Uso de modelos de análisis estructural para la estimación temprana de costos de obra gruesa utilizando modelos de redes neuronales

Abstract

El objetivo principal del trabajo es establecer una metodología para construir un modelo de redes neuronales artificiales (R.N.A.) que utilice como entrada datos de modelos de análisis de estructuras con el fin de estimar los costos de obra gruesa con cierto nivel de precisión o confianza durante la etapa de diseño de un edificio que permita realizar cambios en etapas tempranas para ajustarse a los requerimientos de presupuesto. Además de la metodología, se presenta un modelo matemático resultante del uso de las redes neuronales para estimar los costos. Se desarrolló así una metodología, tanto para extraer variables de entrada para el modelo de redes neuronales desde los modelos de análisis de estructuras, como para la calibración de estas variables, obteniendo una serie de relaciones que permiten reproducir los datos reales de cubicaciones a partir de los modelos de análisis. Complementario a esto, se desarrolló una recolección de variables a partir de una revisión de diversos estudios relacionados al tema de estimación de costos. Se presenta también una metodología para reducir las variables, haciendo uso de software estadístico. Por otra parte, se presenta el procedimiento que se debe llevar a cabo para utilizar el modelo matemático, resultado de la red neuronal y las calibraciones hechas, se presenta el modelo matemático final basado en redes neuronales y se presenta una primera aproximación para estimar, basada solo en las calibraciones de las cubicaciones. Se concluye que los modelos de análisis estructural son una fuente práctica para realizar estimaciones en etapas tempranas de un proyecto, permitiendo realizar cambios de gran impacto en etapas de diseño, para ajustarse a los costos que el mandante está dispuesto a asumir.