تحلیل روابط علی چالشهای پیمانکاری با استفاده از مدل ترکیبی DEMATEL فازی و شبکه های عصبی مصنوعی

قراردادهای سرجمع در پروژه های عمرانی علی رغم کارکرد موثر در کنترل هزینه و زمان از منظر پیمانکاران با مجموعه ای از چالش های پیچیده و به هم وابسته مواجه اند. هدف این پژوهش تحلیل روابط علت و معلولی میان چالش های کلیدی این نوع قراردادها با بهره گیری از یک مدل ترکیبی شامل روش DEMATEL فازی و شبکه های عصبی مصنوعی (ANN) است. در گام نخست ۳۰ چالش اصلی از طریق مصاحبه با ۵۵ خبره صنعت ساخت و به کارگیری روش دلفی فازی شناسایی و اولویت بندی شد. سپس به کمک تکنیک DEMATEL فازی، روابط مستقیم و غیرمستقیم میان چالش ها استخراج و ماتریس اثرگذاری شکل گرفت. در مرحله بعد، شبکه عصبی پرسپترون چندلایه (MLP) برای یادگیری الگوهای علی و پیش بینی شدت تاثیرگذاری متغیرها به کار گرفته شد. نتایج نشان می دهد که چهار چالش «تاخیر در پرداخت ها»، «ابهام در اسناد طراحی»، «نوسان قیمت مصالح» و «ریسک تغییر قوانین» در گروه عوامل علی و چالش های «فشردگی زمان بندی»، «مشکلات تامین مالی پیمانکار» و «تغییرات دامنه کار» در گروه عوامل معلولی قرار می گیرند. مدل ترکیبی پیشنهادی توانست با دقت ۹۱ درصد، شدت تاثیرگذاری میان متغیرها را بازتولید کند. یافته های پژوهش بیانگر آن است که ادغام تحلیل علی فازی با روش های یادگیری ماشین می تواند درک عمیق تری از پویایی چالش ها فراهم کرده و مینایی کارآمد برای توسعه سیستم های هوشمند پشتیبان تصمیم در مدیریت پروژه های عمرانی ارائه دهد.

کلیدواژه ها:

دیمتل ، فازی ، شبکه عصبی مصنوعی ، قرارداد سرجمع ، روابط علی و معلولی ، تصمیم گیری چندمعیاره