Figueiredo, Ana Maria Neves de Almeida BaptistaVieira, João Fernando Ferreira2024-12-022024-12-022024-10-14http://hdl.handle.net/10400.22/26590The Project Management Office (PMO) functions as an organizational entity designed to standardize project procedures and leverage efficiencies through project repetition. Beyond standardization, PMOs promote learning from past projects, enabling the adoption of best practices to optimize project delivery in terms of schedule, budget, and quality throughout the project lifecycle. This study proposes an innovative Machine Learning (ML)-based tool that monitors ongoing projects to predict the likelihood of missing deadlines and estimates the percentage of potential delays. Additionally, the tool recommends the most suitable team members for new projects based on the project's area and category. It also includes a web-based alert system that notifies project managers when a project is at risk of failing to meet its deadline. To achieve these goals, various Machine Learning techniques and methodologies were employed. Historical project data was collected and analyzed to develop predictive models capable of forecasting potential delays. Supervised learning models were trained on this data to classify projects at risk of missing deadlines and to estimate the delay percentage. The recommendation system for team member assignments was built using data-driven algorithms that consider the expertise and past performance of team members in specific project areas. Furthermore, feature engineering techniques were applied to enhance the dataset, ensuring that the models could make accurate predictions. Hyperparameter tuning methods such as Grid Search and Random Search were used to optimize the models’ performance. A web application was developed to serve as an interface for project managers, providing real-time alerts on projects at risk and displaying visual indicators for easy monitoring. Finally, this study concludes that the implementation of such a tool in a PMO represents a significant innovation. It is expected to improve the efficiency and effectiveness of project management by enhancing decision-making processes and reducing the likelihood of project delays.O Project Management Office (PMO) funciona como uma entidade organizacional concebida para padronizar procedimentos relativos a projeto e aproveitar as eficiências através da repetição de projetos. Para além da padronização, os PMOs promovem a aprendizagem através de projetos anteriores, permitindo a adoção de melhores práticas para otimizar a entrega de projetos em termos de cronograma, orçamento e qualidade ao longo do ciclo de vida do projeto. Este estudo propõe uma ferramenta inovadora baseada em Machine Learning que monitoriza projetos em curso para prever a probabilidade de incumprimento de prazos e estima a percentagem de atraso desses projetos. Adicionalmente, a ferramenta recomenda os elementos de equipa mais adequados para novos projetos com base na área e categoria do projeto. Para alcançar estes objetivos, foram empregues várias técnicas e metodologias de Machine Learning. Dados históricos de projetos foram recolhidos e analisados para desenvolver modelos preditivos capazes de prever potenciais atrasos. Modelos de aprendizagem supervisionada foram treinados com estes dados para classificar os projetos em risco de incumprimento dos prazos e para estimar a percentagem de atraso. O sistema de recomendação para a atribuição de membros da equipa foi desenvolvido com algoritmos baseados em dados que têm em consideração a experiência e o desempenho passado dos membros em áreas específicas de projeto. Além disso, foram aplicadas técnicas de engenharia de características para melhorar o conjunto de dados, garantindo que os modelos possam fazer previsões precisas. Métodos de afinação de hiper parâmetros, como o Grid Search e o Random Search, foram utilizados para otimizar o desempenho dos modelos. Uma aplicação web foi desenvolvida para servir de interface para os gestores de projeto, fornecendo alertas em tempo real sobre projetos em risco e exibindo indicadores visuais para facilitar o acompanhamento. Por fim, este estudo conclui que a implementação de uma ferramenta deste tipo num PMO representa uma inovação significativa. Espera-se que melhore a eficiência e eficácia da gestão de projetos, potenciando os processos de tomada de decisão e reduzindo a probabilidade de atrasos nos projetos.engArtificial intelligenceProject managementProject management officeInteligência artificialGestão de projetosEscritório de gestão de projetosmaster thesis203733118