طراحی یک مدل ریاضی چند هدفه با رویکرد فازی شهودی برای انتخاب پروژه‌های سرمایه‌گذاری (مورد مطالعه فرصت‌های سرمایه‌گذاری استان بوشهر

نویسندگان

1 دانشجوی دکترای دانشگاه خلیج فارس بوشهر

2 دانشیار دانشگاه خلیج فارس بوشهر

چکیده

دستیابی به اهداف توسعه ای استراتژیک با بهره گیری مناسب از ظرفیت های سرمایه گذاری هر منطقه حاصل می شود. در چنین شرایطی برخی از این اهداف ممکن است با یکدیگر متناقض باشد. از این رو دولت ها خواستار ترکیبی از اهداف سرمایه گذاری مختلف و بعضا متناقض هستند که به شکل استراتژیک آنها را تا حد ممکن هم جهت نماید. این پژوهش با هدف تبیین مدل ریاضی برای پروژه های سرمایه گذاری یک مدل برنامه ریزی عدد صحیح با سه هدف عمده کاهش هزینه، افزایش اشتغال و کاهش انتشار گاز گلخانه ای-دی اکسید کربن- را ارائه نمود. در انتها مدل با داده های حاصل از 51 پروژه پیشنهادی مورد آزمون قرار گرفت. از میان روش های مورد استفاده مدل توسعه یافته اپسیلون محدودیت تقویت شده استفاده گردید. همچنین با نظرسنجی از خبرگان و به کارگیری رویکرد فازی شهودی، هدف کاهش هزینه به عنوان هدف اصلی انتخاب شد. مدل پیشنهادی با تعیین پروژه های پذیرفته شده در پارتو فرانتی با بیست و یک برش اپسیلون محدودیت تقویت شده مورد بررسی قرار گرفت و جواب بهینه بدست آمد که 45 پروژه بعنوان متغیرهای اساسی مساله معرفی شده است. در انتها رویکرد اپسیلون محدودیت تقویت شده با رویکرد اپسیلون محدودیت کلاسیک مقایسه شد. نتایج نشان داد در رویکرد کلاسیک از 51 پروژه تنها 35 پروژه پذیرفته می شوند. همچنین با بررسی بیشتر مشخص شد رویکرد تقویت شده بر رویکرد کلاسیک برتری دارد.

کلیدواژه‌ها

عنوان مقاله [English]

Designing a Multi-Objective Mathematical Model Using Intuitionistic Fuzzy Approach to Select Investment Projects (Case of Investment Opportunities in Bushehr Province)

نویسندگان [English]

  • Marzieh Sadat Hosseini 1
  • Hamid Shahbandarzadeh 2
چکیده [English]

Strategic development goals is achieved by investment potential utilization of each region. Some of these goals may be inconsistent. Therefore, Governments want to align a combination of different investment objectives and sometimes contradictory as far as possible. This study aimed to explain the mathematical model for investment projects by providing an integer linear programming model with three objectives: reducing costs, increasing employment and reducing greenhouse gas emissions - carbon dioxide. Afterward, the model was tested with extracted data from 51 proposed projects. Among common methods, the   Augmented Epsilon Constraint is used. The cost reduction goal was chosen as the main objective by surveying experts and applying the Intuitionistic fuzzy approach. By applying the intuitionistic fuzzy approach and regarding experts viewpoint, Cost reduction is chosen as the main objective. the proposed model was evaluated in pareto front with twenty-one cut Augmented Epsilon constraints and optimal solution obtained, so, 45 projects is introduced as the basic variables of the problem. Finally, The Augmented epsilon constraint approach was compared with the classical epsilon constraint approach. The results showed in the classic approach, only 35 projects are accepted from 51 projects. Further examination revealed the Augmented approach outperforms the classical approach.

کلیدواژه‌ها [English]

  • Project selection
  • Employment
  • environmental impact
  • Epsilon constraint
  • Intuitionistic fuzzy set

مراجع

  1. نجات بخش، ی. و رستگارپور، ح. (1395). اولویت بندی زمینه های سرمایه گذاری در بخش صنعت، معدن و تجارت استان تهران با استفاده از روش تاپسیس فازی. چهارمین کنفرانس بین المللی پژوهش‌های نوین در مدیریت، اقتصاد و حسابداری.
  2. فریدوند، ا. (1397). سرمایه گذاری در پروژه های شهری. مجله اقتصادی، سال 18، شماره 9 و 10، صص.147-133.
  3. قانون برنامه پنج ساله ششم توسعه اقتصادی، اجتماعی و فرهنگی جمهوری اسلامی ایران(1400-1396). (1395). مرکز پژوهش های مجلس شورای اسلامی.
  4. دفتر جمعیت نیروی کار و سرشماری (1397). چکیده نتایح طرح آمارگیری نیروی کار زمستان 1397، مرکز آمار ایران.
  5. Climate Analysis Indicators Tool: WRI’s Climate Data Explorer. (2017). World Resources Institute (WRI).
  6. درویشی, ع. (1398). سازمان مدیریت و برنامه ریزی استان بوشهر.

https://bushehr.mporg.ir/Portal/View/Page.aspx?PageId=e9cc5ae7-f127-4793-8632-baf49ab50114&ObjectId=418d889f-8ef3-4db9-9ac5-cd66c55a283a&WebpartId=4469b580-6672-449d-a784-f51387cbcbc6.

  1. خرمی‌راد، ن. (1389). راهنمای دانش مدیریت پروژه. تهران. موسسه فرهنگی هنری دیباگران تهران.
  2. درخشان، س.، دلوی، م. و دهقان، م. (1394). مدیریت سبد سرمایه گذاری پروژه و پروژه های فناوری اطلاعات. مدیریت اطلاعات سلامت، سال 12، شماره 2، صص. 161-150.
  3. Tavana, M., Keramatpour, M., Santos-Arteaga, F. J.&Ghorbaniane, E. (2015). A fuzzy hybrid project portfolio selection method using data envelopment analysis, TOPSIS and integer programming. Expert Systems with Applications. Vol. 42. No. 22. PP. 8432-8444.
  4. حسینعلی پور، م. و محمدی، ص. (1393). بیان الگو و چارچوبی یکپارچه و منسجم برای انتخاب مدیریت سید(پورتفولیو) پروژه با رویکردی استراتژی مدار در سازمان های پروژه محور. صفه، دوره 15، شماره24، صص.74-57.
  5. پرچمی جلال، م.، زبردست، ا. و فصیحی، ح. (1397). ارائه چارچوب (مدل فرآیندی) مدیریت یکپارچه پروژه های شهری مبتنی بر رویکرد مدیریت سبد پروژه. مدیریت شهری، شماره 53، صص.220-195.
  6. امینی، ع. و فرهادی کیا، ع. (1396). برآورد توابع اشتغال به تفکیک بخش های اقتصادی ایران و پیش بینی اشتغال در برنامه ششم توسعه. برنامه ریزی و بودجه، دوره21، شماره4، صص. 99-61.
  7. دائی، ب. و افشون، ح. (2018). تحلیل ساختار اشتغال بخش‌های مختلف اقتصادی استان فارس طی سال‌های 1396-1392 و پیش‌بینی آن تا سال 1400 (سال‌های دولت‌های یازدهم و دوازدهم): رهیافت اقتصاد پایه و تغییر مکان-سهم. مجله اقتصادی-ماهنامه بررسی مسایل و سیاستهای اقتصادی، دوره 18، شماره9، صص.96-71.
  8. شاخص‌های عمده نیروی‌ کار در جمعیت ١٠ ساله و بیش‌تر برحسب جنس به ‌تفکیک استان و نقاط شهری و روستایی- بهار و تابستان ١٣٩٨. (1398). مرکز آمار ایران.

https://www.amar.org.ir/%D8%AF%D8%A7%D8%AF%D9%87%D9%87%D8%A7-%D9%88-%D8%A7%D8%B7%D9%84%D8%A7%D8%B9%D8%A7%D8%AA-%D8%A2%D9%85%D8%A7%D8%B1%DB%8C/%D8%AC%D9%85%D8%B9%DB%8C%D8%AA-%D9%88-%D9%86%DB%8C%D8%B1%D9%88%DB%8C-%DA%A9%D8%A7%D8%B1/%D9%86%DB%8C%D8%B1%D9%88%DB%8C-%DA%A9%D8%A7%D8%B1#5585731--.

  1. Yetano Roche, M., Paetz, C. , Dienst, C. (2019). Implementation of nationally determined contributions: Islamic Republic of Iran country report. Vol. No. PP.
  2. Fact sheet: The need for mitigation. (2009). United Nations Framework Convention on Climate Change(UNFCCC).
  3. Wang, T. (2019). Largest global emitters of carbon dioxide by country 2018. https://www.statista.com/statistics/271748/the-largest-emitters-of-co2-in-the-world/.
  4. Mohagheghi, V., Mousavi, S., Aghamohagheghi, M.&Vahdani, B. (2017). A new approach of multi-criteria analysis for the evaluation and selection of sustainable transport investment projects under uncertainty: A case study. INTERNATIONAL JOURNAL OF COMPUTATIONAL INTELLIGENCE SYSTEMS. Vol. 10. No. 1. PP. 605-626.
  5. Pardo-Bosch, F. , Aguado, A. (2016). Sustainability as the key to prioritize investments in public infrastructures. Environmental Impact Assessment Review. Vol. 60. No. PP. 40-51.
  6. Escrig-Olmedo, E., Rivera-Lirio, J. M., Muñoz-Torres, M. J.&Fernández-Izquierdo, M. Á. (2017). Integrating multiple ESG investors' preferences into sustainable investment: A fuzzy multicriteria methodological approach. Journal of cleaner production. Vol. 162. No. PP. 1334-1345.
  7. Esfahani, H. N., hossein Sobhiyah, M. , Yousefi, V. R. (2016). Project portfolio selection via harmony search algorithm and modern portfolio theory. Procedia-Social and Behavioral Sciences. Vol. 226. No. PP. 51-58.
  8. Bin, A., Azevedo, A., Duarte, L., Salles-Filho, S. , Massaguer, P. (2015). R&D and innovation project selection: can optimization methods be adequate? Procedia Computer Science. Vol. 55. No. PP. 613-621.
  9. Amirian, H. , Sahraeian, R. (2017). Solving a grey project selection scheduling using a simulated shuffled frog leaping algorithm. Computers & Industrial Engineering. Vol. 107. No. PP. 141-149.
  10. Balderas, F., Fernandez, E., Gomez-Santillan, C., Cruz-Reyes, , Rangel-Valdez, N. , Morales-Rodríguez, M. L. (2018). A Grey Mathematics Approach for Evolutionary Multi-objective Metaheuristic of Project Portfolio Selection. In: Fuzzy Logic Augmentation of Neural and Optimization Algorithms: Theoretical Aspects and Real Applications. Springer. PP. 379-388.
  11. Ghassemi, A. , Amalnick, M. (2018). NPD project portfolio selection using reinvestment strategy in competitive environment. International Journal of Industrial Engineering Computations. Vol. 9. No. 1. PP. 47-62.
  12. Hosseininia, M. , Dehghani, R. (2017). PRIORITIZATION AND SELECTION OF CONSTRUCTION PROJECT PORTFOLIO IN CONTRACTOR COMPANIES USING PROJECT PORTFOLIO MANAGEMENT APPROACH (CASE STUDY: CASPIAN CONTRACTOR COMPANY). Revista QUID. PP .492-501.
  13. Wu, Y. J. , Chen, J.-C. (2019). A structured method for smart city project selection. International Journal of Information Management. P. 101981.
  14. Schaeffer, S. , Cruz-Reyes, L. (2016). Static R&D project portfolio selection in public organizations. Decision Support Systems. Vol. 84. No. PP. 53-63.
  15. Khalilzadeh, M. , Salehi, K. (2017). A multi-objective fuzzy project selection problem considering social responsibility and risk. Procedia Computer Science. Vol. 121. No. PP. 646-
  16. Fan, Z.-P. , Cao, B.-B. (2018). A Method for the Portfolio Selection Considering the Psychological Behaviors and the Mental Accounts of the Investor. International Journal of Information Technology & Decision Making. Vol. 17. No. 01. PP. 155-181.
  17. Tavana, M., Khosrojerdi, G., Mina, H.&Rahman, A. (2019). A hybrid mathematical programming model for optimal project portfolio selection using fuzzy inference system and analytic hierarchy process. Evaluation and program planning. Vol. 77. No. PP. 101703.
  18. Toloo, M. , Mirbolouki, M. (2019). A new project selection method using data envelopment analysis. Computers & Industrial Engineering. Vol. 138. No. PP. 106119.
  19. Tofighian, A. A. , Naderi, B. (2015). Modeling and solving the project selection and scheduling. Computers & Industrial Engineering. Vol. 83. No. PP. 30-38.
  20. Kalashnikov, V., Benita, F., López-Ramos, F.&Hernández-Luna, A. (2017). Bi-objective project portfolio selection in Lean Six Sigma. International Journal of Production Economics. Vol. 186. No. PP. 81-88.
  21. Kumar, M., Mittal, M. L., Soni, G.&Joshi, D. (2018). A hybrid TLBO-TS algorithm for integrated selection and scheduling of projects. Computers & Industrial Engineering. Vol. 119. No. PP. 121-130.
  22. Maleki, I., Omrani, H., Ghodsi, R.&Khoei, A. (2014). Project selection using fuzzy linear programming model. International Journal of Operational Research. Vol. 19. No. 2. PP. 211-233.
  23. عمرانی، ه.، ادبی، ف. و ادبی، ن. (1395). ارائه الگوریتم چندهدفه تجمع ذرات برای انتخاب پروژه در شرایط عدم قطعیت. نشریه بین المللی مهندسی صنایع و مدیریت تولید، جلد27، شماره 2، صص.141-130.
  24. Huang, X. , Zhao, T. (2014). Project selection and scheduling with uncertain net income and investment cost. Applied Mathematics and Computation. Vol. 247. No. PP. 61-71.
  25. Pérez, F., Gómez, T., Caballero, R.&Liern, V. (2018). Project portfolio selection and planning with fuzzy constraints. Technological Forecasting and Social Change. Vol. 131. No. PP. 117-129.
  26. Minken, H. (2016). Project selection with sets of mutually exclusive alternatives. Economics of Transportation. Vol. 6. No. PP. 11-17.
  27. Shafahi, A. , Haghani, A. (2018). Project selection and scheduling for phase-able projects with interdependencies among phases. Automation in Construction. Vol. 93. PP. 47-62.
  28. Rad, F. H. , Rowzan, S. M. (2018). Designing a hybrid system dynamic model for analyzing the impact of strategic alignment on project portfolio selection. Simulation Modelling Practice and Theory. Vol. 89. No. PP. 175-194.
  29. Takami, A., Sheikh, R. , Sana, S. S. (2018). A Hesitant Fuzzy Set Theory Based Approach for Project Portfolio Selection with Interactions under Uncertainty. J. Inf. Sci. Eng.: Vol. 34. No. 1. PP. 65-79.
  30. Shadkam, E. , Jahani, N. (2015). A hybrid COA $\epsilon $-constraint method for solving multi-objective problems. arXiv preprint arXiv:1509.08302.
  31. Mavrotas, G. (2009). Effective implementation of the ??-constraint method in Multi-Objective Mathematical Programming problems. Applied Mathematics and Computation. Vol. 213. No. PP. 455-465.
  32. صفاری، د.، آقایی، ع. و روغنیان، ع. (1397). ارائه مدل مکان یابی- تخصیص چند سطحی در چارچوب شبکه صف. پژوهش های مهندسی صنایع در سیستم های تولید، سال 6، صص.61-49.
  33. درویشی، ع.، برنا، ب.، موسوی فر، س.، لیراوی، م.، دل افگار، ه.، جمشیدی، ب.، و عباسی، ا. (1393). قابلیت ها و فرصت های سرمایه گذاری استان بوشهر. استانداری بوشهر، معاونت برنامه ریزی، دفتر هماهنگی امور اقتصادی و بین الملل.
  34. اسلامی، ا. (1397). نظریه مجموعه های فازی و تعمیم آن. سیستم های فازی و کاربردها. سال 1، شماره 1، صص.22-1.
  35. شیدپور، ح. و شهرخی، م. (1396). یک روش جدید برنامه ریزی آرمانی مبتنی بر مجموعه های فازی شهودی برای توسعه محصول جدید. مهندسی صنایع، دوره 51، شماره 3، صص. 349-339.
  36. Gerogiannis, V. C., Fitsilis, P. , Kameas, A. D. (2011). Using a combined intuitionistic fuzzy set-TOPSIS method for evaluating project and portfolio management information systems. In: Artificial Intelligence Applications and Innovations. Springer. PP. 67-81.
نشریه علمی راهبردهای بازرگانی
دوره 16، شماره 14
اسفند 1398
صفحه 21-38

فایل ها

هم رسانی

ارجاع به این مقاله

آمار