Dynamic project management techniques for business intelligence solutions in public policies

Abstract

This thesis proposes an innovative framework for dynamic project management tailored for business intelligence (BI) solutions in public policy projects. The primary objective is to enhance Key Performance Indicators (KPIs) of critical infrastructure projects by minimizing resource utilization and optimizing project durations using advanced AI techniques. The framework's core capabilities include a project-agnostic design, a highly modular structure, and the incorporation of machine learning-based forecasting and synergistic integration of global and local optimization strategies. The research focuses on developing a comprehensive decision support system that can globally optimize Gantt chart activities based on specific time parameters, allowing public agencies to tailor project timelines according to their unique needs and assumptions. The novelty of this work lies in the employment of dual-annealing algorithms and a customizable cost function to achieve optimal scheduling. The system's flexibility allows for dynamic adaptation to real-time events and policy changes, enhancing accountability and transparency in public project management. Additionally, the study explores a blockchain-based framework, EUGBS-Chain, for monitoring EU Green Bonds to ensure their genuine use for green growth projects, thereby reducing greenwashing and increasing market transparency. The findings suggest that the integration of advanced project management methodologies with cutting-edge BI capabilities can significantly improve project outcomes in terms of time and budget, thus contributing to sustainable development goals and better public governance.

Αυτή η διατριβή προτείνει ένα καινοτόμο πλαίσιο για δυναμική διαχείριση έργων προσαρμοσμένο για λύσεις επιχειρηματικής ευφυΐας (BI) σε έργα δημόσιας πολιτικής. Ο πρωταρχικός στόχος είναι η ενίσχυση των βασικών δεικτών απόδοσης (KPIs) έργων υποδομής ζωτικής σημασίας, ελαχιστοποιώντας τη χρήση πόρων και βελτιστοποιώντας τη διάρκεια του έργου χρησιμοποιώντας προηγμένες τεχνικές τεχνητής νοημοσύνης. Οι βασικές δυνατότητες του πλαισίου περιλαμβάνουν έναν αγνωστικό σχεδιασμό έργου, μια εξαιρετικά αρθρωτή δομή και την ενσωμάτωση προβλέψεων βάσει μηχανικής μάθησης και συνεργιστικής ενσωμάτωσης παγκόσμιων και τοπικών στρατηγικών βελτιστοποίησης. Η έρευνα επικεντρώνεται στην ανάπτυξη ενός ολοκληρωμένου συστήματος υποστήριξης αποφάσεων που μπορεί να βελτιστοποιήσει σε παγκόσμιο επίπεδο τις δραστηριότητες του διαγράμματος Gantt με βάση συγκεκριμένες χρονικές παραμέτρους, επιτρέποντας στους δημόσιους φορείς να προσαρμόσουν τα χρονοδιαγράμματα του έργου σύμφωνα με τις μοναδικές ανάγκες και τις παραδοχές τους. Η καινοτομία αυτής της εργασίας έγκειται στη χρήση αλγορίθμων διπλής ανόπτησης και μιας προσαρμόσιμης συνάρτησης κόστους για την επίτευξη βέλτιστου προγραμματισμού. Η ευελιξία του συστήματος επιτρέπει τη δυναμική προσαρμογή σε γεγονότα και αλλαγές πολιτικής σε πραγματικό χρόνο, ενισχύοντας τη λογοδοσία και τη διαφάνεια στη διαχείριση του δημόσιου έργου. Επιπλέον, η μελέτη διερευνά ένα πλαίσιο βασισμένο σε blockchain, το EUGBS-Chain, για την παρακολούθηση των Πράσινων Ομολόγων της ΕΕ για να διασφαλιστεί η γνήσια χρήση τους για έργα πράσινης ανάπτυξης, μειώνοντας έτσι το greenwashing και αυξάνοντας τη διαφάνεια της αγοράς. Τα ευρήματα υποδεικνύουν ότι η ενσωμάτωση προηγμένων μεθοδολογιών διαχείρισης έργων με δυνατότητες BI αιχμής μπορεί να βελτιώσει σημαντικά τα αποτελέσματα του έργου από άποψη χρόνου και προϋπολογισμού, συμβάλλοντας έτσι στους στόχους βιώσιμης ανάπτυξης και στην καλύτερη δημόσια διακυβέρνηση.