Η διαχείριση και η εκτίμηση κινδύνων αποτελούν πλέον αναπόσπαστο κομμάτι των κατασκευαστικών έργων. Ο αυξημένος κίνδυνος που προέρχεται από τις πολλές και αλληλεξαρτώμενες παραμέτρους που προσδιορίζουν τα έργα, είναι και ο λόγος που η εκτίμηση των κινδύνων ερευνάται και εξελίσσεται συνεχώς.  Λόγω της αυξημένης πολυπλοκότητας που παρουσιάζουν τα έργα, οι παραδοσιακές μέθοδοι, αποδεικνύεται ότι υστερούν όταν εφαρμόζονται μεμονωμένα. Η παρούσα μεταπτυχιακή εργασία εξετάζει τη συνδυαστική χρήση μεθόδων εκτίμησης κινδύνων, αναπτύσσοντας ένα υβριδικό πλαίσιο ανάλυσης και διαχείρισης κινδύνου σε κατασκευαστικά έργα. Πραγματοποιείται βιβλιογραφική ανασκόπηση που παρουσιάζει τους βασικούς όρους του κινδύνου και της αβεβαιότητας όπως περιγράφονται στην διεθνή βιβλιογραφία. Στη συνέχεια πραγματοποιείται η περιγραφή βασικών ποιοτικών και ποσοτικών μεθόδων, καθώς και τεχνικών και εργαλείων που τις συντελούν. Παράλληλα εξετάζεται και ο ρόλος της Τεχνολογίας ΑΙ και τεχνολογιών που εφαρμόζονται στην σύγχρονη εκτίμηση κινδύνων.

Στο πλαίσιο της έρευνας δημιουργήθηκε το συνδυαστικό μοντέλο  εκτίμησης κινδύνων, που βασίζεται στην ποιοτική αξιολόγηση και στην ποσοτικοποίηση κινδύνων μέσω ανάπτυξης προσομοιώσεων και σεναρίων. Το συνδυαστικό μοντέλο κατασκευασμένο σε περιβάλλον Excel, έπειτα εφαρμόστηκε σε υποθετική μελέτη περίπτωσης κατασκευαστικού έργου. Η διαδικασία εφαρμογής ξεκινά από τη δημιουργία πίνακα Risk Register και την βαθμολόγηση τους μέσω της μεθόδου FMEA. Στη συνέχεια  αναπτύσσεται η προσομοίωση της Monte Carlo όπου και εφαρμόζεται και Ανάλυση Ευαισθησίας από τις οποίες προκύπτουν και τα αποτελέσματα. Επίσης εφαρμόζεται και η Expected Monetary Value με σκοπό την σύγκριση αποτελεσμάτων των δύο μεθόδων.

Τα αποτελέσματα αποδεικνύουν σημαντική αβεβαιότητα ως προς το συνολικό κόστος και τη διάρκεια του έργου. Στην περίπτωση καταγραφής δυσμενών συνθηκών, αυτά παρουσιάζουν αποκλίσεις από το χρονοδιάγραμμα και τον προϋπολογισμό του έργου, όπως είναι αναμενόμενο. Παράλληλα, η ανάλυση Pareto και η ανάλυση ευαισθησίας παρουσιάζουν ότι περιορισμένος αριθμός κινδύνων έχουν τη δυνατότητα να επηρεάζουν το έργο σε μεγάλο βαθμό. Η εφαρμογή αναδεικνύει  την σημαντικότητα της συνδυαστικής χρήσης των μεθόδων έναντι των μεμονωμένων προσεγγίσεων με τη δυνατότητα  τους να παρουσιάζουν μια πιο ρεαλιστική προσέγγιση στην εκτίμηση.

Τέλος πραγματοποιείται αξιολόγηση του πλαισίου, ως προς την αποτελεσματικότητα του, τα πλεονεκτήματα και τους περιορισμούς που το χαρακτηρίζουν και παρουσιάζονται προτάσεις για την προσθήκη της τεχνολογίας ΑΙ αλλά και για μελλοντική εργασία.

Risk assessment has become an integral part of projects in the construction sector. The increased risk, which derives from the numerous interdependent parameters, is the reason why risk assessment is continuously researched and developed. Due to the continuous increasing of the complexity of the projects, traditional methods, prove to be insufficient when applied individually. This thesis examines the use of combined qualitative and quantitative methods to develop a hybrid framework for risk analysis in construction projects. The thesis initially conducts a literature review, presenting the fundamental terms of risk and uncertainty as described in the international literature. Subsequently, the study describes the main qualitative and quantitative methods techniques and tools, while also discussing their advantages and limitations. Artificial Intelligence technologies applied in contemporary risk assessment is also explored.

A combined risk assessment model was developed, based on both qualitative and quantitative methods. Qualitative methods were used in order to evaluate and justify the concept of risk and uncertainty. As for the Quantitative methods, they were used for the quantification of risks through the development of simulations and scenarios. The hybrid model was developed in a Microsoft Excel environment and was applied to a hypothetical yet realistic case study of a construction project. The implementation of the model begins with the creation of a Risk register table. Afterwards, the FMEA method is used for the evaluation of the risks appointed. The results of the model were derived from the use of Monte Carlo Simulation and Sensitivity Analysis. At the same time, the Expected Monetary Value is calculated and applied to the model in order to compare the results of the two approaches.

 As for the results, they demonstrate significant uncertainty regarding the total cost and duration of the project. Furthermore, under adverse conditions, deviations from the project schedule and budget were observed, as expected. In addition, Pareto analysis and sensitivity analysis conclude that a limited number of risks affect the project significantly. The results indicate that the combined use of methods provides a more realistic representation of uncertainty compared to isolated approaches. Finally, the framework is evaluated, in terms of its effectiveness, its advantages and limitations. Suggestions regarding the integration of AI technologies, as well as directions for future research and development conclude the present research.