基于模糊神经网络评价的天然气钻井工程承包商选择

© 2014年。由爱思唯尔公司出版信息工程研究院负责评选和同行评议可在www.sciencedirect.com上在线获取ScienceDirectIERI Procedia 10（2014）274 - 2792014未来信息工程基于模糊神经网络评价的天然气钻井工程承包商选择罗亚·M Aharia， *，S.T.A. 尼亚基aa部。伊朗德黑兰谢里夫理工大学工业工程系摘要承包商的选择是一个重要的决策，一个是项目的时间和成本，其次是项目所获得的质量。虽然项目经理可以很容易地确定项目的时间和成本，质量通常是不确定的，特别是对于没有经验的经理。本文首先介绍了一种基于可学习性的天然气钻井工程质量量化方法。然后，基于这三个目标（时间，成本和质量），承包商选择问题转化为一个优化问题。其次，利用NSGA-II算法进行求解。最后，进行了灵敏度分析，以选择算法的参数。© 2014作者。由爱思唯尔公司出版 这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/3.0/）。信息工程研究院负责评选和同行评议关键词：承包商选择，质量评价，多目标优化，气井钻井项目，多目标遗传算法。1. 介绍在项目管理中，一个常见的决策是选择承包商，以同时优化项目三角形中的三个目标。如果涉及更多的货币价值或有能力的承包商数量有限，这个问题就变得更加重要。承包商的选择主要基于某些标准，如时间、成本和所完成工作的质量。然而，由于这些标准通常不适用于唯一的方向，因此很难做出选择决定。一个按时完成项目的承包商可能会有更高的成本和更低的质量。考虑到每个任务组有一定数量的承包商，并有三个措施来评估他们使承包商选择问题相当于一个离散的多目标优化问题。2212-6678 © 2014作者由爱思唯尔公司出版 这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/3.0/）。信息工程研究所负责的选择和同行评审罗亚·M Ahari和S.T.A. Niaki / IERI Procedia 10（2014）274275在项目管理环境中，承包商选择被称为时间-成本-质量权衡问题，其目的是选择一个承包商，以最高的质量和最小的成本和时间来执行项目。此外，利用多目标优化模型，可以开发具有二维对象的模型，并且可以增加更多方面的评价。[El-Rayes和Kandil，2005年]。一个模型开发了单独的数学模型，每个模型通过绑定其他两个标准来优化相关的三个标准中的一个[Tarighian和Taheri，2006]。另一种方法通过加权单目标模型优化了这些树目标[Wang和Feng，2008]。许多研究者提出了各种进化优化算法来测试全局搜索能力，以解决权衡问题。这些算法主要是遗传算法[Xingfu et.等人，2007]、蚁群优化（ACO）[Afshar et.等人，2007]、帕累托最优前沿（POF）[Iranmanesh et.等人，2007]、电磁散射搜索（ESS）[Tarighian和Taheri，2007]和粒子群优化算法（PSO）[Zhiyong et.等人，2007年]。此外，许多研究人员提出了一种多目标遗传算法来解决不同的多目标问题，如运输问题[Lau et.等人，2009年]，供应链中合作伙伴的选择问题[Yeh和Chuang，2011年]，约束多目标优化问题[Li和Du，2013年]，确定外科服务中的最佳资源水平[Lin等人，2013年]。2013年），等等。在本文中，首次提出了一种具有学习能力的神经模糊网络来量化气井钻井工程的质量。然后，一个权衡优化模型的开发，以选择最佳的承包商。最后，一个名为NSGA-II的算法被用来解决这个问题。本文的组织如下：第2节介绍了开发多目标优化模型。第3节提供了模拟方法和结果的细节。第4节讨论了结论。2. 开发多目标优化问题这项研究涉及一家在伊朗从事天然气钻井项目的公司。公司有义务作出决定，如选择承包商，评估工作质量，并在钻井时间，成本和质量之间进行权衡。本节演示了从时间、成本和质量方面制定承包商选择问题所涉及的步骤。2.1. 天然气钻井工程一个天然气钻井项目开始后，许多准备工作在一个平台。首先，进行工程研究工作，以确定天然气资源区，然后需要将多种类型的设备放置在确定的位置。位于伊朗南部的南帕尔斯项目由PetroPars公司执行被选为本研究的案例研究。南帕尔斯气田蕴藏着伊朗约50%的天然气资源。PetroPars是伊朗领先的石油和天然气开发公司。在石油项目中，像所有昂贵的项目一样，选择合适的承包商是一个极具挑战性的决定。选择不同的承包商直接影响项目的时间、成本和质量。项目的历史和承包商的背景用作开始选择过程的原始数据。考虑到执行任务组的不同模式，可以假设每个任务都有不同的时间、成本和质量的备选方案。这个假设对于重复做几个项目的承包商来说是可以接受的。它假设一个项目的所有任务组都可以在几种合理的模式下完成。虽然所有承包商的项目成本和时间是已知的，但项目质量通常使用模糊术语表示。因此，本文使用一种称为LLNF的神经模糊模型来评估和量化这个参数。该可学习模型评估一个函数，以从（1）计划的成本符合率，（2）计划的时间符合率，（3）所有操作故障中质量故障的百分比，（4）HSE事件的数量，以及（5）276罗亚·M Ahari和S.T.A. Niaki / IERI Procedia 10（2014）274没有非生产时间的质量故障。承包商的背景导致训练模型，以获得承包商的质量等级。有关更多详细信息，请读者参考[Ahari和Niaki，2014]。此外，对于第一次承包商，质量的最低值（50）被分配。一个天然气钻井工程涉及1000多项任务，本文将其分为11个任务组，每个任务组与承包商对应。2.2. 建模对于前一小节中描述的问题，每个任务都有一个关于三个目标函数的模式选择：项目完成时间，总成本和项目的平均质量。在建模中，应确保每项任务只分配给一个执行模式（承包商）。有关该模型的其他详细信息，请参阅[Tarighian和Taheri，2007]。3. 模拟结果和讨论为了解决这个问题，一个多目标遗传算法命名NSGA-II。该算法首先由[Deb et. al，2002]使用快速非支配排序对所有答案进行排序。该块使用一个名为拥挤距离的指标来估计种群中特定点周围的解的密度。每个目标点的两个最近解之间的距离称为拥挤距离。[Lau et. al，2009年]3.1. 染色体表示根据天然气钻井项目，我们有11个工作组来选择承包商。如前所述，有两个或三个选择。结果，每条染色体包括11个部分，每个部分具有编码为0和1的两种模式。因此，一个染色体由22个基因组成。图1示出了具有众数3，3，2，3，1，2，2，2，1，1，2的染色体的示例。在这个例子中，对于具有2个承包商的任务组（模式），第三个承包商具有非常差的成本、时间和质量。Fig. 1. - 染色体表示3.2. NSGA-II参数选择和结果NSGA-Ⅱ是有效的优化多目标问题，并介绍了帕累托答案的最佳答案，但它可能是缓慢的基础上选择的参数，通常选择的基础上，用户的经验。因此，本文进行了一些敏感性分析来选择它们。附录1中所示的敏感性分析结果表明，具有最小Zitsler比较度量和最大解集数量的参数是最佳的。为了在这些答案中进行选择，采用了一种名为TOPSIS的排序方法。表1和表2显示了结果，一个是基于所有三个目标，一个是根据时间和成本（所有答案的质量都在同一时期，因此可以排除）。罗亚·M Ahari和S.T.A. Niaki / IERI Procedia 10（2014）274277表1三个目标优先答案时间成本质量12,1,1,2,3,2,1,2,2,1,11577.41779.565.222,1,1,1,1,2,1,2,2,1,11512.81818.562.432,1,1,1,2,2,1,2,2,2,11504.31820.864.641,1,1,2,3,2,1,2,2,1,11563.21793.764.852,1,1,2,3,2,1,2,2,2,11577.41781.767.2表2基于时间和成本准则的优先答案时间成本12,1,1,1,1,2,1,2,2,1,11512.81818.522,1,1,1,2,2,1,2,2,2,11504.31820.831,1,2,3,2,2,1,2,2,1,11563.21793.742,1,1,2,3,2,1,2,2,2,11577.41781.751,1,1,2,3,2,1,2,2,2,11563.21795.9为了比较每个参数组找到的解集的质量，在分析中采用了两个性能度量，Zitsler比较度量（C）（Zitsler，1999）和Pareto成员数。该程序执行50次，以在帕累托前沿找到85个答案。图2显示了找到的答案集。图二. - 帕累托集278罗亚·M Ahari和S.T.A. Niaki / IERI Procedia 10（2014）2744. 结论在此基础上，提出了一个天然气钻井工程承包商质量评价与分级的框架，以确定最佳承包商。所开发的模型能够为所有任务找到最佳替代方案，以优化项目的时间，成本和质量。我们假设为任务预定义了不同的执行模式。此外，神经模糊网络被用来量化的任务，从而项目的质量目标，然后优化问题的开发。通过NSGA-II确定Pareto最优解集来求解该问题。该算法的参数选择使用一些敏感性分析。引用[1] El-Rayes，K.，Kandil，A.公路建设工期-费用-质量权衡分析。建筑工程与管理杂志，第131卷，第131页。477-486，2005.[2] 王伟，冯强，基于递阶子群粒子群算法的建设项目多目标优化。IEEE on Intelligent InformationTechnology Application; IITA 1，no.4739671，746-750，2008。[3] 塔里吉安，人力资源部，Taheri，S.H.，关于离散时间、成本和质量的权衡问题。应用数学和计算，第181卷，第181页。1305[4] 幸福，G.，Chengshun，H.，邓华，Z.，研究项目管理中工期-成本-质量的综合优化。系统工程理论实践，第10卷，第112-117卷，2007年。[5] 加利福尼亚州阿夫沙尔，Kaveh，A.，Shoghli手术室“利用多群蚁群算法进行时间-成本-质量的多目标优化”，《亚洲土木工程杂志》（建筑和住房），第8卷，第100页。113-124，2007年。[6] Iranmanesh，H.，斯坎达里先生Allahverdiloo，M.，寻找项目进度计划中多模式时间、成本、质量权衡的帕累托最优前沿。《世界科学、工程和技术学会》，第40卷，第100页。346-350，2008年。[7] 塔里吉安，人力资源部，Taheri，S.H.，离散时间、成本与品质折衷问题之电磁散射搜寻解法。应用数学和计算，卷。190，pp.1136[8] Zhiyong，C.H.，Zhida，D.，Hua，Z.H.，基于粒子群算法的无限资源均衡优化研究。《中国土木工程学报》，第40卷，页。93-96，2007年。[9] 刘 慧 卿 ， Chan T.M. ， 徐 伟 泰 ， 陈 F.T.S. ， 何 先 生 ， 蔡 锦 麟 ， A fuzzy guided multi-objectiveevolutionary algorithm model for solving transport problem，Expert Systems with Applications 36，8255[10] 是的，W。第一章，庄明第一章，使用多目标遗传算法进行绿色供应链问题中的合作伙伴选择，专家系统与应用38，4244[11] 李 X ， 杜 ·G BSTBGA ： A hybrid genetic algorithm for constrained multi-objective Optimizationproblems，Computers Operations Research 40，282[12] 林河第一章，M先生Pasupathy K.，多目标模拟优化使用数据分析和遗传算法：确定外科服务中最佳资源水平的具体应用，Omega 41，881[13] 阿哈里河M.，Niaki，S.T.A.，基于局部线性神经模糊建模和TOPSIS的混合方法确定天然气钻井工程质量等级，石油科学与技术杂志，2014。[14] 科埃洛角A. C.的方法，Veldhuizen，D. A.五、&拉蒙特湾B.求解多目标问题的进化算法。KluwerAcademic Publishers，2001.[15] 黛布·K Jain，S.，运行进化多目标优化的性能指标。技术报告（KanGAL报告编号：2002004），坎普尔遗传算法实验室，印度研究所罗亚·M Ahari和S.T.A. Niaki / IERI Procedia 10（2014）274279技术，坎普尔，印度，2002年。[16] Zitzler，E.，多目标优化的进化算法：方法和应用，博士论文，瑞士苏黎世联邦理工学院，1999年。附录A.基于5次算法运行的敏感性分析人口突变交叉解数的平均值齐斯勒度量number概率概率设置（CA，B*）0.68340.10.782.84.20.8806.40.6842.22000.20.784.230.882.24.80.6832.20.30.781.85.20.882.83.80.6843.20.10.783.62.20.88420.68502500.20.7850.80.884.420.6850.60.30.7842.20.88420.68500.10.78500.88410.6841.23000.20.78500.884.61.80.684.80.60.30.7850.20.8850*A是通过算法的50次运行找到的集合，B是参数的相关运行的集合