9896

كاربرد يادگيري ماشين در مديريت ريسك پروژه

كارشناسي

مهندسي صنايع

1404

دكتر فريد قنادپور

1404/08/03

مهندسي صنايع

Application of machine learning in project risk management

مديريت ريسك پروژه يكي از اركان كليدي در تضمين موفقيت پروژه‌ها به‌ويژه در صنايع ساختماني است، زيرا ريسك‌ها با ايجاد تأخير و افزايش هزينه مي‌توانند بر عملكرد نهايي اثرگذار باشند. در اين پژوهش با هدف به‌كارگيري رويكردهاي نوين داده‌محور، كاربرد الگوريتم‌هاي يادگيري ماشين در شناسايي، تحليل و پيش‌بيني ريسك‌هاي پروژه بررسي شده است. داده‌هاي مورد استفاده شامل مجموعه‌اي از پروژه‌ها با 38 متغير ريسكي در حوزه‌هاي مختلف (كارفرما، مشاور، پيمانكار، طراحي، منابع، مصالح، تجهيزات و عوامل بيروني) است كه بر اساس دو شاخص شدت اثر و احتمال وقوع، دسته‌بندي و به‌صورت داده‌هاي ساختاريافته براي مدل‌سازي آماده گرديد. در فرآيند تحقيق، پس از پيش‌پردازش داده‌ها و تعريف متغير هدف (سطح تأخير پروژه در سه طبقه كم، متوسط و زياد)، چندين الگوريتم يادگيري ماشين شامل درخت تصميم، جنگل تصادفي، آدابوست، شبكه عصبي و بيز ساده مورد آزمايش و مقايسه قرار گرفتند. نتايج حاصل نشان داد كه مدل‌هاي جنگل تصادفي و آدابوست با دقت حدود 0٫75 عملكرد بهتري در پيش‌بيني سطح ريسك پروژه نسبت به ساير روش‌ها داشته‌اند. اين نتايج بيانگر قابليت بالاي الگوريتم‌هاي تركيبي در شناسايي الگوهاي پيچيده و روابط غيرخطي ميان منابع ريسك و پيامدهاي آن‌هاست. يافته‌هاي پژوهش حاكي از آن است كه استفاده از يادگيري ماشين مي‌تواند ابزاري كارآمد براي مديران پروژه فراهم آورد تا با شناسايي منابع ريسكي كليدي، اقدام‌هاي پيشگيرانه و كنترلي مناسب را در زمان مناسب اتخاذ كنند. بدين ترتيب، اين چارچوب نه تنها به كاهش تأخير و هزينه‌هاي غيرمنتظره كمك مي‌كند، بلكه احتمال موفقيت پروژه را از طريق تصميم‌گيري هوشمند و داده‌محور افزايش مي‌دهد.