مدل پایش انحراف پروژه‌های ساخت (مطالعه‌ی موردی: یک شرکت پیمانکاری)

مدیریت پروژه به‌دنبال روش‌هایی برای پایش انحراف پروژه است. در پژوهش حاضر، انحراف پروژه با ارزیابی هم‌زمان انحراف هزینه، زمان، و کیفیت پایش می‌شود. اهمیت عوامل و اهم ریسک‌های پروژه در مصاحبه از خبرگان یک شرکت پیمانکاری شناسایی ‌شده است. با روش‌ تحلیل حالت‌های بالقوه‌ی خطا و آثار آن‌ها و منطق فازی، ارزیابی ریسک انجام ‌شده است. همچنین، با استفاده از روش سیستم استنتاج فازی و شبکه‌های بیزی، انحراف پروژه با وجود وابستگی بین ریسک‌ها، کنترل و از معیار میانگین مربعات خطا برای بررسی اعتبار مدل‌ها استفاده شده است. با مقایسه‌ی درصد انحراف واقعی 15 پروژه‌ی اجراشده در شرکت مذکور با درصد انحراف برآوردی مدل‌ها، میانگین مربعات خطا در روش استنتاج فازی نسبت به روش شبکه‌ی بیزی کمتر به‌دست‌ آمده و روش استنتاج فازی با میانگین مربعات خطا معادل با 0.0011 نسبت به روش شبکه‌ی بیزی کاراتر بوده است.

deviation monitoring model of construction projects، case study: a contracting company

project management is always looking for ways to complete the project on time، quality، and cost according to the project contract. due to the existence of various risks and increased uncertainty in business environments، a high percentage of the projects have deviations when compared with the base plan. the purpose of this research is to continuously monitor the deviation of the project by evaluating the deviation of cost، time، and quality simultaneously under the conditions of uncertainty. by conducting a pairwise comparison between cost، time، and quality factors and interviewing experts of a contractor company، the relative importance of these factors has been determined. the most important risks of the project have been identified by interviewing experts in the contractor company. the risk assessment has been carried out with the failure mode and effect analysis and fuzzy logic method. by using the approach of fuzzy inference system and bayesian networks، project deviation is predicted. in the fuzzy inference system، project risks are considered as input variables in the form of triangle fuzzy number and project deviation is obtained as the output variable of the cohesive fuzzy inference system in the matlab software. in the bayesian network approach، the initial and conditional probabilities of the nodes have been obtained by using the experts' opinion and the project deviation has been investigated using the network between risks in agenarisk software. to estimate the validity of the results of the models، the mean square error criterion was used. by comparing the actual deviation percentage of projects implemented in the mentioned company with the estimated deviation percentage of the models، the mean squared error in the fuzzy inference method is less compared to the bayesian network method، and the fuzzy inference method with the mean squared error equal to 0.0011 is more efficient than the bayesian network method.