ارایه رویکردی مبتنی بر شبیه سازی در تعیین تابع توزیع احتمال زمان تکمیل پروژه
Publish place: دوازدهمین کنفرانس بین المللی مدیریت پروژه
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 865
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
IPMC12_096
Index date: 26 April 2017
ارایه رویکردی مبتنی بر شبیه سازی در تعیین تابع توزیع احتمال زمان تکمیل پروژه abstract
فرض نرمال بودن توزیع زمان تکمیل پروژه (PCTs (در برنامه ریزی مبتنی بر شبیه سازی به طور معمول پذیرفته شده است. با این حال،این به خوبی در ادبیات تصدیق شده است که توزیع زمان تکمیل پروژه همیشه نرمال نیست و توزیع و تنوع آن تحت تاثیر توزیع ، مدت زمان و تعداد فعالیتهای یک پروژه است. این مقاله یک روش مبتنی بر شبیه سازی برای تعیین بهترین تابع توزیع احتمال مدت زمان تکمیل پروژه (PDF (ارایه می کند. این الگوریتم با استفاده از نرم افزار master Pert و نرم افزارهای آماری fit Easy و SPSS انجام می گردد، و با استفاده از اطلاعات خروجی شبیه سازی با تغییر توابع توزیع احتمال مدت زمان فعالیت های تعریف شده در شبکه تاثیر توابعتوزیع احتمال زمان فعالیت بر توزیع زمان تکمیل پروژه را بررسی نموده است. این روش با کاربرد آسان ، قابلیت اطمینان برنامه ریزی بر مبنای شبیه سازی را بوسیله محاسبه دقیق تابع توزیع احتمال مدت زمان فعالیت ها، شبیه سازی شبکه ، محاسبه دقیق تابع توزیع احتمال مدت زمان تکمیل پروژه را بهبود می بخشد. همچنین فرایند طولانی و خسته کننده در یافتن تابع توزیع احتمال مدت زمان تعداد زیادی فعالیت را ساده سازی کرده است، و یک جایگزین مناسب برای مفروضات نرمال استفاده شده توسط بسیاری از محققان در برنامه ر یزی مبتنی بر شبیه سازی می باشد.
ارایه رویکردی مبتنی بر شبیه سازی در تعیین تابع توزیع احتمال زمان تکمیل پروژه Keywords:
ارایه رویکردی مبتنی بر شبیه سازی در تعیین تابع توزیع احتمال زمان تکمیل پروژه authors
رضا مویدی
دانشجوی کارشناسی ارشد، گروه مهندسی صنایع، واحد بندرعباس، دانشگاه آزاد اسلامی، بندر عباس، ایران
رضا قاسمی یقین
استادیار، دانشکده مهندسی نساجی، دانشگاه صنعتی امیرکبیر، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :