Machine learning based decision-making model for on-site subcontractor performance management
İnşaat sahasında alt yüklenici performans yönetimi için makine öğrenimi tabanlı karar verme modeli
- Tez No: 824259
- Danışmanlar: PROF. DR. ZEYNEP IŞIK, DR. ÖĞR. ÜYESİ HANDE ALADAĞ
- Tez Türü: Doktora
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: İnşaat Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnşaat projelerinde işlerin önemli bir yükünü taşıyan alt yüklenicilerin seçimine yönelik çalışmalara literatürde sıkça değinilmekle birlikte, proje uygulama aşamasında alt yüklenici performansının ölçülmesi ve değerlendirilmesine yönelik çalışmalara pek rastlanılmamıştır. Bu nedenle, bu tez, buradaki boşluğu doldurmak için hazırlanmıştır. Model, alt yüklenici performans ölçüm kriterlerini, kriterlerin önem ağırlıklarının belirlenmesi için Pisagor Bulanık Analitik Hiyerarşi Süreci (PFAHP) aşamasını, yerinde alt yüklenici performans ölçümünü, verilerin Makine Öğrenimi (ML) metoduyla değerlendirmesini ve karar verme aşamasını oluşturan bir aksiyon planı oluşturulmasını içermektedir. Derinlemesine bir literatür taraması ve uzman değerlendirmeleri sonucu, 7 ana grupta 23 alt kriter oluşturulmuştur. Kriterlerin önem ağırlıkları, sektördeki uzmanların PFAHP metodunu kullanarak ikili kıyaslama yapmaları sonucu belirlenmiştir. Sahada performansı ölçülen alt yüklenicilerin ağırlıklı ortalama performans değerleri (SC-AWP), PFAHP aracılığıyla hesaplanmıştır. SC-AWP sonuçları ve performans ölçüm verileri modelde önerilen ML algoritmasında kullanılmıştır. ML algoritmalarından Decision Tree (DT), Linear Regression, Support Vector Machine (SVM), Gaussian Process Regression (GPR), Ensemble ve Neural Network algoritmaları test edilmiştir. Hepsi başarılı sonuçlar vermiş olsa bile çıktıların daha kolay okunabilmesi, yorumlanabilmesi ve inşaat sahasında hızlı karar alınabilmesinin sağlanması amacıyla DT algoritmasının kullanımı uygun bulunmuştur. Bir karar ağacı modeli oluşmuş ve alt yüklenicilerin bu modeldeki adımların takibiyle performans değerlerinin yer aldığı başarı grubu tahmini yapılmıştır. Tahmin performansını doğrulamak ve proje veri setini analiz etmede modelin etkinliğini değerlendirmek için ML modeli performans değerlendirmesi ve geçerlilik analizi yapılmıştır. Oluşan değerlere göre bir aksiyon planı önerilmiş, bu aksiyon planında genel değerlendirme yapılabileceği gibi, sorunun köküne ulaşabilmek için kriter bazlı değerlendirme de önerilmiştir. Dinamik alt yüklenici performans yönetim modelinin geçerlilik analizi yapılarak, modelin başarılı sonuçlar ortaya koyduğu tespit edilmiştir.
Özet (Çeviri)
Studies focused on the selection of subcontractors (SCs), who carry a significant burden of the works in construction projects, are frequently mentioned in the literature, but studies on measuring and evaluating the SC performance during the project execution phase have not been encountered much. Therefore, this thesis has been prepared to fill this gap. The model includes SC performance measurement criteria, Pythagorean Fuzzy Analytic Hierarchy Process (PFAHP) stage, on-site SC performance measurement, evaluation of the data by machine learning (ML) method and creating an action plan that constitutes the decision-making stage. By in-depth literature review and expert evaluations, 23 sub-criteria were created in 7 main groups. Criterion importance weights were determined by industry experts using the PFAHP method. SC average weighted performance values (SC-AWP) were calculated via PFAHP. SC-AWP results and performance measurement data are used in the proposed ML algorithm in the model. Decision Tree (DT), Linear Regression, Support Vector Machine (SVM), Gaussian process regression (GPR), Ensemble and Neural Network algorithms were tested as ML techniques. Even if all of them gave successful results, it was found appropriate to use the DT algorithm in order to make the outputs easier to interpret and to make quick decisions on the construction site. ML model performance evaluation and validity analysis were performed to validate the prediction performance and evaluate the effectiveness of the model in analyzing the project dataset. An action plan has been proposed according to the values that have occurred, a general evaluation can be made in this action plan, as well as a criterion-based evaluation in order to reach the root of the problem. The validity analysis of the dynamic SC performance management model was performed and it was determined that the model showed successful results.
Benzer Tezler
- Grup teknolojisi imalat sistemleri tasarımı için bir metodoloji ve bu metodolojinin endüstride uygulanması
Başlık çevirisi yok
NEVİN AYDIN
Doktora
Türkçe
1998
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. M. BÜLENT DURMUŞOĞLU
- Bölgesel enerji potansiyeline göre kümeleme ve bulanık çok kriterli karar verme ile yenilenebilir enerji alternatiflerinin analizi: rüzgar enerjisi santrali yer seçimi için model önerisi
Assessment of renewable energy alternatives based on regional energy potential through clustering and fuzzy multi-criteria decision making: A site selection model for wind power plants
SELEN AVCI AZKESKİN
Doktora
Türkçe
2025
Endüstri ve Endüstri MühendisliğiKocaeli ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ZERRİN ALADAĞ
- Türkiye'deki havalimanlarında düşük görüş mesafesinin istatistiksel ve meteorolojik analizi ile makine öğrenmesi tabanlı tahmini
Statistical and meteorological analysis, and machine learning-based prediction of low visibility at airports in Türkiye
İBRAHİM AKBAYIR
Doktora
Türkçe
2025
Sivil Havacılıkİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ DEMİRHAN
- Human-machine collaboration in landscape architecture:Multi-stage integration of ai into landscape site analysisworkflow
Peyzaj mimarlığında insan-makine işbirliği: Yapay zekanınçevre analizi sürecine çok katmanlı entegrasyonu
BUSE EZGİ ER
Yüksek Lisans
İngilizce
2026
Peyzaj Mimarlığıİstanbul Teknik ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. MELİH BOZKURT
- A comprehensive analysis of Turkish sea level changes and future modeling using machine learning methods
Türk deniz seviyesi değişikliklerinin kapsamlı analizi ve makine öğrenimi yöntemleriyle gelecek modellemesi
ELİF KARTAL
Doktora
İngilizce
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜSSELAM ALTUNKAYNAK