Predicción y gestión de las interacciones de riesgos y los riesgos sistémicos en proyectos de infraestructura mediante machine learning

Los proyectos de infraestructura a menudo enfrentan desafíos de desempeño, como sobrecostos y problemas de seguridad, debido a complejas interacciones de riesgos y riesgos sistémicos. La literatura existente aborda las interacciones de riesgos y los riesgos sistémicos por separado y se basa en modelos que presentan dificultades con las no linealidades, la adaptabilidad y las aplicaciones prácticas, lo que conduce a una gestión de riesgos subóptima. Para abordar esta brecha, este artículo utiliza algoritmos de machine learning (ML) para analizar datos históricos de proyectos y predecir los impactos de las interacciones de riesgos y los riesgos sistémicos en proyectos futuros. Los resultados muestran que los modelos basados en ML proporcionan predicciones precisas, prácticas y basadas en datos sobre el desempeño de los proyectos bajo interacciones de riesgos y riesgos sistémicos. Estos hallazgos son valiosos para los directores de proyectos de infraestructura que buscan mejorar las estrategias de mitigación de riesgos y los resultados de los proyectos. El artículo también sienta las bases para futuras investigaciones sobre el aprovechamiento de la analítica predictiva avanzada para gestionar los riesgos complejos de los proyectos de manera más eficaz. • Las interacciones de riesgos y los riesgos sistémicos son fundamentales para una gestión de riesgos eficiente. • Los modelos existentes son poco prácticos e implican simulaciones complejas. • Se introduce un modelo basado en datos para la evaluación de interacciones de riesgos y riesgos sistémicos. • Enfoque práctico de análisis de riesgos para abordar dimensiones de evaluación de riesgos pasadas por alto. • Arquitectura de modelo intuitiva para la predicción de riesgos.