Актуальность и цели. Актуальность данного исследования определяется необходимостью совершенствования методов управления сложными проектами в оборонно-промышленном комплексе (ОПК) в условиях современных вызовов, включая геополитическую нестабильность, санкционное давление и ужесточение требований к выполнению государственного оборонного заказа. В сложившихся условиях традиционные подходы к принятию управленческих решений демонстрируют недостаточную эффективность, что обусловлено высокой степенью неопределенности и многокритериальным характером задач, стоящих перед предприятиями ОПК. Целью исследования является разработка научно обоснованной методики поддержки принятия решений для оптимизации управленческих процессов на всех этапах жизненного цикла создания образцов вооружения и военной техники.
Материалы и методы. В основе предлагаемого подхода лежит интеграция методов многокритериального анализа и дискретной оптимизации в систему поддержки принятия решений (СППР), что обеспечивает комплексный учет технологических, ресурсных и временных ограничений, характерных для проектов ОПК. Особое внимание уделено разработке и применению метода полного перебора для задач с ограниченным множеством альтернатив. Использованы методики анализа рисков FMEA, методы критического пути и визуализации проектных данных с помощью диаграмм Ганта.
Результаты. Применение методики в СППР позволяет учитывать комплекс ограничений (ресурсных, временных, рисковых и производственных) для поиска оптимальных решений на различных этапах жизненного цикла создания образцов вооружений и военной техники. Метод полного перебора обеспечивает выбор наилучших корректирующих действий при жестких условиях, что подтверждается на примере этапа опытно-конструкторских работ, где использование взвешенных оценок и визуализации данных (диаграммы Ганта) позволило минимизировать отклонения от графика. Методика повышает обоснованность решений за счет формализации выбора, обеспечивает адаптивность к изменяющимся условиям и может быть интегрирована в существующие системы управления проектами в ОПК.
Выводы. Перспективы дальнейших исследований связаны с интеграцией методов искусственного интеллекта и машинного обучения для прогнозной аналитики в управлении проектами. Особый интерес представляет разработка адаптивных СППР, работающих в режиме реального времени и учитывающих изменяющиеся условия реализации проектов в ОПК.
Актуальность и цели. Исследование посвящено разработке модели формирования оптимального состава команд для проектов в целом и для инновационных в частности, которые являются основой экономического прогресса в современном информационном обществе. Проблема заключается в необходимости повышения эффективности и результативности проектов за счет оптимизации состава команд. Целью исследования является создание математической модели формирования команд проектов, учитывающей такие факторы, как квалификация, производительность и инновационный потенциал участников.
Материалы и методы. Методологическую и инструментальную основу исследования составили метод дискретной оптимизации, основы кибернетики, а также математического моделирования. В работе рассматриваются существующие подходы к формированию команд, в основном базирующиеся на опыте и наблюдениях, на личностных качествах или взаимоотношениях между членами команды.
Результаты. В результате была построена модель формирования команды проекта на основе алгоритма, позволяющего минимизировать затраты на персонал при сохранении высокой эффективности. Практическое применение данной модели демонстрируется на примере IT-проектов, что показывает возможности оптимизации человеческих ресурсов в данной отрасли. Модель обеспечивает оптимальный состав команды на проект с учетом минимизации расходов на трудовые ресурсы при выполнении требуемой производительности на проект в целом. Данный подход способствует экономическому прогрессу проектно-ориентированных предприятий.
Выводы. Исследование направлено на улучшение методов и моделей управления проектами и может быть полезно руководителям проектов, специалистам по кадрам и руководству компаний, стремящихся внедрить методы оптимизации состава команд при реализации проектов. Внедрение разработанной модели может способствовать повышению прогнозируемости проектов, что особенно актуально в условиях растущей сложности и масштабов современных проектов.