انتخاب استراتژی های پاسخ به ریسک زیست محیطی پروژه های ساخت و ساز با استفاده از الگوریتم های فراابتکاری(مطالعه موردی: پروژه مجتمع ساختمانی صبا )

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دکتری مهندسی صنایع دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران. *(مسوول مکاتبات)

2 استادیار گروه مهندسی صنایع دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران

3 کارشناسی مهندسی عمران دانشگاه زنجان، زنجان، ایران.

4 دکتری مهندسی صنایع دانشکده فنی دانشگاه تهران ، تهران، ایران.

10.22034/jest.2019.14563

چکیده

زمینه و هدف: غالباً اجرای پروژه‌های بزرگ به گونه ای است که عدم اطمینان و ریسک جزء ویژگی‌های ذاتی آنها می‌باشد. این عدم اطمینان باعث عدم موفقیت چشم­گیر اغلب پروژه‌های کشور در رسیدن به اهداف از پیش تعیین شده می‏باشد. بیش­تر مطالعات پیشین به ارزیابی ریسک های زیست محیطی پرداخته اند به همین دلیل، در این مطالعه یک مساله در قالب یک مدل بهینه سازی برنامه­ریزی عدد­صحیح خطی برای انتخاب پاسخ‏های ریسک مناسب برای ریسک‏های پروژه با رویکرد زیست محیطی پیشنهاد می‌شود. عدم­شناسایی­دقیق ریسک های ساخت پروژه های ساخت و ساز علاوه بر افزایش زمان و هزینه نهایی پروژه ها،  خسارات اجتماعی، زیست محیطی و جانی در پی خواهد داشت. هدف پژوهش حل یک مدل ریاضی برای انتخاب استراتژی های پاسخ به ریسک های زیست محیطی و بهداشت شغلی  بر اساس استاندارد IS0 14001-OHSAS 18001 پروژه های ساخت و ساز است.
روش بررسی: تمامی ریسک های زیست محیطی پروژه شناسایی شده و با استفاده از یک مدل ریاضی و الگوریتم فرا ابتکاری NSGAII  یک روند حل برای به دست آوردن استراتژی مطلوب تر پاسخ به ریسک های زیست محیطی یک پروژه مجتمع ساختمانی با توجه به زمان، هزینه و کیفیت ارایه شده است.
 
یافته‌ها: نتایج نشان می دهد برای 10 ریسک مهم زیست محیطی شناسایی شده در پروژه با استفاده از روش FMEA و استاندارد ISO 31000 که مربوط به 8 فعالیت‏ مهم و بحرانی پروژه بر اساس ساختار شکست کار می باشد با استفاده از مدل ریاضی ارایه شده، استراتژی های مناسب پاسخ به ریسک ها به صورت بهینه انتخاب شدند و سیستم مدیریت ریسک در این پروژه به صورت مناسبی جاری سازی گردید.
بحث و نتیجه‌گیری: انتخاب استراتژی های مناسب پاسخ به ریسکها در پروژه های عمرانی یکی از دغدغه های ذی­نفعان پروژه می باشد. برای اولین بار از یک الگوریتم فرا ابتکاری برای انتخاب استراتژی های پاسخ به ریسک HSE پروژه های عمرانی استفاده شده است. در ­برج­صبا که مطالعه موردی این مقاله می باشد کل ریسک های اثر گذار در بحث زیست محیطی و بهداشت شغلی شناسایی شده و برای هر­کدام از ریسک ها استراتژی پاسخ به ریسک مناسب داده شده است.
 
 
 
 
 
 
 
 
 
 
 
 

کلیدواژه‌ها

موضوعات


 

 

 

 

 

علوم و تکنولوژی محیط زیست، دورهبیست و یک، شماره چهار، تیرماه 98

 

انتخاب استراتژی های پاسخ به ریسک زیست محیطی پروژه های ساخت و ساز با استفاده از الگوریتم های فراابتکاری(مطالعه موردی: پروژه مجتمع ساختمانی صبا )

 

اسماعیل چراغی [1]

echeraghi@ut.ac.ir

محمد خلیل زاده[2]

امیرپویا چراغی [3]

یاسر رحیمی [4]

تاریخ دریافت: 09/06/1396

تاریخ پذیرش:01/09/1396

 

چکیده

زمینه و هدف: غالباً اجرای پروژه‌های بزرگ به گونه ای است که عدم اطمینان و ریسک جزء ویژگی‌های ذاتی آنها می‌باشد. این عدم اطمینان باعث عدم موفقیت چشم­گیر اغلب پروژه‌های کشور در رسیدن به اهداف از پیش تعیین شده می‏باشد. بیش­تر مطالعات پیشین به ارزیابی ریسک های زیست محیطی پرداخته اند به همین دلیل، در این مطالعه یک مساله در قالب یک مدل بهینه سازی برنامه­ریزی عدد­صحیح خطی برای انتخاب پاسخ‏های ریسک مناسب برای ریسک‏های پروژه با رویکرد زیست محیطی پیشنهاد می‌شود. عدم­شناسایی­دقیق ریسک های ساخت پروژه های ساخت و ساز علاوه بر افزایش زمان و هزینه نهایی پروژه ها،  خسارات اجتماعی، زیست محیطی و جانی در پی خواهد داشت. هدف پژوهش حل یک مدل ریاضی برای انتخاب استراتژی های پاسخ به ریسک های زیست محیطی و بهداشت شغلی  بر اساس استاندارد IS0 14001-OHSAS 18001 پروژه های ساخت و ساز است.

روش بررسی: تمامی ریسک های زیست محیطی پروژه شناسایی شده و با استفاده از یک مدل ریاضی و الگوریتم فرا ابتکاری NSGAII  یک روند حل برای به دست آوردن استراتژی مطلوب تر پاسخ به ریسک های زیست محیطی یک پروژه مجتمع ساختمانی با توجه به زمان، هزینه و کیفیت ارایه شده است.

 

یافته‌ها: نتایج نشان می دهد برای 10 ریسک مهم زیست محیطی شناسایی شده در پروژه با استفاده از روش FMEA و استاندارد ISO 31000 که مربوط به 8 فعالیت‏ مهم و بحرانی پروژه بر اساس ساختار شکست کار می باشد با استفاده از مدل ریاضی ارایه شده، استراتژی های مناسب پاسخ به ریسک ها به صورت بهینه انتخاب شدند و سیستم مدیریت ریسک در این پروژه به صورت مناسبی جاری سازی گردید.

بحث و نتیجه‌گیری: انتخاب استراتژی های مناسب پاسخ به ریسکها در پروژه های عمرانی یکی از دغدغه های ذی­نفعان پروژه می باشد. برای اولین بار از یک الگوریتم فرا ابتکاری برای انتخاب استراتژی های پاسخ به ریسک HSE پروژه های عمرانی استفاده شده است. در ­برج­صبا که مطالعه موردی این مقاله می باشد کل ریسک های اثر گذار در بحث زیست محیطی و بهداشت شغلی شناسایی شده و برای هر­کدام از ریسک ها استراتژی پاسخ به ریسک مناسب داده شده است.

واژه­های کلیدی: مدیریت ریسک زیست محیطی ، شناسایی ریسک، پاسخ به ریسک، الگوریتم فرا ابتکاری.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

J. Env. Sci. Tech., Vol 21, No.4, June, 2019

 

 

 

 

 


Selection of the Strategies for Responding the Environmental Risks of Construction Projects by Metaheuristic Algorithms

(Case Study: Saba Construction Complex Project)

Esmail Cheraghi[5]*

echeraghi@ut.ac.ir

Mohammad Khalilzadeh[6]

Amir Pooya Cheraghi[7]

Yaser Rahimi [8]

Admission Date: November 22, 2017

Date Received: August 31, 2017

Abstract

Background and Objective: Usually uncertainty and risk are the inherent characteristics of implementing large projects. This uncertainty leads to a significant failure of most of the country's projects in achieving their predetermined goals. Most of the previous studies have addressed environmental risk assessment. in this study a problem is proposed in the form of a linear integer programming optimization model to select appropriate risk responses to project risk with an environmental approach. Failure in accurately identifying the risks of construction projects, in addition to increasing the time and cost of final projects, leads to social, environmental and human damages. The aim of this study is to present a mathematical model for selecting the strategies to respond the environmental and occupational health risks according to IS0 14001-OHSAS 18001 standard of construction projects.

Method: All environmental risks of the project are detected and a solution process is proposed using a mathematical model and NSGAII metaheuristic algorithm to obtain a more favorable strategy for responding the environmental risks of a building construction project with respect to time, cost and quality.

Findings: The results showed that the appropriate strategies for responding the risks were chosen optimally and the risk management system in this project was properly implemented by applying the proposed mathematical model to the 10 significant environmental risks in the project identified by the FMEA method and the ISO 31000 standard which is related to 8 important and critical activities of the project based on the failure structure.

Discussion and Conclusion: Selection of appropriate strategies for responding the risks of construction projects is one of the concerns of project stakeholders. For the first time, a metaheuristic algorithm was used to select the strategies for responding the HSE risk of construction projects. In Saba Tower, as a case study, all the risks affecting the environmental and occupational health debate were identified and appropriate risk response strategies were provided for each risk.

Keywords: Environmental risk management, Risk detection, Response to risk, Metaheuristic algorithm.

 

مقدمه

 

در طی سال‌های اخیر، تحقیقات گسترده‌ای در زمینه مدیریت ریسک پروژه‌های عمرانی انجام گرفته است. غالباً این نوع از پروژه‌ها در­برگیرنده تعداد زیادی ذی­نفع (مالک، پیمانکاران، طراحان فنی ، سرمایه گذار، بیمه‌گر و ...) می‌باشند که مدنظر قرار دادن منافع، اهداف و مطالبات آن ها در اتخاذ تصمیم‌ها یکی از موارد لازم برای اطمینان از موفقیت پروژه می‌باشد. بسیاری از پروژه‌ها که فرض می‌شود تحت­کنترل هستند، با ریسک به عنوان رخدادی شناخته‌نشده روبرو گردیده و کوشش می‌کنند آن را کنترل کنند. به طور خاص، کار مربوط به خاک و تخریب ها به عنوان تولید کننده های اصلی گرد و غبار شناخته می شود. در حالی که برخی از مدیران به خوبی از عواقب آلودگی گرد و غبار آگاهی دارند، دیگران عواقب آن را احساس نمی کنند و درک می کنند که در بهترین حالت مزاحمت است (۱).  اکثر پروژه‌ها چنین رخدادهایی را به خوبی از سر رد می‌کنند ولی با یک تلاش جامع مدیریت ریسک، رویدادهای ریسک قبل از وقوع، شناسایی و کنترل می‌گردند و یا برنامه‌ای تهیه می‌شود که در زمان وقوع این رویدادها با آن­ها مقابله کند (۲). پروژه های عمرانی همواره در معرض ریسک های مختلفی هستند که این ریسک­ها در صورت عدم مدیریت صحیح می توانند باعث کاهش عملکرد و حتی شکست پروژه شوند. بنابراین، به منظور حصول عملکرد مطلوب در پروژه های ساخت و ساز، بکارگیری دانش مدیریت ریسک ضروری است (۳).

شناسایی ریسک اولین مرحله روند مدیریت ریسک است که در آن خطرات بالقوه شناسایی می شوند. کنترل ریسک نیز به عنوان یک روند بسیار مهم به منظور دست­یابی به اهداف پروژه در ضوابط زمان، هزینه، کیفیت و ایمنی مشخص شده است. زمانی که ریسک های یک پروژه شناسایی و تحلیل می شوند، راهبردهای مناسب پاسخ به ریسک باید اتخاذ شوند. مهندسی ریسک، گامی در جهت علمی تر شدن و اثر بخشی و کارایی بیش­تر مدیریت پروژه می باشد. ویژگی هایی چون منحصر به فرد بودن پروژه،  قابلیت اعتماد نسبی در فرضیات، و الزامات پروژه، همچنین عدم قطعیت در طراحی، تامین و تدارک تجهیزات پروژه، مراحل اجرا و نصب اسکلت و ساخت ، روابط بین اعضاء و اهداف پروژه و نیز انتظار بوجود آمدن هدف مورد نظر در انتهای فرآیند پروژه، منشا بروز ریسک در پروژه قلمداد می گردند و به همین علت نیاز به برنامه ریزی استراتژی مدیریتی جهت بررسی ریسک­های پروژه اجتناب ناپذیر می باشد (4،5). هدف مدیریت ریسک این است که خود به عنوان عامل تغییر عمل نموده، موقعیت مبهم فعلی را اداره کرده و روشی کنترل شده و مدیریت پذیر را برای این مسأله در اختیار تیم مدیریت بگذارد. در پروژه ها، این مدیریت باید از سوی تمامی نهاد های حاضر (کارفرما، مشاور و پیمانکار) اعمال شود (6،7).

در محیط پرتلاطم و سرشار از تغییرات سریع جهان امروز که سرشار از عدم قطعیت ها و ریسک ها است، شرط بقا و موفقیت، آگاهی و شناخت محیط و تصمیم­گیری صحیح و سریع است. در صورت عدم شناسایی عوامل ریسک زای درونی و بیرونی در پروژه ، خطای تصمیم گیری های مدیریتی و برآوردهای زمان و هزینه افزایش می یابد. با استفاده از مدیریت­ریسک می­توان عوامل ریسک زا را شناسایی کرد و با تجزیه و تحلیل و انتخاب راهبردهای مناسب آن ها را کنترل و یا از بین برد. مدیریت­ریسک مجموعه فرآیندهای لازم برای شناسایی، تجزیه و تحلیل و واکنش در مقابل ریسک پروژه به منظور بیشینه کردن نتایج و قایع مثبت وکمینه کردن پیامدهای وقایع ناگوار و منفی است که می‏تواند روی اهداف اصلی پروژه تأثیر بگذارد. هدف مدیریت ریسک افزایش احتمال موفقیت پـروژه اسـت و اینکار از طریق شناسایی و ارزیابی سیستماتیک ریسک، ارائه روش هایی برای اجتناب یـا کـاهش آن هـا و حـداکثر سازی فرصـت­هـا صـورت مـی­گیرد (۸). مـدیریت ریسک پروژه یکی از حوزه‏های مهم مدیریت پروژه می باشد و برخـی محققـین مـدیریت پـروژه را معادل مدیریت ریسک پروژه ها تعریف نمـوده انـد. فرآینـد مـدیریت ریسـک بـه دو مرحلـه اصـلی ارزیـابی ریسـک­هـا ( شـامل شناسـایی و تحلیـل ریسـک­هـا) و پاسـخ­گویی بـه آن­هـا قابـل تقسـیم می باشد (۹). بر طبق نظر کانرو (۱۰)، تمامی گـام­هـای فرآینـد مـدیریت­ریسک دارای اهمیت یکسانی بوده و انجام ناقص هر یک از گام ها منجر بـه مـدیریت­ریسـک غیـر موثر می شود. فرآیند مدیریت ریسک موثر با ارزیابی موثر ریسک ها شروع می شـود و بـدون انجـام این مرحله، مدیریت ریسک­هـا امکان پـذیر نیست . از طـرف دیگـر، بسـیاری از محققین تاکید نموده­اند که شناسایی و ارزیابی­هـا ریسـک بـدون پاسـخ­گویی بـه آن­­هـا مفیـد نیسـت (۱۱).

ادبیات موضوع

علـم مـدیریت ریسـک در دوره رنسـانس در قـرن شـانزدهم مـیلادی مطـرح گردیـد. از سـال ۱۹۹۰ میلادی مدل‏های مختلفی برای مدیریت ریسک پروژه‏ها با هدف افزایش موفقیـت آن­هـا ارایـه گردیده اسـت (12،13). در اغلب این مدل‏ها، پاسـخ­گویی بـه ریسـک‏ها، از قدم‏های اساسی  می‏باشد. برخی از مدل‏ها، دارای گـام‏های سـاده و برخـی دارای جزئیـات بیش­ـتری هسـتند. در طی سالیان گذشته روش­های مختلفی جهت ارزیابی ریسک­های پروژه مورد استفاده قرارگرفته‌اند که در مقالات مختلف در زمینه مدیریت ریسک به تفصیل درمورد آن­ها سخن گفته شده است. از جمله تکنیک‌های به کارگرفته شده در این زمینه، می‌توان به تحلیل چک لیست، تکنیک SWOT، تکنیک دلفی و تکنیکهای تصمیم‌گیری چند معیاره مانند AHP که روش­های سنتی می‌باشند، اشاره کرد. همچنین، رو‌ش‌هایی مانند استنتاج فازی، سیستم‌های پشتیبان تصمیم  و سیستم‌های خبره  به عنوان روش‌های جدیدتر مطرح شده است. در سالهای اخیر، بررسی‌ها نشان می‌دهد که استفاده از منطق فازی حوزه مدیریت ریسک­ها به دلیل سازگاری بیش­تر با ماهیت عدم قطعیت و ریسک، به طرز چشمگیری مورد توجه محققان این عرصه قرار گرفته است (۱۴). براساس نظر سادبوری و سافولک اثر ریسک معمولاً می‌تواند با توجه به دو پارامتر اصلی ریسک، یعنی احتمال وقوع ریسک و شدت ریسک ارزیابی شود. اما باید به این نکته توجه داشت که شدت یک ریسک خاص، به شدت، تابع فاکتورهای زیادی مانند فاکتورهای انسانی، فاکتورهای محل کار، فاکتورهای مواد و فاکتورهای تجهیزات می‌باشد که کمی‌سازی آن‌ها در روش‌های سنتی مشکل است (۲).

تکنیک‌های هوش مصنوعی می‌توانند کاربردهای وسیعی در مدیریت ریسک داشته باشند (۳). همچنین در تحقیقی دیگر ونزی و دانیانگ از مدل شبکه عصبی فازی جهت ارزیابی ریسک شرکت‌های بزرگراه در چین بهره گرفتند. مدل بکار گرفته شده توسط آن­ها تا حدی می‌تواند فرآیند تصمیم‌گیری و دست­یابی به راه حل بهینه را برای مدیران تسهیل کند (۱۵) .

در تحقیقی دیگر ، با تمرکز بر مشارکت بخش خصوصی تمرکز در شهر تهران (RSAPE co.  )، یک ساختار ترکیبی MCDM برای ارزیابی پروژه های ساخت و ساز هتل ها بر پایه پایداری محیطی استفاده شده است. با توجه به تاثیرات بالای ساختمان ها بر محیط زیست و آب و هوا، ضرورت پایداری محیط زیست می تواند روشن باشد. معیار تصمیم گیری مدل بر اساس روش SWARA با مشارکت هشت کارشناس ارزیابی می شود. پس از آن، وزن­های مشتق شده در COPRAS برای حل مساله تصمیم گیری و دست­یابی به رتبه بندی کامل پروژه های جایگزین استفاده می شود (۱۶).

فان و همکاران  یک چارچوب مفهومی که ارتباط بین پاسخ‏های ریسک و ویژگی‏های پروژه (اندازه پروژه، شناوری و پیچیدگی‏های تکنیکی) را بیان ‏ می‏کند، ارایه کردند. این مدل مفهومی یک ارتباط کمی بین تمام متغیرهای موجود در پروژه را توصیف ‏می‏کند. در انتها نیز یک آنالیز بهینه سازی برای انتخاب استرتژی‏های پاسخ برای ریسک‏های جاری ارایه شده است به طوری که هزینه حداقل شود (۱۷).

مسأله انتخاب پاسخ برای ریسک‌ها را می‌توان در قالب یک مسأله بهینه‌سازی (OB)  مدل­سازی نمود. در این رویکرد تابع هدف حداقل­کردن هزینه اجرای پاسخ‌های ریسک و محدودیت‌های آن شامل ترکیب استراتژی‌ها با هم است (۱۸). در این رویکرد مجموعه‌ای از اقدامات به‌گونه‌ای انتخاب می‌شود که ضمن برآورده ساختن محدودیت‌های سیستم، تابع هدف مربوطه بهینه گردد. مدل بهینه‌سازی باید نقطه بهینه‌ای را محاسبه نماید که در آن مجموع هزینه‌های ناشی از ریسک‌ها و هزینه اجرای پاسخ‌ها کم­ترین مقدار باشد.

مدل ریاضی تحقیق

پس از شناسایی ریسک های محیط زیستی و بهداشت در شرکت عمرانی صنعتی پارس گرما که مهم­­ترین آن­ها عبارتند از: سقوط از ارتفاع، پرتاب اجسام/ ذرات، تماس با سطح داغ، طراحی نامناسب ایستگاه کاری، ریزش نفت و گازوئیل و مواد نفتی، زباله مواد غذایی، ضایعات نظافت دستگاه­ها و ماشین آلات، قطعات تعویضی (حاصل از تعمیرات)، ضایعات  برشکاری و جوشکاری و دفع زایدات که از استاندارد ISO 31000-ISO 14001-OHSAS 18001 بر اساس رویکرد FMEA  بهره می گیرند، استراتژی های پاسخ به ریسک های مهم را شناسایی کرده و با استفاده از یک مدل ریاضی روند حلی برای به دست آوردن استراتژی مطلوب تر ارایه شده است. مدل­ریاضی مورد نظر برای ارزیابی و انتخاب پاسخ­های ریسک پروژه که ساختار شکست کار، رویدادهای ریسک، اقدامات کاهش ریسک زیست محیطی و تأثیرات آن­ها را به طور صریح با یکدیگر مرتبط می­نماید ارایه شده است.

مساله مطرح شده در این پژوهش، طراحی یک مدل راضی بهینه سازی برای انتخاب استراتژی های پاسخ به ریسک های زیست محیطی پروژه مجتمع ساختمانی است به منظور حل این مساله، یک متغیر تصمیم صفر و یک تعریف می شود: اگر استراتژی پاسخ i برای ریسک j مربوط به فعالیت k انتخاب شود یک و در غیر این­صورت صفر می باشد. برای بهینه سازی انتخاب استراتژی های پاسخ به ریسک پروژه، از یک مدل برنامه ریزی عدد صحیح برای به حداکثر رساندن اثرات کل پاسخ به ریسک با توجه به بودجه، زمان بندی و کیفیت به طور هم­زمان استفاده می شود. تابع هدف مدل انتخاب مجموعه ای از استراتژی هاست که اثر پاسخ به ریسک تخمینی را پس از پیاده سازی استراتژی پاسخ به ریسک در مواجهه با رویداد ریسک ها حداکثر می کند. ریسک های پروژه به دلیل پیچیدگی پروژه در عمل پیچیده هستند. بنابراین، پیش فرض های زیر برای راحتی تجزیه و تحلیل مدل در نظر گرفته شده است.

مجموعه ها

 

مجموعه استراتژی های پاسخ به ریسک 

 

مجموعه رویداد ریسک های زیست محیطی

 

مجموعه فعالیت های کاری

 

مجموعه ای از همه ی جفت استراتژی هایی که یکدیگر را حذف می کنند.

 

مجموعه ای از همه ی جفت استراتژی های که روی یکدیگر تاثیر مثبت می گذارند.

 

پارامترها

 

بودجه اختصاص داده شده برای پیاده سازی استراتژی های پاسخ به ریسک

 

k  امین فعالیت کاری

 

j  امین رویداد ریسک

 

i  امین استراتژی پاسخ به ریسک

 

هزینه پیاده سازی iامین استراتژی پاسخ به ریسک jام مربوط به فعالیت kام

 

تعداد روزهای تاخیری تخمین زده شده ی اجرای فعالیت  هنگامی که ریسک  رخ می دهد.

 

تخمین میزان کیفیت کاهش یافته اجرای فعالیت  هنگامی که ریسک  رخ می دهد.

 

تخمین تاثیر پاسخ به ریسک فعالیت پس از پیاده سازی استراتژی پاسخ به ریسک  برای مقابله با رویداد ریسک

 

تعداد روزهای کاهش یافته اجرای فعالیت پس از پیاده سازی استراتژی پاسخ به ریسک  برای مقابله با رویداد ریسک

 

میزان کیفیت بهبود یافته اجرای فعالیت پس از پیاده سازی استراتژی پاسخ به ریسک  برای مقابله با رویداد ریسک

 

حداکثر تاخیر زمانی مجاز برای فعالیت k ام

 

حد بالا برای کاهش کیفیت فعالیت

 

حد بالای تاخیر تحویل پروژه

 

 

متغیرهای تصمیم

 

اگر استراتژی پاسخ i برای ریسک j مربوط به فعالیت k انتخاب شود یک و در غیر این­صورت صفر می باشد.

     

مدل برنامه ریزی عدد صحیح :

(1)

 

(2)

 

(3)

 

(4)

 

(5)

 

(6)

 

(7)

 

 

(8)

 

(9)

 

(10)

 

 

در این مدل، تابع هدف (1) تمام اثرات پاسخ به ریسک تخمین زده شده را برای تمامی فعالیت های کاری حداکثر می کند. محدودیت (2) تضمین می کند که هزینه های اجرای استراتژی های پاسخ به ریسک فعالیت ها مطابق با بودجه مورد نیاز است، و "" در محدودیت (2) می تواند تضمین کند که هزینه اجرای هر استراتژی پاسخ به ریسک هر فعالیت نمی تواند بیش از یک بار شمارش شود.  محدودیت (3) تضمین می کند که هر یک از فعالیت های کاری (به جز آخرین فعالیت کاری) در زمان مقرر به پایان می رسد و یا حداقل بر شروع پس نیازی­های برنامه ریزی شده اش تاثیر نخواهد گذاشت. در محدودیت، ارزش پارامتر را می توان از برنامه پروژه به­دست آورد و  ≥ 0. محدودیت (4) تضمین می کند که هر یک از فعالیت های کاری (به جز آخرین فعالیت کاری) سطح معینی از کیفیت را حفظ می کنند. و یا حداقل بر ساختار نرمال پس نیازی های آن تاثیر نخواهد گذاشت. در مدل، عملکرد کیفیت تحت شرایط عادی در­سطح 99% و 90% برای هر فعالیت انتظار می رود. محدودیت (5) نشان می دهد که آخرین فعالیت کاری باید در تاریخ تکمیل پروژه به اتمام رسد و   . محدودیت (6) نشان می دهد که آخرین فعالیت کاری باید با استاندارد کیفیت پروژه تطابق یابد. محدودیت (7) بیان می کند که استراتژی`و یکدیگر را حذف می کنند. محدودیت (8) تضمین می کند که یک استراتژی باید از بین ` و انتخاب شود. محدودیت (9) بیان می کند که انتخاب یک استراتژی مستلزم آن است که استراتژی خاص دیگری نیز انتخاب شود.

مطالعه موردی شرکت عمرانی صنعتی پارس گرما (پروژه مجتمع ساختمانی)

شرکت عمرانی و صنعتی پارس گرما با تکیه بر تجارب ارزنده خود در زمینه‌ ارایه خدمات فنی و مهندسی به شیوه  های پیمانکاری و طرح و ساخت فعالیت دارد. پروژه مورد بررسی در شرکت پارس گرما، مجتمع ساختمانی که شامل دو ساختمان ۲ و ۸ طبقه می باشد. جمعا زیر بنای پروژه حدود ۲۱۰۰۰ متر مربع می باشد. مدت قرارداد ۳۶ ماه می باشد. در شکل ۱ تصاویری از اجرای پروژه آورده شده است.

 

 

 

شکل ۱- تصاویر اجرایی پروژه

Figure 1- Executable project images

 


نتایج محاسباتی

 

ابتدا با استفاده از رویکرد FMEA و استاندارد مدیریت ریسک ISO 31000-ISO 14001-OHSAS 18001 شرکت پارس گرما اهمیت و اولویت ریسک های فعالیت های مهم و بحرانی پروژه صبا را شناسایی و سپس در ادامه بر اساس ریسک های مهم شناسایی شده تمامی استراتژی های پاسخ به ریسک شناسایی خواهد شد و سپس با استفاده از رویکرد بهینه سازی (با استفاده از نرم افزار MATLAB) ابتدا یک مدل مفهومی برای ارزیابی و انتخاب پاسخ‌های ریسک زیست محیطی پروژه پیشنهاد می‌شود که ساختار شکست کار، رویدادهای ریسک زیست محیطی، اقدامات کاهش ریسک و تأثیرات آن­ها را به طور صریح با یکدیگر مرتبط می‌نماید. برای برقراری ارتباط بین مدل انتخاب پاسخ ریسک‌ها با کل سیستم پروژه، در نظر گرفتن ساختار شکست کار به عنوان محور ارتباط ضروری می‌باشد. به عبارت دیگر، ساختار شکست کار تنها محوری است که می‌تواند به عنوان کانالی مهم در یکپارچه‌سازی سیستم جامع مدیریت پروژه با زیر سیستم‌های دیگر از قبیل مدیریت ریسک در نظر گرفته شود. ریسک های مهم طبقه بندی شده و فعالیت های مهم و بحرانی پروژه و پاسخ های ریسک پروژه به ترتیب در جدول های 1و3 آورده شده است .


 

جدول ۱- ریسک های مهم طبقه بندی شده با استفاده از روش FMEA و استاندارد ISO 31000

Table 1- Description of identified project risks

شرح ریسک های زیست محیطی و بهداشت

کد ریسک

سقوط از ارتفاع

 

پرتاب اجسام/ذرات

 

تماس با سطح داغ

 

طراحی نامناسب ایستگاه کاری

 

ریزش نفت و گازوئیل و مواد نفتی

 

زباله مواد غذایی

 

ضایعات نظافت دستگاهها و ماشین آلات

 

قطعات تعویضی (حاصل از تعمیرات)

 

ضایعات  برشکاری و جوشکاری

 

دفع زایدات

 

جدول ۲-  فعالیت‏های مهم و بحرانی پروژه بر اساس ساختار شکست کار

Table 2- Project work of packages based on the WBS

کد فعالیت

شرح فعالیت­ها

 

خاک­برداری و نیلینگ

 

آرماتور بندی

 

اسکلت فلزی

 

تاسیسات لوله کشی

 

اجرای تیغه بندی خارجی و داخلی

 

اندود گچ و خاک

 

کرم بندی و عایق کاری

 

نازک کاری

 

جدول ۳- شرح پاسخ‏های ریسک در پروژه مورد مطالعه

Table 3- Description of risk responses project

کد پاسخ ها

شرح پاسخ‌ها

 

سرویس دوره ای سیستم برقی

 

وجود بخاری داخل کابین

 

استفاده از افراد ماهر

 

بلند کردن بارهای بیش از 25 کیلو و خارج از توان با جرثقیل و یا با کمک دیگر افراد

 

بتن کردن محل قرار گیری ژنراتور 

 

استفاده از دستکش

 

جمع آوری نخاله ها و انتقال به محل دپو

 

استفاده مجدد از روی سفید کاغذها

 

عدم قرارگیری افراد متفرقه در کنار شعله ، استفاده از عینک محافظ

 

استفاده از گوشی محافظ

 

استفاده از ماسک و کار در فضای باز

 

اجرای نرده حفاظ -علائم هشدار دهنده دور گود

 

استفاده از کفش ایمنی و دستکش

 

وجود تخته های سالم،محکم نمودن پایه ها

 

آموزش اولیه افراد توسط مسئول HSE

 

سالم بودن کابل­ ها، عایق بودن محل اتصال، مهارت و استفاده از دستکش توسط جوشکار

 

 

در شکل ۲ چارچوب مدل پیشنهادی برای انتخاب پاسخ های ریسک زیست محیطی پروژه با در نظر گرفتن ارتباط بین پاسخ‏ها ارایه شده است، ریسک­ها مستقل از هم هستندولی پاسخ ها وابسته به هم می توانند باشند.

 


 


شکل 2- چارچوب مدل پیشنهادی برای انتخاب پاسخ های ریسک

Figure 2- Proposed framework for the selection of the risk responses

 

 

مقدار حداکثر زمان ۵ روز و کیفیت برابر ۱۰ در فعالیت آخر پروژه می‏باشد. مقدار هزینه ریسک ها در صورت وقوع و مقدار هزینه لازم برای اجرای پاسخ های ریسک در نرم افزار MATLAB وارد شده است.  همچنین مقدار تاخیرات زمانی که هر فعالیت از اتفاق هر ریسک خواهد داشت  و میزان کاهش کیفی هر فعالیت درصورت وقوع هر ریسک در نیز در نزم افزار مربوطه وارد شده است.  جدول۴. میزان حداکثر مجاز کاهش زمان (روز) و کیفیت هر فعالیت (درصد) را ارایه می کند، کیفیت به دست آمده توسط هر فعالیت تحت شرایط قابل قبول و ایده آل ۹۹% و ۹۰% فرض شده است و نباید کم­تر از این مقدار شود یعنی میزان حداکثر کاهش کیفیت در بازه بین ۱% تا ۱۰% می باشد : . جدول ۵. تاثیر پیاده سازی استراتژی پاسخ به ریسک زیست محیطی بر کاهش هزینه ریسک ها در صورت رخداد را نشان می دهد که تخمین تاثیر استراتژی پاسخ یکی از تاثیر گذارترین پارامتر ها در مدل ریاضی ارایه داده شده می باشد. همچنین تعداد روز هایی که از تاخیر جلوگیری می کند در جدول بعدی آمده است در جدول ۶. تخمین تعداد روزهای فعالیت هایی که پس از پیاده سازی استراتژی پاسخ به ریسک کاهش یافته اند.


 

جدول 4- میزان حداکثر مجاز زمان تاخیر شده (روز) و کیفیت هر فعالیت (درصد)

Figure 4- The maximum delay time (days) and the quality of each Work of Packages (percent)

حداکثر مجاز

فعالیت‌ها

w1

w2

w3

w4

w5

w6

w7

w8

 

10%

10%

10%

10%

10%

10%

10%

10%

 

13

15

15

10

14

15

12

10

 


جدول5- تخمین تاثیر استراتژی پاسخ بر کاهش هزینه ی ریسک های زیست محیطی (هزار تومان)

Table 5- Estimate the impact of response strategies to reduce the cost of risk (Thousands of Toman)

استراتژی های پاسخ به ریسک

ریسک ها

r1

r2

r3

r4

r5

r6

r7

r8

r9

r10

A1

332

726

-

-

-

-

-

-

-

-

A2

-

-

473

406

-

-

-

2511

-

-

....

....

....

....

....

....

....

....

....

....

....

A15

849

404

-

-

-

-

-

-

153

-

A16

-

-

-

421

-

-

-

1501

252

359

 

جدول 6- تخمین تعداد روزهای کاهش یافته پس از پیاده سازی استراتژی پاسخ به ریسک زیست محیطی

Table 6- Estimated number of days decreased after the implementation of the strategy to risks

 

فعالیت‌ 1

ریسک ها

r1

r2

r3

r4

r5

r6

r7

r8

r9

r10

استراتژی های پاسخ

A1

15

10

 

 

 

 

 

 

 

 

A2

 

 

 

 

 

 

 

11

 

 

A3

 

 

 

 

 

 

 

 

 

 

A4

 

 

 

 

 

 

 

8

 

 

A5

 

 

 

 

 

 

 

15

 

 

....

....

....

....

....

....

....

....

....

....

....

A14

 

 

 

 

 

 

15

 

 

 

A15

39

35

 

 

 

 

 

 

39

 

A16

 

 

 

 

 

 

 

15

19

17

 


تحلیل نتایج

 

در سایزهای بزرگ نرم افزار بهینه سازی  GAMS قادر به پیدا کردن جواب بهینه نخواهد بود بنابراین برای حل این مسایل از الگوریتم های فراابتکاری استفاده می کنیم . حل مسایل با اندازه واقعی توسط الگوریتم­های دقیق[9] بسیار زمان­بر و گاهی غیر ممکن است، بنابراین روش­های حل ابتکاری[10] و فراابتکاری[11] از جایگاه ویژه­ای بین پژوهش­گران برخوردار شده­اند. به منظور حل مدل پیشنهادی که یک مدل برنامه­ریزی ریاضی چند ­هدفه می باشد، یک الگوریتم فراابتکاری بسیار کارا به اسم NSGA-II استفاده می­گردد که امکان تطبیق با فضای جستجو را دارا بوده و نزدیک­ترین و سریع­ترین مسیر را برای رسیدن به جواب بهینه انتخاب می­کند.

الگوریتم NSGA- II

در دهه‌های گذشته، تعدادی الگوریتم تکاملی چندهدفه ارایه داده شده است. دلیل اصلی آن، توانایی‌شان در پیدا کردن چندین جواب بهینه پارتو در یک اجرای شبیه‌سازی می‌باشد. چون الگوریتم‌های تکاملی با یک جمعیتی از جواب‌ها کار می‌کنند، یک الگوریتم تکاملی باید برای حفظ یک مجموعه جواب پراکنده توسعه داده شود. یکی از اولین الگوریتم‌های تکاملی، الگوریتم ژنتیک مرتب سازی نامغلوب NSGA است که توسط سرینیواس[12] و دب[13]در سال ۱۹۹۴ مطرح شد. در طول سالیان، انتقادات اصلی رویکرد NSGA مطابق زیر است:

v               پیچیدگی بالای محاسباتی مرتب سازی نامغلوب

v               فقدان نخبه گرایی[14]

v               نیاز به مشخص کردن پارامتر اشتراک

بدین منظور دب و همکاران (2002Deb et al. ) الگوریتمی به نام الگوریتم‌های فراابتکاری چندهدفه ژنتیک با مرتب‌سازی نامغلوب[15] یا  NSGA-II را با هدف کاهش مشکلات فوق ارابه دادند. این الگوریتم با ترکیب جمعیت فرزندان و والدین (هر کدام با اندازه N)، ارزیابی آن‌ها را با استفاده از یک روش مرتب‌سازی نامغلوب سریع، رویکرد نخبه‌گرایی و مکانیزم کارای فاصله ازدحام[16] انجام می‌دهد. در این الگوریتم تکاملی جست و جوی همسایگی به کمک عملگرهای موجود در الگوریتم ژنتیک نظیر انتخاب[17]، تقاطع[18] و جهش[19] می‌باشد. پس از ادغام جمعیت‌های والدین و فرزندان، مرتب‌سازی نامغلوب با تعداد مقایسات بیش­تر صورت می گیرد. در این مرحله سطوح نامغلوب به­ترتیب اولویت‌شان نسبت به یکدیگر مشخص می‌شوند. انتخابNجواب بعنوان جمعیت بعدی با کیفیت و پراکندگی بیشتر از جواب‌های سطح با اولویت بالاتر آغاز می‌شود. اگر تعداد جواب‌هایی که در سطح اول قرار می گیرد برابر باN باشد، همه جواب‌ها پذیرفته می‌شود. اگر تعداد جواب‌های سطح اول بیشتر از N باشد، از میان آن‌ها N جوابی که فاصله ازدحام بیش­تری دارند انتخاب می‌شوند. اگر تعداد جواب‌های این سطح کمتر ازN باشد تمامی جواب‌های سطح اول پذیرفته و به سراغ سطح بعدی می‌رویم. اگر با اضافه نمودن تمامی جواب‌های این سطح تعداد جواب‌ها به N برسد پس تمام جواب‌های این سطح را می‌پذیریم. اگر با اضافه نمودن جواب‌های سطح دو تعداد جواب ها از N بیش­تر شود، از میان جواب‌ها آن‌هایی که معیار فاصله ازدحام بیش­تری دارند انتخاب می شوند و زمانی که با جواب‌های این سطح تعداد جواب‌ها به N نرسد به سراغ سطح بعدی می‌رویم. این الگوریتم با یک راه‌ کار موقعیتی انتخاب، وجود مجموعه متنوعی از جواب‌ها در جمعیت را تضمین می‌کند. ساختن جمعیت‌ها با روال فوق تا زمانی که شرط توقف صادق باشد ادامه می‌یابد.

فاصله ازدحام به معنای چگالی جواب‌های موجود درکنار یک جواب خاص می‌باشد. هر­چقدر ازدحام بیش­تر باشد فاصله ازدحامی کم­تر است. حالت ایده‌آل جواب‌هایی با فاصله ازدحامی بیش­تر است. شکل‌های ۳ فلوچارت الگوریتم NSGA-II را نشان می‌دهد:

 

 

 

 

شکل 3- فلوچارت الگوریتم NSGAII

Figure 3- The algorithm flowchart NSGAII

 


اپسیلون محدودیت :[20]

ایده اولیه روش اپسیلون- محدودیت این است که ابتدا یکی از اهداف چندگانه به‌عنوان تابع هدف اصلی مساله بهینه‌سازی انتخاب می‌شود و بقیه توابع هدف ضمن در نظر گرفتن یک حد بالا و پایین برای آن‌ها (تشکیل جدول منفعت[21])، به محدودیت‌های مساله منتقل می­گردند. بدین­ترتیب با تغییر سمت راست محدودیت‌های مربوط به این توابع از حد بالای آن‌ها به سمت حد پایین و تکرار حل مساله، تمامی جواب های پارتوی ممکن برای مساله چندهدفه تولید می گردد. فرم کلی مساله اپسیلون- محدودیت به قرار زیر است:

 

 

 

s.t.

 

   
 

 


 

که در آن  مقدار متغیر کمکی مربوط به محدودیت تابع هدف kام است.

در این پروژه به‌منظور مقایسه عملکرد نسبی الگوریتم NSGAII ، از روش اپسیلون- محدودیت برای هفت مساله با با سایزهای مشخص استفاده‌شده است. شکل ۵ به­صورت شماتیک تفاوت الگوریتم پیشنهادی و روش اپسیلون- محدودیت را در پیدا کردن جواب­های بهینه پارتو نشان می‌دهد.

 

 

 

شکل 5- مقایسه جواب های پارتو الگوریتم پیشنهادی با الگوریتم اپسیلون- محدودیت.

Figure 5- Comparison of Pareto's Answered Algorithms with Epsilon-Limit Algorithms

 

 

از شکل ۵ قابل مشاهده است که الگوریتم پیشنهادی دارای عملکرد بالایی بوده و جواب های پارتو نزدیک به بهینه تولید می‌کند.

با توجه به نتایج به دست آمده و با در نظر گرفتن محدودیت بودجه و زمان، مطلوبترین استراتژی ها برای پاسخ به ریسک فعالیت ها در جدول ۷  ارابه شده است: به طور مثال  مطابق جدول 7 مطلوب­ترین استراتژی پاسخ به ریسک های r1 و r2 ، A1 برای ریسک r3 ، A3  می باشد که توسط الگوریتم و مدل ریاضی پیشنهادی بدست آمده است.

 


 

جدول۷- تخصیص مطلوب ترین استراتژی پاسخ به ریسک

Table 7- The most favourable response to the risk allocation strategy

فعالیت

ریسک

تخصیص مطلوب­ترین استراتژی پاسخ به ریسک

W1,W3,W4,W5,

r1

A1

W1,W2,W3,W4,W5

r2

A1

W2,W3,W4,W5,W6,W7,W8

r3

A3

W2,W4,W5,W7,W8

r4

A3

W1,W2,W3,W6,W7,W8

r5

A9

W1,W2,W3,W7,W8

r6

A9

W1,W2,W3,W4,W5,W7,W8

r7

A14

W1,W2,W3

r8

A16

W1,W2,W5,W7,W8

r9

A16

W1,W3,W4,W5,W7,W8

r10

A16

 


نتیجه گیری

 

انتخاب استراتژی های مناسب پاسخ به ریسک­ها در پروژه های عمرانی یکی از دغدغه های ذی­نفعان پروژه می باشد. برای اولین بار از یک­الگوریتم فرا ابتکاری برای انتخاب استراتژی های پاسخ به ریسک HSE پروژه های عمرانی استفاده شده است. در برج صبا که مطالعه موردی این مقاله می باشد . نتایج نشان می دهد برای 10 ریسک مهم زیست محیطی و بهداشت شغلی شناسایی شده در پروژه با استفاده از روش FMEA و استاندارد ISO 31000 که مربوط به 8 فعالیت‏ مهم و بحرانی پروژه بر اساس ساختار شکست کار می باشد با استفاده از مدل ریاضی ارایه شده، استراتژی های مناسب پاسخ به ریسک ها از بین 16 استراتژی مد نظر ، به صورت بهینه انتخاب شدند و سیستم مدیریت­ریسک در این پروژه به­صورت مناسبی جاری سازی گردید. هدف این تحقیق طراحی یک مدل تصمیم برای انتخاب استراتژی­های پاسخ به ریسک­های زیست محیطی پروژه مورد نظر بود. مهم ترین نوآوری این تحقیق کاربردی بودن آن است. همچنین در مباحث مربوط به مهم­ترین عوامل ریسک، نیروی انسانی، نگرش­ها و تجربیات به­عنوان مهم­ترین علل شناسایی شده اند که در پژوهش حاضر این عوامل به­طور کامل دیده شده است. در زمینه پاسخ به ریسک­های محیط­­زیستی توسط مدل های ریاضی تحقیقات مشابه قابل توجهی وجود ندارد. در تحقیقات پیشین انتخاب پاسخi به ریسک j با متغیر صفر ویک در نظر گرفته شده است، در حالی که فعالیت­های ساختار شکست­کار که جز یکی از مهم­ترین بخش­های شناسایی و کنترل ریسک در بخش های مختلف پروژه می­باشد در آن در نظر گرفته نشده است، در این پژوهش این مورد به عنوان یکی از عناصر اساسی دیده شده است. همچنین الگوریتم ارایه شده از کارایی بسیار خوبی برخوردار بوده و جواب­های بسیار نزدیکی نسبت به روش بهینه در سایز کوچک ارایه داده است.

Reference

  1. Zuo J, Rameezdeen R, Hagger M, Zhou Z, Ding Z. Dust pollution control on construction sites: Awareness and self-responsibility of managers. Journal of Cleaner Production. 2017 Nov 10; 166:312-20.
  2. Zayed, Tarek, Amer, Mohamed. and Pan, Jiayin. (2008). “Assessing risk and uncertainty inherent in Chinese highway projects using AHP.” International Journal of Project Management, 26, 408–419.
  3. Zeng J, an M, Chan AHC. (2005). “A fuzzy reasoning decision making approach based multi-expert judgment for construction project risk analysis.” Proceedings of the twentyfirst annual conference. Association of Researchers in Construction Management (ARCOM). London, UK; pp. 841–52.
  4. 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.
  5. Zhang, Y. Fan, Z. (2013). An optimization method for selecting project risk response strategies, International journal of project management, vol XX, P X - X.
  6. Taylan, O, Bafail, A. O, Abdulaal, R. M, & Kabli, M. R. (2014). Construction projects selection and risk assessment by fuzzy AHP and fuzzy TOPSIS methodologies, Applied Soft Computing, vol 17, P 105 – 116
  7. Seyedhoseini, S. M., Noori, S., and Hatefi, M. A. (2009). An integrated methodology for assessment and selection of the project risk response actions. Risk Analysis, 29(5), 752-763.
  8. Chapman, C., & Ward, S. (2003). Project risk management: processes, techniques, and insights. Wiley.
  9. Miler, J. (2005). A method of software project risk identification and analysis. Technology. Gdansk University of Technology.
  10. Conrow, E. H. (2003). Effective risk management: Some keys to success. Aiaa.
  11. Hillson, D. (1999, October). Developing effective risk responses. In Proceedings of the 30th Annual Project Management Institute Seminars & Symposium (pp. 10-16).
  12. Boehm, B. W. (1991). Software risk management: principles and practices. IEEE software, 8(1), 32-41.
  13. Hillson, D. (2001, November). Effective strategies for exploiting opportunities. In Proceendings of Project Management Institute Annual Seminars & Symposium.
  14. Cooper, D. F. (2005). Project risk management guidelines: Managing risk in large projects and complex procurements. John Wiley & Sons, Inc.
  15. Wenxi, Z., & Danyang, C. (2009, October). Expressway management risk evaluation based on fuzzy neural networks. In Intelligent Computation Technology and Automation, 2009. ICICTA'09. Second International Conference on (Vol. 2, pp. 700-703). IEEE.
  16. Zolfani SH, Pourhossein M, Yazdani M, Zavadskas EK. Evaluating construction projects of hotels based on environmental sustainability with MCDM framework. Alexandria Engineering Journal. 2017 Jan 13.
  17. Fan, M., Lin, N. P., & Sheu, C. (2008). Choosing a project risk-handling strategy: An analytical model. International Journal of Production Economics, 112(2), 700-713.
  18. Zhang, Y., & Fan, Z. P. (2014). An optimization method for selecting project risk response strategies. International Journal of Project Management, 32(3), 412-422.

 


 

 

 



1- دکتری مهندسی صنایع دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران. *(مسوول مکاتبات)

2- استادیار گروه مهندسی صنایع دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران.

3- کارشناسی مهندسی عمران دانشگاه زنجان، زنجان، ایران.

4- دکتری مهندسی صنایع دانشکده فنی دانشگاه تهران ، تهران، ایران.

1- PhD of Industrial Engineering, Islamic Azad University, Science and Research Branch, Tehran, Iran. * (Corresponding Author)

2- Assistant Professor of Industrial Engineering, Islamic Azad University, Science and Research Branch, Tehran, Iran.

3- Bachelor of Civil Engineering, University of Zanjan, Zanjan, Iran.

4- PhD of Industrial Engineering, Faculty of Engineering, University of Tehran, Tehran, Iran.

1- Exact Algorithms

2- Heuristic

3- Meta-heuristic

1- Srinivas

2- Deb

3- Elitism

4- Non-Dominated Sorting Genetic Algorithm

5- Crowding distance

6- Selection

7- Crossover

8- Mutation

1- Epsilon Constriant

2- Benefit Table

 

  1. Zuo J, Rameezdeen R, Hagger M, Zhou Z, Ding Z. Dust pollution control on construction sites: Awareness and self-responsibility of managers. Journal of Cleaner Production. 2017 Nov 10; 166:312-20.
  2. Zayed, Tarek, Amer, Mohamed. and Pan, Jiayin. (2008). “Assessing risk and uncertainty inherent in Chinese highway projects using AHP.” International Journal of Project Management, 26, 408–419.
  3. Zeng J, an M, Chan AHC. (2005). “A fuzzy reasoning decision making approach based multi-expert judgment for construction project risk analysis.” Proceedings of the twentyfirst annual conference. Association of Researchers in Construction Management (ARCOM). London, UK; pp. 841–52.
  4. 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.
  5. Zhang, Y. Fan, Z. (2013). An optimization method for selecting project risk response strategies, International journal of project management, vol XX, P X - X.
  6. Taylan, O, Bafail, A. O, Abdulaal, R. M, & Kabli, M. R. (2014). Construction projects selection and risk assessment by fuzzy AHP and fuzzy TOPSIS methodologies, Applied Soft Computing, vol 17, P 105 – 116
  7. Seyedhoseini, S. M., Noori, S., and Hatefi, M. A. (2009). An integrated methodology for assessment and selection of the project risk response actions. Risk Analysis, 29(5), 752-763.
  8. Chapman, C., & Ward, S. (2003). Project risk management: processes, techniques, and insights. Wiley.
  9. Miler, J. (2005). A method of software project risk identification and analysis. Technology. Gdansk University of Technology.
  10. Conrow, E. H. (2003). Effective risk management: Some keys to success. Aiaa.
  11. Hillson, D. (1999, October). Developing effective risk responses. In Proceedings of the 30th Annual Project Management Institute Seminars & Symposium (pp. 10-16).
  12. Boehm, B. W. (1991). Software risk management: principles and practices. IEEE software, 8(1), 32-41.
  13. Hillson, D. (2001, November). Effective strategies for exploiting opportunities. In Proceendings of Project Management Institute Annual Seminars & Symposium.
  14. Cooper, D. F. (2005). Project risk management guidelines: Managing risk in large projects and complex procurements. John Wiley & Sons, Inc.
  15. Wenxi, Z., & Danyang, C. (2009, October). Expressway management risk evaluation based on fuzzy neural networks. In Intelligent Computation Technology and Automation, 2009. ICICTA'09. Second International Conference on (Vol. 2, pp. 700-703). IEEE.
  16. Zolfani SH, Pourhossein M, Yazdani M, Zavadskas EK. Evaluating construction projects of hotels based on environmental sustainability with MCDM framework. Alexandria Engineering Journal. 2017 Jan 13.
  17. Fan, M., Lin, N. P., & Sheu, C. (2008). Choosing a project risk-handling strategy: An analytical model. International Journal of Production Economics, 112(2), 700-713.
  18. Zhang, Y., & Fan, Z. P. (2014). An optimization method for selecting project risk response strategies. International Journal of Project Management, 32(3), 412-422.