مدل سازی چندهدفه فازی زمان بندی پروژه با محدودیت منابع چندمهارته: با قابلیت تغییر سطح مهارت ها و انقطاع فعالیت ها

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 258

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JPOM-14-1_001

تاریخ نمایه سازی: 18 بهمن 1401

چکیده مقاله:

مسئله زمان بندی پروژه، یکی از مهم ترین و کاربردی ترین مفاهیم مدیریت پروژه است. بسیاری از شرکت ها و سازمان هایی که پروژه محورند، استراتژی کاهش هزینه های متغییر را در اجرای پروژه دنبال می کنند. با توجه به محیط کسب وکار کنونی، بسیاری از شرکت ها علاوه بر پایین آوردن هزینه های خود، به دنبال پیشگیری از تاخیر در اتمام پروژه اند. در این پژوهش، یک مدل ریاضی چندهدفه فازی زمان بندی پروژه با محدودیت منابع چندمهارته، با قابلیت تغییر سطح مهارت ها ارائه شد که هدف آن بهینه کردن سیاست زمان بندی پروژه و استخدام مهارت هاست. با توجه به چند هدفه بودن مدل، از یک رویکرد برنامه ریزی آرمانی استفاده شده است که مدل تک هدفه معادل حاصل می شود. نظر به اینکه مسئله زمان بندی پروژه چندمهارته جزء مسائل ان پی سخت محسوب می شود و مسئله پیشنهادی نیز حالت توسعه یافته مسئله مذکور است، درنتیجه آن نیز جزء مسائل ان پی سخت است. به همین سبب برای حل مسئله پیشنهادی، روش فرا ابتکاری ژنتیک چندهدفه ژنتیک و فاخته انتخاب و برای حل مسئله از آن استفاده شد. در ادامه، مقدار بهینه پارامترهای الگوریتم های پیشنهادی با استفاده از رویکرد تاگوچی تعیین و سپس نتایج محاسباتی برای مجموعه ای از مسائل نمونه تولیدشده توسط نرم افزار رنجن ۱، ارائه و عملکرد الگوریتم ها ارزیابی و آنالیز شد. نتایج نشان می دهد الگوریتم ژنتیک چندهدفه عملکرد بهتری نسبت به الگوریتم فاخته چندهدفه دارد. در پایان نیز یافته ها جمع بندی و پیشنهادهایی به منظور تحقیقات آتی ارائه شد.

کلیدواژه ها:

زمان بندی پروژه ، چند مهارته بودن نیروی انسانی ، الگوریتم های فرا ابتکاری ، تنظیم پارامتر

نویسندگان

مجتبی صالحی

گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه پیام نور، مرکز تهران، ایران

یلدا رحیمی

گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه پیام نور، مرکز تهران، ایران

شهره شریعتی

کارشناسی ارشد گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه پیام نور، مرکز بین المللی کیش، 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 :
  • Ansari, R., Khalilzadeh, M., & Hosseini, M. R. (۲۰۲۲). A ...
  • Artigues, C., Gendreau, M., Rousseau, L. M., & Vergnaud, A. ...
  • Blazewicz, J., Lenstra, J. K., & Kan, A. R. (۱۹۸۳). ...
  • Brooker, R. J. (۱۹۹۹). Genetics: analysis & principles. Reading, MA: Addison-Wesley ...
  • Demeulemeester, E., & Herroelen, W. (۱۹۹۶). A branch-and-bound procedure for ...
  • FAGHIH, N., & Montazeri, M. M. (۲۰۰۸). Genetic Algorithms for ...
  • Hartman, S., & Briskorn, D. (۲۰۱۱). A survey of variants ...
  • Hartmann, J. M., Brodbeck, C., Flaud, P. M., Tipping, R. ...
  • Li, R., Gong, W., Wang, L., Lu, C., & Jiang, ...
  • Mollalign, D., Mushi, A., & Guta, B. (۲۰۲۲). Solving Multi-Objective ...
  • Néron, E. (۲۰۰۲, April). Lower bounds for the multi-skill project ...
  • Patoghi, A., & Mousavi, S. M. (۲۰۲۱). A new approach ...
  • Pritsker, A. A. B., Waiters, L. J., & Wolfe, P. ...
  • Ranjbar, M., Nasiri, M. M., & Torabi, S. A. (۲۰۲۲). ...
  • Shujaei, A. A., &Bathai, A. (۲۰۱۲). Project risk management. Tehran: ...
  • Sun, J., Gan, X., Gong, D., Tang, X., Dai, H., ...
  • Valls, V., Ballestin, F., & Quintanilla, S. (۲۰۰۹). A hybrid ...
  • Yang, X. S., & Deb, S. (۲۰۰۹, December). Cuckoo search ...
  • Torabi Yeganeh, F., & Zegordi, S. H. (۲۰۲۰). A multi-objective ...
  • Yuan, Y., Ye, S., Lin, L., & Gen, M. (۲۰۲۱). ...
  • Zolfaghari, S., & Mousavi, S. M. (۲۰۲۱). A novel mathematical ...
  • نمایش کامل مراجع