17488

17488

پيش بيني مدت زمان تاخير پروژه هاي عمراني مبتني بر رويكردهاي داده كاوي و تصميم گيري چند شاخصه: مطالعه موردي پروژه هاي شهرداري تهران

كارشناسي ارشد

سيستم هاي اقتصادي و اجتماعي

اسفند 1395

دكتر سعيد ميرزامحمدي

دكتر كامران شهانقي

صنايع

اجرايطرح‌هايزيربناييدرهرمنطقه،باعثبهبودوضعيتاقتصاديومبادلاتتجاريدرآنمنطقه خواهدشد. پروژه‌هايراه‌سازيكهجزوپروژه‌هايزيربناييكشورمي‌باشد،معمولاًنيازبهبودجه‌هاي سنگينومدتزمانطولانيدارد. لذاتأخيردراين‌گونهپروژه‌هاباعثصدماتجبران‌ناپذيريبهاقتصاد كشورمي‌شود؛ بنابراينبرنامه‌ريزيومديريتمناسبوكارآمددرپروژه‌هايراه‌سازيبسيارضرورياست تابتوانآن‌هارادرزمانبرآوردشده،هزينهپيش‌بيني‌شدهوكيفيتمناسببهبهره‌برداريرساند. از طرفي با رشد روزافزونداده‌ها استفاده از ابزارهاي قوي در جهت فرآوري داده و تبديل داده به اطلاعات و دانش مفيد استفاده مي‌گردد. يكي از اين ابزارها داده‌كاويمي‌باشد كه از داده‌ها اطلاعات و دانش مفيد را استخراج مي‌نمايد. لذا در اين پايان‌نامه با تعريف مساله تعيين عوامل مؤثر بر تأخير زماني پروژه‌ها با استفاده از ابزار داده‌كاوي و استفاده از الگوريتم‌هاي آن به پيش‌بينيتاخيرات زماني و علل آن مي‌پردازيم. در اين پايان‌نامه از داده‌هاي پروژه‌هاي عمراني شهرداري تهران در بازه سال‌هاي 1390 تا 1392، تعداد 200 پروژه به‌تصادفانتخاب‌شده و اطلاعات آن‌هامورداستفادهداده‌كاويقرارگرفته است. بر اساس نتايج به‌دست‌آمده از الگوريتم‌هايطبقه‌بندي، ميزان تأخير هر پروژه تعيين و با استفاده از الگوريتم‌هاي انتخاب خصيصه، 7 عامل از 11 عامل موجود در ارزيابي تأخيرپروژه‌هاي عمراني به‌عنوانمهم‌ترين عوامل مورد شناسايي قرار گرفتند. همچنين قوانين منجر به تأخير زماني بيش از 1 سال نيز تعيين شدند. از طرفي چون مساله انتخاب الگوريتم طبقه‌بندي مساله اي چندمعياره است، از روش تاپسيس جهت انتخاب بهترين الگوريتم طبقه‌بندياستفاده‌شده است كه بر اين اساس،METAبه‌عنوانبهترين الگوريتم شناخته شد. همچنين در ارزيابي قوانين مستخرج ازپايگاه داده، از دو معيار Support و Confidenceاستفاده‌شده و با استفاده از تكنيك تحليل پوششي داده‌ها، ضمن به دست آوردن كارايي هر يك از قوانين،رتبه‌بنديآن‌ها نيز به‌دست‌آمده است. از نتايج اين پايان‌نامهمي‌توان جهت پيش‌بينيتأخير زماني پروژه‌ها استفاده نمود.

1396/03/27

9/22/2017 12:00:00 AM

Implanting infrastructure plans in each area will cause to enhance economic condition and commercial interactions in that area. Road projects which are considered as infrastructure projects in the country are often requiring heavy budget and long time for implementation. Therefore, delay in these kinds of projects causes irrecoverable harms to the country’s economy. On the other hand, by increasing data, powerful tools to process data and transfer them to the useful knowledge and information are being used. One of these tools is data mining which is like a giant which is extracting useful knowledge and information from data. In this dissertation, by defining problem, determining factors affecting on projects time delays has been considered into consideration using data mining tools and applying its algorithms in order to anticipate time delays and its reasons. In this research, 200 projects have been randomly chosen and their information have been employed in data mining using Tehran Municipality's civil development projects data during 2011 to 2013. The main purpose in this research is to specify the most important criteria affecting on projects time delay and anticipating project probable time duration. Data collection method is field and library method and in field method, interview and tables have been employed. According to the results obtained from classification algorithms, civil projects’ time delay can be determined by 89% accuracy and byemploying feature selection algorithms, 7 factors out of all of factors existed in civil projects time delay as the most important factors were detected. Also, rules led to time delay more than 1 year also were specified. On the other hand, owing to this issue that choosing classification algorithm is multi-criteria problem, TOPSIS model has been used to select the best classification algorithm in which the best one is META algorithm. Also, in eva​luating rules extracted from database, 2 criteria of support and confidence have been employed and by applying Data Envelopment Analysis Technique, plus achieving efficiency of each rule, their rankings have also been obtained. Results obtained from this study can be used in regard with prognosticating projects’ time delay.