19889

17179

كارشناسي ارشد

بهينه سازي سيستم ها

اصفهان : دانشگاه صنعتي اصفهان

1403

سيزده، 79ص

1403/08/09

كتابنامه

مهندسي صنايع

مهندسي صنايع و سيستم ها

1403/08/14

23080442

امروزه، زمان‌بندي پروژه به‌عنوان يكي از مهم‌ترين عوامل موفقيت يك پروژه شناخته شده است. در اين روزها، با پيشرفت تكنولوژي و استفاده از نرم‌افزارهاي مديريت پروژه، زمان‌بندي پروژه به‌صورت دقيق‌تر و كاملاً بر اساس فعاليت‌هاي پروژه و منابع موردنياز آن تعيين مي‌شود. درعين‌حال، با وجود پيشرفت‌هاي حاصل در زمينه مديريت پروژه، هنوز هم مشكلاتي اعم از عدم درك صحيح از مشكل يا نياز بازار، تغييرات مكرر در پروژه ها، تنظيم برنامه غير واقع بينانه، عدم درك صحيح از محدوديت زماني در زمان‌بندي پروژه وجود دارد كه مي‌تواند بر روي موفقيت يك پروژه تأثير بگذارد . براي بهبود زمان‌بندي پروژه، مي‌توان از روش‌هاي مديريت پروژه مانند تغيير در ساختار پروژه، بهبود فرآيندهاي كاري، استفاده از نرم‌افزارهاي پيشرفته مديريت پروژه و همچنين ارتقاي مهارت‌هاي افراد در زمينه مديريت پروژه استفاده كرد. مدل‌هاي هوش مصنوعي با تكيه بر داده‌هاي تاريخي، شرايط خاص مكاني و ساير متغيرهايي كه روش‌هاي زمان‌بندي سنتي ممكن است در نظر نگيرند، در بهبود دقت زمان‌بندي ساخت‌وسازها ، پيشرفت هاي نويدبخشي را نشان داده‌اند. در اين پژوهش شبكه‌هاي عصبي مصنوعي و مدل‌هاي فازي عصبي با استفاده از داده‌هاي استخراج‌شده از زمان‌بندي پروژه هاي ساخت و ساز توسعه داده شدند. در اين پژوهش از مدلهاي فازي و پرسپترون چندلايه و مدل هيبريدي وهمچنين از دو مدل رگرسيون خطي ساده ، رگرسيون بردار پشتيبان استفاده شده است. عملكرد اين مدلها مقايسه شده است. هر چه پيش‌بيني زمان و هزينه پروژه دقيق‌تر باشد، مديران پروژه مي‌توانند برنامه‌ريزي‌هاي مناسب‌تري براي تخصيص منابع، تنظيم دستور كار، مديريت تغييرات و مديريت ريسك‌ها را براي پروژه خود ايجاد كنند. اين مسئله باعث افزايش احتمال موفقيت پروژه، كاهش هزينه‌ها و زمان‌هاي تأخير، و در نهايت بهبود كيفيت پروژه خواهد شد. به‌علاوه، پيش‌بيني دقيق زمان و هزينه پروژه، به تيم‌هاي پروژه كمك مي‌كند تا باتوجه‌به زمان و منابع موردنياز، بهترين راهكارهاي ممكن را براي انجام فعاليت‌ها پيشنهاد دهند و در نتيجه، از مديريت بهتر پروژه برخوردار شوند. در كل، پيش‌بيني دقيق زمان و هزينه پروژه، بهبود كيفيت، مديريت بهتر پروژه، كاهش هزينه‌ها و زمان‌هاي تأخير، و در نهايت، افزايش موفقيت و سود پروژه را به دنبال دارد. نتايج حاصل از ارزيابي مدل‌هاي مختلف نشان مي‌دهد كه مدل هيبريدي با مقدار 108/0 در ميانگين خطاي مطلق، 025/0 در خطاي ميانگين مربعات، 159/0 در ريشه ميانگين مرعات خطاو 728/0 در ضريب تعيين در مقايسه با مدل رگرسيون بردار پشتيبان با مقادير 133/0، 033/0، 181/0 و 701/0 و مدل رگرسيون خطي ساده با مقادير 142/0، 037/0، 193/0 و 660/0 بهتر مي‌باشد.

Today, the project schedule is recognized as one of the most important success factors of a project. These days, with the advancement of technology and the use of project management software, the project schedule is determined more accurately and completely based on the project's activities and its required resources. At the same time, despite the progress made in the field of project management, there are still problems in project scheduling that can affect the success of a project. To improve the project schedule, you can use project management methods such as changing the project structure, improving work processes, using advanced project management software, and also improving the skills of people in the field of project management. The more accurate the forecast of project time and cost, project managers can create more appropriate plans for resource allocation, agenda setting, change management, and risk management for their project. This will increase the probability of project success, reduce costs and delay times, and ultimately improve the quality of the project. In addition, accurate forecasting of project time and cost helps project teams to propose the best possible solutions for activities according to the time and resources required, and as a result, enjoy better project management. In general, accurate forecasting the time and cost of the project leads to quality improvement, better project management, reduction of costs and delay times, and finally, an increase in the success and profit of the project. Artificial intelligence models based on historical data and some features that traditional scheduling methods may not pay attention to them, have shown hopeful progress in improving accuracy of construction scheduling. In this research, artificial neural networks and neural fuzzy models were developed using historical data from construction projects scheduling. In this research, a hybrid models of ANFIS and MLP, so a LR and SVR model have been used and the performance of these models has been compared. The more accurate the forecast of project time and cost, project managers can create more appropriate plans for resource allocation, changes management, and risk management for their projects. Results of these models will increase the probability of project success, reduce costs and delay times, and improve the quality of the project. In addition, accurate forecasting of project time and cost helps the project teams to propose the best possible solutions according to the required time and resources and, as a result, have better project management. In general, accurate forecasting of project time and cost leads to quality improvement, better project management, reduction of costs and delay times, and finally, an increase in project success and profit. The results of the comparison of these different models show that the hybrid model is the best, because it has values of 0.108 in MAE, 0.025 in MSE, 0.159 in RMSE and 0.725 in R² compared to the SVR model with values of 0.181, 0.037 , 0.192 and 0.701 and the LR model with values of 0.142, 0.037, 0.192 and 0.660.

ناصر ملاوردي اصفهاني

حميد ميرمحمدي , مهدي خاشعي آشياني