Интеграция управления стоимостью с машинным обучением для прогнозирования производительности в проектах строительства алюминиевой опалубки Mivan

🏗️ ML-EVM для опалубки Mivan: авторы исследуют, как совместить метод освоенного объёма с машинным обучением для прогноза сроков и стоимости в высотном жилье. Обычный EVM хорошо фиксирует прошлое, но хуже описывает нелинейные эффекты: разную сложность этажей, цикл плит и рост производительности бригад. В работе использованы данные 5 проектов в Махараштре за 2023–2025 годы: 183 недельных наблюдения, после очистки — 128 для обучения и 55 для теста. Модели Random Forest прогнозировали PV, EV, AC, SPI и CPI, а KNN оценивал длительность цикла плиты по этажам. Результаты: R²=0,93 для PV, 0,696 для EV, 0,727 для AC; для длительности KNN дал R²=0,617 и среднюю ошибку 1,8 дня. Научная новизна — связка ML-EVM с поэтажным прогнозом длительности именно для проектов Mivan и введение показателя сложности этажа. Ограничения существенные: данные только из одного региона Индии, SPI и CPI предсказываются с низкой точностью, а рекурсивный прогноз требует регулярного обновления фактическими данными.