Abstract:
ค่าเสียหายเนื่องจากความล่าช้าเป็นหัวข้อหนึ่งในสัญญาที่เป็นการตกลงร่วมกันระหว่างนายจ้างและผู้รับเหมาในจำนวนค่าเสียหายต่อวันที่ผู้รับเหมาจะรับผิดชอบในกรณีที่ผู้รับเหมาไม่สามารถดำเนินงานให้แล้วเสร็จภายในระยะเวลาสิ้นสุดโครงการได้ การกำหนดจำนวนค่าเสียหายของงานก่อสร้างในประเทศไทยมักกำหนดด้วยอัตราสูงสุดตามระเบียบสำนักนายกรัฐมนตรีว่าด้วยการพัสดุ พ.ศ.2535 โดยไม่มีเหตุผลรองรับ ปัญหาที่ตามมาคือการฟ้องร้องดำเนินคดีโดยผู้รับเหมา การตัดสินคดีความส่วนใหญ่สิ้นสุดลงที่การใช้ประมวลกฎหมายแพ่งและพาณิชย์มาตรา 383 ในการลดจำนวนค่าเสียหายลงตามควร งานวิจัยมุ่งเน้นการศึกษาการกำหนดค่าเสียหายเนื่องจากความล่าช้าตามหลักของ Common Law System เพื่อแก้ปัญหาดังกล่าว วัตถุประสงค์ของงานวิจัยประกอบด้วยการศึกษาการเขียนสัญญาที่มีผลต่อการบังคับใช้หัวข้อค่าเสียหายเนื่องจากความล่าช้า การเสนอแนวทางในการประเมินความเสียหาย การประเมินความเสียหายโครงการตัวอย่างและการหาโอกาสการเกิดความเสียหาย งานวิจัยใช้แบบสัมภาษณ์ 3 ส่วนในการเก็บข้อมูลจากหน่วยงานที่รับผิดชอบโครงการก่อสร้างทางรถไฟฟ้าที่เสร็จสมบูรณ์แล้วในปัจจุบัน ได้แก่ การรถไฟฟ้าขนส่งมวลชนแห่งประเทศไทย การรถไฟแห่งประเทศไทยและบริษัทระบบขนส่งมวลชนกรุงเทพ จำกัด (มหาชน) ข้อมูลจากแบบสัมภาษณ์ได้นำมาวิเคราะห์ความสมบูรณ์ของสัญญา การคำนวณค่าเสียหายและการคำนวณค่าความน่าจะเป็น ส่วนการเสนอแนวทางการประเมินความเสียหายมี 3 วิธีขึ้นอยู่กับข้อจำกัดทางข้อมูล ได้แก่ (1) การใช้สถิติสร้างสมการเมื่อมีข้อมูลเพียงพอ (2) การเลือกสมการที่เหมาะสมพร้อมเหตุผลเมื่อมีการนำเสนอแบบจำลองรองรับไว้แล้ว (3) การพิจารณาและสร้างความสัมพันธ์ระหว่างตัวแปรเมื่อไม่มีข้อมูลใดๆ สำหรับการสร้างสมการด้วยสถิติและไม่มีการนำเสนอแบบจำลองใดๆ รองรับไว้ ผลการวิจัยปรากฏว่าการเขียนสัญญามีรายละเอียดที่สำคัญครบถ้วนและยังไม่ปรากฏปัญหาใดๆ ค่าเสียหายที่ได้จากการคำนวณที่มีผลกระทบมากที่สุดในความเสียหายที่นายจ้างต้องประสบและความเสียหายที่มีต่อสาธารณะคือการสูญเสียรายได้จากการให้บริการและมูลค่าเวลาของผู้ใช้รถตามลำดับ ค่าเสียหายโดยรวมคิดเป็นร้อยละ 0.041 ของมูลค่าโครงการ การหาโอกาสการเกิดความเสียหายตามทฤษฎีการอนุมานทางสถิติแบบ Bayes ด้วยโปรแกรม WinBugs14 ปรากฏว่าความเสียหายที่มีโอกาสเกิดมากที่สุดมีหลายรายการโดยเฉพาะในหมวดความเสียหายจากการสูญเสียการใช้ประโยชน์ ค่าพารามิเตอร์ที่ได้สามารถนำไปใส่ในสมการของ Bayes สำหรับการสำรวจค่าความน่าจะเป็นของโครงการรถไฟฟ้าที่ศึกษาได้ใหม่ แต่เมื่อโครงการรถไฟฟ้าเสร็จสมบูรณ์เพิ่มขึ้นในอนาคต ค่าพารามิเตอร์ที่เหมาะสมต้องได้จากการเก็บข้อมูลและประมวลผลใหม่ตามสถานการณ์ขณะนั้น
