Resumen

La gestión del cronograma es una parte esencial de la gestión de proyectos de construcción. En los asuntos prácticos de gestión, muchas incertidumbres pueden llevar a posibles retrasos en el proyecto y hacer que el cronograma sea riesgoso. Para cuantificar dicho riesgo, se utiliza el Método de la Ruta Crítica Probabilística (PCPM) para calcular la probabilidad de retraso. Una encuesta muestra que podría ayudar a los gerentes de proyectos a comprender mejor el cronograma. Sin embargo, dos factores críticos limitaron la aplicación de PCPM: eficiencia computacional y oportunidad. Para resolver estas limitaciones, combinamos la simulación de subconjuntos y el aprendizaje estadístico para construir un sistema de simulación dinámico y eficiente desde el punto de vista computacional. Experimentos numéricos muestran que este método puede mejorar efectivamente la eficiencia de cálculo sin perder precisión y supera a otros enfoques con las mismas suposiciones. Además, propusimos una forma basada en aprendizaje automático para estimar las distribuciones de

• Materias:Elementos finitos Análisis de estabilidad Energía histerética Seguridad en la ingeniería civil Tensión-deformación
• Subjects:Finite elements Stability analysis Hysteretic energy Safety in civil engineering Stress-strain
• Palabras claves:Gestión de horarios; Incertidumbres; Método de la ruta crítica probabilística; Eficiencia computacional; Puntualidad; Aprendizaje automático
• Keywords:Schedule management; Uncertainties; Probabilistic critical path method; Computational efficiency; Timeliness; Machine learning