Sinirsel ağları kullanarak projelerde efor tahmini

Abstract

Proje efor tahmini, proje yönetiminde kritik öneme sahiptir. Proje için gereken eforun tahmin edilmesi, özellikle projenin erken aşamalarında belirsizlik seviyesinin yüksek olmasından dolayı oldukça zordur. Bu tez çalışmasının amacı, fotonik sektöründe müşteriye özel makinelerin geliştirildiği projeler için efor tahmininde kullanılacak bir sistemin geliştirilmesidir. Bu çalışma kapsamında, iki ayrı yapay sinir ağı (YSA) modeli önerilmiştir. Birinci model, makine geliştirme projesinin otomasyon aşaması için gereken eforu tahminlemek üzere geliştirilmiştir. Tasarım, satın alma, üretim, otomasyon ve test aşamalarından oluşan makine geliştirme projelerinde, otomasyon aşaması yüksek belirsizlik içermektedir. Müşterinin üretimini manuel olarak gerçekleştirdiği fotonik ürünün üretim sürecinin, bir makine tarafından otomatik bir şekilde gerçekleştirilmesi için gereken süreç gereksinimlerini belirlemek oldukça zordur. Bu belirsizlik ortamında projenin otomasyon aşaması için gereken eforun tahmin edilebilmesi önem arz etmektedir. İkinci YSA modeli ise makine geliştirme projesi için gereken toplam proje eforunu tahminlemek üzere önerilmiştir. Geliştirilen iki model, gereken eforu proje ve makine karakteristiklerinden yola çıkarak tahmin etmektedir. YSA modelleri, 11 adet gerçek hayat makine geliştirme projesi ile test edilmiştir. Tahmin doğruluğunu ölçümlemek için PRED(%25) değeri kullanılmış olup, bu değer otomasyon eforu ve toplam proje eforu tahmini modelleri için sırası ile %73 ve %91 olarak hesaplanmıştır. Elde edilen veriler göz önünde bulundurulduğunda geliştirilen modeller ile umut verici sonuçlar elde edildiği sonucuna varılmıştır. Ayrıca proje yöneticileri için bu sistemin kullanımını kolaylaştırmak amacıyla YSA tabanlı bir karar destek sistemi geliştirilmiştir.

Estimating project effort is a crucial concern for project managers. Estimation of required work is challenging, especially in the early phases of a project, due to the high level of uncertainty and lack of experience. This study aims to develop a system for estimating project effort for customized machine development in the photonics industry. This study proposes two artificial neural networks (ANN) models, one for estimating the effort of the automation phase and the other for estimating the total project effort. Design, procurement, production, automation, and testing are the phases of machine development projects, and the automation phase is highly unpredictable. Automating a machine includes uncertainty since customers make photonic products manually, and the process is not always clear at the beginning. In such a high-uncertainty environment, estimating how much effort is required to automate a machine is crucial. The second model was developed for estimating the total project effort. The proposed models were tested on 11 real-life machine development projects. The accuracy measure, PRED(%25), showed promising results with 73% and 91% for automation effort and total project effort, respectively. Additionally, an ANN-based decision support system has been developed to make this system easier for project managers.