Wykorzystanie sieci neuronowych dla szacowania czasu trwania zadań we wdrożeniach systemów informatycznych

• Autorzy: Jarosław Stasiłowicz

Warianty tytułu

The Use of Artificial Neural Networks for the Estimation of the Task Duration Time in Implementation of Information Systems

• Języki publikacji: PL

Abstrakty

Proces szacowania dokładnych czasów realizacji zadań wdrożeniowych nabiera szczególnego znaczenia w dużych organizacjach, ponieważ niedokładna estymacja czasu ich trwania w jednej firmie może opóźnić a nawet uniemożliwić wykonanie zaplanowanych prac wdrożeniowych w pozostałych firmach organizacji, co z kolei może mieć znaczący wpływ na efektywność przedsięwzięcia wdrożeniowego, może nawet decydować o jego powodzeniu lub fiasku. Celem opracowania, składającego się z trzech części, jest przedstawienie metody pozwalającej na obiektywne i dokładne szacowanie czasu trwania zadań w całym procesie wdrożeniowym. W pierwszej części został przedstawiony przegląd najczęściej stosowanych metod szacowania czasu trwania zadań projektowych. W drugiej części zaprezentowano metodykę sztucznych sieci neuronowych. W ostatniej części przedstawiono metodę wykorzystania sztucznych sieci neuronowych w procesie estymacji czasu trwania zadań posługując się przykładem wdrożeń systemów informatycznych w sieci dilerskiej Audi i VW w Polsce. (fragment tekstu)

EN

The great market dynamics and new possibilities connected with the rapid development of the technology cause that a key factor deciding about a position of the company on the market is its ability to make a quick response to some changes, among other things, a choice made in the right moment, next, a correct implementation and a professional use of information systems supporting some business activity. Implementation of the information systems in some big companies is an extremely complex undertaking due to the range, variety of companies and an essential influence of company employees on the course of action. The correct identification of so called human factors that can influence the time of realization of implementation tasks and next, estimation of the exact time of task realization decide about efficiency and effectiveness of the implementation. The known methods of estimation of the task duration time, despite some advantages, are not deprived of drawbacks. Their basic limitations stem from the fact they concentrate, first of all, on some competences and constraints of an executor and also on available devices and sources. At the same time they do not pay enough attention to an environment in which the tasks are defined and next realized. The presented concept can constitute a valuable supplement to the known methods of estimation of the time realization of tasks realized during the information systems' implementation. The use of artificial neural networks in the estimation process can contribute to an increase in the objectivity of the process and to the growth of the accuracy of estimated variables. Moreover, the knowledge acquired during a realization of the process can be used by an executor to work out some efficient strategies of implementation activities in particular branches of an enterprise and can contribute to an efficient and effective control of the task realization. Also, thanks to it an executor can have a greater influence on particular staff (factors) so that they help to carry out tasks successfully. Researching the usefulness of the proposed concept requires conducting some appropriate experiments. The author, on the basis of historical data collected in the course of implementation activities executed in the dealership Audi and Volkswagen in Poland, will implement neural networks and then will check their use during execution of some next implementation of information systems. (original abstract)

Słowa kluczowe

PL

Systemy informatyczne; Sieci neuronowe; Zarządzanie projektem; Przedsiębiorstwo; Metody heurystyczne; Estymacja

EN

Computer system; Neural networks; Project management; Enterprises; Heuristics methods; Estimation

• Czasopismo: Zeszyty Studiów Doktoranckich / Akademia Ekonomiczna w Poznaniu. Wydział Ekonomii
• Rocznik: 2007
• Numer: nr 37
• Strony: 45--64

Twórcy

autor

Jarosław Stasiłowicz

Bibliografia

• A Guide to the Project Management Body of Knowledge, Project Management Institute, Third Edition 2004.
• Cieślak M., Prognozowanie gospodarcze. Metody i zastosowania, Wydawnictwo Naukowe PWN, Warszawa 2005.
• Dittmann, P., Prognozowanie w przedsiębiorstwie. Metody i ich zastosowanie, Oficyna Ekonomiczna, Kraków 2004.
• Duch, W., Korbicz, J., Rutkowski, L., Tadeusiewicz, R., Sieci neuronowe, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2000.
• Frame, D. J., Zarządzanie projektami w organizacjach, WIG-PRESS Wydawnictwo Finansowe, Warszawa 2001, tytuł oryginału: Managing Projects in Organizations. How to Make the Best Use of Time, Techniques, and People.
• Gładysz B., Kuchta D., Mechliński T., Estimation of project task duration time by means of fuzzy numbers, TNOiK, Bydgoszcz 2005.
• Kosiński R. A., Sztuczne sieci neuronowe, dynamika nieliniowa i chaos, WNT, Warszawa 2004.
• Lula P., Tadeusiewicz R., Wprowadzenie do sieci neuronowych, StatSoft Polska, Kraków 2001.
• Potok T.E., Vouk M.A. A Model of Correlated Team Behavior in a Software Development Environment, Proceedings of the Application-Specific Systems and Software Engineering Technology Symposium, 3/99.
• Pritchard, C. L., Zarządzanie Ryzykiem w projektach. Teoria i praktyka, WIG-PRESS Wydawnictwo Finansowe, Warszawa 2001, tytuł oryginału: Risk Management Concepts and Guidance.
• Rekowski M., Wskaźniki wyprzedzające jako metoda prognozowania koniunktury w Polsce, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań 2003.
• Stawicki J., Hałas M., Skuteczna i szybka realizacja projektu, ODiTK, Warszawa 2004.
• Stefanowicz B., Systemy eksperckie, Wyższa szkoła informatyki stosowanej i zarządzania, Warszawa 2003.
• Tadeusiewicz R., Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami, Akademicka Oficyna Wydawnicza, Warszawa 1998.
• Witkowska D., Sztuczne sieci neuronowe i metody statystyczne, C. H. Beck, Warszawa 2002.