MAKİNE ÖĞRENMESİ TEKNİKLERİ İLE İNŞAAT PROJELERİNDE GECİKME ANALİZİ

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Bursa Uludağ Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği, Türkiye

Tezin Onay Tarihi: 2026

Tezin Dili: Türkçe

Öğrenci: ALİ ULVİ KASAPOĞLU

Danışman: Seval Ene Yalçın

Özet:

İnşaat projelerinin planlanan zamanda tamamlanabilmesi, çok çeşitli parametrelere bağlıdır. Bu nedenle gerçekleşecek gecikmenin klasik yöntemlerle tahmin edilmesi çoğu durumda yeterli olmamaktadır. Planlanan sürenin aşılması öncelikle maliyet artışı olmak üzere inşaat firmaları için prestij kaybı ve yapılan işin kalitesizliği gibi birçok sorunu beraberinde getirmektedir. Bu nedenle, proje planlama aşamasında gecikme riskinin öngörülebilmesi, etkili karar alma süreçleri açısından büyük önem taşımaktadır. Bu çalışma, inşaat projelerinde gecikme risklerini makine öğrenmesi yöntemlerini kullanarak tahmin etmeyi ve gecikme düzeylerini sınıflandırmayı amaçlamaktadır.

 

Çalışma kapsamında, Türkiye’de tamamlanmış 62 gerçek inşaat projesinden elde edilen veriler kullanılmıştır. Anket yöntemiyle elde edilen 34 değişken arasından gecikmeye etkisi istatistiksel olarak önemsiz bulunan faktörler elenmiş ve toplam 25 gecikme faktörü model girdisi olarak belirlenmiştir. Projeler, gecikme oranlarına göre “Gecikme Yok/Önemsiz”, “Orta Düzey Gecikme” ve “Yüksek Gecikme” olmak üzere üç sınıfa ayrılmıştır.

 

Modelleme aşamasında Rastgele Orman, Karar Ağacı, K-En Yakın Komşu, Destek Vektör Makineleri, Naive Bayes, Lojistik Regresyon, Yapay Sinir Ağları, CatBoost, XGBoost ve hibrit bir yaklaşım olarak Karar Ağacı + XGBoost modelleri geliştirilerek performansları karşılaştırılmıştır. Modellerin başarısı doğruluk (accuracy), kesinlik (precision), duyarlılık (recall) ve F1 skoru kullanılarak değerlendirilmiştir. Son olarak, oluşturulan modeller, eğitim ve test süreçlerinde kullanılmamış yeni proje verileri ile doğrulanmıştır. Ayrıca, Shapley toplamsal açıklamaları analizi kullanılarak gecikmeye en fazla etki eden faktörler yorumlanmış ve modelin proje planlama aşamasında gecikme risklerinin öngörülmesine yönelik kullanılabilirliği test edilmiştir. Elde edilen bulgular doğrultusunda, geliştirilen yaklaşımın proje süreçlerinde gecikme risklerinin daha erken tespit edilmesine katkı sağlayabileceği ve karar vericilere proje yönetimi süreçlerinde veri odaklı bir değerlendirme imkânı sunabileceği değerlendirilmektedir.