بهینه سازی زمان بندی پروژه های چندگانه با محدودیت منابع و مهارت ها تحت تاثیر ورود سفارش جدید

زمان بندی چند پروژه ای با منابع محدود چند مهارتی و پیش نیازهای پیچیده یکی از چالش های اصلی در مدیریت پروژه های مدرن به ویژه در صنایع ساخت و ساز، فناوری اطلاعات و تولید صنعتی است. این پژوهش یک مدل ریاضی نوآورانه برای مسئله زمان بندی چند پروژه ای با منابع محدود چند مهارتی تحت اولویت پروژه جدید (MSRCMPSP-NPI) ارائه می دهد که با هدف کمینه سازی زمان کل تکمیل پروژه ها و هزینه های اجرایی طراحی شده است. الگوریتم ترکیبی ژنتیک جستجوی ممنوعه (GA-TS) برای حل این مدل توسعه یافت، که از کاوش گسترده الگوریتم ژنتیک و بهره برداری محلی جستجوی ممنوعه بهره می برد. آزمایش ها روی سناریوی ۳۰ پروژه با ۴۰ فعالیت (۱۲۰۰ فعالیت)، ۱۲ منبع چند مهارتی و پیش نیازهای چندلایه ای انجام شد. نتایج نشان دهنده بهبود ۱۱٪ در زمان کل تکمیل پروژه ها (از ۳۲۰ به ۲۸۵ واحد زمان)، درصد اختلاف از جواب بهینه (Gap) ۱.۸ و زمان حل ۱۲۰ ثانیه است. تحلیل حساسیت نشان داد که افزایش تعداد منابع از ۱۲ به ۱۵ زمان کل را %۷ کاهش می دهد در حالی که پیش نیازهای پیچیده زمان را ۱۵.۸٪ افزایش و مهارت های چندگانه آن را ۹.۵٪ کاهش می دهند. مقایسه با الگوریتم های ACO، PSO و SA برتری GA-TS را با ۱.۸ Gap در مقابل ۳۵٪ تا ۵۰۰٪ تایید کرد. افزودن پروژه جدید با اولویت بالا تنها ۸.۸٪ افزایش در زمان کل و ۹.۵٪ تاخیر در پروژه های موجود ایجاد کرد که انعطاف پذیری الگوریتم را نشان می دهد. این مدل و الگوریتم برای مدیریت پروژه های واقعی با پیچیدگی های پویا مناسب بوده و پیشنهادهایی برای تحقیقات آتی از جمله ترکیب با یادگیری ماشین و مدل سازی عدم قطعیت ارائه می شود. این پژوهش نه تنها کارایی زمان بندی را بهبود می بخشد، بلکه مبنایی علمی برای کاربرد در پروژه های صنعتی و توسعه دانش در حوزه بهینه سازی فراهم می کند.

کلیدواژه ها:

بهینه سازی ، پروژه ، منابع چندمهارتی ، الگوریتم ترکیبی ، ورود پروژه جدید