محاسبه مسیربحرانی فازی شبکه پروژه با متغیرهای زبانی

نوع مقاله : دعوت شده

نویسندگان

1 گروه مدیریت صنعتی دانشگاه ولی عصر(عج) رفسنجان، ایران

2 گروه مدیریت، موسسه عالی آموزش پژوهش مدیریت و برنامه ریزی، تهران، ایران

20.1001.1.27174409.1399.3.2.11.8/DOR

چکیده

زمان بندی صحیح پروژه، شرط لازم برای موفقیت پروژه است. در مدل های سنتی زمان فعالیتها به صورت اعداد قطعی یا احتمالی در نظر گرفته می شود. در دنیای واقعی محاسبه دقیق زمان انجام هر فعالیت، مقدور نمی باشد و همواره با عدم قطعیت مواجه است. در این مقاله، مدت زمان هر فعالیت، توسط کارشناسان بصورت متغیرهای زبانی مطرح می-شود و با استفاده از تئوری فازی این متغیرهای زبانی در قالب اعداد فازی نمایش داده می‌شود. تخمین زمان تکمیل پروژه و تعیین مسیر بحرانی پروژه، با حل یک مدل برنامه‌ریزی خطی فازی مقدور خواهد بود. در این مقاله با استفاده از رتبه بندی اعداد فازی، الگوریتم FCPM برای حل مدل معرفی می‌گردد. در هیچ مرحله‌ای از این الگوریتم « غیر فازی سازی» کردن اعداد فازی انجام نمی‌شود و زمان تکمیل پروژه بصورت یک عدد فازی ذوزنقه ای بدست می‌آید. نهایتاً کارائی الگوریتم ارائه شده با یک مثال کاربردی نشان داده می‌شود .
زمان بندی صحیح پروژه، شرط لازم برای موفقیت پروژه است. در مدل های سنتی زمان فعالیتها به صورت اعداد قطعی یا احتمالی در نظر گرفته می شود. در دنیای واقعی محاسبه دقیق زمان انجام هر فعالیت، مقدور نمی باشد و همواره با عدم قطعیت مواجه است. در این مقاله، مدت زمان هر فعالیت، توسط کارشناسان بصورت متغیرهای زبانی مطرح می-شود و با استفاده از تئوری فازی این متغیرهای زبانی در قالب اعداد فازی نمایش داده می‌شود.

کلیدواژه‌ها


[1] دارابی گلستان، ف،  قوامی ریابی، س. ر، هزارخانی، ا، خالوکاکایی، ر، سکاکی، س.ح،  و هارونی، ه. (1395). ساختار مدیریت پروژه اکتشافی در تفکیک آنومالی با روش­ های هندسه فضایی در قالب روش شبکه­ ایGERT  مطالعه موردی نهشته  Cu-Au پورفیری دالی شمالی. نشریه روش ­های تحلیلی و عددی در مهندسی معدن. شماره11، ص1-10.
 
[2] فاطمی دخت، ح، و کوچکی رفسنجانی، م. (1398). طراحی یک سیستم عصبی فازی تطبیقی به عنوان یک ابزار تشخیصی بیماری دیابت. سیستم­ های فازی و کاربردها. سال دوم. شماره دوم. ص205-222.
 
[3] کاظمی، اب. و فخوری، پ. (1391). ارائه یک سیستم کنترل فازی برای تخمین زمان ختم پروژه در شبکه­ های گرت. نشریه بین المللی مهندسی صنایع و مدیریت تولید. شماره2. جلد 23.
 
[4] نوری، س، و یعقوبی، س. (1391). تعیین موعد مقرر تحویل پروژه در شبکه پرت پویا با چندین خدمت دهنده. نشریه بین المللی مهندسی صنایع و مدیریت تولید. شماره4. جلد23. ص472-484.
 
[5] Balin, A., Demirel, H., Celik, E., Alarcin, F. (2018). A fuzzy dematel model proposal for the cause and effect of the fault occurring in the auxiliary systems of the ships’ main engine.
 
[6] Chanas, S., Zieliński, P. (2001). Critical path analysis in the network with fuzzy activity times. Fuzzy sets and systems, 122(2), 195-204.
 
[7] Chen, S. P., Hsueh, Y. J. (2008). A simple approach to fuzzy critical path analysis in project networks. Applied Mathematical Modelling, 32(7), 1289-1297.
 
[8] Dubois, D., Fargier, H., Galvagnon, V. (2003). On latest starting times and floats in activity networks with ill-known durations. European Journal of Operational Research, 147(2), 266-280.
 
[9] Fan, L., Meng, S., Liu, X., Liang, Y. (2016). Improved CTT-SP algorithm with critical path method for massive data storage in scientific workflow systems. International Journal of Pattern Recognition and Artificial Intelligence, 30(08), 1659023.
 
[10] Fortemps, P., Roubens, M. (1996). Ranking and defuzzification methods based on area compensation. Fuzzy sets and systems, 82(3), 319-330.
 
[11] Gavareshki, M. K. (2004, October). New fuzzy GERT method for research projects scheduling. In 2004 IEEE International Engineering Management Conference (IEEE Cat. No. 04CH37574) (Vol. 2, pp. 820-824). IEEE.
 
[12] Hatefi, S. M., Tamošaitienė, J. (2018). Construction projects assessment based on the sustainable development criteria by an integrated fuzzy AHP and improved GRA model. Sustainability, 10(4), 991.
 
[13] Lim, C. S., Mohamed, M. Z. (1999). Criteria of project success: an exploratory re-examination. International journal of project management, 17(4), 243-248.
 
[14] Lin, F. T., Yao, J. S. (2003). Fuzzy critical path method based on signed-distance ranking and statistical confidence-interval estimates. The journal of supercomputing, 24(3), 305-325.
 
[15] Modarres, M., Sadi-Nezhad, S. (2001). Ranking fuzzy numbers by preference ratio. Fuzzy sets and Systems, 118(3), 429-436.
 
[16] Rosenfeld,Y.(2014). Root -cause analysis of construction - cost overruns. Journal of Construction Engineering and Management. 140(1), Article number04013039.
 
[17] Shahsavari Pour, N., Modarres, M., Aryanejad, M., Moghadam, R. T. (2010). The discrete time-cost-quality trade-off problem using a novel hybrid genetic algorithm. Applied Mathematical Sciences, 4(42), 2081-2094.
 
[18] Srivannaboon, S., Milosevic, D. Z. (2006). A two-way influence between business strategy and project management. International journal of project management, 24(6), 493-505.
 
[19] Tseng, P. H., Cullinane, K. (2018). Key criteria influencing the choice of Arctic shipping: a fuzzy analytic hierarchy process model. Maritime Policy Management, 45(4), 422-438.
 
[20] Wang, C. N., Yang, G. K., Hung, K. C., Chang, K. H., Chu, P. (2011). Evaluating the manufacturing capability of a lithographic area by using a novel vague GERT. Expert Systems with Applications, 38(1), 923-932.
 
[21] Xue, J., Van Gelder, P. H. A. J. M., Reniers, G., Papadimitriou, E., Wu, C. (2019). Multi-attribute decision-making method for prioritizing maritime traffic safety influencing factors of autonomous ships’ maneuvering decisions using grey and fuzzy theories. Safety Science, 120, 323–340. doi:10.1016/j.ssci.2019.07.019.
 
[22] Yang, H., Zhu, Z., Li, C., Li, R. (2019). A novel combined forecasting system for air pollutants concentration based on fuzzy theory and optimization of aggregation weight. Applied Soft Computing, 105972. doi:10.1016/j.asoc.2019.105972.
 
[23] Zieliński, P. (2005). On computing the latest starting times and floats of activities in a network with imprecise durations. Fuzzy sets and Systems, 150(1), 53-76.