عنوان پایان‌نامه
ارائه مدلی به منظور تخمین هزینه تکمیل پروژه با رویکرد مدیریت ارزش کسب شده در پروژه های حفاری
- رشته تحصیلی
- مدیریت پروژه - مهندسی نفت و گاز
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3434;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77996;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3434;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77996
- تاریخ دفاع
- ۱۶ شهریور ۱۳۹۵
- دانشجو
- وحید طالبی رستمی
- استاد راهنما
- رضا توکلی مقدم
- چکیده
- پروژه‌ها تحت تاثیر عوامل مختلفی هستند که بر هزینه و زمان پایانی پروژه تاثیر می‌گذارد. در مدیریت و کنترل پروژه‌ها، موفقیت در کنترل هزینه و زمان پروژه برای کمک به پیمانکاران امری حیاتی است. تخمین هزینه و زمان تکمیل پروژه رویکرد مهمی است که به منظور پیش‌بینی هزینه و زمان نهایی پروژه‌ها مورد استفاده قرار می‌گیرند و ریسک‌ها و عملکرد پروژه را مورد تامل قرار می‌دهند. تخمین هزینه و زمان تکمیل پروژه به مدیران پروژه در راستای شناسایی مسائل بالقوه اما ناشناخته و اتخاذ استراتژی‌های پاسخ‌دهی مناسب یاری می‌کند. در این تحقیق، از روش ارزش کسب شده و شبکه‌های عصبی برای تشکیل مدل‌های تخمین هزینه و زمان تکمیل پروژه استفاده شده است. در این مدل‌ها، از خاصیت یادگیرنده بودن شبکه‌های عصبی به عنوان ابزار استفاده شده است تا روابط میان ورودی‌ها و هزینه و زمان تکمیل پروژه را استنباط کند. برای متغیرهای ورودی شبکه‌های عصبی از دو دسته متغیر استفاده شده که شامل متغیرهای ارزش کسب شده و متغیرهای محیطی می‌شود. البته ورودی‌ها هزینه و زمان باقیمانده تا تکمیل پروژه را به ما می‌دهند و سپس ما با استفاده از روش ارزش کسب شده، هزینه و زمان تکمیل پروژه را با استفاده از فرمول‌ها به دست می‌آوریم. در مرحله بعد عملکرد روش ARIMA در تخمین هزینه و زمان تکمیل پروژه مورد بررسی قرار گرفته است. نتایج تحقیق نشان می‌دهد که عملکرد شبکه‌های عصبی مبتنی بر داده‌های ارزش کسب شده و محیطی به مراتب بهتر است.
- Abstract
- Projects are influenced by a range of factors that impact upon final project cost and time. In project management and project control, succeeding in project cost and time control is vital for contractors. Estimate at Completion (EAC and EAC(t)) is an important approach used to estimate final project cost and time, which takes into consideration probable project performance and risks. EAC helps project managers identify potential but still unknown problems and adopt response strategies. In this thesis, Earned Value method and Neural Networks are used for proposing models for time and cost estimate at completion. In these models, feature of learning in neural network is used as a tool to deduce the relationship between the input and cost and time estimate to complete. For input variables of the neural network, we used two categories of variables which include earned value variables and environmental variables. Although the input gives us cost and time estimate to complete (ETC and ETC(t)), then we apply the earned value method for calculating EAC and EAC(t) using formulas. In the next step for validating the model, we checked the performance of ARIMA method for estimating final cost and time. The result shows that the performance of the neural network based on earned value and environmental data is better than the other methods. Keywords: Time and Cost Estimate at Completion, Earned Value Management, Neural Network
