توسعه یک چارچوب یکپارچه چندمرحله ای برای مدیریت و بهینه سازی سبد پروژه با استفاده از تحلیل پوششی داده های مقاوم در محیط های نامطمئن

مدیریت سبد پروژه در محیط های پویا و نامطمئن امروزی نیازمند رویکردهایی است که بتوانند عملکرد واقعی پروژه ها را تحت نوسانات داده ای و محدودیت های سازمانی به طور دقیق ارزیابی کنند. هدف این پژوهش، توسعه یک چارچوب یکپارچه چندمرحله ای مبتنی بر تحلیل پوششی داده های مقاوم و مدل های بهینه سازی ریاضی برای ارزیابی و انتخاب سبد پروژه در شرایط عدم قطعیت است. ابتدا مجموعه ای از ورودی ها و خروجی های پروژه ها بر اساس اهداف استراتژیک سازمان تعریف شد. سپس مدل Robust DEA برای ارزیابی کارایی پروژه ها با در نظر گرفتن دامنه عدم قطعیت در داده ها به کار گرفته شد. در مرحله بعد، پروژه ها بر اساس کارایی مقاوم حاصل، پالایش شده و مجموعه ای از پروژه های قابل اتکا برای انتخاب نهایی تعیین گردید. در مرحله چهارم، یک مدل برنامه ریزی عدد صحیح مختلط (MILP) و یک مدل برنامه ریزی چندهدفه (MOP) برای انتخاب ترکیب بهینه سبد پروژه تدوین شد. اهداف اصلی شامل بیشینه سازی کارایی مقاوم و کمینه سازی ریسک تجمعی سبد بودند. محدودیت هایی نظیر بودجه، منابع و وابستگی های منطقی نیز در مدل لحاظ شدند. نتایج نشان داد استفاده از Robust DEA موجب افزایش پایداری ارزیابی و کاهش حساسیت نتایج نسبت به نوسانات داده ها می شود. پالایش پروژه ها به کاهش تعداد پروژه های پرریسک و ناکارا انجامید و زمینه را برای انتخاب سبدی مقاوم تر فراهم کرد. مدل های MILP و MOP نشان دادند که انتخاب سبد پروژه بهینه الزاما با بالاترین امتیاز کارایی هم خوانی ندارد و ترکیب هم زمان معیارهای ریسک، کارایی و محدودیت منابع موجب دستیابی به تصمیماتی واقع گرایانه تر و قابل اتکاتر می شود. چارچوب پیشنهادی یک روش یکپارچه، علمی و کارآمد برای ارزیابی و انتخاب سبد پروژه در محیط های نامطمئن ارائه می کند و می تواند به طور موثری کیفیت تصمیم گیری در سازمان های پروژه محور را بهبود دهد.

کلیدواژه ها:

مدیریت سبد پروژه ، تحلیل پوششی داده های مقاوم ، عدم قطعیت ، بهینه سازی چندهدفه ، انتخاب پروژه