حل مساله تبادل زمان هزینه کیفیت پروژه‌ها در حالت احتمالی با در نظرگرفتن راه حل های ممکن

مدیران پروژه همواره به دنبال اتخاذ تصمیماتی هستند که بتوانند پروژه‌های خود را در کوتاه‌ترین زمان ممکن، با کمترین هزینه و با کیفیتی بالا به انجام برسانند. لیکن باید توجه داشت که در مسائل واقعی با شرایطی مواجه می‌شویم که پیش‌بینی‌های ما تحت تاثیر سایر عوامل از آنچه در عمل اتفاق می‌افتد فاصله می‌گیرد در چنین شرایطی عملاً برخی یا تمامی پارامترهای مرتبط با یک مساله مورد بررسی به وسیله متغیرهایی بیان می‌شوند که به صورت قطعی تعریف نشده‌اند. از این رو در نظر گرفتن اثر پارامترهای تصادفی در حل مساله تبادل زمان هزینه کیفیت دارای اهمیت بسیار زیادی می‌باشد. در این مقاله سعی داریم تا مدل مساله تبادل زمان هزینه کیفیت ارائه شده را در حالت تصادفی مورد توجه قرار دهیم. به این منظور برخی از پارامترهای مدل مورد اشاره را به صورت تصادفی فرض می‌کنیم. سپس به منظور حل مدل تصادفی از رویکرد برنامه‌ریزی مقید شده تصادفی استفاده خواهیم کرد. به هنگام مواجهه با توابع هدف چندگانه از میان روش‌های بهینه‌سازی مسائل چندهدفه به روش برنامه‌ریزی آرمانی خواهیم پرداخت و در نهایت مدل برنامه‌ریزی آرمانی مقید شده تصادفی را ارائه خواهیم نمود. معدل برنامه‏ریزی قطعی مدل ارائه شده ارائه می‌شود و در نهایت با استفاده از نرم افزار گمز و با یک مثال عددی، مدل ارائه شده حل و نتایج حاصل از آن مورد بررسی قرار خواهد گرفت.

Solve the Problem of Time-Cost-Quality Exchange of Projects in the Possible Case By Considering Possible Solutions

Timecostquality tradeoff project scheduling problem is one of the most important and practical problems in project management discipline. Project Managers interest in making decisions to accomplish the project with minimum cost, minimum time, and maximum quality. Unfortunately, in real life problems, the estimation of time, cost, and quality may be mixed with uncertainty. These parameters may be far from their estimated values. So, considering uncertain parameters in timecostquality project scheduling is essential. In this paper, a probabilistic version of timecostquality trade –off problem is proposed. Some parameters of the proposed model are assumed to be probabilistic. The probabilistic nature of the proposed model is handled using stochastic chance constraint programming. The multiobjective nature of the problem is handled using goal programming. Finally, the stochastic chance constraint goal programming is proposed. The deterministic equivalence of proposed stochastic model is presented. A numerical example is analyzed using GAMS software and results are investigated.