Возможности цифровой трансформации для предоставления расширенной аналитики управления проектами.
Автор: Аллан Хукс https://www.linkedin.com/in/allan-hooks-933251/
Резюме
Для ресурсоемких отраслей капитальные проекты являются двигателем роста и изменений стоимостью в миллиард долларов. Эти проекты стали предметом пристального внимания крупных энергетических и EPC-компаний. В этом техническом документе мы рассмотрим будущие тенденции для Project Intelligence, которые возможны благодаря использованию искусственного интеллекта (ИИ) и машинного обучения (МО).
Возможности цифровой трансформации для аналитики управления проектами, подключенной к ERP
Искусственный интеллект уже добился значительных успехов в облачных приложениях ERP, и еще больший потенциал предстоит реализовать. От оценки проекта и выделения ресурсов до планирования проекта и управления результатами проекта от поставщика. С системами управления проектами, подключенными к ERP, возможности AI/ML теперь могут охватывать несколько модулей ERP.
AI/ML не просто возьмет на себя выполнение повторяющихся задач Project или внесет рутинные улучшения. AI/ML позволит управлению проектами использовать другие модули ERP, такие как закупки, для включения ключевых точек данных аналитики закупок проекта. Планирование проекта может использовать видимость закупок проекта, чтобы включать обновления поставщика от дат обещаний заказа на поставку до ASN и квитанций о заказе.
Основные области Project Intelligence AI/ML, указанные ниже, являются ключевыми областями возможностей для предоставления трансформационных приложений Projects AI/ML:
- Машинное обучение проектов: анализ зависимостей проекта
- Совместите графики проектов с графиками закупок и поставщиков проектов
- Управление рисками: быстрее выявляйте исключительные условия проекта
- Прогнозная аналитика: порядок изменения проекта Анализ влияния
Примечание. Другие области возможностей AI/ML для проектов, которые следует рассмотреть в будущем, включают использование дронов для анализа хода выполнения проекта.
Четыре способа, которыми искусственный интеллект изменит будущее управления проектами
Оглавление
"Управляющее резюме"
"Я. Введение. 4»
II. Использование машинного обучения для повышения точности планирования проектов. 5
III. Согласуйте графики задач проекта с графиками закупок и поставщиков проекта. 6
IV. Управление рисками: быстрее выявляйте исключительные ситуации в проекте 7
В. Прогнозная аналитика: анализируйте заказы на изменение проекта и связанные с ним риски проекта. 8
Введение
Капитальные проекты описываются как двигатель роста и изменений в ресурсоемких отраслях стоимостью миллиард долларов, где эти проекты стали областью внимания крупных энергетических и EPC-компаний. Выполняются проекты по созданию жизненно важных активов для цепочки создания стоимости в энергетике и EPC, включая первоначальное строительство/приобретение/установку активов до передачи активов в эксплуатацию и техническое обслуживание.
Для компаний, интенсивно использующих активы, планирование капиталовложений и выполнение капитальных проектов является областью высокой ценности, определенной отраслевыми аналитиками для улучшения процессов в ключевых областях для управления затратами. Эти компании с интенсивным использованием активов могут повысить эффективность своего планирования капиталовложений за счет улучшения операционной прозрачности своих портфелей капитальных проектов и интеллектуального управления проектами.
Согласно исследованию McKinsey, проведенному в 2017 году среди первых пользователей ИИ, первые данные свидетельствуют о том, что ИИ может принести реальную пользу серьезным пользователям и может стать мощной революционной силой. Согласно их опросу, первые пользователи ИИ, которые сочетают сильные цифровые возможности с проактивными стратегиями, имеют более высокую норму прибыли и ожидают, что разрыв в производительности с другими фирмами в будущем увеличится. Совсем недавно Cloud создал сайты, посвященные технологиям искусственного интеллекта и машинного обучения, которые можно применять в облачных приложениях ERP.
Цифровая трансформация с помощью Project Intelligence, подключенного к ERP
Приведенные ниже основные области Project Intelligence AI/ML являются ключевыми областями возможностей для предоставления трансформационных приложений Projects AI/ML:
• Машинное обучение проектов: анализ проектов с похожими задачами и назначенными активами.
• Совместите графики проектов с графиками закупок и поставщиков проектов.
• Управление рисками: идентификация исключений проекта для более быстрого определения условий исключения задач проекта.
• Прогнозная аналитика: анализ запросов на изменение проекта и связанных с ним рисков проекта.
Примечание. Другие области возможностей AI/ML для проектов, которые следует рассмотреть в будущем, включают использование дронов для анализа хода выполнения проекта. https://medium.com/@hooks.allan/digital-transformation-opportunities-to-deliver-augmented-project-management-intelligence-using-83c997260cc6
В этом техническом документе мы рассмотрим конкретные области возможностей искусственного интеллекта и машинного обучения, чтобы предоставить Project Intelligence на платформе проектов, подключенной к ERP. Project Intelligence AI & ML предлагает полезные возможности, помогающие руководителям проектов выявлять потенциальные исключения. условия в своих проектах и помочь руководителям проектов реагировать до того, как проекты достигнут критического состояния.
Проекты, подключенные к ERP, значительно расширяют реальный потенциал приложений AI и ML, которые могут быть реализованы для Project Intelligence, предоставляя идеальную платформу Project Intelligence AI/ML для использования взаимосвязанного характера приложений ERP в областях закупок, финансов и инвентаризации/SCM. .
Многие из этих возможностей AI/ML просто невозможны при использовании автономных инструментов управления проектами. Выполнение проектов, подключенное к ERP, значительно расширяет возможности приложений Projects AI/ML для обеспечения более интеллектуального выполнения проектов.
II. Использование машинного обучения для повышения точности планирования проектов
Машинное обучение может помочь менеджерам проектов создавать более точные графики и оценки проектов, предоставляя предложения с использованием машинного обучения из завершенных проектов на основе типов проектов с похожими задачами и активами проекта. Машинное обучение предоставляет новую возможность Project Intelligence для анализа истории проекта и повышения точности планирования проекта и выделения ресурсов.
Со временем Project ML может создать значительную базу знаний Project, чтобы помочь руководителям проектов повысить точность планирования проектов и бюджетирования, сокращая дорогостоящие перерасходы бюджета проектов. Другие преимущества машинного обучения включают использование выявленных Задач, которые выполняются с опозданием, для определения любых связанных Активов (из подобных назначений Активов и т. д.), чтобы определить конкретные Активы проекта, на которые влияют эти просроченные задачи.
Для капитальных проектов проекты могут иметь несколько активов CIP, назначенных на уровне задачи для сбора затрат на активы, связанные с проектом. Эти назначения Активов уровня Задачи можно использовать для определения затронутых Активов для Проекта. Когда PM узнает, на какие активы проекта влияют просроченные задачи или заказы на изменение проекта, это будет важной информацией для руководителей проектов и заинтересованных сторон для подготовки планов исправления.
Project ML также может помочь идентифицировать другие задачи, которые ссылаются на те же активы Project, чтобы определить другие воздействия (в дополнение к отношениям предшественника-последователя задачи). Примечание: для каждого Актива проекта также будут указаны ориентировочные даты ввода в эксплуатацию.
Например, в случае задачи проекта, которая выполняется с опозданием, возможности машинного обучения можно использовать для анализа других проектов с похожими задачами (и назначенными активами проекта для общих типов активов), чтобы сравнить трудозатраты по задаче и ресурсы, назначенные, чтобы увидеть, не опоздали ли задача была правильно оценена/обеспечена ресурсами. Projects ML также может оповещать менеджера проекта, если он пропустил зависимость от задачи проекта, например шаг разрешения объекта или ворота утверждения финансирования строительства.
ML может быть в состоянии определить, не была ли идентифицирована связь предшественника для предварительной задачи. Другие факторы могут включать в себя графики поставки проектируемого/основного оборудования с длительным сроком поставки, требующего изготовления. Другие области возможностей машинного обучения в проектах включают:
- Обеспечьте оценку задач и предложения по ресурсам
- Предоставление Поставщиком сроков поставки основного/проектируемого оборудования (оборудование с длительным сроком поставки) на основе предыдущих проектов (с аналогичными активами)
- Укажите самую короткую и самую длинную продолжительность аналогичных проектов на основе предыдущей истории проекта.
- Для задач, которые выполняются с опозданием, используйте ML, чтобы определить любые связанные активы (назначения активов), чтобы определить конкретные активы проекта, на которые влияют эти просроченные задачи.
III. Согласуйте графики задач проекта с графиками закупок и поставщиков проекта
Менеджеры проектов могут получить значительные преимущества от приложений Project Intelligence AI/ML, которые используют эти существующие интеграции ERP Cloud с проектами. Например, интеллектуальные оповещения о проектах могут уведомлять руководителей проектов, когда даты обещания поставщика для заказов на поставку проекта превышают даты графика проекта, или для изготовления и доставки инженерного оборудования, необходимого для проекта, требуется 10-недельный срок изготовления и доставки.
Возможности ERP Cloud Purchasing включают поддержку различных сложных требований к закупкам на основе проектов как для товаров, так и для услуг. Для заказов на поставку, связанных с проектом, эта возможность позволит руководителям проектов гарантировать, что задачи проекта согласованы с датами обещания заказа на поставку, относящимися к этим задачам (когда даты обещания заказа на поставку более поздние, чем предполагаемая дата завершения задачи).
Эта возможность будет использовать интеграцию проектов и закупок для получения дополнительных преимуществ ИИ, чтобы помочь менеджерам проектов отслеживать даты доставки заказов на поставку от поставщиков проекта и предупреждать менеджеров по проектам, когда продукт / оборудование получен или сроки доставки не соблюдаются поставщиком.
- Предупреждать менеджеров по проектам, когда даты обещания заказа на поставку позже предполагаемой даты завершения задачи.
- Предупреждать PM, когда продукт / товар получен или сроки доставки не соблюдаются Поставщиком.
- Предупредите PM, если количество полученного товара/предмета не соответствует количеству заказа на поставку, или продукт помещен в карантин для проверки качества (и укажите местонахождение склада, принимающего заказ на поставку).
- Предупреждать PM в случае замены товара Поставщиком.
Процесс ввода заказа на поставку включает детализацию на уровне строки, связанную с конкретной комбинацией проекта и задачи, которая фиксирует запрошенную дату от запрашивающей стороны и обещанные даты поставки от поставщика. Эта информация не всегда может быть легко доступна менеджеру проекта, особенно если поставщик предоставляет дату обещания, которая отличается от запрошенной даты, что должно быть отмеченным условием.
IV. Управление рисками: быстрее выявляйте исключительные ситуации проекта
Управление рисками проекта является важной обязанностью менеджера проекта во время каждого проекта, чтобы помочь количественно оценить влияние риска на график и стоимость проекта, а также отреагировать с помощью планов снижения рисков проекта. Выявление и контроль рисков проекта также является областью возможностей для внедрения искусственного интеллекта (ИИ) и машинного обучения (МО) для анализа общих факторов, вызывающих задержки проектов и превышение бюджета, и оповещения руководителя проекта.
Искусственный интеллект (ИИ) улучшает возможности Project Intelligence для мониторинга и оценки исключительных условий проекта и оповещения менеджеров проектов, когда может потребоваться вмешательство. ИИ Project Intelligence может постоянно отслеживать производительность проектов, чтобы обнаруживать и сообщать о проблемах на уровне задач до того, как проект достигнет критического порога, что может привести к перерасходу графика или бюджета.
Интеллектуальные оповещения о проектах могут уведомлять руководителей проектов об исключительных ситуациях, возникающих вне графика основного проекта, в таких областях, как закупки и активы. Например, когда получены материалы проекта, количество которых не соответствует заказанному количеству, или материалы проекта отклонены во время получения. В то время как машинное обучение поможет менеджерам проектов быстрее и проще создавать более точные графики и оценки проектов, предоставляя предложения с использованием машинного обучения из завершенных проектов.
Идентификация исключений проекта для отслеживания задач проекта, которые выполняются с опозданием, и создания предупреждений проекта об исключениях, которые могут повлиять на общее расписание проекта. Кроме того, информационные панели исключений проекта могут стать идеальной платформой отчетности для оповещений о задачах и исключений, сгенерированных AI/ML, для анализа влияния на расписание проекта и принятия соответствующих мер для снижения рисков проекта.
Эту возможность можно использовать, чтобы определить, какие задачи проекта потребуют внимания, и опираться на возможности машинного обучения для проектов, чтобы распознавать условия проекта, когда задачи выполняются с опозданием и могут быть недооценены, отсутствуют необходимые материалы/ресурсы или другие зависимости предшествующих задач.
- Распознавайте условия проекта, при которых задачи выполняются с опозданием и могут быть ограничены в ресурсах, отсутствуют необходимые материалы/ресурсы или отсутствуют зависимости предшествующих задач.
- Распознавайте условия проекта, при которых события, связанные с поставщиком, задерживаются, включая задержки утверждения заказа на поставку, выпуск заказа на поставку и задержки доставки поставщиком.
- Во время получения заказа на поставку может быть отмечен Риск или Исключение, если полученный продукт/оборудование перемещены в карантин из-за проблем, связанных с проверкой, или полученное количество не соответствует заказу на поставку.
- Облачные услуги IOT можно использовать в проектах для геолокации оборудования, а также для мониторинга крупного/инженерного оборудования с чувствительной электроникой/компонентами, которые могут подвергаться сильным вибрациям/ударам (или влажности/влаге) при транспортировке на площадки проекта.
V. Предиктивная аналитика: анализ запросов на изменение проекта и связанных с ним рисков проекта
Другие факторы, влияющие на выполнение проекта, включают заказы на изменение проекта, которые могут изменять и расширять объем/результаты/затраты проекта. Запросы/заказы на изменение проекта могут быть основным причинным фактором для проектов, превышающих их бюджет. Заказы на изменение проекта могут включать проектные изменения, необходимые для Оборудования/Активов проекта в зависимости от объема проекта или изменений спецификации процесса.
Управление рисками проекта является важной обязанностью менеджера проекта во время каждого проекта по определению и реализации стратегий снижения рисков, особенно рисков, связанных с изменением проекта.
Например, когда заказ на изменение проекта создается для задачи проекта, связанной с выпущенным заказом на поставку проекта, руководитель проекта должен быть предупрежден о том, что для поддержки заказа на изменение проекта может потребоваться пересмотр заказа на поставку.
Эти заказы на изменение проекта могут иметь каскадные эффекты, которые могут включать в себя заказы на закупку проектного оборудования, которые были переданы поставщикам проекта. Эти сценарии заказа на изменение проекта могут потребовать пересмотра заказа на поставку, чтобы отразить любые изменения спецификации оборудования. Ниже приведены другие варианты использования заказа на изменение проекта.
- Определите конкретные заказы на изменение, влияющие на расписание и/или бюджет проекта, а также любые зависимые последующие задачи.
- Оповещение PM, когда заказ на изменение проекта создается для задачи проекта, связанной с выпущенным заказом на закупку проекта, менеджер проекта должен быть предупрежден о том, что может потребоваться пересмотр заказа на закупку.
- Оповещение PM, когда распоряжение об изменении проекта влияет на конкретный назначенный актив проекта (основное оборудование), идентифицируйте другие задачи, которые назначены/зависят от того же актива проекта.
- Предупреждать PM, когда заказ на изменение проекта создается для задач проекта с уже полученными заказами на поставку.
VI. Заключение
Приложения Project Intelligence AI/ML, поставляемые на облачных платформах ERP, могут создать значительные возможности для улучшения управления проектами в ресурсоемких отраслях, предоставляя руководителям проектов более глубокое понимание переменных проекта в других областях ERP, интегрированных в проект, таких как закупки, SCM и финансы.
Варианты использования управления проектами включают машинное обучение проектов для повышения точности планирования проектов, согласования графиков проектов с функциями и сроками закупок проекта; Управление рисками для мониторинга исключительных ситуаций проекта, а также прогнозная аналитика для запросов на изменение проекта. Клиенты облачных сервисов начинают осознавать преимущества искусственного интеллекта и машинного обучения на основе ERP, которые охватывают модули ERP и используют унифицированную модель данных ERP.
По мере расширения возможностей интеграции проектов ERP (например, в области финансов и EPM, закупок, SCM, управления активами и т. д.) будут доступны дополнительные возможности искусственного интеллекта и машинного обучения для улучшения видимости менеджера проектов и финансовой аналитики проекта.
Облачные приложения искусственного интеллекта и машинного обучения могут обеспечить более быстрое получение информации для бизнеса, ускорение ключевых процессов, сокращение времени выхода на рынок и улучшение качества обслуживания клиентов — и все это при одновременном снижении затрат и повышении производительности — без привлечения специалистов по обработке и анализу данных.
