"دور الذكاء الاصطناعي في تحسين تخصيص الموارد في المشاريع الهندسية في ليبيا"

The Role of Artificial Intelligence in Optimizing Resource Allocation in Engineering Projects in Libya

Abdelhamid Naid

DOI: https://doi.org/10.64489/7jbhjr27

الملخص

الملخص: يعد تخصيص الموارد الركيزة الأساسية لنجاح إدارة المشاريع الهندسية، وذلك من خلال الاستخدام الفعال للموارد مثل العمالة والمواد والمعدات. إلا أن الأساليب التقليدية المعتمدة على النمذجة الثابتة وتقنيات التحسين القائمة على الإجراءات الحدسية تعاني من محدودية في قدرتها على التكيف مع التغيرات الفورية، مما يؤدي إلى انخفاض الكفاءة، وتجاوز التكاليف، وتفويت المواعيد النهائية. وتزداد أهمية هذه التحديات مع تزايد تعقيد المشاريع الهندسية الحديثة واتساع نطاقها . يتجاوز هذا البحث المشكلات السابقة من خلال اقتراح إطار عمل متكامل قائم كليا على الذكاء الاصطناعي بهدف تحسين تخصيص الموارد وتحقيق نتائج أفضل للمشاريع. وعلى عكس الأساليب التقليدية، يعتمد الإطار المقترح على التحليلات التنبؤية والخوارزميات المتقدمة باستخدام تقنيات التعلم الآلي لتحليل كميات هائلة من البيانات التاريخية واللحظية، بهدف التنبؤ بدقة بالاحتياجات المستقبلية للموارد وتنفيذ عمليات إعادة تخصيص ديناميكية. وكما توضح دراسة الحالة التي أجريت في ليبيا، يملك الإطار المقترح القدرة على تقليل الهدر في الموارد، وتعزيز الإنتاجية، والتعامل مع الاضطرابات غير المتوقعة مثل تعطل سلاسل الإمداد أو نقص العمالة، وذلك من خلال دمج التحليلات التنبؤية مع خوارزميات التحسين. وتكمن حداثة هذا النهج في الجمع بين التحليلات التنبؤية واتخاذ القرار الفوري ضمن إطار مقيد يضمن الالتزام بالميزانية والجدول الزمني دون المساس بالكفاءة أو الجودة. يهدف البحث إلى تصميم نموذج قوي لتخصيص الموارد والتحقق من فعاليته، مع تحقيق دقة تنبؤ تصل إلى 99.3% وتحسين استغلال الموارد بشكل أمثل. ويقوم هذا النموذج على نظام هجين للذكاء الاصطناعي، حيث تتولى التحليلات التنبؤية تقدير الطلب على الموارد، بينما تقوم خوارزميات التحسين بتوزيعها بشكل ديناميكي. وتظهر عمليات المحاكاة ودراسات الحالة أن الإطار المقترح يساهم في تقليل وقت الخمول، وخفض التكاليف، وضمان إنجاز المشاريع في الوقت المحدد. وتشير النتائج إلى الإمكانات الكبيرة للأنظمة المعتمدة على الذكاء الاصطناعي في إحداث نقلة نوعية في إدارة الموارد الهندسية.

Abstract

Abstract: Resource allocation is the bedrock of a successful engineering project management, with respect to effective usage of resources like labor, materials, and equipment. The traditional methods that depend on static optimization and heuristic techniques are restricted in their adaptability to real-time changes and result in inefficiencies, cost overruns, and missed deadlines. These factors are increasingly necessary as modern engineering projects become complex and large in scale. This research goes beyond the issues outlined above, instead proposing a fully Al-driven framework to better allocate resources to bring about vastly improved project outcomes. While traditional techniques will rely solely on predictive analytics and advanced algorithms using machine learning techniques to evaluate immense amounts of both historical and real-time data in order to create accurate demand for resources as well as to do dynamic re-allocations. The proposed framework as illustrated in the case study performed in Libya, can minimize resource wastage, enhance productivity, and respond to unforeseen disruptions such as supply chain interruptions or labor shortages by integrating these capabilities with optimization algorithms. The novelty in this approach is the integration of predictive analytics with real-time decision-making within the constraint framework of meeting budgetary and timeline limits without compromise to efficiency or quality. The study aims to design and validate a robust resource allocation model for the purpose of forecasting an accuracy of 99.3% and optimizing resource utilization. This study follows a hybrid Al system, where predictive analytics are generating the forecast regarding demands on resources and optimization algorithms dynamically allocating them. Simulations and case studies demonstrate that the proposed framework does reduce idle time, minimize costs, and ensure timely project completion. The results obtained show tremendous potential for AI-driven systems in shifting the paradigm of engineering resource management.

الكلمات المفتاحية: الكلمات المفتاحية التحسين التحليلات التنبؤية تخصيص الموارد الذكاء الاصطناعي، الكفاءة.