فایل ورد کامل نقشه شناختی فازی برای مدل سازی مشکلات مدیریت پروژه

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل نقشه شناختی فازی برای مدل سازی مشکلات مدیریت پروژه،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۱ صفحه

چکیده

مدیریت پروژه، فرایند پیجیده‌ای است که تحت تاثیر فاکتورهای زیادی از جمله محیط خارجی و یا فاکتور‌های داخلی قرار دارد که بعضا یا کلا تحت کنترل مدیر است. پروژه‌های مدیریتی، مشخصا شامل ترکیب پیچیده‌ای از برنامه‌ریزی جامع و آگاهانه، ارزیابی پویا، و تحلیل تغییرات عوامل داخلی و خارجی، و توسعه و ارتباط استراتژی‌های بروزرسانی شده در محدوده عمر پروژه است. مدیریت پروژه شامل تعامل و تحلیل سیستم‌های زیادی هستند که نیازمند یکپارچه‌سازی و ارزیابی مستمر حجم زیادی از اطلاعات است. نقشه‌های شناختی فازی (FCM)  این امکان را می‌دهد به رمزگذاری دانش مدیریت پروژه و نتایج تجربی، به منظور ایجاد مدل موثری از سیستم‌های تعاملی بپردازیم. این مقاله به معرفی و توسعه مدیریت پروژه ساخت FCM می‌پردازد که دیدگاه واحدی از مهمترین مفاهم تاثیرگذار بر مدبریت پروژه ساخت و مدیریت ریسک، ارائه می‌دهد. سپس این مقاله به معرفی روش محاسبه نرم FCM، برای مدل‌سازی و تحلیل مدیریت پروژه (PM)  می‌پردازد. PM-FCM  مورد نظر، به مدل‌سازی تعامل فاکتور‌های داخلی و خارجی می‌پردازد، و مدل مفهومی انتزاعی مرتبط با تعامل مفاهیم را، به منظور کاربرد مدیریت پروژه ساخت ارائه می‌دهد.

۱ مقدمه

محاسبه نرم، و مبانی اساسی آن مانند منطق فازی، همچنان در حوزه‌های کاربردی جدید پیاده‌سازی می‌گردد [۱]. محاسبه نرم و روش‌های منطق فازی، روش موثری را در زمان مدل‌سازی حوزه‌های  کاربردی پیچیده ارائه می‌دهد، که نیازمند ادغام اطلاعات ذهنی، و موارد غیرقطعی مهم، و  همچنین در صورت عدم‌دسترسی به مجموعه داده‌های کمّی و جامع، است [۲]. این شرایط معمولا زمانی ایجاد می‌گردد که به مدل‌سازی مهندسی ساخت و مشکلات مدیریتی می‌پردازیم. قبلا نیز، در این حوزه، منطق فازی با روش‌های محاسبه نرم دیگر ترکیب شده است تا به مدل‌سازی، شبیه‌سازی، و ایجاد سیستم‌های پویای پیشرفته بپردازد [۳]. 

V. نتیجه‌گیری و پژوهش‌های آینده

در این پژوهش، به معرفی روش محاسبه نرم، برای ایجاد مدل نقشه شناختی فازی مدیریت پروژه (PM-FCM) پرداختیم. همچنین نشان دادیم که چگونه مدل PM-FCM ایجاد می‌گردد تا بتواند به عنوان ابزار حمایتی برای مدیریت پروژه‌های پیچیده باشد. جنبه‌های فازی به پشتیباتی مدیریتی و ادغام انواعی از عدم قطعیت‌های داخلی و خارجی پیچیده در هنگام توسعه طرح مدیریت پروژه پویا و کنشگر می‌پردازد. مدل PM-FCM حاصله، به ادغام مفاهیم مرتبط با زمان‌بندی پروژه، هزینه‌ها، و ریسک‌ها می‌پردازد، و روشی را برای کمک به مدیران پروژه به منظور برآورد و مدیریت پروژه‌های پیچیده در محیط‌های پویا و غیرقطعی ارائه می‌دهد.

پژوهش‌های آینده، به بررسی بیشتر مدل پیشنهادی می‌پردازند، و سناریوهای مختلفی را برای ارزیابی عملکرد به اجرا در آورده و بروزرسانی‌های احتمالی را مطرح می‌کنند، و همچنین به مقایسه این روش با روش‌های مشابه دیگر می‌پردازند.

عنوان انگلیسی:Fuzzy Cognitive Map to Model Project Management Problems~~en~~

Abstract

Project management is a complex process impacted by numerous factors either from the external environment and/or internal factors completely or partially under the project manager’s control. Managing projects successfully involves a complex amalgamation of comprehensive, informed planning, dynamic assessment and analysis of changes in external and internal factors, and the development and communication of updated strategies over the life of the project. Project management involves the interaction and analysis of many systems and requires the continuous integration and evaluation of large amounts of information. Fuzzy Cognitive Maps (FCM) allow us to encode project management knowledge and experiential results to create a useful model of the interacting systems. This paper covers the representation and development of a construction project management FCM that provides an integrated view of the most important concepts affecting construction project management and risk management. This paper then presents the soft computing approach of FCM to project management (PM) modeling and analysis. The resulting PM-FCM models the interaction of internal and external factors and offers an abstract conceptual model of interacting concepts for construction project management application.

I. INTRODUCTION

Soft computing, and its foundational aspects such as fuzzy logic, continue to be applied to new application areas [1]. Soft computing and fuzzy logic methodologies offer a useful approach when modeling complex application domains requiring incorporation of subjective information and significant uncertainties, and when comprehensive, quantitative data sets are unavailable [2]. These conditions are often present when modeling construction engineering and management problems. Already, in this domain, fuzzy logic has been combined with other soft computing techniques to model, simulate, and create advanced dynamic systems [3].

V. CONCLUSIONS AND FUTURE WORK

In this work, we presented a soft computing approach for forming an Project Management Fuzzy Cognitive Map (PMFCM) model. It has been presented how the PM-FCM is created so that to be a supporting tool when dealing with complex project management. Fuzzy aspects provide support for managing and incorporating the variety of complex internal and external uncertainties required when developing a dynamic, responsive project management plan. The resulting PM-FCM incorporated concepts related to project schedule, costs, and risks, and offers a way to assist project managers with estimating and managing complex projects in uncertain, dynamic environments.

Future work will further investigate the proposed model, running various scenarios to evaluate its performance and propose possible updates, it will also compare it with other similar approaches.

$$en!!