توسعه مدل ریاضی چندهدفه برای مسئله انتخاب و زمان بندی پروژه ها با درنظرگرفتن شبکه ریسک های پروژه و محدودیت منابع

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 64

فایل این مقاله در 32 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SYS-6-4_011

تاریخ نمایه سازی: 14 مرداد 1405

چکیده مقاله:

در شرایط رقابتی و با عدم قطعیت بالا، سازمان ها ناگزیر به تصمیم گیری همزمان در خصوص انتخاب پروژه ها و زمان بندی اجرای آن ها تحت محدودیت منابع و مواجهه با ریسک های پیچیده هستند. بسیاری از مدل های موجود در ادبیات، ریسک پروژه ها را به صورت مستقل در نظر گرفته و تعاملات شبکه ای میان ریسک ها را نادیده می گیرند؛ در حالی که در دنیای واقعی، وقوع یک ریسک می تواند احتمال و شدت سایر ریسک ها را تشدید کند. این تحقیق بر آن است تا با طراحی یک چارچوب نوین ریاضی، به مدیران کمک کند تا از بین پروژه های متعدد، بهترین ترکیب را برگزینند و فعالیت ها را بنحوی زمان بندی نمایند که ضمن دستیابی به حداکثر بازدهی مالی، زمان اجرای کلی را به حداقل برسانند و اثرات مخرب ریسک های به هم پیوسته را مهار سازند. از اینرو در پژوهش حاضر، یک مدل ریاضی چندهدفه عدد صحیح مختلط برای مسئله یکپارچه انتخاب و زمان بندی سبد پروژه ها با درنظرگرفتن شبکه ریسک و محدودیت منابع ارائه می شود. به منظور مدل سازی وابستگی بین ریسک ها، از شبکه بیزی استفاده شده و احتمالات شرطی ریسک ها در ساختار تصمیم گیری لحاظ گردیده است. به دلیل ماهیت غیرخطی و پیچیدگی محاسباتی مدل، ابتدا روابط غیرخطی، خطی سازی شده و سپس مدل با بهره گیری از الگوریتم ژنتیک و روش اپسیلون محدودیت تقویت شده حل می شود. ارزیابی عملکرد مدل از طریق مطالعات عددی در مقیاس های مختلف نشان می دهد که رویکرد پیشنهادی قادر است جبهه پارتوی متنوع و باکیفیتی ارائه دهد و نقش موثری در بهبود تعادل میان سود، زمان و ریسک پروژه ها ایفا نماید.

کلیدواژه ها:

نویسندگان

هانیه السادات جبلی

دانشجوی کارشناسی ارشد، گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه کاشان، کاشان، ایران

علی نمازیان

نویسنده مسئول: استادیار، گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه کاشان، کاشان، 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 :