Mostrar el registro sencillo del ítem

dc.contributor.authorAlonso Iglesias, Guillermo
dc.contributor.authorORTEGA FERNANDEZ, FRANCISCO
dc.contributor.authorVillanueva Balsera, Joaquín
dc.contributor.authorVergara González, Eliseo
dc.date.accessioned2022-10-09T17:23:14Z
dc.date.available2022-10-09T17:23:14Z
dc.date.issued2022
dc.identifier.isbn978-84-09-44521-9
dc.identifier.issn2695-5067
dc.identifier.urihttp://dspace.aeipro.com/xmlui/handle/123456789/3165
dc.descriptionHistorically, cost overruns in construction projects have been a major problem. Nowadays, the magnitude of this problem is completely unsustainable with cases of "billionaire" cost overruns all over the world. Previous works stresses the role of risk management as one of the best systems for understanding the key aspects of the project that give rise to these deviations, as well as controlling and mitigating them. The main objective of the work is the development of a methodology that allows the identification of those risks that most influence the cost overruns of a specific project portfolio, associating them to the different stages of the project, in order to make a preferential distribution of control resources. To achieve this objective, the methodology uses techniques based on Artificial Intelligence, specifically SOM modelling. Furthermore, in order to link the risks to the stages of the project, the methodology proposes a parameterisation of the costs throughout the life cycle of the project by means of a Beta distribution. Finally, as a validation of the methodology, a case study is carried out with Oil & Gas Offshore infrastructure projects.es_ES
dc.description.abstractHistóricamente, los sobrecostes en los proyectos de construcción han sido uno de sus principales problemas. En la actualidad, la magnitud de esta problemática es completamente insostenible con casos de sobrecostes “milmillonarios” por todo el mundo. Los trabajos realizados hasta el momento para resolver el problema inciden en el papel de la gestión del riesgo como uno de los mejores sistemas para conocer los aspectos clave del proyecto que dan lugar a estas desviaciones, así como controlarlas y mitigarlas. El objetivo principal del trabajo es el desarrollo de una metodología que permita identificar aquellos riesgos que más influyen en los sobrecostes de una cartera de proyectos concreta, asociándolos a las distintas etapas del proyecto, con el fin de realizar una distribución preferencia de los recursos de control. Para conseguir este objetivo, la metodología utiliza técnicas basadas en Inteligencia Artificial, específicamente la modelización SOM. Además, para vincular los riegos a las etapas del proyecto, se propone en la metodología una parametrización de los costes a lo largo del ciclo de vida del proyecto mediante una distribución Beta. Por último, como validación de la metodología, se realiza un caso de estudio con proyectos de infraestructura Oil & Gas Offshore.es_ES
dc.language.isoeses_ES
dc.subject02-2 Ingeniería Civil, Urbanismo y Ordenación del Territorio. Construcción y Arquitecturaes_ES
dc.titleMERI: Metodología de estimación de riesgos de coste y plazo en proyectos mediante machine learning. Aplicación a infraestructura Oil&Gas.es_ES
dc.title.alternativeMERI: Methodology for estimating cost and time risks in projects using machine learning. Application to Oil&Gas infrastructure.es_ES
dc.typeArticlees_ES


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

  • CIDIP 2022 (Terrassa) [170]
    XXVI Congreso Internacional de Dirección e Ingeniería de Proyectos (Terrassa, 2022)

Mostrar el registro sencillo del ítem