一种基于机器学习的项目管理及资源调度的方法技术

本说明书实施例提供一种基于机器学习的项目管理及资源调度的方法，应用于项目管理领域，确定待调度资源项目，查询其项目成员组合，确定每个成员的多个关联项目，确定共用实验室资源的第一任务，根据待调度资源项目的项目时程计划确定第一任务的上游任务以及上游任务的计划执行时段，作为目标时段，确定各关联项目在目标时段的阶段及负荷，构造训练样本，训练任务逾期预测模型，将各关联项目在目标时段的负荷输入到任务逾期预测模型中，预测待调度资源项目的上游任务的执行逾期状况，根据逾期状况调整实验室资源的排程计划，通过机器学习训练模型，在预测预期情况时兼顾了关联项目的负荷，根据预测结果调整排程，提高了预测准确率和资源使用效率。率和资源使用效率。率和资源使用效率。

【技术实现步骤摘要】
一种基于机器学习的项目管理及资源调度的方法


[0001]本申请涉及项目管理领域，尤其涉及一种基于机器学习的项目管理及资源调度的方法。

技术介绍

[0002]在进行项目管理时，会涉及到资源的调度，由于有些资源是多个项目共用的资源，比如，研发类制造业在导入新产品项目的时候，由于企业内部往往是多个项目并行开展，而多个项目均需要使用某种实验室资源（比如高温高湿环境下可靠性的测试设备、产品性能测试设备），就导致，实验室资源的紧张导致其调度和排程影响着项目进度。
[0003]目前实验室排程多是项目管理者（比如项目经理）根据预先制定的项目时程计划预估一个使用实验室资源的时间，进行申请，从而实现实验室资源的调度。
[0004]然而这种方式依赖于项目经理主观经验，实际的项目时程计划，都是假设项目进展正常计算出的时程计划，然而实际在进行项目管理时，项目进度会由于各种原因逾期，从而导致项目无法按照按期使用实验室资源，使实验室资源在原计划的时间点闲置，从而造成浪费，另一方面又需要重新排队，导致项目延期。
[0005]因此，有必要提供一种新的方式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的项目管理及资源调度的方法，其特征在于，包括：构造项目清单并在所述项目清单中存储各项目的成员信息，确定待调度资源项目，查询所述待调度资源项目的项目成员组合，确定所述组合中每个成员的多个关联项目，所述关联项目为每个成员各自承接的多个项目中除去所述待调度资源项目之外的项目；确定与多个项目共用实验室资源的第一任务，根据所述待调度资源项目的项目时程计划确定第一任务的上游任务以及所述上游任务的计划执行时段，作为目标时段，根据各关联项目的项目时程计划确定各关联项目在所述目标时段的阶段，获取各关联项目在不同阶段的负荷分布信息并根据其确定各关联项目在目标时段对应阶段的负荷；构造训练样本，训练任务逾期预测模型，将各关联项目在目标时段对应阶段的负荷输入到所述任务逾期预测模型中，预测所述待调度资源项目的所述上游任务的执行逾期状况；根据所述上游任务的执行逾期状况调整实验室资源的排程计划。2.根据权利要求1所述的方法，其特征在于，所述构造训练样本，训练任务逾期预测模型，包括：收集多个项目的开发过程信息，包括：各任务的计划执行时段、项目各成员、所述项目各成员承接的多个关联项目、所述各关联项目在所述计划执行时段的阶段、各关联项目在不同阶段的负荷分布信息和所述各任务的执行逾期状况；从所述多个项目中确定主项目及所述主项目的关联项目，确定各关联项目在所述主项目各任务的计划执行时段的负荷和主项目的各任务的执行逾期状况；从所述主项目的多个任务中选取样本任务，确定所述样本任务的计划执行时段，并确定所述多个关联项目在所述计划执行时段各自的负荷，以多个关联项目在所述计划执行时段各自的负荷为第一训练数据，根据所述样本任务的执行逾期状况设置标签，用批量的具有标签的第一训练数据对第一机器学习模型进行训练，得到任务逾期预测模型。3.根据权利要求2所述的方法，其特征在于，所述负荷分布为项目在各阶段的工作量。4.根据权利要求3所述的方法，其特征在于，还包括：确定不同时间点的立项项目作为样本项目，确定样本项目的参考项目，所述参考项目为样本项目立项时的已完成项目，计算所述样本项目与所述参考项目的...

【专利技术属性】
技术研发人员：邴绍美，
申请(专利权)人：欧特朗日照云科技有限公司，
类型：发明
国别省市：