Diseño de un modelo de evaluación de proyectos a partir de herramientas de machine learning o aprendizaje automatizado
Palabras clave:
Gestión de proyectos, aprendizaje automático, inteligencia artificial, predicción, evaluación de proyectos, machine learningResumen
El Project Management Institute asegura en el informe del 2019 que el 18 % de los proyectos fracasaron
y el 39 % no logró los objetivos; sin embargo, aquellas empresas que han implementado nuevas prácticas, conocidas
como “PMTQ Innovators”, disminuyeron en un 42 % los proyectos que han excedido su presupuesto inicial y un 46 %
superaron el tiempo planeado. Por lo anterior, las estadísticas fortalecen la necesidad de nuevas herramientas que
contribuyan a la disminución de las tasas de fracaso de los proyectos con el uso de tecnología en la evaluación. Es ahí
donde la investigación demuestra que es posible predecir el éxito de los proyectos usando herramientas y algoritmos
de Machine Learning, a través de un sistema de aprendizaje supervisado, modelado por medio de una red neuronal
artificial entrenada a partir de bases de datos históricos de proyectos de infraestructura de la última década en Colombia,
a los cuales se les calcula su éxito con la triple restricción (costo, tiempo y alcance). De esta forma se determinó
que, si se hubiera usado este modelo, más de 45.000 proyectos no exitosos con costos superiores a 60.000 millones
de pesos se habrían podido reestructurar o rechazar antes del inicio.
Descargas
Referencias
Escuela Colombiana de Ingeniería Julio Garavito. (s.f.). Escuela Colombiana de Ingeniería Julio Garavito. Obtenido de Biblioteca/Base de datos: https://escuelaing.metaproxy.org/subjects/databases.php?letter=S
IMB Colombia. (2020). IMB Colombia. Obtenido de https://www.ibm.com/co-es/analytics/machine-learning
Jupyter. (2020). Jupyter. Obtenido de https://jupyter.org/
MIT. (7 de Junio de 2017). MIT Technology Review. Obtenido de https://www.technologyreview.es/s/7927/el-dia-que-la-humanidad-fue-derrotada-por-una-inteligencia-artificial
Pacheco, G. G. (2019). Gerencia Fundamental de Proyectos.
Pacheco, G. G. (2020). MS Project para la Gerencia Fundamental de Proyectos.
Project Management Institute PMI®. (2013). La guía de los fundamentos para la dirección de proyectos (Guía del PMBOK). EE.UU: Project Management Institute.
Project Management Institute PMI®. (2017). La guía de los fundamentos para la dirección de proyectos (Guía del PMBOK). EE.UU: Project Management Institute.
Python. (2020). Python. Obtenido de https://www.python.org/
Sociedad Colombiana de Ingenieros. (2020). Análisis de la Contratación Regional. Anales de Ingeniería Edición 947, 68-73.
The Standish Group. (2015). The Chaos Report.
Descargas
Publicado
Número
Sección
Licencia
La revista Investigación en Desarrollo y Gerencia Integral de Proyectos está licenciada bajo una Creative Commons Attribution, que permite a otros compartir el trabajo con un reconocimiento de la autoría y la publicación inicial en esta revista.
Los autores de los artículos seleccionados deberán ceder sus derechos para publicar en Investigación en Desarrollo y Gerencia Integral de Proyectos, que se reserva el derecho a hacerlo en la versión final aceptada y en cualquier edición futura. Los derechos patrimoniales serán cedidos por el autor a la Escuela Colombiana de Ingeniería Julio Garavito. De acuerdo con las normas de propiedad intelectual, los derechos morales serán del autor.
