مدل نوین مدیریت تداخل فعالیت های اجرایی با استفاده از یادگیری ماشین در پروژه های بلندمرتبه

پروژه های بلندمرتبه به دلیل پیچیدگی ساختاری، تعدد فعالیت های اجرایی، محدودیت فضا و وابستگی گسترده میان عملیات مختلف، همواره با چالش تداخل فعالیت های اجرایی مواجه هستند. این تداخلات می توانند موجب افزایش زمان اجرا، رشد هزینه ها، کاهش بهره وری منابع و افت کیفیت نهایی پروژه شوند. در این پژوهش، یک مدل نوین مبتنی بر یادگیری ماشین برای مدیریت، پیش بینی و بهینه سازی تداخلات اجرایی در پروژه های بلندمرتبه ارائه شده است. هدف اصلی این مدل، تبدیل فرآیند مدیریت تداخل از یک رویکرد سنتی و واکنشی به یک سیستم هوشمند، داده محور و پیش بینانه است. در این راستا، داده های تاریخی و بلادرنگ پروژه شامل زمان بندی فعالیت ها، مصرف منابع، شرایط محیطی و روابط میان پیمانکاران مورد استفاده قرار گرفته و از طریق الگوریتم های یادگیری ماشین تحلیل شده اند.یافته های این پژوهش نشان می دهد که استفاده از الگوریتم های یادگیری ماشین، توانایی بالایی در شناسایی الگوهای پنهان، پیش بینی وقوع تداخلات و ارائه راهکارهای بهینه برای زمان بندی و تخصیص منابع دارد. همچنین نتایج بیانگر آن است که مدل پیشنهادی می تواند دقت تصمیم گیری مدیریتی را افزایش داده و از بروز تاخیرهای زنجیره ای در پروژه های پیچیده جلوگیری کند. علاوه بر این، استفاده از داده های بلادرنگ و سیستم های بازخوردی موجب بهبود مستمر عملکرد مدل در طول زمان می شود. با وجود مزایای قابل توجه، چالش هایی مانند کیفیت داده ها، پیچیدگی محاسباتی و نیاز به زیرساخت های دیجیتال نیز شناسایی شده اند.در مجموع، این پژوهش نشان می دهد که یادگیری ماشین می تواند نقش مهمی در تحول مدیریت پروژه های بلندمرتبه ایفا کرده و زمینه ساز توسعه سیستم های هوشمند در صنعت ساخت وساز باشد.

کلیدواژه ها:

یادگیری ماشین ، مدیریت پروژه ، تداخل فعالیت ها ، پروژه های بلندمرتبه ، زمان بندی هوشمند