مدل تصمیم گیری چند معیارۀ جدید برای بهینه سازی مشکلات رابطۀ جایگزینی کیفیت، زمان، هزینه در پروژه های ساختمانی

مرحله برنامه ریزی هر پروژه ساخت و ساز که با معیارهای چندگانه و گاهی اوقات متضاد گرفتار شده باید به طور همزمان بهینه شود. روش تصمیم گیری چند معیاره (MCDM) می تواند به تصمیم گیرندگان در انتخاب مناسب ترین راه حل در میان راه حل های بهینه پارتو بالقوه متعدد کمک کند. یک رویکرد استدلال مستدل (ER) برای اولین بار در زمینه زمانبندی پروژه برای شناسایی بهترین راه حل پارتو برای مشکلات رابطۀ جایگزینی، زمان، هزینه، کیفیت گسسته (DTCQTPs) استفاده شد. یک چارچوب جامع برای ترکیب روش MCDM نزدیک با تکنیک های بهینه سازی چند هدفه نیز مطرح شد. برای شناسایی تمام راه حل های بهینه جهانی پارتو، الگوریتم ژنتیک چند هدفه (MOGA) با ترکیب روش NSGA-II توسعه داده و در مطالعه موردی پروژه راهسازی تست شد. روش آنتروپی شانون برای تعیین وزن نسبی اهداف با توجه به کمک های خود برای عدم اطمینان از نتایج به دست آمده خدمت کرده است. مطالعه موردی معیار DTCQTP با استفاده از روش پیشنهادی حل، و راه حل بهینه پارتو حاصل شد و پس از آن با استفاده از روش ER رتبه بندی شد. با بررسی عملکرد هر یک از برنامه ریزی جایگزین بر اساس معیارهای چندگانه (به عنوان مثال، زمان، هزینه و کیفیت)، روش پیشنهادی در افزایش کارآمدی برنامه ریزی پروژه ساخت و ساز مؤثر اثبات شد.

پروژه های ساختمانی غالبا توسط شرایطی پیچیده می شود که در آن تصمیم گیرندگان نیاز به محدود کردن گزینه های بالقوه و تصمیم گیری در یک راه حل بهینه را دارند، که نشان دهنده یک مصالحه بین اهداف مختلف می باشد که اغلب می تواند متضاد باشند. تکنیک های بهینه سازی چند هدفه، یک رویکرد مناسب و در دسترس است که برای بهینه سازی به طور همزمان و قوی از اهداف متضاد و اغلب غیر تناسب پذیر اجازه می دهد. در عمل واقعی، آن مصلحت نیست که به تصمیم¬گیری برسد که تنها در یک معیار واحد در طول فرآیند تصمیم گیری مبتنی برآورد شود. این ضرورت استفاده از روش ارزیابی معیار برای رسیدن به یک راه حل نشان می دهد که همه انتظارات تصمیم گیرندگان (DMS) با درجه قابل قبولی رضایت برآورده می شود. تصمیمات اتخاذ شده در طول مرحلۀ طراحی مفهومی پروژه های مهندسی ساخت و ساز نقش موثری را در هزینه های کلی و عملکرد یک پروژه ایفا می کند، و به نوبه خود این می تواند به صرفه جویی قابل توجهی منجر شود اگر بهینه سازی چند هدفه اجرا شود. در هر پروژه ساخت و ساز، یکی از چالش های اصلی، برنامه ریزی اجرای آن است. مشکلات برنامه ریزی پروژه (PSPS) بنابراین بخش مهمی از موفقیت کلی یک پروژه، به ویژه از نظر مدیریت منابع سازمانی هستند. بسیاری از مطالعات تحقیقاتی عملیاتی بر PSP تمرکز می کند و آرایش شدیدی از تکنیک های بهینه سازی در تلاش برای حل مشکلات مذکور به کار گرفته شده است. کیفیت، هزینه، زمان مجزا، و مشکل رابطۀ جایگزینی (DTCQTPs) شاخه ای از PSPs است که فعالیت های شبکه پروژه در اشکال شبکه اعلام می شود. درحالیکه توسط روابط برای فعالیتهای جانشین/ پیشتاز محدود می شود، هر فعالیت فردی در شبکه پروژه دارای حالت های مختلف اجرایی است. ارتباط بین زمان، هزینه و کیفیت برای هر حالت اجرایی فعالیت از طریق تعریف جزء به جزء بیان می شود. با استفاده از الگوریتم حل دقیق مانند برنامه ریزی خطی، برنامه ریزی عدد صحیح، و دیگران برای حل شبکه برنامه ریزی پروژه های پیچیده در DTCQTPs است، هر دو از نظر محاسباتی پر هزینه و وقت گیر است. به دلیل اینکه الگوریتم های دقیق نیاز به مدل سازی بسیار کامل با برابری و نابرابری محدودیت های مختلف،DTCQTPs به عنوان مشکلاتNP-hard شناخته شده است. سه دسته اصلی از روش حل DTCQTPs می تواند شناسایی شود: (الف) الگوریتم دقیق، به عنوان مثال، برنامه ریزی خطی، برنامه ریزی عدد صحیح، برنامه نویسی پویا و شاخه ها و الگوریتم های محدود، و غیره ب) الگوریتم ابتکاری ج) الگوریتم های فرا-ابتکاری. تعداد زیادی از تکنیک های بهینه سازی چند هدفه استفاده شده است تا DTCQTPs را حل کند، و راه حل های بهینه منتجه پارتو آنها تولید شده، رسم، و به طور گسترده گزارش شده است. با اینحال هیچ تلاشی انجام نشده است تا به تصمیم گیرندگان در انتخاب یک راه حل کمک کند که اهداف را در یک درجه قابل قبول ارضا می کند. با توجه به ماهیت میان رشته ای مشکلات برنامه ریزی که با معیارهای مختلف متعدد غیر تناسب پذیر در هم پیچیده، تعیین می کند که راه حل بهترین انتخاب تا اجرا شود می تواند یک کار دشوار باشد. روش های تصمیم گیری معیارهای چندگانه (MCDM) ارائه می دهد. معنای کارآمد برای حمایت از انتخاب بهینه پارتو ترجیح داده شده در این مطالعه، یک رویکرد MCDM با روش های بهینه سازی چند هدفه ادغام شد تا با قدرت در روش های بهینه سازی جهت پیدا کردن راه حل های بهینه پارتو سرمایه گذاری کند، و توانایی تکنیک MCDM آنها را رتبه بندی می کند. هدف از روش MCDM کمک کردن به DMs به منظور تسهیل فرآیند سازماندهی و سنتز اطلاعات مورد نیاز در یک ارزیابی است، به طوری که DMs برآورده می شود و از تصمیمگیری اشان مطمئن هستند (لوکن 2007). در حالی که آنها از نظر نظری پس زمینه، فرمول، پرسش ها، و انواع ورودی و/ یا خروجی متفاوت هستند (هابز و مایر، 1994)، روش MCDM می تواند به سه دسته اصلی (بلتون و استوارت، 2002) طبقه بندی شود: الف) روش های اندازه گیری ارزش؛ ب) هدف، آرمان، و روش سطح مرجع؛ و (ج) روش فرارتبه ای. در روش اندازه گیری ارزش، به هر گزینه یک مقدار عددی داده می شود که رتبه راه حل در مقایسه با دیگران را نشان می دهد. سپس، در رابطۀ جایگزینی بین معیارهای چندگانه، معیارهای مختلف با توجه به معیارهای- پذیرفته DM ارزیابی می شوند. نظریه چند شاخصه های سودمند (MAUT)، توسط کینی و رایفا (1976)و فرآیند تحلیل سلسله مراتبی (AHP)، توسط ساتی (1980) ارائه شده، نمونه هایی از این دسته هستند. روش های تکراری دیگر که بر راه حل های نزدیک به یک هدف تعیین شده یا سطح مکش به دسته دوم کاهش می یابد، تاکید می کنند. این خدمات عبارتند از روش برای عملکرد سفارش با شباهت به راه حل ایده آل (TOPSIS) و استدلال مستدل (ER). به طور کلی، روش های مذکور بر روی فیلتر که نامناسب ترین گزینه در مرحله اول از فرایند ارزیابی چند معیاره متمرکز می شود. در روش فرارتبه، گزینه ها با توجه به مقایسه دو به دو رتبه بندی می شوند، و اگر شواهد کافی برای قضاوت وجود داشت که گزینه ها برای گزینهB ارجحتر است، سپس آن گفته می شد که گزینه a برتر از گزینه b است. ب (الکتر (روی، 1991) و پرومته (برنز، وینکل و مارشل 1986) بر اساس این روش رتبه بندی است. ER یک رویکرد توسعه یافته MCDM در دهه 1990 است، که غفلت یا ارزیابی ناقص را به عنوان انواع عدم قطعیت احتمالی، ابهام، و کیفی / صفات کمی در یک چارچوب واحد و یکپارچه را کنترل می کند. روش ER از ساختار باور، ماتریس باور، و یک روش درجه بندی قانون / مبتنی بر ابزار برای جمع آوری اطلاعات استفاده می کند. مزیت اصلی این روش این است. که انواع مختلفی از داده ها می تواند به طور مداوم در یک روش یکپارچه (یانگ، وانگ، خو، و چانه، 2006) مدل شده است. بر خلاف بسیاری از روش های MCDM معمولی، تجمع اطلاعات از انواع مختلف از ویژگی های مبتنی بر یک چارچوب ارزیابی توزیع و قوانین ترکیب شواهد برگرفته از نظریه-شافر -دمپستراز شواهد می باشد (شافر، 1976)، یانگ و ژو (2002) ویندوز ™ مبتنی بر کاربر پسند محیط گرافیکی سیستم تصمیم گیری هوشمند (IDS) طراحی می¬کند، که شامل روش ER، و قادر به مدل سازی، تجزیه و تحلیل، و گزارش نتایج در یک رابط کاربری انعطاف پذیر می باشد. بنابراین در این مطالعه، روش ER به ارائه معنای کارآمد از رتبه بندی راه حل پارتو و تعیین راه حل کاربردی اقتباس شده است. از آنجا که هر روش در انواع مختلف ورودی بیان می شود و خروجی به همان اندازه مختلف تولید می شود، هیچ روش مستقیمی نمی تواند مقایسه معتبر از برتری نسبی روش MCDM ارائه دهد. به هر حال، مناسب ترین رویکرد این است که، در حالی که با رابط کاربر پسند ارائه شده، و مهم تر از همه، بهترین DMS را ارضا می کند، ارائه آنها اعتماد به نفس کافی برای انتقال تصمیم گیری های خود را اعمال (لوکن، 2007) می کند. گزارش مطالعه های متعدد عدم شباهت اساسی بین روش های مختلف MCDM را برشمرده اند، و کاربرد های فردی خود را مورد بررسی قرار داده اند (لوکن، 2007؛ ملا و همکاران، 2012؛ اپریکوویک و تزنگ، 2004). به طور کلی، بیشتر مطالعات مقایسه قدرت از روش های مختلف در گزینه های رتبه بندی اجتناب کرده اند، و مطالعات موردی خاص را با استفاده از روش MCDM مختلف بدون هر گونه اظهار نظر در مورد عملکرد روش های مختلف حل کرده اند. این به خاطر محدودیت های ناشی از مشکلات آزمون محدود؛ هیچ گونه قضاوت نیاز توجیه عقلانی برای چنین مقایسه معتبری ندارد (ملا و همکاران، 2012). کاربرد شیوه MCDM در تکنیک های بهینه سازی به دو حوزه عمومی (چادوری و دب، 2010) کاهش می یابد: (الف) استفاده از MCDM با مجموعه ای از راه حل های بهینه پارتو به دست آمده از بهینه سازی چند هدفه؛ یا (ب) ادغام MCDM به بهینه سازی چند هدفه به عنوان یک ابزار جستجو موازی قوی. کاربرد دوم، اجرا شده در زمینه سیستم های انرژی هیبریدی (HESs)، با استفاده از یک سیستم پشتیبانی تصمیم گیری مبتنی بر TOPSIS فازی برای تجزیه و تحلیل مقابل پارتو و یافتن بهترین راه حل. تاناکا، واتانابه، فروکاوا و تانینو ((1995 سیستم پشتیبانی تصمیم گیری مبتنی بر ژنتیک الگوریتم تعاملی را پیشنهاد می دهند تا بهینه سازی چند معیار در انتخاب بهترین بسیاری از راه حل پارتو با استفاده از یک شبکه تابع پایه شعاعی (RBFN) اجرا کند. هاپک، جاسکی ویس و استوین' اسکی (1998) یک نسخه گسسته از پرتو نور جستجو (LBS) به عنوان یک فرایند جستجوی تعاملی به دنبال بهترین برنامه ریزی پروژه در میان گزینه های اعمال می شود. در برنامه ریزی تحویل محصول LBS نیز به حداقل رساندن پراکندگی تخلیه و بارگیری در انبار گیرنده (گراجک، کیسین' اسکی، بین، سزاک & زمودا'، و ترزبایوتوسکی 2014 استفاده شده است. نوع دوم از نرم افزار به تازگی توجه محققان به دنبال توسعه یک رویکرد سیستماتیک برای کمک به DM در جستجوی مطلوب ترین راه حل در چارچوب تعاملی جلب شده است. روش بهینه سازی چند هدفه تعاملی، نیم باس، نیاز به DM برای طبقه بندی توابع هدف به 5 کلاس مختلف در پایان هر تکرار تا سطح مکش توسطDM (میتینن و ماکلا 1995)، برآورد شده است. کمالیان، تاکاگی و آگو گینو (2004)یک محاسبه تکاملی تعاملی (IEC) را با نرم افزار موجود سنتز تکاملی برای طراحی رسنترس میکرو ماشین ترکیب کردند، ارزیابی انسان از طرح های نهایی برای بررسی اثربخشی گزینه¬های طرح های مختلف به کارگرفتند. چادوری و دب (2010) پیشنهاد کردند تعاملی بهینه سازی چندهدفه و سیستم تصمیم گیری با استفاده از روش های تکاملی (I-MODE) برای شناسایی مناطق مورد نظر در مرز پارتو و بیشتر است. در این روش تعاملی، این مناطق مورد بررسی قرار گرفت تا سطح مطلوب از رضایت حاصل شود. با این حال، یک بررسی در پیشینه تحقیق نشان می دهد که هیچ تلاش تا به حال انجام نگرفته است تا از یک رویکرد ER به منظور کاهش حجم از راه حل های بهینه پارتو استفاده کند. تصمیم گیری در جنبه های مختلف مهندسی بسیار معمول است، و PSPS استثنا نیستند. در چند مطالعه که در روش های MCDM برای انتخاب بهترین راه حل پارتو در بررسی PSPS اجرا شده اند، تنها راه حل پارتو حاصل شده، رسم و گزارش شده است. این یکی از مسائلی است که نویسندگان با انگیزه این مقاله روش¬های MCDM را در حل DTCQTP با هدف کمک به DMs اجرا می کنند و بهترین برنامه ریزی پروژه برای پروژه های داده شده را انتخاب می کند. به غیر از این پژوهش، مانگل و همکاران (2013)، که در آن بهترین راه حل بر اساس یک روش خوشه بندی فازی انتخاب شد، هیچ مطالعه دیگری یک چارچوب جامع برای ادغام روش MCDM با تکنیک های بهینه سازی چند هدفه برای برنامه موثر تر پروژه ساخت و ساز پیشنهاد می کند. کمک های مقاله حاضر معروف شامل یک اسکلت مدل سازی پیشنهاد شده DTCQTP شامل یک الگوریتم ژنتیک چند هدفه (MOGA)، برای کنترل نظام ارزیابی چند معیاره، همراه با یک رویکرد ER برای رتبه بندی راه حل پارتو اصلاح شده است. در پیشبرد نشان دادن سازگاری و توانایی روش پیشنهادی، یک مطالعه موردی معیارDTCQTP حل شده است، و بهترین راه حل پارتو شناخته شده است. پیرو یک توصیف کلی روش با یک چارچوب دقیق، جزئیات مقاله حاضر از یک الگوریتم ژنتیک چند هدفه (MOGA) با روش NSGA-II در شکل گیری مجموعه پارتو در حل DTCQTP استفاده می کند. در آنجا از ارائه روش آنتروپی شانون در به دست آوردن وزن نرمال نسبی مرتبط هر هدف پیروی می کند. بعدا، روش استدلال مستدل (ER) در جزئیات شرح داده شده، و چارچوب برای ادغام شیوه های MCDM با تکنیک های بهینه سازی چند هدفه، نیز در این بخش ارائه شده است. مدلسازی و فرمولاسیون برای حل DTCQTP در بخش زیر ارائه شده است. به منظور نشان دادن بهره وری از روش ارائه شده، یک مطالعه موردی معیار حل شد و راه حل های جهانی پارتو شناخته شده است، مناسب ترین راه حل با توجه به انتظارات DMS، با استفاده از روش ER مشتق شده بود. در همان بخش، یک مقایسه از بهره وری از نتایج به دست آمده از طریق روش پیشنهادی و مواردی از مانگل و همکاران (2013) ساخته شده است. این مقایسه نشان داد که با استفاده از روش ER در یافتن راه حل بهینه بسیار موثر بود. نتیجه گیری و ایده هایی برای پیگیری تحقیقات آینده است.