Использование искусственного интеллекта для прогнозирования рисков и оптимизации процессов реализации строительных проектов

Аннотация

Прогнозирование рисков и сокращение отклонений по срокам и стоимости остаётся слабым звеном при реализации строительных проектов, где заметная доля объектов завершается с превышением плановых показателей. Разрыв между детерминированным календарно-сметным расчётом и вероятностной природой отклонений порождает систематическую недооценку резервов. Цель работы – количественно оценить вклад предсказательного контура машинного обучения, встроенного в процессы планирования и оперативного управления, в снижение проектных отклонений. На авторской имитационной модели монолитно-каркасного жилого объекта с плановой стоимостью 2 847,3 млн руб. и продолжительностью 26 месяцев выполнен расчёт методом Монте-Карло (10 000 итераций) по восьми факторам риска, дополненный сравнением четырёх алгоритмов прогнозирования итоговой стоимости и дисперсионным разложением вклада факторов. Базовый сценарий даёт среднее превышение сметы на 6,4% и срока – на 2,2 месяца при 80-м процентиле 10,3% и 30,4 месяца. Подключение предсказательного контура снижает средний перерасход до 3,4%, а среднее отставание – до 1,1 месяца, сокращая ожидаемые отклонения примерно наполовину. Наибольшую чувствительность интегральный показатель обнаруживает к ставочному риску и срыву поставок, которые в сумме формируют свыше 40% дисперсии итоговой стоимости. Распределение вклада факторов показывает, что эффект предсказательных алгоритмов достигается перенастройкой уже применяемых процедур календарного и стоимостного контроля, без обособленного управленческого блока.