基于神經(jīng)網(wǎng)絡(luò)算法的大科學(xué)工程項(xiàng)目進(jìn)度管理探索

摘要：大科學(xué)工程項(xiàng)目一般是由多個(gè)子項(xiàng)目集成的復(fù)雜系統(tǒng)工程，其各子項(xiàng)的研制周期、研制目標(biāo)和研制難度千差萬別，因此對(duì)各子項(xiàng)的管理人員提出了極高的管理要求。隨著計(jì)算機(jī)技術(shù)的發(fā)展，以神經(jīng)網(wǎng)絡(luò)算法為代表的機(jī)器學(xué)習(xí)方法為復(fù)雜系統(tǒng)的管理帶來了新機(jī)遇。利用某大科學(xué)工程項(xiàng)目已完成的1000項(xiàng)項(xiàng)目數(shù)據(jù)，訓(xùn)練得到三個(gè)多輸入單輸出的神經(jīng)網(wǎng)絡(luò)模型，可根據(jù)項(xiàng)目執(zhí)行團(tuán)隊(duì)和任務(wù)情況，以較高精度預(yù)測(cè)項(xiàng)目完成質(zhì)量、完成時(shí)間和管理成本，供決策者及時(shí)對(duì)項(xiàng)目執(zhí)行情況進(jìn)行調(diào)整。該方法有望為大科學(xué)工程項(xiàng)目的子項(xiàng)目管理提供一條新路徑。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；大科學(xué)工程；項(xiàng)目管理；進(jìn)度管理

0引言

大科學(xué)工程項(xiàng)目區(qū)別于一般項(xiàng)目，其特點(diǎn)體現(xiàn)為“大”：項(xiàng)目規(guī)模大、經(jīng)費(fèi)體量大、參與項(xiàng)目的單位數(shù)量大、建成后的影響大[1-3]。這樣的項(xiàng)目關(guān)系國計(jì)民生、國家長遠(yuǎn)利益，一旦立項(xiàng)，將涉及大量人力、物力和財(cái)力的投入，項(xiàng)目成功與否將對(duì)綜合國力的展示產(chǎn)生巨大影響。而一項(xiàng)大科學(xué)工程項(xiàng)目的成功，離不開科學(xué)有效的項(xiàng)目管理，如我國天眼FAST項(xiàng)目[4]、C919“大飛機(jī)”項(xiàng)目[5]及聚變工程實(shí)驗(yàn)堆CFETR項(xiàng)目[6]等，其背后均有一個(gè)強(qiáng)大的項(xiàng)目管理團(tuán)隊(duì)作為支撐。

大科學(xué)工程項(xiàng)目可分解為多個(gè)子項(xiàng)目，每個(gè)子項(xiàng)之間有串行和并行的工作模式。一個(gè)團(tuán)隊(duì)的任務(wù)進(jìn)度和完成情況將直接對(duì)與其銜接的上下游團(tuán)隊(duì)的任務(wù)產(chǎn)生影響[7]。在有限的管理資源條件下，如何針對(duì)不同項(xiàng)目合理分配管理資源，采取不同的管理策略，以達(dá)到最優(yōu)的管理效果和項(xiàng)目產(chǎn)出，是項(xiàng)目管理實(shí)踐中需要著重考慮的問題[8]。這不僅需要對(duì)時(shí)間管理、整合管理等項(xiàng)目管理知識(shí)體系有深入理解，而且需要采取合適有效的方法手段對(duì)項(xiàng)目進(jìn)度進(jìn)行控制。常用的項(xiàng)目進(jìn)度管理方法有甘特圖、網(wǎng)絡(luò)圖、掙值法等，均已在項(xiàng)目管理過程中得到廣泛應(yīng)用[9]。任振等[10]利用基于關(guān)鍵路徑法（Critical Path Method，CPM）的改進(jìn)型掙值法研究了某大科學(xué)工程中的科研項(xiàng)目進(jìn)度管理，該方法能抓住影響進(jìn)度的主要矛盾，得到正確的結(jié)果；李雅琴等[11]討論了聚變堆主機(jī)系統(tǒng)建設(shè)過程中項(xiàng)目進(jìn)度管理優(yōu)化措施；王雪等[12]討論了項(xiàng)目推進(jìn)軟件在項(xiàng)目進(jìn)度管理中的應(yīng)用優(yōu)勢(shì)；陸斌[13]利用蒙特卡洛方法研究了關(guān)鍵鏈技術(shù)在某項(xiàng)目中的實(shí)際應(yīng)用。以上研究關(guān)注重點(diǎn)多是單個(gè)項(xiàng)目某一階段的項(xiàng)目管理，缺少對(duì)新立項(xiàng)目執(zhí)行結(jié)果的預(yù)測(cè)，因而無法為決策者在立項(xiàng)之初的資源分配提供支撐。

大數(shù)據(jù)技術(shù)的發(fā)展，為項(xiàng)目管理提供了一種全新的方法手段。胡榮春等[14]基于大數(shù)據(jù)分析模型探索了學(xué)科項(xiàng)目管理的預(yù)測(cè)方法，并取得良好的效果；陳留林[15]提供了大數(shù)據(jù)環(huán)境下科技項(xiàng)目管理的一些建議；顧志恒等[16]利用BP神經(jīng)網(wǎng)絡(luò)法討論了項(xiàng)目安全管理?；谝陨涎芯?，本文將大數(shù)據(jù)分析方法應(yīng)用于大科學(xué)工程項(xiàng)目進(jìn)度管理，利用前期積累的大量項(xiàng)目數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，對(duì)項(xiàng)目進(jìn)度、完成時(shí)間、完成質(zhì)量等進(jìn)行預(yù)測(cè)，有望為大科學(xué)工程項(xiàng)目管理提供一種新手段。

1項(xiàng)目數(shù)據(jù)采集

為了利用神經(jīng)網(wǎng)絡(luò)算法對(duì)項(xiàng)目進(jìn)度進(jìn)行預(yù)測(cè)，首先需要收集已有項(xiàng)目完成情況數(shù)據(jù)，作為神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練集，然后利用訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型對(duì)正在進(jìn)行或還未執(zhí)行的項(xiàng)目執(zhí)行結(jié)果進(jìn)行預(yù)測(cè)?；诖?，收集了某大科學(xué)工程項(xiàng)目下1000項(xiàng)子項(xiàng)任務(wù)執(zhí)行情況數(shù)據(jù)，并根據(jù)因果關(guān)系將數(shù)據(jù)分為輸入數(shù)據(jù)和輸出數(shù)據(jù)兩大類。

1.1輸入數(shù)據(jù)

根據(jù)數(shù)據(jù)特點(diǎn)，可將輸入數(shù)據(jù)分為三大類：任務(wù)執(zhí)行團(tuán)隊(duì)數(shù)據(jù)、任務(wù)數(shù)據(jù)及獎(jiǎng)勵(lì)數(shù)據(jù)。任務(wù)執(zhí)行團(tuán)隊(duì)數(shù)據(jù)主要包括團(tuán)隊(duì)成員的平均學(xué)歷、平均工齡、平均職稱三個(gè)參數(shù)；任務(wù)數(shù)據(jù)包括任務(wù)難度、任務(wù)緊迫性和任務(wù)性質(zhì)三個(gè)參數(shù)；獎(jiǎng)勵(lì)數(shù)據(jù)指項(xiàng)目結(jié)題后給予團(tuán)隊(duì)成員的獎(jiǎng)勵(lì)系數(shù)。為了建立訓(xùn)練集，需要對(duì)以上參數(shù)進(jìn)行合理賦值。團(tuán)隊(duì)成員的平均學(xué)歷賦值規(guī)則為：最高學(xué)歷為博士得3分，最高學(xué)歷為碩士得2分，最高學(xué)歷為學(xué)士得1分，其余得0分，團(tuán)隊(duì)成員的平均學(xué)歷值為所有團(tuán)隊(duì)成員學(xué)歷得分的算術(shù)平均值。平均工齡取所有團(tuán)隊(duì)成員工齡的算術(shù)平均值。平均職稱的賦值規(guī)則為：高級(jí)職稱得3分，中級(jí)職稱得2分，初級(jí)職稱得1分，其余得0分，平均職稱取所有團(tuán)隊(duì)成員職稱得分的算術(shù)平均值。任務(wù)難度賦值規(guī)則為：由7名專家對(duì)任務(wù)難度進(jìn)行評(píng)分（打分區(qū)間為[0，1]），任務(wù)難度取其算術(shù)平均值。任務(wù)緊迫性賦值為任務(wù)完成時(shí)間（單位：周）。任務(wù)性質(zhì)賦值規(guī)則為：橫向任務(wù)值為1，縱向任務(wù)值為2。獎(jiǎng)勵(lì)賦值為0.05、0.1、0.15、0.2，執(zhí)行單位文件規(guī)定。

1.2輸出數(shù)據(jù)

輸出數(shù)據(jù)包括三大類：任務(wù)完成時(shí)間、任務(wù)完成質(zhì)量和管理成本。任務(wù)完成時(shí)間指相對(duì)于規(guī)定完成時(shí)間的提前或滯后量，按天計(jì)算；任務(wù)完成質(zhì)量由專家評(píng)分獲得，評(píng)分區(qū)間為[0，1]，專家打分時(shí)應(yīng)綜合考慮任務(wù)執(zhí)行團(tuán)隊(duì)交付的產(chǎn)品質(zhì)量、技術(shù)先進(jìn)性和創(chuàng)新性，以及可能帶來的經(jīng)濟(jì)效益等因素；管理成本指管理人員在本項(xiàng)目中投入的總工時(shí)。通過神經(jīng)網(wǎng)絡(luò)算法，建立輸入數(shù)據(jù)與輸出數(shù)據(jù)之間的聯(lián)系，可以有效地對(duì)正在執(zhí)行的項(xiàng)目產(chǎn)出進(jìn)行預(yù)測(cè)，從而及時(shí)調(diào)整管理策略。如根據(jù)預(yù)測(cè)，某項(xiàng)目的任務(wù)完成時(shí)間存在較大的延期概率，且任務(wù)完成質(zhì)量不會(huì)太高，此時(shí)投入太多管理成本是不合適的，需要及時(shí)對(duì)項(xiàng)目輸入（任務(wù)執(zhí)行團(tuán)隊(duì)、任務(wù)、獎(jiǎng)勵(lì)等）進(jìn)行調(diào)整，以獲得更好的項(xiàng)目產(chǎn)出。

1.3數(shù)據(jù)分析

在求解神經(jīng)網(wǎng)絡(luò)前，先分析某幾個(gè)重要的輸入?yún)?shù)與輸出參數(shù)之間的大致關(guān)系，有助于更好地改進(jìn)神經(jīng)網(wǎng)絡(luò)，得到更有效的預(yù)測(cè)結(jié)果。每個(gè)輸入?yún)?shù)xi對(duì)輸出結(jié)果的影響大小不同。根據(jù)以往經(jīng)驗(yàn)，學(xué)歷平均值、任務(wù)難度系數(shù)、任務(wù)緊迫性等參數(shù)對(duì)任務(wù)執(zhí)行結(jié)果的影響具有一定的預(yù)期：學(xué)歷越高，任務(wù)完成質(zhì)量、完成時(shí)間的期望值就越高；任務(wù)難度系數(shù)越大，任務(wù)完成質(zhì)量、完成時(shí)間的期望值就越低。

平均學(xué)歷為1、2和3三種情況時(shí)任務(wù)完成時(shí)間和任務(wù)完成質(zhì)量統(tǒng)計(jì)直方圖如圖1所示，并給出了高斯擬合結(jié)果。從圖1a～c可以發(fā)現(xiàn)，平均學(xué)歷為1、2和3時(shí)，分布函數(shù)分別為N（4，3.2），N（0.8，3.9）和N（-0.5，5.28），三種情況的任務(wù)完成時(shí)間均基本滿足正態(tài)分布。平均學(xué)歷越高，相應(yīng)的任務(wù)完成時(shí)間平均值越小，任務(wù)完成越快；但σ值越大，說明任務(wù)完成時(shí)間的分布范圍越寬。利用該統(tǒng)計(jì)結(jié)果，可以根據(jù)團(tuán)隊(duì)的平均學(xué)歷，簡(jiǎn)單預(yù)測(cè)出任務(wù)完成時(shí)間的范圍。例如，當(dāng)一個(gè)任務(wù)執(zhí)行團(tuán)隊(duì)的平均學(xué)歷為1時(shí)，其任務(wù)完成時(shí)間有約63%的概率處于[2.4d，5.6d]的范圍。而圖1d～f展示了平均學(xué)歷與任務(wù)完成質(zhì)量的關(guān)系，可以發(fā)現(xiàn)，任務(wù)平均完成質(zhì)量隨團(tuán)隊(duì)平均學(xué)歷的增加而增加。

任務(wù)難度系數(shù)與任務(wù)完成時(shí)間和完成質(zhì)量的統(tǒng)計(jì)關(guān)系如圖2所示。圖2a和圖2b分別給出了任務(wù)難度系數(shù)與任務(wù)完成時(shí)間和任務(wù)完成質(zhì)量的統(tǒng)計(jì)關(guān)系。從圖2a可以清晰地看到，隨著任務(wù)難度系數(shù)的增加，任務(wù)完成時(shí)間呈現(xiàn)增加趨勢(shì)，并且大概率會(huì)出現(xiàn)完成時(shí)間推遲的情況。當(dāng)任務(wù)難度系數(shù)接近1時(shí)，幾乎所有的任務(wù)均出現(xiàn)了不同程度的延期。在大科學(xué)工程項(xiàng)目中，較多子項(xiàng)目任務(wù)具有研究、攻關(guān)性質(zhì)，這類項(xiàng)目一般難度較大，在立項(xiàng)之初難以準(zhǔn)確預(yù)估其完成時(shí)間，因而經(jīng)常會(huì)造成任務(wù)延期，這也與圖2a反映的統(tǒng)計(jì)結(jié)果相符。圖2b則反映隨著任務(wù)難度系數(shù)的增加，任務(wù)完成質(zhì)量呈現(xiàn)略微下降的趨勢(shì)，這也與大科學(xué)工程項(xiàng)目具有研究、攻關(guān)的性質(zhì)密切相關(guān)，因而也符合預(yù)期的統(tǒng)計(jì)結(jié)果。

根據(jù)以上簡(jiǎn)單的數(shù)據(jù)分析，可以從輸入數(shù)據(jù)簡(jiǎn)單地判斷輸出結(jié)果（如任務(wù)完成時(shí)間和完成質(zhì)量）的大致范圍和走向。但從圖1和圖2也可看出，輸出結(jié)果具有較大的分布范圍，且并不僅僅受單一變量的影響，所以無法從統(tǒng)計(jì)結(jié)果準(zhǔn)確地預(yù)測(cè)輸出結(jié)果的具體值。采用神經(jīng)網(wǎng)絡(luò)算法可以求解這類問題。

2神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析

2.1模型的建立

輸入?yún)?shù)X為上節(jié)中獲取的7個(gè)參數(shù)：X=［x1，x2，x3，x4，x5，x6，x7］=［團(tuán)隊(duì)平均學(xué)歷，團(tuán)隊(duì)平均工齡，團(tuán)隊(duì)平均職稱，任務(wù)難度，任務(wù)緊迫性，任務(wù)性質(zhì)，獎(jiǎng)勵(lì)］?？紤]到三個(gè)輸出數(shù)據(jù)Y（Y=［y1，y2，y3］=［任務(wù)完成時(shí)間，任務(wù)完成質(zhì)量，管理成本］）之間的關(guān)系相對(duì)獨(dú)立，故采用多輸入單輸出的神經(jīng)網(wǎng)絡(luò)模型逐一對(duì)三個(gè)輸出數(shù)據(jù)進(jìn)行擬合，以加快收斂速度并提高擬合準(zhǔn)確度，即建立三個(gè)神經(jīng)網(wǎng)絡(luò)：X→yi（i=1，2，3）。使用MATLAB自帶的神經(jīng)網(wǎng)絡(luò)擬合工具箱對(duì)該問題進(jìn)行求解，神經(jīng)網(wǎng)絡(luò)求解模型如圖3所示，為兩層前向反饋模型。隱藏層數(shù)為10，采用Levenberg-Marquardt后向傳播算法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。選擇1000項(xiàng)子項(xiàng)目數(shù)據(jù)中的70%作為訓(xùn)練集，15%作為驗(yàn)證集，剩余15%作為測(cè)試集，訓(xùn)練的評(píng)價(jià)標(biāo)準(zhǔn)為盡量小的均方差和盡量大的回歸系數(shù)。

2.2模型訓(xùn)練結(jié)果

利用前文所述的數(shù)據(jù)集訓(xùn)練得到三個(gè)神經(jīng)網(wǎng)絡(luò)模型。X→y1（任務(wù)完成時(shí)間）神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果如圖4所示，X→y1（任務(wù)完成時(shí)間）神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差直方圖如圖5所示。其余兩個(gè)神經(jīng)網(wǎng)絡(luò)模型與此類似。圖4依次展示了訓(xùn)練集、驗(yàn)證集、測(cè)試集和全部數(shù)據(jù)的回歸系數(shù)。從圖4可以看出，4個(gè)數(shù)據(jù)集的回歸系數(shù)均在0.8左右，說明輸入數(shù)據(jù)與輸出數(shù)據(jù)之間存在較強(qiáng)的關(guān)聯(lián)性，該值越接近于1，兩者的關(guān)聯(lián)性越強(qiáng)。圖5給出了訓(xùn)練誤差直方圖，呈現(xiàn)出正態(tài)分布特征，有近50%的誤差集中在±1d以內(nèi)，均方差在4.5d左右。從訓(xùn)練結(jié)果來看，無論是回歸系數(shù)還是誤差，均接近其理論值，說明訓(xùn)練得到的模型具有較高的精度。

2.3預(yù)測(cè)結(jié)果

在訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)模型后，便可利用輸入數(shù)據(jù)對(duì)項(xiàng)目執(zhí)行結(jié)果進(jìn)行預(yù)測(cè)。典型的輸入?yún)?shù)圖示如圖6所示，展示了一組典型的輸入數(shù)據(jù)（數(shù)據(jù)已按統(tǒng)計(jì)得到的各參數(shù)的最大值進(jìn)行了歸一化處理），將之帶入訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型，得到輸出結(jié)果為Y=［y1，y2，y3］=［任務(wù)完成時(shí)間，任務(wù)完成質(zhì)量，管理成本］=［-3.3d，0.93，1.3w］，即對(duì)于該項(xiàng)目而言，預(yù)計(jì)提前3.3d完成，完成質(zhì)量比較好，投入的管理成本約為1.3w。在對(duì)該項(xiàng)目進(jìn)行管理時(shí)，可采取較松的管理策略，將相應(yīng)的管理資源投入到預(yù)期較差的項(xiàng)目。

3結(jié)語

本文介紹了一種利用神經(jīng)網(wǎng)絡(luò)算法對(duì)大科學(xué)工程項(xiàng)目子項(xiàng)目執(zhí)行結(jié)果進(jìn)行預(yù)測(cè)的方法。收集以往執(zhí)行的1000項(xiàng)子項(xiàng)目的執(zhí)行、完成情況，對(duì)其進(jìn)行量化、分類，形成了神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)集。利用訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型，對(duì)正在立項(xiàng)的子項(xiàng)目執(zhí)行結(jié)果進(jìn)行預(yù)測(cè)，相關(guān)預(yù)測(cè)結(jié)果可作為項(xiàng)目立項(xiàng)、調(diào)整的依據(jù)。對(duì)于正在執(zhí)行的項(xiàng)目，也可根據(jù)預(yù)測(cè)結(jié)果，及時(shí)調(diào)整策略，以期獲得更好的輸出結(jié)果。本次實(shí)踐證明，大數(shù)據(jù)分析引入大科學(xué)工程項(xiàng)目管理，可以實(shí)現(xiàn)項(xiàng)目管理水平的提升。

參考文獻(xiàn)

[1]沈敏圣，任振，王成程，等.掙值管理方法在大科學(xué)工程進(jìn)度管理中的應(yīng)用[J].項(xiàng)目管理技術(shù)，2016，14（4）：86-91.[2]王成程，何偉，鄭萬國，等.XX項(xiàng)目建設(shè)外協(xié)合作聯(lián)盟的建立與管理實(shí)踐［J］.項(xiàng)目管理技術(shù)，2016，14（7）：98-101.

[3]何偉，王煒，申晨，等.XX項(xiàng)目外協(xié)實(shí)施管理特點(diǎn)研究［J］.科技成果管理與研究，2016（8）：29-32.

[4]黃夢(mèng)林，朱明.FAST望遠(yuǎn)鏡觀測(cè)項(xiàng)目管理系統(tǒng)框架設(shè)計(jì)[J].貴州大學(xué)學(xué)報(bào)，2014，31（1）：88-91.

[5]孟銳征，賈佳.C919大型客機(jī)國內(nèi)市場(chǎng)銷售策略初探 [J]. 民用飛機(jī)設(shè)計(jì)與研究，2012，3（31）：44-46.

[6]SONG Y T，LI J G，WAN Y X，et al.Engineering design of the CFETR machine[J].Fusion Engineering and Design，2022，183（1）：11324.

[7]任振，張文健，王成程，等.基于復(fù)合式管理模式的大科學(xué)工程項(xiàng)目實(shí)施管理體系研究[J].項(xiàng)目管理技術(shù)，2019，17（4）：84-89.

[8]Project Management Institute.項(xiàng)目管理知識(shí)體系指南（PMBOK指南）[M].6版.北京：電子工業(yè)出版社，2018.

[9]張野.鐵路建設(shè)項(xiàng)目進(jìn)度管理研究[J].管理創(chuàng)新，2022，17（6）：74-76.

[10]任振，沈敏圣，王成程，等.改進(jìn)掙值法在大型科研項(xiàng)目進(jìn)度—成本管理的應(yīng)用[J].科技管理研究，2016，36（20）：211-214.

[11]李雅琴，王曉潔，劉甫坤，等.CRAFT項(xiàng)目進(jìn)度管理改進(jìn)及優(yōu)化措施 [J].項(xiàng)目管理技術(shù)，2021，19（10）：89-92.

[12]王雪，李玉光.項(xiàng)目推進(jìn)軟件在項(xiàng)目進(jìn)度管理中的應(yīng)用 [J].天津科技，2021，48（8）：4-6.

[13]陸斌.基于蒙特卡羅模擬的項(xiàng)目進(jìn)度管理方法對(duì)比 [J].項(xiàng)目管理技術(shù)，2021，19（11）：124-128.

[14]胡榮春，劉知貴，胡茂，等.基于大數(shù)據(jù)分析模型的學(xué)科項(xiàng)目管理探索[J].教育評(píng)論，2019（5）：55-59.

[15]陳留林.闡述大數(shù)據(jù)環(huán)境下科技項(xiàng)目的管理[J]，科技創(chuàng)新導(dǎo)報(bào)，2020（20）：169-173.

[16]顧志恒，馮樂.基于主成分分析和BP神經(jīng)網(wǎng)絡(luò)的工程項(xiàng)目安全管理評(píng)價(jià)研究[J].項(xiàng)目管理技術(shù)，2017，15（4）：36-39.PMT

收稿日期：2023-07-07

作者簡(jiǎn)介：

黃華（通信作者）（1991—），男，博士，工程師，研究方向：大科學(xué)工程管理。

晏青（1993—），女，工程師，研究方向：大科學(xué)工程管理。

黃存婷（1988—），女，高級(jí)工程師，研究方向：大科學(xué)工程管理。

申晨（1989—），男，高級(jí)工程師，研究方向：大科學(xué)工程管理。