- Tytuł:
-
Analysis of labour efficiency supported by the ensembles of neural networks on the example of steel reinforcement works
Analiza wydjaności pracy wspomagana zespołem sieci neuronowych na przykładzie robót zbrojarskich - Autorzy:
- Juszczyk, Michał
- Powiązania:
- https://bibliotekanauki.pl/articles/230439.pdf
- Data publikacji:
- 2020
- Wydawca:
- Polska Akademia Nauk. Czytelnia Czasopism PAN
- Tematy:
-
wydajność pracy
sieć neuronowa
prognoza
roboty zbrojarskie
zbrojenie stalowe
labour efficiency
neural network
prediction
reinforcement works
steel reinforcement - Opis:
-
This study presents an artificial intelligence technique based on ensemble of artificial neural networks for the purposes of analysis and prediction of labour productivity. The study focuses on the development of model that combines several artificial neural networks on the basis of real-life data collected on a construction site for steel reinforcement works. The data includes conditions, characteristics, features of steel reinforcement works and related efficiencies of workers assigned to particular tasks recorded on site. The proposed ensemble based model combines five supervised learning models - five different multilayer perceptron networks, which contribution in the prediction is weighted due to the application of generalised averaging approach. Testing results show that the proposed ensemble based model achieves the satisfactory evaluation criteria for coefficient of correlation (0.989), root-mean-squared error (2.548), mean absolute percentage error (4.65%) and maximum absolute percentage error (8.98%).
Wydajność pracy ma kluczowy wpływ na czas realizacji i koszty przedsięwzięć budowlanych. W publikacji przedstawiono wyniki prac badawczych nad wykorzystaniem zespołów sztucznych sieci neuronowych w analizie i predykcji wydajności pracy na przykładzie robot zbrojarskich. Analiza została przeprowadzona w oparciu dane zbierane przez wykonawcę w trakcie realizacji robót. Celem pracy badawczej była ocena przydatności danych zebranych przez wykonawcę robot oraz proponowanego narzędzia matematycznego do analizy i predykcji wydajności pracy. - Źródło:
-
Archives of Civil Engineering; 2020, 66, 1; 97-111
1230-2945 - Pojawia się w:
- Archives of Civil Engineering
- Dostawca treści:
- Biblioteka Nauki
Artykuł