This study presents an artificial intelligence technique based on ensemble of artificial neural networks for the purposes of analysis and prediction of labour productivity. The study focuses on the development of model that combines several artificial neural networks on the basis of real-life data collected on a construction site for steel reinforcement works. The data includes conditions, characteristics, features of steel reinforcement works and related efficiencies of workers assigned to particular tasks recorded on site. The proposed ensemble based model combines five supervised learning models - five different multilayer perceptron networks, which contribution in the prediction is weighted due to the application of generalised averaging approach. Testing results show that the proposed ensemble based model achieves the satisfactory evaluation criteria for coefficient of correlation (0.989), root-mean-squared error (2.548), mean absolute percentage error (4.65%) and maximum absolute percentage error (8.98%).
PL
Wydajność pracy ma kluczowy wpływ na czas realizacji i koszty przedsięwzięć budowlanych. W publikacji przedstawiono wyniki prac badawczych nad wykorzystaniem zespołów sztucznych sieci neuronowych w analizie i predykcji wydajności pracy na przykładzie robot zbrojarskich. Analiza została przeprowadzona w oparciu dane zbierane przez wykonawcę w trakcie realizacji robót. Celem pracy badawczej była ocena przydatności danych zebranych przez wykonawcę robot oraz proponowanego narzędzia matematycznego do analizy i predykcji wydajności pracy.
Construction planning always requires labour productivity estimation. Often, in the case of monolithic construction works, the available catalogues of productivity rates do not provide a reliable assessment. The paper deals with the problem of labour estimation for reinforcement works. An appropriate model of labour prediction problem is being introduced. It includes, between others, staff experience and reinforcement buildability. In the paper it is proposed, that labour requirements can be estimated with aggregated classifiers. The work is a continuation of earlier studies, in which the possibility of using classifier ensembles to predict productivity in monolithic works was investigated.
PL
Planowanie rzeczowe i kosztowe każdego przedsięwzięcia budowlanego wymaga analizy nakładów pracy. Od pewnego czasu obserwuje się w polskim budownictwie stopniowy spadek dostępności wysoko kwalifikowanej kadry pracowniczej. Z drugiej strony projekty konstrukcyjne obiektów żelbetowych są coraz bardziej złożone i jednocześnie „odchudzane”. Sprawia to, że prawidłowa ocena pracochłonności robót staje się coraz bardziej istotna. Problemy zaobserwowane na różnych krajowych budowach w przeciągu ostatniego roku stały się inspiracją do przeprowadzenia wstępnych badań w temacie pracochłonności prac zbrojarskich. Praca stanowi kontynuację wcześniejszych badań nad modelowaniem pracochłonności robót wykonywanych w technologii MBB i zaprezentowano w niej możliwość modelowania norm wykonania zbrojenia przy użyciu drzew decyzyjnych (pojedynczych i agregowanych).
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.