Na engenharia um eficiente gerenciamento de projeto pode garantir o sucesso e reduzir os impactos de atrasos e mudanças que ocorrem durante a execução do empreendimento. Para tal, existem os Fatores Críticos de Sucesso (FCS). Com a identificação dos FCS, mais eficientes serão as medidas a tomar, evitando-se projetos mal sucedidos. O objetivo foi criar um modelo para análise dos FCS que afetam ao Gerenciamento de Projetos na indústria da Construção civil com o uso de Redes Neurais Artificiais. Depois de identificados os potenciais fatores de sucesso (FS) que afetam o Gerenciamento de Projetos, foi preparado um questionário para avaliar o efeito de cada fator. A análise das respostas foi feita pelo Índice de Importância Relativa (RII). A RNA foi utilizada para avaliar os fatores de sucesso mais significativos usando o software Neuro4 com o algoritmo Resilient Propagation para otimização de processos na obtenção de RNA satisfatórias. Foram calculados os índices relativos de importância e confeccionada a matriz que foi inserida no Neuro4 para obtenção de pesos para determinação dos FCS com uso do Algoritmo de Garson. O fator: Inspeção irrealista e os métodos de ensaio propostos no contrato foi o mais crítico no gerenciamento de projetos nos dois tempos considerados, Tempo de Pesquisa e Tempo de Experiência dos respondentes. As RNAs produzem subsídios para se conhecer a relevância das variáveis de entrada adotadas, são eficientes para ordenar e transferir conhecimento não estruturado e se constituem um meio rápido e preciso para modelagem de variáveis não lineares.
Critical Success Factors (CSF) identify key areas for a company to succeed. This study creates a model to analyze CSF in civil construction project management, using Artificial Neural Networks (ANNs). For that, a literature review was performed to identify CSF emphasizing project management. Once the CSF were identified, a questionnaire was sent to educational institutions to evaluate the effect of each factor. Response analysis was made by the Relative Importance Index, using ANN coupled with the resilient propagation algorithm to evaluate the CSF. A total of 37,822 articles were found in 2,328 journals. Of 874 e-mails sent, 191 were answered. The respondents were distributed in 26 Brazilian states, with 70% of them being professors/researchers, 26% coordinators, 2% Rector, and 1% Director/Manager. Weights were determined using the Garson algorithm. The most critical factor in project management was ‘Unrealistic inspection and test methods in the contract’. Artificial Neural Networks produce subsidies to know the relevance of the input variables adopted and constitute an effective means for modeling nonlinear variables.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.