A Review of Research Introducing Bayesian Methodology in the Field of Construction Regarding Uncertainty and Incompleteness of Data

Abstract

건설 산업은 많은 국가의 경제 발전과 성장에서 가장 영향력 있는 산업 중 하나다. 건설 산업과 프로젝트는 필연적으로 복잡하고 역동적이며 특성 면에서 독특하며 고도의 고유한 불확실성과 위험이 수준이 높아지기 쉽다. 또한 모든 건설 프로젝트의 성공 또는 실패는 요소, 일정 성과, 예산 성과, 품질 성과 및 환경 및 안전 고려 사항과 같은 경영 요소에 따라 결정된다. 최근에는 많은 이해관계자가 대거 참여하면서 다양한 측면에서 더욱 복잡하고 역동적인 건설 프로젝트가 진행되고 있다. 이러한 복잡성과 동적 특성으로 인해 건설 프로젝트는 예측된 예산과 시간에 더 불확실하고 관리 및 완료하기가 어렵다. 또한 건설 엔지니어링 및 관리 데이터베이스의 대부분은 불확실성, 불완전성, 희소성, 건설 프로젝트의 다양한 단계에서 존재하는 데이터의 불순물로 인해 어려움을 겪고 있다. 따라서 프로젝트 관리자는 불충분한 과거 데이터만 분석하여 미래 프로젝트의 성공 여부를 예측하고 분석하는 데 어려움을 겪다. 따라서, 상이한 통계적, 수학적 및 기계학습 방법 (예를 들어: 퍼지 집합 이론, 서포트 벡터 머신 분류기, 신경 네트워크)에 기초한 많은 방법이 이러한 문제를 해결하기 위해 채택되었다. 그러나 이러한 방법이 의사 결정, 기술 및 개발 프로세스와 관련된 고유 한 불확실성 및 복잡성 구축 프로젝트를 포착 할 수 없으며 건설 산업 데이터베이스의 불완전성과 희소성을 처리 할 수 없다. 따라서 건설 산업뿐만 아니라 다른 산업에서도 이러한 문제를 해결하기 위해 베이지안 정리와 베이지안 정리 기반 방법이 채택되었다. 상호 의존 관계, 역추론을 포착하고 불확실하고 불충분하며 불완전한 데이터를 처리 할 수 있기 때문이다. 베이지안 이론은 1763년에 토마스 베이즈 (Thomas Bayes)가 불확실한 점과 의사 결정 문제를 해결하기 위해 통계적 추론을 수행하기 위해 확률 이론을 사용하여 제안한 베이즈의 정리에 기반을 두고 있다. 게다가 베이지안 이론은 불완전하고 누락 된 데이터를 처리 할 수 있으며 관찰 된 변수가 주어지면 누락 변수의 분포로부터 무작위 추출을 시뮬레이션함으로써 무서운 데이터를 해결할 수 있다. 따라서 베이지안 접근법은 건설 관리에 점차적으로 채택되어왔다. 건설 업계의 베이지안 접근법에 대한 문헌 고찰은 없다. 따라서 베이지안 방법을 검토하는 것은 향후 연구 방향, 기존 이익, 연구 격차, 한계 및 이러한 방법의 채택과 관련된 문제점을 파악하는 데 중요합니다. 또한, 베이지안 방법을 건설 관리에 적용하기 위한 프레임 워크가 개발되지 않았다. 따라서 본 연구는 베이지안 접근법에 대한 포괄적인 검토와 그 이점, 연구 격차 및 미래의 연구 방향을 제시하는 것뿐만 아니라 데이터 특성 및 건설 관리 분야와 관련하여 다양한 베이지안 방법을 기반으로 한 틀을 수립하는 것을 목표로 한다. 첫째, 체계적인 문헌 검토는 2006-2019 년 동안 출판 된 논문을 선택하고 분석하는데 활용된다. 체계적인 검토는 검토 계획, 검토 수행 및 결과보고의 3 단계의 채택을 통해 수행되었다. 마지막으로, 체계적인 문헌 고찰의 결과에 기초한 틀은 베이지안 방법, 건설 관리 지식, 건설 업계의 데이터 특성 및 특성에 관한 실무자와 기존의 연구 격차를 채우기 위해 설정된다. 그 결과, 건설 관리에서 베이지안 방식을 적용하고 불확실하고 불충분하며 불완전한 데이터를 처리하는 것이 유망하다는 것이 발견되다. 그러나 건설 프로젝트는 점점 복잡하고 역동적이며 일정 기간 동안 일관성이 없으며 주로 불량과 불완전한 데이터를 포함한다. 따라서 베이지안 이론과, 시스템 역학 및 기타 인공 지능 기법을 통합하거나 Credal 네트워크, 동적 베이지안 네트워크 또는 동적 Credal 네트워크를 채택하는 것이 좋다. 또한 향후 연구는 공급망 관리, 자원 관리, 조달 관리, 품질 관리 및 자산 관리 분야에서 수행 될 수 있습니다. 또한 제안 된 프레임 워크를 채택함으로써 실무자는 적절한 베이지안 방법을 선택하거나 데이터 및 응용 분야와 관련하여 새로운 베이지안- 하이브리드 방법을 개발할 수 있다.; Construction industry is one of the most influential industries in the economic development and growth of many nations. Construction industry and projects are inevitably complex, dynamic, unique in terms of characteristics, and prone to high levels of inherent uncertainties and risks. Recently, construction projects are becoming more complex and dynamic in various aspects with a large number of stakeholders being involved. This complexity and dynamic characteristic lead the construction projects to be more uncertain and difficult to be managed and finished in the estimated budget and time. Moreover, predominantly construction engineering and management databases suffer from uncertain, incompleteness, scarcity, and the impurity of data existing in various phase of construction projects. Therefore, project managers face various difficulties in predicting and analyzing the success or failure of future projects by only analyzing the insufficient historical data. Hence, various methods based on different statistical, mathematical, and machine learning methods (e.g., fuzzy set theory, support vector machine, neural networks) have been adopted to address these problems. However, many of these methods are not capable to capture the inherent uncertainty and complexity construction projects associated with decision making, technology, and development process as well as treating the incompleteness and scarcity of the database of the construction industry. Hence, not only in the construction industry but also in other industries, Bayesian theorem and Bayesian theorem-based methods have been adopted to address these problems. Since they are able to capture the interdependent relationships, inverse inferences, and handle the uncertain, scarce, and incomplete data. Bayesian theory is based on Bayes’ theorem, which was proposed by Thomas Bayes in 1763, using probability theory for performing statistical inferences to address the uncertain quantities and decision-making problems under uncertain conditions. Moreover, Bayesian theory is able to address the incomplete, missing, and scare data by simulating random draws from the distribution of missing variables given the observed variables. Hence, Bayesian approaches have been increasingly adopted in construction management. To the best of author’s knowledge, there are no specific literature reviews regarding Bayesian methods and their applications aiming to analyze Bayesian methods and their application with respect to data characteristics. Therefore, a review of Bayesian methods is crucial to identify the future research directions, existing benefits, research gaps, limitations and problems regarding the adoption of these methods. Moreover, no frameworks have been developed for the application of the Bayesian methods in construction management. This study aims to provide a framework for practitioners based on Bayesian methods with respect to the data characteristics as well as areas of application and purpose of uses in construction management by performing a comprehensive literature review to discuss the limitations, opportunities and possible enhancement regarding the adoption of Bayesian approaches in the construction industry. Firstly, a systematic literature review is utilized to select and analyze the published papers during 2006-2019. The systematic review is conducted through the adoption of three stages: planning the review, conducting the review and reporting the results. Finally, a framework, which is based on the results of the systematic literature review, is established to help practitioners and filling the existing research gaps regarding the Bayesian methods, construction management knowledge of areas, and characteristics of data in the construction industry. As a result, it was found that the application of Bayesian approaches in construction management, and handling the uncertain, scarce, and incomplete data is promising. However, construction projects are getting more complex and dynamic and inconsistent over a period of time with mainly noisy or incomplete data are available. Hence, the integration of Bayesian approaches with methods: fuzzy logic, system dynamics, and other artificial intelligence methods, or the adoption of Credal networks, dynamic Bayesian network or dynamic Credal networks are recommended. Moreover, future research can be conducted in areas: supply chain management, resource management, procurement management, quality management, and asset management. Additionally, by the adoption of the proposed framework, the practitioners are able to select the appropriate Bayesian method or develop new Bayesian-Hybrid methods with respect to data and areas of application.