ВведениеСовременные инвестиционно-строительные проекты реализуются в условиях высокой организационно-технологической сложности, многостадийности жизненного цикла и интенсивного управленческого взаимодействия со стороны заказчика и внешних стейкхолдеров [1]. В этих условиях существенную роль играют директивные изменения — управленческие воздействия обязательного характера, инициируемые заказчиком и реализуемые вне утверждённых/формализованных процедур Change Management в рамках конкретного проекта [2]. Такие воздействия не сводятся к локальным корректировкам календарного плана и, как правило, потенциально способны оказывать системное влияние на устойчивость календарно-сетевой модели проекта, проявляясь в деградации резервов времени и трансформации критических состояний [3, 4].В международных и национальных стандартах управления проектами (PMBOK1, PRINCE2, ISO 215022, ГОСТ Р 54869–20113) изменения рассматриваются в рамках формализованных процессов Change Management, ориентированных на контроль содержания, сроков и стоимости [2]. При этом указанные стандарты не предусматривают регламентированной системы формализации внутренних директивных изменений заказчика, реализуемых вне утверждённых процедур, что существенно ограничивает возможности их количественного анализа и прогнозирования календарных последствий4-5 . В результате в практике управления проектами формируется устойчивый разрыв между формально утверждёнными календарными моделями и фактической динамикой реализации проектов, усиливаемый цифровизацией и ростом сложности управленческих взаимодействий [5].Научные исследования в области календарно-сетевого планирования и управления сроками в строительстве в основном сосредоточены на анализе рисков, буферов, резервов времени и вероятностных методов прогнозирования задержек6 [6]. Работы, посвящённые динамическим моделям управления сроками, методам CCPM, стохастическому моделированию и анализу критических состояний строительных систем, формируют теоретическую основу для количественной оценки отклонений графиков и нелинейных эффектов в календарных моделях6 [4, 7]. Вместе с тем директивные изменения как самостоятельный объект анализа в большинстве исследований либо не выделяются, либо рассматриваются фрагментарно — через призму общих рисков или управленческих ошибок1 [1].Отдельного внимания заслуживают современные подходы к применению методов машинного обучения в прогнозировании сроков и рисков строительных проектов. В последние годы в научных публикациях активно исследуются алгоритмы градиентного бустинга, обладающие потенциалом выявления нелинейных зависимостей и прогнозирования задержек [8]. Однако интерпретируемость таких моделей и их интеграция в практические инструменты управления проектами по-прежнему остаются ограниченными, особенно в контексте управленческих директив, инициируемых заказчиком и влияющих на структуру календарной модели [9, 10].Таким образом, в существующих исследованиях выявляется методологический пробел, заключающийся в отсутствии целостной рамки, позволяющей формализовать директивные изменения, количественно оценивать их календарные последствия и прогнозировать влияние на графики проектов с использованием интерпретируемых моделей машинного обучения [4, 7-9]. Устранение данного пробела имеет как теоретическую, так и прикладную значимость для развития инструментов управления инвестиционно-строительными проектами [1, 5].Целью настоящей статьи является разработка методологической рамки прогнозирования директивных изменений в календарных моделях проектов, основанной на интеграции классификатора директивных воздействий, системы индикаторов последствий и алгоритмов машинного обучения [4, 7–9]. Для достижения поставленной цели в статье решаются следующие задачи: формализация директивных изменений как отдельной категории управленческих воздействий1, 5 [2]; разработка структуры данных и индикаторов календарных последствий [4, 6, 7]; обоснование выбора алгоритма XGBoost для прогнозирования [8]; а также демонстрация возможности цифровой интеграции полученных прогнозов в среды PMIS, MS Project и 4D BIM7 [5].Материалы и методы1. Общая методология исследованияМетодологической основой исследования послужил системный подход к анализу инвестиционно-строительного проекта как сложной организационно-технологической системы, функционирующей в условиях высокой неопределённости и множественных управленческих воздействий [1, 3, 7]. В рамках данного подхода директивные изменения выделяются как самостоятельная категория управленческих вмешательств, отличающаяся обязательностью исполнения, односторонней инициацией со стороны заказчика и отсутствием формализованной процедуры согласования в рамках стандартного Change Management3 [2].Для анализа календарных последствий директивных изменений предусматривается использование методов календарно-сетевого моделирования, позволяющих анализировать изменения логики работ, перераспределение резервов времени и сдвиги контрольных вех6 [6]. Применение данных методов формирует основу для сопоставления различных версий календарных планов и формирует основу для количественной оценки эффектов директивных воздействий на сроки проекта6 [4].2. Формализация данных директивных измененийФормализация данных внутренних директивных изменений рассматривается как методологически необходимое условие сопоставимости управленческих воздействий и их календарных проявлений в инвестиционно-строительных проектах. В рамках настоящего исследования директивные изменения представлены как дискретные единицы наблюдения, подлежащие идентификации, трассируемости и машинной обработке. Такой подход обеспечивает воспроизводимость аналитических процедур и исключает ретроспективную атрибуцию календарных эффектов при отсутствии подтверждённой связки «директива — объект календарной модели — версия графика».2.1. Единица анализа и идентификационная связкаБазовой единицей анализа является директивное изменение — управленческое указание обязательного характера, инициированное заказчиком либо уполномоченным субъектом внутреннего контура управления проектом и требующее корректировки проектных, организационных и/или календарных параметров вне зависимости от степени формальной проработки на момент возникновения.Для обеспечения аналитической допустимости вводится идентификационная связка:DirectiveID ↔ TaskID ↔ ScheduleVersionID,где DirectiveID фиксирует управленческое событие (директиву), TaskID — затронутые элементы календарного плана (работы/пакеты работ), ScheduleVersionID — версию календарно-сетевой модели, в которой директива реализована. В исследовательский массив включаются только те директивы, для которых обеспечена полная и документально подтверждённая связка идентификаторов. Реконструкция связей при отсутствии подтверждённой привязки рассматривается как описательная процедура и не используется для расчёта индексных характеристик и построения прогностических моделей.Таблица 1 Пример прослеживаемости директивного воздействияDirectiveIDTaskIDВерсия графика (до)Версия графика (после)ΔTCP-ImpactOZ-IndexD-0157A-342V12V13+5 дней11.42D-0184B-210V13V14000.86 2.2. Структура данных и кодирование признаковКаждое директивное изменение представляется в виде машиночитаемой записи, включающей классификационные признаки директивы и контекстные атрибуты, достаточные для последующего анализа управленческого риска и календарных последствий [10]:Stage — стадия жизненного цикла проекта (фазовый контекст);Source — источник директивы (позиция инициатора в контуре управления);Scale — масштаб вмешательства (область и глубина воздействия на проектное содержание);Form — форма фиксации директивы (тип документа/канала управленческого оформления).Type — тип директивного изменения. Категориальные признаки кодируются методами, исключающими искусственную иерархизацию категорий (например, dummy/one-hot-кодирование). Признаковое пространство фиксируется априорно и не изменяется по результатам обучения модели (постфактум), что снижает риск методологического смещения и предотвращает зависимость структуры данных от наблюдаемых выходных эффектов.2.3. Индексные характеристики директивного потока и предкалендарной чувствительностиНа предкалендарном уровне анализа рассчитывается система индексных показателей, предназначенных для формализованного описания структуры директивного потока, условий реализации воздействий и признаков потенциальной календарной чувствительности проекта. Система включает [10]:RI — индекс повторяемости;CI — индекс структурной сложности условий реализации;DII — индекс директивного воздействия;PSII — индекс потенциального календарного воздействия;ILCV — индекс латентной календарной уязвимости.Расчёт индикаторов выполняется исключительно на основе классификационных признаков директивных воздействий без использования календарных параметров (Delay, ΔT, CP-Impact, OZ), критического пути, резервов времени и изменений логических связей календарной модели.Такое разграничение обеспечивает методологическую независимость предкалендарного анализа от результатов календарной диагностики и исключает смешение управленческих характеристик директивных воздействий с наблюдаемыми календарными последствиями.2.4. Версионность графика и режимность интерпретацииКалендарный анализ выполняется с учётом версионного характера графика проекта. Для каждой директивы фиксируются как минимум две версии календарного плана: версия до реализации директивы (базовая для сравнения) и последующая версия, отражающая реализацию изменения. Интерпретация календарных индикаторов осуществляется в рамках режимов, определяемых полнотой и достоверностью календарно-сетевой модели:Полный режим (Full) — полная и методологически корректная календарно-сетевая модель (устойчивый baseline, непротиворечивые связи, корректно рассчитанные резервы, достоверные fact-данные);Ограниченный режим (Reduced) — частичная полнота сетевой модели (ограниченная детализация, неполнота резервов и/или baseline/fact-дат);Упрощённый режим (Lite) — существенный дефицит сетевой структуры и/или baseline/fact-информации, допускающий лишь индикативную интерпретацию.Выбор режима фиксируется до начала аналитических процедур и не изменяется постфактум. В режимах Reduced и Lite значения индикаторов интерпретируются ограниченно и не используются для пересчёта утверждённого календарного плана либо установления юридически значимой причинно-следственной связи.3. Математический аппарат и индикаторы последствийКоличественная оценка календарных последствий директивных изменений основана на системе взаимодополняющих индикаторов, отражающих различные контуры временных эффектов и не сводимых к одному показателю [4, 7]. Индикаторы предназначены для формализованного описания наблюдаемых изменений календарно-сетевой модели после реализации директив и интерпретируются исключительно в пределах выбранного режима (Full/Reduced/Lite).3.1. Система индикаторов календарных последствийВ исследовании используются следующие индикаторы последствий:ΔT — величина календарного сдвига сроков проекта (или этапа/ключевой вехи) относительно базовой версии графика6 [6];CP-Impact — индикатор структурного изменения критического пути календарно-сетевой модели: в базовой форме — бинарный признак (1/0) изменения конфигурации критического пути; в расширенной форме — относительный показатель доли работ, перешедших в критическое состояние [4], [13];OZ-Index — интегральный показатель ресурсно-календарной перегрузки, характеризующий деградацию резервов времени и снижение устойчивости календарно-сетевой модели проекта.Расчёт OZ-Index выполняется на основе агрегирования изменений временных резервов и доли работ в околокритическом состоянии между базовой и последующей версиями календарно-сетевой модели.Индикатор предназначен для выявления скрытых временных эффектов директивных вмешательств, которые могут не сопровождаться немедленным сдвигом сроков (ΔT) или изменением конфигурации критического пути (CP-Impact). Концептуальные предпосылки введения показателя основаны на положениях о фазовой уязвимости и устойчивости строительных систем, а также на анализе деградации временных резервов в сетевых моделях [4, 6, 7].Совместное применение ΔT, CP-Impact и OZ-Index обеспечивает многоконтурную интерпретацию последствий директив, включая немедленные, отсроченные и латентные эффекты.3.2. Предикторы и контроль признакового пространстваФакторное пространство прогностической модели формируется на основе признаков классификатора директивных изменений (Stage, Source, Scale, Form, Type) и предкалендарные признаки (RI, CI, DII, PSII, ILCV). Указанные признаки и индикаторы фиксируются до этапа календарной диагностики и рассматриваются как входные переменные модели для прогнозирования календарных показателей ΔT, CP-Impact и OZ.Для обеспечения статистической корректности признакового набора предусматривается проверка взаимосвязей и избыточности между переменными (включая контроль мультиколлинеарности и оценку информативности относительно целевой переменной). Признаковое пространство задаётся априорно и не модифицируется по результатам обучения модели, что обеспечивает методологическую независимость классификатора от прогностического этапа и снижает риск постфактум-оптимизации набора признаков.3.3. Ограничения интерпретацииИндикаторы ΔT, CP-Impact и OZ-Index интерпретируются исключительно в пределах выбранного режима (Full/Reduced/Lite). В режиме Full расчёты выполняются на основе корректной CPM-логики и достоверных baseline/fact-дат. В режимах Reduced и Lite показатели рассматриваются как индикативные и используются для сценарного анализа.Индикаторы не предназначены для пересчёта утверждённого календарного плана либо установления юридически значимой причинно-следственной связи между директивой и фактическими задержками.4. Подход к моделированию и прогнозированиюВ качестве основного инструмента прогнозирования выбран алгоритм XGBoost, обладающий высокой устойчивостью к нелинейным зависимостям и способностью эффективно работать с разнородными признаками [8]. Алгоритм рассматривается в качестве базового инструмента прогнозирования вероятности и масштаба календарных последствий директивных изменений на основе сформированной обучающей выборки [8].Для проверки применимости выбранного подхода предусматривается сравнительное моделирование с использованием логистической регрессии в качестве базовой модели [8]. Оценка качества прогнозирования предусматривается с использованием стандартных метрик классификации, включая Accuracy и ROC-AUC [8]. Для обеспечения интерпретируемости прогностической модели предусматривается использование SHAP-анализа, позволяющего количественно оценивать вклад признаков классификатора директивных изменений в формирование прогноза [9].5. Цифровая интеграция методологической рамкиПрактическая применимость разработанной методологической рамки предполагается за счёт её интеграции в цифровую среду управления проектами7 [5]. Предусматриваются процедуры импорта и экспорта данных между базой директивных изменений и инструментами календарного планирования MS Project и Primavera, что позволяет автоматически формировать сценарные версии графиков6 [6].Предлагаемый подход допускает визуализацию результатов прогнозирования с использованием инструментов Power BI, обеспечивающих наглядное представление сценариев календарных последствий директивных изменений [5]. Дополнительно предусмотрена интеграция с 4D BIM-моделями, позволяющая связать прогнозируемые календарные эффекты с пространственно-временной моделью объекта строительства и повысить прозрачность управленческих решений7Результаты разработки методологической рамкиВ ходе исследования сформирована методологическая рамка, обеспечивающая возможность формализации директивных изменений, построения прогностических процедур и последующей интеграции результатов анализа в цифровые среды управления инвестиционно-строительными проектами7 [4, 7–9].1. Формирование методологической рамки прогнозированияВ результате исследования разработана методологическая рамка, объединяющая классификацию директивных изменений, формализацию их календарных последствий и применение методов машинного обучения [4, 7–9]. Рамка структурирует процесс работы с директивами в виде последовательности этапов: идентификация и формализация директивного воздействия, кодирование признаков, построение обучающей выборки, прогнозирование календарных последствий и сценарная интеграция результатов в календарную модель проекта [6, 8]. Предложенный подход формирует воспроизводимую основу для последующего анализа директивных изменений в проектах различного типа и масштаба2, 6.2. Формирование признакового пространства директивных измененийВ рамках разработанной методологической рамки сформировано признаковое пространство, включающее параметры Stage, Source, Scale, Form, Type, а также предкалендарные индексные характеристики RI, CI, DII, PSII и ILCV [8, 9]. Указанные признаки предназначены для формализованного описания директивных воздействий и последующего применения в прогностических моделях оценки календарных последствий. Использование структурированного признакового пространства обеспечивает сопоставимость директивных изменений и создаёт предпосылки для построения моделей прогнозного анализа без избыточной размерности данных [8].3. Формализация индикаторов календарных последствийВ рамках исследования предложена система индикаторов календарных последствий директивных изменений, включающая ΔT, CP-Impact и OZ-Index [4, 7]. Индикатор ΔT предназначен для фиксации сдвига сроков проекта или его ключевых вех. Показатель CP-Impact отражает изменение конфигурации критического пути и степень вовлечённости директивного воздействия в критическую цепь работ, а OZ-Index характеризует деградацию резервов времени и снижение устойчивости календарной модели проекта1 [6, 7]. Совместное использование указанных индикаторов формирует основу для многоконтурной интерпретации календарных последствий директивных воздействий, включая непосредственные, отсроченные и латентные эффекты, не фиксируемые стандартными процедурами календарного контроля.4. Подход к моделированию и прогнозированиюВ рамках разработанной методологической рамки в качестве базового алгоритма прогнозирования календарных последствий директивных изменений выбран XGBoost, позволяющий учитывать нелинейные зависимости между параметрами директивных воздействий и откликом календарной системы проекта [8].Предлагаемый подход предусматривает построение прогностической модели на основе сформированной обучающей выборки директивных изменений и последующую оценку качества прогнозирования с использованием метрик Accuracy и ROC-AUC [8]. В качестве базовой модели сравнения рассматривается логистическая регрессия.Для обеспечения интерпретируемости результатов предусматривается применение SHAP-анализа, позволяющего оценивать вклад отдельных признаков классификатора в формирование прогноза календарных последствий [9].5. Цифровая интеграция результатовПолученные прогнозы могут быть интегрированы в цифровую среду управления проектами7 [2]. Предлагаемый подход допускает перенос результатов моделирования в календарные планы MS Project и Primavera с формированием сценарных версий графиков6 [5]. Визуализация прогнозируемых последствий директивных изменений в среде Power BI обеспечивает наглядное представление сценариев и повышает прозрачность управленческих решений, а интеграция с 4D BIM позволяет сопоставлять прогнозируемые календарные эффекты с пространственно-временной моделью объекта строительства7. Техническая реализация предложенного подхода возможна в виде аналитического модуля в составе PMIS- и BIM-сред с использованием Autodesk Revit API, Primavera P6 SDK и механизмов интеграции CDE-платформ, обеспечивающих автоматизированную передачу данных между системой регистрации директивных воздействий, календарной моделью и модулем прогнозирования.ОбсуждениеПредложенная методологическая рамка подтверждает целесообразность выделения директивных изменений в инвестиционно-строительных проектах в самостоятельный объект анализа и прогнозирования [6, 7]. В отличие от изменений, рассматриваемых в рамках классических процессов Change Management, директивные воздействия обладают системным характером и потенциально оказывают влияние не только на отдельные параметры календарного плана, но и на устойчивость календарно-сетевой модели проекта [6, 7]. Это обстоятельство объясняет ограниченную применимость традиционных процедур управления изменениями, ориентированных преимущественно на локальные корректировки содержания, сроков и стоимости [3, 4].Сопоставление разработанной методологической рамки с положениями международных стандартов управления проектами показывает, что PMBOK Guide и PRINCE2 формируют регламентированную логику работы с изменениями, однако не предусматривают инструментов прогнозирования последствий обязательных директив заказчика, реализуемых вне формальных процедур [3, 4]. Аналогичные ограничения характерны и для национальных стандартов, включая ГОСТ Р 54869–2011 и ГОСТ Р 57363–2023, в которых акцент делается на требования к управлению проектом и функциям технического заказчика, но отсутствует детализация механизмов анализа директивных вмешательств в календарные модели [5]. В этом контексте предложенная методологическая рамка не противоречит действующим стандартам, а расширяет их прикладной инструментарий за счёт введения формализованных индикаторов и прогностических процедур [5].Выбор алгоритма XGBoost обусловлен его способностью учитывать нелинейные зависимости между параметрами директивных изменений и потенциальными календарными последствиями [8]. Нелинейная природа календарных эффектов, проявляющаяся в изменении критического пути, деградации резервов времени и каскадных отклонениях, ограничивает применимость исключительно линейных моделей [6, 7]. Для обеспечения интерпретируемости прогностической модели предусматривается использование SHAP-анализа, позволяющего количественно оценивать вклад отдельных признаков классификатора директивных изменений в формирование прогноза [9].Отдельного обсуждения заслуживает практическая интеграция предложенного подхода в цифровые среды управления проектами. В отличие от изолированных аналитических моделей, разработанная методологическая рамка ориентирована на встраивание прогнозных процедур в существующие инструменты календарного планирования и визуализации [2, 5]. Интеграция с MS Project, Primavera, Power BI и 4D BIM потенциально позволяет использовать результаты прогнозирования не только для постфактум-анализа, но и для сценарного управления проектом на ранних стадиях принятия директивных решений, расширяя возможности управленческого реагирования и снижая риск неконтролируемых календарных отклонений [1].Вместе с тем разработанная методологическая рамка обладает рядом ограничений. Потенциальная точность прогнозирования напрямую зависит от полноты и качества исторических данных о директивных изменениях и версиях календарных планов [5]. Кроме того, интерпретация количественных индикаторов календарных последствий (ΔT, CP-Impact, OZ-Index) осуществляется в пределах выбранного режима представления календарной модели (Full / Reduced / Lite), определяемого степенью детализации сетевой структуры и достоверностью baseline- и фактических данных. В условиях укрупнённой или частично формализованной модели показатели могут носить приближённый характер и отражать относительную динамику устойчивости графика, а не точную величину календарного отклонения. В этой связи индикаторы рассматриваются как инструмент поддержки управленческих решений и сценарного анализа, но не предназначены для пересчёта утверждённого календарного плана либо доказательства фактических последствий директив в контрактно-правовом контексте.Чувствительность модели к структуре WBS и уровню детализации графиков также может ограничивать универсальность применения рамки без предварительной адаптации под конкретный проект или организацию [5]. Указанные ограничения определяют направления дальнейших исследований, связанные с расширением базы директивных данных, развитием адаптивных и самообучающихся моделей прогнозирования, а также уточнением механизмов переноса результатов между различными типами проектов и цифровыми платформами управления жизненным циклом [7, 8].ЗаключениеВ результате проведённого исследования обоснована необходимость разработки самостоятельной методологической рамки прогнозирования директивных изменений в инвестиционно-строительных проектах, поскольку последствия таких изменений носят системный характер и в полной мере не охватываются стандартными процедурами управления изменениями, предусмотренными международными и национальными стандартами управления проектами1-5 [2].Предложенный классификатор директивных изменений, включающий признаки Stage, Source, Scale, Form, Type и индексные характеристики RI, CI, DII, PSII, ILCV, в сочетании с системой индикаторов последствий ΔT, CP-Impact и OZ-Index формирует структурированную основу для формализации директивных воздействий и построения обучающих выборок, пригодных для применения методов прогнозного анализа [4, 7, 8].Выполнено методологическое обоснование применения алгоритма XGBoost в качестве базовой прогностической модели для анализа нелинейных зависимостей между параметрами директивных изменений и потенциальными календарными последствиями [8]. Для обеспечения интерпретируемости результатов предусмотрено использование SHAP-анализа, позволяющего количественно оценивать вклад отдельных признаков в формирование прогноза [9].Разработанный подход к прогнозированию, включающий этапы формализации директив, кодирования признаков, подготовки обучающей выборки, построения модели и интерпретации результатов, формирует воспроизводимую методологическую основу для последующего применения методов машинного обучения в анализе календарных последствий директивных изменений2,6 [6, 8].Предложенная методологическая рамка допускает интеграцию в цифровые среды управления проектами, включая PMIS, MS Project, Primavera и 4D BIM, что создаёт предпосылки для развития инструментов сценарного анализа и поддержки управленческих решений при реализации директивных вмешательств заказчика7 [5].Разработанная методологическая рамка определяет направления дальнейших исследований, связанные с расширением эмпирической базы директивных изменений, проведением полномасштабной валидации прогностических моделей, развитием адаптивных и самообучающихся алгоритмов, а также углублением интеграции методов машинного обучения с цифровыми платформами управления жизненным циклом инвестиционно-строительных проектов7 [6, 7]._________1Project Management Institute. A Guide to the Project Management Body of Knowledge (PMBOK® Guide). – 7th ed. – Newtown Square, PA : PMI, 2021. – 370 p. – ISBN 978-1-62825-664-2.2 ISO 21502:2020. Project, programme and portfolio management. Guidance on project management. – Geneva: ISO, 2020. – 54 p.3ГОСТ Р 54869–2011. Управление проектом. Требования к управлению проектом. – Введ. 2012-03-01. – М. : Стандартинформ, 2012. – 24 с.4 ГОСТ Р 71177–2023. Управление крупными строительными проектами. Общие положения. – Введ. 2023-12-01. – М. : Стандартинформ, 2023. – 60 с.5ГОСТ Р 57363–2023. Управление проектом в строительстве. Деятельность управляющего проектом (технического заказчика). – Введ. 2023-09-01. – М. : Стандартинформ, 2023. – 48 с.6Project Management Institute. Practice Standard for Scheduling. – 3rd ed. – Newtown Square, PA : PMI, 2019. – 100 p. 7 СП 333.1325800.2020. Информационное моделирование в строительстве. – Введ. 2020-12-31. – М.: Минстрой России, 2020. – 112 с