Improving Decision-Making System in Infrastructure Projects: A Framework to Propose Infrastructure Building Information Modeling (I-BIM) with Artificial Neural Networks

Abstract

In the construction industry, countries are trying to be more careful with projects that they want to invest in due to the more restricted budget allocation that hit the world after COVID-19. Information and Communications Technology (ICT) brought a new vision to the industry under the light of Building Information Modeling (BIM) to save more time and money on huge projects, but there are many challenges in the path of utilization of this technology for other sectors of the construction industry, such as infrastructure. According to the World Economic Forum (WEF), there is enormous growth in the infrastructure budget, which is going to be needed by 2040. Now the main question is: "Does the BIM philosophy, which has been used for more than two decades, come to any sort of adoption for infrastructure projects?" The foundation of this dissertation has been built on top of this question, and it has been followed up to support it by implementing this technology for infrastructure projects and reforming a framework precisely for this sector of the construction industry. To do that, a comprehensive ontology and literature review have been done to identify the adoption of BIM for infrastructure projects and find the main categories and variables to define a new category in information modeling terms as Infrastructure Building Information Modeling (I-BIM). Moreover, a tri-axial model as a conventional BIM method regarding the Policy-Technology-Process (PTP) model has been discussed parallel to competency tire establishment in accordance with five main categories and 26 defined variables in total. Therefore, a questionnaire survey has been conducted to distribute among two target countries, the United States of America and Turkey. Afterwards, in Core Competency, detailed data mining has been performed on each variable in each category for each target country to identify those variables as benefits, neutrals, or barriers to adopting I-BIM terminology. Furthermore, the Domain Competency analysis has been completed by defining meta variables and introducing the Total Number of Meta Variables (TNMV) factor at three different levels to distinguish each meta category more precisely and accurately for each target country individually. The third and last tire was Execution Competency, which has been concluded with the assistance of an Artificial Neural Network (ANN) to train, validate, and test collected data from previous tires in order to find the best performance according to the Q-Factor (Quality) for each country and the E-Factor (Experimental) for each variable to significantly upsurge the accuracy and impact of all variables within the proposed I BIM framework Keywords: Building Information Modeling, Project Management, I-BIM, Infrastructure Project, Construction Management, Digital Transformation, Meta Variables, Artificial Neural Network, ANN.İnşaat sektöründe, COVID-19 sonrası dünyayı etkisi altına alan daha kısıtlı bütçe tahsisi nedeniyle ülkeler yatırım yapmak istedikleri projelerde daha dikkatli olmaya çalışıyor. Bilgi ve İletişim Teknolojileri (BİT), büyük projelerde daha fazla zaman ve para tasarrufu sağlamak için Yapı Bilgi Modellemesi (BIM) ışığında sektöre yeni bir vizyon getirdi, ancak bu teknolojinin diğer sektörler için kullanılması yolunda birçok zorluk var. altyapı gibi inşaat sektörü. Dünya Ekonomik Forumu'na (WEF) göre, 2040 yılına kadar ihtiyaç duyulacak olan altyapı bütçesinde muazzam bir büyüme var. Şimdi asıl soru şu: "Yirmi yılı aşkın süredir kullanılan BIM felsefesi, altyapı projeleri için herhangi bir benimseme var mı?" Bu tezin temeli bu soru üzerine inşa edilmiş ve bu teknolojiyi altyapı projeleri için uygulayarak ve inşaat sektörünün tam da bu sektörü için bir çerçeve reformu yaparak bunu desteklemek için takip edilmiştir. Bunu yapmak için, altyapı projeleri için BIM'in benimsenmesini belirlemek ve bilgi modelleme terimlerinde Altyapı Bina Bilgi Modellemesi (I-BIM) olarak yeni bir kategori tanımlamak için ana kategorileri ve değişkenleri bulmak üzere kapsamlı bir ontoloji ve literatür taraması yapılmıştır. Ayrıca Politika-Teknoloji-Süreç (PTP) modeline ilişkin geleneksel bir BIM yöntemi olan üç eksenli bir model, yetkinlik lastiği oluşumuna paralel olarak beş ana kategori ve toplamda 26 tanımlı değişkene göre tartışılmıştır. Bu nedenle, iki hedef ülke olan Amerika Birleşik Devletleri ve Türkiye arasında dağıtılmak üzere bir anket çalışması yapılmıştır. Daha sonra, Temel Yetkinlikte, bu değişkenleri I-BIM terminolojisini benimsemeye yönelik faydalar, nötrler veya engeller olarak tanımlamak için her bir hedef ülke için her bir kategorideki her değişken hakkında ayrıntılı veri madenciliği yapılmıştır. Ayrıca, her meta kategoriyi her hedef ülke için ayrı ayrı daha kesin ve doğru bir şekilde ayırt etmek için meta değişkenler tanımlanarak ve Toplam Meta Değişken Sayısı (TNMV) faktörü üç farklı düzeyde tanıtılarak Alan Yetkinlik analizi tamamlanmıştır. Üçüncü ve son lastik, Q-Factor'a göre en iyi performansı bulmak için önceki lastiklerden toplanan verileri eğitmek, doğrulamak ve test etmek için bir Yapay Sinir Ağı (ANN) yardımıyla sonuçlandırılan Yürütme Yetkinliği idi (Kalite) ve bunların doğruluğunu ve etkisini önemli ölçüde artırmak için her değişken için E-Faktörü (Deneysel). Anahtar Kelimeler: Yapı Bilgi Modellemesi, Proje Yönetimi, I-BIM, Altyapı Projesi, İnşaat Yönetimi, Dijital Dönüşüm, Meta Değişkenler, Yapay Sinir Ağları, ANN.