Explainable Machine Learning for Early-Stage Construction Duration Prediction Using Limited Project Information

Ogni progetto di costruzione inizia con una domanda difficile da rispondere senza una palla di cristallo: quanto tempo ci vorrà per costruirlo? Prima che i progetti siano completamente disegnati, prima che i materiali siano ordinati e prima che la prima vanga colpisca il terreno, appaltatori e clienti devono decidere su una tempistica. Questa decisione determina il budget, il programma dei lavoratori e il rischio finanziario per tutti i soggetti coinvolti. Tradizionalmente, rispondere a questa domanda richiedeva calcoli ingegneristici dettagliati e una suddivisione di ogni singola attività, informazioni che semplicemente non esistono nelle primissime fasi di pianificazione. Ciò crea una situazione difficile in cui la necessità di una tempistica è massima proprio quando i dati disponibili per crearne una sono al minimo.

Per risolvere questo problema, i ricercatori si sono rivolti al machine learning, un ramo dell'informatica in cui i programmi imparano a trovare schemi nei dati piuttosto che seguire regole rigide e predefinite. Nel contesto dell'edilizia, questi programmi possono esaminare progetti storici e apprendere come determinati fattori, come il costo o il tipo di edificio, si relazionino alla durata del lavoro. Tuttavia, molti tentativi precedenti si sono basati su dati disponibili solo dopo l'inizio di un progetto, come il numero esatto di piani o le specifiche condizioni del sito. Ciò ne limita l'utilità proprio per le decisioni iniziali che contano di più. Un nuovo studio di Mehmet Sena Kaşka e Işık Ateş Kıral affronta questa lacuna costruendo un sistema che prevede la durata della costruzione utilizzando solo le informazioni di base disponibili all'inizio di un progetto.

I ricercatori hanno raccolto dati da 209 progetti edilizi completati per addestrare il loro sistema. Hanno scelto deliberatamente di ignorare i dettagli complessi che non sono ancora noti nella fase di pianificazione. Invece, hanno fornito al computer quattro semplici pezzi di informazione: il costo stimato del progetto, se il proprietario è un ente pubblico o una società privata, il tipo generale di edificio o infrastruttura e la posizione geografica. Il dataset includeva una grande varietà di strutture, dalle case residenziali agli uffici commerciali, fino a fabbriche, porti e linee di trasmissione dell'acqua, situate in diverse regioni tra cui il Medio Oriente, il Nord Africa, l'Asia meridionale e la Comunità di Stati Indipendenti. Utilizzando un set di progetti così diversificato, il team mirava a creare un modello capace di gestire la realtà disordinata dell'industria delle costruzioni, piuttosto che una sua stretta porzione.

Per dare senso a questi dati, il team ha testato diversi tipi di algoritmi di machine learning. Hanno confrontato modelli noti come Random Forest, Extra Trees, Reti Neurali Artificiali e XGBoost. Questi sono diversi approcci matematici per trovare schemi, ognuno con il proprio modo di elaborare le informazioni. I ricercatori sono stati attenti a non affidarsi a un singolo test per dichiarare un vincitore. Invece, hanno rimescolato ripetutamente i dati e testato i modelli in modi diversi per garantire che i risultati fossero stabili e non solo il frutto di un colpo di fortuna dovuto alla suddivisione dei dati. Questo rigoroso test ha rivelato che, sebbene alcuni modelli si comportassero bene in un singolo test, erano sensibili ai cambiamenti nei dati. Il modello XGBoost, che utilizza una tecnica di costruzione di molti piccoli alberi decisionali e la loro combinazione, si è dimostrato il performer più costante in questi test ripetuti.

Il modello finale selezionato dai ricercatori, XGBoost, ha raggiunto un livello di accuratezza che suggerisce come abbia catturato schemi significativi nei dati. Quando testato su un set specifico di progetti che non aveva mai visto prima, le previsioni del modello presentavano un errore medio di circa 175 giorni. Sebbene questo possa sembrare un margine di errore elevato, i progetti nello studio variavano da una durata minima di 92 giorni a un massimo di 2.760 giorni, con una mediana di 669 giorni. Nel contesto della pianificazione iniziale, dove non esiste ancora un programma dettagliato, questo livello di precisione offre un punto di partenza prezioso. Il modello non ha fornito solo un numero; i ricercatori hanno anche utilizzato strumenti per spiegare come il modello sia giunto alle sue conclusioni, garantendo che i risultati non fossero un mistero di tipo "black box".

L'analisi della logica del modello ha rivelato che il costo stimato di un progetto era il fattore singolo più importante per prevedere la sua durata. All'aumentare del costo, la durata prevista generalmente aumentava, il che si allinea all'intuizione che i progetti più grandi e costosi tendano a durare di più. Tuttavia, il modello ha anche appreso che il costo da solo non racconta tutta la storia. La posizione geografica e se il progetto fosse pubblico o privato influenzavano anch'essi la tempistica. Ad esempio, a parità di livelli di costo, i progetti in certe regioni venivano previsti come più lunghi rispetto ad altri. Anche il tipo di progetto era importante, con progetti infrastrutturali e portuali che mostravano schemi di durata diversi rispetto a fabbriche o edifici commerciali, sebbene questi fattori fossero meno influenti del costo.

Nonostante questi risultati promettenti, gli autori sono cauti nel definire i limiti del loro lavoro. Essi sottolineano che questo strumento non è un sostituto di un programma di costruzione dettagliato, che viene creato successivamente nel processo quando tutti i piani specifici sono noti. Il modello è progettato come un ausilio preliminare, un modo per confrontare una tempistica proposta con i dati storici o per segnalare potenziali rischi prima che venga presentata un'offerta. I ricercatori notano inoltre che le prestazioni del modello sono legate ai dati specifici su cui è stato addestrato. Poiché il dataset conteneva solo 209 progetti ed era distribuito in modo non uniforme tra i diversi tipi e località, il modello potrebbe comportarsi diversamente se applicato a un paese completamente nuovo o a una diversa condizione di mercato. Lo studio afferma esplicitamente che il modello deve essere testato su nuovi dati esterni prima di poter essere considerato affidabile per decisioni critiche nel mondo reale.

In definitiva, questa ricerca dimostra che, anche con informazioni molto limitate, è possibile fare ipotesi informate sulle tempistiche di costruzione. Concentrandosi sui pochi fattori noti all'inizio di un progetto, il team ha creato un quadro che aiuta i decisori a navigare nell'incertezza della fase iniziale di pianificazione. Lo studio mostra che, sebbene un computer non possa prevedere il futuro con certezza assoluta, può imparare dal passato per fornire una stima ragionevole che sia migliore di una semplice supposizione. Questo approccio offre un modo pratico per portare intuizioni basate sui dati nelle fasi iniziali della costruzione, aiutando a gestire le aspettative e a pianificare le risorse prima che venga posato il primo mattone.