ارزیابی معیارهای کلیدی مدیریت ریسک در اجرای پروژه های شبکه های توزیع گاز طبیعی با رویکرد سوارا فازی و بهترین – بدترین فازی
محورهای موضوعی : مدیریت صنعتی
عمار رستمی نجف آبادی
1
,
مهرداد نیکبخت
2
*
,
عاطفه امین دوست
3
,
مهدی کرباسیان
4
1 - گروه مهندسی صنایع، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران.
2 - مرکز تحقیقات فناوری های نوین ساخت و تولید، گروه مهندسی صنایع، واحد نجف¬آباد، دانشگاه آزاد اسلامی، نجف¬آباد، ایران
3 - مرکز تحقیقات فناوری های نوین ساخت و تولید، گروه مهندسی صنایع، واحد نجف¬آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
4 - گروه مهندسی صنایع، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
کلید واژه: پروژه, شبکه‌های توزیع گاز طبیعی, مدیریت ریسک, تکنیک سوارا فازی و تکنیک بهترین- بدترین فازی.,
چکیده مقاله :
با در نظر گرفتن شرایط رقابتی و جایگاه پروژه‌های گازی در توسعه کشور به‌عنوان یکی از منابع مهم انرژی و برتری‌های اقتصادی، انجام طرحها و پروژه‌های بزرگ در این صنعت، به‌منظور اجرای هدفمند، بهینه و اثربخش پروژه‌های شبکه‌های توزیع گاز امری ضروری محسوب می‌گردد. بنابراین با توجه به اهمیت اجرای این‌گونه پروژه‌ها و چالش‌های مطرح در این حوزه، مطالعه حاضر سعی دارد با مقایسه دو تکنیک تصمیم‌گیری چند معیاره فازی به ارزیابی معیارهای کلیدی مدیریت ریسک در اجرای پروژه‌های شبکه‌های توزیع گاز طبیعی بپردازد. بدین منظور با انتخاب تعداد 36 نفر خبره و متخصص در حوزه صنعت گاز طبیعی از پرسشنامه محقق ساخته، روش لاوشه و تکنیک‌های تصمیم‌گیری چند معیاره سوارا فازی (Fuzzy SWARA) و بهترین - بدترین فازی (FBWM) استفاده شده است. نتایج بدست آمده بیانگر این است که، از بین 32 معیار مدیریت ریسک، 17 معیار به‌عنوان معیارهای کلیدی مدیریت ریسک شناسایی گردید. براساس نتایج حاصل شده چنین استنباط می‌گردد که معیار عدم کفایت یا نقص اطلاعات فنی برای طراحی در تکنیک تصمیم‌گیری چند معیاره بهترین – بدترین فازی با وزن قطعی (22/0) با رتبه دوم در تکنیک تصمیم‌گیری چند معیاره سوارافازی فازی با وزن قطعی (82/0) هم‌خوانی دارد و از بیشترین اهمیت برخوردار است.
Gas distribution networks are considered essential. Therefore, considering the importance of the implementation of such projects and the challenges raised in this field, the present study tries to evaluate the key criteria of risk management in the implementation of network projects by comparing two fuzzy multi-indicator decision-making techniques. Pay for the distribution of natural gas. For this purpose, by selecting a number of 36 experts and experts in the field of natural gas industry, using a researcher-made questionnaire, Lawshe method and multi-indicator decision- making techniques based on fuzzy SWARA and fuzzy best- the worst method were used. The obtained results indicate that, out of 32 risk management criteria, 17 criteria were identified as key risk management criteria. Also, based on the results, it is concluded is consistent that the final and definitive weight of the criterion of inadequacy or lack of technical information for design in carrying out the fuzzy best- the worst method multi-indicator decision-making technique with the second rank of the final and definitive weight obtained in the fuzzy SWARA multi-indicator decision-making technique and has been evaluated with the highest importance and the final and definitive weight of the criterion of the inappropriate evaluation process and the selection of suppliers and contractors in two multi-indicator decision- making techniques has been evaluated with the least importance. They share meaning with each other.
Asgari, Mohammad Mehdi; Sadeghi Shahdani, Mehdi and Seifloo, Sajjad. (2015). Identifying and prioritizing the risks of Iran's upstream oil and gas projects using the risk structure format (RBS) and TOPSIS technique. Economic Policy and Research Quarterly, 24(78).
Bahrami, S and Rastegar, M. (2022). Security - based critical power distribution feeder identification: application of fuzzy BWM-VIKOR and SECA. International journal of electrical power and energy systems.
Balali, A; Valipour, A; Edwards, R and Moehler, R. (2021). Ranking effective risks on human resources threats in natural gas supply projects using ANP-COPRAS method: Case study of Shiraz. Reliability engineering and system safety.
Barkhordari Ahmadi, M; Jamali, E.(2017). Identifying Risks of Oil Industry Projects Based on PMBOK’s Standard, and Ranking Them by Using FAHP & Fuzzy TOPSIS Case study: Tehran Jonoob Technical and Construction Company, in the Site of Persian Gulf Star Oil Company. Roshd-e-Fanavari.13(50).
Celik, E and Gul, M. (2021). "Hazard identification, risk assessment and control for dam construction safety using an integrated BWM and MARCOS approach under interval type-2 fuzzy sets environment. Automation in construction.
Dos Santos, Sidney Pereira; Eugenio Leal, Jose and Oliveira, Fabri. (2011). Th development of a natural gas transportation logistics management system. Energy Policy 39.
Flanagan, R., Norman, G. (2000). Risk Management and Construction. Blackwell Publishing Ltd, Oxford.
Guo, S., Zhao, H., 2017. Fuzzy best-worst multi-criteria decision-making method and its applications. Knowledge-based systems.
Kraidi, L; Shah, R; Matipa, W and Borthwick, F. (2021). An investigation of mitigating the safety and security risks allied with oil and gas pipeline projects. Journal of pipeline science and engineering.
Lawshe, C.H. (1975). A quantitative approach to content validity. Phrsonnhl psychoi.ogy.
Masoomi, B; Ghasemian Sahebi, I; Fathi, M; Yildirim, F and Ghorbani, S. (2022). Strategic supplier selection for renewable energy supply chain under green capabilities (fuzzy BWM-WASPAS-COPRAS approach). Energy strategy reviews.
Masoumbeigi H, Sadat Rasoul M, Qanizadeh G. Risk Identification and Assessment in Hashtgerd Drinking Water Facilities by FMEA Method. J Mar Med 2022; 3 (4):218-228
Matbou, F and Maleki, A. (2022). Prioritizing strategic innovative energy technologies for development by a novel fuzzy approach based on distances from ideals (case study: Upstream technologies of Iran’s oil industry fields). Energy Rep.
Mirmohammadsadeghi, S., & Nabavianpour, M. (2019). Investigating the Risk of Garmsar Water Distribution Network through Binary and TOPSIS Methods Using GIS. Journal of Water and Sustainable Development, 6(1), 15-22. doi: 10.22067/jwsd.v6i1.73620.
Mohtashami, A. (2021). "A novel modified fuzzy best-worst multi-criteria decision-making method". Expert systems with applications.
Moradi, Afshar; Najafi Kani, Ibrahim and Parvini, Mehdi. (2016). Risk assessment of urban gas distribution network using hierarchical analysis in Sanandaj city. Bimonthly journal of work health of Iran, 14(4).
Mouli-Castillo, J; Haszeldine, S. R; Kinsella, K; Wheeldon, M and McIntosh, A. (2021). A quantitative risk assessment of a domestic property connected to a hydrogen distribution network. International journal of hydrogen energy.
Nasrollahi, M., & Asgharizadeh, E. (2019). Identification and Prioritization of Criteria affecting the Productivity of Production Factors in Broiler Industry Using Fuzzy Best-Worst Method: A Case Study of West Azerbaijan Province of Iran. Agricultural Economics and Development, 27(2), 237-261. doi: 10.30490/aead.2019.95476
Nasrollahi, M; Ramezani, J and Sadraei, M. (2020). "A FBWM-PROMETHEE approach for industrial robot selection". Heliyon.
Rezaei, J. (2015). Best-worst multi-criteria decision-making method. Omega.
Rezaei, J. (2016). Best-worst multi-criteria decision-making method: Some properties and a linear model. Omega.
Tehrani, R., Ebrahimi, S. N., & Misaghi Farouji, J. (2020). RISK MANAGEMENT OF IRAN UPSTREAM OIL AND GAS INVESTMENT CONTRACTS, GROUNDED THEORY METHOD (GTM) & TEFCEL APPROACH. Journal Of Researches Energy Law Studies, 6(2), 265-284. doi: 10.22059/jrels.2021.282338.285
Zhang, Y and Fan, Z.P. (2014). An optimization method for selecting project risk response strategies. Int. J. Proj. Manage. 32 (3), 412–422.