Analítica de datos aplicada al diagnóstico del desvío de cronograma en proyectos predictivos
Data analytics applied to the diagnosis of schedule slippage in predictive projects
Palabras clave:
Cronograma, desvíos, analítica, IA, AIResumen
Esta investigación tiene por objetivo aplicar la analítica de datos a proyectos de construcción de la Región de Cuyo Argentina (RCA) para diagnosticar las causas de los desvíos de cronograma y promover la toma de decisiones efectivas. A tal efecto se planteó el estudio de caso y se propusieron indicadores para conformar un cuadro de mando de gestión. Se ejecutaron acciones como: la recolección, conformación de la base de datos, análisis y visualización de datos (herramientas: planillas de cálculo y software R). Del análisis de los resultados del estudio se identificaron las causas de desvíos del cronograma (las principales: diseño, planificación y cumplimiento de los proveedores) y se evaluó los efectos de la aplicación de medidas correctivas y preventivas vinculadas a las buenas prácticas de la gestión de proyectos. El trabajo valida el aporte de la analítica de datos como herramienta para sustentar la toma de decisiones efectivas y se detecta que en las medianas y pequeñas empresas de la RCA existe una carencia en la generación sistemática de un volumen suficiente de datos. Estudios como este aportan evidencia objetiva para orientar las estrategias en la incorporación de nuevas tecnologías para la toma de decisiones.
Descargas
Citas
Al-Sulaiti, A., Mansour, M., Al-Yafei, H., Aseel, S., Kucukvar, M., & Onat, N. C. (2021). Using Data Analytics and Visualization Dashboard for Engineering, Procurement, and Construction Project’s Performance Assessment. 2021 IEEE 8th International Conference on Industrial Engineering and Applications, ICIEA 2021, 207–211. https://doi.org/10.1109/ICIEA52957.2021.9436728
Auth, G., Johnk, J., & Wiecha, D. A. (2021). A Conceptual Framework for Applying Artificial Intelligence in Project Management. Proceedings - 2021 IEEE 23rd Conference on Business Informatics, CBI 2021 - Main Papers, 1, 161–170. https://doi.org/10.1109/CBI52690.2021.00027
Awada, M., Srour, F. J., & Srour, I. M. (2021). Data-Driven Machine Learning Approach to Integrate Field Submittals in Project Scheduling. Journal of Management in Engineering, 37(1). https://doi.org/10.1061/(ASCE)ME.1943-5479.0000873
Bakhshi, R., Moradinia, S. F., Jani, R., & Poor, R. V. (2022). Presenting a Hybrid Scheme of Machine Learning Combined with Metaheuristic Optimizers for Predicting Final Cost and Time of Project. KSCE Journal of Civil Engineering 2022 26:8, 26(8), 3188–3203. https://doi.org/10.1007/S12205-022-1424-3
Bragen, M. (2018). IT Solutions of Data Analytics as Applied to Project Management. Data Analytics in Project Management, 133–149. https://doi.org/10.1201/9780429434891-8
Elrajoubi, S. (2019). Artificial Intelligence in Project Management (L. University (ed.)).
Frame, J. D., & Chen, Y. (2018). Why Data Analytics in Project Management? Data Analytics in Project Management, 7–22. https://doi.org/10.1201/9780429434891-2
Holzmann, V., Zitter, D., & Peshkess, S. (2022). The Expectations of Project Managers from Artificial Intelligence: A Delphi Study: Https://Doi.Org/10.1177/87569728211061779. https://doi.org/10.1177/87569728211061779
Legard, R. (2018). How to Manage Big Data Issues in a Project Environment. Data Analytics in Project Management, 115–132. https://doi.org/10.1201/9780429434891-7
Meyer, W. (2018). Earned Value Method. Data Analytics in Project Management, 91–114. https://doi.org/10.1201/9780429434891-6
Niederman, F. (2021). Project management: openings for disruption from AI and advanced analytics. Information Technology and People, 34(6), 1570–1599. https://doi.org/10.1108/ITP-09-2020-0639/FULL/XML
Pal, A., & Hsieh, S. H. (2021). Deep-learning-based visual data analytics for smart construction management. Automation in Construction, 131, 103892. https://doi.org/10.1016/J.AUTCON.2021.103892
Schuh, G., Riesener, M., & Dölle, C. (2017). Concept for development project management by aid of predictive analytics. PICMET 2016 - Portland International Conference on Management of Engineering and Technology: Technology Management For Social Innovation, Proceedings, 2040–2047. https://doi.org/10.1109/PICMET.2016.7806640
Simion, C.-P., Popa, Ștefan-C., & Albu, C. (2018). PROCEEDINGS OF THE 12 th INTERNATIONAL MANAGEMENT CONFERENCE “Management Perspectives in the Digital Era” PROJECT MANAGEMENT 4.0-PROJECT MANAGEMENT IN THE DIGITAL ERA.
Tapia, Hugo F; Palma, R.;Moreno, J. (2020). INDICADORES DE CADENAS DE ABASTECIMIENTO EN PROYECTOS DE CONSTRUCCIÓN EN ARGENTIN. Iberoamerican Journal of Project Management (IJoPM), Vol.11, No, 94–115.
Wang, K., Guo, F., Zhang, C., & Hao, J. (2021). Digital Technology in Architecture, Engineering and Construction (AEC) Industry: Research trend and Practical Status towards Construction 4.0 Cloud Manufacturing as a new type of Product-Service System View project Cybersecurity for Industry 4.0 View project. https://www.researchgate.net/publication/355228587
