کاربرد هوش مصنوعی در پیش‌بینی اضافه‌هزینه در پروژه‌های ساخت

کاربرد هوش مصنوعی در پیش‌بینی اضافه‌هزینه در پروژه‌های ساخت

سیدعظیم حسینی1 رضا ادیبان2

1) استاد و عضو هیئت علمی دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران
2) دانشجوی دکتری تخصصی مهندسی عمران، گرایش مهندسی و مدیریت ساخت، دانشكده فني و مهندسي، دانشگاه آزاد اسلامی، واحد تهران جنوب، استان تهران، ایران.

کد IOI مقاله : AACZ-ABGFGD
محل انتشار : پنجمین کنفرانس بین المللی مقاوم سازی لرزه ای(5icst.ir)
چکیده :
    پروژه‌های ساخت به‌عنوان یکی از ارکان اصلی توسعه اقتصادی و زیرساختی کشورها شناخته می‌شوند، با این حال یکی از چالش‌های رایج در این پروژه‌ها بروز پدیده اضافه‌هزینه است که می‌تواند موجب افزایش هزینه‌های نهایی، تأخیر در تکمیل پروژه و کاهش بهره‌وری سرمایه‌گذاری شود. عوامل متعددی مانند برآورد نادرست هزینه‌ها، تغییرات طراحی، نوسانات قیمت مصالح، ضعف در مدیریت پروژه و ریسک‌های پیش‌بینی‌نشده می‌توانند در بروز اضافه‌هزینه نقش داشته باشند. روش‌های سنتی پیش‌بینی هزینه که عمدتاً مبتنی بر مدل‌های آماری کلاسیک و قضاوت خبرگان هستند، به دلیل ناتوانی در تحلیل روابط پیچیده و غیرخطی میان متغیرهای پروژه، در بسیاری از موارد دقت محدودی دارند. در سال‌های اخیر، پیشرفت‌های سریع در حوزه هوش مصنوعی موجب شده است که این فناوری به‌عنوان رویکردی نوین برای تحلیل داده‌های پروژه و پیش‌بینی اضافه‌هزینه در صنعت ساخت مورد توجه پژوهشگران قرار گیرد. هدف این مطالعه مروری، بررسی کاربردهای هوش مصنوعی در پیش‌بینی اضافه‌هزینه در پروژه‌های ساخت و شناسایی مزایا، چالش‌ها و روندهای پژوهشی این حوزه است. در این پژوهش با استفاده از روش مرور نظام‌مند ادبیات، مطالعات منتشرشده در سال‌های اخیر در زمینه کاربرد الگوریتم‌های هوش مصنوعی در پیش‌بینی هزینه پروژه‌های ساختمانی مورد بررسی و تحلیل قرار گرفته‌اند. در این چارچوب، مدل‌های مختلف یادگیری ماشین و یادگیری عمیق از جمله شبکه‌های عصبی مصنوعی، ماشین بردار پشتیبان، درخت تصمیم، جنگل تصادفی و الگوریتم‌های فراابتکاری بررسی و مقایسه شده‌اند. نتایج مطالعات نشان می‌دهد که مدل‌های مبتنی بر هوش مصنوعی نسبت به روش‌های سنتی از دقت بالاتری در پیش‌بینی اضافه‌هزینه برخوردار هستند و قادرند با تحلیل داده‌های تاریخی پروژه، شناسایی عوامل کلیدی و مدل‌سازی روابط پیچیده میان متغیرها، خطای تخمین هزینه را به‌طور قابل‌توجهی کاهش دهند. همچنین این مدل‌ها می‌توانند در مراحل مختلف چرخه عمر پروژه از مرحله برنامه‌ریزی تا اجرا برای پایش و کنترل هزینه مورد استفاده قرار گیرند. با این حال، چالش‌هایی مانند کمبود داده‌های باکیفیت، محدودیت تفسیرپذیری برخی مدل‌ها، هزینه‌های پیاده‌سازی و موانع سازمانی همچنان از عوامل محدودکننده کاربرد گسترده این فناوری محسوب می‌شوند.

کلمات کلیدی : ارزیابی ریسک پروژه‌های عمرانی مدیریت ریسک شناسایی ریسک تخصیص منابع