• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

プロジェクトの影響因子の構造化による定量的管理支援手法の開発

研究課題

研究課題/領域番号 21K01670
研究種目

基盤研究(C)

配分区分基金
応募区分一般
審査区分 小区分07080:経営学関連
研究機関東北大学

研究代表者

鈴木 賢一  東北大学, 経済学研究科, 教授 (30262306)

研究分担者 飯田 哲夫  駒澤大学, 経営学部, 教授 (20262305)
横田 明紀  立命館大学, 経営学部, 教授 (30442015)
研究期間 (年度) 2021-04-01 – 2025-03-31
研究課題ステータス 交付 (2023年度)
配分額 *注記
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
キーワードプロジェクト・マネジメント / リスク管理
研究開始時の研究の概要

本研究では、リスク駆動型アプローチによって、既存のプロジェクト計画手法をより実務に即した型で再構成することを試みる。最終的な成果物として想定しているのは、1) リスク要因ーアクティビティの関係を記述する確率モデル、および 2) 確率モデルにもとづくリスク駆動型プロジェクト計画モデルとその解法である.これらを実現するにあたって、(a) プロジェクトの実データを収集し、統計的な分析を行う。(b) 得られた分析結果に基づくプロジェクトのリスクを表現する確率モデルを構築し、(c) それと整合的なプロジェクト計画モデルの作成と解法の開発を行う。(d) さらに、モデルを実務的観点からの検証を行う。

研究実績の概要

本研究の目的は、リスク駆動型アプローチによって既存のプロジェクト計画手法をより実務に即した型で再構成することである。主な目的は、1) リスク要因の構造的な把握および2) プロジェクト計画モデルを構築の2つの目標を設定した。この目標の実現にあたっては、(a) プロジェクトの実データの収集と統計的な分析、(b) 得られた分析結果に基づくプロジェクトのリスクを表現する確率モデルの構築、(c) それと整合的なプロジェクト計画モデルの作成と解法の開発、および(d) モデルを実務的観点からの検証、という段階を設定した。本研究においては、2つの企業から提供を受けた実際のプロジェクトデータに対して、潜在クラスモデルとベイジアンネットワークモデルの2つのアプローチによるリスク構造の解析を行った。前者によって遅延に影響を与える要因をプロジェクトのグループ別に識別することが可能になった。後者の手法に関しては、観測データの不足に起因する推定値の不安定性をデータ拡張によって改善する手法を取り入れるなどの工夫を行い、個別のリスク要因間の影響を定量的かつ安定的にに評価することに成功した。実データによる検証では、本リスク評価モデルが人間による経験的な評価を上回る可能性が示唆された。後者のアプローチによる個別要因の全体リスクへの影響評価を組み込むことで、リスク要因に対する介入を明示的に操作するプロジェクト計画問題を開発した。本モデルは、リスク要因の状態を介入によって変更することができるという想定のもと、動的にリスク要因の状態を操作しながら全体リスクをコントロールする最適化問題として表現され、混合整数計画問題として定式化される。

現在までの達成度 (区分)
現在までの達成度 (区分)

2: おおむね順調に進展している

理由

研究計画を構成する(a)〜(d)の段階のうち、(d)に関しては若干の課題が残っているものの、概ね各段階において一定の成果を得ている。

今後の研究の推進方策

今後の研究に関しては、本研究で開発したリスク計画モデルの計算効率の改善および有効性の検証を行う予定である。

報告書

(3件)
  • 2023 実施状況報告書
  • 2022 実施状況報告書
  • 2021 実施状況報告書
  • 研究成果

    (2件)

すべて 2023

すべて 学会発表 (2件)

  • [学会発表] Latent Class Analysis on Risk Factors in Enterprise Information System Development Projects2023

    • 著者名/発表者名
      Ken-ichi SUZUKI, Akinori YOKOTA
    • 学会等名
      ProMAC2023
    • 関連する報告書
      2023 実施状況報告書
  • [学会発表] Improving Bayesian Network Learning for Project Risk Management Using Deep Generative Models on Small Datasets2023

    • 著者名/発表者名
      Duvan Camilo David Higuita, Ken-ichi Suzuki
    • 学会等名
      IFORS2023
    • 関連する報告書
      2023 実施状況報告書

URL: 

公開日: 2021-04-28   更新日: 2024-12-25  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi