Mục tiêu của chuyên khảo này là phạm vi triển khai và các quy trình quản lý dự án riêng lẻ trong các lĩnh vực hoạt động của con người. Trong phần đầu tiên, bài toán xác định các thành phần cấu hình (CE) của một sản phẩm CNTT đã được giải quyết. Để giải quyết bài toán xác định các CE chức năng, bài toán đề xuất sử dụng các phương pháp phân cụm phân cấp và phi phân cấp. Ví dụ về các phương pháp phân cụm phân cấp là phương pháp phân cụm tích tụ AGNES sử dụng thuật toán láng giềng gần nhất và phương pháp phân cụm chia tách DIANA. Ví dụ về các phương pháp phân cụm phi phân cấp là thuật toán k-means. Để so sánh với các phương pháp này, một trong những phương pháp phân cụm phân tích đồ thị đã được sử dụng, được phát triển để giải quyết vấn đề phân tách mô tả kiến trúc nguyên khối của một sản phẩm phần mềm thành các dịch vụ vi mô riêng biệt. Một phân tích so sánh về tiến độ giải pháp và kết quả thu được khi giải quyết bài toán xác định các CE chức năng bằng cả bốn phương pháp phân cụm đã chọn đã được thực hiện. Bài toán đã được xác định rằng phương án tốt nhất là sử dụng các phương pháp phân cụm phân cấp để giải quyết vấn đề này. Phần thứ hai trình bày cơ sở phương pháp luận và các giải pháp khoa học, ứng dụng của phân tích dữ liệu thông minh thích ứng đa chế độ cho các doanh nghiệp ngành công nghiệp thực phẩm. Trong quá trình nghiên cứu cơ sở phương pháp luận của phân tích dữ liệu thông minh thích ứng đa chế độ, hiệu quả của việc sử dụng phân tích này trong quản lý các doanh nghiệp thực phẩm cạnh tranh đã được xác lập.

Abstract:

The object of this monograph is the scope of implementation and individual project management processes in various fields of human activity. In the first section, the problem of identifying configuration elements (CE) of an IT product has been solved. To solve the problem of identifying functional CEs, it is proposed to use hierarchical and non-hierarchical clustering methods. As examples of hierarchical clustering methods, the agglomerative clustering method AGNES using the nearest neighbor algorithm and the divisive clustering method DIANA have been proposed. As an example of non-hierarchical clustering methods, the k-means algorithm is proposed. For comparison with these methods, one of the graph-analytic clustering methods has been used, which has been developed to solve the problem of decomposition of the description of the monolithic architecture of a software product into separate microservices. A comparative analysis of the solution progress and the obtained results of solving the problem of identifying functional CEs using all four selected clustering methods has been carried out. It has been established that the best alternative is to use hierarchical clustering methods to solve this problem. In the second section, methodological foundations and scientific and applied solutions of multi-mode adaptive intelligent data analysis for food industry enterprises have been developed. During the study of the methodological foundations of multi-mode adaptive intelligent data analysis, the effectiveness of using this analysis in the management of competitive food enterprises has been established.

Ngôn ngữ:	eng
Tác giả:	Ievlanov, Maksym; Vasiltcova, Nataliya; Neumyvakina, Olga; Panforova, Iryna; Naumenko, Maksym
Thông tin nhan đề:	Project management: industry specifics
Nhà xuất bản:	PC TECHNOLOGY CENTER
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Công nghệ thông tin
Bản quyền:	https://creativecommons.org/licenses/by-nc-nd/4.0/
Nguồn gốc:	https://directory.doabooks.org/handle/20.500.12854/151109
Mô tả vật lý:	164p.
Năm xuất bản:	2024