ارزیابی ریسک‌های بهره‌وری منابع انسانی با رویکرد ترکیبی دیمتل فازی و سیستم دینامیک (نمونه موردی: پروژه‌های بلندمرتبه سازی)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد، گروه ساختمان، دانشکده معماری و شهرسازی، دانشگاه شهید بهشتی، تهران، ایران.

2 استاد، گروه ساختمان، دانشکده معماری و شهرسازی، دانشگاه شهید بهشتی، تهران، ایران.

چکیده

مقدمه و اهداف: بهره‌وری منابع انسانی ماهر  یکی از عوامل کلیدی و تاثیرگذار بر عملکرد پروژه‌های ساختمانی می‌باشد و عدم توجه به این مهم، سبب تحمیل خسارات جبران‌ناپذیری به پروژه‌ها می‌شود. بهره‌وری پایین نیروی کار، یکی از مسائل و چالش‌های اساسی در صنعت ساخت‌وساز می‌باشد؛ چراکه این مسئله همواره یکی از دلایل افزایش بیش از حد زمان و هزینه در پروژه‌های ساخت‌و‌ساز بوده است. تحقیقات به‌عمل آمده پیرامون عوامل ریسک‌زا و تاثیر‌گذار بر بهره‌وری منابع انسانی در پروژه‌ها، با کاستی‌هایی از قبیل عدم جامع‌نگری در فرایند شناسایی ریسک‌ها، عدم توجه به تعاملات بین ریسک‌ها، در نظر نگرفتن عوامل ریسک‌زا و همچنین تاثیر آنها بر بهره‌وری منابع انسانی مواجه می‌باشد. بنابراین هدف از این تحقیق شناسایی عوامل ریسک‌زا و ریسک‌های حاصل از آنان و تحلیل و اولویت‌بندی آن‌ها می‌باشد تا بدین ترتیب بتوان ریسک‌های بحرانی را بصورت موثرتری مدیریت کرد.
روش‌ها: این تحقیق از نوع مطالعه موردی بوده و ابزار گردآوری اطلاعات در آن از نوع مصاحبه ساختاریافته و پرسشنامه می‌‌باشد. گام اول این تحقیق شناسایی شاخص‌های بهره‌وری منابع انسانی ماهر و سپس ریسک‌های حاصل از این شاخص‌ها می‌باشد که نحوه تکمیل این گام، بررسی جامع ادبیات موضوع به‌منظور شناسایی شاخص‌ها، ریسک‌ها و سپس انجام مصاحبه با 10 نفر از خبرگان این حوزه به منظور بررسی صحت ریسک‌های شناسایی شده خواهد بود. در گام دوم به منظور تحلیل ریسک‌ها، ابتدا با بکارگیری روش دیمتل فازی سعی در تعیین روابط علیّ میان متغیرهای سیستم خواهیم داشت و سپس از طریق اطلاعات بدست‌آمده در این مرحله، از روش سیستم دینامیک برای مدلسازی ریسک‌ها استفاده کرده و بدین ترتیب پس از تعیین نمودار حالت جریان و انجام شبیه‌سازی نقاط حساس و بحرانی سیستم را تعیین خواهیم کرد.
یافته‌ها: نتایج نشان می‌دهد که ریسک‌های تداخلات اجرایی در سایت، سقوط از ارتفاع، انجام ناایمن عملیات، برق‌گرفتگی، عدم پایبندی به نقشه‌ها و مشخصات، وجود ایرادات سطحی در اجرا، دوباره‌کاری، سطح کارآمدی تجهیزات و ماشین‌آلات، ارتباطات و هماهنگی و اتلاف مصالح جزو 10 ریسک کلیدی و مهمی هستند که به سبب کاهش بهره‌وری در پروژه‌های بلندمرتبه بوجود می‌آیند.
نتایج حاصل از تحلیل ریسک نشان می‌دهد که ریسک‌های 1)تداخلات اجرایی در سایت، 2) دوباره‌کاری، 3) ارتباطات و هماهنگی و 4) سقوط از ارتفاع به ترتیب بیشترین تاثیرگذاری را بر پروژه‌های ساخت دارند. همچنین یافته‌ها بیانگر آن است که ریسک تداخلات اجرایی در سایت در صورت وقوع می‌تواند بهره‌وری را به عدد 190 واحد کار انجام شده در ماه و ریسک دوباره‌کاری، بهره‌وری را به 300 واحد کار انجام شده در ماه برساند. از سویی دیگر ریسک سقوط از ارتفاع میزان بهره‌وری را به عدد 380 رسانده در صورتی که ریسک ارتباطات بهره‌وری را در محدوده 300 واحد نگه خواهد داشت. بنابراین از آنجایی که بیشترین کاهش، میزان بهره‌وری مرتبط با ریسک تداخلات اجرایی در سایت بوده، بنابراین این ریسک به عنوان مهم‌ترین ریسکِ سیستم شناخته می‌شود.
نتیجه‌گیری: مدل بدست آمده در این تحقیق پتانسیل زیادی در کمک به مدیران ساخت‌وساز برای ارزیابی تاثیرات منفی ریسک‌های بهره‌وری به روشی سیستماتیک‌ دارد و مدیران پروژه با استفاده از نتایج بدست آمده در این تحقیق می‌توانند با تمرکز بیشتر بر ریسک‌های کلیدی از قبیل ریسک تداخلات اجرایی در سایت، دوباره‌کاری، ارتباطات و هماهنگی و سقوط از ارتفاع، آن‌ها را به صورت موثرتری مدیریت کنند تا در نهایت بتوانند میزان بهره‌وری منابع انسانی که همواره یکی از مسائل اساسی در این صنعت می‌باشد را بهینه کنند. مزیت این تحقیق برای صنعت ساخت آن است که به مدیران ساخت و ساز کمک می‌کند تا پویایی ریسک‌های بهره‌وری را بهتر درک کرده و بتوانند از طریق بازیابی ارتباطات موجود میان ریسک‌ها و شکستن تعاملات مهم میان حلقه‌های بازخورد سبب قطع روند فزاینده تاثیرات ریسک‌ها بر یکدیگر شوند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Evaluation of Human Resource Productivity Risks, Fuzzy DEMATEL and System Dynamics Approach (Case Study: High-Rise Building Projects)

نویسندگان [English]

  • Nahal Goodarzi 1
  • Ahad Nazari 2
1 MSc., Department of Construction, Faculty of Architecture and Urban Planning, Shahid Beheshti University, Tehran, Iran.
2 Professor, Department of Construction, Faculty of Architecture and Urban Planning, Shahid Beheshti University, Tehran, Iran.
چکیده [English]

Introduction: The productivity of skilled human resources is one of the key factors influencing the performance of construction projects, and neglecting this issue can result in irreparable damages to the projects. Low labor productivity is one of the fundamental challenges in the construction industry, as it has consistently been a cause of excessive increases in time and cost in construction projects. Research conducted on the risk factors affecting human resource productivity in projects has shortcomings, such as a lack of comprehensiveness in the risk identification process, failure to consider the interactions between risks, and the failure to account for risk factors and their impacts on productivity. Therefore, the purpose of this research is to identify the risk factors and the resulting risks, analyze, and prioritize them to manage critical risks more effectively.
Methods: This research is a case study, and the data collection tools include structured interviews and questionnaires. The first step of this research is to identify the productivity indicators of skilled human resources and the risks arising from these indicators. The process for completing this step includes a comprehensive review of the literature to identify the indicators and risks, followed by interviews with 10 experts in the field to verify the identified risks. In the second step, to analyze the risks, we first employ the fuzzy DEMATEL method to determine the causal relationships between system variables. Using the information obtained from this step, we apply the system dynamics approach to model the risks. After creating the stock-flow diagram and conducting simulations, we identify the sensitive and critical points of the system.
Results and Discussion: The results show that the risks of site execution interference, falling from height, unsafe operations, electrocution, non-compliance with plans and specifications, surface defects during execution, rework, machinery and equipment efficiency, communication and coordination, and material wastage are among the 10 key risks that contribute to decreased productivity in high-rise building projects.
The results of the risk analysis indicate that the risks of 1) site execution interference, 2) rework, 3) communication and coordination, and 4) falling from height have the most significant impact on construction projects. The findings also reveal that the risk of site execution interference, if it occurs, could reduce productivity to 190 units of work completed per month, while rework could reduce productivity to 300 units. On the other hand, the risk of falling from height reduces productivity to 380 units, whereas communication-related risks maintain productivity at around 300 units. Therefore, as the greatest reduction in productivity is related to the risk of site execution interference, this risk is identified as the most critical in the system.
Conclusions: The model developed in this research has significant potential to assist construction managers in systematically evaluating the negative impacts of productivity risks. Project managers can use the findings of this research to focus more on key risks, such as site execution interference, rework, communication and coordination, and falling from height, managing these risks more effectively. By doing so, they can optimize the productivity of human resources, a critical issue in the construction industry. The advantage of this research for the construction industry is that it helps managers better understand the dynamics of productivity risks and, by restoring the connections between risks and breaking key interactions in feedback loops, stop the escalating impact of risks on one another.

کلیدواژه‌ها [English]

  • Productivity
  • Project Management
  • Human Resources
  • System Dynamics
  • Fuzzy DEMATEL
  • Risk Management

مراجع

  1. Abdel hamid, M., Abdel haleem, H. (2020). Impact of poor labor productivity on construction project cost. International Journal of Construction Management.4(8), 188-211. https://doi.org/10.1080/15623599.2020.1788757
  2. Abdolahnejad, I. Nazari, A. Rahmatinia, M. (2017). Investigation and evaluation of construction and commissioning risks in construction projects (Case Study: Hospital). Journal of Engineering & Construction Management, 2(3), 36-45. 
  3. Abid, H., Bassam, B., Elmualim, A., Rameezdeen, R. (2017). Factors affecting construction productivity: a 30 year systematic review. Journal of Engineering, Construction and Architectural Management.2(5), 88-112. DOI:1108/ECAM-02-2017-0035
  4. Akintoye, A. S., MacLeod. M. J. (2020). Risk analysis and management in construction, International Journal of Project Management, 15)1(, 31-38.
  5. Alaghbari, W., Sultan, B., Al-sakkaf, A. (2017). Factors affecting construction labour productivity in Yemen. International Journal of Construction Management. 5(10), 233-263.
  6. Alvand, A., Mirhosseini, M., Ehsanifar, M., Zeighami, E., Mohammadi, A. (2023). Identification and assessment of risk in construction projects using the integrated FMEA-SWARA-WASPAS model under fuzzy environment: a case study of a construction project in Iran. International Journal of construction management. https://doi.org/10.1080/15623599.2021.1877875. )In Persian(.
  7. Chavan, S., Salunkhe, H. (2016). A Study on Labor Productivity in Construction Industry. International Journal of Engineering Research. 5(1). 247-249. doi: 10.17950/ijer/v5i1/059
  8. Cooper, D. F. (2005). Project risk management guidelines: Managing risk in large projects and complex procurements, Wiley, New York.
  9. Ghate, P., Minde, P. (2016). Importance Of Measurement of Labour Productivity in Construction Sector. International Journal of Research in Engineering and Technology, 5(7). 89-109.
  10. Ghoddousi, P., Poorafshar, O. (2014). Labour productivity in Iranian construction projects. International Journal of Productivity and Performance Management. 64(6). 811-830. http://dx.doi.org/10.1108/IJPPM-10-2013-0169
  11. Ghodoosi, M., Mirsaeedi, F., Hasani, F. (2020). Presentation of Risks Analysis Model in Urban Projects Based on Data Mining Technique with Case Study. Industrial management perspective, 10(38), 137-159. )In Persian(.
  12. Goodarzizad, P., Mohammadi, E., Arashpour, G & M. (2021). Predicting the construction labour productivity using artificial neural network and grasshopper optimisation algorithm. International Journal of Construction Management.15(8), 233-248. https://doi.org/10.1080/15623599.2021.1927363.
  13. Hamza, M., Shahid, S., Hainin, M., Nashwan, M. (2019). Construction labour productivity: review of factors identified. International Journal of Construction Management.4(5),19-34. https://doi.org/10.1080/15623599.2019.1627503.
  14. Hatefi, M.,Tamosaitiene, J. (2018). An integrated fuzzy dematel-fuzzy ANP model for evaluating construction projects by considering interrelationships among risk factors. Journal of Civil Engineering and Management. 25(20), 114-131.
  15. Jarkas, A. M., Al Balushi, R. A., & Raveendranath, P. K. (2015). Determinants of construction labour productivity in Oman. International journal of construction management, 15(4), 332-344. https://doi.org/10.1080/15623599.2015.1094849.
  16. Jarkas, AM., Bitar, CG. (2012). Factors affecting construction labor productivity in Kuwait. J Constr Eng Manage. 138(7):811–820.
  17. Karimi, F., Monfared, J., Keramati, J. (2024). Evaluating the resilience and sustainability of the supply chain with the integrated approach of the theory of constraints, process approach and multi-criteria decision making. Industrial management perspective,7(9), 22-45. https://doi.org/10.48308/JIMP.2024.233683.1511. )In Persian(.
  18. Kesavan, M., Pujitha, D., Pathirana, C. (2024). Assessing the performance and productivity of labour in building construction projects through the application of work-based training practices. International Journal Construction Innovation. 24(2). 540-550..
  19. Mahamid, I. (2022). Relationship between delay and productivity in construction projects. International Journal of Advanced and Applied Sciences. 9(2). 160-166. https://doi.org/10.21833/ijaas.2022.02.018.
  20. Nasir, B., Fayek, A., Siraj, S. (2019). Risk Identification and Common Risks in Construction: Literature Review and Content Analysis. Constr. Eng. Manage. 145(9). 158-179. DOI: 10.1061/(ASCE)CO.1943-7862.0001685.
  21. Nasirzadeh, f., Rostamnezhad, M., Carmichael, D., Khosravi, A., Aisbett, B. (2020). Labour productivity in Australian building construction projects: a roadmap for improvement. international journal of construction management. 153(18), 244-272. https://doi.org/10.1080/15623599.2020.1765286.
  22. Ning, X., Qia, J., Wub, C. (2018). A quantitative safety risk assessment model for construction site layout planning. Safety Science. 104. 246-259. https://doi.org/10.1016/j.ssci.2018.01.016.
  23. Osei-Kyei, R., Narbaev, T., Ampratwum, G. (2022). A Scientometric Analysis of Studies on Risk Management in Construction Projects. Journal of buildings.44(8), 18-39. https://doi.org/10.3390/buildings12091342.
  24. Patel, B., Bhavsar, J., Pitroda, J. (2017). A Critical Literature Review of Labour Productivity in Building Construction. International Journal of Constructive Research in Civil Engineering. 3(4). 76-80. http://dx.doi.org/10.20431/2454-8693.0304007.
  25. Rachmawati, F., Mudjahidin, M., Widowati, E. (2024). Work rate modeling of building construction projects using system dynamic to optimize project cost and time performance. International Journal of Construction Management.49(6), 79-102.
  26. Rao, B., Sreenivasan, N., Prasad, B. (2015). LABOR PRODUCTIVITY-ANALYSIS AND RANKING. International Research Journal of Engineering and Technology. 2(3).98-121.
  27. Rostamnezhad, M., Nasirzadeh, F., Khanzadi, M., Jafar Jarban, M., Ghayoumian, M. (2018). Modeling social sustainability in construction projects by integrating system dynamics and fuzzy-DEMATEL method: a case study of highway project. Engineering. Construction and Architectural Management. 27(7), 1595–1618. DOI 10.1108/ECAM-01-2018-0031.
  28. Seker, S., Zavadskas, E. (2017). Application of Fuzzy DEMATEL Method for Analyzing Occupational Risks on Construction Sites. Sustainability Journal. 9(3), 288-297 doi:10.3390/su9112083
  29. Schieg, M. (2019). “Risk management in construction project management,” Journal of Business Economics and Management, vol. vii, no. 2,.77-83,
  30. Shoar, S., Banaitis, A. (2019). Application of fuzzy fault tree analysis to identify factors influencing construction labor productivity: a high-rise building case study. J Civil Eng Manage. 25(1):41–52.
  31. Shoar, S., Parchami Jalal, M. (2017). A Hybrid SD-DEMATEL Approach to Develop a Delay Model for Construction Projects. Engineering. Construction and Architectural Management.6(2), 54-67. https://doi.org/10.1108/ECAM-02-2016-0056.
  32. Suleiman, A. (2022). CAUSES AND EFFECTS OF POOR COMMUNICATION IN THE CONSTRUCTION INDUSTRY IN THE MENA REGION. Journal of Civil Engineering and Management. 28(5): 365–376. https://doi.org/10.3846/jcem.2022.1672.
  33. Tellez, J., Bell, G., Milton M. Herrera, Carlos, C. (2024). Project management and system dynamics modelling: Time to connect with innovation and sustainability. Systems Research and Behavioral Science, 41(1), 3-29.
  34. Tiwari, A., Singh, S., Routroy, S. (2024). Analysing critical risk factors of Indian road construction projects: a fuzzy DEMATEL approach. International Journal of Construction Management. 28(8). 29-48.
  35. Tizro, A., Fard, N. (2022). Supply Chain Risk Gap Analysis using the Modified Two-Tuple Fuzzy Linguistic Computing (FLC) Model and Fuzzy Vicor (Case Study: the SHIFOO Food Industry in Fars Province). Industrial management perspective, 12(47), 115-140. )In Persian(.
  36. Tsehayae, Abraham A. (2015). Developing and Optimizing Context-Specific and Universal Construction Labour Productivity Models. Thesis.
  37. Zegordi, S., Nazari, A., Rezaee Nik, E. (2014). Project risk assessment by a hybrid approach using fuzzy-anp and fuzzy-topsis. Sharif J Ind Eng Manage. 29(1), 3–14. )In Persian(.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار