ارایه یک مدل تصمیم ‌گیری چند هدفه برای موازنه تبادل هزینه - زمان با در نظر گرفتن ارزش زمانی پول و حل آن با استفاده از بهینه‌ سازی ازدحام ذرات

هدف: تبادل هزینه و زمان در زمان‌ بندی پروژه، یکی از چالش ‌های مهم و پرمخاطب است که توجه زیادی را به خود جلب کرده است. این تحقیق با هدف ایجاد تعادل بین فشرده‌سازی زمانی و تاخیر در اجرای فعالیت‌ها، به‌منظور بهینه‌سازی استفاده از منابع و انتخاب زمان اجرای فعالیت‌ها با توجه به محدودیت‌های موجود، صورت گرفته است. در این راستا، تلاش شده است که با استفاده از یک مدل ریاضی دو هدفه، تصمیم‌گیرندگان را در انتخاب بهترین زمان‌بندی برای اجرای پروژه‌ها یاری دهیم.روش‌شناسی پژوهش: در این مطالعه، یک مدل ریاضی دو هدفه برای توازن هزینه-زمان با فرض تابع هزینه غیرخطی و در نظر گرفتن ارزش زمانی پول توسعه داده شده است. سپس مدل پیشنهادی با استفاده از الگوریتم بهینه‌سازی ذرات چند هدفه (mopso) حل شده و تاثیر فشرده‌سازی زمانی و تاخیر فعالیت‌ها بر نتایج تحلیل می‌شود.یافته‌ها: نتایج به‌دست‌آمده از مدل پیشنهادی نشان می‌دهند که این مدل می‌تواند با در نظر گرفتن محدودیت‌ها و ظرفیت‌های موجود، استفاده بهینه‌ای از منابع پروژه فراهم کند و به تصمیم‌گیرندگان امکان دهد تا زمان‌بندی فعالیت‌ها را به‌گونه‌ای تنظیم کنند که بهترین تعادل میان هزینه و زمان به‌دست آید. همچنین، در این مدل فرض بر این است که هزینه‌ها به شکل غیرخطی و براساس ارزش زمانی پول محاسبه شوند. این ویژگی باعث می‌شود تصمیمات زمانبندی با در نظر گرفتن تاثیرات ارزش زمانی پول اتخاذ شوند و از این طریق، هزینه‌های مرتبط با تاخیرها کاهش یافته و بهره‌وری کلی پروژه افزایش یابد.اصالت/ارزش افزوده علمی: این پژوهش با ارایه یک مدل تصمیم‌گیری دو هدفه و استفاده از رویکرد ارزش زمانی پول در زمانبندی پروژه‌ها، گامی نوین در بهینه‌سازی تبادل هزینه-زمان برداشته است. برخلاف بسیاری از مطالعات قبلی که تمرکز صرف بر کاهش هزینه‌ها یا زمان پروژه دارند، مدل پیشنهادی تلاش می‌کند تا با لحاظ کردن پیچیدگی‌های غیرخطی و تاثیر ارزش زمانی پول، راهکاری جامع‌تر برای موازنه هزینه و زمان ارایه دهد. این مدل به مدیران پروژه کمک می‌کند تا با بینش بهتری نسبت به تاثیرات زمان و هزینه، تخصیص منابع را بهینه‌سازی کرده و با کاهش تاخیرات، عملکرد پروژه‌ها را بهبود بخشند.

presenting a multi-objective decision-making model for cost-time trade-off considering the time value of money and solving it using particle swarm optimization

purpose: the cost-time tradeoff in project scheduling is a significant challenge that has garnered substantial attention. this research aims to establish a balance between time compression and delays in activity execution to optimize resource utilization and facilitate activity scheduling based on existing constraints. to achieve this, a bi-objective mathematical model is developed to support decision-makers in selecting the optimal schedule for project execution.methodology: in this study, a bi-objective mathematical model is proposed to balance cost and time, incorporating a nonlinear cost function and the time value of money. the model is then solved using the multi-objective particle swarm optimization (mopso) algorithm to analyze the effects of time compression and activity delays on the outcomes.findings:  the proposed model’s results demonstrate its ability to optimize project resource usage by considering current constraints and capacities. this enables decision-makers to adjust activity scheduling to achieve the best balance between cost and time. furthermore, the model assumes costs are nonlinear and calculated based on the time value of money. this approach allows for scheduling decisions that account for the time value, reducing delay-related costs and enhancing overall project efficiency.originality/value:  this research presents a novel approach by introducing a bi-objective decision-making model that integrates the time value of money in project scheduling, marking a new step in optimizing the cost-time tradeoff. unlike previous studies that focus solely on reducing either cost or time, the proposed model provides a comprehensive solution by accounting for nonlinear complexities and the time value of money. this model assists project managers in gaining better insight into cost-time impacts, optimizing resource allocation, and ultimately improving project performance by reducing delays.