|
|
|
|
مدل عصبی-فازی پشتیبان تصمیم فازهای اولیۀ پروژه‌های صنعت نفت
|
|
|
|
|
|
|
|
نویسنده
|
گلابچی محمود ,فرجی امیر
|
|
منبع
|
مديريت صنعتي - 1394 - دوره : 7 - شماره : 4 - صفحه:837 -860
|
|
|
|
|
چکیده
|
طی برنامه‌ریزی‌های پیش از آغاز پروژه به‌عنوان یک مرحله مهم، تصمیم‌های اساسی اتخاذ می‌شوند که مسیر حرکت پروژه را در جهت موفقیت یا شکست ترسیم می‌کنند. این مرحله به‌ویژه در مگاپروژه‌های نفت، گاز و پتروشیمی که به حجم عظیمی از منابع نیاز دارند، اهمیتی مضاعف می‌یابد. عدم‌قطعیت در فازهای اولیه پروژه زیاد است و باید با حداقل اطلاعات از آینده، عمده‌ترین تصمیم‌گیری‌ها صورت گیرند. در این پژوهش، مدل پیش‌بینی عملکرد برای پروژه‌های صنعت نفت براساس سیستم‌های عصبی فازی پیشنهاد شده است که بر پایه توابع پیشرفت استوار است که به مدل‌های منحنی s معروف‌اند. در این پژوهش، انواع توابع منحنی‌های پیشرفت پروژه مطالعه و پرکاربردترین آن‌ها شناسایی شدند. درادامه، از طریق مطالعات کتابخانه‌ای و پرسشنامه بسته، شش معیار عملکردی در قالب دو دسته و 25 متغیر شکل‌دهنده مدل در قالب دو بخش اصلی و چهار خوشه شناسایی شده است. درنهایت، مدل پیش‌بینی عملکرد با استفاده از سیستم انطباقی عصبی فازی استنتاجی توسعه یافته است که ارزیابی نتایج آن بیانگر دقت مناسب مدل در انجام پیش‌بینی‌هاست.
|
|
کلیدواژه
|
پروژه‌های صنعت نفت، پیش‌بینی، تصمیم‌های راهبردی، مدل عصبی- فازی، منحنی S پروژه
|
|
آدرس
|
دانشگاه تهران, دانشکده معماری, گروه مدیریت پروژه و ساخت, ایران, دانشگاه تهران, دانشکده معماری, ایران
|
|
پست الکترونیکی
|
amirfaraji@ut.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Pre-Project Neuro-Fuzzy Decision Support Model for Oil Industry Projects
|
|
|
|
|
Authors
|
Faraji Amir ,Golabchi Mahmood
|
|
Abstract
|
During preproject planning as an essential phase of a project, fundamental decisions that lead to project success or failure will make. This phase of a project is more important essentially in oil, gas and petrochemical mega projects that tremendous amount of resources should consume. Uncertainty in the initial phases of the project is at the highest level and therefore major project decisions should be made based on the minimum level of information and assurance of future. In this paper, a performance forecasting model for oil industry projects proposed that based on Neurofuzzy inference systems and rooted in project progress functions which known as S curve models. In this study types of functions and models that can generate project S curves are investigated and nine most used functions identified. In the next step six performance variables in two main sections include project progress and resource growth recognized and 25 variables in two categories and four clusters using close questionnaire approach identified. Finally a model for project performance prediction based on Adaptive NeuroFuzzy Inference System developed.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|