چکیده:
انبوه پروژههای سازمانی و پیچیدگیهای تصمیمگیری پیرامون آنها موجب میشود مدیریت و رهبری پروژه، چالشهای ویژة خود را داشته باشد. از اینرو و بهمنظور استفادة مطلوب از فرصتها و داراییهای سازمان، لازم است مدیران با استقرار سیستم مدیریت جامع چندوجهی، سبد پروژة سازمان را تشکیل دهند و با لحاظ توجیههای مناسب اقتصادی، فنی و اجتماعی آن را به انجام برسانند. همچنین، کمبود منابع موجب میشود مدیران همواره بهدنبال انتخاب تعدادی از پروژههای ممکن بهمنظور اجرا یا اولویتبندی باشند. در این تحقیق، با درنظرگرفتن آثار متقابل معیارها و اشتراک منابع پروژههای سازمان، رویکردی برای ارزیابی و انتخاب پروژهها ارائه شد. در این مدل دومرحلهای، ابتدا با تشکیل یک الگوریتم شاخه و کران و با درنظرگرفتن اشتراک منابع پروژهها، سبدهای بیشینه مشخص شد و سپس کارایی هرکدام از این سبدها با استفاده از مدل شبکة عصبی مصنوعی ارزیابی شد تا سبدهای پروژه بر این اساس رتبهبندی شوند. علاوهبراین، بین درجههای کارایی روش مورد استفاده در این مقاله با روشهای DEA و COLS همبستگی قابل قبولی وجود دارد.
Vast number of organizational projects and complexity of decision making process can cause particular challenges for project management and its leadership. In order to use organization assets and opportunities efficiently, it is necessary that manager implement a comprehensive multidimensional project portfolio management system that considers economical, social and technical details of the projects. Resource constraint compels managers to select operational proposal projects. Thus managers can maximize organizational utility due to project portfolio’s resource constraint. This study considers the interactive effects of project portfolio evaluation and sharing of organizational project resources with respect to its evaluation and choice of the projects.. In this two-step model, first a branch and bound algorithm with resource interaction was utilized to screen maximal portfolio and in the next step each portfolio were evaluated based on artificial neural networks to rank the end project portfolios. Also the ANN scores are strongly correlated with the DEA and COLS efficiency scores.
خلاصه ماشینی:
ارائۀ مدلي براي انتخاب سبد پروژه با آثار متقابل و اشتراک منابع بين پروژه اي با استفاده از شبکه هاي عصبي مصنوعي ١، بهرنگ اسدي ٢، ساسان مظاهري ٣ بهروز دري انبوه پروژه هاي سازماني و پيچيدگي هاي تصميم گيري پيرامون آنها موجب ميشود مديريت و رهبري پروژه ، چالش هاي ويژة خود را داشته باشد.
دستۀ ديگر در تحقيقات مرتبط با مسئلۀ انتخاب پروژه ، مجموعه روش هاي تصميم گيري چندمعياره است که در اين زمينه به کار گرفته شد و توان بالايي در استفاده از معيارهاي کيفي در تصميم گيري دارند.
در گام بعد، ورودي ها و خروجي هاي مدل براي سبد بيشينه محاسبه شد و درنهايت کارايي هر سبد با استفاده از شبکۀ عصبي مصنوعي ارزيابي مي شود.
بنابر آنچه بيان شد، رابطۀ زير براي محاسبۀ ورودي تجمعي هر سبد قابل ارائه است : (رجوع شود به تصویر صفحه) براي ايجاد سبدهاي بيشينه از الگوي شاخه و کران استفاده مي کنيم که در شکل ٢ نشان داده شد.
در اين تحقيق ، از روش شبکۀ عصبي براي سنجش کارايي واحدهاي تصميم گيري استفاده شد.
An integrated artificial neural network fuzzy c-means-normalization algorithm for performance assessment of decision making units: the cases of auto industry and power plant.
An integrated artificial neural network and fuzzy clustering algorithm for performance assessment of decision making units.
Balancing and optimizing a portfolio of R & D projects.
Best Practices for Managing R & Portfolios.
Constructing and evaluating balanced portfolios of R&D projects with interactions: A DEA based methodology.
A model for R & D project selection with combined benefit, outcome and resource interactions.