川师大学校园网改造工程项目进度管理研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:leezhenghui
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着科学技术的飞速发展,现代社会对通信网提出了更新、更高的要求;可靠、方便快捷、个性化的全方位的通信服务,俨然已经成为了当前社会各界、人民群众的重要需求。为全面迎接5G时代的来临,中国移动加大投资力度,在全国主要城市抢先实施相关配套工程,建设具有中国特色的信息传输高速公路,为中国移动5G通信的实现进行铺垫。中国移动四川天府新区分公司积极响应上级单位的号召和相关指示,在我市核心区域、政府、高校及商业中心等主流区域,分批次率先启动无线网络的改造和升级。川师大校园网络改造工程项目作为此次无线网络的改造和升级系列工程当中的一个很小的模块,受到公司各层领导的高度重视;为尽快的完成该工程的建设,公司网络部建设中心派遣专业的项目团队,狠抓工期,力求第一时间圆满的完成上级交付的任务。基于上述背景,根据自身工作的需要有针对性的提出川师大校园网络改造工程项目进度管理方面的研究,力求借助项目进度管理的工具和方法,通过科学的计划与合理的控制,全面提高整个项目的进度管理效益,进而期望更好、更快的实现项目工期目标。论文在阐述了研究的背景及意义,包括研究内容与方法等的基础上;对现代项目进度管理的前沿理论、方法以及国内外研究现状进行了研究和梳理;然后围绕川师大校园网络改造工程项目的基本情况,浅析了项目进度管理存在的一些问题,为后续解决相关问题和提高进度管理效益指引方向;紧接着,论文借助WBS、三点估算法、网络计划技术以及甘特图等对川师大校园网络改造工程项目的进度计划展开了编排和计划评审;再接着根据项目进度控制的计划、流程和措施,建立起基于川师大校园网络改造工程项目生命周期的项目进度控制模式,同时还借助鱼骨图、检查表、甘特图比较等方式实施项目进度监督和控制,并通过相关保障策略的思考,确保项目的进度始终受控;最后对全文的研究进行总结。总的来说,论文以川师大校园网络改造工程项目为研究对象,借助笔者自身所学项目管理理论知识和多年来从事通信工程建设管理的经验,提出该项目进度管理方面的研究分析。全文具体通过进度计划与控制的方法和工具相配合,大大的提高了川师大校园网络改造工程项目进度管理工作的效率和效益,并在一定程度上提升了中国移动四川天府新区分公司开展通信工程施工建设的管理水平。
其他文献
时序数据预测算法已经成为许多社会服务的基础,利用机器学习来对时序数据进行预测是常见的手段,当需要大量计算资源的时候会将计算任务交付给云平台进行处理,云平台为算法提供充沛的算力支撑,然而云平台缺乏灵活性且消耗过多的带宽。为此可将算法下沉到边缘端,边缘端的轻量化可克服云平台的笨拙,但边缘端由于自身硬件的限制,难以提供像云平台那样充沛的算力,导致在进行时序数据预测的时候会出现算力不足或者耗时过长的情况。
互联网技术的快速发展和移动终端的普及向用户们提供了海量的信息资源,用户逐渐习惯于网上购物、看视频、听音乐以及浏览新闻资讯。然而这些丰富的资源也带来了信息过载的问题,使得用户可能需要花费大量的时间以及精力来从海量的信息中检索到感兴趣的内容。如何全面并且精确地帮助用户找到需要的内容成为了个性化推荐系统中的主要目标。向用户们推荐没有参观过的且可能感兴趣的兴趣点(POI)是基于地理位置的社交网络中基本应用
与轮式和履带式移动机器人不同,四足式机器人能更好的适用于各种非结构化地形,具有良好的越障能力,机动性强,具有广泛的应用前景。由于四足机器人自由度高,动力学建模繁杂困难、计算量大,控制算法复杂,难以满足实际使用要求。为此,本文重点围绕四足机器人的动力学建模与控制方法开展研究,主要工作如下:首先在国内外四足机器人常见构型的基础上,提出了一种连杆传动的四足机器人结构方案。在分析传统牛顿欧拉迭代算法的基础
近些年来,随着人工智能日新月异的变化与发展以及自然语言理解技术的不断突破,人机对话系统因其广阔的应用场景以及极大的商业价值受到大量研究人员的关注。得益于互联网的迅速发展和海量数据的产生,深度学习技术获得了长足的进步,依赖于深度学习的端到端对话系统逐渐成为主流。基于端到端方法的对话系统能够根据输入,直接生成对应输出,减少了人工标注数据的工作量,消除了传统管道方法中的误差累积问题。但是,端到端方法仍存
自“建筑工业4.0”战略提出以来,越来越多的建筑机器人出现在了施工场地,不过就目前而言,建筑机器人的信息化程度仍很不足,缺少远程实时的监管手段。随着云计算技术的高速发展,计算能力和存储资源可以像商品一样被购买,数据上云也成为了越来越多的用户的选择,因此本课题旨在设计并实现一个云端实时监管系统,为建筑机器人提供远程实时的监控与管理服务。本文首先对系统涉及到的相关技术和理论基础进行了调研。然后根据系统
近年来,有关盲源分离的研究越来越多,盲源分离也被应用到生产生活的方方面面。从1953年Colin Cherry提出的“鸡尾酒会问题”,到如今基于神经网络的语音分离算法模型,盲源分离技术也在逐步向更广更深的方向发展。在本文中,作者将选取音乐场景,提取其中的人声信号。目前,已有包括全连接神经网络、卷积自编码器和循环神经网络在内的人声分离模型算法。本文基于卷积自编码器人声分离模型进行改进,提出了基于全卷
高铁是一种非常重要的交通方式,具有承载能力强、速度快、成本低、耐候性强等特点。目前,我国在高铁发展方面的投入持续提高,高铁的规模极速提升,而相关安全问题愈加值得重视。然而,传统的缺陷检测方法效率低、错误率高。本文基于深度学习,重点研究了接触网部件识别方法、接触网与钢轨缺陷检测方法。主要工作和贡献如下:1、数据预处理。对采集到的数据进行图像筛选处理、数据增强处理、手工标注处理等。当前,大多数深度学习
深度学习可以从原始输入特征中以更高和更抽象的层次表示来提取数据的复杂性,从而实现各种功能。这使得深度学习在各种领域中取得了重大进展:图像分类、对象识别、对象检测、语音识别、语言翻译和语音合成等。在大数据、硬件加速和学习算法的推动下,深度学习为不断增长的实际应用和系统提供了支持。智能语音助手,推荐系统和自动驾驶等系统正成为生活中不可或缺的部分。尽管在众多应用程序中都取得了巨大的成功,但最近的研究发现
网络功能虚拟化(Network Function Virtualization,NFV)借助虚拟化技术将网络中特定功能进行软硬件解耦合,使原有网络功能被运行在通用硬件上的虚拟网络功能(Virtual Network Function,VNF)所替代。在NFV带来的新的服务架构下,网络服务可靠性的考量变得更加复杂。冗余备份是一种常见而有效的提高系统可靠性的方法。现有的冗余备份研究存在以下局限性:一些
随着互联网和信息技术的飞速发展,网络安全问题凸显,网络安全态势的感知、评估和预测已成为网络安全领域至关重要的研究方向。传统的网络安全态势呈现要素赋值方法包括自然赋值法和人工赋值法两种,存在着计算量巨大和人为因素影响的问题,进而导致态势评估值受到影响,最终影响态势预测结果。传统的网络安全态势预测方法通常需要大规模数据训练,对缺失数据非常敏感,预测方法缺乏理论支撑和推理过程,预测效率低下且收敛速度慢,