مقایسه شبکه های عصبی مصنوعی با روش Kalman Filter در پیش بینی زمان نهایی پروژه های ساخت abstract
پیش بینی، یکی از ارکان مهم مدیریت پروژه می باشد زیرا وقتی زمان و هزینه پروژه از شروع کار پیش بینی می شود در واقع پروسه ای به پروژه تحمیل می شود که در یک چهارچوب خاص و با هزینه و زمانی از پیش تعیین شده اجرا گردد. تکنیک
مدیریت ارزش حاصله رویکردی جهت یکپارچه سازی مدیریت زمان و هزینه در چهارچوب مدیریت محدوده پروژه است. همچنین از کاربردهای دیگر این روش می توان به تخمین زمان و هزینه های باقی مانده تا تکمیل پروژه با استفاده از عملکرد گذشته اشاره کرد. روش Kalman Filterیک چهارچوب جامع و کامل پیش گویی بوده که می توان از این روش به عنوان ابزاری برای پیش گویی های تکنیک
مدیریت ارزش حاصله استفاده نمود. امروزه مدل سازی به کمک شبکه های عصبی مصنوعی به دلیل قابلیت این شبکه ها در بیان روابط پیچیده بین متغیرها جایگاه ویژه ای در علوم مهندسی پیدا کرده است. در این مقاله با در نظرگیری 3 پارامتر مهم روش مدیریت ارزش حاصله، که پارامترهای اصلی روابط مربوط به
پیش بینی زمان نهایی پروژه هستند، به عنوان ورودی، از مدل سازی شبکه عصبی برای
پیش بینی زمان تکمیل پروژه های ساخت استفاده شده است. با توجه به اینکه ضرایب همبستگی مدل برابر با یک و خطای آنبسیار کم به دست آمده است می توان گفت که شبکه های عصبی مصنوعی قادر به
پیش بینی زمان تکمیل پروژه های ساخت به صورت دقیق هستند. پس از مدل سازی شبکه، نتیجه حاصل از شبکه عصبی با نتیجه حاصل از
روش Kalman Filter با استفاده از میزان خطای به دست آمده برای هر کدام، مقایسه شده است. مقایسه نتایج نشان می دهد که شبکه های عصبی مصنوعی با خطای کمتری زمان نهایی پروژه را تخمین می زنند