Детальная информация

Тема выпускной квалификационной работы: Разработка программы проверки качества КСГ 2 уровня на предмет корректности ведения и заполнения. Цель данного проекта - разработка автоматизированного инструмента для исправления ошибок кодировки в календарно-сетевых графиках КСГ с целью оптимизации повышения качества календарно-сетевых графиков и сокращения сроков строительства. Задача заключается во внедрении машинного обучения, которое позволит исправлять ошибки кодировок в КСГ на ранних стадиях, обеспечивая тем самым своевременное выполнение строительных работ. В ходе работы решались такие задачи как: 1. Составление критериев проверок качества КСГ; 2. Составление «хороших» и «плохих» КСГ для машинного обучения 3. Разработка программы проверки КСГ 4. Анализ отчета об ошибках и разработка рекомендаций по устранению ошибок; Результатом исследования стала разработка программы автоматической диагностики ошибок в КСГ и их исправления. Были изучены основные метрики КСГ и их влияние на сроки строительства. Для достижения данных результатов в работе были использованы следующие информационные технологии: • Microsoft Excel • Jupyter Notebook • Python.

The topic of the final qualification work is the development of a quality control program for level 2 calendar and network schedules (CNS) for the correctness of maintenance and filling. The purpose of this project is to develop an automated tool for correcting coding errors in the calendar and network schedules in order to optimize the improvement of the quality of calendar and network schedules and reduce construction time. The task is to implement machine learning, which will allow correcting coding errors in the CNS at an early stage, thereby ensuring timely completion of construction work. In the course of the work, such tasks were solved as: 1. Drawing up criteria for quality checks of CNS; 2. Compilation of "good" and "bad" CNSs for machine learning 3. Development of a CNS verification program 4. Analysis of the error report and development of recommendations for error correction; The result of the research was the development of a program for automatic diagnosis of errors in CNS and their correction. The main CNS metrics and their impact on construction time were studied. To achieve these results, the following information technologies were used in the work: • Microsoft Project • Microsoft Excel • Python.