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

Todo projeto de construção começa com uma pergunta que é difícil de responder sem uma bola de cristal: quanto tempo levará para construir? Antes que as plantas estejam totalmente desenhadas, antes que os materiais sejam encomendados e antes que a primeira pá atinja o solo, empreiteiros e clientes devem decidir sobre um cronograma. Essa decisão dita o orçamento, o cronograma de trabalhadores e o risco financeiro para todos os envolvidos. Tradicionalmente, responder a essa pergunta exigia cálculos detalhados de engenharia e um detalhamento de cada tarefa individual, informações que simplesmente não existem nas fases iniciais de planejamento. Isso cria uma situação difícil onde a necessidade de um cronograma é máxima precisamente quando os dados disponíveis para criá-lo são mínimos.

Para resolver isso, pesquisadores recorreram ao aprendizado de máquina (machine learning), um ramo da ciência da computação onde programas aprendem a encontrar padrões em dados em vez de seguir regras rígidas e pré-escritas. No contexto da construção, esses programas podem observar projetos históricos e aprender como certos fatores, como o custo ou o tipo de edifício, se relacionam com o tempo que o trabalho levou. No entanto, muitas tentativas anteriores disso dependeram de dados que só estão disponíveis após o início de um projeto, como o número exato de andares ou as condições específicas do local. Isso limita sua utilidade para as decisões iniciais mais importantes. Um novo estudo de Mehmet Sena Kaşka e Işık Ateş Kıral aborda essa lacuna ao construir um sistema que prevê a duração da construção usando apenas as informações básicas disponíveis no início de um projeto.

Os pesquisadores reuniram dados de 209 projetos de construção concluídos para treinar seu sistema. Eles escolheram deliberadamente ignorar detalhes complexos que ainda não são conhecidos na fase de planejamento. Em vez disso, alimentaram o computador com quatro informações simples: o custo estimado do projeto, se o proprietário é uma entidade pública ou uma empresa privada, o tipo geral de edifício ou infraestrutura e a localização geográfica. O conjunto de dados incluiu uma grande variedade de estruturas, desde residências e escritórios comerciais até fábricas, portos e linhas de transmissão de água, localizadas em diferentes regiões, incluindo o Oriente Médio, o Norte da África, o Sul da Ásia e a Comunidade dos Estados Independentes. Ao usar um conjunto tão diversificado de projetos, a equipe visou criar um modelo que pudesse lidar com a realidade complexa da indústria da construção, em vez de apenas uma fatia estreita dela.

Para dar sentido a esses dados, a equipe testou vários tipos diferentes de algoritmos de aprendizado de máquina. Eles compararam modelos conhecidos como Random Forest, Extra Trees, Redes Neurais Artificiais e XGBoost. Estas são diferentes abordagens matemáticas para encontrar padrões, cada uma com sua própria maneira de processar informações. Os pesquisadores foram cuidadosos para não depender de um único teste para declarar um vencedor. Em vez disso, eles repetidamente embaralharam os dados e testaram os modelos de diferentes maneiras para garantir que os resultados fossem estáveis e não apenas um acidente de sorte de como os dados foram divididos. Esses testes rigorosos revelaram que, embora alguns modelos tenham tido um bom desempenho em um único teste, eles eram sensíveis a mudanças nos dados. O modelo XGBoost, que utiliza uma técnica de construção de muitas pequenas árvores de decisão e combinação delas, provou ser o de desempenho mais consistente através desses testes repetidos.

O modelo final selecionado pelos pesquisadores, o XGBoost, alcançou um nível de precisão que sugere que capturou padrões significativos nos dados. Quando testado em um conjunto específico de projetos que não havia visto antes, as previsões do modelo variaram, em média, cerca de 175 dias. Embora isso possa parecer uma margem de erro grande, os projetos no estudo variaram em duração desde apenas 92 dias até o máximo de 2.760 dias, com uma mediana de 669 dias. No contexto do planejamento inicial, onde nenhum cronograma detalhado existe ainda, este nível de precisão oferece um ponto de partida valioso. O modelo não forneceu apenas um número; os pesquisadores também usaram ferramentas para explicar como o modelo chegou às suas conclusões, garantindo que os resultados não fossem um mistério de "caixa preta".

A análise da lógica do modelo revelou que o custo estimado de um projeto foi o fator mais importante para prever quanto tempo ele levaria. À medida que o custo aumentava, a duração prevista geralmente aumentava, o que se alinha à intuição de que projetos maiores e mais caros tendem a demorar mais. No entanto, o modelo também aprendeu que o custo sozinho não conta toda a história. A localização geográfica e se o projeto era público ou privado também influenciaram o cronograma. Por exemplo, em níveis de custo semelhantes, projetos em certas regiões foram previstos para demorar mais do que em outras. O tipo de projeto também importava, com projetos de infraestrutura e portos mostrando padrões de duração diferentes em comparação com fábricas ou edifícios comerciais, embora esses fatores fossem menos influentes do que o custo.

Apesar desses resultados promissores, os autores são cuidadosos ao definir os limites de seu trabalho. Eles enfatizam que esta ferramenta não é um substituto para um cronograma de construção detalhado, que é criado posteriormente no processo, quando todos os planos específicos são conhecidos. O modelo é projetado como um auxílio preliminar, uma forma de comparar um cronograma proposto com dados históricos ou de sinalizar riscos potenciais antes que uma proposta seja enviída. Os pesquisadores também observam que o desempenho do modelo está atrelado aos dados específicos nos quais foi treinado. Como o conjunto de dados continha apenas 209 projetos e estava distribuído de forma desigual entre diferentes tipos e locais, o modelo pode se comportar de forma diferente se aplicado a um país completamente novo ou a uma condição de mercado diferente. O estudo afirma explicitamente que o modelo precisa ser testado em novos dados externos antes de poder ser confiável para decisões críticas do mundo real.

Em última análise, esta pesquisa demonstra que, mesmo com informações muito limitadas, é possível fazer suposições informadas sobre cronogramas de construção. Ao focar nas poucas variáveis que são conhecidas logo no início de um projeto, a equipe criou uma estrutura que ajuda os tomadores de decisão a navegar pela incerteza da fase inicial de planejamento. O estudo mostra que, embora um computador não possa prever o futuro com certeza perfeita, ele pode aprender com o passado para fornecer uma estimativa razoável que é melhor do que um palpite. Esta abordagem oferece uma maneira prática de trazer insights baseados em dados para as fases iniciais da construção, ajudando a gerenciar expectativas e planejar recursos antes que o primeiro tijolo seja assentado.