Finansal risk analizinin 5D BIM sistemine entegrasyonu ve finansal risk destekli BIM optimizasyonu

Abstract

İnşaat sektöründe gerçekleştirilmesi planlanan projelerin maliyet tahminleri; tasarım ve metraj hataları ile yapım aşamasında karşılaşılacak ekonomik değişimlere karşı hassastır. Son yıllarda gelişmiş ülkeler, inşaat sektörünün artan gereksinimlerini karşılamak amacıyla Yapı Bilgi Modellemesi (YBM)- Building Information Modeling (BIM) teknolojisi kullanımını zorunlu hale getirerek yüklenici firmaların başarı oranlarını arttırmayı hedeflemektedirler. Yüklenici firmalar açısından başarı ise ilk olarak yoğun rekabet ortamında ihalenin kazanılması; daha sonra projenin amaç ve hedeflerini planlanan zaman ve bütçe dâhilinde gerçekleştirilmesi olarak görülmektedir. Mevcut tez çalışması, bu kriterlere modern ve yenilikçi teknolojik unsurlardan faydalanılarak ulaşılabilmesi için, 5D BIM sisteminin finansal risk yönetimi çerçevesinde nasıl optimize edileceğini göstermektedir. Bu tez çalışmasında öncelikle, 4734 sayılı Kamu İhale Kanunu kapsamında ihalesi gerçekleştirilen örnek bir inşaat projesi üzerinden 3D, 4D ve 5D BIM modelleri oluşturulup metraj, proje süresi ve yaklaşık maliyet verileri elde edilmiştir. Sonrasında ise Çevre, Şehircilik ve İklim Değişikliği Bakanlığı'nın `yaklaşık maliyet, TÜİK İnşaat Maliyet Endeksi (İME) ve değişim oranına bağlı olarak güncellenebilir` kararından yararlanılarak, yüklenici firmaların ihale teklif fiyatlarını belirleyebilmeleri amacıyla İME tahmin değerleri Tüketici Fiyat Endeksi (TÜFE), Yurt İçi Üretici Fiyat Endeksi (Yİ-ÜFE) ve Döviz Kuru (ABD Doları) faktörleri ile bağlantılı olarak çok değişkenli zaman serisi tahmin yöntemlerinden biri olan Vektör Otoregresyon (VAR) metodu kullanılarak makine öğrenmesi yardımıyla tahmin edilmiştir. Elde edilen veriler, niceliksel risk analizi yöntemlerinden Monte Carlo simülasyonundan faydalanılarak riskli maliyet tahminlerinin hesaplanmasında kullanılmıştır. Sonuçlar, 5D BIM yöntemi ile finansal risk yönetim metodolojisinin birlikte kullanılmasıyla elde edilecek inşaat maliyet tahminlerinin, ihale paydaşlarının yararına olacağını göstermektedir.Anahtar Kelimeler: İnşaat sektörü, Finansal risk, 3B YBM, 4B YBM, 5B YBM, Monte Carlo Simülasyonu, Python, Primavera Risk Analizi

The estimated cost of projects planned to be realized in the construction industry is sensitive to design and quantity take-off errors as well as the economic changes that will be considered during the construction process. In recent years, developed countries aim to increase the success rates of contractor companies by making the use of Building Information Modeling (BIM) technology mandatory in order to meet the increasing requirements of the construction industry. From the perspective of the contractor companies, project success initially states the tender achievement in an intensely competitive environment; and is then defined as the realization of the goals and objectives of the project within the planned time and budget. This thesis study indicates how to optimize the 5D BIM system within the framework of financial risk management in order to achieve these criteria by utilizing modern and innovative technological factors. This thesis study creates 3D, 4D, and 5D BIM models on a sample construction project which was tendered within the scope of the Public Procurement Law, nr. 4734. Thus the quantity take-off was performed and project duration,& approximate cost were obtained. Afterward, the adjudgment of the Turkish Ministry of Environment, Urbanization and Climate Change, namely `the approximate cost published by the Turkish Statistical Institute (TURKSTAT) can be updated depending on the Construction Cost Index (CCI) and the rate of change` was used. The CCI values were predicted in relation to Consumer Price Inflation (CPI), Domestic Producer Price Index (D-PPI), and Exchange Rate (US Dollar) parameters in order for the contractor companies to determine the tender offer prices. The CCI values were predicted via the Vector Autoregression (VAR) method, which is one of the multivariate time series machine learning methods. Obtained data were used to calculate the risky cost estimates via Monte Carlo simulation, which is one of the quantitative risk analysis methods. The results indicate that the construction cost estimations, which can be obtained by using the 5D BIM method and financial risk management methodology together, will be beneficial for the tender stakeholders.Keywords: Construction Industry, Financial Risk, 3D BIM, 4D BIM, 5D BIM, Monte Carlo Simulation, Python, Primavera Risk Analysis