مدیریت هوشمند ریسک پروژه های زیرساختی با استفاده از NLP یادگیری ماشین

مدیریت ریسک در پروژه های بزرگ زیرساختی از اهمیت بالایی برخوردار است و روش های سنتی شناسایی و ارزیابی ریسک ها با تکیه بر نظرات کارشناسان خبره به عنوان رویکرد رایج در مراحل اولیه پروژه ها شناخته می شود اما این روش ها با چالش هایی مانند زمان بر بودن و محدودیت در اطلاعات مربوط به تغییرات ریسک ها در طول زمان مواجه اند. این مطالعه به منظور برطرف کردن این محدودیت ها چارچوبی داده محور و هوش مصنوعی برای شناسایی خودکار ریسک ها و ارزیابی کیفیت ثبت های اولیه ریسک ها ارائه می دهد. داده های مورد استفاده شامل ثبت ریسک های بیش از ۷۰ پروژه بزرگ حمل و نقل در ایالات متحده است. نتایج نشان می دهد که شباهت بالایی میان ریسک های پروژه ها وجود دارد که امکان توسعه یک ثبت ریسک مشترک را فراهم می کند، همچنین مدل توسعه یافته برای شناسایی ریسک ها در پروژه های جدید موفقیت قابل توجهی داشت (۶۶ بازیابی). این تحقیق تاکید می کند که حدود ۶۵٪ از ریسک های شناسایی شده در مرحله پیش بینی در عمل در پروژه ها رخ می دهند و مدیریت می شوند در حالی که ۳۵٪ از آن ها هیچگاه اتفاق نمی افتند. نتایج نشان می دهد که استفاده از رویکرد داده محور می تواند به تیم های پروژه در شناسایی موثرتر ریسک ها کمک کند و به جای تنها تکیه بر قضاوت های کارشناسی به بهبود مدیریت ریسک کمک می کند.

کلیدواژه ها:

شناسایی ریسک ، مدل سازی ریسک ، پردازش زبان طبیعی ، یادگیری ماشین ، مدیریت ریسک ، تحلیل داده محور