Моделювання системи моніторингу та контролю виконання проєктів з використанням технологій штучного інтелекту

Abstract

UA : Кваліфікаційну роботу присвячено розробці моделі моніторингу та контролю виконання проєктів на базі інструментів штучного інтелекту для аутсорсингової компанії. У роботі проаналізовано сучасний стан ринку аутсорсингових послуг, досліджено теоретичні засади застосування штучного інтелекту в проєктному менеджменті та обґрунтовано необхідність впровадження інтелектуальних систем моніторингу. На основі проведеного аналізу розроблено регресійні моделі прогнозування тривалості та бюджету проєктів, які продемонстрували високу точність та практичну придатність. Створено NLP-модуль аналізу ринку праці на основі кластеризації вакансій, що дозволяє автоматично сегментувати проєкти за тематичними напрямками. Запропоновано архітектуру інтелектуальної системи моніторингу проєктів, яка включає модулі збору та обробки даних, розрахунку ключових показників ефективності, прогнозування параметрів та автоматичного формування алертів. Проведено оцінку ефективності впровадження розробленої системи, яка підтвердила суттєве підвищення точності прогнозування та покращення виявлення ризиків на ранніх стадіях управління проєктами.EN : The qualification thesis is devoted to the development of a project monitoring and control model based on artificial intelligence tools for an outsourcing company. The study analyzes the current state of the outsourcing services market, investigates the theoretical foundations of artificial intelligence application in project management, and substantiates the need for implementing intelligent monitoring systems. Based on the conducted analysis, regression models were developed to predict project duration and budget, demonstrating high accuracy and practical applicability. An NLP module for labor market analysis was developed based on vacancy clustering, enabling the automatic segmentation of projects by thematic areas. The architecture of an intelligent project monitoring system is proposed, including modules for data collection and processing, calculation of key performance indicators, parameter forecasting, and automatic alert generation. An assessment of the implementation effectiveness of the developed system was conducted, which confirmed a significant improvement in forecasting accuracy and enhanced risk detection at early stages of project management.