مدل سازي رياضي استوار انتخاب سبد پروژه و حل آن با كمك شركت گاز استان كرمان( ( NSGA𝚰𝚰 الگوريتم

Robust Mathematical Model for Projectsʹʹ Portfolio Selection and Solving with Non Dominated Sorting Genetic Algorithm (Case Study: Gas Company, Kerman Province)

يكي از مسايل مهم در مبحث مديريت پروژه، انتخاب سبد بهينه پروژه است. مسيله انتخاب پروژه و فعاليت هاي وابسته به آن، يكي از فعاليت هاي مهم در بسياري از سازمانها، به ويژه در شركتهاي پروژهمحور فعال در بخش نفت، گاز، پتروشيمي و ساير انرژي ها مي باشد. با توجه به سياست جايگزيني گاز طبيعي به جاي ساير سوخت هاي فسيلي، متقاضيان استفاده از گاز طبيعي افرايش مييابد كه با اين شرايط پروژههاي گازرساني افزايش يافته و با توجه به محدوديت منابع در سازمان، مديران پروژه مجبور به انتخاب يك سبد پروژه از ميان پروژههاي پيشنهادي هستند به طوري اهداف سازمان برآورده گردد. در اين تحقيق در ابتدا شاخصهاي تاثيرگذار بر روي پروژهها با استفاده از پيشينه تحقيق و مصاحبه از خبرگان صنعت گاز استخراج گرديد سپس با لحاظ عدم اطمينان برخي از پارامترهاي مدل، مدل رياضي استوار چند هدفه تحقيق ارايه گرديد كه اين مدل به ازاي 20 حالت درجه ريسك پذيري تصميم گيرنده با استفاده از الگوريتم ژنتيك با مرتب سازي غير مغلوب (NsGAll)حل گرديد در پايان به منظور ارايه يك جواب معين در جبهه پارتو جهت كمك به )NSGA??( غير مغلوب تصميمگيري از تكنيك تاپسيس استفاده گرديد.

Considering that the active companies in the field of oil, gas, petrochemical and other energies are project-based and also the increase of gas applicants who have taken policy of replacing the gas instead of other fossil fuels, have imposed certain condition on organizations and project managers in the gas company. One of the most important problem in the issue of project management is project portfolio selection which is defined one of the most important activities in many organization such as gas organization. In this study at first the effective indicators on projects are extracted by using the literature and interviews with the experts of gas industry then the mathematical robust multi objective Model is Provided by considering the uncertainty and unreliability in some parameters of model. This model is solved by using non-dominate sorting genetic algorithm for 20 degree of risk-taking decision gama ( , C t ? B t ? ).At the end for helping in decision making the TOPSIS technique is used for providing a specific answer in pareto front