Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Archives of Civil Engineering

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: nieobecność w pracy

Sortuj według:

Ogranicz wyniki do:

The possible impact of employee absenteeism risk on a construction project

Rogalska Magdalena, Hejducki Zdzisław

Archives of Civil Engineering

2022

Vol. 68, nr 4

31--44

Worker absenteeism is identified as the greatest threat to not meeting the completion date of a construction project. The purpose of this paper is to quantify the impact of employee absenteeism risk on the probabilistic lead time of a construction project. Calculations of employee absenteeism risk values were performed using data from the Central Statistical Office (Big Data). Probabilistic schedules with probability density functions (Normal, Exponential, Reyleigh, Triangle, Gamma, Cauchy) with and without calculated employee absenteeism risk were prepared. Student's t-test and MAPE analysis of mean absolute percentage errors were performed to determine differences between groups. It was found that with respect to the probability of completing the task in the range of 75 to 95% for all functions, an unacceptable MAPE error of 32.82% to 69.23% arises. Therefore, the authors postulate that the risk of worker absenteeism should be considered in every construction process when performing probabilistic scheduling, i.e., in the Building Information Modeling BIM methodology.

W artykule przeprowadzono kwantyfikację ryzyka absencji pracowników budowlanych celem wprowadzenia tej wartości do harmonogramów w ujęciu probabilistycznym oraz określenie wpływu na czas realizacji procesów budowlanych przy założeniach różnych rozkładów funkcji gęstości prawdopodobieństwa. Pominiecie wpływu absencji pracowniczej jako ryzyka czasu realizacji przedsięwzięcia budowlanego generuje błąd MAPE o wartości 32,82% do 69,23% w zależności od zadanej funkcji gęstości prawdopodobieństwa w odniesieniu do przedziału prawdopodobieństw ukończenia zadania od 75-95%. Jest to bardzo duży błąd - niedopuszczalny. Bardzo wysokie błędy MAPE zanotowano w odniesieniu do funkcji Gamma i Cauchy w każdym przedziale prawdopodobieństw ukończenia zadania. Nieuwzględnienie ryzyka absencji pracowniczej w obliczeniach służących do sporządzenia harmonogramu generują w tych przypadkach niedopuszczalny błąd. W odniesieniu do prawdopodobieństwa ukończenia zadania w przedziale od 5 do 70% dla funkcji Normal, Exponential, Reyleigh, Triangle błąd MAPE jest mały i wynosi około 3%, ale dla wartości od 75-95% jest już niedopuszczalny (32,8 o 34%). Wartość średnia dla prawdopodobieństwa od 5 do 95% błędu MAPE wynosi 11% - zatem jest to błąd dopuszczalny. Ze względu na wymagania normowe ISO 15686-5 Buildings and constructed assets- Service life planning, istnieje zalecenie kwantyfikcji czasu z prawdopodobieństwami wystąpienia zdarzenia polegającego na przekroczeniu czasu realizacji przedsięwzięcia budowlanego o wartościach co najmniej 10, 50 i 90%. W związku z powyższym autorzy postulują o uwzględnianie ryzyka absencji pracowniczej w każdym procesie budowlanym podczas wykonywania harmonogramów probabilistycznych, czyli w metodologii Building Information Modeling BIM.

Predicting the length of a post-accident absence in construction with decision trees and their ensembles

Krawczyńska-Piechna A.

Archives of Civil Engineering

2020

Vol. 66, nr 3

365--376

Produkcja budowlana jest jedną z najbardziej wypadkowych – zarówno w kraju, jak i na całym świecie, o czym świadczą badania naukowe oraz liczne statystyki i raporty. O ile liczne statystyki powypadkowe są cennym źródłem danych o wypadkach, o tyle znacznie cenniejsze dla zarządzających bezpieczeństwem na budowie i zajmujących się planowaniem robót są proste w interpretacji modele, pozwalające przewidywać zagrożenia i oceniać ich skutki. Badania w tym obszarze prowadzą m.in. [1,2,3,4,5,17,18]. W pracy skoncentrowano się na zagadnieniu długości nieobecności powypadkowej pracownika. Jest ona bowiem nie tylko uciążliwa dla pracodawcy z przyczyn organizacyjnych, ale także świadczy, co potwierdza [4,5], o poziomie bezpieczeństwa na budowie. W artykule skupiono się na analizie możliwości predykcji czasu trwania powypadkowej absencji pracownika przy użyciu drzew decyzyjnych i ich rodzin. Przedmiotem rozważań jest zatem N-elementowy zbiór U obserwacji – tj. odnotowanych wypadków w pracy. Każdą obserwację należącą do zbioru U charakteryzuje wektor [xi1, xi2, …, xiL, yi] tzw. atrybutów obserwacji. Wyróżniamy L atrybutów objaśniających (tzw. predyktorów): X1,…, XL oraz 1 atrybut objaśniany Y. Zmienne xi1, xi2, …, xiL , yi opisują wartości atrybutów i-tej obserwacji. Reprezentację zbioru U można zatem zapisać jako równanie (2.1). Dysponując określonym zbiorem obserwacji U, chcemy znaleźć relację pomiędzy długością powypadkowej absencji pracownika Y a okolicznościami wystąpienia wypadku X=[X1,…, XL] w postaci modelu.

Work safety control and analysis of accidents during the construction performance are some of the most important issues of the construction management. The paper focuses on the post-accident absence as an element of the occupational safety management. The occurrence of the post-accident absence of workers can be then treated as an indicator of building performance safety. The ability to estimate its length can also facilitate works planning and scheduling in case of the accident. The paper attempts to answer the question whether it is possible and how to use decision trees and their ensembles to predict the severity of the post-accident absence and which classification algorithm is the most promising to solve the prediction problem. The paper clarifies the model of the prediction problem, introduces 5 different decision tress and different aggregation algorithms in order to build the model. Thanks to the use of aggregation methods it is possible to build classifiers that predict precisely and do not require any initial data treatment, which simplifies the prediction process significantly. To identify the most promising classifier or classifier ensemble the prediction accuracy measures of selected classification algorithms were analyzed. The data to build the model was gathered on national (Polish) construction sites and was taken from literature. Models obtained within simulations can be used to build advisory or safety management systems allowing to detect threats while construction works are being planned or carried out.