شبیه سازی مونت کارلوی فازی و ارزیابی خطر در ساخت و ساز
چکیده
شبیه سازی مونت کارلو به طور گسترده ای برای نشان دادن عدم قطعیت احتمالاتی در محدوده تخمین برای پروژه های ساختمانی استفاده شده است. با این حال، اطلاعات ذهنی و زبانی بین شده منجر به عدم قطعیت غیر احتمالی اضافی در مدیریت ساخت و ساز می شود. منطق فازی به طور موفقیت آمیزی برای نشان دادن چنین عدم قطعیت هایی در پروژه های ساخت و ساز استفاده شده است. در عمل، روشی که می تواند هر دو عدم قطعیت تصادفی و فازی در مدل ارزیابی یک خطر را مورد بررسی قرار دهد، مورد نیاز می باشد. این مقاله در مورد نواقص روش های موجود بحث می کند و یک چارچوب شبیه سازی مونت کارلو فازی (FMCS) را برای تجزیه و تحلیل ریسک پروژه های ساخت و ساز پیشنهاد می نماید. در این چارچوب، یک تابع توزیع تجمعی فازی به عنوان یک روش جدید برای نشان دادن عدم قطعیت می سازیم. به منظور بررسی امکان سنجی چارچوب FMCS و نشان دادن ویژگی های اصلی آن، نویسندگان یک قالب شبیه سازی برای مقاصد خاص به منظور تخمین محدوده هزینه را توسعه دادند. این قالب برای تخمین هزینه یک پروژه روگذر بزرگراه استفاده شده است.
1- مقدمه
انجام تجزیه و تحلیل خطر با استفاده از شبیه سازی مونت کارلو در مدیریت پروژه ساخت و ساز بسیار رایج است؛ به طور سنتی، نظریه احتمال برای عدم قطعیت با توجه ورودی های مدل شبیه سازی استفاده شده است. در عمل، احتمال یک رویداد می تواند با توجه به تعداد دفعاتی تخمین زده شود که این رویداد در آن تعداد آزمایش اتفاق افتاده است (Pedrycy، 1998). با این حال، اگر تعداد آزمایشات به اندازه کافی بزرگ نباشد، این تعداد قابل توجه است و آزمایشات بیشتر نمی تواند انجام گیرد. این برای تخمین دقیق احتمال این رویداد غیر ممکن است. در این شرایط، می توانیم کارشناسان انسانی را به کار گیریم که معمولاً در تأمین اطلاعات مورد نیاز خوب می باشند. برخی از محققان سعی می کنند تا دانش کارشنان را به توزیع های احتمال تبدیل نمایند. این احتمال تخمین زده شده ممکن است به طور مستقیم در یک مسأله تجزیه و تحلیل خطر استفاده شود (Ahuja et al., 1994) یا ممکن است با داده های موجود با استفاده از روش های بیزی برای تخمین یک پارامتر ترکیب گردد که هر دو قضاوت ذهنی و داده های قدیمی را در نظر می گیرند (Garthwaite et al., 2005). با این حال، برخی از انتقادات در انجام تجزیه و تحلیل احتمالاتی بر روی داده های ذهنی و زبانی بیان شده وجود دارد، زیرا استدلال ذهنی افراد ممکن است برای نتیجه گیری های علمی هدف مناسب نباشد (Goldstein, 2006). به عبارت دیگر، اطلاعات به دست آمده از کارشناسان ذهنی و مبهم است وشانس معرفی دانش مصونعی وجود دارد که در واقع برای مدل با استفاده از مقادیر احتمالاتی به دست آمده از کارشناسان در دسترس نمی باشد (Guyonnet et al., 2003).
Abstract
Monte Carlo simulation has been used extensively for addressing probabilistic uncertainty in range estimating for construction projects. However, subjective and linguistically expressed information results in added non-probabilistic uncertainty in construction management. Fuzzy logic has been used successfully for representing such uncertainties in construction projects. In practice, an approach that can handle both random and fuzzy uncertainties in a risk assessment model is necessary. This article discusses the deficiencies of the available methods and proposes a Fuzzy Monte Carlo Simulation (FMCS) framework for risk analysis of construction projects. In this framework, we construct a fuzzy cumulative distribution function as a novel way to represent uncertainty. To verify the feasibility of the FMCS framework and demonstrate its main features, the authors have developed a special purpose simulation template for cost range estimating. This template is employed to estimate the cost of a highway overpass project.
1 INTRODUCTION
Performing risk analysis using Monte Carlo simulation is very common in construction project management; traditionally, probability theory is used to model uncertainty regarding simulation model inputs. In practice, the probability of an event can be estimated according to the frequency of that event occurring in a number of experiments (Pedrycz, 1998). However, if the number of experiments is not large enough to be significant, and more experiments cannot be performed, it is not possible to accurately estimate the event’s probability. In these circumstances, we can engage human experts who are usually good at supplying the required information. Some researchers try to convert experts’ knowledge into probabilistic distributions. This estimated probability may be used directly in a risk analysis problem (Ahuja et al., 1994), or it may be combined with available data using Bayesian methods to estimate a parameter that considers both subjective judgment and historical data (Garthwaite et al., 2005). However, there are some criticisms on performing probabilistic analysis on subjective and linguistically expressed data because subjective reasoning of individuals may not be appropriate for objective scientific conclusions (Goldstein, 2006). In other words, the information gained from experts is subjective and contains ambiguity, and there is a chance of introducing artificial knowledge that is not actually available to the model using probability values gained from experts (Guyonnet et al., 2003).
چکیده
مقدمه
بررسی مقالات
چارچوب شبیه سازی مونت کارلوی فازی
جنبه های عملی استفاده از FMCS در ارزیابی خطر ساخت و ساز
یک مثال گویا برای مقایسه شبیه سازی مون کارلوی FMCS
تجزیه و تحلیل حساسیت چارچوب FMCS
تصمیم گیری بر اساس CDF فازی
نتیجه گیری
Abstract
1 INTRODUCTION
2 LITERATURE REVIEW
3 FUZZY MONTE CARLO SIMULATION FRAMEWORK
4 PRACTICAL ASPECTS OF USING FMCS IN CONSTRUCTION RISK ASSESSMENT
5 AN ILLUSTRATIVE EXAMPLE TO COMPARE MONTE CARLO SIMULATION AND FMCS
5.1 Sensitivity analysis of the FMCS framework
5.2 Decision making based on fuzzy CDF
6 CONCLUSIONS
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه