Wykorzystanie sztucznych sieci neuronowych do oceny możliwości wystąpienia opóźnień w realizacji kontraktów budowlanych

Hubert Jerzy Anysz

Abstract

Forecasting completion deadlines of road sections constructions is shown as one of the risk management instruments, allowing to limit the negative impact of possible delays which negative financial, material and other consequences affect as investors as contractors, and also the general public. The dissertation focuses on creating an effective instrument which could be successfully applied in the prognosis of not meeting the planned deadlines concerning the construction of the sections of express roads and highways in Poland. The construction of such instrument required identification of possible causes of delays. The previously mentioned task is carried out based on analysis of the questionnaire directed to engineers involved in construction processes – members of the Chamber of construction engineers and based on analysis of the respective studies concerning similar Polish and international research. The list of possible causes of delays is supplemented with the author’s own analysis, regarding the influence of the economic factors, selected contract clauses, contractors’ features as well as features of the constructed objects. Additionally, the analysis is made of important – for the author – factors that may cause delays, and factors which could be defined before choosing a contractor are selected. The data for the studies refers to the contracts for express roads and highways construction in Poland, ordered by Generalna Dyrekcja Dróg Krajowych i Autostrad (the public investor for national roads and highways in Poland) completed between 2009 and 2013. Artificial Neural Networks is chosen as the predicting instrument and Matlab with Neural Networks Toolbox as the software. Topology and other parameters of ANN are optimized in order to achieve the most accurate predictions. Though there is a variety of methods applied in errors’ measurement, the author creates his own sectional measure of accuracy predictions. That allows to choose the only one Artificial Neural Network giving the most accurate predictions and effect the final calculations. The simulation of bidding procedure concerning construction of a road section is created. The author shows the possibility of applying the prognosis obtained with the help of ANN as one of the criterion for the assessment of offers (tenders) submitted and as a premonitory prognosis enabling an investor possible countercheck of the planned deadline, previously set for the construction of the road’s section. Finally, the result achieved are summarized, and the final conclusions are presented. The dissertation inspired the author for further analysis and research, which foundations are described at the end.
Rodzaj dyplomuPraca doktorska
Autor Hubert Jerzy Anysz (WIL / IIB)
Hubert Jerzy Anysz
- Instytut Inżynierii Budowlanej
Językpl polski
Jednostka dyplomującaWydział Inżynierii Lądowej (WIL)
Dyscyplina naukibudownictwo / dziedzina nauk technicznych / obszar nauk technicznych
Data rozpoczęcia13-03-2013
Data obrony18-10-2017
Data zakończenia 25-10-2017
Promotor Artur Zbiciak (WIL / IDM)
Artur Zbiciak
- Instytut Dróg i Mostów
Paginacja 280
Słowa kluczowe w języku polskimsztuczne sieci neuronowe, SSN, MLP, prognozowanie, opóźnienie, termin zakończenia budowy
Słowa kluczowe w języku angielskimartificial neural networks, ANN, MLP, predictions, delays, completion dates, construction site
Streszczenie w języku polskimPrognozowanie terminu zakończenia robót odcinków dróg pokazano jako jedno z narzędzi zarządzania ryzykiem projektu pozwalające ograniczyć negatywne skutki zakończenia realizacji inwestycji w terminach późniejszych niż planowane. Negatywne skutki finansowe, rzeczowe i inne dotykają zarówno inwestorów, jak i wykonawców, ale także społeczeństwo. W rozprawie zbudowano narzędzie do prognozowania opóźnień terminu zakończenia budowy w odniesieniu do realizacji odcinków dróg ekspresowych i autostrad w Polsce. Wymagało to identyfikacji możliwych przyczyn, które te opóźnienia powodują. Dokonano tego na podstawie przeprowadzonej ankiety wśród praktykujących inżynierów uczestniczących w procesach budowy obiektów. Przeanalizowano literaturę odnajdując podobne badania, nie tylko w Polsce. Na tej podstawie stworzona została lista przyczyn, którą uzupełniono o wyniki własnych analiz dotyczących wpływu otoczenia gospodarczego budowy, cech własnych wykonawców robót, klauzul kontraktowych wiążących inwestora i wykonawcę oraz cech budowanych obiektów. Z tak zebranych przyczyn opóźnień wybrano te, które można określić jeszcze przed wyborem wykonawcy robót i rozpoczęciem prac budowlanych. Dla wybranych czynników powodujących opóźnienia zebrano dane dotyczące budowy dróg krajowych i autostrad w Polsce, których realizacja zakończyła się w latach 2009-2013. Dane otrzymane od Generalnej Dyrekcji Dróg Krajowych i Autostrad uzupełniono na podstawie informacji internetowych oraz dzięki wywiadowni gospodarczej Infocredit. Wybrano narzędzie prognostyczne – sztuczne sieci neuronowe – oraz środowisko programistyczne Matlab z przybornikiem Neural Network Toolbox. Przeprowadzono optymalizację topologii i parametrów sieci pod względem trafności uzyskiwanych prognoz. Różnorodność stosowanych miar błędów spowodowała stworzenie własnej, przedziałowej miary trafności prognoz, co pozwoliło wybrać jedną, najtrafniej prognozującą sieć i dokonać końcowych obliczeń. Stworzono symulacyjny przykład postępowania przetargowego na budowę odcinka drogi. Pokazano możliwość zastosowania prognoz uzyskanych za pomocą sztucznych sieci neuronowych jako jednego z kryteriów oceny złożonych w postępowaniu ofert i jako prognozy ostrzegawczej, mogącej stanowić przyczynek do weryfikacji przez inwestora planowanego terminu zakończenia robót. Na zakończenie przedyskutowano otrzymane wyniki i sformułowane zostały wnioski. Rozprawa była inspiracją do dalszych badań, których zręby także zostały nakreślone.
Plik pracy
h_anysz_rozprawa_2017.pdf 5.36 MB
Liczba cytowań*5 (2019-06-14)

Pobierz odnośnik do tego rekordu

Powrót