АВТОМАТИЗАЦІЯ УПРАВЛІННЯ ПРОЕКТНИМИ ПОКАЗНИКАМИ ЧЕРЕЗ ВИКОРИСТАННЯ AI ТА PREDICTIVE ANALYTICS
DOI:
https://doi.org/10.32782/tnv-tech.2024.5.7Ключові слова:
управління проєктами, ключові показники ефективності, прогнозна аналітика, штучний інтелект, Agile, управління даними, DevOps, моніторинг у реальному часі, автоматизація, прийняття рішеньАнотація
Стаття присвячена автоматизації управління ключовими показниками ефективності (KPI) через використання штучного інтелекту (ШІ) та прогнозної аналітики. Серед переваг застосування ШІ у моніторингу KPI виділяють підвищення точності прогнозів завдяки аналізу великих обсягів даних, оперативне виявлення ризиків і відхилень у проектах, а також автоматизацію рутинних завдань управління. Метою статті є дослідження методів і підходів до застосування ШІ та прогнозної аналітики для автоматизації управління KPI у проектному середовищі. Стаття спрямована на аналіз існуючих інструментів, таких як Power BI, Azure Machine Learning, Google Cloud AI, та оцінку їхньої ефективності для прогнозування показників, таких як Lead Time, Cycle Time та Budget Variance. У дослідженні застосовано методи аналізу часових рядів, регресії та нейронних мереж, а також практичні сценарії використання для оптимізації управлінських рішень. Наукова новизна полягає у розробці системного підходу до інтеграції прогнозної аналітики в процеси проектного управління. Стаття пропонує категоризацію метрик для Agile, Scrum, DevOps і масштабованих фреймворків (SAFe, LeSS) та обґрунтовує переваги використання ШІ для моніторингу KPI. Практична значимість полягає у можливості використання запропонованих підходів керівниками проектів для впровадження ШІ-рішень, що підвищують продуктивність команд, оптимізують ресурси та знижують ризики. Запропоновано рекомендації для інтеграції ШІ у системи управління проектами, що дозволяє забезпечити проактивне управління. Висновки. Проведено аналіз методів прогнозної аналітики, описано моделі та інструменти для автоматизації моніторингу KPI. Запропоновано системний підхід до інтеграції ШІ-рішень у процеси управління проектами, що дозволяє підвищити ефективність управління та забезпечити прозорість процесів. Розглянуто перспективи подальшого використання ШІ для моніторингу KPI у масштабованих фреймворках.
Посилання
J. Sravanthi, R. Sobti, A. Semwal, M. Shravan, A. A. Al-Hilali and M. Bader Alazzam, "AI-Assisted Resource Allocation in Project Management," 2023 3rd International Conference on Advance Computing and Innovative Technologies in Engineering (ICACITE), Greater Noida, India, 2023, pp. 70-74, doi: https://doi.org/10.1109/ICACITE57410.2023.10182760
M. Odeh, "The Role of Artificial Intelligence in Project Management," in IEEE Engineering Management Review, vol. 51, no. 4, pp. 20-22, Fourthquarter,Dec. 2023, doi: https://doi.org/10.1109/EMR.2023.3309756
Ayadi, O., El-Hassani, I., Barka, N., Masrour, T. (2023). Real-Time KPI Forecasting with 1D Convolutional Time Series for Enhanced Manufacturing Efficiency. In: Masrour, T., El Hassani, I., Barka, N. (eds) Artificial Intelligence and Industrial Applications. A2IA 2023. Lecture Notes in Networks and Systems, vol 771. Springer, Cham. https://doi.org/10.1007/978-3-031-43524-9_3
EL Mazgualdi, C., Masrour, T., El Hassani, I. et al. Machine learning for KPIs prediction: a case study of the overall equipment effectiveness within the automotive industry. Soft Comput 25, 2891–2909 (2021). https://doi.org/10.1007/s00500-020-05348-y
Zheng, L., Baron, C., Esteban, P. et al. Using Leading Indicators to Improve Project Performance Measurement. J. Syst. Sci. Syst. Eng. 28, 529–554 (2019). https://doi.org/10.1007/s11518-019-5414-z
Dahmani, S., Ben-Ammar, O., Jebali, A. (2021). Resilient Project Scheduling Using Artificial Intelligence: A Conceptual Framework. In: Dolgui, A., Bernard, A., Lemoine, D., von Cieminski, G., Romero, D. (eds) Advances in Production Management Systems. Artificial Intelligence for Sustainable and Resilient Production Systems. APMS 2021. IFIP Advances in Information and Communication Technology, vol 630. Springer, Cham. https://doi.org/10.1007/978-3-030-85874-2_33
Li, H. et al. (2024). Harnessing AI for Project Risk Management: A Paradigm Shift. In: Yazdi, M. (eds) Progressive Decision-Making Tools and Applications in Project and Operation Management. Studies in Systems, Decision and Control, vol 518. Springer, Cham. https://doi.org/10.1007/978-3-031-51719-8_16
Dr. Md. Mahfuzul Islam Shamim. (2024). Artificial Intelligence in Project Management: Enhancing Efficiency and Decision-Making. International Journal of Management Information Systems and Data Science, 1(1), 1–6. https://doi.org/10.62304/ijmisds.v1i1.107
Auth, Gunnar & Jokisch, Oliver & Dürk, Christian. (2019). Revisiting automated project management in the digital age – a survey of AI approaches. Online Journal of Applied Knowledge Management. 7. https://doi.org/10.36965/OJAKM.2019.7(1)27-39
Kassem, B., Costa, F., Staudacher, A.P. (2021). Lean Monitoring: Boosting KPIs Processing Through Lean. In: Powell, D.J., Alfnes, E., Holmemo, M.D.Q., Reke, E. (eds) Learning in the Digital Era. ELEC 2021. IFIP Advances in Information and Communication Technology, vol 610. Springer, Cham. https://doi.org/10.1007/978-3-030-92934-3_32
N. Mohamed and J. Al-Jaroodi, "Real-time big data analytics: Applications and challenges," 2014 International Conference on High-Performance Computing & Simulation (HPCS), Bologna, Italy, 2014, pp. 305-310, doi: https://doi.org/10.1109/HPCSim.2014.6903700
Indelicato G. Book Review: Project Management Metrics, KPIs, and Dashboards: A Guide to Measuring and Monitoring Project Performance. Project Management Journal. 2012. Vol. 43, no. 2. P. 102. URL: https://doi.org/10.1002/pmj.21263 (дата звернення: 01.11.2024).
Brahimi, S., Aljulaud, A., Alsaiah, A., AlGuraibi, N., Alrubei, M., Aljamaan, H. (2019). Performance Dashboards for Project Management. In: Alfaries, A., Mengash, H., Yasar, A., Shakshuki, E. (eds) Advances in Data Science, Cyber Security and IT Applications. ICC 2019. Communications in Computer and Information Science, vol 1098. Springer, Cham. https://doi.org/10.1007/978-3-030-36368-0_19
D. B. Abdullah and R. A. -G. Mohammed, "Real-Time Big Data Analytics Perspective on Applications, Frameworks, and Challenges," 2021 7th International Conference on Contemporary Information Technology and Mathematics (ICCITM), Mosul, Iraq, 2021, pp. 1-6, doi: https://doi.org/10.1109/ICCITM53167.2021.9677849
W. Chen, Z. Milosevic, F. A. Rabhi and A. Berry, "Real-Time Analytics: Concepts, Architectures, and ML/AI Considerations," in IEEE Access, vol. 11, pp. 71634-71657, 2023, doi: https://doi.org/10.1109/ACCESS.2023.3295694
W. Villegas-Ch, J. García-Ortiz and S. Sánchez-Viteri. Toward Intelligent Monitoring in IoT: AI Applications for Real-Time Analysis and Prediction, in IEEE Access, vol. 12, pp. 40368-40386, 2024, doi: https://doi.org/10.1109/ACCESS.2024.3376707
