Модел за детекцију и анализу узрока кашњења на пројектима базиран на подацима издвојеним из неструктурираних извора
Докторска теза (Објављена верзија)
Метаподаци
Приказ свих података о документуАпстракт
Прекорачење рокова на грађевинским пројектима представља глобални
феномен који се истражује већ деценијама. Традиционални приступ детекцији
и анализи узрока кашњења најчешће подразумева прикупљање искустава
експерата везано за групе сродних пројеката (по врсти или географској
локацији). Резултат таквог приступа је листа узрока кашњења хијерархијски
поређана према њиховом значају. Таква емпиријска истраживања су
неминовно обојена субјективизмом и пристрасношћу експерата и не доводе до
утврђивања који су то базни узроци кашњења (root causes of delay) на нивоу
појединачног пројекта.
У циљу приказа наведених слабости традиционалног приступа, као и због
стварања основе за дефинисање и каснију валидацију новог приступа,
прикупљени су подаци са 75 пројеката путне инфраструктуре који су
реализовани у Србији у периоду од 2004. до 2021. године и формирана је
одговарајућа база података. Резултати истраживања и анализе података из
базе указују да је преко 80% пројеката им...ало кашњење док је просечно
прекорачење износило више од 90% уговореног трајања. На основу спроведене
анкете кључних учесника на пројектима из базе, формирана је листа узрока
која не одступа у односу на већину студија. При томе, добијене су ниске
вредности Spearman-овог ранга корелације (0,204 - 0,565) између ставова
различитих учесника, што потврђује значајно присуство субјективизма и
пристрасности у спроведеним емпиријским истраживањима (анкетама).
Главни циљ докторске дисертације је формирање новог модела за
непристрасно откривање базних узрока кашњења на нивоу појединачног
пројекта и његових физичких целина, применом машинског учења на
неструктурираној текстуалној документацији са пројекта. Изабрани
текстуални документи за развој модела су записници са састанака (Minutes of
Meetings), зато што они садрже свеобухватне информације о кашњењима,
настале у време настанка проблема и то са прецизном временском
одредницом. Технике машинског учења, користећи Transformer језичке моделе,
омогућавају аутоматску детекцију узрока кашњења. Фокусирано експертско
знање се користи за додатно непристрасно обучавање модела за изабрани
домен путне инфраструктуре, повезивањем делова текста са узроцима
кашњења из претходно дефинисане листе. Препознате физичке целине путних
инфраструктурних пројеката су: тунел, траса и мост. Комбинујући наведене
елементе, у дисертацији је развијен аналитички Модел за детекцију и анализу
узрока кашњења на грађевинским пројектима путне инфраструктуре, назван
DREAM (Delay Root-causes Extraction and Analysis Model).
У првој фази, DREAM аутоматски генерише листу детектованих узрока
кашњења по пројектним целинама, засновану на учесталости њиховог
viii
појављивања у записницима са састанака. Резултати показују да је модел у
стању да детектује узроке кашњења са задовољавајућим вредностима одзива
(recall =0,69, за најучесталије узроке кашњења).
У другој фази, DREAM, захваљујући временској компоненти записника,
омогућава потпуно нову и јединствену функционалност - графичку
презентацију временске дистрибуције узрока кашњења током пројекта.
Квалитативном анализом информативних графикона који показују учесталост
и интензитет појединачних узрока кашњења, стручњаци могу да разумеју
природу проблема и открију базне узроке кашњења (root causes of delay), што
је кључни циљ свих истраживања о кашњењима на грађевинским пројектима.
Спроведено истраживање пружа научни и стручни допринос. Предложен је
нов приступ идентификацији и анализи узрока кашњења, кроз развијен
аналитички модел базиран на текстуалним подацима, машинском учењу и
фокусираној употреби експертског знања. DREAM превазилази недостатке
традиционалног приступа приликом формирања листе узрока кашњења, и
омогућава откривање базних узрока кашњења применом јединствене
функционалности – временске дистрибуције узрока кашњења. У стручном
смислу, предложени модел пружа непристрасну помоћ при реконструкцији
догађаја који су проузроковали кашњење на нивоу појединачног пројекта и
његових целина, што доприноси смањењу спорова између уговорних страна и
помажу приликом интелигентног доношења одлука на будућим пројектима.
Кључне речи:
кашњење / базни узроци кашњења / изградња путне инфраструктуре / машинско учење / рударење по текстуалним документима / Transformer / неструктурирани подациИзвор:
2023Финансирање / пројекти:
- Развој методе израде пројектне и извођачке документације инсталационих мрежа у зградама компатибилне са BIM процесом и релевантним стандардима (RS-MESTD-Technological Development (TD or TR)-36038)
Колекције
Институција/група
GraFarTY - THES AU - Ivanović, Marija PY - 2023 UR - https://grafar.grf.bg.ac.rs/handle/123456789/3243 AB - Прекорачење рокова на грађевинским пројектима представља глобални феномен који се истражује већ деценијама. Традиционални приступ детекцији и анализи узрока кашњења најчешће подразумева прикупљање искустава експерата везано за групе сродних пројеката (по врсти или географској локацији). Резултат таквог приступа је листа узрока кашњења хијерархијски поређана према њиховом значају. Таква емпиријска истраживања су неминовно обојена субјективизмом и пристрасношћу експерата и не доводе до утврђивања који су то базни узроци кашњења (root causes of delay) на нивоу појединачног пројекта. У циљу приказа наведених слабости традиционалног приступа, као и због стварања основе за дефинисање и каснију валидацију новог приступа, прикупљени су подаци са 75 пројеката путне инфраструктуре који су реализовани у Србији у периоду од 2004. до 2021. године и формирана је одговарајућа база података. Резултати истраживања и анализе података из базе указују да је преко 80% пројеката имало кашњење док је просечно прекорачење износило више од 90% уговореног трајања. На основу спроведене анкете кључних учесника на пројектима из базе, формирана је листа узрока која не одступа у односу на већину студија. При томе, добијене су ниске вредности Spearman-овог ранга корелације (0,204 - 0,565) између ставова различитих учесника, што потврђује значајно присуство субјективизма и пристрасности у спроведеним емпиријским истраживањима (анкетама). Главни циљ докторске дисертације је формирање новог модела за непристрасно откривање базних узрока кашњења на нивоу појединачног пројекта и његових физичких целина, применом машинског учења на неструктурираној текстуалној документацији са пројекта. Изабрани текстуални документи за развој модела су записници са састанака (Minutes of Meetings), зато што они садрже свеобухватне информације о кашњењима, настале у време настанка проблема и то са прецизном временском одредницом. Технике машинског учења, користећи Transformer језичке моделе, омогућавају аутоматску детекцију узрока кашњења. Фокусирано експертско знање се користи за додатно непристрасно обучавање модела за изабрани домен путне инфраструктуре, повезивањем делова текста са узроцима кашњења из претходно дефинисане листе. Препознате физичке целине путних инфраструктурних пројеката су: тунел, траса и мост. Комбинујући наведене елементе, у дисертацији је развијен аналитички Модел за детекцију и анализу узрока кашњења на грађевинским пројектима путне инфраструктуре, назван DREAM (Delay Root-causes Extraction and Analysis Model). У првој фази, DREAM аутоматски генерише листу детектованих узрока кашњења по пројектним целинама, засновану на учесталости њиховог viii појављивања у записницима са састанака. Резултати показују да је модел у стању да детектује узроке кашњења са задовољавајућим вредностима одзива (recall =0,69, за најучесталије узроке кашњења). У другој фази, DREAM, захваљујући временској компоненти записника, омогућава потпуно нову и јединствену функционалност - графичку презентацију временске дистрибуције узрока кашњења током пројекта. Квалитативном анализом информативних графикона који показују учесталост и интензитет појединачних узрока кашњења, стручњаци могу да разумеју природу проблема и открију базне узроке кашњења (root causes of delay), што је кључни циљ свих истраживања о кашњењима на грађевинским пројектима. Спроведено истраживање пружа научни и стручни допринос. Предложен је нов приступ идентификацији и анализи узрока кашњења, кроз развијен аналитички модел базиран на текстуалним подацима, машинском учењу и фокусираној употреби експертског знања. DREAM превазилази недостатке традиционалног приступа приликом формирања листе узрока кашњења, и омогућава откривање базних узрока кашњења применом јединствене функционалности – временске дистрибуције узрока кашњења. У стручном смислу, предложени модел пружа непристрасну помоћ при реконструкцији догађаја који су проузроковали кашњење на нивоу појединачног пројекта и његових целина, што доприноси смањењу спорова између уговорних страна и помажу приликом интелигентног доношења одлука на будућим пројектима. T1 - Модел за детекцију и анализу узрока кашњења на пројектима базиран на подацима издвојеним из неструктурираних извора UR - https://hdl.handle.net/21.15107/rcub_grafar_3243 ER -
@phdthesis{ author = "Ivanović, Marija", year = "2023", abstract = "Прекорачење рокова на грађевинским пројектима представља глобални феномен који се истражује већ деценијама. Традиционални приступ детекцији и анализи узрока кашњења најчешће подразумева прикупљање искустава експерата везано за групе сродних пројеката (по врсти или географској локацији). Резултат таквог приступа је листа узрока кашњења хијерархијски поређана према њиховом значају. Таква емпиријска истраживања су неминовно обојена субјективизмом и пристрасношћу експерата и не доводе до утврђивања који су то базни узроци кашњења (root causes of delay) на нивоу појединачног пројекта. У циљу приказа наведених слабости традиционалног приступа, као и због стварања основе за дефинисање и каснију валидацију новог приступа, прикупљени су подаци са 75 пројеката путне инфраструктуре који су реализовани у Србији у периоду од 2004. до 2021. године и формирана је одговарајућа база података. Резултати истраживања и анализе података из базе указују да је преко 80% пројеката имало кашњење док је просечно прекорачење износило више од 90% уговореног трајања. На основу спроведене анкете кључних учесника на пројектима из базе, формирана је листа узрока која не одступа у односу на већину студија. При томе, добијене су ниске вредности Spearman-овог ранга корелације (0,204 - 0,565) између ставова различитих учесника, што потврђује значајно присуство субјективизма и пристрасности у спроведеним емпиријским истраживањима (анкетама). Главни циљ докторске дисертације је формирање новог модела за непристрасно откривање базних узрока кашњења на нивоу појединачног пројекта и његових физичких целина, применом машинског учења на неструктурираној текстуалној документацији са пројекта. Изабрани текстуални документи за развој модела су записници са састанака (Minutes of Meetings), зато што они садрже свеобухватне информације о кашњењима, настале у време настанка проблема и то са прецизном временском одредницом. Технике машинског учења, користећи Transformer језичке моделе, омогућавају аутоматску детекцију узрока кашњења. Фокусирано експертско знање се користи за додатно непристрасно обучавање модела за изабрани домен путне инфраструктуре, повезивањем делова текста са узроцима кашњења из претходно дефинисане листе. Препознате физичке целине путних инфраструктурних пројеката су: тунел, траса и мост. Комбинујући наведене елементе, у дисертацији је развијен аналитички Модел за детекцију и анализу узрока кашњења на грађевинским пројектима путне инфраструктуре, назван DREAM (Delay Root-causes Extraction and Analysis Model). У првој фази, DREAM аутоматски генерише листу детектованих узрока кашњења по пројектним целинама, засновану на учесталости њиховог viii појављивања у записницима са састанака. Резултати показују да је модел у стању да детектује узроке кашњења са задовољавајућим вредностима одзива (recall =0,69, за најучесталије узроке кашњења). У другој фази, DREAM, захваљујући временској компоненти записника, омогућава потпуно нову и јединствену функционалност - графичку презентацију временске дистрибуције узрока кашњења током пројекта. Квалитативном анализом информативних графикона који показују учесталост и интензитет појединачних узрока кашњења, стручњаци могу да разумеју природу проблема и открију базне узроке кашњења (root causes of delay), што је кључни циљ свих истраживања о кашњењима на грађевинским пројектима. Спроведено истраживање пружа научни и стручни допринос. Предложен је нов приступ идентификацији и анализи узрока кашњења, кроз развијен аналитички модел базиран на текстуалним подацима, машинском учењу и фокусираној употреби експертског знања. DREAM превазилази недостатке традиционалног приступа приликом формирања листе узрока кашњења, и омогућава откривање базних узрока кашњења применом јединствене функционалности – временске дистрибуције узрока кашњења. У стручном смислу, предложени модел пружа непристрасну помоћ при реконструкцији догађаја који су проузроковали кашњење на нивоу појединачног пројекта и његових целина, што доприноси смањењу спорова између уговорних страна и помажу приликом интелигентног доношења одлука на будућим пројектима.", title = "Модел за детекцију и анализу узрока кашњења на пројектима базиран на подацима издвојеним из неструктурираних извора", url = "https://hdl.handle.net/21.15107/rcub_grafar_3243" }
Ivanović, M.. (2023). Модел за детекцију и анализу узрока кашњења на пројектима базиран на подацима издвојеним из неструктурираних извора. . https://hdl.handle.net/21.15107/rcub_grafar_3243
Ivanović M. Модел за детекцију и анализу узрока кашњења на пројектима базиран на подацима издвојеним из неструктурираних извора. 2023;. https://hdl.handle.net/21.15107/rcub_grafar_3243 .
Ivanović, Marija, "Модел за детекцију и анализу узрока кашњења на пројектима базиран на подацима издвојеним из неструктурираних извора" (2023), https://hdl.handle.net/21.15107/rcub_grafar_3243 .