Previsión del proveedor adecuado para el proyecto de construcción utilizando técnicas de aprendizaje automático

El objetivo de la investigación es pronosticar los proveedores adecuados para el proyecto de construcción utilizando técnicas de aprendizaje automático. En primer lugar se realizaron los estudios bibliotecarios y se extrajo el vacío de investigación. Entonces se determinó la innovación. Basado en la...

Descripción completa

Detalles Bibliográficos
Autores principales:	Lakmehsari, Meysam Ebrahimi, Aldin Hosseini, Seyed Jamal, Aldin Hosseini, Seyed Kamal, Hwang, Hyeon-Jong
Formato:	Online
Idioma:	eng
Publicado:	Universidad Nacional de Ingeniería (UNI) en Managua 2022
Acceso en línea:	https://www.camjol.info/index.php/NEXO/article/view/15549

id	NEXO15549
record_format	ojs
spelling	NEXO155492023-01-30T03:41:41Z Forecasting suitable supplier for construction project using machine learning techniques Previsión del proveedor adecuado para el proyecto de construcción utilizando técnicas de aprendizaje automático Lakmehsari, Meysam Ebrahimi Aldin Hosseini, Seyed Jamal Aldin Hosseini, Seyed Kamal Hwang, Hyeon-Jong Supplier freezing rate construction project machine learning techniques Proveedor tasa de congelación proyecto de construcción técnicas de aprendizaje automático The aim of the research is to forecast the suitable suppliers for construction project using machine learning techniques. Firstly the librarian studies were conducted and research gap is extracted. Then innovation was determined. Based on the innovation a model for suitable supplier forecasting for construction project using machine learning techniques were provided. The model includes 12 entry variables and 1 output variable that include supplier performance. The model using 2 algorithm of artificial neuron network and support vector machine were conducted and the most influencing factors were determined using decision tree algorithm. The general comparison between artificial neuron network and support vector machine indicate the better performance of artificial neuron network based on decision tree. Based on decision tree results we can say that the supplier company income is considered as most important variable. The order change cost variable play the separator role in lower level. The life variables of companied and guarantees after company income and change cost of order play the main role. El objetivo de la investigación es pronosticar los proveedores adecuados para el proyecto de construcción utilizando técnicas de aprendizaje automático. En primer lugar se realizaron los estudios bibliotecarios y se extrajo el vacío de investigación. Entonces se determinó la innovación. Basado en la innovación, se proporcionó un modelo para la previsión de proveedores adecuados para proyectos de construcción utilizando técnicas de aprendizaje automático. El modelo incluye 12 variables de entrada y 1 variable de salida que incluyen el desempeño del proveedor. Se realizó el modelo utilizando 2 algoritmos de red de neuronas artificiales y máquina de vectores de soporte y los factores más influyentes se determinaron utilizando el algoritmo de árbol de decisión. La comparación general entre la red de neuronas artificiales y la máquina de vectores de soporte indica el mejor rendimiento de la red de neuronas artificiales basada en el árbol de decisión. Según los resultados del árbol de decisión, podemos decir que los ingresos de la empresa proveedora se consideran la variable más importante. La variable de costo de cambio de orden juega el papel de separador en el nivel inferior. Las variables de vida de la empresa y garantías después de los ingresos de la empresa y el costo de cambio de la orden juegan el papel principal. Universidad Nacional de Ingeniería (UNI) en Managua 2022-12-31 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Peer-Reviewed Article Artículo revisado por pares application/pdf https://www.camjol.info/index.php/NEXO/article/view/15549 10.5377/nexo.v35i04.15549 Nexo Scientific Journal; Vol. 35 No. 04 (2022); 1060-1077 Nexo Revista Científica; Vol. 35 Núm. 04 (2022); 1060-1077 1995-9516 1818-6742 eng https://www.camjol.info/index.php/NEXO/article/view/15549/18486 Copyright (c) 2022 Universidad Nacional de Ingeniería http://creativecommons.org/licenses/by/4.0
institution	Universidad Nacional de Ingeniería
collection	Nexo Revista Científica
language	eng
format	Online
author	Lakmehsari, Meysam Ebrahimi Aldin Hosseini, Seyed Jamal Aldin Hosseini, Seyed Kamal Hwang, Hyeon-Jong
spellingShingle	Lakmehsari, Meysam Ebrahimi Aldin Hosseini, Seyed Jamal Aldin Hosseini, Seyed Kamal Hwang, Hyeon-Jong Previsión del proveedor adecuado para el proyecto de construcción utilizando técnicas de aprendizaje automático
author_facet	Lakmehsari, Meysam Ebrahimi Aldin Hosseini, Seyed Jamal Aldin Hosseini, Seyed Kamal Hwang, Hyeon-Jong
author_sort	Lakmehsari, Meysam Ebrahimi
description	El objetivo de la investigación es pronosticar los proveedores adecuados para el proyecto de construcción utilizando técnicas de aprendizaje automático. En primer lugar se realizaron los estudios bibliotecarios y se extrajo el vacío de investigación. Entonces se determinó la innovación. Basado en la innovación, se proporcionó un modelo para la previsión de proveedores adecuados para proyectos de construcción utilizando técnicas de aprendizaje automático. El modelo incluye 12 variables de entrada y 1 variable de salida que incluyen el desempeño del proveedor. Se realizó el modelo utilizando 2 algoritmos de red de neuronas artificiales y máquina de vectores de soporte y los factores más influyentes se determinaron utilizando el algoritmo de árbol de decisión. La comparación general entre la red de neuronas artificiales y la máquina de vectores de soporte indica el mejor rendimiento de la red de neuronas artificiales basada en el árbol de decisión. Según los resultados del árbol de decisión, podemos decir que los ingresos de la empresa proveedora se consideran la variable más importante. La variable de costo de cambio de orden juega el papel de separador en el nivel inferior. Las variables de vida de la empresa y garantías después de los ingresos de la empresa y el costo de cambio de la orden juegan el papel principal.
title	Previsión del proveedor adecuado para el proyecto de construcción utilizando técnicas de aprendizaje automático
title_short	Previsión del proveedor adecuado para el proyecto de construcción utilizando técnicas de aprendizaje automático
title_full	Previsión del proveedor adecuado para el proyecto de construcción utilizando técnicas de aprendizaje automático
title_fullStr	Previsión del proveedor adecuado para el proyecto de construcción utilizando técnicas de aprendizaje automático
title_full_unstemmed	Previsión del proveedor adecuado para el proyecto de construcción utilizando técnicas de aprendizaje automático
title_sort	previsión del proveedor adecuado para el proyecto de construcción utilizando técnicas de aprendizaje automático
title_alt	Forecasting suitable supplier for construction project using machine learning techniques
publisher	Universidad Nacional de Ingeniería (UNI) en Managua
publishDate	2022
url	https://www.camjol.info/index.php/NEXO/article/view/15549
work_keys_str_mv	AT lakmehsarimeysamebrahimi forecastingsuitablesupplierforconstructionprojectusingmachinelearningtechniques AT aldinhosseiniseyedjamal forecastingsuitablesupplierforconstructionprojectusingmachinelearningtechniques AT aldinhosseiniseyedkamal forecastingsuitablesupplierforconstructionprojectusingmachinelearningtechniques AT hwanghyeonjong forecastingsuitablesupplierforconstructionprojectusingmachinelearningtechniques AT lakmehsarimeysamebrahimi previsiondelproveedoradecuadoparaelproyectodeconstruccionutilizandotecnicasdeaprendizajeautomatico AT aldinhosseiniseyedjamal previsiondelproveedoradecuadoparaelproyectodeconstruccionutilizandotecnicasdeaprendizajeautomatico AT aldinhosseiniseyedkamal previsiondelproveedoradecuadoparaelproyectodeconstruccionutilizandotecnicasdeaprendizajeautomatico AT hwanghyeonjong previsiondelproveedoradecuadoparaelproyectodeconstruccionutilizandotecnicasdeaprendizajeautomatico
_version_	1805399696998400000

Previsión del proveedor adecuado para el proyecto de construcción utilizando técnicas de aprendizaje automático

Ejemplares similares