موازنه زمان-هزینه-کیفیت در شبکه های PERT با استفاده از شبکه عصبی و الگوریتم-های تکاملی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 158

فایل این مقاله در 31 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SAIM-6-1_005

تاریخ نمایه سازی: 24 آذر 1402

چکیده مقاله:

از اهداف مهم هر پروژه زمان، هزینه و کیفیت می باشند. امروزه، ذی نفعان هر پروژه به دنبال کاهش هزینه های کل پروژه همزمان با کاهش زمان و افزایش کیفیت پروژه می باشند. این مسئله پژوهشگران را به سوی توسعه مدل هایی که عامل کیفیت را به مدل های قبلی موازنه هزینه -زمان می افزاید، هدایت می کند. در این مقاله یک مدل موازنه زمان – هزینه – کیفیت با سه تابع هدف، کمینه کردن زمان ختم پروژه، کمینه کردن هزینه کل پروژه و بیشینه کردن کیفیت کل انجام فعالیت ها در یک شبکه PERT با فعالیت های چند حالته مورد بررسی قرار گرفت. بعد از ارائه مدل ریاضی مناسب، بر اساس یک طرح آزمایش برای سطوح ممکن هر متغیر تصمیم تعیین گردید. سپس با استفاده از فرایند شبیه سازی، مقادیر تصادفی متغیرهای تصمیم و متغیرهای پاسخ در هر بار اجرا حاصل و با به کارگیری شبکه های عصبی، یک مدل شبکه عصبی برقرار گردید. برای حل این مدل، از آنجا که مسئله مورد نظر در مقوله NP-hard قرار می گیرد، از دو الگوریتم NSGA-II و MOPSO استفاده گردید. برای ارزیابی کارایی مدل، مسائل مورد نظر در یک شبکه PERT با مقیاس های کوچک، متوسط و بزرگ آزمایش شد. پارامترهای این دو الگوریتم فراابتکاری به وسیله روش تاگوچی تنظیم و نتایج به دست آمده بر مبنای پارامترهای تنظیم شده نشان داد که الگوریتم NSGA-II نسبت به MOPSO عملکرد بهتری دارد

نویسندگان

احمد یوسفی هنومرور

دانشجوی دکتری، مدیریت صنعتی گرایش تحقیق در عملیات، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران

مقصود امیری

استاد، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران

لعیا الفت

استاد، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.

علیرضا ناصر صدرآبادی

استادیار، گروه مدیریت صنعتی، دانشکده اقتصاد و مدیریت، دانشگاه یزد، یزد، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Aminbakhsh, S., & Sonmez, R. (۲۰۱۶). Discrete particle swarm optimization ...
  • Amiri, Maghsoud, Azimi, Parham, Zandieh, Mustafa, Hadi Nejad, Farhad. (۲۰۱۷). ...
  • Azaron, A., Perkgoz, C., & Sakawa, M. (۲۰۰۵). A genetic ...
  • Azimi, Parham. Ismati, Alireza. Farajpour, Mehdi. Farzin, Ehsan. (۲۰۱۳). Optimization ...
  • Chambari, Amirhossain, Seyed Habib A. Rahmati, and Amir Abbas Najafi. ...
  • Coello, C. A. C., Lamont, G. B., & Van Veldhuizen, ...
  • Coello, C. C., & Lechuga, M. S. (۲۰۰۲, May). MOPSO: ...
  • Czyzżak, P., & Jaszkiewicz, A. (۱۹۹۸). Pareto simulated annealing—a metaheuristic ...
  • Deb, K., Agrawal, S., Pratap, A., & Meyarivan, T. (۲۰۰۰, ...
  • Demeulemeester, E. L., & Herroelen, W. S. (۲۰۰۶). Project scheduling: a ...
  • Demeulemeester, E., Vanhoucke, M., & Herroelen, W. (۲۰۰۳). RanGen: A ...
  • ghafoori, S., taghizadeh yazdi, M. (۲۰۱۷). Proposing a Multi-Objective Mathematical ...
  • Kazaz, A., Ulubeyli, S., Er, B., & Acikara, T. (۲۰۱۶). ...
  • Khang, D. B., & Myint, Y. M. (۱۹۹۹). Time, cost ...
  • Maghsoudlou, H., Afshar-Nadjafi, B., & Niaki, S. T. A. (۲۰۱۶). ...
  • Monghasemi, S., Nikoo, M. R., Fasaee, M. A. K., & ...
  • Mungle, S., Benyoucef, L., Son, Y. J., & Tiwari, M. ...
  • Poli, R., Kennedy, J., & Blackwell, T. (۲۰۰۷). Particle swarm ...
  • Pour, N. S., Modarres, M., Aryanejad, M., & Moghadam, R. ...
  • Project Management Institute. (۲۰۱۸). A Guide to the Project Management ...
  • Saif, A., Abbas, S., & Fayed, Z. (۲۰۱۵). The PDBO ...
  • Tareghian, H. R., & Taheri, S. H. (۲۰۰۶). On the ...
  • Tran, D. H., Cheng, M. Y., & Cao, M. T. ...
  • Wood, D. A. (۲۰۱۷). Gas and oil project time-cost-quality tradeoff: ...
  • Zhang, H., & Xing, F. (۲۰۱۰). Fuzzy-multi-objective particle swarm optimization ...
  • نمایش کامل مراجع