本文是一篇项目管理论文，本文在对国内外传统项目的评估理论和方法进行研究的基础上建立适合大数据项目的指标体系和模型。在项目目标、项目实施过程、项目实施效益、项目实施意义和可持续发展能力五个维度上构建评估指标体系，希望对大数据项目具有一定的普遍适用性和可操作性。
第1章绪论
1.1研究背景
在新型能源革命形势下，火力发电企业面临市场需求逐步放缓、发电设备利用小时不断降低、上网电价下滑、火力发电成本不断升高、设备运维面临的情况日益复杂、碳减排要求更加严格等巨大挑战。重资产行业对设备管理的需求正在快速变化，尤其是以火电装机为主的发电企业，正在从投资型向运营型转变，而过去十多年主机设备厂家和自动化企业开发的预警软件也开始面临互联网、大数据、人工智能等新技术的冲击；在国家提出能源互联网战略后，基于大数据技术的业态已经成为行业最大的热点之一。
国家制定互联网+行动计划，推动物联网、云计算、大数据、移动互联网技术与工业领域乃至各行业深度融合，催生新兴行业，带动产业升级，信息化融合电力系统，实现电力能源行业信息化快速发展。实现传统发电企业数字化升级需要在传统发电企业信息系统的基础上进行全面的数字化升级，通过对发电企业运行数据全面采集，运用一系列先进的科学技术、融入现代化的管理思想，旨在解决火力发电厂管理粗放、水平低下、发电能耗高、污染物(气、水、渣)排放严重、辅助系统运行不稳定、设备故障率高、控制与保护系统投入率低、运行人员多的现状，最终实现发电现代化的运营和管理，达到企业运营成本最小、发电能耗最低、污染物达标排放、设备可用系数高、人均产值高的目的。
1.2研究目的和意义
1.2.1研究目的
随着大数据技术的发展，大数据应用系统的功能日趋强大和复杂，项目开发周期不断缩短，项目的规模越来越大，如何保证和提高软件项目的质量和按计划实施此类项目是企业面临的严峻问题。因此，利用现有项目后评估理论和方法，结合软件开发项目的特殊特性，对大数据类项目进行后评价，是提升项目实施效果的关键步骤。因此，本文研究的目的主要是通过对DH预警大数据分析系统项目建设的全过程以及项目建成后的效果进行总结和评估。通过及时有效的信息反馈，帮助项目管理人员改进后续项目的决策过程，通过对项目进行后评估明确并解决目前项目执行过程中的问题，以此改进后续的项目开发实践。同时也为后评估项目实施运营中出现的问题提供改进意见，从而达到提高投资效益的目的。
1.2.2研究意义
项目后评估是一个不断学习和提升的过程，更重要的是它包括分析、总结、改善等内容，具有一定的理论意义和现实意义。
（1）理论意义
目前国内对于大数据类项目的研究还停留在技术层面，针对系统建设的项目管理方面，特别是项目后评估方面的研究比较匮乏。本研究应用层次分析法和模糊综合评价法对DH预警大数据分析系统项目的实施过程和实施效果进行了综合、系统的评价，既丰富了大数据类项目后评估的理论体系，也拓展了层次分析法和模糊综合评价法的应用领域，这是本研究所具有的理论意义。
第2章DH预警大数据分析系统项目现状及后评估影响因素分析
2.1项目现状分析
2.1.1项目背景
DH位于内蒙古自治区乌兰察布市中部凉城县岱海湖南岸，由北京能源投资(集团)有限公司和内蒙古蒙电华能热电股份有限公司合资建设。DH目前总装机容量为258万千瓦，其中，一期两台60万千瓦湿冷燃煤机组分别于2005年10月19日、2006年1月21日竣工投产，并分别于2013年、2015年经国家发改委、内蒙古自治区经信委批准，发电出力增容至63万千瓦；二期两台60万千瓦空冷燃煤机组于2010年12月28日投入商业运营。3号机组于2018年11月19日经内蒙古自治区经信委批准，发电出力增容至66万千瓦；4号机组于2021年4月20日经国家能源局华北监管局批准，发电出力增容至66万千瓦。通过交流了解到，DH在设备管理上实行点检定修与全员综合管理模式。设备定修方面，DH在轮换性设备方面严格执行定修制，按照筹划好的方案有筹划对设备进行定修。但是，目前仍然存在汽轮机效率分析不准确、锅炉壁温有时超温运行、磨煤机三个月定修一次、不能根据磨损情况进行维修。空冷岛效率劣化、发电机性能劣化、风机振动变大趋势无法实时监测等问题。
在此背景下，DH运用大数据分析技术，搭建电厂预警大数据分析系统，对于重要辅助设备、转动机械，通过对设备磨损情况、性能劣化趋势等方面进行预警，力求做到设备缺陷早发现、快消除，避免扩大，提升生产设备预测性维护和质量管理能力，目前已经取得了一定的成效。
2.2项目实施概况
本项目于2020年5月3日启动，2021年1月3日完成验收并投入使用。实施的功能包括磨煤机磨损程度分析与预警、磨煤机性能分析与预警、磨煤机大修/保养记录、磨煤机月度参数分析、磨煤机月度技术分析报告、风机振动分析与预警、发电机温度分析与预警、故障报警和高级分析等功能。同时建设了三维集成平台，实现各控股数字化电厂二维图纸文件、三维模型的展示。
（1）建立项目管理制度
为了保障项目实施的顺利开展，制定了部分项目管理制度，包括需求变更流程、进度控制流程、验收流程和文档管理办法等方面。
制定的需求变更流程如图2-2所示，
第3章DH预警大数据分析系统项目后评估指标体系构建...........................19
3.1项目后评估指标体系构建总体思路............................19
3.1.1项目后评估指标体系构建原则和目的............................19
3.1.2项目后评估指标体系构建方法..............................20
第4章DH预警大数据分析系统项目后评估模型.........................34
4.1项目后评估流程...................................34
4.2基于层次分析法计算指标权重...............................36
第5章DH预警大数据分析系统项目后评估结果分析与优化策略...............54
5.1项目后评估结果分析....................................54
5.1.1项目目标评估结果分析...........................54
5.1.2项目实施过程评估结果分析........................54
第5章DH预警大数据分析系统项目后评估结果分析与优化策略
5.1项目后评估结果分析
5.1.1项目目标评估结果分析
根据WB1结果可知，DH预警大数据分析系统项目目标中的业务目标成功度得分为6.45，技术目标成功度得分为7.1716，项目管理目标成功度得分为5.7367。技术目标成功度最高，业务目标成功度较高。说明此次项目在系统响应时间实现程度、计算机资源可以率实现程度和同时在线用户数实现程度等方面比较成熟，在工作效率提升程度和业务流程优化方面有一定优势。而项目管理目标成功度得分最低，经过分析发现是由于本次项目实施的进度工期有延迟导致的。此问题可以采取项目管理方面的策略进行优化，具体优化策略见5.2.3节。
5.1.2项目实施过程评估结果分析
根据WB2结果可知，DH预警大数据分析系统项目实施过程中的项目决策阶段成功度得分为6.226，项目准备阶段成功度得分为5.9889，项目执行阶段成功度得分为5.4144，项目收尾阶段成功度得分为5.9232。项目决策阶段成功度最高，项目准备阶段成功度和项目收尾阶段成功度基本持平，项目执行阶段成功度最低。说明项目可行性研究、决策过程和决策内容方面比较成熟。进度管理、成本管理、质量管理和变更管理方面水平较差。经过分析发现由于进度计划制定不合理导致进度工期有延误，未进行有效的变更管理导致范围蔓延，这也是进度延误的间接原因。此问题可以采取项目管理方面的策略进行优化，具体优化策略见5.2.3节。
结论
项目后评估是项目管理的最后一个环节，也是一个重要的环节。本文通过定性和定量相结合的方法对预警大数据分析系统进行了后评估。考虑到大数据项目的特点，传统的项目评估方法不能够完全适用。另外，大数据项目的评估是一个比较新的研究领域，在评估理论和实践方面都存在一定的不足之处。本文在对国内外传统项目的评估理论和方法进行研究的基础上建立适合大数据项目的指标体系和模型。在项目目标、项目实施过程、项目实施效益、项目实施意义和可持续发展能力五个维度上构建评估指标体系，希望对大数据项目具有一定的普遍适用性和可操作性。主要研究结论如下：
(1)通过对项目后评估的影响因素进行分析，得到项目目标的影响因素包括业务目标成功度、技术目标成功度和项目管理目标成功度。项目实施过程影响因素包括项目准备阶段成功度、项目决策阶段成功度、项目执行阶段成功度和项目收尾阶段成功度。项目实施效益影响因素包括管理效益、经济效益、社会效益和社会价值等方面。项目的意义影响因素包括竞争力、用户满意度、知识转移和积累和企业影响。项目可持续发展能力影响因素包括项目可持续发展能力影响因素。
(2)根据项目实际情况，通过层次分析法和模糊综合评价法对项目进行了科学，客观的综合评价。评估结果表明，项目管理目标成功度较低，进度管理、成本管理、质量管理和变更管理方面水平较差，收入、成本、费用控制方面较差，知识的转移和积累方面比较欠缺。
(3)针对后续项目的建设，提出了管理制度完善、组织机构改进和项目管理过程改进的建议。
参考文献（略）