Ανάπτυξη υβριδικού πλαισίου πρόβλεψης κόστους κτιριακών έργων ανακαίνισης με συνδυασμό θεωρίας χρησιμότητας, πολυκριτηριακής ανάλυσης και αλγορίθμων μηχανικής μάθησης

Abstract

Considering the inherent uncertainty, incomplete initial data and unpredictable factors that characterise renovations in existing structures, accurate total cost estimation in engineering projects—and renovations in particular—represents one of the construction industry's most significant challenges. Conventional methods of estimation sometimes produce significant cost variances since they are unable to accurately model these non-linear features. The present doctoral dissertation synergistically incorporates Utility Theory, Multi-Criteria Decision Analysis (MCDA), and Hybrid Artificial Neural Networks with Multiple Linear Regression (MLR) to propose an innovative, integrated methodology for total cost estimation in technical projects, specifically applied to renovation projects. The develop-ment and analysis of a significant database of completed renovation projects provided the foundation for the research. Following the organisation and statistical evaluation of historical data, the proposed approach developed in three distinct yet integrated phases. Initially, the degree of uncertainty for each completed project is quantified per group work utilising utility theory. After a multi-parametric process which consisted of (a) a thorough literature review, (b) expert judgement through structured questionnaires, (c) statistical data processing, and (d) data significance evaluation, the Utility Indices UIj, which indicate the uncertainty weight of each project, were ultimately developed. The best possible historical projects are then assessed and chosen utilising the multi-criteria analysis method referred to as TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution). Through employing this filtering procedure, 40 projects are selected as the ideal homogenous training sample, demonstrating the highest degree of similarity to the project's attributes. Ultimately, a Hybrid Combinatorial Model that combines a Multiple Linear Regres-sion (MLR) model with a Radial Basis Function Artificial Neural Network (ANN-RBF) is provided with the processed data. Both linear patterns and intricate non-linear correlations between cost elements can be captured concurrently with this particular structure. The model was assessed utilising three distinct case studies and trained on actual data. The findings demonstrated the methodology's outstanding accuracy in forecasting, as the mean prediction error for typical projects was significantly low with a value of 1.70%, while even in projects with extensive technical particularities, it remained within acceptable ranges (~20%). The doctoral dissertation intends to provide a reliable decision support system for the building sector and the scientific community. Additionally, the architecture of the suggested model ensures its dynamic adaptability to market conditions by permitting continuous updates utilising additional information. The suggested methodology aims to reduce risk to the company while strengthening construction organisations' ability to withstand the unpredictability associated with intricate renovation projects.

Η ακριβής πρόβλεψη του συνολικού κόστους στα τεχνικά έργα και ειδικότερα στα έργα ανακαίνισης, αποτελεί μια από τις μεγαλύτερες προκλήσεις για τον κλάδο των κατασκευών, λόγω της αβεβαιότητας, της ελλιπούς αρχικής πληροφόρησης και των αστάθμητων παραγόντων που χαρακτηρίζουν τις παρεμβάσεις σε υφιστάμενα κτίρια. Οι συμβατικές μέθοδοι εκτίμησης συχνά αδυνατούν να προσομοιώσουν αποτελεσματικά αυτές τις μη γραμμικές παραμέτρους οδηγώντας σε σημαντικές οικονομικές αποκλίσεις. Η παρούσα διδακτορική διατριβή προτείνει μία καινοτόμο, ολοκληρωμένη μεθοδολογία για την εκτίμηση του συνολικού κόστους στα οικοδομικά έργα ανακαίνισης, συνδυά-ζοντας τη Θεωρία Χρησιμότητας, την Πολυκριτηριακή Ανάλυση Αποφάσεων και τα Υβριδικά Τεχνητά Νευρωνικά Δίκτυα συνδυαστικά με τη μέθοδο της Πολλαπλής Γραμμικής Παλινδρόμησης. Η έρευνα βασίστηκε στη συλλογή και δημιουργία ενός αναλυτικού μητρώου ιστορικών έργων ανακαίνισης. Η προτεινόμενη προσέγγιση μετά τη χαρτογράφηση και τη στατιστική ανάλυση των ιστορικών δεδομένων αναπτύσσεται σε τρία διακριτά και αλληλένδετα στάδια. Αρχικά, εφαρμόζεται η Θεωρία Χρησιμότητας για την ποσοτικοποίηση της αβεβαιότητας ανά ομάδα εργασιών κάθε ιστορικού έργου. Η διαμόρφωση των σταθμισμένων δεικτών Χρησιμότητας (Utility Index (UIjι)), οι οποίοι αντικατοπτρίζουν τη βαρύτητα αβεβαιότητας κάθε εργασίας προέκυψε από μία πολυπαραμετρική διαδικασία που συνθέτει, (α) την εκτενή βιβλιογραφική ανασκόπηση, (β) την κρίση ειδικών επιστημόνων μέσω δομημένων ερωτηματολογίων (γ) τη στατιστική επεξεργασία των δεδομένων και (δ) την ανάλυση σημαντικότητας των δεδομένων. Στη συνέχεια, αξιοποιείται η μέθοδος πολυκριτηριακής ανάλυσης TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution) για την αξιολόγηση και επιλογή των πλέον κατάλληλων ολοκληρωμένων έργων. Μέσω αυτής της διαδικασίας φιλτραρίσματος επιτυγχάνεται ο καθορισμός ενός βέλτιστου ομοιογενούς δείγματος εκ-παίδευσης 40 έργων, το οποίο παρουσιάζει τη μέγιστη συνάφεια με τα χαρακτηριστικά ενός υπό μελέτη έργου. Τέλος, τα επεξεργασμένα δεδομένα τροφοδοτούν ένα Υβριδικό Συνδυαστικό Μοντέλο, το οποίο συνδυάζει ένα δίκτυο Τεχνητών Νευρωνικών Δικτύων Συναρτήσεων Ακτινικής Βάσης (Artificial Neural Networks- Radial Basis Function, (ΑΝΝ-RBF)) με ένα μοντέλο Πολλαπλής Γραμμικής Παλινδρόμησης (Multi-Linear Regression Model, (MLR)). Η συγκεκριμένη Αρχιτεκτονική επιτρέπει την ταυτόχρονη σύλληψη τόσο των γραμμικών τάσεων όσο και των πολύπλοκων μη γραμμικών συσχετίσεων μεταξύ των μεταβλητών κό-στους.Το μοντέλο εκπαιδεύτηκε σε πραγματικά δεδομένα και αξιολογήθηκε μέσω τριών ανεξάρτητων περιπτώσεων μελέτης. Τα αποτελέσματα ανέδειξαν την υψηλή προγνωστική ικανότητα του συστήματος, με το μέσο σφάλμα πρόβλεψης να κυμαίνεται στο εξαιρετικά χαμηλό ποσοστό του 1,70% για τυπικά έργα, ενώ διατηρήθηκε σε διαχειρίσιμα επίπεδα (~20%) ακόμη και σε έργα με ακραίες ιδιαιτερότητες. Η παρούσα διδακτορική διατριβή συνεισφέρει στην επιστημονική κοινότητα και στον κατασκευαστικό κλάδο, παρέχοντας ένα αξιόπιστο σύστημα υποστήριξης λήψης αποφάσεων. Παράλληλα η αρχιτεκτονική του προτεινόμενου μοντέλου επιτρέπει τη συνεχή επικαιροποίηση του με νέα δεδομένα διασφαλίζοντας τη δυναμική προσαρμογή του μοντέλου στις συνθήκες της αγοράς. Μέσω της προτεινόμενης μεθοδολογίας επιδιώκεται η ελαχιστοποίηση του επιχειρηματικού ρίσκου και η θωράκιση των τεχνικών εταιριών έναντι της αβεβαιότητας που χαρακτηρίζει τα οικοδομικά έργα ανακαίνισης.