An Explainable-AI Decision-Support Framework for Managerial Early Warning in Construction Project Control

An Explainable-AI Decision-Support Framework for Managerial Early Warning in Construction Project Control

سید عظیم حسینی1 محمدمهدی چگینی2

1) استاد تمام عمران گرایش مدیریت ساخت، دانشگاه واحد اسلامی واحد تهران جنوب
2) دانشجوی دکتری تخصصی عمران گرایش مدیریت ساخت، دانشگاه واحد اسلامی واحد تهران جنوب

کد IOI مقاله : AAHC-ACZBKG
محل انتشار : کنفرانس ملی مدیریت، تجاری سازی، اقتصاد دانش بنیان و سرمایه گذاری برای تولید(impeb.ir)
چکیده :
    کنترل پروژه‌های ساخت مستلزم تفسیر به‌موقع اطلاعات مربوط به زمان‌بندی، هزینه، پیشرفت، ریسک، تغییرات، تدارکات و منابع است. مدیریت ارزش کسب‌شده (Earned Value Management: EVM) کارکردهای استانداردی برای پایش تشخیصی و پیش‌بینی فراهم می‌کند که از جمله آن‌ها می‌توان به تحلیل روند و برآورد مقادیر نهایی پروژه اشاره کرد؛ با این حال، EVM متعارف در یکپارچه‌سازی محرک‌های زمینه‌ای ناهمگون، تعاملات غیرخطی و ریسک چندمتغیرهِ توضیح‌پذیر با محدودیت مواجه است. این مقاله مفهومی، یک چارچوب پشتیبان تصمیم مبتنی بر هوش مصنوعی توضیح‌پذیر برای هشدار زودهنگام مدیریتی در کنترل پروژه‌های ساخت ارائه می‌کند. روش پژوهش به‌طور صریح مبتنی بر مرور هدفمند و روایتی ادبیات و توسعه چارچوب است و نه یک مرور نظام‌مند مبتنی بر PRISMA یا یک مطالعه تجربی برای اعتبارسنجی مدل. نوآوری چارچوب پیشنهادی در یک زنجیره حاکمیتی سرتاسری تعریف می‌شود که داده‌های پروژه در تاریخ گزارش‌دهی را به یک مسئله مشخص پیش‌بینی عبور از آستانه در افق دو دوره آتی متصل می‌سازد و سپس احتمال کالیبره‌شده و عدم‌قطعیت، توضیح محلی مدل، اولویت‌بندی احتمال–اثر با رویکرد حاکمیتی، مجموعه اقدامات مصوب کنترل پروژه، تأیید انسانی و بازخورد آگاه از مداخله را در یک چرخه یکپارچه قرار می‌دهد. کاربرد اصلی چارچوب، طبقه‌بندی دودویی در هر دوره گزارش‌دهی پروژه است؛ به‌گونه‌ای که احتمال عبور پروژه از یک آستانه قرمز کنترل زمان‌بندی ـ که توسط سازمان تعریف می‌شود ـ در دو دوره گزارش‌دهی آینده برآورد می‌گردد. برای تبیین منطق کنترل، نحوه اعمال آستانه‌ها، هم‌ترازی داده‌ها و ارتباطات مدیریتی، از یک سناریوی شفاف ۱۲ دوره‌ای مبتنی بر EVM صرفاً به‌صورت مثال توضیحی استفاده شده است. این سناریو داده میدانی نیست و هیچ‌گونه مدل آموزش‌دیده، مقدار SHAP یا آماره اعتبارسنجی ساختگی در مقاله ارائه نشده است. همچنین، چارچوب بر الزام اعتبارسنجی برون‌نمونه‌ای در سطح پروژه و زمان، مقایسه با قواعد هشداردهی غیرهوشمند مبتنی بر EVM، به‌کارگیری شاخص‌های مدیریتی هشدار زودهنگام مانند زمان پیش‌آگاهی و تعداد هشدارهای کاذب به ازای هر پروژه، و تفکیک صریح میان انتساب پیش‌بینی و شواهد علّی تأکید دارد. بر این اساس، هوش مصنوعی در این پژوهش به‌عنوان یک مؤلفه پشتیبان تصمیم تحت حاکمیت مدیریتی در نظر گرفته شده است که به تقویت مسئولیت‌پذیری و قضاوت مدیر پروژه کمک می‌کند، نه اینکه جایگزین آن شود.

کلمات کلیدی : کنترل پروژه‌های ساخت هوش مصنوعی توضیح‌پذیر مدیریت ارزش کسب‌شده هشدار زودهنگام حاکمیت انسان در حلقه اولویت‌بندی ریسک