ارایه الگویی جهت رتبه بندی پیمانکاران پروژه‌های عمرانی به روش PROMETHEE (مطالعه موردی: شهرداری منطقه 2 تهران)

الموضوعات :

Alireza 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

تاريخ الإرسال : 20 الأحد , ربيع الثاني, 1439 تاريخ التأكيد : 20 الأحد , ربيع الثاني, 1439 تاريخ الإصدار : 19 الأحد , صفر, 1435

الکلمات المفتاحية: Ranking, رتبه بندی, پیمانکار, اعداد فازی مثلثی, روش PROMETHEE, روش توان افزایش بردار ویژه, Contractor triangular fuzzy numbers, PROMETHEE method, Eigenvector,

ملخص المقالة :

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.

المصادر:

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.