skip to Main Content

مدیریت پروژه بدست اورنده ارزشها ، قدرت در ارزش برنامه ریزی ها

عنوان انگلیسی: Earned value project management Improving the predictive power of planned value
سال نشر: ۲۰۱۶
نویسنده:Hong Long Chen , Wei Tong Chen , Ying Lien Lin
رشته های مرتبط: مهندسی نرم افزار
تعداد صفحه فارسی: ۱۵ – تعداد صفحه انگلیسی: ۸
شناسه: ۱۰.۱۰۱۶/j.ijproman.2015.09.008
دانشگاه: Department of Business and Management, National University of Tainan
نشریه: International Journal of Project Management

چکیده

مدیریت پروژه با ارزش کسب شده (EVPM) یک ابزار موثر برای عملکرد مدیریت پروژه می باشد. بااین حال،بسیاری از مطالعات انجام شده در برنامه های افزایش و کاربردی در EVPM در بهبود هزینه و مدت زمان برآورد نهایی به جی بهبود در استفاده از ارزش برنامه ریزی شده (PV) به پیش بینی ارزش بدست آمده (EV) و ارزش هزینه واقعی (AC) بوده است. این مطالعه یک روش مدلسازی ساده برای بهبود قدرت پیش بینی از PVقبل از اجرای یک پروژه است. با استفاده از این روش مدل سازی،این مطالعه توسعه مدل EV و پیش بینی AC را برای چهار پروژه انجام شده است. امتیاز پیش بینی نمونه با استفاده از میانگین خطای مطلق (MAPE) نشان می دهد که روش ارائه شده پیش بینی را بهبود می بخشد که به طور متوسط وقتی در حدود ۲۳.۶۶% و ۱۷.۳۹% را به ترتیب برای EV و AC داشته است. این بهبود در قدرت پیش بینی PV قبل از مدیریت پروژهفراهم کننده اطلاعات قابل اطمینان تری در مورد عملکرد EV و AC بوده و اجازه می دهد که فعالیت موثر برای اطمینان از نتایج عملکرد مطلوب به وجود بیاید.

Abstract

Earned value project management (EVPM) is an effective tool for managing project performance. However, most studies on extensions and applications of EVPM concentrate on improving final cost and duration estimates rather than improving upon the use of planned value (PV) to predict earned value (EV) and actual cost value (AC). This study proposes a straightforward modeling method for improving the predictive power of PV before executing a project. By using this modeling method, this study develops EV and AC forecasting models for four case projects. Out-of-sample forecasting validation using mean absolute percentage error (MAPE) demonstrates that the proposed method improves forecasting accuracy by an average of 23.66% and 17.39%, respectively, for EV and AC. This improvement on PV’s predictive power prior to project execution provides management with more reliable predictive information about EV and AC performance, allowing for effective proactive action to ensure favorable performance outcomes.

امتیاز شما:
(No Ratings Yet)
Back To Top