دانلود مقاله ISI انگلیسی شماره 3333 + ترجمه فارسی
عنوان فارسی مقاله

بهینه سازی تکاملی جستجوی مشخصه های مدل بین دانش مدیریت و عملکرد مهندسی ساخت

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی
3333 2013 13 صفحه PDF 30 صفحه WORD
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Evolutionary optimization of model specification searches between project management knowledge and construction engineering performance
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 40, Issue 11, 1 September 2013, Pages 4414–4426

فهرست مطالب ترجمه فارسی
چکیده
کلیدواژه ها
1. مقدمه
2. مروری بر مقالات
3. پیش فرض های پژوهش
4.1 مدل سازی معادلات ساختاری
4.2. قابلیت اطمینان و تحلیل تأییدی
شکل 1: مدل فرضی
4.3 اعمال GA  در جستجوی مشخصه مدل
5. فرآیند تحلیلی و نتایج
5.1 آماره های توصیفی
جدول 1. اصطلاحات GA-SEM
جدول 2 مشخصه های اجتماعی- اقتصادی پاسخ دهندگان تحقیق  
5.2. تحلیل تجربی
جدول 3. تحلیل تجربی متغیرها
شکل 3. کاربرد GA در SEM
5.3 بهینه سازی جستجوی مشخصه مدل
5.3.1 معیاری برای برازندگی قضاوت
5.3.1.1 مربع کی/ درجات نسبت آزادی
5.3.1.2. شاخص نیکویی برازش (GFI).
5.3.1.3. شاخص برازش افزایشی (IFI).
جدول 4. جدول کدگذاری گروه اول
5.3.1.4. شاخص برازش تطبیقی (GFI).
5.3.1.5. میانگین مربعات خطای برآورد (RMSEA
جدول 5 شاخص های GOF برای کروموزوم ها
شکل 4: نمودارهای همگرایی شاخص
جدول 6 نتایج تست مسیر برای فرضیه های پژوهش مربوطه
5.3.2. رمزگذاری و فرآیند تکامل
5.4. اصلاح مدل
شکل 5. مدل اصلاح شده
جدول 7. معیار شاخص GOF و مقادیر حاصل
جدول 8. تأثیر روش های مدیریت بر روی عملکرد پروژه
6. نتیجه گیری و کارهای آتی
 
کلمات کلیدی
مدل سازی معادلات ساختاری - بهینه سازی تکاملی - الگوریتم ژنتیک -    جستجو مشخصات - دانش مدیریت پروژه - مهندسی ساخت و ساز - عملکرد پروژه -
ترجمه چکیده
مطالعات بسیاری برای تعیین پیکربندی های مدل جایگزین به صورت برازش داده های تجربی با کمک روش مدل سازی معادلات ساختاری (SEM) انجام شده است. به هر حال، جستجوی مسیر ویژه بین ساختارها بسیار دشوار و پیچیده است. یکی از روش های تقویت کارایی مدل سازی بهینه سازی تکاملی توسط الگوریتم ژنتیک (GA) انجام می شود. در این مطالعه از دانش مدیریت پروژه (PM) که دارای ساختار انسانی است و روش ها، ابزار و مهارت ها برای بررسی رابطه علّی بین کاربرد TTS و عملکرد پروژه مهندسی ساخت (PP) استفاده کرده ایم. در این جا برای اندازه گیری تجربی اثربخشی PM TTS در PP از تحقیقی به صورت پرسشنامه استفاده کرده ایم. چارچوب پژوهش اول توسط فرضیه های پشتیبانی شده توسط مقالات تعریف شده اند. در مرحله بعدی برای بهینه سازی مسیرهای ساختاری GA در فرآیند برازش مدل را به کار برده ایم. نتایج تحلیلی نشان داده اند که بهینه سازی تکاملی برای نیکویی برازرش تکی و چندگانه به طور مؤثر امکان جستجوی مشخصه های SEM را فراهم می آورد. با استفاده از GA در پروسه SEM، محققان می توانند جستجوهای خودکار مشخصه را برای یافتن بهترین برازش مدل تجربی با داده انجام دهند.
ترجمه مقدمه
در حوزه جامعه شناسی رفتار، ساختارهای فرضی بیشمار را نمی توان اندازه گیری کرد یا فقط از طریق مشاهده شناسایی کرد. برای مثال، کیفیت، برقراری ارتباطات، ریسک، مشخص سازی و موفقیت ویژگی های ناملموس یا ساختارهای انتزاعی هستند. این ساختارها را می توان غیرمستقیم با اندازه گیری شاخص هایی که نشانگر مشخصه های ساخت هستند مشاهده کرد. بنابراین، مدل سازی معادلات ساختاری (SEM) برای ارزیابی و تحلیل روابط علّی بین ساختارهای پنهان و شاخص های قابل اندازه گیری طراحی شده است. روش SEM که برگرفته از تحلیل عامل تأییدی و تحلیل مسیر ساختاری است، در ابتدا توسط جورسکوگ (1973) پیشنهاد شده و اکنون یکی از ابزارهای جستجوی پر کاربرد در زمینه روانشناسی (اندرسون، بابین، بلک و هیر 2010)، علوم اجتماعی (فیچ، 2007)، علوم بهداشت (گونزالس دی لا پارا، نامور و رودریگوئز- لوآئیزا، 2006)، و مدیریت (چیندا و محمد، 2008؛ سو و سابروال، 2011) است. به هر حال، کاربرد SEM برای تحلیل مسیر بین ساختارهای متفاوت باید تأثیرات مستقیم و غیرمستقیم را در نظر بگیرد. بنابراین، مشکل جستجو برای ساختارها با افزایش تعداد مسیرهای جایگزین در مدل پژوهش فرضی بزرگ تر می شود. در روش های قدیمی مشخصه های مدل به طور دستی جستجو می شوند که زمان گیر و ناکارآمد است. با خودکار کردن فرآیند جستجو مدیریت چنین روش آشفته ای آسان تر خواهد شد. به دلایل مطرح شده در بالا، در این مطالعه از الگوریتم ژنتیک (GA) که یک پروسه جستجوی ابتکاری تطبیق پذیر برای پردازش مسائل بهینه سازی در مقیاس بزرگ است استفاده کرده ایم. مشخصه های مدل در یک مطالعه موردی درباره ارتباطات علّی بین مدیریت پروژه (PM)، روش ها/ ابزارها/ مهارت ها (TTS)، دانش PM و عملکرد پروژه مهندسی ساخت بهینه شده است. علاوه بر این، روش PM شامل روش های مبنای مورد نیاز برای موفقیت در صنعت ساخت و ساز است، با این حال اثربخشی PM TTS را که با توجه به عملکرد پروژه برای کارورزان مفید است در نظر نگرفته است. این مطالعه شکاف موجود بین مقالات را پر می کند. چهار مرحله این پژوهش عبارتند از پیش فرض های جستجو، طراحی پرسشنامه و تحلیل، بهینه سازی ساختار، اصلاح مدل و بحث و گفتگو. توضیحات دقیق به این صورت مرتب شده اند: مرحله 1- پیش فرض های جستجو: تعیین اهداف جستجو و بررسی رابطه بین PM TTS، دانش PM و PP از طریق بررسی مقالات و در ادامه ساخت مدل ساختاری جستجو. مرحله 2- طراحی پرسشنامه و تحلیل: توزیع طرح پرسشنامه ها در میان مصاحبه شونده ها. پس از جمع آوری پرسشنامه ها، تحلیل های آماری از جمله تحلیل آماری توصیفی، تحلیل قابلیت اطمینان، تحلیل اعتبار، تحلیل تأییدی، تحلیل مسیر و تست نرمال بودن انجام می شوند. مرحله 3- بهینه سازی کلی مدل ساختاری: استفاده از GA-Sem برای تعیین مشخصه های ساختار بهینه. در این مطالعه از GA با استفاده از اجرای پروسه های تکاملی برای توسعه مسیر ساختاری که در ابتدا فرض شده استفاده کرده ایم: مرحله 4- اصلاح مدل و بحث و گفتگو: پس از تصدیق مرحله قبل، مدل ساختاری بهینه شده با داده های تجربی برازیده می شوند. در انتها، تأثیرات PM TTS بر روی عملکرد پروژه تحلیل و بررسی می شود.
پیش نمایش مقاله
پیش نمایش مقاله بهینه سازی تکاملی جستجوی مشخصه های مدل بین دانش مدیریت و عملکرد مهندسی ساخت

چکیده انگلیسی

Many studies have attempted to specify alternative model configurations as fitting empirical data with the aid of structural equation modeling (SEM) method. However, significant path searching between constructs has increased in difficulty and complexity. One way to enhance modeling efficiency is evolutionary optimization by genetic algorithm (GA). This study applies the project management (PM) knowledge possessed by construction personnel and uses techniques, tools, and skills (TTS) to explore the causal relationship between TTS usage and construction engineering project performance (PP). A questionnaire survey is used to empirically measure the effectiveness of PM TTS on PP. The research framework is first defined by hypotheses supported by the literature. The GA is then applied to the model fitting process to optimize the structural paths. Analytical results show that evolutionary optimization for singular and multiple goodness of fit effectively searches the SEM specifications. By using GA in SEM procedure, researchers can perform automated specification searches to find the best empirical model fit to the data.

مقدمه انگلیسی

In the behavioral social science domain, numerous hypothetical constructs cannot be measured or known by observation alone. For instance, quality, communication, risk, satisfaction, and success are intangible characteristics or abstract constructs. These constructs can only be observed indirectly by measuring indicators that reflect the characteristics of the constructs. Thus, structural equation modeling (SEM) was created to evaluate and analyze causal relationships between latent constructs and measurable indicators. The SEM technique, which originates from confirmatory factor analysis and structural path analysis, was initially proposed by Joreskog (1973) and is now a widely used research tool in psychology (Anderson, Babin, Black, & Hair, 2010), social sciences (Fitch, 2007), health sciences (Gonzalez-de la Parra, Namur, & Rodriguez-Loaiza, 2006), and management (Chinda and Mohamed, 2008 and Hsu and Sabherwal, 2011). However, the use of SEM to analyze the path between different constructs must consider both direct and indirect effects. Thus, the difficulty of the search for specific structures increases as the number of path alternatives in the hypothetical research model increases. Traditionally, model specifications are searched manually, which is time-consuming and inefficient. Automating the search process facilitates management of this chaotic procedure. For the above reasons, this study applied genetic algorithm (GA), an adaptive heuristic search procedure for processing large-scale optimization problems. Model specifications are optimized in a case study of causal linkages between project management (PM), techniques/tools/skills (TTS), PM knowledge and construction engineering project performance (PP). Additionally, although the PM approach includes the fundamental practices needed for success in the construction industry, it does not consider the effectiveness of PM TTS that are considered useful to practitioners in terms of project performance. This study fills this gap in the literature. The four research stages were research assumptions, questionnaire design and analysis, structure optimization, model modification and discussion. Detailed descriptions are as follows: Step 1 – Research assumptions: set research objectives and explore the relationship between PM TTS, PM knowledge, and PP through a literature review followed by construction of the research structure model. Step 2 – Questionnaire design and analysis: distribute design questionnaires to interviewees. After retrieving questionnaires, perform statistical analyses, including descriptive statistical analysis, reliability analysis, validity analysis, confirmatory analysis, path analysis and normality testing. Step 3 – Optimize the overall structural model: use GA-SEM to determine the optimal structure specifications. This study applies GA to improve the initially assumed structural path by executing evolutionary procedures. Step 4 – Model modification and discussion: after completing verification in the previous step, modify the optimized structure model to fit the empirical data. Finally, the effects of PM TTS on project performance are analyzed and discussed.

نتیجه گیری انگلیسی

This study integrates evolutionary genetic algorithm with structural equation modeling (SEM) to perform model specification search optimization. Previous studies used time-consuming manual search methods to explore the model structure. The research method proposed in this study is based on adaptive heuristic search procedures, which can process large-scale optimization problems. Using automated procedures and algorithms facilitates the search for the optimal structure path. Surprisingly, the analytical results of the demonstrated model show that not all the project management body of knowledge (PMBOK) techniques/tools/skills (TTS) have significant stacking effect on construction engineering project performance (PP) but it does have mutual inter-correlations between some PMBOK. For PP, only project communications management (PCoM) and project procurement management (PPM) have direct and statistically significant impacts according to the analytical results. Confirmatory analysis in the final model showed that, PCoM can be assessed empirically and effectively by “stakeholder analysis”, “communication requirements” and “communication methods”. Likewise, PPM can be accessed by “bidder conference” and “procurement negotiations”. Thus, project managers attempting to improve PP should use these TTS preferably if available resources are limited. This study makes two contributions to the domain knowledge. For researchers using SEM, the methods proposed in this paper enable efficient determination of structural model paths. For the construction industry, the findings of this investigation enable experts to improve PP, increase company owner satisfaction, and facilitate effective use of management resources under limited capital, time, and other relevant resources by industry workers, all of which enhance the efficiency of resource use. For future directions, periodical surveys are suggested for monitoring social and technological changes in management techniques, tools, and skills. Similarly, future work can adopt the proposed systematic approach in cross country comparisons or in engineering applications. A further structural model linking client satisfaction and project success as consequences is another intriguing research theme in construction engineering management.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.