У статті досліджено інтеграцію методу критичного шляху (CPM) та лінійного програмування (LP) для оптимізації розподілу задач у багатокомандних ІТ-проєктах. Метою дослідження є розробка та впровадження моделі, що мінімізує загальний час виконання проєкту, враховуючи залежності між задачами та забезпечуючи рівномірний розподіл навантаження між командами.
У публікації описано математичну модель, яка включає такі змінні, як тривалість задач, взаємозалежності між ними, час початку та завершення задач, максимальний час завершення всіх задач, а також бінарні змінні для призначення задач командам. Модель розв’язується з використанням лінійного програмування, що дозволяє знайти оптимальний розподіл задач та мінімальний час завершення проєкту.
Результати дослідження демонструють ефективність запропонованої моделі на прикладі реальних даних. Було проведено аналіз задач і залежностей між ними, розраховано критичний шлях, визначено розподіл задач між командами, а також оцінено час завершення проєкту. Запропонована модель забезпечує зменшення загального часу виконання проєкту та рівномірний розподіл навантаження між командами.
У статті також надано рекомендації щодо впровадження моделі в практику управління ІТ- проєктами. Серед них – навчання команд проєкту, налаштування моделі під специфіку кожного проєкту, поетапне впровадження, регулярний моніторинг ефективності моделі та її постійне вдосконалення. Впровадження моделі дозволить значно покращити ефективність управління ІТ- проєктами, мінімізувати час їх виконання та забезпечити оптимальний розподіл ресурсів.
Таким чином, дослідження показало, що інтеграція CPM та LP є дієвим підходом для оптимізації розподілу задач у багатокомандних ІТ-проєктах, забезпечуючи досягнення проєктних цілей в оптимальні терміни.
- Project Management Institute. (2021). A Guide to the Project Management Body of Knowledge (PMBOK® Guide). Seventh edition.
- Heagney, J. (2022). Fundamentals of Project Management. Sixth Edition. HarperCollins Leadership.
- Zhang, J., Shen, X., & Yao, C. (2023). Evolutionary Algorithm for Software Project Scheduling Considering Team Relationships. IEEE Access, 11, 43690-43706. doi: 10.1109/ACCESS.2023.3270163.
- Luofan, L., & Wei, Z. (2023). Optimization of Critical Chain Multi-project Schedule Based on Delay Loss. In Proceedings of the 2023 14th International Conference on E-Education, E-Business, E-Management and E- Learning (IC4E ‘23). Association for Computing Machinery, New York, NY, USA, 276–282. doi: 10.1145/3588243.3588277.
- Cai, T., & Shen, H. (2022). Bayesian Optimization-Based Task Scheduling Algorithm on Heterogeneous System. In H. Shen et al. (Eds.), Parallel and Distributed Computing, Applications and Technologies. PDCAT 2021. Lecture Notes in Computer Science (Vol. 13148). Springer, Cham. doi: 10.1007/978-3-030-96772-7_5.
- Al-Refaie, A., Qapaja, A., & Al-Hawadi, A. (2021). Optimal Fuzzy Scheduling and Sequencing of Work- Intensive Multiple Projects Under Normal and Unexpected Events. International Journal of Information Technology Project Management, IGI Global, vol. 12(3), pages 64–89.
- Smith, P., & Jones, R. (2019). Ant Colony Optimization for Task Scheduling. Computational Intelligence Journal, 32(4), 567–579. doi: 10.1049/ip-cdt:20050196.
- Alcaraz, J., & Maroto, C. (2001). A robust genetic algorithm for resource allocation in project scheduling.Annals of Operations Research, 102, 83–109. doi: 10.1023/A:1010949931021.
- Kucuksayacigil, F., & Ulusoy, G. (2018). A hybrid genetic algorithm application for a bi-objective, multi- project, multi-mode, resource-constrained project scheduling problem. Working Paper #36791, Sabancı University.
- Ning, M., He, Z., Jia, T., & Wang, N. (2017). Metaheuristics for multi-mode cash flow balanced project scheduling with stochastic duration of activities. Automation in Construction, 81, 224–233.
- Ismail, I.Y., & Barghash, M.A. (2019). Diversity guided genetic algorithm to solve the resource constrained project scheduling problem. International Journal of Planning and Scheduling, 1(3), 147–170.