شناسايي بهينه ترين تكنيك رتبه بندي شاخص هاي تاثيرگذار در انتخاب موفقيت آميز پرتفوي پروژه ها (مطالعه موردي شركت تعميرات نيروگاهي ايران)

Identifying the most optimized ranking method for Project Portfolio Selection (case study: Iran power plant Repairs Company)

تصميم گيري يكي از مهم ترين و اساسي ترين وظايف مديريت است و تحقق اهداف سازماني به كيفيت آن بستگي دارد. يكي از تكنيك هاي تصميم گيري تصميم گيري چند معياره مي باشد كه مديران را قادر مي سازد با در نظر گرفتن معيار هاي متفاوت براي تصميم گيري كه گاها با هم در تعارض هستند ٬ به طريق عقلايي تصميم سازي نمايد. انتخاب يك تكنيك از ميان چندين تكنيكي كه وجود دارد گاها براي مديران و تصميم گيرندگان كار دشواري است. در اين پژوهش نويسندگان از ميان كليه تكنيك هاي موجود تصميم گيري ٬ دو تكنيكي كه در ميان تصميم گيرندگان محبوبيت نسبي بيشتري دارند را جهت بررسي و مقايسه انتخاب كردند. در گام نخست نويسندگان با استفاده از داده هايي كه از پژوهش ديگري با عنوان شناسايي شاخص هاي موثر بر انتخاب پرتفوي پروژه ها بدست آورده بودند٬ ماتريس هاي تصميم گيري را ايجاد و سپس رتبه بندي نمودند. در گام بعد با استفاده از الگو هاي طراحي شده٬ نسبت به عمل مدل سازي اقدام و نهايتا مدل ها را با الگوريتم ژنتيك به جهت شناسايي بهينه ترين تكنيك اجرا نمودند كه نهايتا منجر به شناسايي بهينه ترين تكنيك رتبه بندي شدند.

Decision making is one of the most important and the most fundamental duties of a manager which realizing the goals of organizations is dependent on the quality of that. One of the decision making techniques is multi criteria decision making which enables the managers to make a decision in a rational way while considering different criterias which are mostly in the conflict. Selecting a method among several techniques existing, is sometimes difficult. In this study the researchers selected two techniques of ranking which are relatively popular among decision makers for study and comparison. In the first step the authors created the decision matrixes and ranked the data through using the results and data they had collected in another study with the title”Identifying the factors influencing project portfolio selection”. In the next step the modeled the patterns and finally in order to identify the most optimized ranking technique they implemented genetic algorithm.