به کارگیری الگوریتم های یادگیری ماشین در پیش بینی انحرافات زمان و هزینه پروژه

انحرافات زمان و هزینه یکی از مهم ترین چالش ها در مدیریت پروژه های سازمانی است و می تواند موجب کاهش بهره وری، افزایش ریسک و افت کیفیت خروجی پروژه ها شود. روش های سنتی کنترل پروژه، علی رغم کارایی نسبی، غالبا توانایی کافی برای پیش بینی دقیق انحرافات را در شرایط پیچیده و پویا ندارند. در این پژوهش، با بهره گیری از الگوریتم های یادگیری ماشین، مدلی هوشمند برای پیش بینی انحرافات زمان و هزینه در پروژه های سازمانی ارائه شده است. داده های مرتبط با پروژه شامل اطلاعات زمان بندی، پیشرفت واقعی، تخصیص منابع، ریسک ها، هزینه های دوره ای و شاخص های عملکرد، پس از پیش پردازش وارد مدل های Random Forest ،Gradient Boosting ،XGBoost و شبکه های عصبی شده اند. نتایج نشان می دهد که مدل های مبتنی بر درخت تصمیم و الگوریتم های تقویتی نسبت به روش های کلاسیک دقت بسیار بالاتری در پیش بینی انحرافات دارند و قادرند عوامل موثر بر تغییرات زمان و هزینه را با خطای پایین شناسایی کنند. این روش می تواند به عنوان ابزاری تصمیم گیری در مدیریت ساخت و مدیریت پروژه های سازمانی مورد استفاده قرار گیرد و با ارائه پیش بینی های زودهنگام، امکان اعمال اقدامات اصلاحی و کاهش احتمال بروز Claims و Failures را فراهم سازد.

کلیدواژه ها:

مدیریت ساخت ، یادگیری ماشین ، پیش بینی هزینه ، انحرافات پروژه