تحلیل ظرفیت هوش مصنوعی در پیش بینی هزینه نگهداری و ارزیابی اقتصادی دارایی های زیرساختی شهری

مدیریت دارایی های زیرساختی شهری از مهم ترین حوزه های تصمیم گیری در شهرداری هاست؛ زیرا تداوم خدمات شهری، ایمنی شهروندان و پایداری مالی مدیریت شهری به وضعیت فنی و هزینه های نگهداری معابر، پل ها، شبکه های دفع آب های سطحی، تجهیزات روشنایی و سایر دارایی های عمومی وابسته است. در بسیاری از فرایندهای مدیریتی، اطلاعات مربوط به وضعیت فیزیکی دارایی ها، سوابق تعمیر و نگهداری و داده های مالی در بخش ها و سامانه های جداگانه ثبت می شوند. این جدایی می تواند پیوند میان تشخیص نیاز فنی، برآورد هزینه، اولویت بندی پروژه ها و تخصیص بودجه را تضعیف کند. در این شرایط، هوش مصنوعی و به ویژه الگوریتم های یادگیری ماشین می توانند با تحلیل داده های تاریخی، شناسایی الگوهای خرابی و پیش بینی هزینه های احتمالی، به بهبود تصمیم گیری در مدیریت دارایی های شهری کمک کنند. هدف این مقاله، تحلیل ظرفیت هوش مصنوعی در پیش بینی هزینه نگهداری و ارزیابی اقتصادی دارایی های زیرساختی شهری و تبیین ارتباط آن با حسابداری مدیریت و بودجه ریزی شهرداری است. پژوهش حاضر با رویکرد مروری تحلیلی و بر پایه بررسی منابع علمی و اسناد معتبر مرتبط با مدیریت دارایی، یادگیری ماشین، نگهداری پیش بینانه و تحلیل هزینه چرخه عمر تدوین شده است. شواهد علمی نشان می دهند که یادگیری ماشین در مدیریت روسازی راه و پیش بینی اولیه هزینه پروژه های نگهداری کاربردهای قابل توجهی دارد؛ بااین حال، کیفیت داده ها، قابلیت تعمیم مدل ها، عدم قطعیت برآوردها و ضرورت نظارت انسانی از محدودیت های اصلی این فناوری هستند . یافته های تحلیلی مقاله نشان می دهد که ارزش اصلی هوش مصنوعی برای شهرداری صرفا در پیش بینی خرابی یا هزینه خلاصه نمی شود، بلکه در ایجاد ارتباط میان اطلاعات فنی دارایی، برآورد مالی، تحلیل هزینه چرخه عمر و تصمیم های بودجه ای قرار دارد. بر همین اساس، مقاله چارچوبی مفهومی شامل یکپارچه سازی داده ها، پیش بینی وضعیت دارایی، برآورد هزینه مداخله، ارزیابی اقتصادی گزینه ها، اولویت بندی بودجه و پایش نتایج را تبیین می کند. نتیجه گیری مقاله آن است که هوش مصنوعی می تواند ابزار پشتیبان تصمیم گیری برای مدیریت مالی زیرساخت های شهری باشد؛ اما تحقق این ظرفیت مستلزم نظام ثبت داده منسجم، اعتبارسنجی مدل ها، شفافیت محاسبات و تفکیک روشن میان پیش بینی تحلیلی و ثبت رسمی اطلاعات حسابداری است.

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، هزینه نگهداری ، دارایی های زیرساختی شهری ، حسابداری مدیریت ، بودجه ریزی شهرداری ، هزینه چرخه عمر.