Browsing by Author "Lagos Crua, Camilo Ignacio"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Assessing the Impacts of an IT LPS Support System on Schedule Accomplishment in Construction Projects
    (2019) Lagos Crua, Camilo Ignacio; Herrera Valencia, Rodrigo Fernando; Alarcón Cárdenas, Luis Fernando
  • Thumbnail Image
    Item
    Desarrollo e implementación de herramientas para el mejoramiento de la gestión de la información de last planner
    (2017) Lagos Crua, Camilo Ignacio; Alarcón Cárdenas, Luis Fernando; Pontificia Universidad Católica de Chile. Escuela de Ingeniería
    El sistema Last Planner (LPS) ha sido implementado por más de 20 años y ha demostrado un impacto positivo en la estabilización de los flujos de trabajo, reducción de los plazos y costos de proyectos. Sin embargo, algunos componentes, como la gestión de restricciones, causas de no cumplimiento y gestión de acciones correctivas, no han alcanzado un grado maduro de implementación. La incorporación de tecnologías de la información (TI) ha mostrado ser beneficiosa para la adopción metodológica, estandarización y desempeño de los proyectos. Sin embargo, la gestión de la información permanece como uno de los principales desafíos. Esta investigación tiene por objeto el desarrollo de herramientas de gestión de la información que permitan capturar la información de terreno y ponerla a disposición a través de reportes que fomenten el análisis para la mejora continua. Se realizó un análisis comparativo de la gestión de información de restricciones, causas de no cumplimiento y acciones correctivas en 34 proyectos de construcción chilenos, el cual permitió identificar aspectos claves para mejorar la recolección y uso, así como cuantificar los beneficios del uso de TI para el soporte de LPS. Las herramientas desarrolladas fueron integradas al software Impera y luego implementadas en un caso de estudio en el que ya se utilizaba la metodología y el software. El seguimiento del proyecto a lo largo de 6 meses permitió corroborar el efecto positivo de la inclusión de las herramientas. Los resultados de la investigación permitieron concluir que la inclusión de las herramientas mejoró el grado de implementación de la metodología, la identificación y gestión de restricciones, el cumplimiento de compromisos y de programa. Además, fue posible cuantificar los impactos en indicadores de LPS y en las causas de no cumplimiento. Por último, la inclusión de las herramientas tuvo un impacto positivo en la estandarización del proceso de planificación y control, la planificación intermedia y de corto plazo, la gestión visual y el análisis crítico de la información.
  • No Thumbnail Available
    Item
    Prediction of the project schedule performance outcome with last planner system and social network analysis indicators
    (2025) Lagos Crua, Camilo Ignacio; Herrera Valencia, Rodrigo Fernando; Mac Cawley Vergara, Alejandro Francisco; Alarcón Cárdenas, Luis Fernando
    Purpose:Building earlier last planner system (LPS) only schedule predictors, this study integrates social network analysis (SNA) collaboration metrics and earned value method (EVM) indicators with LPS data to forecast the final schedule performance index (SPI) at planned completion. The approach offers earlier, more actionable diagnostics by having dependence on lagging EVM measures and highlighting team-interaction drivers of schedule risk. Design/methodology/approach:The model was developed using machine learning (ML) regression trained on data from 160 projects across ten progress intervals. It incorporated five scope metrics, nine EVM metrics, eight LPS performance metrics and eight LPS collaboration metrics to predict the schedule performance index (SPI) at the end of the initial plan. Data Science and SNA techniques were applied to extract these metrics from LPS software. Findings: The LPS-based model using support vector regression achieved an R2 = 0.861 and a mean absolute error of 0.067. The model exhibited greater robustness across 90% of the sample and significantly reduced reliance on result-oriented metrics from 88% to 49%. Research limitations/implications: Future research should explore the applicability of the model in different project contexts and further refine the integration of LPS metrics with predictive analytics. Limitations include the reliance on historical data and potential variations in LPS implementation across projects.Practical implications: The proposed model provides a proactive approach to schedule compliance prediction, reducing dependence on traditional result-oriented metrics. This enables project managers to anticipate schedule risks earlier and take corrective actions based on LPS performance and collaboration indicatorsOriginality/value: This study presents a novel approach to outcome prediction by leveraging LPS and SNA data for ML regression, demonstrating its potential to enhance schedule performance assessments while shifting the focus from reactive to proactive planning.