نشریه بین المللی مهندسی صنایع و مدیریت تولید

---

 پشتیبانی و خدمات پس از فروش محصول توجه طیف گسترده­ای از مدیران، متخصصان و تصمیم­گیرندگان صنایع مختلف را به خود جلب کرده­است. در این بین فراهم کردن قطعات یدکی برای مشتریان محصولات، ‌با هدف تضمین کارکرد مناسب محصول در طول دوره عمر خود مورد توجه متخصصان لجستیک، تامین و زنجیره تامین است. آنچه پیش­بینی تقاضا و مصرف یک محصول را ممکن و به واقعیت نزدیک می­کند شناسایی عوامل موثر بر تقاضا و تعیین رابطه آن عوامل با تقاضا است. بر این اساس مناسب­ترین روش پیش­بینی تعداد قطعات یدکی موردنیاز، استفاده از مدلی است که کلیه عوامل موجد یا موثر بر نرخ شکست را درنظر بگیرد. در این مقاله مدلی ارائه شده که علاوه بر قابلیت اطمینان قطعه، عوامل محیطی موثر بر نرخ شکست را به خوبی درنظر می­گیرد. علاوه براین از آنجاکه مصرف بسیاری از قطعات ناشی از ارتباط آنها با سایر قطعات و وجود مفهومی به نام برهم­کنش شکست قطعات است، این عوامل نیز به عنوان یک گروه دیگر از عوامل موثر بر تقاضا در مدل وارد شده است. مدل ارائه شده در این مقاله، با استفاده از مدل­های قابلیت اطمینان و فرآیند تجدید به پیش­بینی مصرف قطعات یدکی با درنظرگرفتن قابلیت اطمینان، عوامل موجود در محیط عملیاتی و برهم­کنش شکست می­پردازد.

---

فرایند مدیریت ریسک، دارای نقش مهمی در مدیریت پروژه می‌باشد و این در نتیجه پیچیدگی ناشی از علل فرصت‌ها یا تهدید‌ها، و نتایج ناشی از نوع واکنش اتخاذ شده در صورت وقوع آنها می‌باشد این مقاله مدلی ارائه می‌دهد تا با استفاده از قابلیت روش‌های استدلال مبتنی بر مورد و تصمیم‌گیری چند شاخصه، در برابر فرصت‌ها و تهدیدهای به وقوع پیوسته در روند انجام پروژه، در مقایسه با سایر ابزار‌ها و مدل‌ها٬ پاسخی اثرگذار و کار‌ا به‌دست آید.

---

به علت اهمیت آنالیز ریسک فازی و کاربرد شباهت اعداد فازی در این زمینه، ایجاد روشی مناسب در یافتن شبیه ترین عدد فازی به عدد فازی مشخص اهمیت قابل توجهی پیدا کرده است. بدین منظور روش های مختلفی برای تعیین میزان شباهت فازی ابداع شد. در این تحقیق، در ابتدا با استفاده از روش تاپسیس روش جدیدی برای تعیین شباهت بین اعداد فازی ذوزنقهای عمومی ارائه شده است. این روش می تواند تعدادی از این روشهای مختلف را برای انتخاب شبیه ترین عدد فازی ترکیب نماید. در حقیقت برتری این روش در توانایی بکارگیری شاخصهای مختلف می باشد. سپس روش جدید برای اجرای یک الگوریتم آنالیز ریسک فازی جدید بکار گرفته می شود.

---

رتبه‌بندی ریسک‌های یک پروژه به‌ویژه زمانی که تعداد عوامل ریسک‌زا افزایش می‌یابد به عنوان بخشی مهم از فرایند پیچیده مدیریت ریسک محسوب می‌شود. در این تحقیق نخست ساختار جامعی از ریسک‌های اصلی پروژه­های تونل‌سازی در قالب 17 دسته اصلی و 196 زیر سطح تهیه شده و سپس این ریسک­ها در عملیات تونل­سازی سد سیمره در جنوب غرب ایران رتبه­بندی شده است. بدین منظور از روش تصمیم­گیری گروهی و میانگین وزین جهت جمع­آوری و تجمیع نظر خبرگان و از روش تخصیص خطی به­عنوان یکی از روش­های تصمیم­گیری چند شاخصه جهت تعیین رتبه ریسک­ها استفاده شده است. شاخص­های رتبه­بندی در دو دسته اولیه و ثانویه تقسیم شده­اند. شاخص اولیه بر مبنای احتمال و میزان اثر­گذاری ریسک­ها بر اهداف اصلی پروژه (زمان، هزینه، کیفیت و عملکرد) با وزن­های متفاوت تعیین شده است. دسته دوم شاخص­ها شامل اثرات اجتماعی- اقتصادی، اثرات زیست محیطی، نزدیکی زمان وقوع ریسک، میزان مواجهه با ریسک، عدم اطمینان تخمین و میزان مدیریت­پذیری ریسک است. با کمک روش تخصیص خطی ریسک‌ها با توجه به شاخص‌های گوناگون بهتر ارزیابی می‌گردند و در نتیجه واقع بینانه‌تر رتبه‌دهی می‌شوند. بر اساس نتایج بدست آمده، عوامل اقتصادی و شرایط حقوقی به ترتیب بیشترین و کمترین رتبه ریسک را به خود اختصاص می­دهند

---

 

در این مقاله به بررسی موضوع انتخاب سیاست نگهداری و تعمیرات با رویکرد بازرسی بر مبنای ریسک در صنعت نفت پرداخته شده است و با استفاده از تکنیک فرایند تحلیل سلسله مراتبی یک مدل تصمیم‌گیری جهت انتخاب سیاست مناسب نت مبتنی بر این رویکرد ارائه شده است.

در هنگام ارائه مدل تصم ی م‌گ ی ر ی ، ابتدا فرا ی ند بازرس ی بر مبنا ی ر ی سک به روش ک ی ف ی در یکی از واحدهای پالایشگاهی مورد اجرا گذاشته شده و ماتر ی س ر ی سک برای تجهیزات یکی از واحدهای فرایندی آن ترس ی م شده است، به‌گونه‌ا ی که تجه ی زات موجود در واحد مذکور در سه ناح ی ه ر ی سک بالا، ر ی سک متوسط و ر ی سک کم، قرار گرفتند. سپس س ی است‌ها ی نگهدار ی و تعم ی رات قابل اجرا در واحد مذکور، تع یی ن شدند و سپس با تعد ی ل و غربالگر ی مع ی ارها ی اول ی ه، چهار مع ی ار نها یی (1) هز ی نه، (2) ارزش افزوده، (3) ا ی من ی و (4) قابل ی ت اجرا، جهت تصم ی م‌گ ی ر ی و قرار گ ی ر ی در مدل AHP انتخاب شده‌اند. قدر مسلم برا ی هر تجه ی ز ی که در هر ی ک از نواح ی ر ی سک قرار بگ ی رد، س ی است نت خاص ی قابل اجرا خواهد بود که نها ی تاً از فرا ی ند تحل ی ل سلسله مراتب ی برا ی انتخاب س ی است نگهدار ی و تعم ی ر مناسب با توجه به مع ی ارها ی فوق استفاده شده است. لازم به ذکر است که هنگام ته ی ه ماتر ی س‌ها ی مقا ی سه زوج ی از نظرات خبرگان، استانداردها و مدارک فن ی تعم ی رات دستگاهها استفاده شده است تا به طور منطق ی ، مدل دارا ی کمتر ی ن ناسازگار ی شود. در انتها نتا ی ج بدست آمده با اقدامات کاربرد ی و نظر کارشناسان و خبرگان مقا ی سه و جهت اجرا در تعم ی رات اساس ی آ ی نده واحدها پ ی شنهاد گرد ی د .

---

بانک به عنوان یک نهاد مالی باید ریسک اعتباری هر یک از بدهکاران را برآورد کند. این کار مبنای اصلی قیمت گذاری یک وام، تعیین نرخ بهره مناسب و تعیین مقدار وثیقه مورد نیاز در مورد هر وام گیرنده است. در عین حال باید به کیفیت اعتباری سبد وام خود نیز به عنوان مجموعه­ای از بدهی­ها توجه کند، زیرا تداوم فعالیت بانک، تا حد زیادی به عملکرد آن و حجم زیان­های اعتباری در یک دوره معین بستگی دارد. در این مقاله نحوه محاسبه ریسک اعتباری شرکتهای متقاضی وام بررسی شده است به طوریکه  با استفاده از روش تحلیل سلسله مراتبی فازی معیارهای موثر بر ریسک اعتباری شرکتهای متقاضی وام وزن دهی شده­اند و با استفاده از شبکه عصبی ارتباط بین معیارهای موثر بر ریسک اعتباری و میزان اعتبار شرکت متقاضی وام به صورت مدل جعبه باز¹ استخراج شده است. مدل شبکه عصبی با داده­های تاریخی مربوط به 174 شرکت وام گیرنده در سال­های 1383 تا 1387 از بانک ملت جمهوری اسلامی ایران وام دریافت نموده­اند و دوره بازپرداخت آن­ها تمام شده است اجرا شده است. خروجی مدل قابلیت پیش بینی ریسک اعتباری با دقت 84% را دارا می­باشد

---

مارکویتز با معرفی مدل میانگین – واریانس گام بزرگی برای حل مسائل بهینه سازی پورتفولیو برداشت. اما این مدل براساس فرضیاتی بنا نهاده شده است که در عمل به ندرت برقرار است. بنابراین تلاش های زیادی به صورت تئوری و عملی در زمینه بهبود مدل استاندارد میانگین – واریانس مارکویتز انجام گرفته است. معیارهای ریسک متعددی از قبیل مدل نیمه واریانس، مدل میانگینِ قدر مطلق انحراف و مدل واریانس با چولگی پیشنهاد شده است. یکی از معروفترین معیارهای ریسک مدل نیمه واریانس می باشد. در این مقاله با استفاده از الگوریتم های آنیل شبیه سازی شده و جستجوی ممنوع مدل نیمه واریانس را بهینه می کنیم. محدودیت مربوط به تعداد سهام پورتفولیو و نسبت پورتفولیو در هر سهم را در مدل درنظر می گیریم. مرز کارای محدودیت اصلی را ترسیم کرده و توانایی دو الگوریتم در رسم این منحنی با استفاده از آزمون آماری دو نمونه ای t مورد بررسی قرار می گیرند. اطلاعات مربوط به ارزش تاریخی سهام DAX، Hang Seng و S&P100 در فاصله سال های 2007 تا 2009 به عنوان ورودی های مدل در نظر گرفته می شوند.

---

:چکیده افزایش کیفیت اجرای پروژه ها ، کاهش مدت زمان و هزینه های اجرای آنها ، اهداف اصلی در فرآیند اجرای پروژه‌ها هستند. مدیران پروژه ها با تخصیص مناسب منابع و انتخاب بهترین تصمیم، به دنبال تامین شدن اهداف فوق می باشند. از آنجاکه بیشتر کارهای پیشین در شرایط قطعیت و غیرواقعی انجام گرفته است و یک شکاف اساسی در تصمیم گیری مدیران در حوزه ی دانش مدیریت پروژه وجود دارد. بنابراین در نظر گرفتن شرایط عدم قطعیت که به دنیای واقعی نزدیکتر است، از برجسته ترین ویژگی های این تحقیق بشمار می رود. در مقاله حاضر یک مدل ریاضی فازی برای شبکه ای از فعالیتها پیشنهاد می شودکه هریک دارای چندین حالت(مد) برای اجرا هستند تا از بین حالت های ممکن، بهترین حالت برای اجرا انتخاب شود به گونه ای که اهداف فوق را تامین نماید. بدین منظور یک الگوریتم ژنتیک Non-dominated sorting genetic algorithm II (NSGA-II) برای حل مدل پیشنهادی طراحی گردید. سپس یک مطالعه موردی درصنعت نفت انجام شد و عملکرد مدل و الگوریتم پیشنهادی مورد آزمون قرار گرفت. همچنین با استفاده از روش برش آلفای فازی میزان اعتنای مدیر پروژه به نظرات کیفی افراد خبره آورده شده است که برای آزمون اعتبار سنجی آن ، نتایج محاسباتی نشان می دهد زمانی که مقدار1 =α در نظر گرفته می شود پاسخ ها به شرایط پیمانی پروژه که همان شرایط مورد انتظار مدیر پروژه نیز می باشدگرایش دارند اما هر چقدر از شرایط قطعیت به طرف 0=α و شرایط عدم قطعیت نزدیک می شویم ، پاسخ‌های حاصل از حل الگوریتم از نظر شرایط زمانی ، هزینه ا ی وکیفی وضعیت بدتری نشان می دهند دلیل این وضعیت این است که مدیر پروژه، با اعتنا کردن به نظرات خبرگان، شرایط عدم قطعیت و ریسک‌ها را که برای پروژه بصورت تهدید مطرح می-باشند، درنظر می گیرد که این امر منجر به بدتر شدن وضعیت کلی پروژه می گردد.

---

با پذیرش زمان احتمالی برای هر یک از فعالیت های پروژه در شبکه های پرت باید بپذیریم که مسیر بحرانی پروژه نیز ممکن است در طول اجرای آن به دفعات تغییر کند. درصورتیکه این تغییرات چند بار در طول پروژه و آن هم به صورت ناخواسته یا پیش بینی نشده اتفاق بیفتد مدیریت پروژه را دچار بحران جدی می کند و علاوه بر طولانی نمودن زمان پروژه هزینه سنگینی را نیز به ذینفعان آن تحمیل می نماید. هدف این مقاله ارائه الگوریتمی است که به عدم رخداد یا کاهش تغییرات ناخواسته در مسیر بحرانی پروژه کمک می نماید. در این الگوریتم، پس از شناسایی ریسک هر فعالیت و تحلیل کیفی و کمی جهت شناسایی ریسک های مهم و تاثیرگذار، زمان فعالیت ها با توجه به بروز هریک از حالات محتمل ریسک ها محاسبه شده و پس از آن با محاسبه پارامتری به نام MVC بازه ای را که هر فعالیت با قرار گرفتن در آن موجب تغییر مسیر بحرانی می شود، شناسایی کرده سپس با تکنیک های اقتصاد مهندسی و تصمیم گیری نتیجه گیری می شود که آیا در شرایط مختلف پیش بینی شده به مسیر بحرانی اجازه تغییر داده شود یا نه.