这个问题你将如何处理?

kaixin12345 2004-08-24 04:02:09
如果在项目的实施过程中发现某些难以实现的功能(或实现的代价很大),但是前期销售合同中对用户有承诺,你将如何处理?
...全文
251 12 打赏 收藏 转发到动态 举报
写回复
用AI写文章
12 条回复
切换为时间正序
请发表友善的回复…
发表回复
kathryn530 2004-08-30
  • 打赏
  • 举报
回复
统一楼上的看法,作为一个项目经理,前期预算能力是非常重要的,这种失误只会给公司利益和信誉带来严重影响!我怀疑他做了可行性研究没有啊?!
xiaone 2004-08-26
  • 打赏
  • 举报
回复
这明显是一个前期估算不够的问题,项目经理各系统分析员有很大的责任
mintwlf 2004-08-26
  • 打赏
  • 举报
回复
那么你们公司的系统分析员和项目经理就都要下岗了,
如果这个功能是一些简单的操作和界面方面的问题那么客户是可以理解并接受谈判的:)
如果这个功能是一些模块功能不管是什么功能只要你在规定的时间内没有完成,客户可以拒绝接受,因为项目合同上有你们公司的大印哦!:)
拒绝签收钱肯定是不会付啦,紧接着超过项目期限,客户就可以很正式的起诉你们啦,只要他愿意。
如果客户的财务官预计这个系统将会给他们每个月节约50万开销(少说一点啦),项目完成时间是6个月,那么你们就会要赔偿50*6 = 300万的损失费用,自己付出的不算哦!

简直是开玩笑,你是学生问着玩的还是你就在包这个项目啊?希望你没有和用户签合同或者他没有给你预付费,否则你会死得很难看!

不要总想学人家做项目经理,哈哈!^_^

如果你运气够好,vipfenghuang(张伟)的重新和客户进行商谈的办法可以Try一下!

等着你的好消息!^_^
zrb007 2004-08-25
  • 打赏
  • 举报
回复
study! :)
unp 2004-08-25
  • 打赏
  • 举报
回复
作一次专家评审会,针对该功能进行评审,听取大家意见。根据其在项目中的重要性,说服客户变更合同(或说服客户以变通的方式实现,或下个版本实现),以争取时间立足自主开发。
外包也是一种策略,但风险比较大,并且不利于系统的衔接、后期维护与升级。
如果从整体利益(包括客户与自己)角度,分析目前实现这些功能的利弊,客户应该是给与合作的。
hewittlee 2004-08-25
  • 打赏
  • 举报
回复
外包
Fusuli 2004-08-25
  • 打赏
  • 举报
回复
外包难控制风险大,自己研发代价高,你部分实现人家说你技术不行
所以最好还是说服客户变更合同
icewolf_li 2004-08-25
  • 打赏
  • 举报
回复
外包吧。
火电 2004-08-25
  • 打赏
  • 举报
回复
重新和客户进行商谈
warton 2004-08-24
  • 打赏
  • 举报
回复
功能或项目外包
协调变更合同
charliecy 2004-08-24
  • 打赏
  • 举报
回复
有3种方式:

1.投入人力,物力,财力自行开发;
2.双方协调变更合同;
3.功能或项目外包。
bjskyhorse 2004-08-24
  • 打赏
  • 举报
回复
我会考虑部分实现,让客户看到这部分功能是具备的,再日后完善。
内容概要:本文围绕“基于启发式算法的深度神经网络卸载策略研究”,系统探讨了多种改进粒子群优化(PSO)算法在边缘计算环境下的应用与性能对比。研究聚焦于深度神经网络(DNN)任务在资源受限边缘设备中的计算卸载问题,采用Matlab实现了自适应权重PSO、混合遗传PSO、模拟退火PSO以及多目标PSO等多种优化算法,并从收敛速度、全局搜索能力、稳定性及复杂场景适应性等多个维度进行综合评估。文章深入剖析了传统PSO算法在任务卸载中存在的早熟收敛与局部最优陷阱等问题,提出了面向不同网络负载、设备异构性和服务质量(QoS)需求的算法选型策略,旨在实现任务延迟最小化、能耗降低与系统资源利用率最大化。此外,研究还提供了完整的仿真框架与实验数据分析,为后续算法优化与工程部署奠定基础。; 适合人群:具备一定Matlab编程基础和优化算法理论知识,从事边缘计算、深度学习模型部署、智能优化算法研究或物联网系统设计等相关领域的研究生、科研人员及工程技术开发者。; 使用场景及目标:①为边缘计算环境中DNN任务的高效卸载提供算法性能基准与选型依据;②对比分析不同启发式优化策略在复杂多目标调度问题中的表现差异,辅助科研与工程实践中算法的设计与改进;③借助Matlab代码实现,支持算法复现、参数调优及在新型边缘场景下的扩展应用。; 阅读建议:建议读者结合文中提供的Matlab代码,深入理解各改进PSO算法的核心机制与实现细节,重点关注不同改进策略对算法收敛行为和优化效果的影响,并尝试在多样化的仿真条件下(如动态网络状态、异构计算节点)验证其鲁棒性与适应性。
内容概要:本文围绕“基于改进秃鹰算法的微电网群经济优化调度”展开研究,提出了一种改进的秃鹰搜索算法(BES),用于解决微电网群在运行中的多目标经济优化调度问题。研究首先分析了微电网群的基本结构与运行特性,构建了一个涵盖运行成本最小化、能源利用效率最大化以及碳排放最小化的多目标优化调度模型。针对传统算法易陷入局部最优、收敛速度慢的问题,通过对秃鹰算法的位置更新机制、搜索策略和种群多样性进行改进,提升了算法的全局寻优能力与求解精度。通过在典型场景下与其他主流智能优化算法(如PSO、GA、GWO等)进行对比仿真,验证了改进BES在降低系统综合运行成本、提高可再生能源消纳水平、优化储能充放电行为以及平衡供需关系方面的优越性能。研究还提供了完整的Matlab代码实现,便于科研人员复现实验并开展进一步研究。; 适合人群:具备一定电力系统运行、优化理论及智能算法基础,从事新能源、微电网调度、综合能源系统优化等相关领域研究的研究生、高校科研人员及电力行业工程技术开发者。; 使用场景及目标:①应用于微电网群能量管理系统(MG-EMS)中的经济调度与运行优化;②为智能优化算法在多能源耦合系统中的改进与应用提供技术参考;③支持科研复现、算法性能对比、仿真平台搭建及工程化原型开发;④服务于学术论文写作、课题申报与实际项目的技术验证。; 阅读建议:建议读者结合提供的Matlab代码进行动手实践,重点理解改进BES算法的设计逻辑与微电网调度模型的数学建模过程,通过调整参数、更换场景和对比不同算法,深入掌握其优化机制与适用边界,并可进一步拓展至含电动汽车、需求响应或多区域互联的复杂微电网系统中进行研究。

1,268

社区成员

发帖
与我相关
我的任务
社区描述
软件工程/管理 管理版
社区管理员
  • 研发管理社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧