پژوهشگران دانشگاه صنعتی امیرکبیر با طراحی شاخص «Claimability Index»، چارچوبی مبتنی بر هوش مصنوعی برای پیشبینی احتمال موفقیت ادعاهای پیمانکاران در پروژههای عمرانی ارائه کردهاند که میتواند با تبدیل ارزیابیهای تجربی و شهودی به یک فرآیند دادهمحور و هوشمند، به مدیران پروژه و کارشناسان قراردادهای عمرانی، در تصمیمگیری درباره پیگیری یا عدم پیگیری ادعاها کمک کند.
محسن اصغرینیا، دانشآموخته مهندسی عمران، گرایش مدیریت ساخت دانشگاه صنعتی امیرکبیر، با راهنمایی اقبال شاکری، عضو هیئت علمی دانشکده مهندسی عمران این دانشگاه، طرحی با عنوان «ارائه الگوی ارزیابی میزان تحقق ادعاهای پیمانکاران در پروژههای عمرانی با رویکرد هوش مصنوعی» یا پژوهش «Claimability Index: An AI Framework for Predicting Successful Construction Claims» اجرا کرده است.
به گزارش سیناپرس، اصغرینیا با اشاره به ضرورت اجرای این پژوهش گفت: در پروژههای عمرانی، ادعاهای پیمانکاری میتوانند موجب افزایش هزینهها، تأخیر در اجرای پروژه، بروز اختلافات قراردادی و ورود طرفین به فرآیندهای زمانبر داوری یا رسیدگیهای حقوقی شوند.
وی افزود: در بسیاری از شرکتها، تصمیمگیری درباره پیگیری یا کنار گذاشتن ادعاها عمدتا بر اساس تجربه افراد و بررسی دستی مدارک انجام میشود و در این میان، نبود یک معیار عددی و دادهمحور برای پیشبینی احتمال موفقیت ادعاهای پیمانکاری، یکی از چالشهای موجود است.
این دانشآموخته دانشگاه صنعتی امیرکبیر اظهار کرد: این پژوهش با هدف رفع این خلا و با طراحی شاخص «Claimability Index» یا «شاخص قابلیت ادعا» انجام شده است تا امکان سنجش عددی احتمال موفقیت ادعاهای پیمانکاری فراهم شود. این شاخص میتواند به مدیران پروژه و کارشناسان قرارداد کمک کند تا پیش از صرف هزینههای سنگین، درباره پیگیری، تقویت یا عدم پیگیری یک ادعا تصمیم دقیقتری اتخاذ کنند.
اصغرینیا اهمیت این طرح را در تغییر رویکرد تصمیمگیری از شیوههای تجربی به تصمیمگیری هوشمند، دادهمحور و قابل تکرار دانست و خاطرنشان کرد: هدف این پژوهش، فراهم کردن ابزاری است که بتواند فرآیند ارزیابی ادعاهای پیمانکاری را از وابستگی صرف به تجربه افراد خارج کرده و بر مبنای داده و تحلیل انجام دهد.
وی درباره روش اجرای پژوهش گفت: در مرحله نخست، ادبیات علمی مرتبط با مدیریت ادعا، اختلافات قراردادی و کاربرد هوش مصنوعی در صنعت ساخت مورد بررسی قرار گرفت. سپس عوامل موثر بر موفقیت ادعاها از جمله نوع ادعا، مبلغ مطالبه، مدت تاخیر، نوع قرارداد، کیفیت مستندات و نتیجه نهایی ادعاها شناسایی و به متغیرهای قابل تحلیل تبدیل شدند.
این پژوهشگر اضافه کرد: در ادامه، مدلهای یادگیری ماشین آموزش داده شدند و خروجی این مدلها در قالب شاخصی ساده و قابل استفاده برای تصمیمگیری ارائه شد تا بتوان از نتایج آن در فرآیند ارزیابی ادعاهای پیمانکاری استفاده کرد.
وی با اشاره به پیچیدگی اصلی اجرای طرح اظهار کرد: مهمترین چالش این تحقیق، تبدیل یک موضوع قراردادی، حقوقی و تا حدی کیفی به یک مدل عددی قابل تحلیل بود. ادعای پیمانکاری صرفا یک موضوع فنی نیست و به مجموعهای از عوامل زمانی، مالی، مستنداتی، مدیریتی و حقوقی وابسته است. بنابراین، طراحی متغیرهایی که از یک سو قابلیت پردازش توسط مدلهای هوش مصنوعی را داشته باشند و از سوی دیگر برای متخصصان صنعت ساخت قابل فهم و کاربردی باشند، یکی از دشوارترین بخشهای این پژوهش بود.
اصغرینیا با اشاره به کاربردهای این پژوهش در صنعت ساخت گفت: نتایج این تحقیق در حوزههای صنعت ساخت، مدیریت پروژه، مدیریت قرارداد، مدیریت ادعا و حلوفصل اختلافات پروژهای قابل استفاده است. شرکتهای پیمانکاری، کار فرمایان، مشاوران، دفاتر مدیریت پروژه، تیمهای مدیریت ادعا، مشاوران حقوقی و نهادهای داوری میتوانند از این چارچوب استفاده کنند.
این دانشآموخته دانشگاه صنعتی امیرکبیر ادامه داد: این طرح در پروژههای ساختمانی، راهسازی، حملونقل، نفت و گاز، انرژی، آب و فاضلاب و زیرساختهای شهری نیز کاربرد دارد.
وی درباره دستاوردهای پژوهش اظهار کرد: مقالهای از نتایج این پژوهش با عنوان «Claimability Index: An AI Framework for Predicting Successful Construction Claims» در ژورنال Q1 «ASCE Journal of Legal Affairs and Dispute Resolution in Engineering and Construction» منتشر شده است.
اصغرینیا افزود: همچنین برای ارائه حضوری این دستاورد در کنفرانس ASCE ۲۰۲۷ در فیلادلفیا، یک فولفاند پژوهشی به ارزش ۲ هزار دلار به محقق اعطا شده است.
وی با اشاره به روند ثبت اختراع این طرح گفت: مراحل اولیه ثبت اختراع این طرح نیز از طریق دانشگاه صنعتی امیرکبیر در حال انجام است. ادامه کار، بر توسعه این چارچوب در مسیر تبدیل آن به یک محصول فناورانه برای صنعت ساخت متمرکز خواهد بود. این سامانه میتواند بهصورت نرمافزار مستقل، سامانه تحت وب یا ماژول قابل اتصال به سامانههای مدیریت پروژه و مدیریت اسناد توسعه یابد.
وی افزود: همچنین امکان آموزش مدل اختصاصی برای هر شرکت بر اساس دادههای واقعی همان سازمان وجود دارد که میتواند زمینه استفاده متناسب از این فناوری در شرکتهای مختلف را فراهم کند.
اصغرینیا ویژگی اصلی این طرح را پیشبینی احتمال موفقیت ادعاهای پیمانکاری با استفاده از هوش مصنوعی دانست و گفت: خروجی سامانه به شکل یک عدد بین صفر و یک ارائه میشود و بهگونهای طراحی شده است که برای مدیران و کارشناسان غیرمتخصص در حوزه هوش مصنوعی نیز قابل فهم باشد.
به نقل از ایرنا، وی ادامه داد: قابلیت یادگیری از دادههای گذشته، بهروزرسانی مدل با استفاده از دادههای جدید و کمک به تصمیمگیری سریعتر، از دیگر ویژگیهای این طرح است.
این دانشآموخته دانشگاه صنعتی امیرکبیر درباره زمان اجرای پژوهش گفت: اجرای این تحقیق حدود ۱۲ ماه زمان برد و این مدت شامل بررسی ادبیات علمی، طراحی چارچوب، آمادهسازی دادهها، آموزش مدلهای هوش مصنوعی، تحلیل نتایج و تدوین خروجی علمی پژوهش بود.