Proposed model of analysis of the perception of the relative importance of Critical Success Factors (CSF) in the civil construction industry (CCI) using Artificial Neural Networks (ANNs): application in the academic universe

Propuesta de modelo de análisis de la percepción de la importancia relativa de los Factores Críticos de Éxito (FCE) en la industria de la construcción civil (ICC) utilizando Redes Neuronales Artificiales (RNA): aplicación en el universo académico

Los Factores Críticos de Éxito (FCE) identifican las áreas clave para el éxito de una empresa. Este estudio crea un modelo para analizar los FCE en la gestión de proyectos de construcción civil, utilizando Redes Neuronales Artificiales (RNA). Para ello, se realizó una revisión bibliográfica para identificar los FCE que hacen hincapié en la gestión de proyectos. Una vez identificados los CSF, se envió un cuestionario a las instituciones educativas para evaluar el efecto de cada factor. El análisis de las respuestas se realizó mediante el Índice de Importancia Relativa, utilizando una RNA acoplada al algoritmo de propagación resiliente para evaluar los CSF. Se encontraron 37.822 artículos en 2.328 revistas. De 874 correos electrónicos enviados, 191 fueron respondidos. Los encuestados se distribuyeron en 26 estados brasileños, siendo el 70% profesores/investigadores, el 26% coordinadores, el 2% rectores y el 1% directores/gerentes. Las ponderaciones se determinaron mediante el algoritmo de Garson. El factor más crítico en la gestión de proyectos fue "Métodos de inspección y prueba poco realistas en el contrato". Las redes neuronales artificiales producen subsidios para conocer la relevancia de las variables de entrada adoptadas y constituyen un medio eficaz para modelizar variables no lineales.

1. INTRODUCCIÓN

El sector de la construcción es dinámico por naturaleza debido a las crecientes incertidumbres en tecnología, presupuestos y procesos de desarrollo. El estudio del éxito en la determinación de sus Factores Críticos (FCE) puede utilizarse como medio para mejorar la gestión de los proyectos.

Colauto et al. (2004) afirman que la identificación de los FCE proporciona información estratégica y puede ayudar en la toma de decisiones de gestión. Permite abordar los problemas de los proyectos en curso y poner en marcha medidas correctivas al respecto (Saqib et al., 2008).

Las redes neuronales artificiales (RNA) son técnicas computacionales con un enfoque no lineal. Proceden de modelos matemáticos que utilizan la inteligencia artificial y que, al igual que otros modelos, pretenden representar o aproximar sistemas (Haykin, 2001; Silva et al., 2004). En muchos casos, estos modelos se basan en observaciones y experimentos reales.