在工程管理实践中,不同工序的工时变量之间存在非常普遍的相依性,各种客观因素的影响和人为的控制都是工时变量相依的可能根源。当前,人们对工程项目管理的要求越来越高,对工程进度控制的要求也越来越苛刻。在实际工程的进度管理中,合理考虑工时变量之间的相依性,能充分估计工期计划的不确定性,更加准确地预测和评估工期风险,并对进度计划进行动态更新,从而更有效地控制工程进度。本文旨在通过对工时变量之间相依关系的调查分析,构建能描述工时变量之间相依结构的图形模型,建立合理的相依性测度指标体系,并在工时相依的情形下研究工期问题及进度计划的动态更新。主要内容包括以下几个方面:首先,回顾经典的CPM/PERT网络计划模型的基本结构及工时的随机性,了解其工时变量的独立性假设。然后通过对多个实际工程项目的调查,用相依性指标对项目的工时数据进行统计分析,结果表明所调查项目的并行工序、序列工序之间存在较强的工时相依性。结合调查内容和专家问卷,分析工时相依性产生的原因主要在于受共同因素的影响和项目的组织与控制,并对工时的相依性进行了系统分类。其次,通过对两种有向无环图模型——AON网络计划及贝叶斯网的分析,以AON网络计划为背景层,考虑工时变量之间的序列相依及并行相依关系,建立了能合理描述工时变量之间相依关系的贝叶斯网络计划(BNP)模型结构,讨论了BNP模型中的图分隔与条件独立性质。另外,介绍了BNP模型中工时变量概率分布的确定方法,研究了变量间条件概率的确定、模型中减少参数以及缺值数据下参数学习的方法。第三,基于Copula函数的优良性质,在分析线性相关系数在工时相依性度量时的优缺点的基础上,建立了基于Copula函数的工时相依性度量指标,并给出了这些相依性指标在具体工程项目中的估计方法。另外,分析了常用的Copula函数描述工时相依性的性质与模式,建立了混合Copula函数来描述具有各种相依模式的工时变量之间的相依关系。第四,介绍了Monte Carlo模拟应用于工时相依的工期问题模拟的基本步骤。结合前述理论模型及相依性度量指标,研究了相依的工时变量随机数的产生以及概率分布的确定,对BNP网络的工期、完工概率及工序关键度进行了模拟,最后以一个简单实例演示了模拟过程,并与其他模型的计算结果进行了对比分析。第五,结合贝叶斯定理及贝叶斯网推理原理,介绍了BNP模型中工时变量的动态更新方法。在变量为离散的情形下,给出了变量消元算法、团树传播算法以及马尔科夫链蒙特卡洛算法;在变量为连续或混合的情形下,分别研究了连续BNP模型、混合BNP模型中工时变量的动态更新方法,并给出了计算实例。最后,给出了研究成果在实际工程项目进度管理中的应用框架,介绍了考虑工时相依性的工程进度计划制定以及动态更新方法与流程,并以某工程项目为例进行了分析。结果表明,本文研究的方法能更合理地估计进度计划的不确定性,并能根据工时之间的相依性对进度计划进行动态更新,在实践中有广泛的应用前景和较好的应用价值。