納入專案目標，傳統的「時間－成本」二維最佳化就擴張成「時間－成本－碳」的多目標最佳化（Multi-objective Optimization），需要 Pareto 前緣分析而非單一最低點。如何在工期、預算、品質、碳足跡之間找到柏拉圖最適解，是下一代營建管理者必須面對、也最值得投入研究的前沿課題。