Método de clasificación de pérdidas mediante making-do usando Machine Learning

Resumen

El presente estudio investiga el uso potencial y el modelo más adecuado para la clasificación automatizada de wasts derivados del making-do en sitios de construcción, utilizando técnicas de Machine Learning para reducir el trabajo y las inconsistencias del método manual. Dada la dificultad de analizar manualmente una base de datos textual robusta de no conformidades, se propone un método automatizado que aplique algoritmos de Machine Learning. Se recopilaron un total de 8,196 registros de la plataforma de gestión de servicios Melius Qualidade, que abarcan veintiún proyectos multifamiliares de alta gama de tres empresas constructoras en Goiânia/GO, de los cuales 3,598 fueron considerados adecuados para la investigación después de filtrar los datos. La clasificación inicial se realizó manualmente, seguida de la aplicación de nueve algoritmos de Machine Learning utilizando el software Orange Data Mining para pruebas y evaluación. Los resultados indicaron que agrupar los datos por empresa arrojó la mejor precisión de predicción, con el modelo de Red Neuronal logrando un recall de hasta el 98,20%, siendo el más efectivo. El estudio destaca que la automatización acelera el proceso de clasificación y mejora la precisión y consistencia en la identificación de wasts derivados del making-do, contribuyendo significativamente a la optimización de la gestión de calidad en los proyectos de construcción.