МОДЕЛЬ ФОРМИРОВАНИЯ КОМАНДЫ ПРОЕКТА НА БАЗЕ МЕТОДОВ ДИСКРЕТНОЙ ОПТИМИЗАЦИИ

Обложка

Цитировать

Полный текст

Аннотация

Актуальность и цели. Исследование посвящено разработке модели формирования оптимального состава команд для проектов в целом и для инновационных в частности, которые являются основой экономического прогресса в современном информационном обществе. Проблема заключается в необходимости повышения эффективности и результативности проектов за счет оптимизации состава команд. Целью исследования является создание математической модели формирования команд проектов, учитывающей такие факторы, как квалификация, производительность и инновационный потенциал участников. Материалы и методы. Методологическую и инструментальную основу исследования составили метод дискретной оптимизации, основы кибернетики, а также математического моделирования. В работе рассматрива- ются существующие подходы к формированию команд, в основном базирующиеся на опыте и наблюдениях, на личностных качествах или взаимоотношениях между чле- нами команды. Результаты. В результате была построена модель формирования команды проекта на основе алгоритма, позволяющего минимизировать затраты на персонал при сохранении высокой эффективности. Практическое применение данной модели демонстрируется на примере IT-проектов, что показывает возможности оптимизации человеческих ресурсов в данной отрасли. Модель обеспечивает оптимальный состав команды на проект с учетом минимизации расходов на трудовые ресурсы при выполнении требуемой производительности на проект в целом. Данный подход способствует экономическому прогрессу проектно-ориентированных предприятий. Выводы. Исследование направлено на улучшение методов и моделей управления проектами и может быть полезно руководителям проектов, специалистам по кадрам и руководству компаний, стремящихся внедрить методы оптимизации состава команд при реализации проектов. Внедрение разработанной модели может способствовать повышению прогнозируемости проектов, что особенно актуально в условиях растущей сложности и масштабов современных проектов.

Об авторах

Сальбек Мустафаевич Бекетов

Санкт-Петербургский политехнический университет Петра Великого

Автор, ответственный за переписку.
Email: salbek.beketov@spbpu.com

аналитик, ассистент лаборатории цифрового моделирования индустриальных систем Высшей школы проектной деятельности и инноваций в промышленности

(Россия, г. Санкт-Петербург, ул. Политехническая, 29)

Максим Владимирович Дергачев

Санкт-Петербургский политехнический университет Петра Великого

Email: dergachev.mv@edu.spbstu.ru

магистрант Высшей школы проектной деятельности и инноваций в промышленности

(Россия, г. Санкт-Петербург, ул. Политехническая, 29)

Сергей Георгиевич Редько

Санкт-Петербургский политехнический университет Петра Великого

Email: redko_sg@spbstu.ru

доктор технических наук, профессор, старший научный сотрудник, директор Высшей школы проектной деятельности и инноваций в промышленности

(Россия, г. Санкт-Петербург, ул. Политехническая, 29)

Список литературы

  1. Beketov S. M., Pospelov K. N., Redko S. G. A human capital simulation model in innovation projects // Control Sciences. 2024. № 3. P. 16–25. doi: 10.25728/cs.2024.3.2
  2. Ежова Л. С., Воронин А. В., Румянцева П. П. Формирование эффективной команды проекта как условие успешной реализации проекта // Актуальные вопросы современной экономики. 2020. № 8. С. 269–276.
  3. Вицелярова К. Н. Методика оценки эффективности и результативности проектов // Естественно-гуманитарные исследования. 2021. № 5. С. 48–52.
  4. Евдочук Д. Д., Красникова А. С. Формирование команды инновационного проекта // Управление научно-техническими проектами. 2020. С. 91–95.
  5. Могиленская Ю. С. Социально-психологические условия создания эффективной управленческой команды // Синергия наук. 2021. № 63. С. 156–164.
  6. Кудрявцев Н. Г., Кудин Д. В., Беликова М. Ю., Темербекова А. А. Исследование влияния темпераментных групп ТИМов участников проектной команды на эффективность реализации программных компонент комплексного учебного проекта при использовании метода проектных интерфейсов // Информатизация образования и методика электронного обучения: цифровые технологии в образовании. 2021. С. 262–267.
  7. Bendor J., Page S. E. Optimal team composition for tool‐based problem solving // Journal of Economics & Management Strategy. 2019. Vol. 28, № 4. P. 734–764.
  8. Dehghani M., Trojovský P. Teamwork optimization algorithm: A new optimization approach for function minimization/maximization // Sensors. 2021. Vol. 21, № 13. Р. 4567.
  9. Zainal P., Razali D., Mansor Z. Team formation for agile software development: a review // Int. J. Adv. Sci. Eng. Inf. Technol. 2020. Т. 10, № 2. P. 555–561.
  10. Liu B. [et al.]. Coach-player multi-agent reinforcement learning for dynamic team composition // International Conference on Machine Learning. 2021. P. 6860–6870.
  11. Гужина Г. Н., Гужин А. А. Формирование команды проекта как фактор эффективности проектного менеджмента современной организации // Управленческий учет. 2021. № 9-2. С. 356–364.
  12. Булыгина О. В., Иванова О. А. Инструменты формирования команды поддержки изменений на основе методов роевого интеллекта // Системный анализ в проектировании и управлении. 2021. Т. 25, № 3. С. 82–87.
  13. El-Ashmawi W. H., Ali A. F., Tawhid M. A. An improved particle swarm optimization with a new swap operator for team formation problem // Journal of Industrial Engineering International. 2019. Т. 15. P. 53–71.
  14. Леонтьев В. К. Дискретная оптимизация // Журнал вычислительной математики и математической физики. 2007. Т. 47, № 2. С. 338–352.
  15. Тебекин А. В., Тебекин П. А., Тебекина А. А. Школа количественного подхода к управлению и возможности использования ее положений для развития современного менеджмента // Журнал исследований по управлению. 2018. Т. 4, № 8. С. 52–61.
  16. Бекетов С. М., Зубкова Д. А., Редько С. Г. Сравнение методов оптимизации в имитационных моделях сложных организационно-технических систем // Моделирование, оптимизация и информационные технологии. 2024. Т. 12, № 3. doi: 10.26102/ 2310-6018/2024.46.3.027
  17. Адамец Д. Ю., Буркова И. В. О подходе к решению задач календарного планирования повышения зрелости управления проектами в области энерготехнологий // Интеллектуальные системы управления на железнодорожном транспорте. Компьютерное и математическое моделирование (ИСУЖТ-2019). 2019. С. 208–210.
  18. Климовских Н. В., Рябова В. Э. Оценка инновационного потенциала персонала организации // Экономика и бизнес: теория и практика. 2021. № 10. С. 80.
  19. Каракулин А. Ю., Ершова И. Г. Методический подход управления инновационным потенциалом персонала // Вестник Академии знаний. 2020. № 6. С. 145–151.
  20. Иванов И. Н., Орлова Л. В., Иванов С. И. Инновационный потенциал персонала как фактор конкурентоспособности организации // Управление персоналом и интеллектуальными ресурсами в России. 2021. Т. 10, № 2. С. 31–35.
  21. Урубков А. Р., Федотов И. В. Методы и модели оптимизации управленческих решений : учеб. пособие. М. : Дело РАНХиГС, 2015. 240 с.
  22. Никулина Н. О., Малахова А. И., Баталова В. И. Методика оценки вклада участников проектной команды в достижение целей ИТ-проекта // Информационные и математические технологии в науке и управлении. 2021. № 2. С. 94–104.
  23. Ушакова Ю. О. Теоретические аспекты сущности четвертой промышленной революции и Интернета вещей // Социальное пространство. 2019. № 2. С. 3.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».