مقایسه شبکه های عصبی مصنوعی و بسته سازی با روش ارزش کسب شده در پیش بینی هزینه تکمیل پروژه های ساخت

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. یکی از روش های استاندارد برای تخمین مدت زمان واقعی و هزینه تکمیل پروژه، روش مدیریت ارزش کسب شده است. همچنین مدل سازی به کمک شبکه های عصبی مصنوعی و روش های گروهی، دیگر روش های استاندارد پیش بینی و روش هیی پر کاربرد در عصر حاضر هستند. در این مقاله، سه مدل تخمین هزینه با استفاده از روش های پرسپترون چندلایه و گروهی بسته سازی و با بکارگیری جعبه ابزار WEKA ساخته می شود. متغیرهای ورودی مدل ها، شش پارامتر مرتبط با ارزش کسب شده هستند. متغیر خروجی مدل ها نیز میزان افزایش هزینه انتخاب شده است ( برای مدل های زمان می تواند میزان تاخیر باشد). پروژه های جمع آوری شده، همه در ایران اجرا شده اند. در انتها نتیجه گیری شده است که مدل های گروهی قادرند به طور دقیق تری نسبت به رابطه سنتی بهینه ارزش کسب شده، کار تخمین را انجام دهند. شایان ذکر است که طرح سوالاتی همراه با تحلیل هایی براساس مفاهیمی از قبیل: ارائه سری، ریسک، مقطع های مختلف پروژه و مقدار خروجی های شبکه بر روی نتایج انجام شده است.