مشخصات مقاله:
عنوان فارسی مقاله:
انتخاب پروژه در مدیریت پرتفولیو پروژه: یک مدل شبکه عصبی مصنوعی بر اساس عوامل اصلی موفقیت
عنوان انگلیسی مقاله:
Project selection in project portfolio management: An artificial neural network model based on critical success factors
کلمات کلیدی مقاله:
عوامل اصلی موفقیت، انتخاب پروژه، شبکه عصبی مصنوعی، ریسک پروژه
مناسب برای رشته های دانشگاهی زیر:
مدیریت، حسابداری
مناسب برای گرایش های دانشگاهی زیر:
حسابداری مالی، مدیریت پروژه
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. پیش زمینه نظری
2.1 متدلوژی‌های انتخاب پروژه
2.2 ارزیابی موفقیت پروژه
2.3 عوامل اصلی موفقیت پروژه
3. متدلوژی پژوهشی
4. یک مدل برای ارزیابی اولیه موفقیت پروژه
4.1 شبکه عصبی مصنوعی
4.2 طراحی مدل
4.3 نتایج و خطای دسته بندی
5. بحث و نتیچه گیری
5.1 مفاهیم پژوهشی
5.2 پیامدهای مدیریتی
5.3 محدودیت‌ها و فرصت‌هایی برای پژوهش آینده
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
While a growing body of literature focuses in detecting and analyzing the main reasons affecting project success, the use of these results in project portfolio management is still under investigation. Project critical success factors (CSFs) can serve as the fundamental criteria to prevent possible causes of failures with an effective project selection process, taking into account company strategic objectives, project manager’s experience and the competitive environment. This research proposes an innovative methodology to help managers in assessing projects during the selection phase. The paper describes the design, development and testing stages of a decision support system to predict project performances. An artificial neural network (ANN), scalable to any set of CSFs, classifies the level of project’s riskiness by extracting the experience of project managers from a set of past successful and unsuccessful projects.
چکیده
با وجود اینکه تعداد زیادی از ادبیات موضوعی بر تشخیص و تحلیل دلایل اصلی تاثیرگذار بر موفقیت پروژه تمرکز کرده‌اند، استفاده از این نتایج در مدیریت پرتفولیو پروژه هنوز تحت بررسی است. عوامل اصلی موفقیت (CSF) پروژه می‌توانند به عنوان معیار اصلی برای جلوگیری از دلایل ممکن شکست با یک روند انتخاب پروژه موثر، با در نظر گرفتن اهداف استراتژیک شرکت، تجربه مدیر پروژه و محیط رقابتی استفاده شوند.
این پژوهش یک متدلوژی نوآورانه را برای کمک به مدیران در زمینه ارزیابی پروژه‌ها در طول فاز انتخاب پیشنهاد می‌کند. مقاله مراحل طراحی، توسعه و تست سیستم پشتیبان تصمیم را برای پیش بینی عملکرد پروژه توضیح می‌دهد. یک شبکه عصبی مصنوعی (ANN)، که برای هر مجموعه از CSFها مقیاس پذیر است، سطوح ریسک پذیری پروژه را با استخراج تجربه مدیران پروژه از یک مجموعه از پروژه‌های موفق و ناموفق گذشته دسته بندی می‌کند.