| Summary: | El método primario de ejecución de proyectos en el sector público en los Estados Unidos (U.S.), tradicionalmente ha sido la ejecución diseño-licitación-construcción. El sector público históricamente ha separado los contratos de diseño y construcción. En la década de los 90, el sector público norteamericano comenzó a experimentar con la ejecución de proyectos diseño-construcción (llave en mano), que combina el diseño y la construcción en un solo contrato. En 1997 se estableció un sistema de apoyo a la toma de decisiones, con el fin de entregar un modelo se selección formal para la ejecución de proyectos en el sector público. El modelo apoya a los propietarios del sector público a determinar cuáles son los proyectos adecuados para la ejecución diseño-construcción (llave en mano). Este modelo inicial por naturaleza era estático y estaba basado en un análisis de regresión de 104 proyectos. El análisis produjo un modelo predictivo con cinco criterios de rendimiento: satisfacción general, carga administrativa, cumplimiento de expectativas, variación del programa, y variación del presupuesto. Desde 1997, el número de proyectos diseño-construcción ha aumentado dramáticamente y los métodos diseño-construcción del sector público han evolucionado. El modelo original puede ser mejorado con nuevos datos y una estructura que se traduce en un modelo adaptativo, mientras la industria continúa evolucionando. Este documento presenta una aplicación formal y el uso de capacidades para complementar el modelo estático original. Este modelo se ajusta a parámetros y funciones a través del empleo de inteligencia artificial, como principal motor de conocimiento. Este enfoque puede ser adaptado a muchas aplicaciones de apoyo a la toma de decisiones en la industria del diseño y construcción.<br>The primary method of public sector project delivery in the United States (U.S.) has traditionally been design-bid-build delivery. The public sector has historically separated design and construction contracts. In the 1990s, the U.S. public sector began to experiment with design-build project delivery, which combines design and construction in one contract. In 1997, a decision support system was developed to provide a formal selection model for public sector design-build projects. The model supports public owners in determining which projects are appropriate for design-build delivery. This initial model was static in nature and was based on a regression analysis of 104 projects. The analysis resulted in a predictive model with five performance criteria: overall satisfaction; administrative burden; conformance to expectations; schedule variance; and budget variance. Since 1997, the number of design-build projects has increased dramatically and public sector design-build methods have evolved. The original model can be improved with new data and a new framework to provide for an adaptive model as the industry continues to evolve. This paper presents a formalized application and use of learning capabilities to supplement the original static model. This model adjusts parameters and functions using artificial intelligence as the main knowledge engine. This approach can be adapted to many applications of decision support in the design and construction industry.
|
|---|
