دانلود ترجمه مقاله مدیریت پروژه های ارزش حاصله: بهبود توان پیش بینی ارزش برنامه ریزی شده
عنوان فارسی |
مدیریت پروژه های ارزش حاصله: بهبود توان پیش بینی ارزش برنامه ریزی شده |
عنوان انگلیسی |
Earned value project management: Improving the predictive power of planned value |
کلمات کلیدی : |
  مدیریت ارزش حاصله؛ ارزش برنامه ریزی شده؛ ارزش حاصله؛ هزینه واقعی؛ پیش بینی |
درسهای مرتبط | مدیریت پروژه |
تعداد صفحات مقاله انگلیسی : 8 | نشریه : ELSEVIER |
سال انتشار : 2015 | تعداد رفرنس مقاله : 39 |
فرمت مقاله انگلیسی : PDF | نوع مقاله : ISI |
پاورپوینت :
ندارد سفارش پاورپوینت این مقاله |
وضعیت ترجمه مقاله : انجام شده و با خرید بسته می توانید فایل ترجمه را دانلود کنید |
1. مقدمه 2. پیش زمینه 3. روش تحقیق 4. نتایج تحقیق 5. خلاصه و نتیجه گیری 6. محدودیت ها و تحقیقات آتی
مدیریت پروژه های ارزش حاصله (EVPM)، یک ابزار موثر برای مدیریت عملکرد پروژه می باشد. با این حال، اغلب مطالعات در زمینه گسترش و کاربرد EVPM بر بهبود هزینه های نهایی و تخمین مدت زمان به جای بهبود استفاده از ارزش برنامه ریزی شده (PV) برای پیش بینی ارزش حاصله (EV) و ارزش هزینه ی واقعی (AC) تمرکز می کنند. این مطالعه یک روش مدل سازی ساده برای بهبود توان پیش بینی PV قبل از اجرای یک پروژه ارائه می دهد. این مطالعه با استفاده از این روش مدل سازی، مدل های پیش بینی EV و AC را برای چهار پروژه موردی توسعه می دهد. اعتبارسنجی پیش بینی خارج از نمونه با استفاده از میانگین خطای درصد مطلق (MAPE) نشان می دهد که روش پیشنهادی دقت پیش بینی را به ترتیب 23.66٪ و 17.39٪ برای EV و AC بهبود می بخشد. این بهبود در پیش بینی قدرت PV تا قبل از اجرای پروژه فراهم آورنده ی مدیریت برای اطلاعات پیش بینی کننده قابل اطمینان در مورد عملکرد EV و AC هست، و امکان اقدامات خلاق موثر برای اطمینان از حصول عملکرد مطلوب را فراهم می آورد.
Earned value project management (EVPM) is an effective tool for managing project performance. However, most studies on extensions and applications of EVPM concentrate on improving final cost and duration estimates rather than improving upon the use of planned value (PV) to predict earned value (EV) and actual cost value (AC). This study proposes a straightforward modeling method for improving the predictive power of PV before executing a project. By using this modeling method, this study develops EV and AC forecasting models for four case projects. Out-of-sample forecasting validation using mean absolute percentage error (MAPE) demonstrates that the proposed method improves forecasting accuracy by an average of 23.66% and 17.39%, respectively, for EV and AC. This improvement on PV's predictive power prior to project execution provides management with more reliable predictive information about EV and AC performance, allowing for effective proactive action to ensure favorable performance outcomes.
بخشی از ترجمه مقاله (صفحه 11 و 12 فایل ورد ترجمه)
محتوی بسته دانلودی:
PDF مقاله انگلیسی ورد (WORD) ترجمه مقاله به صورت کاملا مرتب (ترجمه شکل ها و جداول به صورت کاملا مرتب)
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.