یادگیری ماشین برای مدیریت ریسک در پروژه های ساختمانی

این پژوهش به بررسی کاربرد هوش مصنوعی (AI) و یادگیری ماشین (ML) در بهبود مدیریت ریسک (RM) در پروژه های ساختمانی می پردازد. روش های سنتی مدیریت ریسک به دلیل ماهیت دستی، زمان بر بودن، وابستگی به قضاوت های فردی، و نادیده گرفتن روابط علی بین ریسک ها، دارای محدودیت های جدی هستند. پژوهش حاضر با هدف توسعه یک چارچوب نظام مند و عملیاتی ML-RM، به دنبال افزایش دقت، کارایی، و خودکارسازی فرآیندهای مدیریت ریسک است. در این تحقیق با بهره گیری از مطالعه موردی و همکاری صنعتی با شرکت Jacobs، از ترکیبی از الگوریتم های یادگیری ماشین قطعی و احتمالی شامل شبکه های بیزی (BNs)، شبکه های عصبی، منطق فازی و درخت تصمیم استفاده شده است. داده های پروژه های واقعی با استفاده از اسناد تاریخی، نظرسنجی ها و مصاحبه با متخصصان جمع آوری و در چارچوب های مدل سازی مختلف به کار گرفته شده اند. همچنین برای حل مشکل کمبود داده، از تولید داده های مصنوعی با GAN بهره گرفته است. نتایج پژوهش نشان می دهد که مدل های ML به ویژه شبکه های بیزی، قادرند روابط پیچیده بین ریسک ها را مدل سازی کرده و ارزیابی پیش بینانه و دقیقی ارائه دهند. این مدل ها می توانند در تصمیم گیری پیشگیرانه مدیران پروژه نقش کلیدی ایفا کنند. پژوهش همچنین به چالش های اخلاقی، فنی، و فرهنگی پیاده سازی این فناوری ها پرداخته و راهکارهایی برای ادغام عملی آن ها در صنعت ساخت و ساز ارائه می دهد. این مطالعه نه تنها به درک بهتر از کاربردهای AI در مدیریت ریسک کمک می کند، بلکه مسیر را برای پیاده سازی عملی آن در پروژه های ساختمانی فراهم می سازد.