Aplicação de redes neurais artificiais no contexto de estimativa de custos de construção de rodovias

Abstract

A estimativa dos custos de projetos de construção com maior precisão na fase do desenvolvimento do projeto é crucial para estudos de viabilidade e é um fator chave para o seu sucesso. No entanto, na etapa inicial da obra existe pouca definição de projeto e, portanto, as informações são limitadas. Além disso, outros problemas são enfrentados como a falta de dados e de métodos adequados de estimativas, como também o envolvimento das incertezas. Com base nisso, este trabalho apresenta a utilização da Inteligência Artificial para estimar custos de construção de rodovias, a partir dos dados de projetos coletados e analisados no Departamento Nacional de Infraestrutura de Transportes (DNIT), com a finalidade de obter as variáveis que mais contribuem para o custo final da obra. Para aplicação da técnica de Redes Neurais Artificiais foi necessário selecionar uma amostra de 25 projetos. As RNAs foram treinadas e testadas com auxílio do software Matlab®, para a arquitetura de rede perceptron de múltiplas camadas e o algoritmo de backpropagation, utilizando 11, 10 e 5 parâmetros de entrada com diferentes topologias para verificar a robustez da ferramenta. A validação das estimativas foi feita pela comparação entre o valor estimado pelas RNAs e o custo real das obras. Ao final deste trabalho, o erro médio encontrado para a estimativa dos custos de construção de rodovias da melhor rede foi igual a 9%, com 5 parâmetros de entrada, 15 neurônios e função tangente hiperbólica na camada oculta e 1 neurônio na camada de saída, utilizando a função linear. Os resultados confirmam que a RNA é uma ferramenta promissora, especialmente para casos como o Brasil, onde as ferramentas computacionais ainda são pouco exploradas, exigindo um tempo maior na execução das tarefas como estimativas. Espera-se que o estudo apresentado contribua e apoie nas decisões de viabilidade econômica de construção de rodovias, pois uma melhor análise pode ser realizada com as variáveis fornecidos para serem reproduzidos e aplicados a outros projetos, uma vez que são parâmetros facilmente quantificáveis na etapa de anteprojeto.