ΕΦΑΡΜΟΓΗ ΕΥΦΥΩΝ ΣΥΣΤΗΜΑΤΩΝ ΣΤΗΝ ΠΡΟΒΛΕΨΗ ΚΟΣΤΟΥΣ ΜΗΧΑΝΟΛΟΓΙΚΩΝ ΕΡΓΩΝ

APPLICATION OF INTELLIGENT SYSTEMS ON THE COST PREDICTION OF MECHANICAL PROJECTS (Αγγλική)

  1. MSc thesis
  2. Λιβιτσάνου, Χριστίνα
  3. Διαχείριση Τεχνικών Έργων (ΔΧΤ)
  4. 26 Σεπτεμβρίου 2021 [2021-09-26]
  5. Ελληνικά
  6. 187
  7. Αρετούλης, Γεώργιος
  8. Αρετούλης, Γεώργιος | Πολύζος, Σεραφείμ
  9. τεχνητά νευρωνικά δίκτυα | διαχείριση κόστους | μηχανολογικά έργα | πρόβλεψη | στατιστική επεξεργασία | τεχνικά έργα | διαχείριση έργου | μοντέλα | artificial neural networks | statistical processing | cost management | engineering projects | prediction | models | technical projects | project management | IBM | SPSS
  10. 3
  11. 34
  12. 65
  13. Περιέχει : πίνακες, διαγράμματα, εικόνες
  14. Καλοφωλιάς Α. & Τζάμος Θ.(2003). Οικονομικά Τεχνικών Έργων, Τόμος Β' Σχεδιασμός και Εκτίμηση Έργων. Πάτρα : Ελληνικό Ανοιχτό Πανεπιστήμιο
    • Τα μηχανολογικά έργα αποτελούν μεγάλο και αναπόσπαστο μέρος πολλών τεχνικών έργων ανεξαρτήτως μεγέθους. Κατά την εκτέλεση των μηχανολογικών έργων παρουσιάζονται μεγάλες αποκλίσεις κόστους από το στάδιο προσφοράς στο στάδιο εκτέλεσης. Σε συνεργασία με εταιρία μηχανολογικών εγκαταστάσεων, αναζητήθηκαν οικονομικά και άλλα στοιχεία από αρχείο, για 87 ολοκληρωμένα μηχανολογικά έργα. Από αυτό το δείγμα επιλέχθηκαν 48 για να μελετηθούν ώστε το δείγμα να παρουσιάζει ομοιογένεια. Τα 48 μηχανολογικά έργα υλοποιήθηκαν τα τελευταία δέκα χρόνια από την ίδια εταιρία σε τέσσερις επαρχίες της Κυπριακής Δημοκρατίας και όλα περιλάμβαναν εργασίες Ύδρευσης, Αποχέτευσης, Θέρμανσης/Ψύξης, Πυρόσβεση και Αερισμό και επιπλέον εμπεριέχαν κόστος για την εταιρεία για προμήθεια Υλικών και Μηχανημάτων. Στόχος της παρούσας εργασίας αποτελεί να παρουσιαστούν στοιχεία των έργων, που αφορούν τη φάση της προετοιμασίας της προσφοράς και την φάση εκτέλεσης των εργασιών των έργων και να διερευνηθούν τα βέλτιστα μοντέλα νευρωνικών δικτύων της μεταβολής του κόστους, με μεταβλητές που είναι γνωστές κατά τη μελέτη και τη προσφοροδότηση για το έργο. Για την επίτευξη του στόχου της μελέτης έγινε στατιστική επεξεργασία των δεδομένων των έργων, από την οποία προέκυψαν οι συντελεστές συσχέτισης των μεταβλητών που χρησιμοποιήθηκαν με τη ποσοστιαία μεταβολή του κόστους. Για την επεξεργασία των στοιχείων που συλλέχθηκαν χρησιμοποιήθηκε το λογισμικό IBM SPSS STATISTICS. Στη συνέχεια, με τη χρήση των τεχνητών νευρωνικών δικτύων του προγράμματος IBM SPSS STATISTICS δημιουργήθηκαν μοντέλα για την ποσοτικοποίηση της απόκλισης κόστους για μεγέθη όπως τα εργατικά κόστη, το κόστος υλικών, το κόστος μηχανημάτων και διάφορων στοιχείων του έργου και τη ποσοστιαία μεταβολή του κόστους από το στάδιο της προσφοράς στο στάδιο της εκτέλεσης. Τελικά, τα επικρατέστερα τεχνητά νευρωνικά δίκτυα αποτελούν αυτά με ανεξάρτητες μεταβλητές το συμβόλαιο, τα εργατικά εκτέλεσης και τα υλικά εκτέλεσης. Με βάση τη συγκεκριμένη έρευνα, εργοληπτικές εταιρίες, δημόσιοι φορείς και μελετητές που ασχολούνται ή αναλαμβάνουν τέτοιου τύπου έργα μπορούν να γνωρίζουν, ποιες παράμετροι πρέπει να ληφθούν υπόψη στον προγραμματισμό και στην κοστολόγηση ενός έργου στη φάση προσφοράς για πετύχουν μικρότερη απόκλιση κατά την εκτέλεση ενός έργου και να ελέγξουν μετά την ολοκλήρωση αν η υπέρβαση ήταν σύμφωνα με τα αναμενόμενα.
    • Mechanical works are a large and integral part of many technical projects regardless of size. During the execution of the mechanical works, large differences of cost are presented from the offer stage to the execution stage. In collaboration with a mechanical installation company, financial and other data were sought from an archive for 87 completed mechanical projects. From this sample, 48 were selected to be studied so that the sample is reliable. The 48 engineering projects were implemented in the last ten years by the same company in four provinces of the Republic of Cyprus and included Water, Sewerage, Heating / Cooling, Fire and Ventilation and in addition included costs for the company for the supply of Materials and Machinery. The aim of this paper is to present data of the projects, concerning the phase of preparation of the quotation and the phase of execution of the works of the projects and to search for the best models of neural networks of the percentage change of cost, with variables known during the study and the auction of the project. In order to achieve the goal of the study, the data of the projects were statistically processed, from which the correlation coefficients of the variables used with the time variance and the percentage change of the cost were derived. The IBM SPSS STATISTICS software were used to process the collected data. Then, using the artificial neural networks of the IBM SPSS STATISTICS program, models were developed to quantify the cost difference for sizes such as labor costs, material costs, the cost of machinery and various elements of the project and the percentage change in costs from its stage. offer at the stage of execution. These models were developed with both the Radial Basis Function RBF and the Perceptron Multi-Layer Network (MLP) methodologies. Finally, the predominant neural network networks are those with independent variables the contract, the labor costs in the execution phase and the cost of materials also in the execution phase. Based on this research, contractors, public services and designers who deal with such projects can know, which parameters should be taken into account in the planning and costing of a project in the bidding phase to achieve a smaller deviation in the execution of a project.
  15. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.