مقاله انگلیسی بهینه سازی هزینه برنامه ریزی پروژه بر اساس هزینه های انتقال منابع و استحکام

سلام دوست من ، توی این پست براتون یه مقاله انگلیسی جدید که در مورد مدیریت پروژه هست، منتشر کردیم. این مقاله یه مقاله ISI و علمی پژوهشی هست که توی پایگاه الزویر در سال ۲۰۲۴ منتشر شده. فایل انگلیسی شامل ۱۳ صفحه PDF هست بخش هایی از مقاله انگلیسی ترجمه شده که قبل از سفارش می تونید کیفیت ترجمه رو بررسی کنید. برای سفارش ترجمه کامل مقاله روی گزینه ثبت سفارش ترجمه کلیک کنید بعد از ثبت سفارش پیش فاکتور از طریق ایمیل و پیامک خدمتتون ارسال میشه. اگر سوالی بود می تونید زیر این پست کامنت بزارید سریع جوابتونو میدم.

کد محصول: M1561

سال نشر: ۲۰۲۴

نام ناشر (پایگاه داده): الزویر

نام مجله: Computers and Operations Research

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : دارد

فرضیه: ندارد

مدل مفهومی: ندارد

پرسشنامه : ندارد 

تعداد صفحه انگلیسی: ۱۳ صفحه PDF

عنوان کامل فارسی:

مقاله انگلیسی ۲۰۲۴: بهینه سازی هزینه برنامه ریزی پروژه بر اساس هزینه های انتقال منابع و استحکام

عنوان کامل انگلیسی:

Project scheduling cost optimization based on resource transfer costs and robustness

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه تخصصی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:M1561)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

چکیده فارسی

در یک محیط غیر قطعی، ترتیب معقول زمان‌بندی پروژه و تخصیص منابع می‌تواند به مدیران کمک کند تا در هزینه‌های پروژه صرفه‌جویی بیشتری کنند. این مقاله بر روی مسئله بهینه‌سازی هزینه زمان‌بندی پروژه بر اساس هزینه‌های انتقال منابع و استحکام تحت یک محیط غیر قطعی تمرکز می‌کند. مدل بهینه سازی مسئله با هدف به حداقل رساندن هزینه های انتقال منبع و به حداکثر رساندن استحکام تشکیل شده است. پس از محاسبه هزینه‌های انتقال واحدهای منبع در بین فعالیت‌ها، یک نمودار شبکه پروژه جدید متشکل از جریان‌های منبع واحد ارائه می‌کنیم. علاوه بر این، شاخص استحکام بر اساس هزینه تعیین می شود. برای اطمینان بیشتر از استحکام پروژه، یک مکانیسم درج میانگیر زمانی بر اساس هزینه جریمه تاخیر یکپارچه فعالیت طراحی شده است. سپس یک الگوریتم ژنتیک مرتب‌سازی غیر مغلوب II (NSGA-II) ساخته می‌شود تا الگوریتم، عملکرد حل بهتری داشته باشد. نتایج بسیاری از نمونه‌های تجربی نیز در راستای اثبات اثربخشی الگوریتم توسعه‌یافته عمل می‌کنند. در نهایت، ما سه محیط غیر قطعی را برای نشان دادن عملکرد بیشتر راه‌حل‌های به‌دست‌آمده می‌سازیم. نتایج تحقیق می‌تواند مرجعی برای مدیران پروژه برای ایجاد زمان‌بندی و بهینه‌سازی هزینه‌های پروژه در محیط‌های غیر قطعی باشد.

کلیدواژه ها: زمان بندی پروژه، هزینه های انتقال منابع، استحکام، جریان منابع واحد

Abstract  

Under an uncertain environment, the reasonable arrangement of project scheduling and resource allocation can help managers save more on project costs. This paper focuses on the project scheduling cost optimization problem based on resource transfer costs and robustness under an uncertain environment. The optimization model of the problem is constructed with the objective to minimize the resource transfer costs and maximize the robustness. After accounting for the costs of transferring resource units across activities, we present a new project network graph consisting of unit resource flows. In addition, the robustness index is set based on the cost. To further ensure the robustness of the project, a time buffer insertion mechanism based on activity integrated delay penalty cost is designed. Then a developed non-dominated sorting genetic algorithm II (NSGA-II) is constructed to make the algorithm have better solving performance. The results of numerous experimental instances also serve as proof of the developed algorithm’s effectiveness. Finally, we construct three uncertainty environments to further illustrate the performance of obtained solutions. The research results can provide a reference for project managers to make schedules and optimize project costs under uncertain environments.

Keywords: Project scheduling, Resource transfer costs, Robustness, Unit resource flow

۱.Introduction

Resource-constrained project scheduling problem (RCPSP) widely exist in construction engineering, aircraft manufacturing, equipment manufacturing and other enterprises, and have significant practical value (Li et al., 2018). How to handle scheduling is particularly crucial in the face of a complex and uncertain environment (Herroelen and Leus, 2005; Cui et al., 2018; Moradi et al., 2019). Every manager’s foothold for project management is based on cost and profit, although the two are different, but inseparable. In an intricate and unpredictable environment, managers prefer a schedule with strong anti-interference ability, which is essential to avoid the rescheduling cost caused by the disruption of the schedule, and some scholars call it the delay penalty cost (Afshar and Fathi, 2009; Hazır et al., 2010; Tian et al., 2022)…

۷.Conclusion and outlook

In this paper, the resource constrained project scheduling problem with resource transfer costs and robustness in uncertain environments is investigated. Firstly, the details of the problem are described in-depth, the resource flow network graph based on unit resource transfer is presented, and the impact of resource allocation on project scheduling is analyzed. Secondly, a multi-objective optimization model is constructed to reduce the cost of resource transfer and improve the robustness of the project. We establish a reasonable resource allocation to reduce the cost of the project and connect the role of robustness with the integrated delay penalty cost, expecting to save the project cost by improving the robustness. Thirdly, a developed NSGA-II algorithm is proposed to solve this problem. By optimizing the steps of coding, crossover and mutation, the algorithm is more suitable for this problem, to ensure the solution’s diversity and feasibility. Finally, we verified the performance of the proposed algorithm through a large number of simulation experiments. Furthermore, to clearly demonstrate the performance of the obtained solutions and the sensitivity of different parameters, we create three distinct uncertain environments and evaluate the solutions from the Pareto optimal front under each uncertain environment. We have the following conclusions:..