Abstract
It is widely accepted in construction management literature that superlative contractor selection criteria are: contractor ability to complete a project on time, within budgeted cost and to expected quality standards. Hence, contractor evaluation and selection models with the ability to highlight these attributes (i.e. help the selection decision) should be fully exploited. To date, such models have evolved based predominantly on reasoning, and discriminant analysis, but there is scope for investigation of alternative strategies including: fuzzy set theory; neural networks; regression techniques; and cluster analysis. This paper concentrates on the latter by applying cluster analysis to real-life contractor selection data. Results indicate that the technique will simultaneously classify large numbers of contractors while identifying the most significant multi-attribute analysis, case-based discriminating criteria among them. These characteristics offer potential for rationalization of contractor evaluation, classification and selection. La documentation relative à la gestion des chantiers de construction admet un certain nombre de critères de pointe permettant de sélectionner les entreprises de bâtiment, qui sont la capacité de l'entrepreneur à achever un chantier dans les délais, la maîtrise des coûts prévus au budget et la conformité avec les normes de qualité exigées. En conséquence, les modèles d'evaluation et de sélection des entreprises du bâtiment répondant le mieux à l'ensemble de ces critères (c'est-à-dire, les outils d'aide à la décision) doivent être pleinement exploités. Ces modèles ont aujourd'hui évolué; ils reposent essentiellement sur des analyses multi-critères, le raisonnement est fondé sur les cas pratiques et l'analyse distinctive, cependant, ils laissent une large place à la recherche de stratégies alternatives, telles que la théorie des ensembles flous, les réseaux neuronaux, les techniques de régression et l'analyse par groupes. Ce document traite plus particulièrement de cette dernière stratégie, en appliquant l'analyse par groupes aux données effectives de sélection des entreprises du bâtiment. Les résultats font apparaître que cette technique va classer simultanément un grand nombre d'entreprises du bâtiment, tout en identifiant parmi elles les critères de jugement les plus significatifs. Ces caractéristiques offrent la possibilité de rationaliser l'évaluation, la classification et la sélection des entreprises.
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.