توسعه مدل هوشمند مبتنی بر شبکه عصبی مصنوعی برای شناسایی عوامل و پیش بینی تاخیر در پروژه های ساختمانی با رویکرد مدیریت ساخت

پروژه های ساختمانی به دلیل تعدد ذی نفعان، پیچیدگی فعالیت ها و وابستگی آنها به منابع مالی، انسانی و فنی همواره در معرض ریسک تاخیر زمانی قرار دارند. تاخیر در اجرای این پروژه ها پیامدهایی نظیر افزایش هزینه، کاهش بهره وری، بروز اختلافات قراردادی و کاهش رضایت ذی نفعان به همراه دارد و به همین دلیل شناسایی زودهنگام عوامل ایجاد کننده آن و توسعه ابزارهای پیش بینی دقیق، یکی از نیازهای اساسی مدیریت ساخت محسوب می شود. هدف این پژوهش شناسایی مهم ترین عوامل موثر بر تاخیر پروژه های ساختمانی و توسعه یک مدل هوشمند مبتنی بر شبکه عصبی مصنوعی برای پیش بینی میزان این تاخیر است. در این پژوهش که از نظر هدف کاربردی و از نظر روش توصیفی-تحلیلی است، ابتدا از طریق مطالعه پیشینه پژوهش عوامل موثر بر تاخیر در پنج گروه مدیریتی، مالی، فنی، اجرایی و قراردادی طبقه بندی شدند. سپس داده های میدانی از طریق پرسشنامه محقق ساخته و با مشارکت ۱۰۸ نفر از متخصصان و خبرگان صنعت ساخت گردآوری و پایایی آن با ضریب آلفای کرونباخ (۰.۸۹۱) تایید شد. در ادامه با استفاده از ده عامل برتر شناسایی شده به عنوان ورودی، یک شبکه عصبی مصنوعی پرسپترون چندلایه طراحی و آموزش داده شد. یافته ها نشان داد که ضعف برنامه ریزی پروژه، تاخیر در پرداخت مطالبات، تغییرات طراحی در حین اجرا، کمبود نقدینگی و ضعف هماهنگی میان عوامل پروژه به ترتیب مهم ترین عوامل ایجاد تاخیر هستند. مدل توسعه یافته با ضریب تعیین ۰.۹۱۲ توانست بخش عمده ای از تغییرات مرتبط با تاخیر پروژه را تبیین کند که بیانگر دقت مطلوب آن نسبت به روش های سنتی پیش بینی است. نتایج پژوهش نشان می دهد که به کارگیری مدل های هوشمند مبتنی بر شبکه عصبی می تواند به عنوان ابزاری موثر در سیستم های پشتیبان تصمیم گیری مدیران پروژه برای شناسایی زودهنگام ریسک های زمانی و کاهش احتمال بروز تاخیر مورد استفاده قرار گیرد.

کلیدواژه ها:

هوش مصنوعی ، شبکه عصبی مصنوعی ، پیش بینی تاخیر ، مدیریت ساخت ، یادگیری ماشین ، عوامل تاخیر پروژه