Payment delay as the dominant predictor of schedule overrun in construction Projects
Deze studie maakt gebruik van een nieuw SHAP-geattribueerd Explainable-AI-raamwerk over drie grote Iraanse bouwprojecten om empirisch aan te tonen dat betalingsvertragingen de dominante voorspeller zijn van vertragingen in de planning, waardoor het de eerste onderbouwde rechtvaardiging biedt voor het prioriteren van hervormingen in het aanbestedingswezen binnen de publieke bouwsector in Irak.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een enorme taart moet bakken voor duizend mensen, maar elke keer als je meel, suiker of eieren moet kopen, moet je wachten tot de chef-kok een papiertje heeft ondertekend. Als de chef traag is, komen de ingrediënten nooit aan, worden de bakkers verveeld en vertrekken ze, en is de taart uiteindelijk te laat en half opgegeten. Dit is in essentie wat er gebeurt in de wereld van de bouw, maar in plaats van taarten bouwen ze wolkenkrabbers, woningcomplexen en bruggen. Lange tijd hebben mensen in Irak vermoed dat de overheid de "trage chef" is, die ervoor zorgt dat projecten eeuwig voortslepen omdat betalingen voor geleverd werk worden uitgesteld. Maar in de wereld van de wetenschap is "vermoeden" niet genoeg; je hebt bewijs nodig. Hier komt een tak van de informatica genaamd Kunstmatige Intelligentie (AI) kijken. Denk aan AI als een super slimme detective die duizenden aanwijzingen tegelijk kan bekijken om precies uit te zoeken wat een probleem heeft veroorzaakt. Maar er is een addertje onder het gras: soms zijn deze AI-detectives "black boxes", wat betekent dat ze een antwoord geven maar niet uitleggen waarom. Om dit op te lossen, gebruiken wetenschappers een speciaal hulpmiddel genaamd SHAP (wat klinkt als een vriendelijke naam, maar staat voor een complexe wiskundige methode). SHAP werkt als een vergrootglas dat de beslissing van de AI ontleedt om precies te laten zien hoeveel elke aanwijzing — zoals slecht weer, late materialen of trage betalingen — heeft bijgedragen aan de uiteindelijke chaos. De grote vraag is: is de trage betaling de hoofdschurk, of is het slechts een van de vele even slechte boeven?
In dit onderzoek besloot een onderzoeker genaamd Layth Shakir van de Universiteit van Bagdad dit detectivewerk te testen op drie enorme bouwprojecten in Irak. Dit waren geen kleine huisjes; we hebben het over een commerciële toren van $772 miljoen, een residentiële ontwikkeling van $10,1 miljard met meer dan 100.000 woningen, en een maritiem infrastructuurproject van $4,7 miljard. Samen waren deze projecten meer dan $15,57 miljard waard. De onderzoeker bouwde een tweelaags AI-systeem om te fungeren als een digitale waakhond. De eerste laag, een "CNN-LSTM", was als een beveiligingscamera die de bouwplaatsen in realtime in de gaten hield en zocht naar alles wat vreemd gebeurde, zoals een plotselinge stop in de werkzaamheden. De tweede laag, een "Transformer"-model, was de kristallen bol die probeerde te voorspellen wanneer het project voltooid zou zijn en of het geld of tijd tekort zou komen.
Zodra de AI zijn voorspellingen had gedaan, gebruikte de onderzoeker het SHAP-vergrootglas om te vragen: "Wat was de belangrijkste reden dat deze projecten te laat waren?" Het antwoord was verrassend duidelijk en consistent. Bij alle drie de zeer verschillende projecten was de "Payment Delay Index" (PDI) — een score die meet hoe laat de overheid de bouwers betaalde — de belangrijkste voorspeller van vertragingen in de planning. Het was niet alleen een beetje belangrijk; het was de zwaargewichtkampioen. De AI gaf de vertraagde betaling een "belangrijkheidsscore" (een phi-waarde genoemd) van gemiddeld 0,313. De volgende dichtstbijzijnde verdachte, de "Critical Path Delay Index" (die de belangrijkste stappen in het bouwproces bijhoudt), scoorde slechts 0,214. Dit betekent dat de vertraagde betaling ongeveer 46% invloedrijker was in het veroorzaken van vertragingen dan de volgende grootste factor.
De studie suggereert dat dit niet alleen een probleem is met één specifiek gebouw of één ongelukkige aannemer. Omdat het resultaat hetzelfde was voor een commerciële toren in Bagdad, een enorme woningbouwproject en een maritiem project in Basra, wijst dit op een dieper liggend probleem: de manier waarop de Iraanse overheid betalingen afhandelt is een structureel onderdeel van het systeem, zoals een trage motor in een auto die het hele voertuig slecht laat rijden, ongeacht wie er achter het stuur zit. De onderzoekers ontdekten ook dat wanneer ze dit AI-systeem gebruikten om de projecten te beheren, de algemene "gezondheid" van de bouwprojecten verbeterde met gemiddeld 14,7 punten op een nieuwe schaal die ze zelf hadden gecreëerd: de Iraq Construction Health Index (ICHI).
Het artikel sluit expliciet de mogelijkheid uit dat betalingsachterstanden slechts een minder belangrijk probleem zijn of dat ze even belangrijk zijn als andere risico's zoals materiaalschaarste of personeelsproblemen. Hoewel die zaken er zeker toe doen, laten de gegevens zien dat ze vaak slechts bijeffecten zijn van het hoofpprobleem: het niet op tijd ontvangen van geld. Wanneer het geld te laat is, kunnen bouwers geen materialen kopen en kunnen onderaannemers hun werknemers niet betalen, wat een kettingreactie veroorzaakt die het werk stillegt. De onderzoekers zijn vrij zeker over deze rangschikking omdat ze een statistische methode genaamd "bootstrapping" gebruikten om hun werk te controleren, en de resultaten hielden elke keer stand. Ze merken echter voorzichtig op dat dit een "proof-of-concept" is, wat betekent dat het een zeer sterke testronde is die bewijst dat het idee werkt, maar het is nog geen garantie dat elk toekomstig project simpelweg door dit hulpmiddel wordt opgelost. Ze geven ook toe dat ze, omdat ze slechts naar drie projecten hebben gekeken, niet met zekerheid kunnen zeggen dat dit geldt voor elk enkel bouwproject in Irak, maar het bewijs is sterk genoeg om te suggereren dat het een groot systemisch probleem is.
Uiteindelijk levert dit onderzoek het eerste harde, op data gebaseerde bewijs dat als Irak wil stoppen met het te laat zijn met zijn bouwprojecten, de meest effectieve plek om te beginnen het versnellen van het betalingsproces is. Het is alsoast beseffen dat de taart te laat is, niet omdat de oven kapot is of de bakkers niet beschikbaar zijn, maar omdat de persoon die de sleutel tot de voorraadkast vasthoudt te langzaam de deur opent. Door geavanceerde AI te gebruiken om het licht op het probleem te schijnen, biedt de studie een duidelijke weg vooruit om het systeem te repareren.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.