Studying the Reasons for Delay and Cost Overrun in Construction Projects: The Case of Iran
Notice bibliographique
Résumé
Undesirable delays in construction projects impose excessive costs and precipitate exacerbated durations.Investigating Iran, a developing Middle Eastern country, this paper focuses on the reasons for construction project delays.We conducted several interviews with owners, contractors, consultants, industry experts and regulatory bodies to accurately ascertain specific delay factors.Based on the results of our industry surveys, a statistical model was developed to quantitatively determine each delay factor's importance in construction project management.The statistical model categorises the delay factors under four major classes and determines the most significant delay factors in each class: owner defects, contractor defects, consultant defects and law, regulation and other general defects.The most significant delay factors in the owner defects category are lack of attention to inflation and inefficient budgeting schedule.In the contractor defects category, the most significant delay factors are inaccurate budgeting and resource planning, weak cash flow and inaccurate pricing and bidding.As for the consultant defects delay factors such as inaccurate first draft and inaccuracies in technical documents have the most contribution to the defects.On the other hand, outdated standard mandatory items in cost lists, outdated mandatory terms in contracts and weak governmental budgeting are the most important delay factors in the law, regulation and other general defects.Moreover, regression models demonstrate that a significant difference exists between the initial and final project duration and cost.According to the models, the average delay per year is 5.9 months and the overall cost overrun is 15.4%.Our findings can be useful in at least two ways: first, resolving the root causes of particularly important delay factors would significantly streamline project performance and second, the regression models could assist project managers and companies with revising initial timelines and estimated costs.This study does not consider all types of construction projects in Iran: the scope is limited to certain types of private and publicly funded projects as will be described.The data for this study has been gathered through a detailed questionnaire survey.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».