دانلود ترجمه مقاله راهکارهای مدیریت پروژه بر پایه هوش مصنوعی

بحث و بررسی:
این بخش مشاهداتی را در مورد وضعیت معاصر مدیریت پروژه با کمک هوش مصنوعی بر اساس مرور مقالات ارائه شده، به دنبال شناسایی شکاف مقالات و توصیه‌هایی برای تحقیقات آینده در چنین زمینه ارائه می‌دهد. نتایج کتاب‌سنجی تعداد قابل توجهی از نشریات با تأثیر بالا مرتبط با موضوع هوش مصنوعی و مدیریت پروژه را در دهه گذشته نشان می‌دهد. طبق یافته‌ها، ساخت و ساز بیشترین تأثیر را از هوش مصنوعی می‌پذیرد که به دلیل پیچیدگی ماهیت مگاپروژه‌های پروژه‌های آن است. مطالعات انتخاب شده روش‌های مختلف هوش مصنوعی را برای کمک به فرآیندهای مختلف مدیریت پروژه پیشنهاد می‌کنند. پتانسیل عظیم هوش مصنوعی به ویژه در حوزه‌های عملیاتی برنامه‌ریزی و اندازه‌گیری منعکس می‌شود، جایی که مقدار قابل توجهی از کار به پیش‌بینی زمان پروژه با کمک هوش مصنوعی و پیش‌بینی تلاش نرم‌افزار اختصاص داده شده است. علاوه بر این، چندین تحقیق در مورد حوزه عملیاتی عدم قطعیت مبتنی بر هوش مصنوعی (که شامل مسائل ایمنی در ساخت و ساز است)، حوزه عملیاتی تحویل (مانند خودکارسازی بررسی انطباق/مطابقت در پروژه‌های ساخت و ساز) و حوزه عملیاتی کار پروژه (مانند پیش‌بینی وضعیت پروژه) وجود دارد، در حالی که مقالات موجود برای حوزه‌های عملیاتی تیم و ذینفعان نادرتر و متنوع‌تر نسبت به عملکردهای هوش مصنوعی هستند. علاوه بر این، تحقیقات جمع‌آوری شده تکامل فناوری‌های هوش مصنوعی را در دهه گذشته نشان می‌دهد. در غلبه یادگیری ماشین، در حالی که در دوره اولیه روش‌های منفرد اعمال می‌شوند (مثلاً یک الگوریتم یادگیری ماشین)، مدل‌های آنسامبل و ترکیبی که الگوریتم‌ها و/یا تکنیک‌های مختلف را برای بهبود عملکرد ترکیب می‌کنند، بعداً استفاده می‌شوند (یعنی یادگیری ماشین همراه با روش‌های اکتشافی و شبکه عصبی فازی). علاوه بر این، یادگیری عمیق در سال‌های اخیر به یک روند تبدیل شده است که راه‌حل‌هایی برای مشکلات پیچیده‌تر ارائه می‌دهد و بینایی رایانه و پردازش زبان طبیعی را بهبود می‌بخشد. علاوه بر این، برای اعتبارسنجی مدل‌های ارائه شده هوش مصنوعی، اغلب از مجموعه داده‌های پروژه‌های واقعی استفاده می‌شود. با این وجود، مقالات نشان می‌دهد که کاربرد هوش مصنوعی در سناریوهای واقعی مدیریت پروژه هنوز در مراحل اولیه است.

Discussion:
This section gives observations on the contemporary state of AI-assisted PM based on the aforepresented literature review, followed by literature gap identification and recommendations for future investigation in such field. Bibliometric results show a notable increasing number of high-impact publications related to the AI–PM topic during the last decade. According to the findings, construction is the most impacted sector by AI, which is due to the complexity of the megaproject nature of its projects. Selected studies propose different AI methods to assist different PM processes. The huge potential of AI is remarkably reflected in planning and measurement PDs, where a substantial amount of work has been dedicated to AI-enabled project time forecasting and software effort prediction. Furthermore, several investigations exist pertaining to AI-based uncertainty PD (which includes safety issues in construction), delivery PD (e.g., compliance/conformance checking automation in construction projects), and project work PD (e.g., forecasting the state of the project), while the literature encountered for the team and stakeholder PD are scarcer and diverse respect to AI functions. Moreover, the collected research displays the evolution of AI technologies during the last decade. Under the predominance of ML, while in the initial period single methods are applied (e.g., a ML algorithm), ensemble and hybrid models that combine different algorithms and/or techniques aimed at improving the performance are utilized later (i.e., ML together with heuristics and fuzzy NN). Moreover, DL has become a trend in the last years, which gives solutions to more complex problems and enhances computer vision and NLP. Furthermore, for the validation of the presented AI models project datasets of real projects are often used. Nevertheless, the literature reveals that AI application into real PM scenarios is still on an early stage.