MODEL FOR THE FORMATION OF A PROJECT TEAM COMPOSITION BASED ON DISCRETE OPTIMIZATION METHODS

Cover Page

Cite item

Full Text

Abstract

Background. The research is devoted to the development of a model for the formation of optimal team composition for projects in general, and for innovative ones in particular, which are the basis of economic progress in the modern information society. The problem lies in the need to improve the efficiency and effectiveness of projects by optimizing the composition of teams. The aim of the study is to create a mathematical model for the formation of project teams, taking into account factors such as qualifications, productivity and innovative potential of participants. Materials and methods. The methodological and instrumental basis of the research was made up of general scientific and special optimization methods, the basics of cybernetics, and mathematical modeling. Results. The paper examines existing approaches to team building and develops an algorithm that minimizes personnel costs while maintaining high efficiency. The practical application of the model is demonstrated by the example of IT projects, which shows the possibilities of optimizing human resources and increasing productivity. The model ensures the optimal composition of the project team, which in turn contributes to the economic progress of project-oriented enterprises. Conclusions. The research is aimed at improving project management methods and models and may be useful for project managers, HR specialists and company management seeking to implement methods to optimize the composition of teams in the implementation of projects. The implementation of the developed model can help to increase the predictability and manageability of projects, which is especially important in the context of the growing complexity and scale of modern projects.

About the authors

Salbek M. Beketov

Peter the Great St. Petersburg Polytechnic University

Author for correspondence.
Email: salbek.beketov@spbpu.com

Analyst, assistant of the laboratory of digital modeling of industrial systems of the Graduate School of Project Management and Innovation in Industry

(29 Politehnicheskaja street, St. Petersburg, Russia)

Maksim V. Dergachev

Peter the Great St. Petersburg Polytechnic University

Email: dergachev.mv@edu.spbstu.ru

Master degree student of the Graduate School of Project Management and Innovation in Industry

(29 Politehnicheskaja street, St. Petersburg, Russia)

Sergey G. Redko

Peter the Great St. Petersburg Polytechnic University

Email: redko_sg@spbstu.ru

Doctor of technical sciences, professor, senior researcher, director of the Graduate School of Project Management and Innovation in Industry,

(29 Politehnicheskaja street, St. Petersburg, Russia)

References

  1. Beketov S.M., Pospelov K.N., Redko S.G. A human capital simulation model in innovation projects. Control Sciences. 2024;(3):16–25. doi: 10.25728/cs.2024.3.2
  2. Ezhova L.S., Voronin A.V., Rumyantseva P.P. Formation of an effective project team as a condition for successful project implementation. Aktual'nye voprosy sovremennoy ekonomiki = Current issues of the modern economy. 2020;(8):269–276. (In Russ.)
  3. Vitselyarova K.N. Methodology for evaluating the effectiveness and efficiency of projects. Estestvenno-gumanitarnye issledovaniya = Natural Sciences and Humanities Research. 2021;(5):48–52. (In Russ.)
  4. Evdochuk D.D., Krasnikova A.S. Formation of an innovation project team. Upravlenie nauchno-tekhnicheskimi proektami = Management of scientific and technical projects. 2020:91–95. (In Russ.)
  5. Mogilenskaya Yu.S. Socio-psychological conditions for creating an effective management team. Sinergiya nauk = Synergy of Sciences. 2021;(63):156–164. (In Russ.)
  6. Kudryavtsev N.G., Kudin D.V., Belikova M.Yu., Temerbekova A.A. Investigation of the influence of temperamental groups of team members of the project team on the effectiveness of the implementation of program components of a comprehensive educational project when using the project interface method. Informatizatsiya obrazovaniya i metodika elektronnogo obucheniya: tsifrovye tekhnologii v obrazovanii = Informatization of education and e-learning methodology: digital technologies in education. 2021:262–267. (In Russ.)
  7. Bendor J., Page S.E. Optimal team composition for tool-based problem solving. Journal of Economics & Management Strategy. 2019;28(4):734–764.
  8. Dehghani M., Trojovský P. Teamwork optimization algorithm: A new optimization approach for function minimization/maximization. Sensors. 2021;21(13):4567.
  9. Zainal P., Razali D., Mansor Z. Team formation for agile software development: a review. Int. J. Adv. Sci. Eng. Inf. Technol. 2020;10(2):555–561.
  10. Liu B. et al. Coach-player multi-agent reinforcement learning for dynamic team composition. International Conference on Machine Learning. 2021:6860–6870.
  11. Guzhina G.N., Guzhin A.A. Project team formation as a factor of effectiveness of project management in a modern organization. Upravlencheskiy uchet = Managerial accounting. 2021;(9-2):356–364. (In Russ.)
  12. Bulygina O.V., Ivanova O.A. Tools for forming a change support team based on swarm intelligence methods. Sistemnyy analiz v proektirovanii i upravlenii = System analysis in design and management. 2021;25(3):82–87. (In Russ.)
  13. El-Ashmawi W.H., Ali A.F., Tawhid M.A. An improved particle swarm optimization with a new swap operator for team formation problem. Journal of Industrial Engineering International. 2019;15:53–71.
  14. Leont'ev V.K. Discrete optimization. Zhurnal vychislitel'noy matematiki i matematicheskoy fiziki = Journal of Computational Mathematics and Mathematical Physics. 2007;47(2):338–352. (In Russ.)
  15. Tebekin A.V., Tebekin P.A., Tebekina A.A. The school of quantitative approach to management and the possibility of using its provisions for the development of modern management. Zhurnal issledovaniy po upravleniyu = Journal of Management Studies. 2018;4(8):52–61. (In Russ.)
  16. Beketov S.M., Zubkova D.A., Red'ko S.G. Comparison of optimization methods in simulation models of complex organizational and technical systems. Modelirovanie, optimizatsiya i informatsionnye tekhnologii = Modeling, optimization, and information technology. 2024;12(3). doi: 10.26102/2310-6018/2024.46.3.027
  17. Adamets D.Yu., Burkova I.V. On the approach to solving the tasks of calendar planning to increase the maturity of project management in the field of energy technologies. Intellektual'nye sistemy upravleniya na zheleznodorozhnom transporte. Komp'yuternoe i matematicheskoe modelirovanie (ISUZhT-2019) = Intelligent control systems in railway transport. Computer and mathematical modeling (ISMST-2019). 2019;208–210. (In Russ.)
  18. Klimovskikh N.V., Ryabova V.E. Assessment of the innovative potential of the organization's personnel. Ekonomika i biznes: teoriya i praktika = Economics and Business: theory and practice. 2021;(10):80. (In Russ.)
  19. Karakulin A.Yu., Ershova I.G. Methodological approach to personnel innovation potential management. Vestnik Akademii znaniy = Bulletin of the Academy of Knowledge. 2020;(6):145–151. (In Russ.)
  20. Ivanov I.N., Orlova L.V., Ivanov S.I. The innovative potential of personnel as a factor of competitiveness of the organization. Upravlenie personalom i intellektual'nymi resursami v Rossii = Personnel and intellectual resources management in Russia. 2021;10(2):31–35. (In Russ.)
  21. Urubkov A.R., Fedotov I.V. Metody i modeli optimizatsii upravlencheskikh resheniy: ucheb. posobie = Methods and models of optimization of managerial decisions : textbook. Moscow: Delo RANKhiGS, 2015:240. (In Russ.)
  22. Nikulina N.O., Malakhova A.I., Batalova V.I. Methodology for assessing the contribution of project team members to achieving the goals of an IT project. Informatsionnye i matematicheskie tekhnologii v nauke i upravlenii = Information and mathematical technologies in science and management. 2021;(2):94–104. (In Russ.)
  23. Ushakova Yu.O. Theoretical aspects of the essence of the Fourth Industrial Revolution and the Internet of Things. Sotsial'noe prostranstvo = Social Space. 2019;(2):3. (In Russ.)

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».