خوشه بندي، ارزيابي و انتخاب پروژه ها با رويكرد كوله پشتي و روش هاي تصميم گيري چند معياره

Multi Criteria Decision Making Techniques and Knapsack Approach for Clustering, Evaluating and Selecting Projects

انتخاب سبد بهينه از پروژه ها، ازجمله تصميمات استراتژيك در سطح مديريت سازمان هاي پروژه محور مي باشد؛ كه به عنوان يكي از مراحل اصلي و موثر در مديريت سبد پروژهها مطرح مي گردد. به عبارت ديگر، پس از شناسايي و ارزيابي پروژه هاي مختلف، مي بايست تركيب بهينه اي از پروژه ها بر مبناي معيارهاي مختلف انتخاب گردد. از آنجايي كه منابع سازمان ها معمولاً كمتر از منابع موردنياز در پروژه هاي پيش رو سازمانهاست، لذا انتخاب پروژه ها از ميان سبدي از پروژه ها و تصميم گيري در اين رابطه امري اجتناب ناپذير در سازمان محسوب ميشود. لذا حيات سازمانها ارتباط تنگاتنگي با نحوه مدلسازي و رويكرد استفاده شده در سازمان، جهت انتخاب پروژه ها دارد. در پژوهش هاي صورت گرفته در راستاي انتخاب پروژه عموماً به بحث خوشه بندي پروژه ها توجه زيادي نشده است درحالي كه خوشه بندي پروژه ها اين امكان را فراهم مي آورد كه پروژه ها به بالاترين بازدهي برسند. در اين مقاله به ارائه مدلي جهت خوشه بندي، ارزيابي و انتخاب پروژه ها خواهيم پرداخت. در ابتدا پروژه ها در سبدهاي مختلف با استفاده از الگوريتم K-MEANS خوشه بندي خواهند شد، سپس به ارزيابي و اولويت بندي پروژه هاي هر سبد با استفاده از فرايند تحليل شبكه اي پرداخته خواهد شد. درنهايت پس از ارزيابي و اولويت بندي پروژه ها، با استفاده از مسئله كوله پشتي، پروژه ها از هر سبد انتخاب خواهد شد.

Project Portfolio Selection is one of the strategic decisions on the level of management in project-oriented organizations; which is one of the most important and effective stages in project portfolio management. In other words, after identification and evaluation of different projects, optimal combination of projects must be selected based on different criteria. Since commonly resources of organizations are less than required resources on projects that are ahead of the organization; so project selection among different project portfolio and decision making about these issues are inevitable in organizations. So durability of organizations depends closely on the way of modeling and used approaches for project selection problem. In previous researches related to project selection problem, generally the problem of project clustering have not deeply been considered while project clustering may allow that projects to reach the highest return. In this article, we will propose a model for clustering, evaluating and selecting projects. At first projects will be clustered in various portfolios by K-MEANS algorithm, then projects of each portfolio will be evaluated and prioritized with analytical network process (ANP). Finally, projects from each portfolio will be selected based on knapsack problem.