Застосування нейронних мереж для підтримки прийняття управлінських рішень у складних ІТ-проєктах

Анотація

У сучасному ІТ-середовищі реалізація проєктів характеризується високим рівнем складності, динамічністю змін, багатофакторністю та значною невизначеністю. Управлінські рішення, що приймаються в таких умовах, потребують швидкого аналізу великого обсягу неоднорідної інформації, а також здатності прогнозувати майбутній стан проєкту за наявних ресурсних і часових обмежень. Традиційні методи управління проєктами часто виявляються недостатніми для ефективного реагування на такі виклики, оскільки базуються на лінійних або жорстко формалізованих моделях. У зв’язку з цим зростає актуальність впровадження інтелектуальних систем підтримки прийняття рішень, що здатні адаптивно реагувати на зміни та враховувати складні взаємозв’язки між параметрами проєкту. У статті досліджено можливості застосування штучних нейронних мереж, зокрема архітектури Long Short-Term Memory (LSTM), для підвищення ефективності управлінських рішень в ІТ-проєктах із високим ступенем складності. Проаналізовано теоретичні засади побудови систем підтримки прийняття рішень на основі глибокого навчання, а також обґрунтовано доцільність використання LSTM-моделі для задач прогнозування в проєктному управлінні. Представлено архітектуру такої системи, що включає модулі збору, попередньої обробки та аналізу даних, ядро прогнозування на базі LSTM, а також інтерфейс користувача. У межах експериментального дослідження здійснено моделювання ІТ-проєкту з використанням синтетичних даних, що імітують перебіг кількох спринтів у Scrum-методології. Отримані результати підтвердили здатність моделі прогнозувати ключові показники (тривалість виконання, ймовірність затримки, рівень використання ресурсів) із високою точністю, що, у свою чергу, дає змогу проєктним менеджерам своєчасно ухвалювати коригувальні рішення. Наведено числові метрики оцінювання якості моделі (Mean Absolute Error (MAE), Mean Squared Error (MSE)), а також приклади візуалізацій прогнозів. Обговорено переваги й обмеження застосування LSTM у проєктному менеджменті, включаючи проблеми інтерпретованості, узагальнюваності та інтеграції з існуючими корпоративними системами. Таким чином, нейронні мережі можуть стати ефективним інструментом підтримки управлінських рішень, забезпечуючи адаптивність, точність та своєчасність у прогнозуванні параметрів проєкту. Результати роботи можуть бути корисними для проєктних менеджерів, розробників Decision Support System (DSS) систем, а також дослідників у сфері прикладного штучного інтелекту.