ارائه یک مدل ترکیبی شبیه‎سازی ـ شبکه‎های بیز برای ارزیابی هزینه تکمیل پروژه در شرایط ریسک (مورد مطالعه: پروژه ساخت پالایشگاه فاز 13 میدان گازی پارس جنوبی)

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه تهران، تهران، ایران

2 استادیار، گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه تهران، تهران، ایران

چکیده

هدف: هدف این مقاله ارائه رویکردی نوین برای ارزیابی اثر تجمیعی ریسک­ها بر هزینه تکمیل پروژه است. این اثر تجمیعی، دربرگیرنده آثار اصلی ریسک­ها و همچنین تأثیرات برهم‎کنش نشئت‎گرفته از وابستگی­های بین آنهاست.
روش: در این مقاله، با ترکیب روش­های شبیه­سازی مونت­کارلو و شبکه­های بیزین، ساختاری برای ارزیابی اثر تجمیعی ریسک­ها بر هزینه تکمیل پروژه ارائه می­شود. ساختار فوق، با مد نظر قراردادن برهم‎کنش­های بین ریسک­ها، شاخصی برای ارزیابی برآیند تأثیر ریسک­ها ارائه می‎کند.
یافته‎ها: ارزیابی ریسک­ها به‎صورت مستقل، صرفاً به اولویت­بندی ریسک­ها منجر می‎شود و شاخصی را برای بیان کردن برآیند آثار ریسک­ها بر کل پروژه ارائه نمی­دهد. برای دست یافتن به تخمین نزدیک به واقع از زمان یا هزینه تکمیل پروژه، باید همزمان احتمالات، تأثیر ریسک­ها و همچنین وابستگی­های موجود بین آنها را مد نظر قرار داد.
نتیجه‎گیری: مدل ترکیبی پیشنهاد شده در این مقاله، علاوه بر ارائه ساختاری برای ارزیابی اثرگذاری مستقیم ریسک­ها بر فعالیت­ها یا بسته­های کاری پروژه، می‎تواند حساسیت هزینه تکمیل پروژه نسبت به هر یک از ریسک­ها را با مد نظر قرار دادن احتمالات، اثرها و وابستگی­های بین آنها، ارزیابی کند. بر اساس تحلیل حساسیت انجام گرفته در مورد مطالعاتی مسئله، ریسک­های «احتمال کمبود منابع»، «احتمال ناکارایی شرکت در تأمین مالی پروژه» و «احتمال طراحی ضعیف»، مهم­ترین ریسک­های مؤثر بر هزینه تکمیل پروژه ساخت یک پالایشگاه‎اند که در صورت وقوع، بیشترین تأثیر را در افزایش هزینه پروژه می‎گذارند.
 
 

کلیدواژه‌ها

عنوان مقاله [English]

Developing an Integrated Simulation Model of Bayesian-networks to Estimate the Completion Cost of a Project under Risk: Case Study on Phase 13 of South Pars Gas Field Development Projects

نویسندگان [English]

  • Ali Namazian 1
  • Siamak Haji Yakhchali 2
1 PhD. Candidate, Department of Industrial Engineering, College of Engineering, University of Tehran, Tehran, Iran
2 Assistant Prof., Department of Industrial Engineering, College of Engineering, University of Tehran, Tehran, Iran
چکیده [English]

Objective: The aim of this paper is to propose a new approach to assess the aggregated impact of risks on the completion cost of a construction project. Such an aggregated impact includes the main impacts of risks as well as the impacts of interactions caused by dependencies among them.
Methods: In this study, Monte Carlo simulation and Bayesian Networks methods are combined to present a framework to assess the aggregated impact of risks on a construction project’s completion cost.
Results: Project risk assessment, regardless of the interactions between them, leads to prioritization of risks and does not provide any indicator to assess the aggregated effect of risks on the entire project. Achieving a nearly accurate estimate of the project completion time or cost requires consideration of the probabilities and effects of the risks, as well as the interdependencies among them simultaneously.
Conclusion: The integrated model presented in this paper, in addition to providing a framework to evaluate the direct impact of risks on activities or work packages of a construction project, is able to assess the sensitivity of the project completion cost to the occurrence of the risks by considering the probabilities, effects and interdependencies.According to the results of the sensitivity analysis, the probabilities of “shortage of resources”, “inefficiency in project financing” and “poor design” are the main causes of delay in a gas refinery construction project.
 
 
 
 

کلیدواژه‌ها [English]

  • risk assessment
  • Aggregated risk
  • Bayesian networks
  • simulation
  • Construction project

مراجع

آتش‎سوز، علی؛ فیضی، کامران؛ کزازی، ابوالفضل؛ الفت، لعیا (1394). مدلی برای روابط ریسک‎های زنجیرة تأمین صنعت پتروشیمی در ایران. نشریه مدیریت صنعتی، 7(3)، 405- 424.
صیادی، احمدرضا؛ حیاتی، محمد؛ منجزی، مسعود (1390). مدیریت ریسک ساخت تونل با استفاده از تکنیک‎های MADM. نشریه مدیریت صنعتی، 3 (7)، 99- 116.
عالم تبریز، اکبر؛ خالدیان، فرنوش؛ مهدی‎پور، مصطفی (1395). پیش‎بینی زمان پروژه از طریق طول زمان کسب شده و مدیریت ریسک. نشریه مدیریت صنعتی، 8 (2)، 217- 240.
ولی‎پور خطیر، محمد؛ قاسم‎نیا عربی، نرجس (1395). مدل‎سازی سیستم استنتاج فازی برای ارزیابی ریسک‎های بالقوه در تجهیزات پزشکی. نشریه مدیریت صنعتی، 8 (4)، 533- 554. 
 
References
Alam Tabriz, A., Khaledian, F., & Mehdipour, M. (2016). Estimation of project time through earned time and risk management. Industrial Management Journal, 8(2), 217-240.
(in Persian)
Aminbakhsh, S., Gunduz, M., & Sonmez, R. (2013). Safety risk assessment using analytic hierarchy process (AHP) during planning and budgeting of construction projects. Journal of Safety Research, 46, 99-105.
Atashsouz, A., Feyzi, K., Kazazi, A., & Olfat, L. (2015). A model for relationships between risks in the supply chain of the petrochemical industry in Iran. Industrial Management Journal, 7(3), 405-424. (in Persian)
Chatterjee, K., Zavadskas, E., Tamošaitienė, J., Adhikary, K., & Kar, S. (2018). A Hybrid MCDM Technique for Risk Management in Construction Projects. Symmetry, 10(2).
Cheng, M., & Lu, Y. (2015). Developing a risk assessment method for complex pipe jacking construction projects. Automation in Construction, 58, 48-59.
Creemers, S., Demeulemeester, E., & Van‎ de Vonder, S. (2014). A new approach for quantitative risk analysis. Annals of Operations Research, 213(1), 27-65.
Dikmen, I., Birgonul, M. T., & Han, S. (2007). Using fuzzy risk assessment to rate cost overrun risk in international construction projects. International Journal of Project Management, 25(5), 494-505.
Gierczak, M. (2014). The quantitative risk assessment of MINI, MIDI and MAXI Horizontal Directional Drilling Projects applying Fuzzy Fault Tree Analysis. Tunnelling and Underground Space Technology, 43, 67-77.
Hu, Y., Zhang, X., Ngai, E. W. T., Cai, R., & Liu, M. (2013). Software project risk analysis using Bayesian networks with causality constraints. Decision Support Systems, 56, 439-449.
Hyun, K.C., Min, S., Choi, H., Park, J., & Lee, I.M. (2015). Risk analysis using fault-tree analysis (FTA) and analytic hierarchy process (AHP) applicable to shield TBM tunnels. Tunnelling and Underground Space Technology, 49, 121-129.
Jamshidi, A., Rahimi, S. A., Ait-kadi, D., Rebaiaia, M. L., & Ruiz, A. (2015, 25-27 May 2015). Risk assessment in ERP projects using an integrated method. Paper presented at the 2015 3rd International Conference on Control, Engineering & Information Technology (CEIT).
Joubert, F. J., Pretorius, L. U. (2017). Using Monte Carlo simulation to create a ranked check list of risks in a portfolio of railway construction projects. South African Journal of Industrial Engineering, 28, 133-148.
Khodakarami, V., & Abdi, A. (2014). Project cost risk analysis: A Bayesian networks approach for modeling dependencies between cost items. International Journal of Project Management, 32(7), 1233-1245.
Leu, S.S., & Chang, C.M. (2013). Bayesian-network-based safety risk assessment for steel construction projects. Accident Analysis & Prevention, 54, 122-133.
Liang, W., Hu, J., Zhang, L., Guo, C., & Lin, W. (2012). Assessing and classifying risk of pipeline third-party interference based on fault tree and SOM. Engineering Applications of Artificial Intelligence, 25(3), 594-608.
Liu, J., & Wei, Q. (2018). Risk evaluation of electric vehicle charging infrastructure public-private partnership projects in China using fuzzy TOPSIS. Journal of Cleaner Production, 189, 211-222.
Loizou, P., & French, N.  (2012). Risk and uncertainty in development: A critical evaluation of using the Monte Carlo simulation method as a decision tool in real estate development projects. Journal of Property Investment & Finance, 30(2), 198-210.
Luu, V. T., Kim, S.-Y., Tuan, N. V., & Ogunlana, S. O. (2009). Quantifying schedule risk in construction projects using Bayesian belief networks. International Journal of Project Management, 27(1), 39-50.
Rodríguez, A., Ortega, F., & Concepción, R. (2016). A method for the evaluation of risk in IT projects. Expert Systems with Applications, 45, 273-285.
Sayadi, A., Hayati, M., & Monjezi, M. (2011). Risk management of tunnel construction using MADM methods. Industrial Management Journal, 3(7), 99-116. (in Persian)
Valipour khatir, M., & Ghasemnia arabi, N. (2016). Fuzzy inference system modeling for assessing the potential risks in medical equipments. Industrial Management Journal, 8(4), 533-554. (in Persian)
Wang, L., Zhang, H.-y., Wang, J.-q., & Li, L. (2018). Picture fuzzy normalized projection-based VIKOR method for the risk evaluation of construction project. Applied Soft Computing, 64, 216-226.
Yang, C.C., Lin, W.T., Lin, M.Y., Huang, J.T. (2006). A study on applying FMEA to improving ERP introduction: An example of semiconductor related industries in Taiwan. International Journal of Quality & Reliability Management, 23(3), 298-322.
Zeng, J., An, M., & Smith, N. J. (2007). Application of a fuzzy based decision making methodology to construction project risk assessment. International Journal of Project Management, 25(6), 589-600.
Zeng, Y., & Skibniewski, M. J. (2013). Risk assessment for enterprise resource planning (ERP) system implementations: a fault tree analysis approach. Enterprise Information Systems, 7(3), 332-353.
 
مدیریت صنعتی
دوره 10، شماره 3
1397
صفحه 407-428

فایل ها

هم رسانی

ارجاع به این مقاله

آمار