Ημερολόγιο Εκδηλώσεων

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ

ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ

ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ - MASTER IN BUSINESS ADMINISTRATION (MBA)

Ονοματεπώνυμο: Μανδουραράκης Ιωάννης 

Αριθμός Μητρώου: 2019019008 

Θέμα 

Τίτλος στα Ελληνικά: Βελτίωση αποδοτικότητας έργων με δυναμική αναδιάταξη πόρων σε επιχειρήσεις ανάπτυξης λογισμικού 

Τίτλος στα Αγγλικά: Improving Project Efficiency with dynamic resource redistribution in software development companies 

Εξεταστική Επιτροπή: 

Επιβλέπων: Ματσατσίνης Νικόλαος 

Πρώτο Μέλος: Μουστάκης Βασίλειος 

Δεύτερο Μέλος: Τσαφαράκης Στέλιος 

Περίληψη 

Περίληψη της εργασίας στα Ελληνικά: 

Οι νεοσύστατες επιχειρήσεις εντάσεως εργασίας και ειδικότερα όσες από τη φύση τους στηρίζονται σε καινοτόμες τεχνολογίες, όπου η εμπειρία τους περιορίζεται σε πρόσφατα δεδομένα έργων με παραπλήσια τεχνογνωσία (προφίλ έργων), όπως οι επιχειρήσεις ανάπτυξης λογισμικού, αντιμετωπίζουν μια κύρια δυσκολία. Αυτή εντοπίζεται στην αδυναμία εκτίμησης του ρίσκου κατά την εργοληψία (πχ. περιθώριο προσοδοφόρας τιμολόγησης). Κατ’ επέκταση όμως και στην επιρροή στον χρονοπρογραμματισμό κατά τους κύκλους υλοποίησης και δοκιμών, και στις επιπτώσεις γύρω από την τακτική σχεδίαση και την ευθυγράμμιση της σύνθεσης των έργων με τους στρατηγικούς στόχους. 

Η παρούσα μεταπτυχιακή εργασία πραγματεύεται την περίπτωση της εκτίμησης των περιθωρίων βελτίωσης του χρόνου παράδοσης έργων, μέσω ανακατανομής του προσωπικού, διαπιστώνοντας ότι υπάρχει ικανοποιητικό περιθώριο στην κατανομή των ανθρώπινων πόρων κατά περίπτωση, με τρόπο που η ταύτιση των ικανοτήτων των εργαζομένων με τις απαιτήσεις του εκάστοτε έργου να επιφέρει τις επιθυμητές τιμές στις αντίστοιχες μετρικές επίδοσης. Για το σκοπό αυτό αναπτύχθηκε ένα (εν δυνάμει) πολυκριτήριο σύστημα υποστήριξης αποφάσεων μέσω την υλοποίησης κατάλληλου γενετικού αλγορίθμου στο περιβάλλον της MATLAB, ο οποίος, στο πλαίσιο της εργασίας τροφοδοτείται αρχικά με σενάρια βασισμένα σε πραγματικά δεδομένα αλλά στη συνέχεια εξετάζει και εικονικά σενάρια.  

Περίληψη της εργασίας στα Αγγλικά:  

All start-ups, especially those based on innovative technologies, where their project management experience is limited to the most recent data projects that present similar know-how (e.g., project profiles in software development companies) face a major difficulty in assessing costs that emerge from inefficiency of provisional planning (like company positioning and tactical pivoting based on pre-planning, requirement analysis, definition of cost centers and evaluation regarding project logistics and procurement status). This involves a) the risks during the fixation of contracts (mostly related to the evaluation of the pricing margin for maximizing profitability), b) the deviations influencing the program and project scheduling of the implementation and testing cycles of the software, and consequently, c) the effects on the ordinary business-as-usual processes causing misalignment effects of the resulting product mix against the strategic objectives of the enterprise. 

This dissertation proposes a method that can extract useful insights for any potential improvement in project delivery times, through re-allocation remarks of human resources in project-based teams, where the selection takes place with limited or no evidence-based reviews. The method assumes no or limited knowledge on similar project performance outside the frame of the company’s ecosystem, so it is solely based on estimations regarding the skill and competence level of the members of the teams against the requirements of each project. The confidence of the method can be increased by refining the initial estimations during project execution. The results facilitate the method’s application maturity, with gradual weight factors’ readjustment per iteration, enhancing the credibility of future solutions. 

This tool is mostly useful in start-ups where there exists no gap-analysis or other type of prior knowledge regarding the traits of the trade and, subsequently, the available margins of improvement, per case. The method is designed to be applied in a regular or sporadic fashion, allowing for iterative re-estimations that can support the interactive decision making in various levels of corporate governance. The work of this research is based on a multi-criteria decision support system implementation which has been coded in the MATLAB environment. The support system examines various scenarios based on real business cases and realistic data for the dynamic resource allocation, exploiting competency-profile matching based on a genetic algorithm design. 

Ημερομηνία Εξέτασης 

Ημέρα/Μήνας/Έτος: 25/08/2022 

Ώρα: 12:30 

Χώρος Εξέτασης 

Αίθουσα: Zoom (   Meeting ID: 975 0950 4080   Password: 007741  ) 

Κτίριο: URL: https://tuc-gr.zoom.us/j/97509504080?pwd=dng3UWF5Q0NxUzQ3Rm1mbkRwdDFnQT09