مدیریت ضایعات ساختمانی به روش هوش مصنوعی یک چارچوب داده محور برای صنعت ساختمان ایران

مدیریت ضایعات ساختمانی یک چالش حیاتی زیست محیطی و اقتصادی در ایران است که منجر به اتلاف قابل توجه منابع و ناکارآمدی در اجرای پروژه ها می شود. این پژوهش یک چارچوب نوآورانه و داده محور برای مدیریت ضایعات ساختمانی ارائه می دهد که در آن روش های کمی و کیفی با فناوری هوش مصنوعی (AI) ترکیب می شوند. از یک رویکرد ترکیبی استفاده شد که شامل پرسشنامه لیکرتی (n=۲۵)، مصاحبه نیمه ساختارمند با پنج متخصص صنعت و یک مطالعه موردی مقیاس پذیر از دو پروژه در حال اجرا در شیراز بود. تحلیل عاملی اکتشافی (Exploratory Factor Analysis) چهار عامل اصلی زیربنایی در تولید ضایعات را شناسایی کرد: (۱) برنامه ریزی ناکافی تغییرات طراحی (۳۲٪ واریانس)، (۲) خطاهای مدیریتی و لجستیکی (۲۵٪)، (۳) مقاومت فرهنگی و سازمانی (۱۸٪) و (۴) کیفیت و رفتار با مواد (۱۴٪). مطالعه موردی نشان داد که پروژه هایی که در هر چهار حوزه مدیریت قوی داشتند میزان ضایعات را از بیش از ۴۰ به کمتر از ۱۵ کاهش دادند. برای فراتر رفتن از تحلیل های سنتی، این پژوهش از روش نوآورانه پرامپت نویسی هوشمند با استفاده از مدل های زبانی بزرگ (Large Language Models - LLMs) مانند Qwen، DeepSeek و ChatGPT استفاده می کند. با ورود داده های تحقیق به این مدل ها، یک تحلیل جامع مبتنی بر هوش مصنوعی تولید شد که عوامل اصلی را تایید و یک چارچوب سلسله مراتبی از راهکارها را پیشنهاد داد. این چارچوب شامل توصیه های استراتژیک مانند الزام به تهیه برنامه مدیریت ضایعات، ترویج پیش ساخت سازی و تاکتیک های عملیاتی مانند آموزش نیروی کار و تثبیت نقشه مدیریت انبار است. این پژوهش نتیجه می گیرد که هوش مصنوعی به ویژه از طریق پرامپت نویسی هوشمند جایگزین مدیریت انسانی نیست بلکه یک ابزار تقویت کننده قدرتمند برای تصمیم گیری مبتنی بر داده است و مسیری عملی برای کاهش پایدار ضایعات ساختمانی در بافت ایرانی ارائه می دهد.

کلیدواژه ها:

ضایعات ساختمانی ، مدیریت ضایعات ، هوش مصنوعی ، پرامپت نویسی هوشمند ، تحلیل عاملی اکتشافی (EFA) ، روش ترکیبی ، توسعه پایدار