Transforming Design Management With Machine Learning Ai-Powered Human Capital Optimization In Egypt | ||||
| المجلة العلمية للدراسات التجارية والبيئية | ||||
| Volume 16, Issue 2, April 2025, Page 2833-2866 PDF (1.1 MB) | ||||
| Document Type: المقالة الأصلية | ||||
| DOI: 10.21608/jces.2025.436161 | ||||
 View on SCiNiTO | ||||
| Authors | ||||
| Ahmed Mounir Assal* 1; Doaa Mohamed Salman Abdou* 2; Ahmed Bahgat Elseddawy* 3 | ||||
| 1Industry Expert At Arab Academy For Science, Technology And Maritime Transport, Egypt | ||||
| 2Prof. Of Economics, Head Of Economic Department, October University For Modern Sciences And Arts, Egypt, | ||||
| 3Vice Dean Of Educational Affairs At Arab Academy For Science, Technology And Maritime Transport, Egypt | ||||
| Abstract | ||||
| The construction industry in emerging markets such as Egypt continues to face persistent challenges in project efficiency, particularly in the realm of design management. These inefficiencies are often attributed to the misalignment between assigned team competencies and the complexity of design tasks, largely due to reliance on intuition-based human resource allocation. This study introduces a data-driven, AI-based framework designed to optimize team-role assignments in construction design management by leveraging supervised machine learning algorithms specifically, Random Forest and Gradient Boosting models. The proposed framework integrates historical project data including task complexity, estimated durations, cost constraints, and technical/personal competency scores to predict optimal role configurations. Drawing on real-world design management tasks from Egypt’s construction sector, the framework is designed to enhance team performance through intelligent role alignment and evidence-based assignment strategies. The model’s classification engine was validated through a paired-scenario evaluation and confirmed as statistically significant. Beyond improving execution efficiency, the study highlights how predictive analytics can shift human resource planning from subjective estimation to algorithmic precision. This approach not only enhances productivity but also ensures repeatability, adaptability, and scalability in dynamic project environments. By bridging a major gap in the application of AI to human resource planning in construction, the research offers a transformative model that aligns with global digital transformation trends and serves as a practical tool for operational excellence in emerging construction markets تواجه صناعة التشييد في الأسواق الناشئة مثل مصر تحديات متكررة تتعلق بالكفاءة التشغيلية، وخاصة في إدارة التصميم. تعود هذه التحديات غالبًا إلى ضعف التوافق بين مهارات الفرق الفنية ومتطلبات المهام، والاعتماد على التقديرات الشخصية في توزيع الأدوار. تهدف هذه الدراسة إلى تقديم إطار قائم على الذكاء الاصطناعي لتحسين توزيع الأدوار في فرق التصميم من خلال استخدام خوارزميات تعلم الآلة (غابة عشوائية والتعزيز التدرجي). تم تدريب النموذج على بيانات واقعية لـ 500 مشروع تصميم، وأسفر عن تحسينات ملموسة بنسبة 25.9% في مدة التنفيذ، و22.6% في التكلفة، و24% في دقة التوافق بين المهارات والمتطلبات. تقدم الدراسة نموذجًا قابلًا للتكرار والتوسع، يسهم في التحول الرقمي ويعزز كفاءة إدارة الموارد البشرية في قطاع البناء. | ||||
| Keywords | ||||
| AI-based optimization; machine learning; competency alignment; construction design management; resource allocation efficiency; predictive analytics. الذكاء الاصطناعي; تعلم الآلة; إدارة التصميم; توزيع المهام; تحسين الموارد البشرية; قطاع التشييد; مصر | ||||
|
Statistics Article View: 43 PDF Download: 25 |
||||
