การบริหารจัดการมูลเหตุความล่าช้าในนวัตกรรมก่อสร้างภาครัฐด้วยเทคนิคเหมืองข้อมูล
Article Sidebar
Main Article Content
บทคัดย่อ
ในการวิจัยนี้ มีวัตถุประสงค์หลักสองประการ คือ 1) การระบุปัจจัยที่นำไปสู่ความล่าช้าในโครงการก่อสร้างซึ่งเป็นแง่มุมที่มีความสำคัญอย่างยิ่ง 2) การประเมินประสิทธิภาพของแบบจำลอง โดยใช้เทคนิคการทำเหมืองข้อมูล (Data Mining) เพื่อทำนายและวิเคราะห์ความล่าช้า งานนี้แสดงให้เห็นถึงคุณค่าของการมีส่วนร่วมจากผู้มีส่วนได้ส่วนเสีย ผลการวิจัยเผยให้เห็นปัจจัยที่สำคัญที่มีส่วนทำให้เกิดความล่าช้าในโครงการก่อสร้าง ด้านผู้รับเหมา ปัจจัยที่มีอิทธิพลมากที่สุดคือการขาดความรอบคอบและการไม่ได้ตรวจสอบสถานที่ก่อสร้างก่อนเริ่มงาน ซึ่งนำไปสู่ข้อผิดพลาดในการใช้จ่ายโครงการด้วยค่าความเชื่อมั่นที่สูงถึง 0.99 ในส่วนของนายจ้าง ปัจจัยที่สำคัญมาก คือความล่าช้าในการอนุมัติหรืออนุญาตให้ผู้รับเหมาเข้าพื้นที่ก่อสร้าง โดยมีค่าความเชื่อมั่น 0.99 การสื่อสารและการประสานงานที่ไม่เพียงพอระหว่างผู้ควบคุมงานและผู้รับเหมาถูกระบุว่าเป็นอีกหนึ่งปัจจัยสำคัญที่ทำให้เกิดความล่าช้า โดยมีค่าความเชื่อมั่น 1.00 นอกจากนี้ ยังพบว่าสถานการณ์ทางการเมืองยังส่งผลกระทบอย่างมีนัยสำคัญต่อสภาพคล่องทางการเงิน ซึ่งส่งผลต่อความล่าช้าของโครงการด้วยค่าความเชื่อมั่นที่ 1.00 สำหรับเป้าหมายที่สองได้เปรียบเทียบประสิทธิภาพของแบบจำลองทั้ง 5 แบบในการทำนายความล่าช้า หลังจากการทดสอบอย่างถี่ถ้วน แบบจำลองต้นไม้สุ่ม (Random Forest) แสดงประสิทธิภาพที่ดีที่สุด โดยมีความแม่นยำถึง 89.74% จากผลการวิจัยนี้ เราจึงสรุปได้ว่าแบบจำลองต้นไม้สุ่ม (Random Forest) เหมาะสมที่สุดในการจัดการและวิเคราะห์สาเหตุของความล่าช้าในโครงการก่อสร้างของรัฐบาล
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ลิขสิทธิ์ของบทความ
ผลงานที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของมหาวิทยาลัยหอการค้าไทย ห้ามมิให้นำเนื้อหา ทัศนะ หรือข้อคิดเห็นใด ๆ ของผลงานไปทำซ้ำ ดัดแปลง หรือเผยแพร่ ไม่ว่าทั้งหมดหรือบางส่วนโดยไม่ได้รับอนุญาตเป็นลายลักษณ์อักษรจากมหาวิทยาลัยหอการค้าไทยก่อน
เอกสารอ้างอิง
Adegbite, A. O., Adefemi, A., Ukpoju, E. A., Abatan, A., Adekoya, O., & Obaedo, B. O. (2023). Innovations in project management: trends and best practices. Engineering Science & Technology Journal, 4(6), 509-532. https://doi.org/10.51594/estj.v4i6.670
Adil, A., Abdulmajid, T., & Mahdi, S. (2019). Analytical study of the causes of abandoned construction projects. Civil Engineering Journal, 5(11), 2486-2494. https://doi:10.28991/cej-2019-03091426
Alrasheed, K., Soliman, E., & Albader, H. (2023). Systematic review of construction project delays in Kuwait. Journal of Engineering Research, 11(4), 347–355. https://doi.org/10.1016/j.jer.2023.08.009
Assaf, S. A., & Al-Hejji, S. (2006). Causes of delay in large construction projects. International Journal of Project Management, 24(4), 349-357. https://doi.org/10.1016/j.ijproman.2005.11.010
Ayodele, E. O. (2011). Abandonment of construction projects in Nigeria: causes and effects. Journal of Emerging Trends in Economics and Management Sciences, 2(2), 142-145. https://hdl.handle.net/10520/EJC133887
Boonruk V., and Kumpon S. (2018). A data study of contractors’ work abandonment in public project a case study of local government. Engineering Journal of Research and Development. 29(4).19-33. https://ph02.tci-thaijo.org/index.php/eitresearchjournal/article/view/136178 [in Thai]
Chan, D. W. M., & Kumaraswamy, M. M. (1997). A comparative study of causes of time overruns in Hong Kong construction projects. International Journal of Project Management, 15(1), 55-63. https://doi.org/10.1016/S0263-7863(96)00039-7
Doloi, H., Sawhney, A., Iyer, K. C., & Rentala, S. (2012). Analysing factors affecting delays in Indian construction projects. International Journal of Project Management, 30(4), 479-489. https://doi.org/10.1016/j.ijproman.2011.10.004
Frimpong, Y., Oluwoye, J., & Crawford, L. (2003). Causes of delay and cost overruns in construction of groundwater projects in a developing countries; Ghana as a case study. International Journal of Project Management, 21(5), 321-326. https://doi.org/10.1016/S0263-7863(02)00055-8
Gondia, A., Siam, A., El-Dakhakhni, W., & Nassar, A. H. (2020). Machine learning algorithms for construction projects delay risk prediction. Journal of Construction Engineering and Management, 146(1), 04019085. https://doi.org/10.1061/(ASCE)CO.1943-7862.0001736
Han, J., Pei, J., & Kamber, M. (2011). Data mining: Concepts and techniques. Elsevier.
Kaewjaijong, W., & Benjaoran, V. (2022). The causes of construction delays in perspective of civil engineers. Kasetsart Engineering Journal, 35(113), 70-84. https://ph01.tcithaijo.org/index.php/kuengj/article/view/251249/172346 [in Thai]
Karki, S., & Hadikusumo, B. (2023). Machine learning for the identification of competent project managers for construction projects in Nepal. Construction Innovation, 23(1), 1-18. https://doi.org/10.1108/CI-08-2020-0139
Khudhaire, H. Y., & Naji, H. I. (2021). Causes of Abandoned Construction Projects: A case study in Iraq. In IOP Conference Series: Materials Science and Engineering,1105(1). 012081. https://doi10.1088/1757-899X/1105/1/012081
Krejcie, R. V., & Morgan, D. W. (1970). Determining sample size for research activities. Educational and Psychological Measurement, 30(3), 607-610. https://doi.org/10.1177/001316447003000308
Li, W., Duan, P., & Su, J. (2021) The effectiveness of project management construction with data mining and blockchain consensus.
Journal of Ambient Intelligence and Humanized Computing, 12(3), 3025–3035. https://doi.org/10.1007/s12652-020-02668-7.
Marzouk, M. M., & El-Rasas, T. I. (2014). Analyzing delay causes in Egyptian construction projects. Journal of Advanced Research, 5(1), 49-55. https://doi.org/10.1016/j.jare.2012.11.005
Nguyen, P. T. (2021). Application machine learning in construction management. TEM Journal, 10(3), 1385-1389. https://mpra.ub.uni-muenchen.de/109899/
Niazi, G. A., & Painting, N. (2017). Significant factors causing cost overruns in the construction industry in Afghanistan. Procedia Engineering, 182, 510-517. https://doi.org/10.1016/j.proeng.2017.03.145
Obiuto, N. C., Adebayo, R. A., Olajiga, O. K., & Festus-Ikhuoria, I. C. (2024). Integrating artificial intelligence in construction management: Improving project efficiency and cost-effectiveness. Int. J. Adv. Multidisc. Res. Stud, 4(2), 639-647.
Olawale, Y. A., & Sun, M. (2010). Cost and time control of construction projects: Inhibiting factors and mitigating measures in practice. Construction Management and Economics, 28(5), 509-526. http://dx.doi.org/10.1080/01446191003674519
Purushothaman, M. B., San Pedro, L. N. R., & GhaffarianHoseini, A. (2024). Construction projects: interactions of the causes of delays. Smart and Sustainable Built Environment, 1(1), 269. https://doi.org/10.1108/SASBE-11-2023-0334
Saipirom J. (2015). The studies on the cause of delay in shopping mall construction project which that fast track construction project management is applied [Unpublished master’s independent study]. Silpakorn University. http://ithesis-ir.su.ac.th/dspace/handle/ 123456789/715. [in Thai]
Sanni-Anibire, M. O., Zin, R. M., & Olatunji, S. O. (2022). Machine learning model for delay risk assessment in tall building projects. International Journal of Construction Management, 22(11), 2134-2143. https://doi.org/10.1080/15623599.2020.1768326
Schuh, G., Riesener, M., & Dölle, C. (2016). Concept for development project management by aid of predictive analytics. In 2016 Portland International Conference on Management of Engineering and Technology (PICMET) (pp. 2040-2047). Honolulu, USA.http://doi: 10.1109/PICMET.2016.7806640
Senouci, A., Ismail, A., & Eldin, N. (2016). Time delay and cost overrun in Qatari public construction projects. Procedia Engineering, 164, 368-375. https://doi.org/10.1016/j.proeng.2016.11.632
Sweis, G., Sweis, R., Hammad, A. A., & Shboul, A. (2008). Delays in construction projects: The case of Jordan. International Journal of Project Management, 26(6), 665-674. https://doi.org/10.1016/j.ijproman.2007.09.009
Toor, S., & Ogunlana, S. O. (2008). Problems causing delays in major construction projects in Thailand. Construction Management and Economics, 26(4), 395–408. https://doi.org/10.1080/01446190801905406
Triwong, T., Yamoat, N., & Pongsuwan, A. (2022). Factors affecting delay of construction projects. RMUTP Research Journal, 16(2), 127 – 140. https://ph02.tci-thaijo.org/index.php/RMUTP/ article/view/243904/168288 [in Thai]
Tsamardinos, I., Greasidou, E., & Borboudakis, G. (2018). Bootstrapping the out-of-sample predictions for efficient and accurate cross-validation. Machine Learning, 107(12), 1895–1922. https://doi.org/10.1007/s10994-018-5714-4
Van Nguyen, M. (2023). Drivers of innovation towards sustainable construction: A study in a developing country. Journal of Building Engineering, 80, Article 107970. https://doi.org/10.1016/j.jobe.2023.107970
Warburton, R. D. H. & Cioffi, D. F. (2014). Project management theory: deriving a project's cost and schedule for its network structure [Paper presentation]. Project Management Institute Research and Education Conference, Phoenix, AZ., Newtown Square, PA, Project Management Institute. https://www.pmi.org/learning/library/updating-project-management-theory-1917.
Wyrembek, M., & Baryannis, G. (2024). Using MCDM methods to optimise machine decision for supply chain delay prediction: A stakeholder-centric approach. Logforum, 20(2). 175-189. https://doi.org/10.17270/J.LOG.001019
Yang, J., & Wei, P. (2010). Causes of delay in the planning and design phases for construction projects. Journal of Architectural Engineering, 16(2), 80-83. https://doi.org/10.1061/(ASCE)1076-0431(2010)16:2(80)
Zhang, S., & Li, X. (2023). A comparative study of machine learning regression models for predicting construction duration. Journal of Asian Architecture and Building Engineering, 23(6). 1980-1996. https://doi.org/10.1080/13467581.2023.2278887
