یک مدل رگرسیون مبتنی بر زمان بندی کسب شده برای بهبود تخمین هزینه پایانی پروژه

متدهای مبتنی بر شاخص مدیریت ارزش کسب شده (EVM) سنتی برای هزینه پایانی پروژه (CEAC) یک پروژه در حال اجرا برای محدودیت‌هایی که از هردو فرضی که داده EVM گذشته بهترین اطلاعات موجود است و در مراحل ابتدایی غیر قابل اعتماد است نشات گرفته است. در تلاش برای غلبه بر این محدودیت‌ها، یک متدلوژی CEAC جدید بر اساس فرمول پیش بینی کننده مبتنی بر شاخص هزینه مورد انتظار برای کار باقی مانده با مدل رشد Gompertz با برازش منحنی رگرسیون غیر خطی اصلاح شده است. علاوه بر این، معادله پیشنهادی برای پیشرفت برنامه به عنوان فاکتوری از عملکرد هزینه در نظر گرفته شده است. مدل پیشنهادی خود را در تخمین‌های ابتدایی، میانی و انتهایی دقیق تر از چهار فرمول مبتنی بر شاخص سنتی مقایسه شده نشان می‌دهند. متدلوژی توسعه یافته یک ابزار عملی برای مدیران پروژه برای ترکیب بهتر وضعیت موجود در محاسبه CEAC است و در بسط پژوهش EVM برای اتخاذ بهتر رابطه ذاتی بین فاکتورهای هزینه و برنامه سهم دارد.

پیش بینی هزینه پروژه در انتها برای موفقیت مدیریت پروژه اهمیت بسیاری دارد. این یک ابزار جستجوی رو به جلو برای ارزیابی مدیران پروژه (PM) با وظیفه تصمیم گیری دست و به موقع در مورد نتیجه هزینه پروژه‌های در حال پیشرفت است (Fleming and Koppelman, 2006). به مدت چهار دهه، مدیریت ارزش کسب شده (EVM) برای تخمین هزینه پایانی پروژه استفاده شده است. این متدلوژی هدف، هزینه پروژه، زمان بندی و معیارهای دامنه را در یک سیستم سنجش واحد ترکیب می‌کند. این روند به صورت گسترده برای سنجش و تحلیل وضعیت‌های واقعی پروژه در برابر مبنای آن، و برای ارائه تخمین‌هایی برای هزینه پروژه و مدت زمان پایانی پروژه استفاده شده است (De Marco and Narbaev, 2013). به ویژه، EVM برای محاسبه ‌هزینه پایانی پروژه استفاده شده است (De Marco and Narbaev, 2013). به ویژه، EVM برای محاسبه ‌هزینه پایانی پروژه (CEAC)، یک تخمین بالا به پایین مجموعه هزینه بر اساس وضعیت پروژه استفاده شده است. در چارچوب EVM، چندین متد برای محاسبه CEAC وجود دارد، که به عنوان تکنیک‌های مبتنی بر شاخص (IB) یا مبتنی بر رگرسیون دسته بندی شده است (Christensen et al., 1995; Lipke, 2004). در کل، متدهای IB با توجه به وابستگی به اطلاعات گذشته محدودیت‌هایی دارند: ان‌ها فرض می‌کنند که بودجه باقی مانده توسط شاخص عملکردی تنظیم می‌شود (Fleming and Koppelman, 2006; Kim and Reinschmidt, 2011). نگرانی دوم به رویکرد سنتی مربوط است که پیش بینی هزینه غیر قابل اعتمادی را در اوایل عمر پروژه به دلیل چند داده EVM موجود ارائه می‌دهد (Fleming and Koppelman, 2006; Zwikael et al., 2000). در این راستا، برخی از مطالعات (Anbari, 2003; Cioffi, 2006; Kim et al., 2003; Lipke, 2004) اجرای عملی و / یا اپلیکیشن‌های بسط یافته متدهای پیش بینی IB ساده سازی شده (e.g., Kim and Reinschmidt, 2011; Lipke et al., 2009; Marshall et al., 2008) در سیستم پیش بینی EVM برای بهره مندی از تحلیل عمیق تر برای تصمیم گیری پشتیبان استفاده می‌کنند. Caron و همکاران (2013)، Naeni و همکاران (2011)، و Pajares and Lopez-Paredes (2011) تکنیک مدیریت ریسک را برای در نظر گرفتن عدم قطعیت به عنوان یک منبع بالقوه تغییر ساختاری در هزینه و عملکرد زمان بندی در محیط پویایی شبکه ادغام کرده‌اند. با هدف غلبه بر دو نقطه ضعف ذکر شده رویکرد IB و تولید CEAC قابل اعتمادتر، تکنیک‌های رگرسیون به عنوان یک گزینه برای متدهای IB سنتی در نظر گرفته شده است. از طریق فرآیند برازش منحنی، تکنیک‌های رگرسیون دقت CEAC را بهبود می‌بخشند، به خصوص به دلیل اینکه ممکن است از ترکیبی از داده EVM با داده زمان بندی کسب شده (ES) استفاده کنند و پیش بینی‌های قابل اعتمادتری را در عمر پروژه ارائه دادند. به هر حال، ادبیات موضوعی گزارش شده نشان دادند که پیشرفت کمی در عرصه بهبود قابلیت اعتماد رویکرد IB با اصلاحات آن از طریق تکنیک رگرسیون صورت گرفته است (Lipke et al., 2009; Marshall et al., 2008; Tracy, 2005). بیشتر مطالعات مفاهیم رگرسیون را در رویکردهای IB مربوط به پروژه‌های دفاعی امریکا ادغام کردند، که در ماهیت خود با بودجه‌های بزرگ و مدت زمان‌های طولانی ترکیب شده است (Christensen et al., 1995; Lipke et al., 2009). علاوه بر این، در چارچوب EVM، متدهای مبتنی بر رگرسیون موجود برای محاسبه CEAC پیشرفت زمان بندی را در برآوردهای هزینه در نظر نگرفتند(Lipke, 2003). برای پر کردن این شکاف‌ها، یک متدلوژی رگرسیون جدید برای ارائه CEAC قابل اعتمادتر پیشنهاد شد. مدل توسعه یافته بر محدودیت‌های نشات گرفته از رویکردهای IB سنتی غلبه می‌کند. علاوه بر این، مدل با توجه به زمان بندی پروژه به عنوان یک فاکتور عملکرد هزینه را در نظر می‌گیرد، و از این رو پیشرفت زمان بندی، سنجیده شده با مفهوم ES را برای محاسبه CEAC در نظر می‌گیرد. معادله مدل یک فرمول IB کلاسیک اصلاح شده با تابع مدل رشد Gompertz است و یک فاکتور مبتنی بر ES را برای نشان دادن زمان تکمیل مورد انتظار نشان داده شده در مدل با آن ادغام می‌کند. مقاله به شرح زیر سازمان یافته است. بخش 2 فرمول IB به صورت متداول استفاده شده را برای CEAC چارچوب بندی می‌کند، یک رویکرد رگرسیون را برای برازش منحنی S هزینه معرفی می‌کند، و مدل رشد Gompertz را برای اجرای متدلوژی پیشنهادی اجرا می‌کند. بخش 3 متدلوژی را طراحی می‌کند و چارچوبی را برای ارزیابی مدل و مقایسه نتایج تخمین زده شده آن با فرمول IB ایجاد می‌کند. در بخش 4، ما از داده EVM حاصل شده از نه پروژه برای نمایش کاربرد مدل پیشنهادی استفاده کردیم، و نتایج مطالعه را حاصل کردیم، و نقش ES را در متدلوژی توسعه یافته نشان دادیم. بخش 6 یافته‌های پژوهش و پیامدهای مربوطه را نشان می‌دهد. بخش 6 سهم کاری در پیشرفت دانش و استنتاج نتایج را نشان می‌دهد و توصیه‌هایی برای پژوهش آینده دارند.