文献

J-GLOBAL ID：202002243976621314   整理番号：20A1944059

KDD知識発見とデータマイニングを用いたスケジュール遅延解析のためのデータ収集モデル【JST・京大機械翻訳】

Data Acquisition Model for Analyzing Schedule Delays Using KDD Knowledge Discovery and Datamining

著者 (2件)： Shikhli Mohammed Siraj Eddin (Department of Industrial Engineering and Engineering Management, University of Sharjah, Sharjah, United Arab Emirates) ,  Hammad Ahmed Mohammed (Department of Industrial Engineering and Engineering Management, University of Sharjah, Sharjah, United Arab Emirates)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICFET ’18  ページ： 67-74  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： プロジェクトスケジュール遅延は多くのプロジェクトにおける主要な問題である。それは,プロジェクトコスト,顧客満足レベル,市場シェアおよび企業評判に及ぼす主要な結果および影響を有した。スケジュール遅延因子はスケジュール遅延の直接または間接原因として表現できる。スケジュール遅延を研究するための取得フレームを開発することは,任意の解析プロセスの必要性であり,それらの一意性に関係なく,多くのプロジェクトを分析するために開発されたそのような一般的モデルは存在しない。(Data Acquisition Model)DAMは,学術的および実用的な現場経験から選択されたスケジュール遅延因子を含む方法である。DAMは,プロジェクトライフサイクルレベルに従ってスケジュール遅延因子をグループ化した。EPCライフサイクルは,プロジェクトライフサイクルの(Engineering,Procurement,および建設)相として知られている。いくつかの因子はEPCと関係していなかったので,(一般)を用いた基準の追加は,非EPC因子群に対して有益であった。別の基準(選択基準)を通して,各群のショートリストスケジュール遅延因子を達成した。文献レビューと著者らの実際的経験に基づく結論として,モデルはプロジェクトにおけるスケジュール遅れ問題に対処する新規であるかもしれない。データマイニング技術は,隠れ記述または暗黙知識を抽出するために多くの産業で広く利用されてきた。2つの主なモデル(ハイブリッドKDDモデル)と(Fayyadモデル)に基づくフレームワークを開発し,データの知識を発見した。DAMは(DM)技術の出発点である。多くの意思決定者が,プロジェクトにおける修正行動項目と制御スケジュール遅延を取るのを助けるスケジュール遅延因子に関する知識を生み出す。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： プロジェクト管理 ,  ライフサイクル ,  選択基準 ,  文献展望 ,  市場占拠率 ,  一意性 ,  *データ収集 ,  意思決定者 ,  顧客満足 ,  知識管理 ,  *データマイニング ,  *知識発見
準シソーラス用語： データマイニング技術 , 【Automatic Indexing@JST】

著者キーワード (7件)： データ収集 ,  データマイニング ,  知識発見 ,  知識工学 ,  知識管理 ,  プロジェクト管理 ,  スケジュール遅延

分類 (2件)： 工程管理  (KB03030P) ,  計算機システム開発  (JD02010R)

タイトルに関連する用語 (6件)： 知識発見 ,  データマイニング ,  スケジュール ,  遅延解析 ,  データ収集 ,  モデル