| heal.abstract |
Η παρούσα διπλωματική εργασία πραγματεύεται την ανάπτυξη, υλοποίηση και αξιολόγηση
μιας εφαρμογής κινητού τηλεφώνου με χρήση GPS για την αναγνώριση και τεκμηρίωση
ελαττωμάτων σε κατασκευαστικά έργα, με αυτόματη αρχειοθέτηση σε περιβάλλον Cloud
(SharePoint). Η εργασία στοχεύει στη βελτίωση της αποτελεσματικότητας των διαδικασιών
διαχείρισης ποιότητας, μέσω της ψηφιοποίησης των χειρόγραφων και χρονοβόρων πρακτικών
που εξακολουθούν να κυριαρχούν στον κατασκευαστικό κλάδο.
Η εφαρμογή σχεδιάστηκε με βάση τις αρχές του Design Thinking και αναπτύχθηκε
σε Agile περιβάλλον, ώστε να καλύπτει τις πραγματικές ανάγκες των μηχανικών πεδίου και
του διοικητικού προσωπικού. Παρέχει τη δυνατότητα λήψης φωτογραφίας, εισαγωγής
σχολίων, κατηγοριοποίησης ελαττωμάτων και αυτόματης καταχώρισης στο SharePoint, ενώ
μέσω γεωεντοπισμού (GPS) αναγνωρίζει αυτόματα το έργο στο οποίο βρίσκεται ο χρήστης.
Η λειτουργικότητα αυτή μειώνει δραστικά τον κίνδυνο λανθασμένης αρχειοθέτησης και
εξαλείφει τα ενδιάμεσα στάδια της διαδικασίας.
Η αξιολόγηση πραγματοποιήθηκε μέσω πιλοτικής εφαρμογής σε έργα της εταιρείας LN
Struct, με χρήση ποσοτικών (χρόνος, κόστος, πληρότητα καταγραφών)
και ποιοτικών (ερωτηματολόγιο System Usability Scale – SUS, συνεντεύξεις χρηστών)
μεθόδων. Τα αποτελέσματα έδειξαν μείωση του χρόνου καταγραφής κατά 73% (από 15 σε 4
λεπτά), εξοικονόμηση 110 ανθρωποωρών ανά έργο, οικονομικό όφελος περίπου 2.750
€και ROI άνω του 160% με απόσβεση σε λιγότερο από έξι μήνες. Παράλληλα, η εφαρμογή
έλαβε βαθμολογία SUS 82,3/100, κατατασσόμενη στην κατηγορία “Excellent”.
Πέρα από τα μετρήσιμα αποτελέσματα, η εφαρμογή συνέβαλε στη βελτίωση της διαφάνειας,
της συνεργασίας και της ιχνηλασιμότητας των δεδομένων, μειώνοντας τον γραφειοκρατικό
φόρτο και ενισχύοντας τη λήψη αποφάσεων σε πραγματικό χρόνο.
Τα βασικά συμπεράσματα υπογραμμίζουν ότι η ψηφιοποίηση των διαδικασιών defect
management είναι εφικτή, αποδοτική και οικονομικά βιώσιμη, ενώ τα μελλοντικά
βήματα περιλαμβάνουν: (α) ενοποίηση με BIM, (β) αξιοποίηση τεχνητής νοημοσύνης
(AI) για αυτόματη αναγνώριση ελαττωμάτων μέσω computer vision, και (γ) επέκταση της
λύσης σε επιπλέον τύπους δεδομένων και λειτουργίες predictive analytics.
Η εργασία αποδεικνύει ότι η ψηφιακή ωριμότητα μπορεί να επιτευχθεί ακόμη και σε
μικρομεσαίες επιχειρήσεις, όταν συνδυάζονται τεχνολογική καινοτομία, οργανωτική
δέσμευση και συμμετοχή των χρηστών. |
el |