برآورد مدتزمان کل پروژه های ساخت با بهره گیری از مدل گروهی تقویت طبقه بندی و تحلیل حساسیت شاپلی، بعلاوه مقایسه دقت تخمین برای پروژه های تاخیری و پروژه های بدون تاخیر

در این مقاله، مدلی برای پیشبینی مدتزمان کل واقعی (AD) پروژههای ساخت ارائه شده است؛ که با استفاده از روش گروهی تقویت طبقهبندی (CatBoost) در نرمافزار Python ساخته شده است (نوآوری مقاله). ورودیهای مدل، ۶ متغیر بدون واحد هستند؛ که بر اساس متغیرهای اصلی و شاخصهای عملکردی (PI) روش مدیریت ارزش حاصله (EVM) ساخته شدهاند. متغیر خروجی مدل نیز نسبت مدتزمان کل واقعی (AD) به مدتزمان کل برنامهای پروژه (PD) انتخاب شده است. در انتها این نتیجه بدست آمده است که مدل گروهی تقویت طبقهبندی (CatBoost) با ۴۷/۶% خطا در کل، قادر است بدون وابستگی به نوع پروژه، واحد پول کشورها یا واحد زمان، مدتزمان کل واقعی (AD) را به طور دقیقتری نسبت به ۹ رابطه متداول روش مدیریت ارزش حاصله (EVM) با خطای کل حداقل ۰۹/۱۸% و مدل شبکه عصبی مصنوعی (ANN) قبلا ارائهشده با ۵۱/۷% خطا در کل، تخمین بزند. شایان ذکر است که با توجه به اینکه تعداد نمونههای با خروجی (AD/PD)≤۱ (پروژههای زودهنگام پایانیافته و به موقع) که در ساخت مدل مورد استفاده قرار گرفتهاند، بسیار کم است؛ دقت مدل برای این نوع پروژهها از دقت رابطه بهینه ارزش حاصله کمتر است. پس نتیجهگیری میشود که مدل ارائهشده در این مقاله، بسیار مناسب و دارای عملکرد بسیار قویتری نسبت به روابط برآورد ارزش حاصله برای پروژههای تاخیری کشورهای در حال توسعه است. ضمنا نتایج تحلیل حساسیت به روش توضیحات افزودنی شاپلی (SHAP) نشان از اهمیت تقریبا مشابه ورودیهای متاثر از هزینه و ورودیهای متاثر از زمان دادهاند.

کلیدواژه ها:

برآورد مدتزمان کل واقعی ، پروژههای ساخت ، مدیریت ارزش حاصله ، روش تقویت طبقهبندی ، روش شاپلی