برآورد فاصله ای زمان تکمیل پروژه بر اساس رویکرد شبیه سازی
محورهای موضوعی : مدیریت بازرگانیامین زینال زاده 1 , جعفر حسینی دولاما 2 , مجید باقر زاده خواجه 3
1 - کارشناس ارشد مهندسی صنایع
2 - دانشجوی کارشناسی مهندسی صنایع
3 - عضو هیأت علمی،گروه مدیریت،واحد تبریز، دانشگاه آزاد اسلامی،تبریز،ایران
کلید واژه: شبیه سازی, رویکرد شبیه سازی پیشامد گسسته, برنامه ریزی پروژه,
چکیده مقاله :
هدف مقاله حاضر کاربرد رویکردی برای محاسبه زمان تکمیل مسیرهای شبکه پروژه با فعالیتهای معین می باشد که بر اساس آن می توان زمان تکمیل پروژه را برآورد کرد. در روش مسیر بحرانی (CPM) زمان فعالیت ها قطعی در نظر گرفته می شود. با توجه به اینکه پیش بینی پیشامدهای آینده به شکل قطعی امکان پذیر نمی باشد روش بازنگری و ارزیابی پروژه (PERT) ابداع شده است که زمان فعالیت ها را احتمالی در نظر می گیرد. در این روش بزرگی واریانس زمان مسیرها می تواند دقت محاسبات را تحت تاثیر قرار دهد که تکنیک شبیه سازی روش مناسبی در این حالت می باشد. در مقاله حاضر یک شبکه برداری نمونه انتخاب می شود و توزیع زمان هر فعالیت با نرم افزار Input Analyzer بر اساس یک سری داده برآورد می شود. برای ارزیابی زیبندگی توزیع از سه معیار میانگین خطا، آزمون کای-دوم و کولموگروف- اسمیرنوف (K-S) استفاده می شود. در مرحله بعدی مدل کامپیوتری شبکه در نرم افزار Arena 7.0 ساخته می شود. مدل به تعداد 120 بار شبیه سازی می شود و بر اساس آن حداقل تعداد نمونه مورد نیاز برای محاسبه فاصله اطمینان 95% تعیین می شود. در نهایت یک فاصله اطمینان برای زمان هر مسیر شبکه پروژه محاسبه می شود و برآوردی برای زمان تکمیل پروژه به دست می آید.
This paper aims to utilize an approach for computing time completion of project network paths with determined activities that can be used to estimate the time completion of a project. Activity durations are considered to be deterministic in critical path method (CPM). Since it is impossible to predict future events in a deterministic manner, project evaluation and review technique (PERT) is introduced which studies project with probabilistic activity durations. In this technique, large variance of path durations can influence the calculation accuracy, in which case the simulation technique is an appropriate method. In this paper, a sample arrow network is chosen, and a time distribution is fitted for each activity with Input Analyzer Software using some historical data. Mean square error, chi-square and Kolmogorov-Smirnov (K-S) tests are used as three measures to evaluate the goodness-of-fit. In the next stage, a computer model is built for the network in Arena 7.0 software. This model is run 120 times and based on these replications, the minimum required sample size for (1-α) Í100% confidence interval is specified. Finally, a confidence interval is computed for duration of each network path and based on this; the time completion of project is estimated.
Banks, Jerry (1999), Discrete Event Simulation, initially published in the Proceedings of the Winter Simulation Conference, pp. 7-13.
Hajj Shir Mohammadi, A. (1999). Project Management and Control. Isfahan: Industrial University, (In Persian).
Kelton, W. David, Randall P. Sadowski & Deborah A. Sadowski (2001), Simulation with Arena, McGraw-Hill; second edition.
Law, Averill M. & W. David, Kelton (1994), Simulation, Modeling and Analysis, McGraw-Hill Science/Engineering/Math; 3 edition.
Lee, Sang Hyun, Feniosky, Pen˜a-Mora & Moonseo Park (2006), “Dynamic planning and control methodology for strategic and operational construction project management”, Automation in Construction 15, pp. 84 – 97.
Liyanage, K.N.H.P. (2005), Methodologies for Data Collection and Model Documentation in Computer Simulation, Proceedings of the International Conference on Computer and Industrial Management, ICIM, Bangkok, Thailand, pp. 4-1 – 4-6.
Martinez, Julio C. & Photios G. Ioannou (1997), “State-Based Probabilistic Scheduling Using STROBOSCOPE’s CPM Add-On”, Proceedings, Construction Congress V, pp. 438-445.
Raymond, H. Myers & Ronald E. Walpole (1978), Probability and Statistics for Engineering and Scientists, Macmilian Publishing Co; Inc; second eition.
Robinson, S (2005), Discrete-event simulation: from the pioneers to the present, what next?, Journal of the Operational Research Society 56, pp. 619–629.
Sargent, Robert G. (2009), Verification and Validation of Simulation Models, Proceedings of the Winter Simulation Conference, pp. 162-176.
Suri, P.K. & Bhushan, Bharat (2008), Simulator for Optimization of Software Project Cost and Schedule, Journal of Computer Science 4 (12), pp. 1030-1035.
Suri, P.K., Bhushan, Bharat & Ashish, Jolly (2009), Time Estimation for Project Management Life Cycle: A Simulation Approach, International Journal of Computer Science and Network Security, VOL.9 No.5, pp. 211-215.
Tavares, L.V. (2002), A review of the contribution of Operational Research to Project Management, European Journal of Operational Research 136, pp. 1-18.
_||_
Banks, Jerry (1999), Discrete Event Simulation, initially published in the Proceedings of the Winter Simulation Conference, pp. 7-13.
Hajj Shir Mohammadi, A. (1999). Project Management and Control. Isfahan: Industrial University, (In Persian).
Kelton, W. David, Randall P. Sadowski & Deborah A. Sadowski (2001), Simulation with Arena, McGraw-Hill; second edition.
Law, Averill M. & W. David, Kelton (1994), Simulation, Modeling and Analysis, McGraw-Hill Science/Engineering/Math; 3 edition.
Lee, Sang Hyun, Feniosky, Pen˜a-Mora & Moonseo Park (2006), “Dynamic planning and control methodology for strategic and operational construction project management”, Automation in Construction 15, pp. 84 – 97.
Liyanage, K.N.H.P. (2005), Methodologies for Data Collection and Model Documentation in Computer Simulation, Proceedings of the International Conference on Computer and Industrial Management, ICIM, Bangkok, Thailand, pp. 4-1 – 4-6.
Martinez, Julio C. & Photios G. Ioannou (1997), “State-Based Probabilistic Scheduling Using STROBOSCOPE’s CPM Add-On”, Proceedings, Construction Congress V, pp. 438-445.
Raymond, H. Myers & Ronald E. Walpole (1978), Probability and Statistics for Engineering and Scientists, Macmilian Publishing Co; Inc; second eition.
Robinson, S (2005), Discrete-event simulation: from the pioneers to the present, what next?, Journal of the Operational Research Society 56, pp. 619–629.
Sargent, Robert G. (2009), Verification and Validation of Simulation Models, Proceedings of the Winter Simulation Conference, pp. 162-176.
Suri, P.K. & Bhushan, Bharat (2008), Simulator for Optimization of Software Project Cost and Schedule, Journal of Computer Science 4 (12), pp. 1030-1035.
Suri, P.K., Bhushan, Bharat & Ashish, Jolly (2009), Time Estimation for Project Management Life Cycle: A Simulation Approach, International Journal of Computer Science and Network Security, VOL.9 No.5, pp. 211-215.
Tavares, L.V. (2002), A review of the contribution of Operational Research to Project Management, European Journal of Operational Research 136, pp. 1-18.