زمانبندی و مدیریت پروژه با استفاده از روش ها و الگوریتم های داده کاوی

هر چه پیش‌بینی زمان پروژه دقیق‌تر باشد، مدیران پروژه می‌توانند برنامه‌ریزی‌های مناسب‌تری برای تخصیص منابع، ایجاد کنند و با مدیریت تغییرات و ریسک‌ها، افزایش موفقیت و سود را برای پروژه خود رقم بزنند. هنوز هم مشکلاتی در زمانبندی پروژه‌ها وجود دارد که اغلب منجر به تاخیر در تحویل پروژه می‌شود. امروزه استفاده از روش‌های پیشرفته پیش‌بینی مانند الگوریتم‌های شبکه عصبی و یادگیری ماشین، هوش مصنوعی و روش‌های مبتنی بر داده در پیش‌بینی مدت زمان پروژه، مورد توجه قرار گرفته است. هدف این پژوهش، استفاده از الگوریتم‌های شبکه عصبی و توسعه مدلی برای پیش‌بینی زمان پروژه است بطوریکه بتواند به بهبود دقت و سرعت پیش‌بینی‌ها و در نهایت به کاهش هزینه‌ و مدت زمان اجرای پروژه کمک کند. روش‌های سنتی پیش‌بینی مدت زمان پروژه معمولاً دارای مشکل خطا و کاهش دقت هستند. بدین منظور نتایج محاسباتی در قالب یک پروژه ساختمان مسکونی دو طبقه شامل 17 فعالیت اجرایی تشریح شده است. فرآیند مدل‌سازی شبکه مصنوعی (ann) با استفاده از نرم‌افزار matlab انجام شد. چارچوب مدل با شش متغیر ورودی و یک پارامتر خروجی و یک شبکه عصبی پیش‌خور دو لایه 1-10-6 با تابع انتقال (tansig) برای نورون‌های پنهان و تابع انتقال خطی برای نورون‌های خروجی و با استفاده از الگوریتم آموزشی (trainlm) طراحی و تولید شد. فرآیند مدل‌سازی در محیط متلب، آموزش، تست و اعتبارسنجی شد. پارامترهای تابع زیان به عنوان معیارهای ارزیابی عملکرد، نتایج رضایت بخشی را نشان داد و اینکه هوش مصنوعی و مدل‌های شبکه عصبی، می‌تواند دقت برنامه‌ریزی ساخت و ساز را بهبود داده و در نتیجه عملکرد پروژه را ارتقاء و هزینه‌ها را کاهش دهد.