palette
مدل چندهدفه یکپارچه برای انتخاب سبد پروژه‌ها و برنامه‌ریزی اقدامات پاسخ به ریسک
قاسم مختاری, یونس حسن زاده

چکیده

انتخاب سبد پروژه‌ای که از نظر ریسک متوازن باشد، و انتخاب اقداماتی برای کاهش ریسک پروژه‌ها، دو مسئله‌ای هستند که به طور جداگانه مورد توجه محققین بوده‌اند. در این تحقیق، یک مدل ریاضی یکپارچه برای دو مسئله فوق ارائه شده است. وضعیتی مورد توجه است که در مرحله انتخاب سبد پروژه، برخی از پروژه‌های پیشنهادی با ریسکهایی مواجه‌اند و می‌توان اقداماتی را برای کاهش این ریسکها برنامه‌ریزی کرد. با توجه به این که انجام این پاسخها مستلزم صرف منابع است، و اجرای آنها ریسک سبد پروژه را تغییر می‌دهد، ضروری است انتخاب پاسخها و تاثیر آنها بر ریسک سبد پروژه را در همان مرحله انتخاب پروژه مد نظر قرار داد. یک مدل ریاضی دو هدفه پیشنهاد شده است که هدف اول آن حداکثرسازی سود ناشی از پروژه‌های منتخب و هدف دوم آن کمینه کردن ریسک سبد پروژه است. شاخص اندازه‌گیری ریسک سبد، واریانس سود آن است. با یک مثال عددی، نحوه کاربرد مدل و تفاوت رویکردهای یکپارچه و غیریکپارچه، نشان داده شده و برای حل مدل، از الگوریتم ژنتیک مرتب‌سازی نامغلوب (NSGA-II) استفاده شده است.

واژگان کلیدی
انتخاب سبد پروژه، استراتژی پاسخ به ریسک، برنامه‌ریزی چند هدفه، الگوریتم ژنتیک مرتب‌سازی نامغلوب (NSGAII)

منابع و مآخذ مقاله

Ben-David, I., & Raz, T. (2001). An integrated approach for risk response development in project planning. Journal of the Operational Research Society, 52(1), 14-25.

Bhattacharyya, R., Kumar, P., & Kar, S. (2011). Fuzzy R&D portfolio selection of interdependent projects. Computers & Mathematics with Applications, 62(10), 3857-3870.

Carazo, A. F., Gómez, T., Molina, J., Hernández-Díaz, A. G., Guerrero, F. M., & Caballero, R. (2010). Solving a comprehensive model for multi-objective project portfolio selection. Computers & operations research, 37(4), 630-639.

Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. A. M. T. (2002). A fast and elitist multi-objective genetic algorithm: NSGA-II. IEEE transactions on evolutionary computation, 6(2), 182-197.

Fan, M., Lin, N. P., & Sheu, C. (2008). Choosing a project risk-handling strategy: An analytical model. International Journal of Production Economics, 112(2), 700-713.

Fang, C., Marle, F., Xie, M., & Zio, E. (2013). An integrated framework for risk response planning under resource constraints in large engineering projects. IEEE Transactions on Engineering Management, 60(3), 627-639.

Ghorbani, S., & Rabbani, M. (2009). A new multi-objective algorithm for a project selection problem. Advances in Engineering Software, 40(1), 9-14.

Heidenberger, K., & Stummer, C. (1999). Research and development project selection and resource allocation: a review of quantitative modelling approaches. International Journal of Management Reviews, 1(2), 197-224.

Kalashnikov, V., Benita, F., López-Ramos, F., & Hernández-Luna, A. (2017). Bi-objective project portfolio selection in Lean Six Sigma. International Journal of Production Economics, 186, 81-88.

Khalili-Damghani, K., Tavana, M., & Sadi-Nezhad, S. (2012). An integrated multi-objective framework for solving multi-period project selection problems. Applied Mathematics and Computation, 219(6), 3122-3138.

Manavizadeh, N., Malek, S., Vosoughi-Kia, R., & Farrokhi-Asl, H. (2017). An efficient risk based multi objective project selection approach considering environmental issues. Uncertain Supply Chain Management, 5(2), 143-158.

Markowitz, H. (1952). Portfolio selection. The journal of finance, 7(1), 77-91.

Nik, E. R., Zegordi, S. H., & Nazari, A. (2011, December). A multi-objective optimization and fuzzy prioritization approach for project risk responses selection. In Industrial Engineering and Engineering Management (IEEM), 2011 IEEE International Conference on (pp. 888-892). IEEE.

PMI, A Guide to the Project Management Body of Knowledge (PMBOK guide). 2017. Project Management Institute, Maryland, USA.

Rabbani, M., Bajestani, M. A., & Khoshkhou, G. B. (2010). A multi-objective particle swarm optimization for project selection problem. Expert Systems with Applications, 37(1), 315-321.

Salmasnia, A., & Yazdekhasti, A. (2017). A bi-objective model to optimize periodic preventive maintenance strategy during warranty period by considering customer satisfaction. International Journal of System Assurance Engineering and Management, 8(4), 770-781.

Seyedhoseini, S. M., Noori, S. & Hatefi, M. A. 2009. An Integrated Methodology for Assessment and Selection of the Project Risk Response Actions. Risk Analysis, 29, 752-763.

Soofifard, R., Bafruei, M. K., & Gharib, M. (2018). A Mathematical Model For Selecting The Project Risk Responses In Construction Projects. Int. J. Optim. Civil Eng, 8(4), 601-624.

Summerville, N., Uzsoy, R., & Gaytán, J. (2015). A random keys genetic algorithm for a bicriterion project selection and scheduling problem. International Journal of Planning and Scheduling, 2(2), 110-133

Tofighian, A. A., & Naderi, B. (2015). Modeling and solving the project selection and scheduling. Computers & Industrial Engineering, 83, 30-38.

Zhang, Y. (2016). Selecting risk response strategies considering project risk interdependence. International Journal of Project Management, 34(5), 819-830.

Zhang, Y., & Fan, Z. P. (2014). An optimization method for selecting project risk response strategies. International Journal of Project Management, 32(3), 412-422.

Zhang, Y., & Guan, X. (2018). Selecting Project Risk Preventive and Protective Strategies Based on Bow-Tie Analysis. Journal of Management in Engineering, 34(3), 04018009.


ارجاعات
  • در حال حاضر ارجاعی نیست.