ارايه مدل زمان‌بندي مقاوم پروژه با منابع محدود و حل آن با استفاده از الگوريتم شبيه‌سازي تبريد

Conceptualizing the Model for Realization of Sustainable Marketing in I.R. Iranʹʹs Automotive Industry

زمان‌بندي سهم به‌سزايي در پيشبرد و موفقيت پروژه دارد. اين موضوع همواره يكي از مسايل مورد توجه محققان علوم مديريت و تحقيق در عمليات بوده است. همچنين ماهيت بسيار دشوار اين مسيله، علت ديگري براي توجه زياد محققان به آن مي‌باشد. بنابراين تكنيك‌ها و روش‌هاي خاصي براي حل اين مسايل مطرح شده‌اند. از سوي ديگر تشديد تحريم‌ها از سوي بيگانگان به منظور به تاخير انداختن زمان انجام پروژه‌ها اهميت اتمام به‌موقع پروژه‌ها دوچندان شده است. از اين رو توجه بيشتر به استواري پروژه براي مديران پروژه موضوعيت دارد. در اين مقاله براي يك مسيله واقعي زمان‌بندي پروژه پالايشگاهي نخست مدل زمان‌بندي مقاوم ارايه‌شده و به دليل اينكه زمان‌بندي پروژه با محدوديت منابع از جمله مسايل NP-Hard است، الگوريتم‌ فرا ابتكاري شبيه‌سازي تبريد براي حل اين مسيله پيشنهاد شد. به منظور اعتبارسنجي مدل نيز چهار مسيله با ابعاد كوچك انتخاب و جواب‌هاي به دست آمده از الگوريتم‌هاي پيشنهادي با جواب دقيق به دست آمده حاصل از نرم‌افزار Lingo مقايسه شد. نتايج به دست آمده نشان مي‌دهد كه الگوريتم پيشنهادي كارا و همگرا به جواب بهينه مي‌باشند

Scheduling plays an important role in the development and success of the project; this has always been one of the main issues considered in operations and management science researches. Another reason for the focus of much research into it is the difficult nature of this problem. Therefore, special techniques and methods have been proposed to solve this problem. On the other hand, in order to intensify sanctions on foreign delaying projects, timely completion of projects has been accelerated. Therefore, attention to project robustness subject to project managements. In this article, a real issue is scheduled for a robust scheduling model of a refinery project. Since project scheduling has resource constraints such NP-Hard problems, simulated annealing algorithm was proposed to solve this problem. In order to validate the model, 4 problems with small size were chosen and the solutions obtained by the proposed algorithms were compared with the exact solution obtained by Lingo8 software. The results showed that the proposed algorithm is efficient and convergent to the optimal solution