Project Portfolio Risk Response Selection Using Bayesian Belief Networks
محل انتشار: مجله ایرانی مطالعات مدیریت، دوره: 13، شماره: 2
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 209
فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIJMS-13-2_002
تاریخ نمایه سازی: 23 شهریور 1401
چکیده مقاله:
Risk identification, impact assessment, and response planning constitute three building blocks of project risk management. Correspondingly, three types of interactions could be envisioned between risks, between impacts of several risks on a portfolio component, and between several responses. While the interdependency of risks is a well-recognized issue, the other two types of interactions remain unacknowledged in the risk response planning literature. This research suggests a Bayesian belief network for modeling portfolio risks, their impacts, and responses. There are three kinds of nodes in this network: nodes representing portfolio risks, nodes corresponding to risk impacts on each objective of each portfolio component, and nodes showing response actions. The problem is to decide which responses are to be selected. For this purpose, an optimization model is proposed that minimizes the sum of both residual risk effects on portfolio component objectives and response implementation costs. Subsequently, a genetic algorithm is introduced to solve the model. A simple portfolio instance is also provided to illustrate the proposed model.
کلیدواژه ها:
Risk response selection ، Project portfolio risk management ، Bayesian belief network ، Genetic Algorithm
نویسندگان
قاسم مختاری
Department of Industrial Engineering, Faculty of Engineering, University of Qom, Qom, Iran
فاطمه آقاگلی
Department of Industrial Engineering, Faculty of Engineering, University of Qom, Qom, Iran
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 :