基于AI的项目管理用经营风险控制方法与流程

本申请涉及项目管理，尤其是涉及基于ai的项目管理用经营风险控制方法。

背景技术：

1、项目管理中的经营风险控制是确保项目按期、按预算、按质量交付的核心管理活动，传统的项目管理风险控制方法，如基于项目管理知识体系的风险登记册方法、蒙特卡洛模拟法以及决策树分析法等，主要依赖项目经理的主观经验对已识别的风险进行概率和影响评估，并据此制定应对策略。

2、现有的风险识别主要依赖人工，项目团队成员通过会议、邮件、周报等形式产生的海量非结构化文本信息中蕴含大量风险征兆，但传统方法无法自动从中提取和量化风险信号，导致大量早期风险征兆被遗漏或延误处理；现有方法通常将风险概率视为精确数值进行运算，但项目管理文本中的风险信息往往具有模糊性、不完整性和多源性，精确概率假设与实际情况严重不符，导致风险评估结果失真；因此，如何解决项目管理中风险信号提取依赖人工及不确定性处理能力不足是本发明要解决的根本问题。

技术实现思路

1、为了解决项目管理中风险信号提取依赖人工及不确定性处理能力不足，本申请提供了基于ai的项目管理用经营风险控制方法，采用如下的技术方案：

2、基于ai的项目管理用经营风险控制方法，包括：

3、获取ai对项目文本的浅层语义识别结果，根据所述识别结果构建多个证据源的信度分配；

4、将多个证据源进行证据理论融合，生成反映风险程度的信度区间；

5、将所述信度区间转换为区间数值，在项目任务依赖网络中进行区间型级联传播，计算总风险敞口区间；

6、基于所述总风险敞口区间构建鲁棒优化模型，求解风险缓解策略；

7、根据项目实际执行偏差与所述总风险敞口区间的比对情况，动态调整监控阈值，并在触发条件满足时执行分级干预与滚动重优化。

8、可选地，构建多个证据源的信度分配过程包括：

9、根据所述识别结果中的提及频次，按指数衰减规律为高风险状态分配信度，低风险状态分配互补信度；

10、根据所述识别结果中的情绪极性数值，为高风险状态和低风险状态进行线性信度分配；

11、根据所述识别结果中的信息新颖度系数和语义矛盾次数，为未知状态分配信度；其中，所述未知状态信度与所述矛盾次数的指数衰减值正相关，且与所述新颖度系数正相关。

12、可选地，所述证据理论融合采用dempster合成规则，其归一化因子由所有证据源中交集为空的信度乘积之和确定；

13、所述信度区间包括信任函数值与似然函数值，所述似然函数值等于所述信任函数值与未知状态信度之和；

14、根据所述信度区间计算综合风险概率，所述综合风险概率等于所述信任函数值与二分之一未知状态信度之和；

15、所述信度区间的宽度为所述似然函数值与所述信任函数值之差。

16、可选地，所述区间型级联传播过程包括：

17、将所述信度区间中的信任函数值和似然函数值分别与风险事件预设的影响基准值相乘，得到风险冲击强度区间的下界和上界；

18、将项目任务间的相关性系数上下浮动预设比例，构建为区间邻接矩阵；

19、求解级联传播后总风险敞口区间的下界和上界；

20、并根据所述总风险敞口区间的各分量构建系统风险区间熵，该区间熵的上界和下界分别通过对总敞口分量进行加权对数求和获得；

21、当所述系统风险区间熵的宽度超出预设阈值时，触发人工复核指令。

22、可选地，所述鲁棒优化模型以最小化辅助变量为优化目标；

23、所述鲁棒优化模型的约束条件包括：

24、所有风险事件的总风险敞口区间上界减去所选缓解措施的最低效率削减量后的正值之和，再加上缓解措施实施成本，不大于所述辅助变量；且所选缓解措施的总成本不大于预设预算上限；

25、当证据融合过程中产生的冲突系数超过预设冲突阈值时，在约束中引入松弛变量，将所述冲突系数与所述松弛变量的乘积作为惩罚项加入约束，并强制要求至少选择一项缓解措施。

26、可选地，动态调整监控阈值具体包括：

27、构建冲突加权综合指标，所述冲突加权综合指标为项目实际已发生损失占预算的比例与总风险敞口区间上下界比值的加权和；

28、根据所述冲突加权综合指标递推计算指数加权移动平均统计量；

29、根据统计量均值、标准差及冲突系数确定一级控制上限和二级控制上限；所述一级控制上限大于所述二级控制上限。

30、可选地，所述方法还包括历史证据反馈修正步骤：

31、将上一周期项目实际损失偏差转换为高风险状态的基本信度分配和未知状态的基本信度分配；

32、在下一周期的证据融合过程中，将所述历史证据源与当期构建的多个证据源再次进行dempster合成，以实现基于历史事实的信度区间迭代修正。

33、可选地，所述识别结果至少包括：风险事件唯一标识、该风险事件在文本中的提及频次、情绪极性数值、信息新颖度系数及语义矛盾次数。

34、可选地，所述分级干预与滚动重优化的过程包括：

35、当所述指数加权移动平均统计量超出二级控制上限但未超出一级控制上限时，发出预警信号并增加鲁棒优化模型的计算粒度或采样密度；

36、当所述统计量超出一级控制上限时，冻结项目变更请求，强制执行所述鲁棒优化模型求解并实施所得缓解策略；

37、当所述信度区间宽度超出预设的歧义阈值时，触发语义歧义告警并暂停自动优化进程，等待人工补充文本证据后重新执行证据融合步骤。

38、综上所述，本申请包括以下至少一种有益技术效果：

39、本发明利用ai浅层解析自动从项目文本中提取频次、情绪、新颖度及矛盾等多维特征，大幅提高时效性；采用证据理论融合多源证据，避免主观先验设定，且冲突系数可量化证据不一致程度，增强了模糊信息的处理能力；通过在任务依赖网络中的放大效应，弥补了传统方法忽略传播路径的缺陷；保证缓解策略在参数最坏情况下依然有效，且引入冲突惩罚机制迫使模型在信息不可靠时趋于保守；通过将实际损失转化为证据源并再次融合，使模型具有自学习能力，不断提高风险评估的准确性。

1.基于ai的项目管理用经营风险控制方法，其特征在于，包括：

2.根据权利要求1所述的基于ai的项目管理用经营风险控制方法，其特征在于，构建多个证据源的信度分配过程包括：

3.根据权利要求1所述的基于ai的项目管理用经营风险控制方法，其特征在于，所述证据理论融合采用dempster合成规则，其归一化因子由所有证据源中交集为空的信度乘积之和确定；

4.根据权利要求1所述的基于ai的项目管理用经营风险控制方法，其特征在于，所述区间型级联传播过程包括：

5.根据权利要求1所述的基于ai的项目管理用经营风险控制方法，其特征在于，所述鲁棒优化模型以最小化辅助变量为优化目标；

6.根据权利要求1所述的基于ai的项目管理用经营风险控制方法，其特征在于，动态调整监控阈值具体包括：

7.根据权利要求1所述的基于ai的项目管理用经营风险控制方法，其特征在于，所述方法还包括历史证据反馈修正步骤：

8.根据权利要求1所述的基于ai的项目管理用经营风险控制方法，其特征在于，所述识别结果至少包括：风险事件唯一标识、该风险事件在文本中的提及频次、情绪极性数值、信息新颖度系数及语义矛盾次数。

9.根据权利要求1所述的基于ai的项目管理用经营风险控制方法，其特征在于，所述分级干预与滚动重优化的过程包括：