ارایه الگویی جهت رتبه بندی پیمانکاران پروژه‌های عمرانی به روش PROMETHEE (مطالعه موردی: شهرداری منطقه 2 تهران)
محورهای موضوعی : مدیریت صنعتیAlireza Rashidi Komeijani 1 , Mostafa Bayatloo 2
1 - Department of Management, Science and Research Branch, Islamic Azad University, Tehran, Iran
2 - Graduate Student, Department of Industrial Management, Faculty of Management, Science and Research Branch, Islamic Azad University, Tehran, Iran
کلید واژه: Ranking, رتبه بندی, پیمانکار, اعداد فازی مثلثی, روش PROMETHEE, روش توان افزایش بردار ویژه, Contractor triangular fuzzy numbers, PROMETHEE method, Eigenvector,
چکیده مقاله :
هدف از این تحقیق، اولویت بندی و تعیین اوزان شاخص‌های موثر در انتخاب پیمانکار و همچنین رتبه بندی و انتخاب پیمانکار مناسب بوسیله روش PROMETHEE می‌باشد. از آنجائیکه در حوزه شهرداری‌ها پروژه های زیادی جهت اجرا تصویب می شود و اجرای این پروژه‌ها به عهده پیمانکار می‌باشد، انتخاب پیمانکار مناسب برای هر پروژه نیاز به بررسی‌های دقیق و کارشناسانه‌ای دارد تا مدیریت را نسبت به هزینه‌ای که تحمل می‌کند از نظر اخذ تصمیم بهینه پشتیبانی نماید لذا در این تحقیق به منظور ارزیابی و رتبه بندی پیمانکاران ابتدا با مطالعه پیشینه تحقیق و با بکارگیری نظرات خبرگان، بیست و هشت شاخص در ارتباط با انتخاب پیمانکاران شناسایی گردید. با توجه به شاخص‌های بدست آمده پرسشنامه‌ای جهت شناسایی شاخص‌های موثر با نمونه‌ای متشکل از 35 نفر از کارشناسان و مدیران لیسانس و بالاتر در شهرداری منطقه دو شهرداری شهر تهران توزیع و جمع آوری گردید. در ادامه برای بدست آوردن شاخص‌های موثر از غربال سازی و برای محاسبه وزن شاخص‌ها از روش توان افزایشی بردار ویژه استفاده گردید و در آخر پیمانکاران بوسیله روش PROMETHEE رتبه بندی گردیدند.
The aim of this study is to determine the priorities and the weights of effective criteria in contractor selection as well as ranking and selection of a qualified contractor through PROMETHEE method. Since the municipalities ratify large projects for implementation, choosing a qualified contractor for each project requires careful and sophisticated analysis in order to support the management for optimum decision making. So, to evaluate and rank the contractors, first, we studied the relevant literature. Then, using expert's points of view through questionnaires, we have identified 28 criteria for contractor selection. According to abovementioned criteria, we have consulted 35 experts and managers (at least with BA degree) in the municipality of zone 2 of Tehran through questionnaires. Finally, using screening and obtaining effective criteria through eigenvector, we have calculated the weights of criteria and determined the ranking of contractors through PROMETHEE method.
1- Alvani. (1994). General management. Tehran: Morvarid.
2- Alzahrani, J., & Emsley, M. (2013). The impact of contractors’ attributes on construction project success: A post. International Journal of Project Management, 31 (2), 313-322.
3- Asgharizade, E. (2007). Comparison of weighted fuzzy entropy and parts makers determine the best deployment promethee SAIPA. International management conference.
4- Asgharizade, E; Nasrolahi, M. (2005). Company rankings based on the criteria of excellence model - PROMETHEE method. Journal of Daneshvar.
5- Asgharizade, Nasrolahi. (2006). Efficient tools ranking options: Comparison of AHP،BORDA،PROMETHEE. International management conference.
6- Asgharpour, M. (2009). Multiple Criteria Decision Making. Tehran: University of Tehran Press.
7- Brans, J., & Mareschal, B. (1986). How to select and how to rank projects: The PROMETHEE method. European Journal of Operational Research, 24, 228-238.
8- Brans, J., & Mareschal, B. (1994). The PROMCALC-GAIA decision support system for Multicriteria decision. Decision Support Systems, 12(4/5), 297-310.
9- Brans, J., & Mareschal, B. (2002). Promethee-Gaia, une Methodologie d’Aide a` la De´cision en Pre´sence de Crite`res Multiples, E´ ditions Ellipses, Brussels.
10- Chou, T., & et al. (2004). Application of the PROMETHEE technique to determine depression outlet location and flow direction in DEM. Journal of Hydrology, 287, 49–61.
11- Darvish, M., Yasaei, M., & Saeedi, A. (2009). Application of the graph theory and matrix methods. International Journal of Project Management, 27 (6), 610-619.
12- De Leeneer, I., & Pastijn, H. (2002). Selecting land mine detection strategies by means of outranking MCDM techniques. European Journal of Operational Research, 139, 327–338.
13- Jafarnejad, A. (2006). Production and Operations Management new. Tehran: Tehran University.
14- Lam, k., & Yu, c. (2011). A multiple kernel learning-based decision support model for contractor pre-qualification. Automation in Construction, 20 (5), 531-536.
15- Momeni, M., & et al. (2011). MADM Models and Softwares. Frozesh.
16- Movahedian Attar, A., Khanzadi, M., Dabirian, S., & Kalhor, E. (2013). Forecasting contractor's deviation from the client objectives in. International Journal of Project Management, 31(6), 924-936.
17- Nassar, k., & Hosny, O. (2013). Fuzzy clustering validity for contractor performance evaluation: Application. Automation in Construction, 31, 158-168.
18- Parsaeian A. & et al., (2003). Management. Tehran: Cultural Research Officer.
19- Tosi et al., M. (1995). Principles of Management. Tehran: State Management Training Center.
_||_