Inteligencia artificial, Big Data para la optimización de la gestión de proyectos de construcción en los departamentos de Norte de Santander, Santander y Cesar de Colombia

Simple item page
dc.contributor.advisorZabala Vargas, Sergio Andrés
dc.contributor.authorAscanio Delgado, Andres Mauricio
dc.contributor.authorGutiérrez Gómez, Andrea
dc.coverage.spatialBogotá D.C.
dc.date.accessioned2025-12-05T14:15:00Z
dc.date.available2025-12-05T14:15:00Z
dc.date.issued2024-11-06
dc.descriptionProponer un conjunto de estrategias y recomendaciones para la integración de tecnologías emergentes, como la inteligencia artificial y el Big Data, en la gestión de proyectos de las empresas de Norte de Santander, Santander y Cesar, Colombia; optimizando la administración de costos y tiempos mejorando la toma de decisiones empresariales.
dc.description.abstractEste estudio se llevó a cabo mediante una metodología de enfoque cuantitativo, lo que permitió analizar la viabilidad de implementar tecnologías emergentes, como la inteligencia artificial (IA) y el Big Data, en la gestión de proyectos de construcción en los departamentos de Norte de Santander, Santander y Cesar, en Colombia. A través de una revisión de la literatura y la evaluación del nivel de adopción y uso de estas herramientas en empresas constructoras, se examina cómo estas tecnologías pueden optimizar los procesos de gestión, mejorando la eficiencia, reduciendo tiempos y costos, y aumentando la rentabilidad.Para llevar a cabo el estudio, se utilizaron dos instrumentos clave: una encuesta dirigida a empresas del sector de la construcción para evaluar su nivel de madurez tecnológica y una matriz de análisis bibliográfico para identificar las tendencias globales en la adopción de IA y Big Data en el sector. Los resultados obtenidos revelan que, aunque existe un creciente interés en la implementación de estas tecnologías, la adopción efectiva sigue siendo limitada debido a barreras como la falta de capacitación y la ausencia de estrategias digitales integrales. Con base en los hallazgos, se proponen recomendaciones y estrategias para facilitar la integración de tecnologías emergentes en la gestión de proyectos de construcción. Entre las estrategias sugeridas se incluyen el desarrollo de planes de formación en habilidades digitales, la implementación de métricas de seguimiento y la optimización de la gestión de costos mediante el uso de Big Data y BIM (Building Information Modeling).
dc.description.abstractThis study was conducted using a quantitative methodology, enabling an analysis of the feasibility of implementing emerging technologies, such as artificial intelligence (AI) and Big Data, in construction project management in the departments of Norte de Santander, Santander, and Cesar, Colombia. Through a literature review and an assessment of the adoption and use of these tools in construction companies, this research examines how these technologies can optimize management processes, improve efficiency, reduce time and costs, and increase profitability. To conduct the study, two key instruments were used: a survey directed at construction companies to assess their level of technological maturity and a bibliographic analysis matrix to identify global trends in the adoption of AI and Big Data in the sector. The results revealed that, while there is growing interest in implementing these technologies, effective adoption remains limited due to barriers such as a lack of training and the absence of integrated digital strategies. Based on the findings, recommendations and strategies are proposed to facilitate the integration of emerging technologies into construction project management. Suggested strategies include developing training plans for digital skills, implementing tracking metrics, and optimizing cost management through the use of Big Data and BIM (Building Information Modeling)
dc.format.extent75 páginas
dc.identifier.citationGutiérrez Gómez, A., y Ascanio Delgado, A. (2024). Inteligencia artificial, Big Data para la optimización de la gestión de proyectos de construcción en los departamentos de Norte de Santander, Santander y Cesar de Colombia. [Monografía, Corporación Universitaria Minuto de Dios - UNIMINUTO]. Repositorio UNIMINUTO.
dc.identifier.urihttps://hdl.handle.net/10656/22733
dc.language.isoes
dc.publisherCorporación Universitaria Minuto de Dios - UNIMINUTO
dc.publisher.departmentPosgrado (Virtual)
dc.publisher.programEspecialización en Gerencia de Proyectos
dc.rightsAcceso Abierto - http://purl.org/coar/access_right/c_abf2
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectConstruction
dc.subjectArtificial Intelligence
dc.subjectBig Data
dc.subjectEmerging technologies
dc.subjectProject management
dc.subjectDigital transformation
dc.subject.keywordsConstrucción
dc.subject.keywordsInteligencia Artificial
dc.subject.keywordsBig Data
dc.subject.keywordsGestión de proyectos
dc.subject.keywordsTransformación digital
dc.subject.keywordsConstruction
dc.subject.keywordsArtificial Intelligence
dc.subject.keywordsEmerging technologies
dc.titleInteligencia artificial, Big Data para la optimización de la gestión de proyectos de construcción en los departamentos de Norte de Santander, Santander y Cesar de Colombia
dc.typeTrabajo de Investigación e Innovación
dc.type.coarthesis
dcterms.bibliographicCitationAl-Humaidi, H., & Hadid, M. (2017). Causes of delay in construction projects in the Gulf Cooperation Council countries. International Journal of Project Management, 35(5), 372-385. Alkass, S., Mazerolle, M., Tribelsky, E., & Moshref, A. (2020). Big Data and AI in Construction Project Management. Journal of Construction Management, 28(3), 45-61. Alkass, S., Moulton, J., & Abdelhamid, T. (2020). Challenges in construction project management: A focus on cost overruns and schedule delays. Journal of Construction Engineering and Management, 146(6), 1-11. Azhar, N., Farooqui, R. U., & Ahmed, S. M. (2017). Cost overrun factors in the construction industry of Pakistan. Journal of Construction Engineering and Management, 143(12), 05017010. Banco Mundial. (2021). Informe sobre la infraestructura en Colombia: Retos y oportunidades. Bilal, M., Oyedele, L. O., Kusimo, H. O., Owolabi, H. A., Akanbi, L. A., Ajayi, A. O., Akinade, O. O., & Davila Delgado, J. M. (2019). Investigating profitability performance of construction projects using big data: A project analytics approach. Journal of Building Engineering, 26. https://doi.org/10.1016/j.jobe.2019.100850 Bilal, M., Oyedele, L. O., Qadir, J., Munir, K., Ajayi, S. O., Akinade, O. O., ... & Pasha, M. (2016). Big data in the construction industry: A review of present status, opportunities, and future trends. Advanced Engineering Informatics, 30(3), 500-521. https://doi.org/10.1016/j.autcon.2016.01.017 Buchanan, B. G. (2019). Artificial intelligence in project management. Journal of Management Science, 56(8), 2153-2167. Bryde, D. J., Broquetas, M., & Volm, J. M. (2013). The project benefits of Building Information Modelling (BIM). International Journal of Project Management, 31(7), 971-980. https://doi.org/10.1016/j.ijproman.2012.12.001 CAMACOL. (2024). Afiliados y servicios. Cámara Colombiana de la Construcción. Recuperado de https://camacol.co CAMACOL Santander. (2024). Afiliación y beneficios. Cámara Colombiana de la Construcción, Regional Santander. Recuperado de https://camacolsantander.org.co Castro, R., & Méndez, P. (2021). Integrating Artificial Intelligence in Construction Project Management: Opportunities and Challenges. Journal of Construction Engineering and Management, 147(10), 04021084. https://doi.org/10.1061/(ASCE)CO.1943-7862.0002094 Chen, K., Lu, W., Peng, Y., Rowlinson, S., & Huang, G. Q. (2015). Bridging BIM and building: From a literature review to an integrated conceptual framework. International Journal of Project Management, 33(6), 1405-1416. https://doi.org/10.1016/j.ijproman.2015.03.006 Congreso de Colombia. (1997). Ley 400 de 1997 - Por la cual se adopta la norma sismo resistente. Diario Oficial No. 43.091. https://www.funcionpublica.gov.co Congreso de Colombia. (2009). Ley 1285 de 2009 - Por la cual se modifica la Ley 29 de 1990, sobre fomento de la investigación y el desarrollo científico y tecnológico. Diario Oficial No. 47.243. https://www.funcionpublica.gov.co Congreso de Colombia. (2012). Ley 1581 de 2012 - Por la cual se dictan disposiciones generales para la protección de datos personales. Diario Oficial No. 48.587. https://www.sic.gov.co Congreso de Colombia. (2016). Ley 1819 de 2016 - Reforma tributaria estructural. Diario Oficial No. 50.101. https://www.dian.gov.co Congreso de Colombia. (2019). Ley 1955 de 2019 - Plan Nacional de Desarrollo 2018- 2022. Diario Oficial No. 51.009. https://www.dnp.gov.co Datta, S. D., Islam, M., Sobuz, M. H. R., Ahmed, S., & Kar, M. (2024). Artificial intelligence and machine learning applications in the project lifecycle of the construction industry: A comprehensive review. Heliyon. https://doi.org/10.1016/j.heliyon.2024.e26888 Eastman, C., Teicholz, P., Sacks, R., & Liston, K. (2018). BIM handbook: A guide to building information modeling for owners, designers, engineers, contractors, and facility managers (3ª ed.). John Wiley & Sons. Flyvbjerg, B., Holm, M. K., & Buhl, S. (2018). Cost underestimation in large-scale projects: Causes, consequences, and cures. Journal of the American Planning Association, 68(3), 279-295. Gido, J., & Clements, J. P. (2015). Successful project management (6ª ed.). Cengage Learning. Huang, X. (2021). Application of BIM big data in construction engineering cost. Journal of Physics: Conference Series, 1865(3), 032016. https://doi.org/10.1088/1742-6596/1865/3/032016 ICONTEC. (2017). NTC 6001: Gestión de proyectos de construcción. Instituto Colombiano de Normas Técnicas y Certificación. https://www.icontec.org.co International Organization for Standardization. (2014). ISO 55000: Asset management – Overview, principles and terminology. https://www.iso.org International Organization for Standardization. (2018). ISO 19650: Organization and digitization of information about buildings and civil engineering works, including building information modelling (BIM) – Information management using building information modelling. https://www.iso.org Kerzner, H. (2017). Project management: A systems approach to planning, scheduling, and controlling (12ª ed.). John Wiley & Sons. Li, H., Yang, X., Wang, F., Rose, T., Chan, G., & Dong, S. (2016). Stochastic state sequence model to predict construction site safety states through Real-Time Location Systems. Safety Science, 84, 78-87. https://doi.org/10.1016/j.ssci.2015.11.025 Love, P. E. D., Edwards, D. J., & Han, S. (2019). Predictive Analytics in Construction Projects: Cost and Schedule Performance. Automation in Construction, 107, 102909. Love, P. E., Edwards, D. J., & Irani, Z. (2019). Forensic project management: An exploratory examination of the causal behaviors leading to cost overrun in construction projects. Journal of Business Research, 95, 479-490. Lung, L.-W., & Wang, Y.-R. (2023). Applying deep learning and single shot detection in construction site image recognition. Buildings, 13(4), 1074. https://doi.org/10.3390/buildings13041074 McKinsey & Company. (2017). Reinventing construction: A route to higher productivity. McKinsey Global Institute. Ministerio de Ambiente y Desarrollo Sostenible. (2017). Código Colombiano de Construcción Sostenible. https://www.minambiente.gov.co Ministerio de Trabajo. (2012). Resolución 1409 de 2012 - Reglamento de Seguridad y Salud en el Trabajo para la Construcción. https://www.mintrabajo.gov.co Ministerio de Vivienda, Ciudad y Territorio. (2015). Decreto 1077 de 2015 - Decreto Único Reglamentario del Sector de Vivienda, Ciudad y Territorio. https://www.minvivienda.gov.co Oberlender, G. D. (2014). Project management for engineering and construction (3ª ed.). McGraw-Hill Education. Olawale, Y. A., & Sun, M. (2018). Cost and time control of construction projects: Inhibiting factors and mitigating measures in practice. Construction Management and Economics, 28(5), 509-526. Robles-Joya, S., & Melendez, S. (2021). Impact of Big Data on construction project management. Journal of Construction Management, 31(1), 1-12. Rodin, R. J., & Klee, M. R. (2021). Integration of BIM and Big Data in construction project management: A framework. Journal of Construction Engineering and Management, 147(6), 04021080. https://doi.org/10.1061/(ASCE)CO.1943-7862.0002025 SAP. (2021). Building the intelligent enterprise: How AI, machine learning, and big data are shaping the future of construction. Recuperado de https://www.sap.com Sitt, C., & Wazir, A. (2020). Predicting project performance using data analytics: The case of construction. Engineering, Construction and Architectural Management, 27(1), 35-54. Tatum, C. B., & Thomas, H. R. (2018). The role of data analytics in improving construction project performance. International Journal of Project Management, 36(8), 1090- 1100. Toor, S.-U.-R., & Ogunlana, S. O. (2008). Beyond the “Iron Triangle”: Stakeholders' perceptions of key performance indicators for large construction projects. International Journal of Project Management, 26(4), 113-128. https://doi.org/10.1016/j.ijproman.2007.07.007 Wang, J., Shen, Q., & Yu, A. (2014). Smart construction management system using mobile technology. Automation in Construction, 45, 14-21. https://doi.org/10.1016/j.autcon.2014.05.016 Wang, Y., Yu, C., & Wang, Z. (2020). The impact of Artificial Intelligence on the construction industry: A systematic review and future directions. Construction Innovation, 20(1), 67-87. Wibowo, A., & Kuntjoro, A. R. (2021). Evaluation of the effectiveness of project management practices in Indonesian construction industry. International Journal of Project Management, 39(1), 39-51. Whelton, M., & Catania, S. (2023). A framework for integrating Artificial Intelligence and data analytics in construction project management. Journal of Construction Engineering and Management, 149(3), 04022067. https://doi.org/10.1061/(ASCE)CO.1943-7862.0002295 Zhang, Y., & Wu, Y. (2020). Integrating machine learning and traditional project management practices in construction project performance: A review and future directions. Engineering, Construction and Architectural Management, 27(2), 381-397. Zhang, Y., Zhao, D., & Wu, W. (2021). Research on construction project management based on big data and AI. International Journal of Project Management, 39(6), 621-634.

Files

Original bundle
Now showing 1 - 2 of 2
No Thumbnail Available
Name:
TE.PRO_GutierrezAndrea-AscanioAndres_2024.pdf
Size:
728.17 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Autorizacion_GutierrezAndrea-AscanioAndres_2024
Size:
437.98 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
4.72 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Especialización en Gerencia de Proyectos