XÂY DỰNG HỆ THỐNG QUẢN LÝ DỰ ÁN TÍCH HỢP AI DỰ ĐOÁN TRỄ HẠN VÀ PHÂN CÔNG CÔNG VIỆC

Abstract

Bối cảnh: Trong bối cảnh chuyển đổi số và xu hướng làm việc nhóm ngày càng phát triển, nhu cầu sử dụng các hệ thống quản lý dự án để hỗ trợ quản lý công việc, theo dõi tiến độ và cộng tác giữa các thành viên ngày càng trở nên quan trọng. Hiện nay, nhiều nền tảng như Trello, Jira và Notion đã được sử dụng phổ biến trong quản lý công việc và tổ chức quy trình làm việc. Tuy nhiên, phần lớn các hệ thống hiện nay chủ yếu tập trung vào quản lý dữ liệu và quy trình làm việc, trong khi khả năng hỗ trợ phân tích dữ liệu, dự đoán nguy cơ trễ hạn và hỗ trợ phân công công việc bằng trí tuệ nhân tạo vẫn còn hạn chế. Mục tiêu: Đề tài hướng đến xây dựng một hệ thống quản lý dự án tích hợp trí tuệ nhân tạo nhằm hỗ trợ quản lý công việc, theo dõi tiến độ và cộng tác nhóm trên nền tảng web. Hệ thống hỗ trợ quản lý Workspace, Project và Task, đồng thời tích hợp hai chức năng AI gồm dự đoán nguy cơ trễ hạn của Task và gợi ý phân công Task cho thành viên phù hợp dựa trên các đặc trưng được xây dựng từ dữ liệu quản lý dự án. Phương pháp: Hệ thống được phát triển theo kiến trúc web với Next.js được sử dụng để xây dựng giao diện người dùng, NestJS được sử dụng để xây dựng Backend API và MongoDB được sử dụng để lưu trữ dữ liệu. Hệ thống hỗ trợ quản lý công việc theo mô hình Kanban, Checklist, theo dõi thời gian làm việc, quản lý thành viên và Dashboard thống kê. Thành phần AI được xây dựng bằng Python và triển khai thông qua FastAPI. Hai mô hình Random Forest được sử dụng cho bài toán phân loại nguy cơ trễ hạn và đánh giá mức độ phù hợp giữa Task và thành viên dự án. Kết quả: Đề tài đã xây dựng được hệ thống quản lý dự án trên nền tảng web với các chức năng quản lý Workspace, Project, Task, thành viên, Checklist, Tag, bình luận, tệp đính kèm, theo dõi thời gian làm việc, Kanban và Dashboard thống kê. Hệ thống cũng tích hợp thành công hai chức năng AI gồm dự đoán nguy cơ trễ hạn Task và gợi ý phân công thành viên. Mô hình dự đoán nguy cơ trễ hạn đạt Accuracy 94,05%, trong khi mô hình gợi ý phân công đạt Accuracy 81,20% trên tập dữ liệu kiểm tra. Kết luận: Hệ thống quản lý dự án tích hợp trí tuệ nhân tạo đã được xây dựng và đáp ứng các chức năng quản lý công việc, theo dõi tiến độ và hỗ trợ cộng tác nhóm. Việc tích hợp AI giúp hệ thống cung cấp thêm thông tin hỗ trợ người quản lý trong việc nhận diện nguy cơ trễ hạn và lựa chọn thành viên phù hợp cho Task. Kết quả đạt được cho thấy hướng tiếp cận tích hợp Machine Learning vào hệ thống quản lý dự án có tính khả thi và có thể tiếp tục phát triển thông qua việc bổ sung dữ liệu thực tế, cải thiện mô hình và mở rộng các chức năng hỗ trợ quản lý dự án. xvi Context: In the context of digital transformation and the growing trend of collaborative working environments, the demand for project management systems to support task management, progress tracking, and team collaboration has become increasingly important. Currently, platforms such as Trello, Jira, and Notion are widely used for task management and workflow organization. However, most existing systems mainly focus on data and workflow management, while the ability to support data analysis, delay risk prediction, and AI-based task assignment remains limited. Objective: This thesis aims to develop an AI-integrated project management system to support task management, progress tracking, and team collaboration on a web platform. The system supports Workspace, Project, and Task management while integrating two AI functionalities: Task delay risk prediction and Task assignment recommendation based on features derived from project management data. Method: The system is developed using a web-based architecture in which Next.js is used for frontend development, NestJS is used for backend API development, and MongoDB is used for data storage. The system supports Kanbanbased task management, Checklists, time tracking, member management, and statistical dashboards. The AI component is developed using Python and deployed through FastAPI. Two Random Forest models are used for Task delay risk classification and Task–member suitability evaluation. Results: The thesis successfully developed a web-based project management system with functionalities including Workspace, Project, Task, member, Checklist, Tag, comment, attachment, time tracking, Kanban, and statistical Dashboard management. The system also successfully integrates two AI functionalities: Task delay risk prediction and task assignment recommendation. The delay risk prediction model achieved an accuracy of 94.05%, while the task assignment recommendation model achieved an accuracy of 85.59% on the test datasets. Conclusion: The AI-integrated project management system was successfully developed to support task management, progress tracking, and team collaboration. The integration of AI provides additional decision-support information for project managers by identifying potential task delay risks and recommending suitable members for task assignment. The results demonstrate the feasibility of integrating Machine Learning into project management systems, with potential for further development through the use of real-world data, model improvement, and expansion of AI-supported project management functionalities.