لطفا منتظر بمانید ...
0% Complete
صفحه اصلی
/
دوازدهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها
A Data-Driven Machine Learning Framework for Activity-Level Schedule Deviation Prediction in Automotive R&D Projects
نویسندگان :
Marjan Layeghi
1
Sanaz Jamali
2
1- دانشگاه اراک
2- دانشگاه امیر مبیر
کلمات کلیدی :
Machine learning،Project scheduling،Schedule deviation prediction،Automotive R&D،XGBoost،Decision support
چکیده :
Activity-level schedule deviation prediction is critical in automotive research and development (R&D) projects, where engineering uncertainty, iterative design, and interdependent activities can propagate local delays across the development program. This study develops an explainable and leakage-resistant machine-learning framework using approximately 1,300 activity-level observations from 20 completed automotive R&D projects executed between 2023 and 2025. Project identity is treated as the grouping variable throughout data partitioning, hyperparameter tuning, and validation so that activities from the same project never appear simultaneously in training and validation folds. Six regression models-Linear Regression, Decision Tree Regression, Random Forest Regression, XGBoost, MLP, and FT-Transformer-are evaluated under the same project-grouped validation protocol. Performance variability is quantified using fold-wise performance dispersion. SHAP and permutation importance are used to identify influential schedule drivers, while sensitivity and feature-rank stability analyses assess robustness. XGBoost achieved the best grouped performance, with an R² of 0.954 ± 0.016, MAE of 0.243 ± 0.031 days, and RMSE of 0.785 ± 0.150 days.
لیست مقالات
لیست مقالات بایگانی شده
Identifying the Challenges of Implementing Artificial Intelligence in the Construction Project Management
Arian Fadaie - Rohollah Ghasemi
بهینه سازی زنجیره تأمین سوخت‌های زیستی با درنظرگرفتن بازده ماشین‌آلات پردازش
علی نصیری - راشد صحرائیان
Integrated Location-Routing-Inventory Optimization for Fair Vaccine Access: Addressing Perishable and Waste Complexity
Amir-Mehdi Rezaei - Reza Tavakkoli-Moghaddam
ارائه رویکردی جهت استقرار ماشین آلات با استفاده از روش خوشه بندی (مطالعه موردی)
الهام شادکام - رضا رجبی - عطیه طیرانی همایونی
بهبود کیفیت خدمات حمل و نقل آخرین مایل در تجارت الکترونیک با استفاده از مسیریابی مبتنی بر خوشه بندی : مطالعه موردی
پانته آ سبکتکین - فاطمه صنعتی اردستانی - مرتضی باقری
ارزیابی و کاهش اثرات منفی زیست‌محیطی و انسانی تولید بتن
محمد کازرونی ایمانیه - احسان حاجیان - حدیث فلاحتی پائین دروازه - سیده میترا زارع
تأثیر همسویی استراتژیهای کسبوکار، فناوری اطلاعات و بازاریابی بر عملکرد شرکتهای دانشبنیان با نقش میانجی همسویی استراتژیک سهگانه
محمدرضا زارع بنادکوکی
Incorporating Sustainability in Temporary Shelter Distribution for Disaster Response by the NSGA-II
Hossein Shakibaei - Saba Seifi - Reza Tavakkoli-Moghaddam
تحلیل رفتار رقابتی بازیگران حوزه پرداخت الکترونیکی با استفاده از الگوریتم مارکوف و رویکرد ترکیبی وزندهی پویا
محمد مهدی تقی پور انوری - مهدی بابائی - سید دانیال بیدگلی - محمد وکیلی
A Dynamic RFMT-Based Customer Segmentation Framework with Semantic Cluster Alignment
Ali Rashedi Gazari - Elham Akhondzadeh Noughabi
بیشتر
ثمین همایش، سامانه مدیریت همایش ها و جشنواره ها - نگارش 44.11.0
