Resumen de Improving the effectiveness of project scheduling by using Earned Value Management and Artificial Neural Network

Jojok Widodo Soetjipto, Anik Ratnaningsih, Syamsul Arifin, Della Ayu Adinanda, Kristya Hadi Wicaksono

• español

  Durante la construcción, los recursos no controlados impactan el desempeño del proyecto. La Gestión del Valor Ganado (GVG) es un método ampliamente utilizado para la gestión de proyectos basado en el control de tiempos y costos. Los avances en las Tecnologías de la Información (TI) brindan opciones para mejorar el método GVG. El GVG es un método a nivel de proyecto que excluye detallar el comportamiento de los parámetros del proyecto a nivel de operaciones de construcción, se manejan en términos económicos agregados a lo largo del tiempo. Por lo tanto, este trabajo estudia la mejora del GVG utilizando TI para expresar el manejo de variables operativas. Este artículo utiliza un proyecto de construcción de carreteras como caso de estudio, para evaluar tres enfoques (es decir, Red Bayesiana (RB), Red Neuronal Artificial (RNA) y EVM-RNA Híbrida) como opciones de mejora para el método GVG. Se encontró que la RNA proporciona la mejor mejora de los resultados del GVG. El uso de la RNA y los parámetros del proyecto mejora el manejo del GVG. Al tener una mayor efectividad en los pronósticos, se espera que mejore la calidad y disponibilidad de los datos para la toma de decisiones, una condición que a su vez puede mejorar la agilidad y adaptabilidad de los resultados del proyecto tal como está construido. El modelo EVM-ANN utiliza parámetros que influyen en la finalización de la implementación del proyecto, lo que facilita la evaluación del desempeño del tiempo del proyecto en función de diversas condiciones en el campo para que el proyecto pueda obtener la mejor estrategia para garantizar su finalización a tiempo.

• English

  During construction, uncontrolled resources impact project performance. Earned Value Management (EVM) is a widespread method used for project management based on time and cost control. Advances in Information Technology (IT) provide options to improve the EVM method. The EVM is a project-level method that excludes detailing the behavior of project parameters at the level of construction operations, they are handled in aggregated economic terms over time. Thus, this work studies the improvement of EVM using IT to express the handling of operational variables. This article uses a road construction project as a case study, to evaluate three approaches (i.e., Bayesian Network (BN), Artificial Neural Network (ANN), and Hybrid EVM-ANN) as improvement options for the EVM method. It was found that the ANN provides the best improvement of EVM results. The use of ANN and project parameters improves the handling of EVM. By mayor forecast effectiveness, is expected to improve the quality and availability of data for decision making, a condition which in turn may improve agility and adaptability of the project as-built outcomes. The model EVM-ANN uses parameters that influence project implementation completion, making it easier to assess project time performance based on various conditions in the field so that the project can obtain the best strategy to ensure project completion on time.