Ứng dụng học máy trong dự báo chậm tiến độ dự án xây dựng: xu hướng và thách thức

Chậm tiến độ là rủi ro phổ biến trong các dự án xây dựng, làm tăng chi phí, kéo dài thời gian và ảnh hưởng hiệu quả đầu tư cũng như phối hợp giữa các bên; tuy nhiên, kiểm soát tiến độ trong thực tiễn vẫn chủ yếu dựa trên so sánh kế hoạch–thực tế và kinh nghiệm nên khó phát hiện sớm dấu hiệu trễ và thiếu cơ sở định lượng để cảnh báo kịp thời. Trước xu hướng số hóa, dữ liệu dự án ngày càng sẵn có (kế hoạch tiến độ, báo cáo hiện trường, nhật ký thi công,...), tạo nền tảng cho ứng dụng Machine Learning (ML) trong dự báo nguy cơ chậm tiến độ. Bài báo nghiên cứu ML dự báo chậm tiến độ, tập trung vào loại dữ liệu đầu vào, cách thiết kế bài toán theo chu kỳ tuần/tháng, các mô hình thường dùng và phương pháp đánh giá, cho thấy ML có thể khai thác dữ liệu đa biến, nhận diện quan hệ phi tuyến và cung cấp dự báo xác suất rủi ro để hỗ trợ cảnh báo sớm cho điều hành thi công. Dù vậy, việc triển khai thực tế vẫn gặp thách thức về tính nhất quán và chuẩn hóa dữ liệu, khả năng khái quát giữa dự án và mức độ diễn giải kết quả phục vụ ra quyết định, từ đó gợi mở các hướng nghiên cứu tiếp theo nhằm nâng cao tính khả thi và hiệu quả ứng dụng ML trong quản lý tiến độ dự án xây dựng.