نوع مقاله : مقاله پژوهشی

نویسنده

• محمد فرشتیان

خواجه نصیرالدین طوسی

چکیده

چکیده
شتاب روز افزون روند توسعه موجب گشته تا انتخاب پیمانکار اصلح به عنوان عامل مهمی در موفقیت های پروژه ها تلقی شود. با توجه به حجم قابل توجه بودجه عمرانی در کشورهای در حال توسعه، باید به انتخاب پیمانکار جزء توجه ویژه ای گردد تا از هدر رفت سرمایه، زمان و کاهش کیفیت کارها جلوگیری شود. انتخاب پیمانکار، جزء تصمیمات کلیدی مدیران و تصمیم گیرندگان به شمار میرود. در حال حاضر یک روش کارآمد و مبتنی بر اصول مدیریت نوین برای انتخاب پیمانکار وجود نداشته و توجه ای به روش علمی و تکنیک های مناسب نمی گردد. شناسایی و ارزیابی یک سری از معیارهای انتخاب پیمانکار باعث حذف پیمانکاران ناکارآمد از فرآیند مناقصه خواهد شد. برای افزایش عملکرد پیمانکاران انتخاب شده و تامین نیازهای جامعه و استانداردهای سازمان لازم است معیارها جمع آوری و پردازش گردد. بدیهی است که شاخص های کمی و کیفی متعددی درتعین صلاحیت پیمانکاران ازجمله توانایی انجام کار، بنیه اقتصادی کافی، کیفیت وغیره که برای کارفرمایان حایز اهمیت می باشد مطرح می گردد. هدف از این پژوهش به حداقل رساندن ضرر و زیان های ناشی از انتخاب نامناسب پیمانکاران جزء و ارائه روش مناسب برای انتخاب پیمانکاران جزء می باشد. درروش شبکه عصبی به ارائه مدل هایی جهت پیش بینی کارآمد وموثر جهت انتخاب پیمانکاران جزء بر اساس معیارهای مورد نظر ارائه می گردد. مهمترین مزیت شبکه های عصبی شعاعی نسبت به شبکه های متداول انتشار برگشتی ( BP) دقت و سرعت در تقریب خروجی شبکه می باشد .

کلیدواژه‌ها

• پیمانکاران جزء
• انتخاب پیمانکار
• شبکه های عصبی –
• صلاحیت پیمانکاران
• شبکه های عصبی مصنوعی

عنوان مقاله [English]

Evaluation of Principal Components When Selecting Subcontractors to Preserve Quality and Reduce Project Time Using Neural Networks

نویسنده [English]

• Mohammad Fereshtiyan

Khaje nasir

چکیده [English]

Abstract
The increasing momentum of the development process has led to the selection of a suitable contractor as an important factor in the success of projects. Due to the considerable quantity of construction budget in countries that are developing, particular attention should be paid to subcontractor selection to avoid wasting capital, time and reducing quality of work. Subcontractor selection is one of the Basic decisions of managers and decision makers. There is not currently the method of efficient and modern management approach to contractor selection and no attention is paid to scientific methods and techniques. Identifying and evaluating a set of contractor selection criteria will eliminate inefficient contractors from the bidding process. Criteria need to be collected and processed to increase the performance of selected contractors and preparing the needs of the community and the organization's standards. Obviously, there are many qualitative and quantitative indicators to determine the qualifications of contractors, including the ability to do the job, the economic value, the quality, etc. that are important to employers. The purpose of this study is to minimize the losses caused by inappropriate selection of subcontractor and to present a suitable method for selecting subcontractor. In the neural network approach, models for efficient and effective prediction of subcontractor are selected based on the criteria. The most important advantage of radial neural networks over back propagation (BP) conventional networks is the accuracy and speed of approximation in the output of network.

کلیدواژه‌ها [English]

• Subcontractors
• Selecting contractor
• Neural Networks
• Artificial Neural Networks