Analytics and predictions for planning construction processes
2025 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE credits
Student thesis
Abstract [en]
The construction industry is digitally underdeveloped compared to other sectors. A large amount of documents is used during processes such as quality inspection, maintenance planning, incident reporting, or issuing permits to work. All these documents are traditionally on sheets of paper that are filled in by hand and transferred between the different stakeholders. A few companies are starting to digitize their processes, making them both more efficient and more reliable. With their new platform, they now have access to past construction data, and a key issue is to be able to learn from them. In particular, during the quality inspection, many construction defects are reported, and then rectified. These steps are logged, and data gathered during the process can be leveraged to improve the planning of defect rectification. Two solutions are examined to pursue this goal: a visualization application is developed to easily explore defects data, dive into the relevant details, and identify possible improvements to prevent these defects or speed up their correction. In addition, a forecasting model is designed to predict the time to correct a defect and help to estimate the duration of the inspection stage. The visualisation tool is successfully used by several customers, the main remaining issue is to use it at a larger scale for around a hundred different companies. The forecasting attempt shows encouraging results but may require further improvements to be usable.
Abstract [sv]
Byggbranschen är digitalt underutvecklad jämfört med andra branscher. En stor mängd dokument används under processer som kvalitetsinspektion, under- hållsplanering, incidentrapportering eller utfärdande av arbetstillstånd. Alla dessa dokument är traditionellt pappersark som fylls i för hand och skickas mellan de olika intressenterna. Några företag har börjat digitalisera sina processer, vilket gör dem både effektivare och mer tillförlitliga. Med sin nya plattform har de nu tillgång till tidigare byggdata, och en nyckelfråga är att kunna lära sig av dem. I synnerhet under kvalitetsinspektionen rapporteras många konstruktionsfel som sedan åtgärdas. Dessa steg loggas, och data som samlas in under processen kan utnyttjas för att förbättra planeringen av felavhjälpning. Två lösningar undersöks för att uppnå detta mål: en visualiseringsapplikation utvecklas för att enkelt utforska defektdata, dyka in i relevanta detaljer och identifiera möjliga förbättringar för att förhindra dessa defekter eller påskynda korrigeringen av dem. Dessutom utformas en prognosmodell för att förutsäga tiden för att korrigera en defekt och hjälpa till att uppskatta inspektionsfasens varaktighet. Visualiseringsverktyget används framgångsrikt av flera kunder, men den viktigaste återstående frågan är att använda det i större skala för ett hundratal olika företag. Prognosförsöket visar uppmuntrande resultat, men kan kräva ytterligare förbättringar för att bli användbart.
Place, publisher, year, edition, pages
2025. , p. 60
Series
TRITA-EECS-EX ; 2025:62
National Category
Computer and Information Sciences
Identifiers
URN: urn:nbn:se:kth:diva-361865OAI: oai:DiVA.org:kth-361865DiVA, id: diva2:1949080
External cooperation
Novade
Supervisors
Examiners
2025-04-082025-04-012025-04-08Bibliographically approved