Doğalgaz boru hattı projelerinin risk yönetiminde yapay zekâ ve bim kullanımının stratejik çerçevesi

Risk yönetimi ve değerlendirilmesi literatür araştırmaları ve uzman görüşlerine göre çok çeşitli faktörler içeren çok girdili bir karar verme problemidir. Etkili modeller kurmak ve bu kriterler arasındaki ilişkiyi çözmek adına araştırmacı ve akademisyenler literatürde geniş bir kapsamda yöntemler veya modeller sunmuştur. Risk Yönetimi gibi proje performans ölçeklerini etkileyen en stratejik konunun üstesinden gelmek adına en uygun yöntem ve kıstas seçimi gerekmektedir. Dünya ve Türkiye'de bulunan endüstriyel tesis işlerinde risk yönetimi ve değerlendirmeleri istenilen seviyeden uzaktır. Genel olarak geleneksel yöntemlerden olan karar matrisi üzerinden risk skoru ile değerlendirme yapılmakta ve buna göre azaltma planları uygulanmaktadır. Bu çalışma da; Mega proje olarak adlandırılan TANAP projesinde risk yönetimi ve değerlendirilmesi üzerinden bir model sunulmuştur. Sunulan model de tasarım ve yapım süreçlerini kapsayacak şekilde kayıt altına alınan 104 risk türünün derecelendirmesini sağlayan çok kriterli sinirsel bulanık mantık yaklaşımı(ANFIS) kullanılarak bir vaka çalışması yapılmıştır. Adaptif ağların yapıları ve avantajlarının ve bulanık mantık metodolojisi ile bir araya getirilmesi daha kapsamlı ve efektif bir risk yönetimi ve değerlendirmesi yapılabileceği göstermiştir. Hata kare ortalamaları karekökü ve Ortalama Mutlak Yüzde Hata performans göstergelerince sinirsel bulanık mantık ile oluşturulan yapay zekâ destekli risk yönetimi veya değerlendirmesinde, daha iyi sonuçlar verdiği ortaya konulmuştur. Çalışmanın en son aşamasında omni-class sınıfları ile tanımlanabilen riskler, renk ve dilsel ifadeler ile BIM Naviswork/Dynamo modülü yazılımı yardımı ile görselleştirme ve bilgi paylaşımını arttırmak için, 3D görsellere aktarılarak risk haritaları oluşturulmuş ve çalışma sonlandırılmıştır. Bu araştırmanın ana katkısı, yapay zekânın hybrid öğrenme yöntemi ile riski doğru değerlendirerek derecelendirmek ve daha sonra görsel ve dilsel ifadeler olarak BIM'e bütünleşmiş ederek risk haritaları elde etme yaklaşımıdır. Bu araştırmanın pratik önemi, önerilen yaklaşımın proje geliştirme ve yapım sürecinde risk tanımlama, analiz ve yönetimini iyileştirmek için Yapay zekâ (ANFIS) ve BIM tabanlı risk yönetimi yazılımının geliştirilmesine olanak sağlamasıdır. Bu araştırma, geleneksel tekniklerin risk yönetimi için ANFIS ve BIM ile uyumlu hale getirilebileceğine dair kanıt sağlar. vii Önerilen yöntemin önemli bir avantajı, yaşam döngüsü proje risk yönetimi için ANFIS ve BIM'in faydalarını birleştirmesi ve mevcut çalışma süreçlerinde minimum kesintiye ve maksimum performans etkisine sahip olmasıdır.