پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,573 |
| تعداد مقالات | 71,033 |
| تعداد مشاهده مقاله | 125,502,897 |
| تعداد دریافت فایل اصل مقاله | 98,767,079 |
ارائه یک مدل ترکیبی شبیهسازی ـ شبکههای بیز برای ارزیابی هزینه تکمیل پروژه در شرایط ریسک (مورد مطالعه: پروژه ساخت پالایشگاه فاز 13 میدان گازی پارس جنوبی) | ||
| مدیریت صنعتی | ||
| مقاله 5، دوره 10، شماره 3، 1397، صفحه 407-428 اصل مقاله (1.17 M) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/imj.2018.228669.1007202 | ||
| نویسندگان | ||
| علی نمازیان* 1؛ سیامک حاجی یخچالی2 | ||
| 1دانشجوی دکتری، گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه تهران، تهران، ایران | ||
| 2استادیار، گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه تهران، تهران، ایران | ||
| چکیده | ||
| هدف: هدف این مقاله ارائه رویکردی نوین برای ارزیابی اثر تجمیعی ریسکها بر هزینه تکمیل پروژه است. این اثر تجمیعی، دربرگیرنده آثار اصلی ریسکها و همچنین تأثیرات برهمکنش نشئتگرفته از وابستگیهای بین آنهاست. روش: در این مقاله، با ترکیب روشهای شبیهسازی مونتکارلو و شبکههای بیزین، ساختاری برای ارزیابی اثر تجمیعی ریسکها بر هزینه تکمیل پروژه ارائه میشود. ساختار فوق، با مد نظر قراردادن برهمکنشهای بین ریسکها، شاخصی برای ارزیابی برآیند تأثیر ریسکها ارائه میکند. یافتهها: ارزیابی ریسکها بهصورت مستقل، صرفاً به اولویتبندی ریسکها منجر میشود و شاخصی را برای بیان کردن برآیند آثار ریسکها بر کل پروژه ارائه نمیدهد. برای دست یافتن به تخمین نزدیک به واقع از زمان یا هزینه تکمیل پروژه، باید همزمان احتمالات، تأثیر ریسکها و همچنین وابستگیهای موجود بین آنها را مد نظر قرار داد. نتیجهگیری: مدل ترکیبی پیشنهاد شده در این مقاله، علاوه بر ارائه ساختاری برای ارزیابی اثرگذاری مستقیم ریسکها بر فعالیتها یا بستههای کاری پروژه، میتواند حساسیت هزینه تکمیل پروژه نسبت به هر یک از ریسکها را با مد نظر قرار دادن احتمالات، اثرها و وابستگیهای بین آنها، ارزیابی کند. بر اساس تحلیل حساسیت انجام گرفته در مورد مطالعاتی مسئله، ریسکهای «احتمال کمبود منابع»، «احتمال ناکارایی شرکت در تأمین مالی پروژه» و «احتمال طراحی ضعیف»، مهمترین ریسکهای مؤثر بر هزینه تکمیل پروژه ساخت یک پالایشگاهاند که در صورت وقوع، بیشترین تأثیر را در افزایش هزینه پروژه میگذارند. | ||
| کلیدواژه‌ها | ||
| ارزیابی ریسک؛ اثر تجمیعی ریسکها؛ برهمکنش بین ریسکها؛ شبکههای بیز؛ شبیهسازی | ||
| عنوان مقاله [English] | ||
| Developing an Integrated Simulation Model of Bayesian-networks to Estimate the Completion Cost of a Project under Risk: Case Study on Phase 13 of South Pars Gas Field Development Projects | ||
| نویسندگان [English] | ||
| Ali Namazian1؛ Siamak Haji Yakhchali2 | ||
| 1PhD. Candidate, Department of Industrial Engineering, College of Engineering, University of Tehran, Tehran, Iran | ||
| 2Assistant Prof., Department of Industrial Engineering, College of Engineering, University of Tehran, Tehran, Iran | ||
| چکیده [English] | ||
| Objective: The aim of this paper is to propose a new approach to assess the aggregated impact of risks on the completion cost of a construction project. Such an aggregated impact includes the main impacts of risks as well as the impacts of interactions caused by dependencies among them. Methods: In this study, Monte Carlo simulation and Bayesian Networks methods are combined to present a framework to assess the aggregated impact of risks on a construction project’s completion cost. Results: Project risk assessment, regardless of the interactions between them, leads to prioritization of risks and does not provide any indicator to assess the aggregated effect of risks on the entire project. Achieving a nearly accurate estimate of the project completion time or cost requires consideration of the probabilities and effects of the risks, as well as the interdependencies among them simultaneously. Conclusion: The integrated model presented in this paper, in addition to providing a framework to evaluate the direct impact of risks on activities or work packages of a construction project, is able to assess the sensitivity of the project completion cost to the occurrence of the risks by considering the probabilities, effects and interdependencies.According to the results of the sensitivity analysis, the probabilities of “shortage of resources”, “inefficiency in project financing” and “poor design” are the main causes of delay in a gas refinery construction project. | ||
| کلیدواژه‌ها [English] | ||
| risk assessment, Aggregated risk, Bayesian networks, simulation, Construction project | ||
| مراجع | ||
|
آتشسوز، علی؛ فیضی، کامران؛ کزازی، ابوالفضل؛ الفت، لعیا (1394). مدلی برای روابط ریسکهای زنجیرة تأمین صنعت پتروشیمی در ایران. نشریه مدیریت صنعتی، 7(3)، 405- 424. صیادی، احمدرضا؛ حیاتی، محمد؛ منجزی، مسعود (1390). مدیریت ریسک ساخت تونل با استفاده از تکنیکهای MADM. نشریه مدیریت صنعتی، 3 (7)، 99- 116. عالم تبریز، اکبر؛ خالدیان، فرنوش؛ مهدیپور، مصطفی (1395). پیشبینی زمان پروژه از طریق طول زمان کسب شده و مدیریت ریسک. نشریه مدیریت صنعتی، 8 (2)، 217- 240. ولیپور خطیر، محمد؛ قاسمنیا عربی، نرجس (1395). مدلسازی سیستم استنتاج فازی برای ارزیابی ریسکهای بالقوه در تجهیزات پزشکی. نشریه مدیریت صنعتی، 8 (4)، 533- 554.
References Alam Tabriz, A., Khaledian, F., & Mehdipour, M. (2016). Estimation of project time through earned time and risk management. Industrial Management Journal, 8(2), 217-240. Aminbakhsh, S., Gunduz, M., & Sonmez, R. (2013). Safety risk assessment using analytic hierarchy process (AHP) during planning and budgeting of construction projects. Journal of Safety Research, 46, 99-105.
Atashsouz, A., Feyzi, K., Kazazi, A., & Olfat, L. (2015). A model for relationships between risks in the supply chain of the petrochemical industry in Iran. Industrial Management Journal, 7(3), 405-424. (in Persian) Chatterjee, K., Zavadskas, E., Tamošaitienė, J., Adhikary, K., & Kar, S. (2018). A Hybrid MCDM Technique for Risk Management in Construction Projects. Symmetry, 10(2).
Cheng, M., & Lu, Y. (2015). Developing a risk assessment method for complex pipe jacking construction projects. Automation in Construction, 58, 48-59.
Creemers, S., Demeulemeester, E., & Van de Vonder, S. (2014). A new approach for quantitative risk analysis. Annals of Operations Research, 213(1), 27-65.
Dikmen, I., Birgonul, M. T., & Han, S. (2007). Using fuzzy risk assessment to rate cost overrun risk in international construction projects. International Journal of Project Management, 25(5), 494-505.
Gierczak, M. (2014). The quantitative risk assessment of MINI, MIDI and MAXI Horizontal Directional Drilling Projects applying Fuzzy Fault Tree Analysis. Tunnelling and Underground Space Technology, 43, 67-77.
Hu, Y., Zhang, X., Ngai, E. W. T., Cai, R., & Liu, M. (2013). Software project risk analysis using Bayesian networks with causality constraints. Decision Support Systems, 56, 439-449.
Hyun, K.C., Min, S., Choi, H., Park, J., & Lee, I.M. (2015). Risk analysis using fault-tree analysis (FTA) and analytic hierarchy process (AHP) applicable to shield TBM tunnels. Tunnelling and Underground Space Technology, 49, 121-129.
Jamshidi, A., Rahimi, S. A., Ait-kadi, D., Rebaiaia, M. L., & Ruiz, A. (2015, 25-27 May 2015). Risk assessment in ERP projects using an integrated method. Paper presented at the 2015 3rd International Conference on Control, Engineering & Information Technology (CEIT).
Joubert, F. J., Pretorius, L. U. (2017). Using Monte Carlo simulation to create a ranked check list of risks in a portfolio of railway construction projects. South African Journal of Industrial Engineering, 28, 133-148.
Khodakarami, V., & Abdi, A. (2014). Project cost risk analysis: A Bayesian networks approach for modeling dependencies between cost items. International Journal of Project Management, 32(7), 1233-1245.
Leu, S.S., & Chang, C.M. (2013). Bayesian-network-based safety risk assessment for steel construction projects. Accident Analysis & Prevention, 54, 122-133.
Liang, W., Hu, J., Zhang, L., Guo, C., & Lin, W. (2012). Assessing and classifying risk of pipeline third-party interference based on fault tree and SOM. Engineering Applications of Artificial Intelligence, 25(3), 594-608.
Liu, J., & Wei, Q. (2018). Risk evaluation of electric vehicle charging infrastructure public-private partnership projects in China using fuzzy TOPSIS. Journal of Cleaner Production, 189, 211-222.
Loizou, P., & French, N. (2012). Risk and uncertainty in development: A critical evaluation of using the Monte Carlo simulation method as a decision tool in real estate development projects. Journal of Property Investment & Finance, 30(2), 198-210.
Luu, V. T., Kim, S.-Y., Tuan, N. V., & Ogunlana, S. O. (2009). Quantifying schedule risk in construction projects using Bayesian belief networks. International Journal of Project Management, 27(1), 39-50.
Rodríguez, A., Ortega, F., & Concepción, R. (2016). A method for the evaluation of risk in IT projects. Expert Systems with Applications, 45, 273-285.
Sayadi, A., Hayati, M., & Monjezi, M. (2011). Risk management of tunnel construction using MADM methods. Industrial Management Journal, 3(7), 99-116. (in Persian) Valipour khatir, M., & Ghasemnia arabi, N. (2016). Fuzzy inference system modeling for assessing the potential risks in medical equipments. Industrial Management Journal, 8(4), 533-554. (in Persian) Wang, L., Zhang, H.-y., Wang, J.-q., & Li, L. (2018). Picture fuzzy normalized projection-based VIKOR method for the risk evaluation of construction project. Applied Soft Computing, 64, 216-226.
Yang, C.C., Lin, W.T., Lin, M.Y., Huang, J.T. (2006). A study on applying FMEA to improving ERP introduction: An example of semiconductor related industries in Taiwan. International Journal of Quality & Reliability Management, 23(3), 298-322.
Zeng, J., An, M., & Smith, N. J. (2007). Application of a fuzzy based decision making methodology to construction project risk assessment. International Journal of Project Management, 25(6), 589-600.
Zeng, Y., & Skibniewski, M. J. (2013). Risk assessment for enterprise resource planning (ERP) system implementations: a fault tree analysis approach. Enterprise Information Systems, 7(3), 332-353.
| ||
|
آمار تعداد مشاهده مقاله: 921 تعداد دریافت فایل اصل مقاله: 690 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب