Μοντέλα πρόβλεψης κόστους και διάρκειας κατασκευής τεχνικού έργου με τη χρήση νευρωνικών δικτύων. Στοιχεία από την Ελληνική πραγματικότητα.

Models for predicting the cost and duration of construction of a technical project with the use of neural networks. Data from Greece. (Αγγλική)

  1. MSc thesis
  2. Καραδήμος, Παναγιώτης
  3. Διαχείριση Τεχνικών Έργων (ΔΧΤ)
  4. 27 Σεπτεμβρίου 2020 [2020-09-27]
  5. Ελληνικά
  6. 229
  7. Ανθόπουλος, Λεωνίδας
  8. Ανθόπουλος, Λεωνίδας | Αρετούλης, Γεώργιος
  9. Μοντέλα πρόβλεψης | Κόστος κατασκευής | Διάρκεια κατασκευής | Νευρωνικά δίκτυα | Prediction models | Construction cost | Duration of construction | Neuronic networks
  10. 6
  11. 13
  12. 28
  13. Περιέχει εικόνες, πίνακες, γραφήματα, σχήματα
  14. Αργυράκης, Π., Νευρωνικά Δίκτυα και Εφαρμογές, Ελληνικό Ανοικτό Πανεπιστήμιο. Πάτρα 2001
    • Τα τεχνικά έργα είναι ένα από τα πιο σημαντικά πεδία δραστηριοτήτων μίας κοινωνίας που επηρεάζει άμεσα τους δείκτες ανάπτυξης μιας χώρας. Δεν είναι τυχαίο ότι ένα μεγάλο μέρος των ιδιωτικών και των δημόσιων επενδύσεων μιας χώρας κατευθύνεται στην κατασκευή, συντήρηση και λειτουργία τεχνικών έργων όπως είναι οι δρόμοι, οι γέφυρες, τα οικοδομικά έργα, οι εγκαταστάσεις επεξεργασίας λυμάτων (ΕΕΛ), οι χώροι υγειονομικής ταφής απορριμμάτων (ΧΥΤΑ), τα δίκτυα αποχέτευσης και ηλεκτρισμού κ.τ.λ. Η συνολική συμμετοχή των τεχνικών έργων στη μεγέθυνσή του ακαθάριστου εγχώριου προϊόντος (ΑΕΠ) μιας χώρας είναι σημαντική και λαμβάνεται σοβαρά υπόψη από την κάθε κυβέρνηση. Ένα, όμως, από τα θέματα που απασχολεί την κοινωνία και ιδιαίτερα την οικονομική και την πολιτική ζωή της Ελλάδας είναι οι υπερβάσεις του κόστους κατασκευής καθώς και οι καθυστερήσεις ολοκλήρωσης κατασκευής που συμβαίνουν πολύ συχνά στις κατασκευές τεχνικών έργων και έχουν σοβαρό οικονομικό αντίκτυπο. Μεγάλη ευθύνη στην σωστή πρόβλεψη των προαναφερόμενων μεγεθών επωμίζεται η διαχείριση έργου (project management) τόσο κατά το στάδιο της μελέτης όσο και κατά το στάδιο της κατασκευής. Έχουν γίνει και γίνονται σοβαρές προσπάθειες για την ορθή πρόβλεψη των δύο αυτών μεγεθών που έχουν οδηγήσει στη δημιουργία μεθόδων και τεχνικών που έχουν βοηθήσει πολύ στο να υπάρξει σημαντική βελτίωση τα τελευταία χρόνια. Στις προσπάθειες που γίνονται συμμετέχει ενεργά και η εξέλιξη της τεχνολογίας. Μία από τις σχετικά καινούριες εφαρμογές της τεχνολογίας, που ανήκει στον κλάδο της τεχνητής νοημοσύνης, της οποίας η χρήση συνεχώς διευρύνεται τα τελευταία τριάντα χρόνια, και η διεύρυνση περιλαμβάνει και τη διαχείριση έργου, είναι τα νευρωνικά δίκτυα. Στην παρούσα διπλωματική εργασία επιχειρείται η ανάδειξη της εφαρμογής των νευρωνικών δικτύων στη διαχείριση τεχνικών έργων μέσω της χρήσης τους για την κατασκευή μοντέλων πρόβλεψης που αφορούν το πραγματικό κόστος και την πραγματική διάρκεια κατασκευής τεχνικών έργων γεφυροποιίας στην Ελλάδα. Αρχικά γίνεται μία αναφορά στην έννοια του έργου, στον κύκλο του και στις κατηγορίες των τεχνικών έργων και επιχειρείται μία διασύνδεση με την έννοια της διαχείρισης έργου και τις υφιστάμενες μεθόδους εκτίμησης του κόστους κατασκευής. Στη συνέχεια γίνεται αναφορά στις γέφυρες σαν έργα υποδομής. Γίνεται ιστορική αναδρομή των γεφυρών και της εξέλιξης τους μέσα στο χρόνο και έπειτα επιχειρείται ανάλυση της δομής τους καθώς και κατηγοριοποίηση τους βάση των δομικών, λειτουργικών και τεχνικών χαρακτηριστικών τους. Η αναφορά στις γέφυρες ολοκληρώνεται παρουσιάζοντας στατιστικά στοιχεία των γεφυρών της Εγνατίας Οδού που αφορούν δομικά χαρακτηριστικά τους. Ακολουθεί περιγραφή της έννοιας και της εξέλιξης των νευρωνικών δικτύων συνδυάζοντας τα βιολογικά νευρωνικά δίκτυα με τα τεχνητά. Αναλύεται το μοντέλο του τεχνητού νευρώνα, παρουσιάζονται στοιχεία της θεωρίας μάθησης των νευρωνικών δικτύων και γίνεται συσχέτιση μεταξύ της αρχιτεκτονικής των νευρωνικών δικτύων και των υπολογιστών. Τέλος η αναφορά στα νευρωνικά δίκτυα ολοκληρώνεται με παρουσίαση εφαρμογών των νευρωνικών δικτύων καθώς και καταγραφή των πλεονεκτημάτων και μειονεκτημάτων τους. Στη συνέχεια γίνεται αναφορά στο πρακτικό τμήμα της παρούσας έρευνας ξεκινώντας με την παρουσίαση της μεθοδολογίας έρευνας που ακολουθήθηκε και τα λογισμικά πακέτα που χρησιμοποιήθηκαν τόσο για την ανάλυση του δείγματος όσο και για την κατασκευή των μοντέλων νευρωνικών δικτύων. Αναλύονται τα μεγέθη που θα χρησιμοποιηθούν ως μεταβλητές στην κατασκευή των μοντέλων παράλληλα με το δείγμα και τη βάση δεδομένων που δημιουργήθηκε και έπειτα παρουσιάζεται η ανάλυση συσχέτισης των μεταβλητών. Ακολουθεί η περιγραφή της εφαρμογής FANN TOOL, η δημιουργία μοντέλου με τη χρήση της και τα αποτελέσματα που δίνει για το δείγμα των γεφυρών που χρησιμοποιήθηκαν και τις μεταβλητές που επιλέχθηκαν. Στη συνέχεια περιγράφεται η εφαρμογή WEKA και τα αποτελέσματα που δίνει το FANN TOOL για τις ομάδες μεταβλητών που επιλέχθηκαν από αυτή. Τέλος η εργασία ολοκληρώνεται με την εξαγωγή συμπερασμάτων που προέκυψαν από την ανάλυση του δείγματος των γεφυρών και την κατασκευή των μοντέλων νευρωνικών δικτύων με την εφαρμογή FANN TOOL και παρουσιάζονται προτάσεις για μελλοντικές εργασίες. Από τα συμπεράσματα που εξάχθηκαν, προκύπτει ότι ένας μεγάλος αριθμός από τα μοντέλα που δημιουργήθηκαν μπορούν να προβλέψουν με μεγάλη ακρίβεια το πραγματικό κόστος κατασκευής καθώς και τη διάρκεια κατασκευής έργων γεφυροποιίας για διάφορους συνδυασμούς μεταβλητών. Ειδικά, τα καλύτερα σε απόδοση από αυτά μοντέλα έδωσαν εξαιρετικά αποτελέσματα. Προτείνεται συνέχεια της έρευνας με εμπλουτισμό της βάσης δεδομένων με νέα μεγέθη, νέα δεδομένα γεφυρών καθώς και νέους συνδυασμούς μεταβλητών.
    • Technical projects are one of the most important areas of activity of a society that directly affects the development indicators of a country. It is no coincidence that a large part of a country's private and public investment is directed to the construction, maintenance and operation of technical projects such as roads, bridges, building structures, sewage treatment plants, landfills, sewerage and electricity networks, etc. The overall contribution of technical projects to the growth of a country's gross domestic product (GDP) is important and is taken seriously by every government. However, one of the issues that concerns the society and especially the economic and political life of Greece is the excesses of the construction costs as well as the delays of completion of construction that occur very often in the construction of technical projects and have a serious economic impact. Great responsibility in the correct prediction of the aforementioned quantities is shouldered by the project management team both during the design and the construction stages. Serious efforts have been made and are being made for the correct prediction of these two quantities that have led to the creation of methods and techniques that have helped a lot in making a significant improvement in recent years. The evolution of technology also actively participates in the efforts that are made. One of the relatively new applications of technology, which belongs to the field of artificial intelligence, and its use is constantly expanding for the last thirty years and the expansion includes project management, is the neural networks. In this dissertation, the application of neural networks in the management of technical projects is attempted through their use for the production of prediction models concerning the actual cost and the actual duration of construction of bridges in Greece. Initially, a reference is made to the concept of technical project, its cycle, the categories of technical projects and a connection is attempted with the concept of project management and the existing methods of estimating construction costs. Τhen reference is made to bridges as part of the infrastructure projects. A historical review of the bridges and their evolution over time is made and then an analysis of their structure is attempted as well as their categorization based on their structural, functional and technical characteristics. Τhe reference to the bridges is completed by presenting statistical data of the bridges of the of the Egnatia Odos motorway that concern their construction features. Then follows a description of the concept and evolution of neural networks combining biological neural networks with artificial ones. The model of the artificial neuron is explained, elements of the theory of learning of neural networks are presented and a correlation is made between the architecture of neural networks and computers. Finally, the reference to neural networks is completed with a presentation of applications of neural networks as well as with recording their advantages and disadvantages Then reference is made to the practical part of the current research starting with the presentation of the research methodology that was followed and the software packages which were used for both the analysis of the sample and the construction of neural networks models. The quantities which will be used as variables in the construction of the models are analyzed as well as the sample and the database that was created and then the correlation analysis of the variables is presented. After that a description of the FANN TOOL application is following, the creation of a neural network model with the use of FANN TOOL is produced and the results of the construction of the neural network models for the sample of the bridges are presented. It follows a description of the WEKA application and the results given by FANN TOOL for the groups of the variables selected by WEKA are shown. Finally, the work is completed by drawing conclusions that emerged from the analysis of the bridges’ sample and the construction of neural networks models with the application of FANN TOOL as well as with the production of proposals for future work. From the conclusions drawn, it appears that a large number of the models created can predict with great accuracy the actual cost of construction as well as the duration of construction of bridges’ projects for various combinations of variables. Especially, the best performed models gave excellent results. It is proposed to continue the research by enriching the database with new variables, new bridge data as well as new combinations of variables.
  16. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.