تواجه صناعة البناء والتشييد تحديات متزايدة بسبب المشاريع المعقدة المتأثرة بالعوامل البيئية والتقنية وعوامل السلامة. يمتد هذا التعقيد عبر جميع مراحل المشروع، مما يتطلب أساليب إدارة فعالة. تقدم إدارة التشييد الرشيق (LCM)، التي ظهرت في أوائل العقد الأول من القرن الحادي والعشرين، إطار عمل لإدارة هذا التعقيد من خلال تعظيم القيمة وتقليل الأنشطة التي لا تضيف قيمة والقضاء على الهدر. ومع ذلك، قد لا تكون طرق LCM التقليدية كافية للتعامل مع تعقيدات عمليات البناء الحديثة. وقد أدى ذلك إلى استكشاف أدوات متقدمة، ولا سيما الذكاء الاصطناعي (AI)، لتعزيز ممارسات LCM. تهدف مراجعة الأدبيات هذه إلى تحليل الدراسات الحالية حول تطبيق الذكاء الاصطناعي في LCM، وتقديم رؤى حول كيفية دعم أدوات الذكاء الاصطناعي لمبادئ LCM وتحديد اتجاهات البحث المستقبلية.
ثانياً: المفاهيم الأساسية
تركز إدارة التشييد الرشيق (LCM)، المستمدة من الإدارة الرشيقة، على تصميم أنظمة إنتاج تقلل من هدر المواد والوقت والجهد مع تعظيم القيمة. تعمل LCM على تحسين القدرة التنافسية والإنتاجية من خلال القضاء على الأنشطة التي لا تضيف قيمة وتعزيز عمليات سير العمل. تشمل الأهداف الرئيسية لـ LCM ما يلي: 1) تقليل الأنشطة التي لا تضيف قيمة والهدر، 2) تقليل وقت التسليم والتقلب، 3) تبسيط سير العمل، وزيادة المرونة، وتحسين الشفافية.
تطور الذكاء الاصطناعي (AI)، الذي تم تعريفه في البداية على أنه برامج تتعلم من التجربة، ليشمل الأنظمة المدعومة بالحاسوب التي تؤدي وظائف معرفية مرتبطة بالبشر. ينقسم الذكاء الاصطناعي إلى نموذجين رئيسيين: الرمزي والترابطي. يعمل الذكاء الاصطناعي الرمزي على التعبيرات الرمزية والاستدلال القائم على القواعد، ويتطلب تدخلًا بشريًا ولا يتعلم من بيانات الإدخال، كما هو الحال في قواعد البيانات القائمة على المعرفة وأنظمة الخبراء. من ناحية أخرى، يستخدم الذكاء الاصطناعي الترابطي خوارزميات التعلم والشبكات العصبية لربط بيانات الإدخال والإخراج دون قواعد صريحة ويتضمن أدوات مثل التعلم الآلي والشبكات العصبية الاصطناعية والتعلم العميق.
ثالثاً: منهجية البحث
تعتمد هذه المراجعة منهجية مراجعة الأدبيات المنهجية (SLR) لضمان تحليل دقيق وشفاف للأدبيات الحالية. تتضمن عملية SLR خمس خطوات: التخطيط، والبحث، والفحص، والاستخراج والتوليف، وإعداد التقارير. استخدمت مرحلة التخطيط تصنيف كوبر (1988) لتحديد نطاق المراجعة. كان التركيز على مفاهيم LCM والذكاء الاصطناعي؛ كان الهدف هو تحليل العلاقة بينهما؛ كانت المراجعة شاملة. كان الهدف هو تطوير إطار مفاهيمي؛ والجمهور المستهدف شمل الباحثين والممارسين في إدارة التشييد.
استخدمت عملية البحث كلمات رئيسية متعلقة بـ LCM والذكاء الاصطناعي مقترنة بعوامل تشغيل منطقية مثل "AND" و "OR". تضمنت الكلمات الرئيسية "البناء الرشيق"، و"الذكاء الاصطناعي"، و"الروبوتات"، و"التعلم الآلي"، و"التحسين". شمل البحث قواعد بيانات Scopus و EBSCO و ScienceDirect. تضمنت عملية الفحص إزالة التكرارات من نتائج البحث واختيار الأوراق ذات الصلة من خلال قراءة الملخصات بعناية ثم النص الكامل. في البداية، تم تحديد 246 مقالة غير مكررة، والتي تم تضييقها بعد ذلك إلى 55 مقالة ذات صلة من خلال التتبع الأمامي والخلفي للاقتباسات. في مرحلة الاستخراج والتوليف، تم تصنيف أدوات الذكاء الاصطناعي على أنها رمزية أو ترابطية، وتم ترميز مبادئ LCM التي تم تطبيقها عليها. تضمنت مرحلة إعداد التقارير تحليلًا ببليومتريًا وتحليلًا للمحتوى لتطوير مخطط تصنيف لأدوات الذكاء الاصطناعي في LCM.
رابعاً: التحليل الببليومتري
ركز التحليل الببليومتري على التكرار المشترك للكلمات الرئيسية، والمعلومات الخاصة بكل بلد، والاتجاهات التاريخية للمنشورات والاقتباسات. حدد تحليل التكرار المشترك للكلمات الرئيسية 41 مصطلحًا متكررًا، حيث يتناسب حجم الدوائر مع عدد المرات التي ظهرت فيها كلمة رئيسية معينة في العنوان والملخص والكلمات الرئيسية للمؤلفين. كشف التحليل أنه في حين تم استخدام العديد من المصطلحات المتعلقة بالبناء والإدارة الرشيقة، إلا أن مصطلحي "الذكاء الاصطناعي" و "AI" لم يتم استخدامهما بشكل متكرر. وذلك لأن "AI" هو مصطلح شامل، وغالبًا ما يستخدم الباحثون مصطلحات محددة متعلقة بالذكاء الاصطناعي مثل "نمذجة معلومات البناء (BIM)"، و"المحاكاة"، و"التحسين"، و"الأتمتة". يُظهر نمو الكلمات الرئيسية بمرور الوقت زيادة كبيرة منذ عام 2014، مما يشير إلى زيادة الاهتمام بهذه المجالات في السنوات الثماني الماضية.
أظهرت المعلومات الخاصة بكل بلد أن الولايات المتحدة والمملكة المتحدة والصين هي الدول الثلاث الأولى في عدد المنشورات في مجال الذكاء الاصطناعي في LCM. تُظهر شبكة التأليف المشترك أن الولايات المتحدة والمملكة المتحدة وأستراليا هي أكثر الدول تعاونًا. يكشف تحليل الاقتران الببليوغرافي أن الولايات المتحدة والمملكة المتحدة هما أكثر الدول مركزية في الشبكة، مما يعني أن منشوراتهما يتم الاستشهاد بها بشكل كبير في هذا المجال. أظهر تحليل الاتجاه التاريخي زيادة إجمالية في عدد الأوراق المنشورة خلال الفترة 1998-2021، مع ذروة في عام 2015 ومتوسط معدل نمو سنوي قدره 11.2٪. أشارت طريقة قياس طيف سنة النشر المرجعي (RPYS) إلى وجود ميل للاستشهاد بمراجع أحدث، مما يعكس الطبيعة المتطورة للمجال.
خامساً: نتائج البحث ومناقشتها
تم تصنيف المقالات التي تمت مراجعتها بناءً على نموذجي الذكاء الاصطناعي: الرمزي والترابطي. تم استخدام أدوات الذكاء الاصطناعي الرمزية مثل المحاكاة والمنطق الضبابي وأنظمة الخبراء وأدوات التصور بشكل متكرر لتقليل الهدر وتحسين العمليات. تم استخدام أدوات الذكاء الاصطناعي الترابطية، وخاصة أدوات التحسين والتقنيات الروبوتية، لإدارة حالات عدم اليقين وتحسين البناء المعياري في الموقع.
تم تصنيف المقالات كذلك بناءً على سبعة مبادئ أساسية لـ LCM التي تم استخدام أدوات الذكاء الاصطناعي من أجلها:
أظهر التحليل زيادة كبيرة في المنشورات منذ عام 2014، ويعزى ذلك إلى الاعتراف المتزايد بكل من LCM والذكاء الاصطناعي في الأوساط الأكاديمية. تتضمن خارطة الطريق للبحث المستقبلي، المستمدة من القيود والتوصيات الواردة في الأدبيات التي تمت مراجعتها، ما يلي:
سلطت هذه المراجعة الضوء على الدور المتزايد للذكاء الاصطناعي في تعزيز ممارسات LCM في صناعة البناء والتشييد. هناك فجوة في الأدبيات فيما يتعلق بالعلاقة المباشرة بين LCM والذكاء الاصطناعي. ومع ذلك، قدمت المراجعة مخطط تصنيف لأدوات الذكاء الاصطناعي بناءً على المبادئ الأساسية لـ LCM واقترحت خارطة طريق للبحث المستقبلي. تشمل الآثار العملية لهذا البحث فهمًا أفضل للرابط بين الذكاء الاصطناعي و LCM لمديري البناء ومجموعة أدوات عملية لأدوات الذكاء الاصطناعي لتعزيز ممارسات LCM. تشمل قيود البحث تركيزه على مرحلة البناء والحاجة إلى مزيد من الدراسات التجريبية. يجب أن يمتد البحث المستقبلي ليشمل جميع مراحل مشاريع البناء ويركز على تطوير الجيل التالي من أدوات الذكاء الاصطناعي لتسهيل تنفيذ LCM.
(Dumrak & Zarghami, 2023)
مرجع : Dumrak, J., & Zarghami, S. A. (2023). The role of artificial intelligence in lean construction management. In Engineering, Construction and Architectural Management. Emerald Publishing. https://doi.org/10.1108/ECAM-02-2022-0153
تنبع LCM من الإدارة الرشيقة وتهدف إلى تحسين القدرة التنافسية والإنتاجية لصناعة البناء والتشييد من خلال القضاء على الهدر (الأنشطة التي لا تضيف قيمة) وتحسين عمليات سير العمل. تركز على تعظيم القيمة وتقليل الهدر طوال دورة حياة مشروع البناء لمنع تجاوز التكاليف والجدول الزمني، وتقليل هدر المواد والوقت والجهد، وتحسين أداء البناء بشكل عام. في حين أن LCM تقدم العديد من الفوائد، إلا أن تنفيذها يمكن أن يكون صعبًا بسبب تعقيد عمليات البناء. هذا هو السبب في أن دمج طرق من تخصصات أخرى، مثل الذكاء الاصطناعي، غالبًا ما يكون ضروريًا لتسهيل تنفيذ LCM.
يوفر الذكاء الاصطناعي أدوات متقدمة للتعامل مع تعقيدات عمليات البناء، ويدعم LCM من خلال تحسين التخطيط والتنسيق والتحكم، وتعظيم القيمة، وتقليل الأنشطة التي لا تضيف قيمة، والقضاء على الهدر. يمكن لأدوات الذكاء الاصطناعي تعزيز مبادئ مختلفة لـ LCM، مثل تقليل الهدر وتقليل وقت التسليم وتحسين السلامة. على الرغم من أن تطبيق الذكاء الاصطناعي في LCM لا يزال في مراحله الأولى، إلا أن الذكاء الاصطناعي يعتبر أداة فعالة تفتح مسارات جديدة لتحقيق المبادئ الأساسية لـ LCM.
النموذجان الرئيسيان هما الذكاء الاصطناعي الرمزي والذكاء الاصطناعي الترابطي.
تُستخدم أدوات الذكاء الاصطناعي في سبعة مجالات رئيسية تتعلق بمبادئ LCM:
يساعد الذكاء الاصطناعي في تحديد وتصور وإدارة نفايات البناء بشكل فعال. تساعد أدوات مثل محاكاة الأحداث المنفصلة، والشبكات العصبية الاصطناعية، وخوارزميات التحسين، و KanBIM، والبلوتوث منخفض الطاقة، ورسم خرائط تدفق القيمة في تعظيم قيمة العميل من خلال تحسين العمليات.
تُستخدم أدوات الذكاء الاصطناعي لضمان التعامل المناسب مع المهام، وتحسين الجدولة، والقضاء على أوجه القصور. تشمل التقنيات تحليل المحاكاة، والواقع الممتد، وتحسين الجدولة، والخوارزميات الجينية، ونمذجة معلومات البناء (BIM) المهجنة، وتحسين التصميم.
الولايات المتحدة الأمريكية والمملكة المتحدة والصين هي الدول الثلاث الأولى من حيث إنتاج المقالات البحثية، تليها البرازيل وإسرائيل. الولايات المتحدة والمملكة المتحدة وأستراليا هي أكثر الدول تعاونًا في البحوث التعاونية.
يوصى بأربعة اتجاهات بحثية:
تم إضافة العنصر للسلة بنجاح.