УДОСКОНАЛЕННЯ ПРІОРИТЕЗАЦІЇ ПРОЄКТІВ ЗА ДОПОМОГОЮ ІНТЕГРОВАНОГО РИЗИК-ОРІЄНТОВАНОГО МЕТОДУ ПРИОРИТИЗАЦІЇ ПРОЄКТІВ (IROPPM): КЕЙС-СТАДІЇЇ ВЕЛИКОЇ ІНЖЕНЕРНО-СЕРВІСНОЇ КОМПАНІЇ
DOI:
https://doi.org/10.31732/2663-2209-2026-81-271-283Ключові слова:
IROPPM, управління проєктами, пріоритезація проєктів, нечітка логіка, метод аналізу ієрархій, оцінка ризиків, багатокритеріальне прийняття рішень, сталий розвитокАнотація
Актуальність теми дослідження зумовлена зростаючою складністю управління портфелями проєктів в інженерно-сервісних організаціях, де традиційні фінансово-центровані моделі пріоритезації не враховують каскадні ефекти ризику, стратегічну відповідність та екологічно-соціальні виміри цінності проєктів. Метою дослідження є розробка та пілотна апробація інтегрованого ризик-орієнтованого методу пріоритезації проєктів (IROPPM), що поєднує фінансові метрики, стратегічну відповідність, екологічно-соціальні фактори та оцінку ризиків в єдиному індексі пріоритету. Методологія дослідження ґрунтується на парадигмі багатокритеріального прийняття рішень: IROPPM використовує калібрування нечіткою логікою для пом’якшення суб’єктивних розбіжностей, метод аналізу ієрархій (МАІ) для виведення вагових коефіцієнтів та моделювання методом Монте-Карло для оцінки ризиків. У пілотному застосуванні на базі великої української інженерно-сервісної компанії, що обробляє понад 200 щоденних заявок на обслуговування, метод було впроваджено через інтегровану ERP-BPMS платформу, яка забезпечує дані в реальному часі з фінансових записів та операційних процесів. Результати для 50 оцінених проєктів свідчать про статистично значуще перегрупування портфеля (p<0,05 за парним тестом Вілкоксона): близько 60% ініціатив змінили ранги більш ніж на дві позиції, що відповідає орієнтовному 15% покращенню відповідності організаційним цілям та приблизно 12% зниженню ризикового впливу за оцінками експертної групи. Перспективи подальших досліджень включають інтеграцію алгоритмів машинного навчання для динамічного оновлення вагових коефіцієнтів, масштабування методу на більші портфелі та тестування в альтернативних доменах. Отримані результати мають практичне значення для сервісних компаній житлово-комунального господарства, де пріоритезація проєктів нерозривно пов’язана з управлінням фінансовими ризиками та ефективністю операційної диспетчеризації.
Завантажити
Посилання
Abdelaal, R. M. S., Makki, A. A., Al-Madi, E. M., & Qhadi, A. M. (2024). Prioritizing strategic objectives and projects in higher education institutions: A new hybrid fuzzy MEREC-G-TOPSIS approach. IEEE Access. https://doi.org/10.1109/ACCESS.2024.3419701
Alvand, A., Mirhosseini, S., & Ehsanifar, M. (2021). Identification and assessment of risk in construction projects using the integrated FMEA-SWARA-WASPAS model under fuzzy environment. International Journal of Construction Management, 23, 392–404. https://doi.org/10.1080/15623599.2021.1877875
Bai, L., Zhang, L., Zhang, L., Shao, K., & Luo, X. (2025). Unlocking the potential of project portfolio: Value-oriented interactive risk management. Humanities and Social Sciences Communications, 12, 1012. https://doi.org/10.1057/s41599-025-05296-8
Banda, W. (2018). An integrated framework comprising of AHP. expert questionnaire survey and sensitivity analysis for risk assessment in mining projects. International Journal of Management Science and Engineering Management, 14(3), 180–192. https://doi.org/10.1080/17509653.2018.1516577
Baylan, E. B. (2020). A novel project risk assessment method development via AHP-TOPSIS hybrid algorithm. Engineering Science Journal, 4, 390–410. https://doi.org/10.28991/ESJ-2020-01239
Beseiso, M., & Kumar, G. (2021). A fuzzy computational approach for selecting interdependent projects using prioritized criteria. Journal of Intelligent & Fuzzy Systems, 40(6), 11341–11354. https://doi.org/10.3233/JIFS-202506
Bidel, M., Safari, H., Mahdiraji, H. A., Zavadskas, E., & Antuchevičienė, J. (2022). A framework for project delivery systems via hybrid fuzzy risk analysis. Mathematics. https://doi.org/10.3390/math10173185
Bokolo, A. Jnr. (2019). Validating the usability attributes of AHP-software risk prioritization model using partial least square-structural equation modeling. Journal of Science and Technology Policy Management. https://doi.org/10.1108/JSTPM-06-2018-0060
Chatterjee, K., Hossain, S. A., & Kar, S. (2018). Prioritization of project proposals in portfolio management using fuzzy AHP. OPSEARCH, 55, 478–501. https://doi.org/10.1007/S12597-018-0331-3
DePalmer, D. M., Schuldt, S., & Delorit, J. (2021). Prioritizing facilities linked to corporate strategic objectives using a fuzzy model. Journal of Facilities Management. https://doi.org/10.1108/JFM-12-2020-0091
Eleuterio Delesposte, J., Duncan Rangel, L. A., Jasmim Meirino, M., dos Santos Ferreira, C. M., Ferreira Soares Borges Lopes, R. J., & Baptista Narcizo, R. (2025). Model for innovation project selection supported by multi-criteria methods considering sustainability parameters. Systems, 13(10), 876. https://doi.org/10.3390/systems13100876
Fang, C., Marle, F., & Xie, M. (2017). Applying importance measures to risk analysis in engineering projects using a risk network model. IEEE Systems Journal, 11, 1548–1556. https://doi.org/10.1109/JSYST.2016.2536701
Guan, L., Abbasi, A., & Ryan, M. (2021). Prioritizing project interdependent risks: A network-based approach. 2021 IEEE International Conference on Industrial Engineering and Engineering Management (IEEM), 1513–1517. https://doi.org/10.1109/IEEM50564.2021.9673060
Huang, X., Guidolin, M., Platanakis, E., & Newton, D. (2021). Dynamic portfolio management with machine learning. Information Systems & Economics eJournal. https://doi.org/10.2139/ssrn.3770688
Jalhoom, R. J., & Mahjoob, A. (2024). An MCDM approach for evaluating construction-related risks using a combined fuzzy grey DEMATEL method. Engineering, Technology & Applied Science Research, 14, 23–30. https://doi.org/10.48084/etasr.6959
Jokar, E., Nejad, A., & Lork, A. (2020). Risk prioritization and selection of contractor participating in PPP infrastructure projects using hybrid fuzzy AHP and fuzzy TOPSIS. Journal of Civil Engineering and Management Innovation, 3(1), 1–16. https://doi.org/10.31462/jcemi.2020.01001016
Khan, T. et al. (2023). Risk prioritization using a fuzzy-based approach in the software design phase. International Journal on Recent and Innovation Trends in Computing and Communication. https://doi.org/10.17762/ijritcc.v11i9.9153
Kim, S., Nguyen, M. V., & Dao, T. (2020). Prioritizing complexity using fuzzy DANP: Case study of international development projects. Engineering, Construction and Architectural Management. https://doi.org/10.1108/ecam-04-2020-0265
Montibeller, G., Franco, L., & Carreras, A. L. (2020). A risk analysis framework for prioritizing and managing biosecurity threats. Risk Analysis, 40. https://doi.org/10.1111/risa.13542
Nabeel, M. Z. (2024). Big Data Analytics-driven project management strategies. Journal of Science & Technology. https://doi.org/10.55662/jst.2024.5104
Nguyen, L. D., Le-Hoai, L., Tran, D. Q., Dang, C., & Nguyen, C. V. (2018). Fuzzy AHP with applications in evaluating construction project complexity. in Fuzzy Hybrid Computing in Construction Engineering and Management. https://doi.org/10.1108/978-1-78743-868-220181007
Nieto-Morote, A., & Ruz-Vila, F. (2011). A fuzzy approach to construction project risk assessment. International Journal of Project Management, 29, 220–231. https://doi.org/10.1016/J.IJPROMAN.2010.02.002
Qazi, A., Dikmen, I., & Birgonul, M. T. (2020a). Prioritization of interdependent uncertainties in projects. International Journal of Managing Projects in Business, 13, 913–935. https://doi.org/10.1108/ijmpb-10-2019-0253
Qazi, A., Shamayleh, A., & El-Sayegh, S. (2020b). Prioritizing risks in sustainable construction projects using a risk matrix-based Monte Carlo Simulation approach. Sustainable Cities and Society, 102576. https://doi.org/10.1016/j.scs.2020.102576
Rahman, A. (2024). MEREC-WISP(S) integration extended with Fermatean fuzzy set for requirement prioritization. Foundation University Journal of Engineering and Applied Sciences. https://doi.org/10.33897/fujeas.v4i1.868
Ramalho, F., Silva, I. S., Ekel, P., Martins, C. D. S., Bernardes, P., & Libório, M. (2021). Multimethod to prioritize projects evaluated in different formats. MethodsX, 8. https://doi.org/10.1016/j.mex.2021.101371
Rezakhani, P. (2020). Hybrid fuzzy-Bayesian decision support tool for dynamic project scheduling and control under uncertainty. International Journal of Construction Management, 22, 2864–2876. https://doi.org/10.1080/15623599.2020.1828539
Rodriguez, A., Ortega, F., & Concepción, R. (2016). A method for the evaluation of risk in IT projects. Expert Systems with Applications, 45, 273–285. https://doi.org/10.1016/j.eswa.2015.09.056
Rudnik, K., Bocewicz, G., Kucinska-Landwójtowicz, A., & Czabak-Górska, I. D. (2021). Ordered fuzzy WASPAS method for selection of improvement projects. Expert Systems with Applications, 169, 114471. https://doi.org/10.1016/j.eswa.2020.114471
Sangaiah, A. K., Samuel, O. W., & Li, X. (2017). Towards an efficient risk assessment in software projects: Fuzzy reinforcement paradigm. Computers & Electrical Engineering, 71, 833–846. https://doi.org/10.1016/j.compeleceng.2017.07.022
Shaygan, A., & Testik, Ö.M. (2019). A fuzzy AHP-based methodology for project prioritization and selection. Soft Computing, 23(4), 1309–1319. https://doi.org/10.1007/s00500-017-2851-9
Singh, S., Chow, Y., Majumdar, A., & Pavone, M. (2019). A framework for time-consistent. risk-sensitive model predictive control. IEEE Transactions on Automatic Control, 64(11), 2905–2912. https://doi.org/10.1109/TAC.2018.2874704
Subulan, K. (2020). An interval-stochastic programming-based approach for a fully uncertain multi-objective and multi-mode resource investment project scheduling problem with an application to ERP project implementation. Expert Systems with Applications, 149, 113189. https://doi.org/10.1016/j.eswa.2020.113189
Suresh, K., & Dillibabu, R. (2020). A novel fuzzy mechanism for risk assessment in software projects. Soft Computing, 24, 1683–1705. https://doi.org/10.1007/s00500-019-03997-2
Syed, Z., & Lawryshyn, Y. (2020). Multi-criteria decision-making considering risk and uncertainty in physical asset management. Journal of Loss Prevention in the Process Industries, 65, 104064. https://doi.org/10.1016/j.jlp.2020.104064
Valipour, A., Yahaya, N., & Noor, N. (2015). A fuzzy analytic network process method for risk prioritization in freeway PPP projects. Journal of Civil Engineering and Management, 21, 933–947. https://doi.org/10.3846/13923730.2015.1051104
Yan, R., Jin, J., & Han, K. (2024). Reinforcement learning for deep portfolio optimization. Electronic Research Archive. https://doi.org/10.3934/era.2024239
Yazo-Cabuya, E. J., Herrera-Cuartas, J. A., & Ibeas, A. (2024). Integrating sustainability into risk management through analytical network process. Sustainability. https://doi.org/10.3390/su16062384
Yu, P., Lee, J., Kulyatin, I., Shi, Z., & Dasgupta, S. (2019). Model-based deep reinforcement learning for dynamic portfolio optimization. ArXiv. Retrieved from https://arxiv.org/abs/1901.08740
Zeng, J., An, M., & Smith, N. (2007). Application of a fuzzy-based decision-making methodology to construction project risk assessment. International Journal of Project Management, 25, 589–600. https://doi.org/10.1016/J.IJPROMAN.2007.02.006
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution-NonCommercial 4.0 International License.
