زمانبندي و مديريت پروژه با استفاده از روش ها و الگوريتم هاي داده كاوي

Scheduling and project management using data mining methods and algorithms

هر چه پيش‌بيني زمان پروژه دقيق‌تر باشد، مديران پروژه مي‌توانند برنامه‌ريزي‌هاي مناسب‌تري براي تخصيص منابع، ايجاد كنند و با مديريت تغييرات و ريسك‌ها، افزايش موفقيت و سود را براي پروژه خود رقم بزنند. هنوز هم مشكلاتي در زمانبندي پروژه‌ها وجود دارد كه اغلب منجر به تأخير در تحويل پروژه مي‌شود. امروزه استفاده از روش‌هاي پيشرفته پيش‌بيني مانند الگوريتم‌هاي شبكه عصبي و يادگيري ماشين، هوش مصنوعي و روش‌هاي مبتني بر داده در پيش‌بيني مدت زمان پروژه، مورد توجه قرار گرفته است. هدف اين پژوهش، استفاده از الگوريتم‌هاي شبكه عصبي و توسعه مدلي براي پيش‌بيني زمان پروژه است بطوريكه بتواند به بهبود دقت و سرعت پيش‌بيني‌ها و در نهايت به كاهش هزينه‌ و مدت زمان اجراي پروژه كمك كند. روش‌هاي سنتي پيش‌بيني مدت زمان پروژه معمولاً داراي مشكل خطا و كاهش دقت هستند. بدين منظور نتايج محاسباتي در قالب يك پروژه ساختمان مسكوني دو طبقه شامل 17 فعاليت اجرايي تشريح شده است. فرآيند مدل‌سازي شبكه مصنوعي (ANN) با استفاده از نرم‌افزار MATLAB انجام شد. چارچوب مدل با شش متغير ورودي و يك پارامتر خروجي و يك شبكه عصبي پيش‌خور دو لايه 1-10-6 با تابع انتقال (tansig) براي نورون‌هاي پنهان و تابع انتقال خطي براي نورون‌هاي خروجي و با استفاده از الگوريتم آموزشي (trainlm) طراحي و توليد شد. فرآيند مدل‌سازي در محيط متلب، آموزش، تست و اعتبارسنجي شد. پارامترهاي تابع زيان به عنوان معيارهاي ارزيابي عملكرد، نتايج رضايت بخشي را نشان داد و اينكه هوش مصنوعي و مدل‌هاي شبكه عصبي، مي‌تواند دقت برنامه‌ريزي ساخت و ساز را بهبود داده و در نتيجه عملكرد پروژه را ارتقاء و هزينه‌ها را كاهش دهد.