پیوندهای مفید
آمار
| تعداد نشریات | 7 |
| تعداد شماره‌ها | 399 |
| تعداد مقالات | 5,389 |
| تعداد مشاهده مقاله | 5,287,980 |
| تعداد دریافت فایل اصل مقاله | 4,882,723 |
تحلیل ریسک پروژه با استفاده از مدل احتمالاتی یکپارچه بتا-اس و تابع کوپولای چند پارامتری | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقاله 6، دوره 51، شماره 3، مرداد و شهریور 1398، صفحه 453-464 اصل مقاله (1.36 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2018.13596.5443 | ||
| نویسندگان | ||
| مهدی خیاطی؛ افشین فیروزی* | ||
| گروه مهندسی عمران، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران | ||
| چکیده | ||
| یکی از ویژگیهای هر پروژهای محدود بودن بودجه و زمان برای تکمیل اهداف آن است. با این حال پروژه ها با عدم قطعیت های زیادی مواجه هستند که نیل به این اهداف را با ریسک مواجه می کنند. روش مرسوم مدیریت ارزش کسب شده یکی از مهمترین روش های ارزیابی با هدف ارائه شاخص های عملکردی یکپارچه پروژه است که مبتنی بر استفاده از متغیرهایی با مقادیر تعینی بوده و دارای این محدودیت است که عدم قطعیت هزینه و زمان فعالیت های پروژه را نمی توان به طور صریح مدل سازی نمود. در این تحقیق به کمک شبیه سازی مونت کارلو، منحنی S پروژه در هر تکرار شبیه سازی ایجاد شده و سپس با برازش داده ها، مدل احتمالاتی بتا-اس توابع حاشیهای آن استخراج گردیده است. همچنین در یک رویکرد بدیع، کاربرد توابع کوپوال در استخراج بهترین تابع توزیع مشترک توابع حاشیهای این مدل احتمالاتی نشان داده شده است که می تواند در تحلیل های دقیق ریسک پروژه نظیر به روز رسانی بیزی به کار رود. ً محاسباتی که تمامی پارامترهای همبسته زمان، هزینه نهایی و حتی رفتار نتایج این روش به دلیل ارائه مدلی کامال احتمالاتی این توابع را چه در پایان پروژه و چه قبل از آن توضیح می دهد، نتایجی قابل اعتماد هستند. ماحصل این مدل چندمتغیره، تابعی است که قابلیت توضیح توام رفتار احتمالاتی کمیت های تصادفی و همبسته زمان و هزینه پروژه به همراه عدم قطعیت تجمیع شده آنها را در بر دارد. این مدل در به روزرسانی نیز کاربرد دارد. | ||
| کلیدواژه‌ها | ||
| تحلیل ریسک پروژه؛ ارزش کسب شده احتمالاتی؛ شبیه سازی مونت کارلو؛ مدل بتا-اس؛ تابع کوپولا | ||
| موضوعات | ||
| مدیریت پروژه؛ مدیریت ریسک | ||
| عنوان مقاله [English] | ||
| Project Risk Analysis Using an Integrated Probabilistic Beta-S Model and Multi-Parameter Copula Function | ||
| نویسندگان [English] | ||
| Mehdi Khayyati؛ Afshin Firouzi | ||
| Construction Engineering and Management, Science and Research Branch, Islamic Azad University, Tehran, Iran | ||
| چکیده [English] | ||
| One of the key attributes of any project is its time and cost constraints. Nowadays project-oriented organizations are looking for more advanced, accurate and efficient methods rather than traditional project management practices. Earned Value Management (EVM) is a well-accepted methodology to combine time, cost and scope of the projects reported in terms of Cost Performance Index (CPI) and Schedule Performance Index (SPI). However, a deterministic EVM cannot consider uncertainties of time and cost of activities of project and the correlation structure amongst them, which are inevitable and prevalent in any project. Therefore, an advanced probabilistic EVM is needed. A literature review reveals that there are only very limited studies in this area with different levels of complexity, maturity and limitations. In this study after defining the probability Number density functions, i.e., pdfs, of time and cost of every activity of project’s scheduled plan and their correlation structure, using Primavera Risk Analysis®, as a commercially available project risk analysis software, and Monte Carlo Simulation (MCS), in every iteration a time based cumulative cost of project, the socalled S-curve is created and normalized to be the inputs for curve fitting into a four parameter Beta-S function. Hence, for every iteration the corresponding values of these parameters can be calculated and the best performing marginal pdfs, be derived. In this paper in a novel approach, copula functions are employed to bind together these pdfs with a high level of efficiency and accuracy in terms of reliving the limitation of their belongingness to the same parametric group of marginal pdfs, e.g., multivariate Gaussian joint probability distribution. The proposed model collates all propagated uncertainties of the project activities in a single probabilistic closed form function. This copula function can be used in estimation of the performance indices of a probabilistic EVM and more importantly fed into a Bayesian updating scheme to estimate the project future performance more accurately. | ||
| کلیدواژه‌ها [English] | ||
| Project Risk Analysis, Probabilistic Earned Value Management, Beta-S Model, Monte Carlo simulation, Copula Function | ||
|
سایر فایل های مرتبط با مقاله
|
||
| مراجع | ||
|
[1] Project Management Body of Knowledge, Project Manage- ment Institute,PMI, 2013. [2]IPMA Competence Baseline Version 3.0, IPMA – Internation- al Project Management Association, 2006. [3] C. Chapman, W. Ward, Project Risk Management Processes Techniques and Insight, 2 ed., Wiley, NY USA, 2003. [4] M. Bagherpour, T. Motarji, Project Cost Management, 1 ed., Idehnegar, Tehran, Iran, 2013 (In Persian). [5] G.A. Barraza, E.W. Back, F. Mata, Probabilistic Forecasting of Project Performance Using Stochastic S Curves, Journal of Con- struction Engineering and Management, 130(1) (2004) 25-32. [6] S. Vandevoorde, M. Vanhoucke, A Comparison of Differ- ent Project Duration Forecasting Methods Using Earned Value Metrics, International Journal of Project Management, 24 (2006) 289-302. [7] Engineering [8] R.D.H. Warburton, D.F. Cioffi, Estimating a project's earned and final duration, International Journal of Project Management, 34(8) (2016) 1493-1504. [9] H.L. Chen, W.T. Chen, Y.L. Lin, Earned value project man- agement: Improving the predictive power of planned value, In- ternational Journal of Project Management, 34(1) (2016) 22-29. [10] T. Narbaev, A. DeMarco, An Earned Schedule-based regres- sion model to improve cost estimate at completion, International Journal of Project Management, 32(6) (2014) 1007-1018. [11] F. Caron, F. Ruggeri, A. Merli, A Bayesian Approach to Improve Estimate at Completion in Earned Value Management, Project Management Journal, 44(1) (2013) 3-16. [12] A. Alshibani, O. Moselhi, Stochastic Method for Forecast- ing Project Time and Cost, in: Construction Research Congress 2012, ASCE, West Lafayette USA, 2012, pp. 545-555. [13] B.C. Kim, Forecasting Project Progress and Early Warning of Project Overruns With Probabilistic Methods, Texas A&M University, TX,USA, 2007. [14] S.M. AbouRizk, D.W. Halpin, J.R. Wilson, Visual Interac- tive Fitting of Beta Distributions, Journal of Construction Engi- neering and Management, 117(4) (1991) 589-605. [15] O. Zwikael, S. Globerson, T. Raz, Evaluation of Models for Forecasting the Final Cost of a Project, Project Management Journal, 31(1) (2000) 53-57. [16] P. Brandimarte, Handbook in Monte Carlo Simulation Ap- plications in Financial Engineering Risk Management, WILEY, NY, USA, 2014. [17] Cost Risk and Uncertainty Analysis Handbook 1ed., US Air Force, MA USA, 2007. [18] Group of Authors, Risk Management in Projects (Code 659), Presidential Office-The deputy of Planning and Strategic Supervision Press, Tehran, Iran, 2008 (In Persian). [19] M. Zahraei, S. Khazaei, Statistics and Probability in Civil Engineering 1ed., University of Tehran Press, Tehran, Iran, 2008 Group of Authors, Risk Management in Projects (Code 659), Presidential Office-The deputy of Planning and Strategic Super- vision Press, Tehran, Iran, 2008 (In Persian). [20] A. Meucci, A Short Comprehensive Practical Guide to Cop- ulas, Risk Professional Journal, (2011) 22-27. [21] J. Gatz, Properties and Applications of the Student T Copula, University of Delft, Delft, Netherlands, 2007. [22] PMI, Practice Standard for Earned Value Management in, Project Management Institute, Inc., Pennsylvania, USA, 2011, pp. 7-27. [23] R. Elshaer, Impact of sensitivity information on the predic- tion of project's duration using earned schedule method, Inter- national Journal of Project Management, 31(4) (2013) 579-588. [24] J. Brynjarsdóttir, Y. Li, Introduction to Bayesian Statistics, in: U.o.N.C. SAMSI Statistical and Applied Mathematical Scence Institute (Ed.), SAMSI & NCSU, USA, 2012. | ||
|
آمار تعداد مشاهده مقاله: 1,117 تعداد دریافت فایل اصل مقاله: 1,327 |
||
