ΘΑΛΗΣ Πανεπιστήμιο Πειραιά Μεθοδολογικές προσεγγίσεις για τη μελέτη της ευστάθειας σε προβλήματα λήψης αποφάσεων με πολλαπλά κριτήρια
|
|
- Λευίς Μακρή
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Robust MCDA ΘΑΛΗΣ Πανεπιστήμιο Πειραιά Μεθοδολογικές προσεγγίσεις για τη μελέτη της ευστάθειας σε προβλήματα λήψης αποφάσεων με πολλαπλά κριτήρια Δ8 Διοργάνωση workshops ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ
2 Στοιχεία παραδοτέου Δράση: Δ8 Διοργάνωση workshops Τίτλος παραδοτέου: Τύπος παραδοτέου: I - PP Έκδοση: 0 Ημερομηνία: 24 Σεπτεμβρίου 202 Υπεύθυνος σύνταξης: Καθηγητής Ιωάννης Ψαρράς Ομάδα σύνταξης: Επίκουρος Καθηγητής Δημήτρης Ασκούνης Σελίδα 2 από 6
3 Περιεχόμενα Γενικά Γενικά στοιχεία δράσης Γενικά στοιχεία παραδοτέου Υλοποίηση Γενικές πληροφορίες workshop Απολογισμός workshop... 7 Παράρτημα Α: Αφίσα workshop... 0 Παράρτημα Β: Φυλλάδιο workshop... Παράρτημα Γ: Φωτογραφίες workshop... 3 Παράρτημα Δ: Παρουσιάσεις workshop... 6 Σελίδα 3 από 6
4 Συντομογραφίες Παραδοτέου ΣΕ: Συντονιστής Έργου ΥΕΟ: Υπεύθυνος Ερευνητικής Ομάδας ΚΕΟ: Κύρια Ερευνητική Ομάδα ΟΕΣ: Ομάδα Εξωτερικών Συνεργατών ΟΕ: Ομάδα Έργου ΥΔΠΕ: Υπεύθυνος Διασφάλισης Ποιότητας Έργου ΕΥΔ: Επιστημονικός Υπεύθυνος Δράσης ΟΕΜ: Ομάδα Εμπειρογνωμόνων ΠΑΠΕΙ ή UNIPI: Πανεπιστήμιο Πειραιά ΠΚ ή TUC: Πολυτεχνείο Κρήτης ΕΜΠ ή NTUA: Εθνικό Μετσόβιο Πολυτεχνείο Σελίδα 4 από 6
5 Γενικά. Γενικά στοιχεία δράσης Η δράση Δ8 αφορά τη διοργάνωση μιας σειράς επιστημονικών συναντήσεων εργασίας (workshops) και εντάσσεται στο σύνολο των δράσεων δημοσιότητας του έργου. Τα workshops οργανώνονται από τις ερευνητικές ομάδες των ιδρυμάτων που συμμετέχουν στην υλοποίηση του έργου και είναι ανοικτά για το κοινό, δεδομένου ότι απευθύνονται σε ερευνητές, υποψήφιους διδάκτορες, μεταπτυχιακούς φοιτητές, κ.λπ. που εργάζονται ή σκοπεύουν να ασχοληθούν με το ευρύτερο αντικείμενο της πολυκριτήριας ανάλυσης. Στα πλαίσια των επιστημονικών αυτών συναντήσεων παρουσιάζεται όχι μόνο η τρέχουσα έρευνα που έχει πραγματοποιηθεί στα πλαίσια του έργου και αφορά τη μελέτη της, αλλά και το γενικότερο αντικείμενο της πολυκριτήριας ανάλυσης αποφάσεων. Πιο συγκεκριμένα, οι στόχοι των επιστημονικών workshops είναι: η παρουσίαση των τρέχουσας ερευνητικής προσπάθειας που αφορά τη μελέτη της ευστάθειας στην πολυκριτήρια ανάλυση αποφάσεων, η παρουσίαση της γενικότερης θεωρίας και των πρακτικών εφαρμογών της πολυκριτήριας ανάλυσης αποφάσεων, η διάδοση του επιστημονικού αντικειμένου της πολυκριτηρίας ανάλυσης αποφάσεων και η δικτύωση και η ανταλλαγή απόψεων ανάμεσα σε επιχειρησιακούς ερευνητές και στελέχη επιχειρήσεων και οργανισμών που ασχολούνται με το συγκεκριμένο αντικείμενο. Σύμφωνα με το πλάνο υλοποίησης, στα πλαίσια του συγκεκριμένου έργου πρόκειται να πραγματοποιηθούν 6 επιστημονικές συναντήσεις εργασίας (workshops), οι οποίες κατανέμονται σε 2 ανά έτος και 2 ανά ερευνητική ομάδα. Η γενική εποπτεία των συναντήσεων θα γίνεται από τη Μικτή Επιτροπή Συντονισμού του Έργου (βλ. δράση Δ2), στην οποία συμμετέχουν οι υπεύθυνοι των 3 ερευνητικών ομάδων. Πιο συγκεκριμένα, η Μικτή Επιτροπή Συντονισμού του Έργου αποτελείται από τους:. Καθηγητή Ιωάννη Σίσκο (συντονιστή έργου και υπεύθυνου της ερευνητικής ομάδας του ΠΑΠΕΙ) 2. Καθηγητή Κωνσταντίνο Ζοπουνίδη (υπεύθυνου της ερευνητικής ομάδας του ΠΚ) 3. Καθηγητή Ιωάννη Ψαρρά (υπεύθυνου της ερευνητικής ομάδας του ΕΜΠ) Δεδομένου ότι η επιτροπή αυτή έχει ως στόχο τη συνολική παρακολούθηση υλοποίησης του έργου, η συνεισφορά της στη συγκεκριμένη δράση επικεντρώνεται στο συντονισμό με τις υπόλοιπες ενέργειες του έργου και τη συνεργασία με τον εκάστοτε διοργανωτή του επιστημονικού workshop. Σελίδα 5 από 6
6 .2 Γενικά στοιχεία παραδοτέου Το συγκεκριμένο παραδοτέο αφορά το ο Επιστημονικό Workshop του έργου που πραγματοποιήθηκε στην Αθήνα, το χρονικό διάστημα 2-4 Σεπτεμβρίου 202. Σύμφωνα με το χρονοδιάγραμμα υλοποίησης του έργου, τη χρονική στιγμή διεξαγωγής του workshop έχουν ολοκληρωθεί κυρίως οι βιβλιογραφικές δράσεις του ερευνητικού προγράμματος: Δ: Βιβλιογραφική ανασκόπηση ανάλυσης ευστάθειας σε αναλυτικές-συνθετικές διαδικασίες Δ5: Βιβλιογραφική ανασκόπηση προσεγγίσεων τεχνικής νοημοσύνης για την ανάλυση ευστάθειας πολυκριτήριων προβλημάτων Δ9: Βιβλιογραφική ανασκόπηση ανάλυσης ευστάθειας σε προβλήματα πολυστοχικού προγραμματισμού Για το λόγο αυτό, δόθηκε ιδιαίτερη έμφαση στην ανάλυση των αποτελεσμάτων της βιβλιογραφικής έρευνας, καθώς και στη γενικότερη παρουσίαση του επιστημονικού χώρου της πολυκριτήριας ανάλυσης αποφάσεων, με στόχο τη διάδοσή της σε νέους ερευνητές και επαγγελματίες. Δεδομένης της άυλης μορφής της συγκεκριμένης δράσης, όπως παρουσιάζεται και στο υπόλοιπο κείμενο της έκθεσης, το παραδοτέο αυτό περιέχει κυρίως: Γενικές πληροφορίες για τη δράση (τόπος, χρόνος διεξαγωγής, συμμετέχοντες, κ.λπ.) Συνοδευτικό υλικό της δράσης (αφίσα, δελτίο τύπου, παρουσιάσεις, κ.λπ.) Άλλο πρόσθετο υλικό (φωτογραφίες, κ.λπ.) Επίσης, θα πρέπει να σημειωθεί ότι στα πλαίσια της συγκεκριμένης δράσης δίνεται για άλλη μια φορά η δυνατότητα συνάντησης των μελών των ερευνητικών ομάδων, γεγονός που είναι ιδιαίτερα σημαντικό σε ένα έργο που έχει ως βασικό αντικείμενο τη συνεργασία ερευνητικών ομάδων. Σελίδα 6 από 6
7 2 Υλοποίηση 2. Γενικές πληροφορίες workshop Το ο Επιστημονικό Workshop με διακριτικό τίτλο Robust MCDA» (ακρωνύμιο του έργου) πραγματοποιήθηκε στις 2-4 Σεπτεμβρίου 202 στην Αθήνα στο ΕΜΠ. Το workshop διοργανώθηκε από την ερευνητική ομάδα του ΕΜΠ (Μονάδα Αποφάσεων και Διοίκησης, Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Η/Υ, ΑΜΠ). Το workshop περιλαμβάνει 3 ενότητες:. Ενότητα Α: Βασικά στοιχεία πολυκριτήριας ανάλυσης αποφάσεων, με έμφαση στη θεωρία πολυκριτήριας αξίας και τις αναλυτικές-συνθετικές προσεγγίσεις. 2. Ενότητα Β: Αποτελέσματα βιβλιογραφικής ανασκόπησης σχετικά με τη μελέτη της 3. Ενότητα Γ: Νέες ερευνητικές κατευθύνσεις ανάλυσης ευστάθειας στην πολυκριτήρια ανάλυση αποφάσεων Για τις ανάγκες διοργάνωσης του workshop προετοιμάστηκε κατάλληλο ενημερωτικό υλικό (αφίσα, φυλλάδιο), το οποίο παρουσιάζεται στα Παραρτήματα Α-Β της παρούσας έκθεσης. 2.2 Απολογισμός workshop Στο workshop συμμετείχαν και οι 3 ερευνητικές ομάδες του έργου, καθώς και σημαντικός αριθμός νέων επιχειρησιακών ερευνητών, προπτυχιακών και μεταπτυχιακών φοιτητών, καθώς και υποψήφιων διδακτόρων από διάφορα ΑΕΙ/ΤΕΙ. Ο Πίνακας 2. παρουσιάζει τους μέλη της ΚΕΟ και της ΟΕΣ του έργου που συμμετείχαν στο ο Επιστημονικό Workshop, η πλειοψηφία των οποίων πραγματοποίησε και τις διαλέξεις της συνάντησης. Συνολικά, ο αριθμός των συμμετεχόντων ανήρθε σε 39 άτομα (βλ. Παράρτημα Γ για φωτογραφίες του workshop). Συνοπτικά, το πρόγραμμα της ης Συντονιστικής Συνάντησης έχει ως εξής: Τετάρτη 2 Σεπτεμβρίου 202 2:00 2:30: Καλωσόρισμα από το Διοργανωτή και Συντονιστή της ΚΕΟ του ΕΜΠ και τον ΣΕ 2:30 4:00: Πολυκριτήρια ανάλυση και αναλυτική-συνθετική προσέγγιση: Βασικά χαρακτηριστικά και προοπτικές (Ν. Ματσατσίνης) 4:00 5:00: Διάλειμμα (καφές) 5:00 6:30: Θεωρίας πολυκριτήριας αξίας (Μ. Δούμπος) Σελίδα 7 από 6
8 6:30 7:00: Διάλειμμα (καφές) 7:00 8:30: Συλλογικό μοντέλο αναλυτικής-συνθετικής προσέγγισης: Η μέθοδος MUSA (Ε. Γρηγορούδης) Πέμπτη 3 Σεπτεμβρίου 202 0:00 :30: Ευστάθεια και αναλυτικές-συνθετικές προσεγγίσεις (Γ. Σίσκος) :30 2:00: Διάλειμμα (καφές) 2:00 3:30: Ανάλυση ευστάθειας σε αναλυτικές συνθετικές μεθοδολογίες (Κ. Ζοπουνίδης) 3:30 5:00: Διάλειμμα (ελαφρύ γεύμα) 5:00 6:30: Διαδικασίες ομαλοποιημένης εκτίμησης στην αναλυτική-συνθετική προσέγγιση (Μ. Δούμπος) 6:30 7:00: Διάλειμμα (καφές) 7:00 8:30: Εναλλακτικές μεθοδολογίες εκτίμησης σημαντικότητας των κριτηρίων στην πολυκριτήρια ανάλυση (Δ. Γιαννακόπουλος) Ομάδα Ερευνητική ομάδα Πανεπιστημίου Πειραιά Ερευνητική ομάδα Πολυτεχνείου Κρήτης Ερευνητική ομάδα Εθνικού Μετσόβιου Πολυτεχνείου Πίνακας 2.: Συμμετέχοντες στην η Συντονιστική Συνάντηση Ερευνητές Ιωάννης Σίσκος (Καθηγητής/ΠΑΠΕΙ) Διονύσης Γιαννακόπουλος (Καθηγητής/ΤΕΙ Πειραιά) Ευάγγελος Γρηγορούδης (Επ. Καθηγητής/Πολ. Κρήτης) Αθανάσιος Σπυριδάκος (Αν. Καθηγητής/ΤΕΙ Πειραιά Νίκος Τσότσολας (Μεταδιδάκτορας/ΠΑΠΕΙ) Νίκος Χριστοδουλάκης (Υπ. Διδάκτορας/ΠΑΠΕΙ) Γεωργία Μουριάδου (Ερευνητής/ΠΑΠΕΙ) Κων/νος Ζοπουνίδης (Καθηγητής/Πολ. Κρήτης) Νικόλαος Ματσατσίνης (Καθηγητής/Πολ. Κρήτης) Μιχάλης Δούμπος (Επ. Καθηγητής/Πολ. Κρήτης) Παύλος Δελιάς (Επ. Καθηγητής/ΤΕΙ Καβάλας) Ιωάννης Ψαρράς (Καθηγητής/ΕΜΠ) Δημήτριος Ασκούνης (Αν. Καθηγητής/ΕΜΠ) Χάρης Δούκας (Μεταδιδάκτορας/ΕΜΠ) Παναγιώτης Ξυδώνας (Μεταδιδάκτορας/ΕΜΠ) Ελευθέριος Σίσκος (Υπ. Διδάκτορας/ΕΜΠ) Σελίδα 8 από 6
9 Παρασκευή 4 Σεπτεμβρίου 202 0:00 :30: Αλγόριθμοι μεταβελτιστοποίησης σε γραμμικά συστήματα (Ν. Τσότσολας) :30 2:00: Διάλειμμα (καφές) 2:00 3:30: Ανάλυση ευστάθειας σε προβλήματα πολυστοχικού προγραμματισμού (Ε. Σίσκος) 3:30 4:00: Κλείσιμο του workshop από το Διοργανωτή και Συντονιστή της ΚΕΟ του ΕΜΠ και τον ΣΕ Στο Παράρτημα Δ της συγκεκριμένης έκθεσης δίνονται οι παρουσιάσεις που χρησιμοποιήθηκαν σε όλη τη διάρκεια του workshop συνάντησης, σύμφωνα με το προηγούμενο πρόγραμμα. Σελίδα 9 από 6
10 Παράρτημα Α: Αφίσα workshop ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ο Επιστημονικό Workshop Robust MCDA ΠΡΟΓΡΑΜΜΑ ΘΑΛΗΣ Μεθοδολογικές προσεγγίσεις για τη μελέτη της ευστάθειας σε προβλήματα λήψης αποφάσεων με πολλαπλά κριτήρια 2-4 Σεπτεμβρίου 202 Εθνικό Μετσόβιο Πολυτεχνείο ΔΙΟΡΓΑΝΩΣΗ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Η/Υ Εθνικό Μετσόβιο Πολυτεχνείο Σελίδα 0 από 6
11 Παράρτημα Β: Φυλλάδιο workshop Σελίδα από 6
12 Σελίδα 2 από 6
13 Παράρτημα Γ: Φωτογραφίες workshop Σελίδα 3 από 6
14 Σελίδα 4 από 6
15 Σελίδα 5 από 6
16 Παράρτημα Δ: Παρουσιάσεις workshop Robust MCDA Πολυκριτήρια ανάλυση και αναλυτικήσυνθετική προσέγγιση: Βασικά χαρακτηριστικά και προοπτικές Νικόλαος Ματσατσίνης Ερευνητική Ομάδα Πολυτεχνείου Κρήτης ο Επιστημονικό Workshop - ΠΡΟΓΡΑΜΜΑ ΘΑΛΗΣ Μεθοδολογικές προσεγγίσεις για τη μελέτη της ευστάθειας σε προβλήματα λήψης αποφάσεων με πολλαπλά κριτήρια 2-4 Σεπτεμβρίου 202, Εθνικό Μετσόβιο Πολυτεχνείο Πολυκριτήρια Ανάλυση: Μεθοδολογικό Πλαίσιο και Στόχοι «Παραδοσιακή» προσέγγιση της ΕΕ: Σχεδιασμός βέλτιστων στρατηγικών Πολλαπλά κριτήρια: Χαρακτηριστικά Πολλαπλά κριτήρια που οδηγούν σε αντικρουόμενα συμπεράσματα Αδυναμία προσδιορισμού βέλτιστης λύσης Υποκειμενικά αποτελέσματα Στόχοι Ανάλυση της ανταγωνιστικής φύσης των κριτηρίων Μοντελοποίηση των προτιμήσεων του αποφασίζοντος Εντοπισμός ικανοποιητικών λύσεων Σελίδα 6 από 6
17 Μεθοδολογία Αντικείμενο της απόφασης Συνεπής οικογένεια κριτηρίων Μοντέλο ολικής προτίμησης Υποστήριξη της απόφασης Αντικείμενο της Απόφασης Καθορισμός Εναλλακτικών Κύριο ερώτημα: Με ποιον τρόπο ορίζεται το σύνολο των εναλλακτικών Α; Διακριτά προβλήματα Συνεχή προβλήματα Εναλλακτικές Κριτήρια g g 2 g n a g (a ) g 2 (a ) g n (a ) a 2 g (a 2 ) g 2 (a 2 ) g n (a 2 ) a m g (a m ) g 2 (a m ) g n (a m ) g Περιοχή εφικτών λύσεων g 2 Σελίδα 7 από 6
18 Αντικείμενο της Απόφασης Προβληματικές Επιλογή Σύνολο εναλλακτικών a, a 2,..., a m Περιγραφή Κατάταξη Ταξινόμηση Καλύτερες εναλλακτικές a. a a 3. a Κατηγορια 6 4. a a, a 2, a a 4 6. a 7 Χειρότερες 7. a Κατηγορία 2 εναλλακτικές 3 a 3, a 4, a 5, a 7 Χαρακτηριστικά των εναλλακτικών δραστηριοτήτων Τα Κριτήρια Κριτήριο: Μονότονη συνάρτηση g δηλωτική των προτιμήσεων του αποφασίζοντος: g i (a)>g i (b) a b g i (a)=g i (b) a~b Συνεπής οικογένεια κριτηρίων: Μονοτονία Επάρκεια Μη πλεονασμός Σελίδα 8 από 6
19 Μοντέλο Ολικής Προτίμησης Μεθοδολογίες Σύνθεσης Κριτηρίων Προσδιορισμός μιας συνολικής αξιολόγησης κάθε εναλλακτικής Πολυκριτήρια θεωρία χρησιμότητας Πραγματοποίηση διμερών συγκρίσεων μεταξύ των εναλλακτικών Θεωρία των σχέσεων υπεροχής Επαναληπτική και αλληλεπιδραστική διερεύνηση του συνόλου των εναλλακτικών λύσεων Πολυκριτήριος μαθηματικός προγραμματισμός Πολυκριτήρια Θεωρία Χρησιμότητας Σύνθεση των κριτηρίων σε μια συνολική συνάρτηση χρησιμότητας/αξιών U(a)=U[g (a), g 2 (a),, g n (a)] τέτοια ώστε: U(a)>U(b) a b U(a)=U(b) a~b Προσθετική συνάρτηση U(a)=p u [g (a)]+p 2 u 2 [g 2 (a)]+ +p n u n [g n (a)] Ικανοποιητική λύση: a =argmax U(a) Σελίδα 9 από 6
20 Θεωρία των Σχέσεων Υπεροχής Ορισμός: Η σχέση υπεροχής είναι μια διμερής σχέση S, τέτοια ώστε a S b εάν και μόνο εάν: Υπάρχουν αρκετές ενδείξεις που υποστηρίζουν τον ισχυρισμό «η a είναι τουλάχιστον εξίσου καλή όσο η b» Δεν υπάρχουν ισχυρές ενδείξεις κατά του παραπάνω ισχυρισμού Ιδιότητες: Η σχέση υπεροχής δεν είναι απαραίτητα πλήρης ή μεταβατική Βασικά στάδια: Κατασκευή της σχέσης υπεροχής Χρησιμοποίηση της σχέσης υπεροχής για την αξιολόγηση των εναλλακτικών Κύριες μέθοδοι: ELECTRE PROMETHEE ORESTE Πολυκριτήριος Μαθηματικός Προγραμματισμός Γενική μορφή Max {g (x), g 2 (x),, g n (x) / x A} Κυριαρχία x D x g i (x) g i (x ), i και i: g i (x)>g i (x ) Αποτελεσματική λύση x αποτελεσματική x A: x Dx Αποτελεσματικό σύνολο: Το σύνολο των αποτελεσματικών λύσεων Αλληλεπιδραστικές τεχνικές διερεύνησης του αποτελεσματικού συνόλου Σελίδα 20 από 6
21 Αναλυτική-Συνθετική Προσέγγιση Διαπίστωση: Η εκμαίευση από τον αποφασίζοντα προτιμησιακών πληροφοριών παρουσιάζει συχνά προβλήματα Εναλλακτική προσέγγιση: Ανάλυση των αποφάσεων του αποφασίζοντος για τον προσδιορισμό του κατάλληλου υποδείγματος σύνθεσης των κριτηρίων Αναλυτική-Συνθετική Προσέγγιση Παραδοσιακή προσέγγιση Αναλυτική-συνθετική προσέγγιση Αποφασίζων. Εναλλακτικές δραστηριότητες 2. Κριτήρια αξιολόγησης g Αποφασίζων. Εναλλακτικές δραστηριότητες 2. Κριτήρια αξιολόγησης g 3. Απόφαση D(g) Καθορισμός της γενικής μορφής του υποδείγματος σύνθεσης των κριτηρίων f(g, h) Διαδικασία καθορισμού των παραμέτρων h του υποδείγματος Αναλυτής Αποφασίζων Καθορισμός της γενικής μορφής του υποδείγματος σύνθεσης των κριτηρίων f(g, h) Διαδικασία καθορισμού των παραμέτρων h του υποδείγματος Ανάλυσης της απόφασης D(g) έτσι ώστε D[f(g, h)] D(g) Απόφαση D[f(g, h)] Αξιολόγηση απόφασης Μη ικανοποιητική Απόφαση D[f(g, h)]. Αξιολόγηση της απόφασης D[f(g, h)] 2. Αξιολόγηση των παραμέτρων h Μη ικανοποιητική Ικανοποιητική Ικανοποιητική Αποφασίζων Τέλος Αποφασίζων Τέλος Σελίδα 2 από 6
22 Ιστορική Αναδρομή Γραμμική παλινδρόμηση Charnes, Cooper, Ferguson (955) Karst (958) Wagner (959) Μονότονη παλινδρόμηση Srinivasan and Shocker (973) Pekelman and Sen (974) Srinivasan (975) Μονότονη παλινδρόμηση Jacquet-Lagrèze and Siskos (982) Horsky and Rao (984) Siskos and Yannacopoulos (985) Ταξινόμηση Freed and Glover (98) 990- Εναλλακτικά υποδείγματα Malakooti and Zhou (994) Greco, Matarazzo and Slowinski (200) Mousseau and Slowinski (998) Επεκτάσεις Lam and Choo (995) Jacquet Lagrèze (995) Zopounidis and Doumpos (999, 2000) Grigoroudis and Siskos (2002) Beuthe, Eeckhoudt and Scanella (2000) ΣΥΑ PREFCALC: Jacquet-Lagrèze (990) MINORA-MIIDAS: Siskos, Spiridakos, Yannacopoulos (999) MARKEX: Siskos and Matsatsinis (993) UTA+: Kostkowski and Slowinski (996) FINEVA: Zopounidis et al. (996) FINCLAS: Zopounidis and Doumpos (998) PREFDIS: Zopounidis and Doumpos (2000) MUSA: Grigoroudis and Siskos (2002) Η μέθοδος UTA Πλέον χαρακτηριστική εφαρμογή της αναλυτικήςσυνθετικής προσέγγισης Η μέθοδος UTA (UTilités Additives) προτάθηκε από Jacquet-Lagrèze and Siskos (982) Εκτίμηση ενός συνόλου συναρτήσεων αξιών από μια δεδομένη διάταξη προτίμησης σε ένα σύνολο αναφοράς A R Χρήση ειδικών τεχνικών γ.π. με στόχο την ελαχιστοποίηση των ασυμφωνιών μεταξύ εκτιμώμενης και δεδομένης διάταξης προτίμησης Σελίδα 22 από 6
23 Βασικές αρχές μεθόδου UTA Μοντέλο της μορφής: n u( g) = ui( gi) i= υ.π. n ui ( gι ) = i= ui( gi ) = 0 i=, 2,, n Εισαγωγή μεταβλητής σφάλματος: n u [ g( a)] = u[ g ( a)] + σ ( a) a A i= i i R Μαθηματική ανάπτυξη μεθόδου UTA [min] F = σ ( a) a A R υπό τους περιορισμούς n n ui[ gi( a) ] + σ( a) ui[ gi( b) ] σ( b) δ αν a b i= i= n n ui[ gi( a) ] + σ( a) ui[ gi( b) ] σ( b) = 0 αν a b i= i= j+ j ui( gi ) ui( gi ) 0 i και j n ui( gi ) = i= j ui( gi ) = 0, ui( gi ) 0, σ ( a) 0 a AR, i και j Σελίδα 23 από 6
24 Ανάλυση ευστάθειας Προσεγγίζεται ως ένα πρόβλημα μεταβελτιστοποίησης Αντιμετωπίζει το φαινόμενο ύπαρξης πολλαπλών βέλτιστων ή ημιβέλτιστων λύσεων που ικανοποιούν άλλα κριτήρια βελτιστοποίησης Μερική εξερεύνηση του υπερπολυέδρου των περιορισμών του βασικού γ.π. [min] ui( g ) i [max] ui( gi ) στο και στο i=, 2,, n πολύεδρο βασικού γ.π. πολύεδρο βασικού γ.π. Η μέθοδος UTASTAR Βελτίωση της αρχικής μεθόδου UTA προτείνοντας (Siskos and Yannacopoulos, 985): Την εισαγωγή μιας διπλής θετικής μεταβλητής σφάλματος n u [ g( a)] = u[ g ( a)] σ + ( a) + σ ( a) a A i= i i R Την απαλοιφή των περιορισμών μονοτονίας w u g u g i n j α j+ j ij = i( i ) i( i ) 0 =, 2,, και =, 2,, i Σελίδα 24 από 6
25 Σφάλματα στη μέθοδο UTASTAR 2 R a n k i n g 3... σφάλμα υπερεκτίμησης σ σφάλμα υποεκτίμησης σ + 0 Ολική αξία Παραλλαγές της μεθόδου UTA Εναλλακτικά κριτήρια βελτιστοποίησης: Εκτίμηση u[g(a)] με χρήση υποκειμενικών προτιμήσεων που προκύπτουν από συγκρίσεις ανά ζεύγη των εναλλακτικών Μεγιστοποίηση του Kendall s τ Άλλες παραλλαγές Μη μονότονες συναρτήσεις αξιών Κατασκευή ασαφών σχέσεων υπεροχής με βάση τις εκτιμώμενες συναρτήσεις αξιών από τη μέθοδο UTA Βελτιστοποίηση λεξικογραφικών κριτηρίων χωρίς το διαχωρισμό της κλίμακας των κριτηρίων Πρόσθετες ιδιότητες των συναρτήσεων αξιών (π.χ. κοίλες συναρτήσεις) Σελίδα 25 από 6
26 meta-uta τεχνικές Κύριος στόχος η βελτίωση της λύσης κατά τη φάση της μεταβελτιστοποίησης Βασικές προσεγγίσεις: Ελαχιστοποίηση της διασποράς των σφαλμάτων (κριτήριο Tchebychev) Εύρεση βέλτιστων τιμών για τις παραμέτρους της μεθόδου (π.χ. δ ελάχιστη διαφορά ολικής αξίας ανάμεσα σε δύο διαδοχικές εναλλακτικές και s ελάχιστο βήμα στις περιθώριες συναρτήσεις αξιών) Στοχαστική έκδοση της μεθόδου UTA Παραλλαγή της μεθόδου UTA στο πλαίσιο της πολυκριτήριας υποστήριξης αποφάσεων υπό αβεβαιότητα (Siskos, 983) n αi = i i i i i= j= a a j j u( δ ) δ ( g ) u ( g ) evaluation scale G i Σελίδα 26 από 6
27 Μέθοδοι ταξινόμησης Στόχος η εκτίμηση της συνάρτηση αξιών u από παραδείγματα ταξινόμησης στο πλαίσιο της προβληματικής β Μέθοδος UTA σε προβλήματα ταξινόμησης (Devaud et al., 980; Jacquet-Lagrèze and Siskos, 982; Jacquet- Lagrèze, 995) Οικογένεια μεθόδων UTADIS (UTilités Additives DIScriminantes) με βάση διαφορετικά κριτήρια βελτιστοποίησης (Zopounidis and Doumpos, 997, 200; Doumpos and Zopounidis, 2002) UTADIS I UTADIS II UTADIS III Άλλες αναλυτικές-συνθετικές μέθοδοι Εκτίμηση των παραμέτρων για μεθόδους σχέσεων υπεροχής (ELECTRE II, III, TRI) Συλλογικά μοντέλα ποιοτικής ανάλυσης παλινδρόμησης (π.χ. MUSA) Επαναληπτική εφαρμογή της μεθόδου UTA σε ένα σύνολο αποφασιζόντων (π.χ. MARKEX) Εφαρμογή σε προβλήματα ανταγωνιστικών αποφάσεων με πολλούς αποφασίζοντες Αναλυτικές-συνθετικές μέθοδοι 2 φάσεων (π.χ. MACBETH, MIIDAS) Άλλες προσεγγίσεις (π.χ. πολυκριτήριος μαθηματικός προγραμματισμός, μηχανική μάθηση, νευρωνικά δίκτυα, κλπ) Σελίδα 27 από 6
28 Ενδεικτικές εφαρμογές Χρηματοοικονομική Διοίκηση Αξιολόγηση κεφαλαίων υψηλού επιχειρηματικού κινδύνου Επιλογή και διαχείριση χαρτοφυλακίου Πρόβλεψη πτώχευσης επιχειρήσεων Χρηματοδότηση επιχειρήσεων Εκτίμηση κινδύνου χώρας Marketing Marketing νέων προϊόντων Marketing αγροτικών προϊόντων Ανάλυση συμπεριφοράς καταναλωτή Προβλήματα στρατηγικής πωλήσεων Μέτρηση ικανοποίησης πελατών Management (γενικά) Αξιολόγηση έργων Διαχείριση περιβάλλοντος Αξιολόγηση θέσεων εργασίας Συμπεράσματα και επεκτάσεις Η αναλυτική-συνθετική προσέγγιση εστιάζεται στην επίλυση του παρακάτω προβλήματος: «Υποθέτοντας ότι σε ένα πρόβλημα γνωρίζουμε την απόφαση, πώς είναι δυνατόν να βρούμε μια ορθολογική βάση με την οποία αυτή έχει ληφθεί;» Επεκτάσεις και προοπτικές: Εφαρμογή της αναλυτικής-συνθετικής φιλοσοφίας σε άλλες πολυκριτήριες μεθόδους Επέκταση σε πολύπλοκα συνθετικά μοντέλα Αξιολόγηση της αναλυτικής-συνθετικής σχέσης Ανάπτυξη μεθοδολογίας επιλογής παραμέτρων ή/και εναλλακτικών παραλλαγών ενός αναλυτικού-συνθετικού μοντέλου Σελίδα 28 από 6
29 Robust MCDA Θεωρία πολυκριτήριας αξίας Μιχάλης Δούμπος Ερευνητική Ομάδα Πολυτεχνείου Κρήτης ο Επιστημονικό Workshop - ΠΡΟΓΡΑΜΜΑ ΘΑΛΗΣ Μεθοδολογικές προσεγγίσεις για τη μελέτη της ευστάθειας σε προβλήματα λήψης αποφάσεων με πολλαπλά κριτήρια 2-4 Σεπτεμβρίου 202, Εθνικό Μετσόβιο Πολυτεχνείο Θεωρία πολυκριτήρια αξίας Ανάλυση των παραχωρήσεων μεταξύ των στόχων/κριτηρίων της ανάλυσης: Σύνθεση των κριτηρίων σε μια συνάρτηση αξίας: Η ολική συνάρτηση αξίας είναι σύνθεση συναρτήσεων κάθε κριτηρίου A x 3 V x x V(x) x x 2 Σελίδα 29 από 6
30 Θεωρία πολυκριτήριας αξίας Μοντέλο σταθμισμένου μέσου Γραμμικός συνδυασμός των κριτηρίων Οι συντελεστές στάθμισης υποδεικνύουν τους βαθμούς παραχώρησης Παράδειγμα Αξιολόγηση επενδύσεων βάσει απόδοσης (x ) και κινδύνου (x 2 ) Επένδυση Ε με απόδοση 9% και κίνδυνο 2%. Είμαι διατεθειμένος να αναλάβω επιπλέον μονάδες κινδύνου ώστε να κερδίσω μια επιπλέον μονάδα απόδοσης: Οι παραχωρήσεις είναι σταθερές και δεν εξαρτώνται από τις τιμές των κριτηρίων Σελίδα 30 από 6
31 Συναρτήσεις μερικών αξιών v(x) v(x) v(x) x x x Γενίκευση Δύο κριτήρια Οι παραχωρήσεις εξαρτώνται από τις τιμές των Αντιστοιχία παραχωρήσεων (corresponding tradeoffs condition) Συνάρτηση αξίας: Σελίδα 3 από 6
32 Σημείο μέσης τάξης Ορισμός: Δεδομένων δύο κριτηρίων, και ενός διαστήματος του κριτηρίου, το σημείο μέσης αξίας (midvalue point) είναι το σημείο εκείνο για το οποίο η παραχώρηση που είναι διατεθειμένος να κάνει ο αποφασίζοντας στο προκειμένου να αυξήσει το από το στο είναι ίση με την παραχώρηση που είναι διατεθειμένος να κάνει ο αποφασίζοντας προκειμένου να αυξήσει το από το στο. Δηλαδή: Εάν τότε το είναι το σημείο μέσης αξίας του διαστήματος εάν και μόνο εάν Κατασκευή συναρτήσεων αξιών Στόχος: Προσδιορισμός της συνάρτησης ώστε Βήμα ο : Κατασκευή συναρτήσεων μερικών αξιών Εξ ορισμού: Εύρεση του σημείου μέσης αξίας στο διάστημα Εύρεση του σημείου μέσης αξίας στο διάστημα Εύρεση του σημείου μέσης αξίας στο διάστημα Έλεγχος συνέπειας: Το σημείο είναι το σημείο μέσης αξίας στο διάστημα ; Βήμα 2 ο : Προσδιορισμός βαθμών παραχωρήσεων Προσδιορισμός δύο εναλλακτικών Επίλυση συστήματος ως προς Σελίδα 32 από 6
33 Παράδειγμα Κριτήρια x, y: (x, y )=(0, -0) και (x, y )=(00, 0) Ερώτηση : Έστω ότι y=0 και x=20. Η μείωση του y κατά μονάδα με πόσες παραπάνω μονάδες του x αντισταθμίζεται Απάντηση: 5 Ερώτηση 2: Έστω ότι y=0 και x=60. Η μείωση του y κατά μονάδα με πόσες παραπάνω μονάδες του x αντισταθμίζεται Απάντηση: 0 Ερώτηση 3: Για κάποια άλλη τιμή του y (πχ y=5) η μείωση που θα δεχόσουν στο y προκειμένου να αυξηθεί το x από το 20 στο 25 είναι ίδια με τη μείωση που θα δεχόσουν για την αύξηση του x από το 60 στο 70; Απάντηση: Ναι Παράδειγμα Ερώτηση 4: Δώσε μου μια τιμή x για την οποία είσαι διατεθειμένος να δεχτείς την ίδια μείωση στο y προκειμένου να αυξηθεί το x από 0 σε x και από x σε 00 Απάντηση: 20 Ερώτηση 5: Δώσε μου μια τιμή x 2 για την οποία είσαι διατεθειμένος να δεχτείς την ίδια μείωση στο y προκειμένου να αυξηθεί το x από 20 σε x 2 και από x 2 σε 00 Απάντηση: 45 Ερώτηση 6: Δώσε μου μια τιμή x 3 για την οποία είσαι διατεθειμένος να δεχτείς την ίδια μείωση στο y προκειμένου να αυξηθεί το x από 0 σε x 3 και από x 3 σε 20 Απάντηση: 7 Ερώτηση 8: Είσαι διατεθειμένος να δεχτείς την ίδια μείωση στο y προκειμένου να αυξηθεί το x από 7 σε 20 και από 20 σε 45 Απάντηση: ΝΑΙ Ερώτηση 9: Για την αύξηση του x από 0 σε 50 είσαι διατεθειμένος να δεχτείς μεγαλύτερη μείωση στο y σε σχέση με μια αύξηση από το 50 στο 00 Απάντηση: ΝΑΙ Ερώτηση 0: Για την αύξηση του x από 0 σε 0 είσαι διατεθειμένος να δεχτείς μεγαλύτερη μείωση στο y σε σχέση με μια αύξηση από το 0 στο 00 Απάντηση: ΟΧΙ Σελίδα 33 από 6
34 Παράδειγμα u(x) 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0, x Παράδειγμα y 0.25 =-7, y 0. 5 =-2, y 0.75 =3 Ερώτηση : Από τις εναλλακτικές (0, 0) και (00, - 0) ποια προτιμάται; Απάντηση: Προτιμώ την (00, -0) Ερώτηση 2: Δώσε μου μια τιμή x για την οποία η εναλλακτική (0, 0) είναι ισοδύναμη της (x, -0). Απάντηση: 60 Σελίδα 34 από 6
35 Η περίπτωση πολλαπλών κριτηρίων Ανεξαρτησία παραχωρήσεων Αμοιβαία προτιμησιακή ανεξαρτησία Προτιμησιακή ανεξαρτησία Δεδομένου ενός συνόλου κριτηρίων, ένα υποσύνολο κριτηρίων είναι προτιμησιακά ανεξάρτητο των υπόλοιπων κριτηρίων εάν και μόνο εάν οι προτιμήσεις βάσει των δεν προσδιορίζονται από τις τιμές των κριτηρίων Αμοιβαία προτιμησιακή ανεξαρτησία Τα κριτήρια είναι αμοιβαία προτιμησιακά ανεξάρτητα εάν κάθε υποσύνολο κριτηρίων είναι προτιμησιακά ανεξάρτητο των υπόλοιπων κριτηρίων Προτιμησιακή ανεξαρτησία Παράδειγμα Για την αγορά ενός σπιτιού εξετάζονται τα ακόλουθα: Αξία ( ) Επιτόκιο ( ) Διάρκεια ( ) Εξετάζονται δύο εναλλακτικές και : 20 3% % 30 Έστω ότι αλλάζουν οι όροι αποπληρωμής 20 3% 00 0% Σελίδα 35 από 6
36 Επιλογή προτιμησιακά ανεξάρτητων κριτηρίων Θεώρημα: Έστω ένα σύνολο κριτηρίων και, δύο υποσύνολα του, τα οποία έχουν κοινά στοιχεία αλλά το ένα δεν περιλαμβάνει το άλλο, και. Εάν καθένα από τα και είναι προτιμησιακά ανεξάρτητο από τα υπόλοιπα κριτήρια, τότε τα ακόλουθα σύνολα κριτηρίων είναι επίσης προτιμησιακά ανεξάρτητα των υπόλοιπων κριτηρίων: και 4. Παράδειγμα Έλεγχος της αμοιβαίας προτιμησιακής ανεξαρτησίας (ΑΠΑ) σε ένα σύνολο 5 κριτηρίων Απαιτείται ο έλεγχος όλων των ζευγών κριτηρίων ανά δύο (0 ζεύγη) Εναλλακτική προσέγγιση (θεώρημα) (α) Επαληθεύεται η ΑΠΑ για τα υποσύνολα,,, (β) Θεώρημα (4): η ΑΠΑ ισχύει για τα υποσύνολα,, (γ) Θεώρημα (4) & (β): η ΑΠΑ ισχύει για τα υποσύνολα, (δ) Θεώρημα (4) & (γ): η ΑΠΑ ισχύει για τα υποσύνολα Σελίδα 36 από 6
37 Προσδιορισμός βαθμών παραχωρήσεων Βήμα : Προσδιορισμός και για κάθε κριτήριο Βήμα 2: Ιεράρχηση των κριτηρίων βάσει της σημαντικότητάς τους Βήμα 3: Προσδιορισμός παραχωρήσεων μεταξύ του πλέον σημαντικού κριτηρίου και των υπολοίπων (συγκρίσεις ανά δύο) Πολλαπλασιαστική μορφή Τα ίδια αποτελέσματα και διαδικασίες ισχύουν και για πολλαπλασιαστικές συναρτήσεις: Ερμηνεία κλίμακας μερικών αξιών Στην προσθετική συνάρτηση νόημα έχουν μόνο οι διαφορές μερικών αξιών Στην πολλαπλασιαστική συνάρτηση νόημα έχουν οι λόγοι μερικών αξιών Σελίδα 37 από 6
38 Πολλαπλασιαστική μορφή Παράδειγμα Κατασκευή της συνάρτησης αξίας τριών κριτηρίων x, x 2, x 3 [, 0], όταν η πραγματική συνάρτηση του αποφασίζοντα είναι V(x)=x x 2 x 3 Βήμα : Μορφή της συνάρτησης Αναλυτής: Ποια από τις εναλλακτικές (2, 3, 4) και (4, 2, 4) είναι καλύτερη; Αποφασίζοντας: η (4, 2, 4) Αναλυτής: Θα μπορούσε το αποτέλεσμα αυτής της σύγκρισης να αλλάξει μεταβάλλοντας την τιμή του x 3 ; Αποφασίζοντας: Όχι Ανάλογα αποτελέσματα προκύπτουν και για τα άλλα ζεύγη κριτηρίων, άρα η συνάρτηση αξίας είναι προσθετική: V(x)=w v (x )+w 2 v 2 (x 2 )+w 3 v 3 (x 3 ) Πολλαπλασιαστική μορφή Παράδειγμα Βήμα 2: Συναρτήσεις μερικών αξιών Προσδιορισμός κλίμακας: v j ()=0, v j (0)= Κριτήριο x : Αναλυτής: Δώσε μου μια τιμή a του x, για την οποία οι παραχωρήσεις που θα έκανες στα x 2, x 3 ώστε να αυξηθεί το x από σε a, να είναι ίδιες με την αύξηση του x από a σε 0. Αποφασίζοντας: 0 /2 Αναλυτής: Ομοίως μια τιμή b για την αύξηση του x από σε b και από b σε 0 /2. Αποφασίζοντας: 0 /4 Αναλυτής: Τέλος, μια τιμή c για την αύξηση του x από 0 /2 σε c και από c σε 0. Αποφασίζοντας: 0 3/4 Άρα η συνάρτηση αξίας του κριτηρίου x είναι v ()=0, v (0 /4 )=0.25, v (0 /2 )=0.5, v (0 3/4 )=0.75, v (0)= Σελίδα 38 από 6
39 Πολλαπλασιαστική μορφή Παράδειγμα Βήμα 3: Συντελεστές παραχώρησης Αναλυτής: Ποια από τις εναλλακτικές (0,, ), (, 0, ), (,, 0) είναι καλύτερη; Αποφασίζοντας: Είμαι αδιάφορος μεταξύ των τριών Άρα w =w 2 =w 3 =/3 Συνάρτηση αξίας Μονότονος (λογαριθμικός) μετασχηματισμός της πραγματικής συνάρτησης, η οποία μπορεί να γραφεί ως: Σελίδα 39 από 6
40 Robust MCDA Συλλογικό μοντέλο αναλυτικής-συνθετικής προσέγγισης: Η μέθοδος MUSA Ευάγγελος Γρηγορούδης Ερευνητική Ομάδα Πανεπιστημίου Πειραιώς ο Επιστημονικό Workshop - ΠΡΟΓΡΑΜΜΑ ΘΑΛΗΣ Μεθοδολογικές προσεγγίσεις για τη μελέτη της ευστάθειας σε προβλήματα λήψης αποφάσεων με πολλαπλά κριτήρια 2-4 Σεπτεμβρίου 202, Εθνικό Μετσόβιο Πολυτεχνείο Περιεχόμενα Βασικές αρχές και μαθηματική ανάπτυξη της μεθόδου Παρουσίαση αποτελεσμάτων Αριθμητικό παράδειγμα Προβλήματα και δυσκολίες υλοποίησης Επεκτάσεις της μεθόδου Εκτίμηση αποτελεσμάτων και δείκτες σφάλματος Σελίδα 40 από 6
41 Βασικές αρχές της μεθόδου Η συνολική ικανοποίηση του πελάτη εξαρτάται από ένα σύνολο μεταβλητών που αντιπροσωπεύουν χαρακτηριστικά του προσφερόμενου προϊόντος ή υπηρεσίας Βασικός σκοπός της μεθόδου MUSA είναι η σύνθεση των προτιμήσεων ενός συνόλου πελατών σε μια μαθηματική συνάρτηση αξιών Η μέθοδος ακολουθεί τις γενικές αρχές της ποιοτικής ανάλυσης παλινδρόμησης υπό περιορισμούς, χρησιμοποιώντας τεχνικές γ.π. Συνολική Ικανοποίηση Πελάτη Ικανοποίηση από το ο κριτήριο Ικανοποίηση από το 2ο κριτήριο... Ικανοποίηση από το n κριτήριο Μαθηματική μορφή Εξίσωση ποιοτικής ανάλυσης παλινδρόμησης n ~ + Y = bi Χ i σ + σ i= Πρόβλημα μαθηματικού προγραμματισμού με στόχο την ελαχιστοποίηση του αθροίσματος των σφαλμάτων υπό τους περιορισμούς: εξίσωση παλινδρόμησης για κάθε πελάτη κανονικοποίησης των συναρτήσεων ικανοποίησης μονοτονίας των συναρτήσεων ικανοποίησης Η ανάλυση ευστάθειας αντιμετωπίζεται ως ένα πρόβλημα ανάλυσης μεταβελτιστοποίησης Σελίδα 4 από 6
42 Μεταβλητές σφάλματος Τελική μορφή γ.π y m... y 2 0 Y Μετασχηματισμοί m+ m zm = y y k + wik = bi xi bi xi σ + j σ - j y y 2... y m... y α k m=, 2,...,α k=, 2,...,α και i=, 2,...,n i Y M + [ min] F = σ j + σ j j= υπό τους περιορισμούς n t ji t j + wik zm σ j + σ j = 0 για j=, 2,,M i= k = m= α zm = 00 m= n αi wik = 00 i= k = zm 0, wik 0 m,i,k + σ j 0, σ j 0 για j=, 2,, M Ανάλυση μεταβελτιστοποίησης και ημιβέλτιστες λύσεις Πολύεδρο περιορισμών βασικού γ.π. Ανάλυση ευστάθειας αi [ ] = max F wik για i =,2,, n k = υπό τους περιορισμούς F F + ε όλοι οι περιορισμοί του βασικού γ.π. F=F +ε F=F Τελική λύση Μέση τιμή των λύσεων των παραπάνω γ.π. Σελίδα 42 από 6
43 Συναρτήσεις ικανοποίησης () Οι εκτιμώμενες συναρτήσεις ικανοποίησης εκφράζουν την πραγματική αξία που προσδίδει το σύνολο των πελατών σε ένα καθορισμένο ποιοτικό επίπεδο ικανοποίησης. Η μορφή των συναρτήσεων αυτών είναι σε θέση να προσδιορίσει το βαθμό απαιτητικότητας των πελατών (τα αποτελέσματα ισχύουν τόσο για την ολική, όσο και για τις μερικές συναρτήσεις ικανοποίησης) Συναρτήσεις ικανοποίησης (2) Y ή X i Y ή X i Απαιτητικοί πελάτες Y ή X i Y ή X i " Κανονικοί" πελάτες Y ή X i Μη-απαιτητικοί πελάτες Y ή X i Σελίδα 43 από 6
44 Βάρη κριτηρίων ικανοποίησης Τα βάρη των κριτηρίων ικανοποίησης υποδηλώνουν το σχετικό βαθμό σπουδαιότητας που δίνει το σύνολο των πελατών στις αξίες των διαστάσεων ικανοποίησης που έχουν καθοριστεί. Το γεγονός αυτό υποδηλώνει ότι η απόφαση για να θεωρηθεί κάποιο κριτήριο ως «σημαντικό», σε ένα βαθμό, εξαρτάται και από το πλήθος των κριτηρίων που χρησιμοποιούνται. Δε θα πρέπει να λησμονείται η φυσική ερμηνεία των συντελεστών βαρύτητας, ότι τα βάρη είναι βαθμοί παραχώρησης (trade-offs) μεταξύ των αξιών στα κριτήρια. Μέσοι δείκτες ικανοποίησης Συναρτήσεις ικανοποίησης και συχνότητες απαντήσεων πελατών Ορισμός δεικτών ικανοποίησης Y ή X i y m ή x i k S Si = 00 = 00 α m= α i k = p y m m p x k k i i για i =,2,, n p m ή p i k όπου p m and p i k είναι το ποσοστό των πελατών που ανήκουν στο y m και x i k Y ή X i επίπεδο ικανοποίησης αντίστοιχα. Σελίδα 44 από 6
45 Μέσοι δείκτες απαιτητικότητας Y () Ο ολικός και οι μερικοί μέσοι δείκτες απαιτητικότητας καθορίζονται με βάση τις εξισώσεις: y ( m ) 00 α α ( ) m 00 α m y ( m ) α 00 m y m= α D = α m 00 m= α αi 00( k ) k xi k = αi Di = αi k 00 k = αi for α > 2 y m y for α > 2 and i =,2,, n i m y α y Η μορφή των συναρτήσεων ικανοποίησης καθορίζει το επίπεδο απαιτητικότητας των πελατών. Y Μέσοι δείκτες απαιτητικότητας (2) Οι μέσοι δείκτες απαιτητικότητας είναι κανονικοποιημένοι στο διάστημα [, ] και ισχύει: Ουδέτεροι πελάτες (D=0 or D i =0): η συνάρτηση ικανοποίησης έχει γραμμική μορφή, γεγονός που σημαίνει ότι οι συγκεκριμένοι πελάτες όσο περισσότερο ικανοποιημένοι δηλώνουν ότι είναι, τόσο μεγαλύτερο είναι το ποσοστό των προσδοκιών τους που εκπληρώνεται. Απαιτητικοί πελάτες (D= or D i =): η συνάρτηση ικανοποίησης έχει κυρτή μορφή, δεδομένου ότι η ομάδα αυτή των πελατών δεν είναι ικανοποιημένη παρά μόνο αν τους προσφέρεται το βέλτιστο επίπεδο υπηρεσιών. Μη απαιτητικοί πελάτες (D= or D i = ): η συνάρτηση ικανοποίησης έχει κοίλη μορφή, γεγονός που υποδηλώνει ότι οι συγκεκριμένοι πελάτες δηλώνουν ότι είναι ικανοποιημένοι παρόλο που ένα μικρό ποσοστό των προσδοκιών τους εκπληρώνεται. Οι δείκτες απαιτητικότητας εκφράζουν την μέση απόκλιση των συναρτήσεων ικανοποίησης από μια «κανονική» (γραμμική) συνάρτηση αξιών. Οι μέσοι δείκτες απαιτητικότητας δείχνουν το μέγεθος της προσπάθειας που καταβάλλεται για τη βελτίωση ενός χαρακτηριστικού, δεδομένου ότι όσο πιο απαιτητικοί είναι οι πελάτες, τόσο περισσότερο πρέπει να βελτιωθεί το επίπεδο ικανοποίησης για να εκπληρωθούν οι προσδοκίες τους. Σελίδα 45 από 6
46 Μέσοι δείκτες αποτελεσματικότητας Το αποτέλεσμα των ενεργειών βελτίωσης εξαρτάται τόσο από τη σημαντικότητα του κριτηρίου, όσο και από τη συνεισφορά του στη μηικανοποίηση (δυσαρέσκεια) των πελατών. Για το λόγο αυτό, ορίζεται ένα σύνολο μέσων δεικτών αποτελεσματικότητας σύμφωνα με τις σχέσεις: I = b ( S ) for i =,2, n i i i, Οι συγκεκριμένοι δείκτες ορίζονται στο διάστημα [0, ] ενώ μπορεί εύκολα να αποδειχθεί ότι: Ii = bi = Si = 0 for i =, 2,,n Ii = 0 bi = 0 Si = Οι δείκτες αυτοί δείχνουν τα περιθώρια βελτίωσης σε ένα συγκεκριμένο κριτήριο ικανοποίησης, λαμβάνοντας υπόψη και τη σπουδαιότητά του. Διαγράμματα δράσης () Συνδυάζοντας τα βάρη των κριτηρίων ικανοποίησης με τους μέσους δείκτες ικανοποίησης είναι δυνατός ο υπολογισμός μιας σειράς διαγραμμάτων δράσης (action diagrams). Τα διαγράμματα δράσης μπορούν να προσδιορίσουν ποια είναι τα δυνατά και τα αδύνατα σημεία της ικανοποίησης των πελατών, καθώς και το που πρέπει να στραφούν οι προσπάθειες βελτίωσης. Κάθε διάγραμμα δράσης χωρίζεται σε τεταρτημόρια ανάλογα με την απόδοση (μέσοι δείκτες ικανοποίησης) και τη σημαντικότητα (βάρη) των κριτηρίων: Περιοχή ισχύουσας κατάστασης-status quo (χαμηλή απόδοση και χαμηλή σημαντικότητα) Περιοχή ισχύος (υψηλή απόδοση και υψηλή σημαντικότητα) Περιοχή δράσης (χαμηλή απόδοση και υψηλή σημαντικότητα) Περιοχή μεταφοράς πόρων (υψηλή απόδοση και χαμηλή σημαντικότητα) Σελίδα 46 από 6
47 Διαγράμματα δράσης (2) ΑΠΟΔΟΣΗ Χαμηλή Υψηλή Περιοχή μεταφοράς πόρων (υψηλή απόδοση/ χαμηλή σημαντικότητα) Περιοχή ισχύουσας κατάστασης (χαμηλή απόδοση/ χαμηλή σημαντικότητα) Περιοχή ισχύος (υψηλή απόδοση/ υψηλή σημαντικότητα) Περιοχή δράσης (χαμηλή απόδοση/ υψηλή σημαντικότητα) Χαμηλή Υψηλή ΣΗΜΑΝΤΙΚΟΤΗΤΑ Διαγράμματα δράσης (3) Υπάρχουν 2 είδη διαγραμμάτων δράσης: Απόλυτο διάγραμμα: Χρησιμοποιεί τα βάρη και τους δείκτες ικανοποίησης όπως υπολογίζονται από τη μέθοδο MUSA. Σχετικό διάγραμμα: Το σημείο τομής των αξόνων υπολογίζεται ως το κέντρο βάρους των σημείων του διαγράμματος. Διάγραμμα δράσης Άξονας Μεταβλητή Διάστημα τιμών Σημείο τομής με οριζόντιο/κάθετο άξονα Απόλυτο Σημαντικότητα b i [0, ] n Απόδοση S i [0, ] 0,5 Σχετικό b = b b i Σημαντικότητα ( bi b ) S = i 2 Απόδοση ( S i S ) i i i S S i 2 [-, ] 0 [-, ] 0 Σελίδα 47 από 6
48 Διαγράμματα βελτίωσης () Όμοια, συνδυάζοντας τους μέσους δείκτες απαιτητικότητας και αποτελεσματικότητας κατασκευάζεται μια σειρά διαγραμμάτων βελτίωσης (improvement diagrams). Κάθε διάγραμμα βελτίωσης χωρίζεται σε τεταρτημόρια ανάλογα με την απαιτητικότητα και την αποτελεσματικότητα των διαστάσεων ικανοποίησης, με αποτέλεσμα τον προσδιορισμό των προτεραιοτήτων βελτίωσης: Η επιχείρηση θα πρέπει να επικεντρώσει τις προσπάθειες βελτίωσης στις διαστάσεις ικανοποίησης που έχουν μεγάλη αποτελεσματικότητα ενώ οι πελάτες δεν εμφανίζονται ιδιαίτερα απαιτητικοί. Η δεύτερη προτεραιότητα των ενεργειών βελτίωσης αποτελούν τα κριτήρια που είτε παρουσιάζουν μεγάλη αποτελεσματικότητα και μεγάλο βαθμό απαιτητικότητας, είτε εμφανίζουν μικρή αποτελεσματικότητα, ενώ οι πελάτες δε φαίνονται ιδιαίτερα απαιτητικοί. Τέλος, τα χαρακτηριστικά που παρουσιάζουν μικρή αποτελεσματικότητα και μεγάλη απαιτητικότητα αποτελούν την τελευταία προτεραιότητα βελτίωσης. Διαγράμματα βελτίωσης (2) ΑΠΑΙΤΗΤΙΚΟΤΗΤΑ Χαμηλή Υψηλή 3η Προτεραιότητα (χαμηλή αποτελεσματικότητα/ μεγάλη προσπάθεια) 2η Προτεραιότητα (χαμηλή αποτελεσματικότητα/ μικρή προσπάθεια) 2η Προτεραιότητα (υψηλή αποτελεσματικότητα/ μεγάλη προσπάθεια) η Προτεραιότητα (υψηλή αποτελεσματικότητα/ μικρή προσπάθεια) Χαμηλή Υψηλή ΑΠΟΤΕΛΕΣΜΑΤΙΚΟΤΗΤΑ Σελίδα 48 από 6
49 Δεδομένα δείγματος () Ας υποτεθεί η περίπτωση μιας έρευνας ικανοποίησης πελατών για μια εταιρεία παροχής υπηρεσιών με τα εξής δεδομένα: Η ολική ικανοποίηση των πελατών εξαρτάται από 3 βασικά κριτήρια (Προϊόν, Διαδικασία αγοράς, Πρόσθετες υπηρεσίες) Χρησιμοποιείται μια προκαθορισμένη ποιοτική κλίμακα ικανοποίησης. Τα δεδομένα αποτελούνται από την άποψη ικανοποίησης ενός συνόλου 20 πελατών. Ολική Ικανοποίηση Κλίμακα ικανοποίησης Πολύ ικανοποιημένος Ικανοποιημένος Λίγο ικανοποιημένος Προϊόν Διαδικασία αγοράς Πρόσθετες υπηρεσίες Δεδομένα δείγματος (2) Ολική ικανοποίηση Προϊόν Διαδικασία αγοράς Πρόσθετες υπηρεσίες Ικανοποιημένος Πολύ ικανοποιημένος Ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Πολύ ικανοποιημένος Πολύ ικανοποιημένος Πολύ ικανοποιημένος Πολύ ικανοποιημένος Ικανοποιημένος Πολύ ικανοποιημένος Λίγο ικανοποιημένος Ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Πολύ ικανοποιημένος Πολύ ικανοποιημένος Πολύ ικανοποιημένος Πολύ ικανοποιημένος Ικανοποιημένος Πολύ ικανοποιημένος Λίγο ικανοποιημένος Πολύ ικανοποιημένος Ικανοποιημένος Πολύ ικανοποιημένος Λίγο ικανοποιημένος Πολύ ικανοποιημένος Ικανοποιημένος Ικανοποιημένος Ικανοποιημένος Ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Ικανοποιημένος Ικανοποιημένος Πολύ ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Πολύ ικανοποιημένος Πολύ ικανοποιημένος Πολύ ικανοποιημένος Πολύ ικανοποιημένος Ικανοποιημένος Ικανοποιημένος Πολύ ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Πολύ ικανοποιημένος Πολύ ικανοποιημένος Πολύ ικανοποιημένος Ικανοποιημένος Πολύ ικανοποιημένος Πολύ ικανοποιημένος Πολύ ικανοποιημένος Πολύ ικανοποιημένος Πολύ ικανοποιημένος Πολύ ικανοποιημένος Πολύ ικανοποιημένος Ικανοποιημένος Ικανοποιημένος Ικανοποιημένος Ικανοποιημένος Ικανοποιημένος Λίγο ικανοποιημένος Ικανοποιημένος Λίγο ικανοποιημένος Λίγο ικανοποιημένος Σελίδα 49 από 6
50 Βάρη και δείκτες ικανοποίησης Στο τελευταίο στάδιο εφαρμογής υπολογίζονται τα βασικά αποτελέσματα της μεθόδου: Τα βάρη των κριτηρίων ικανοποίησης Οι μέσοι δείκτες ικανοποίησης Οι μέσοι δείκτες απαιτητικότητας Κριτήριο Βάρος Μέσος δείκτης ικανοποίησης Μέσος δείκτης απαιτητικότητας Προϊόν 25,42% 53,28% 0,74 Διαδικασία αγοράς 49,7% 46,74% 0,0 Πρόσθετες υπηρεσίες 25,42% 55,00% -,00 Ολική ικανοποίηση - 50,33% -0,02 Συναρτήσεις ικανοποίησης Ολική ικανοποίηση Προϊόν , Λίγο ικανοποιημένος Ικανοποιημένος Πολύ ικανοποιημένος Λίγο ικανοποιημένος 3, Ικανοποιημένος Πολύ ικανοποιημένος Διαδικασία αγοράς Πρόσθετες υπηρεσίες , Λίγο ικανοποιημένος Ικανοποιημένος Πολύ ικανοποιημένος Λίγο ικανοποιημένος Ικανοποιημένος Πολύ ικανοποιημένος Σελίδα 50 από 6
51 Διαγράμματα δράσης και βελτίωσης Υψηλή (a) Απόλυτο Υψηλή Πρόσθετες υπηρεσίες (β) Σχετικό ΑΠΟΔΟΣΗ Πρόσθετες υπηρεσίες Προϊόν Διαδικασία αγοράς ΑΠΟΔΟΣΗ Προϊόν Χαμηλή Χαμηλή ΣΗΜΑΝΤΙΚΟΤΗΤΑ Υψηλή Χαμηλή Χαμηλή ΣΗΜΑΝΤΙΚΟΤΗΤΑ Διαδικασία αγοράς Υψηλή ΑΠΑΙΤΗΤΙΚΟΤΗΤΑ Χαμηλή Υψηλή Προϊόν (a) Απόλυτο Διαδικασία αγοράς Πρόσθετες υπηρεσίες Χαμηλή Υψηλή ΑΠΟΤΕΛΕΣΜΑΤΙΚΟΤΗΤΑ Υψηλή ΑΠΑΙΤΗΤΙΚΟΤΗΤΑ Χαμηλή (β) Σχετικό Προϊόν Διαδικασία αγοράς Πρόσθετες υπηρεσίες Χαμηλή Υψηλή ΑΠΟΤΕΛΕΣΜΑΤΙΚΟΤΗΤΑ Λογική συνέπεια δεδομένων Η λογική ασυνέπεια των δεδομένων του προβλήματος εκτίμησης της ικανοποίησης επηρεάζει άμεσα την αξιοπιστία και την ευστάθεια της μεθόδου. Παράδειγμα λογικής ασυνέπειας: πελάτες, που ενώ συνολικά είναι πολύ ικανοποιημένοι, δηλώνουν το ελάχιστο επίπεδο ικανοποίησης για όλα τα κριτήρια (και το ακριβώς αντίθετο). Οι βασικοί λόγοι ύπαρξης του συγκεκριμένου προβλήματος είναι: τα κριτήρια δεν πληρούν τις ιδιότητες της συνεπούς οικογένειας κριτηρίων, οι πελάτες δεν είναι ορθολογικοί αποφασίζοντες. Κατά τη διαδικασία εφαρμογής της μεθόδου MUSA θα πρέπει να υπάρχει ένα προκαταρκτικό στάδιο ελέγχου της λογικής συνέπειας των δεδομένων. Σελίδα 5 από 6
52 Ομάδες πελατών Άλλη δυσκολία εφαρμογής της μεθόδου MUSA σχετίζεται με την ύπαρξη ομάδων πελατών με διαφορετικά συστήματα αξιών (συναρτήσεις ικανοποίησης, βάρη κριτηρίων, κλπ). Το συγκεκριμένο πρόβλημα γίνεται αντιληπτό από την αστάθεια των αποτελεσμάτων, ιδίως στην περίπτωση που παρατηρούνται φαινόμενα ανταγωνιστικότητας των κριτηρίων ικανοποίησης. Το γεγονός αυτό είναι λογικό, δεδομένου ότι το MUSA είναι ένα συλλογικό (collective) μοντέλο αξιολόγησης της ικανοποίησης πελατών. Η πλέον αξιόπιστη λύση είναι η τμηματοποίηση του συνόλου των δεδομένων σύμφωνα με συγκεκριμένα χαρακτηριστικά των πελατών (π.χ. ηλικία, φύλο, κλπ) που πιστεύεται ότι διαφοροποιούν τις προτιμήσεις και τις προσδοκίες τους. Η εφαρμογή της μεθόδου γίνεται στη συνέχεια σε κάθε ένα από αυτά τα τμήματα χωριστά. Γνήσια αύξουσες συναρτήσεις ικανοποίησης Το βασικό μοντέλο MUSA υποθέτει ότι τόσο η ολική όσο και οι μερικές συναρτήσεις ικανοποίησης είναι προτιμησιακά αύξουσες. Σε αρκετές όμως περιπτώσεις απαιτούνται «αυστηρές» σχέσεις προτίμησης, οι οποίες έχουν την ακόλουθη μορφή: y xi m k < y < x m+ k + i y x k i m y x m+ k + i για m =, 2,,α για k =, 2,,α και i i =,2,, n Άρα οι ακόλουθες ανισότητες θα πρέπει να ισχύουν: m+ m y y γ k + k xi xi γi γ, γ > 0 i για m =, 2,,α για k =, 2,,α και i i =,2,, n Σελίδα 52 από 6
53 Πολλαπλά επίπεδα κριτηρίων ικανοποίησης () Η βασική μέθοδος MUSA εξετάζει το πρόβλημα της σύνθεσης της ικανοποίησης ενός συνόλου βασικών κριτηρίων. Όμως σε αρκετές περιπτώσεις, κρίνεται ιδιαίτερα χρήσιμος ο καθορισμός ενός επιπλέον επιπέδου ικανοποίησης όπου: Το πρώτο επίπεδο των κριτηρίων περιλαμβάνει τις βασικές διαστάσεις της ικανοποίησης των πελατών σε μια γενική μορφή (π.χ. προσωπικό). Το δεύτερο επίπεδο των κριτηρίων (υποκριτήρια) αφορά λεπτομερείς διαστάσεις των βασικών κριτηρίων ικανοποίησης (π.χ. συμπεριφορά, γνώσεις προσωπικού, κλπ). Τόσο το σύνολο των βασικών κριτηρίων, όσο και κάθε ένα από τα σύνολα των υποκριτηρίων πρέπει να ικανοποιεί τις ιδιότητες της συνεπούς οικογένειας κριτηρίων. Πολλαπλά επίπεδα κριτηρίων ικανοποίησης (2) Ολική Ικανοποίηση Ικανοποίηση ου κριτηρίου Ικανοποίηση 2 ου κριτηρίου... Ικανοποίηση n-στού κριτηρίου (α) επίπεδο κριτηρίων ικανοποίησης Ολική Ικανοποίηση Ικανοποίηση ου κριτηρίου Ικανοποίηση 2 ου κριτηρίου... Ικανοποίηση n-στού κριτηρίου Ικανοποίηση υποκριτηρίου. Ικανοποίηση υποκριτηρίου.2 Ικανοποίηση υποκριτηρίου 2. Ικανοποίηση υποκριτηρίου 2.2 Ικανοποίηση υποκριτηρίου n. Ικανοποίηση υποκριτηρίου n Ικανοποίηση υποκριτηρίου.n Ικανοποίηση υποκριτηρίου 2.n 2 Ικανοποίηση υποκριτηρίου n.n n (β) 2 επίπεδα κριτηρίων ικανοποίησης Σελίδα 53 από 6
54 Μέσος δείκτης προσαρμογής Η προσαρμογή του μοντέλου αφορά στην εύρεση ενός συστήματος αξιών (συναρτήσεις ικανοποίησης, βάρη κριτηρίων) για το σύνολο των πελατών, με τα ελάχιστα δυνατά σφάλματα. Ο μέσος δείκτης προσαρμογής (Average Fitting Index) εξαρτάται από τις τιμές των σφαλμάτων και τον αριθμό των πελατών: F AFI = 00 M Ο μέσος δείκτης προσαρμογής ορίζεται στο διάστημα [0, ] και παίρνει την τιμή μόνο όταν F =0 (μηδενικά σφάλματα). Άλλοι δείκτες προσαρμογής () Διάγραμμα διακύμανσης της ολικής ικανοποίησης: χρησιμοποιώντας τις τιμές των σφαλμάτων υπολογίζεται η μέγιστη και η ελάχιστη αξία κάθε επιπέδου ικανοποίησης. Y y m Y max { Y + σ } + σ j = max j j Y... y 2 Y min min { Y + σ } + σ j = j j 0 y y 2... y m... y α Y Σελίδα 54 από 6
55 Άλλοι δείκτες προσαρμογής (2) Πίνακας πρόβλεψης ή εκτίμησης της ολικής ικανοποίησης: αφορά την ταξινόμηση των πελατών ανάλογα με το πραγματικό και το εκτιμώμενο επίπεδο ολικής ικανοποίησης. Προβλεπόμενο επίπεδο ολικής ικανοποίσης Λίγο Ικανοποιημένος Ικανοποιημένος Πολύ Ικανοποιημένος Πραγματικό επίπεδο ολικής ικανοποίησης Λίγο Ικανοποιημένος 30% 0% 0% Ικανοποιημένος 0% 40% 0% Πολύ Ικανοποιημένος 0% 0% 30% Μέσος δείκτης ευστάθειας The stability of the MUSA method depends on the postoptimality analysis results. Κατά τη διάρκεια της φάσης μεταβελτιστοποίησης επιλύονται n γραμμικά προγράμματα, τα οποία μεγιστοποιούν διαδοχικά το βάρος κάθε κριτηρίου. Ο μέσος δείκτης ευστάθειας (Average Stability Index) θα μπορούσε να οριστεί ως η μέση τιμή της κανονικοποιημένης τυπικής απόκλισης των εκτιμώμενων βαρών των κριτηρίων του προβλήματος: ASI = n n j ( bi ) Ο μέσος δείκτης ευστάθειας ορίζεται στο [0, ]. n i= n j= n 2 j bi j= 00 n 2 Σελίδα 55 από 6
56 Robust MCDA Ευστάθεια και αναλυτικές-συνθετικές προσεγγίσεις Γιάννης Σίσκος Ερευνητική Ομάδα Πανεπιστημίου Πειραιώς ο Επιστημονικό Workshop - ΠΡΟΓΡΑΜΜΑ ΘΑΛΗΣ Μεθοδολογικές προσεγγίσεις για τη μελέτη της ευστάθειας σε προβλήματα λήψης αποφάσεων με πολλαπλά κριτήρια 2-4 Σεπτεμβρίου 202, Εθνικό Μετσόβιο Πολυτεχνείο Περιεχόμενα Έννοια της Ευστάθειας Αναλυτικές-Συνθετικές Προσεγγίσεις Μέθοδοι UTA Μέθοδος MUSA Ανάλυση Ευστάθειας Μεθοδολογία Ανάλυσης Ευστάθειας Μέτρο Ευστάθειας Εναλλακτικοί Κανόνες Ανάλυσης Ευστάθειας Αριθμητικό Παράδειγμα Συμπεράσματα-Θέματα για Συζήτηση Σελίδα 56 από 6
57 Έννοια της Ευστάθειας Ορισμός της ευστάθειας (robustness) Η έννοια αφορά: στη συμφωνία των παραδοχών και εκτιμήσεων που διαμορφώνουν ένα μοντέλο υποστήριξης αποφάσεων σε σχέση με τα πραγματικά χαρακτηριστικά του προβλήματος και στην ποιότητα των προτεινόμενων λύσεων σε σχέση με εναλλακτικά σενάρια για το πλαίσιο και το περιβάλλον της απόφασης. Διαφορά με ανάλυση ευαισθησίας Σκοπός εργασίας: παρουσίαση εναλλακτικών τεχνικών μελέτης της ευστάθειας, έμφαση σε αναλυτικά-συνθετικά μοντέλα. Αναλυτικές-Συνθετικές Προσεγγίσεις () Μοντέλα πολυκριτήριας ανάλυσης: Παραδοσιακή αντίληψη: βασίζεται στις αρχές της γραμμικότητας και της αιτιότητας, δηλαδή στη λογική ότι η απόφαση καθορίζεται από τα κριτήρια. Αναλυτική-συνθετική προσέγγιση: δέχεται ότι η απόφαση και τα κριτήρια επιδέχονται προοδευτική επεξεργασία αλληλοδομούμενα μέσα στο χρόνο. Αναλυτικές-συνθετικές προσεγγίσεις: Εστιάζονται στη συσχέτιση των πραγματικών δεδομένων και του μοντέλου απόφασης, έτσι ώστε να επιτυγχάνεται η μεγαλύτερη δυνατή συμβατότητα μοντέλουπραγματικότητας. Γνωστού όντως του μοντέλου απόφασης, εκτιμώνται οι παράμετροι του μοντέλου με τις οποίες θα επιτευχθεί μια βέλτιστη ανασύσταση των δεδομένων της απόφασης. Σελίδα 57 από 6
58 Αναλυτικές-Συνθετικές Προσεγγίσεις (2) Αρχή Απόφαση υψηλός χαμηλός Βαθμός συσχέτισης Συλλογή δεδομένων Διαμόρφωση κριτηρίων Κατασκευή μοντέλου Δεδομένα απόφασης Μέθοδοι UTA () Προσθετική συνάρτηση αξιών: n i i= = u () g u ( g ) i Υπό τους περιορισμούς: n ( ui gi) = i= u( g ) = 0 = i,2,, n i i Διάταξη του συνόλου αναφοράς σε μια σειρά προτίμησης έτσι ώστε αν: Τότε: ( a, a ) = u [( g( a )] u [( g( a )] k k+ k k+ ( a, a ) δ αν a a ( a, a ) = 0 αν a ~ a k k+ k k+ k k+ k k+ Σελίδα 58 από 6
59 Μέθοδοι UTA (2) Εκτίμηση των μερικών συναρτήσεων αξιών μέσω του ΓΠ: [min] F= σ ( a) a A R subject to ( a, a ) δ if a a k k+ k k+ k ( a, a ) = 0 if a a k k+ k k+ u( j ) ( j i g + i ui gi ) si i and j n u( i gi) = i= j i i i i σ R u( g ) = 0, u( g ) 0, ( a) 0 a A, i and j Μέθοδος UTASTAR: Εισαγωγή διπλής μεταβλητής σφάλματος και μετασχηματισμός μεταβλητών. Ανάλυση μεταβελτιστοποίησης () Εξέταση του πολυέδρου των λύσεων που δίνουν οι περιορισμού των γ.π. Ύπαρξη πολλαπλών βέλτιστων λύσεων ή ημιβέλτιστων λύσεων με «καλές» ιδιότητες. Χώρος των μεταβέλτιστων λύσεων: x 2 πολύεδρο περιορισμών γ.π. F F + kf ( ) όλοι οι περιορισμοί του γ.π. F=F +k(f ) F=F x Σελίδα 59 από 6
60 Ανάλυση μεταβελτιστοποίησης (2) Ευρετική μέθοδος διερεύνησης του πολυέδρου (UTA, UTASTAR): [min] u( ) [max] ( i g i ui gi) in, in = i,2,, n polyhedron polyhedron Διερεύνηση της σημαντικότητας των κριτηρίων στο σύστημα αξιών του αποφασίζοντα: «Εσωτερική» διακύμανση των βαρών Επίλυση 2n ή n γ.π. Ομαδοποίηση κριτηρίων με βάση διαφορετικές πολιτικές του αποφασίζοντα Τελική λύση: μέση τιμή των γ.π. Άλλες προσεγγίσεις: ελαχιστοποίηση της διασποράς των σφαλμάτων (κριτήριο Tchebycheff), βέλτιστη εκτίμηση των παραμέτρων δ και s (μοντέλα UTAMP). Μεθοδολογία Ανάλυσης Ευστάθειας Εκτίμηση μοντέλου προσθετικής αξίας Ύπαρξη ασυνεπειών; Ναι Εξάλειψη ασυνεπειών Όχι Ανάπτυξη κατάλληλων μέτρων ευστάθειας Ευστάθεια ικανοποιητική για τον αναλυτή; Όχι Εφαρμογή εναλλακτικών κανόνων ανάλυση ευστάθειας Ναι Το μοντέλο προτείνεται στον αποφασίζοντα Σελίδα 60 από 6
61 Μέτρο Ευστάθειας Κανονικοποιημένη τυπική απόκλιση των εκτιμώμενων παραμέτρων κατά τη φάση της μεταβελτιστοποίησης: 2 jk T u i u α i i k= k = ASI() i = αi j= T α 2 α i i Όπου u jk i είναι η εκτιμώμενη τιμή u i (g ij ) στο k βήμα της ανάλυσης μεταβελτιστοποίησης και Τ=2Σ i (α i ). Ολικό μέτρο ευστάθειας: μέση τιμή των ASI(i). T 2 jk T Εναλλακτικοί Κανόνες Ανάλυσης Ευστάθειας Κανόνες για τον αποφασίζοντα: Εισαγωγή νέων προτιμήσεων για τις εναλλακτικές (συγκρίσεις ανά δύο, ένταση ή μέγεθος της προτίμησης, ισχυροποίηση της διαφοράς μεταξύ των αξιών συγκεκριμένων εναλλακτικών, κ.λπ.) Εισαγωγή νέων εναλλακτικών στο σύνολο αναφοράς Οπτικοποίηση της διακύμανσης Κανόνες για τον αναλυτή: Απαρίθμηση και διαχείριση των κορυφών του υπερπολυέδρου κατά τη μεταβελτιστοποίηση (αλγόριθμος Manas-Nedoma, μέθοδος του Tarry, κ.λπ.) Ανάπτυξη νέων σχέσεων προτίμησης Επιθυμητή μορφή των συναρτήσεων αξιών (π.χ. γραμμική) Σελίδα 6 από 6
62 Αριθμητικό Παράδειγμα () Ποιοτική κλίμακα αξιολόγησης για την περίπτωση ενός κριτηρίου (b=bad, m=medium, g=good, and e=excellent) Εκτίμηση της συνάρτησης αξιών του αποφασίζοντα Περιορισμοί κανονικοποίησης: u(b)=0 και u(e)= Πρόσθετες προτιμήσεις: Η αξία του u(m) δεν πρέπει να είναι μεγαλύτερη από 20% και μικρότερη από 0% Η διαφορά μεταξύ good και excellent πρέπει να είναι 2 φορές πιο σημαντική από τη διαφορά μεταξύ medium and good Το κατώφλι αδιαφορίας είναι s=0.00 Αριθμητικό Παράδειγμα (2) ος περιορισμός: 2 ος περιορισμός: 0. u(m) 0.2 u(e) u(g) 2 u(g) 2 u(g) 2 u(m) 3 u(g) 2 u(m) u(g) u(m) 3 ος περιορισμός: u(m) u(b) 0.0 u(m) 0.0 (πλεονάζων) ug ( j+ ) ( j ug) s u(g) u(m) 0.0 u(g) u(m) 0.0 u(e) u(g) 0.0 u(g) 0.0 (πλεονάζων) u(g) u(m) 0.0 Σελίδα 62 από 6
63 Αριθμητικό Παράδειγμα (3) [min] z= z + z + z 2 3 subject to u(m) + u(g) 0.0 u(m) + z 0. u(m) z u(m) + 3 u(g) z 3 u(m), u(g), z, z, z z =0 Ανάλυση μεταβελτιστοποίησης u(m) u(g) [min]u(m) [max]u(m) [min]u(g) [max]u(g) Αριθμητικό Παράδειγμα (4) u(g) D(0.;0.4) 0.4 C(0.2;0.47) 0.2 B(0.2;0.2) 0 A(0.;0.) u(m) Σελίδα 63 από 6
ΘΑΛΗΣ Πανεπιστήμιο Πειραιά Μεθοδολογικές προσεγγίσεις για τη μελέτη της ευστάθειας σε προβλήματα λήψης αποφάσεων με πολλαπλά κριτήρια
Robust MCDA ΘΑΛΗΣ Πανεπιστήμιο Πειραιά Μεθοδολογικές προσεγγίσεις για τη μελέτη της ευστάθειας σε προβλήματα λήψης αποφάσεων με πολλαπλά κριτήρια Δ4 Εφαρμογές ανάλυσης ευστάθειας σε Π4 Τεχνική έκθεση (εφαρμογές
Διαβάστε περισσότεραΜια πολυκριτήρια συγκριτική αξιολόγηση ενός Τμήματος Μηχανικών
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ & ΔΙΟΙΚΗΣΗΣ Μια πολυκριτήρια συγκριτική αξιολόγηση ενός Τμήματος Μηχανικών Ν. Ματσατσίνης, Καθηγητής Ε. Κρασαδάκη, Υποψ. Διδάκτωρ Ε. Γρηγορούδης, Επίκ. Καθηγητής
Διαβάστε περισσότεραΣΥΝΑΡΤΗΣΙΑΚΑ ΜΟΝΤΕΛΑ ΑΠΟΦΑΣΕΩΝ
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΣΥΝΑΡΤΗΣΙΑΚΑ
Διαβάστε περισσότεραΠολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Τομέας Ηλ. Βιομηχανικών Διατάξεων & Συστημάτων Αποφάσεων Πολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων Ε01 Εισαγωγή Χάρης
Διαβάστε περισσότεραΠοσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος
Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Χιωτίδης Γεώργιος Τμήμα Λογιστικής και Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότερα«ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ» Ακαδημαϊκό έτος: Άσκηση : «Πολυκριτήρια Μέθοδος UTADIS»
«ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ» Ακαδημαϊκό έτος: 2006-2007 Άσκηση : «Πολυκριτήρια Μέθοδος UTADIS» Στοιχεία Φοιτητή: Ζυγομήτρος Αθανάσιος Π 0473 thor4bp@gmal.com Υπεύθυνος Καθηγητής: Σίσκος Ι. Φεβρουάριος
Διαβάστε περισσότερα«Πολυκριτήρια Μεθοδολογία Συγκριτικής Αξιολόγησης ενός τμήματος Μηχανικών»
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Διπλωματική εργασία «Πολυκριτήρια Μεθοδολογία Συγκριτικής Αξιολόγησης ενός τμήματος Μηχανικών» Ανδρόνογλου Αναστάσιος Εξεταστική Επιτροπή: Καθηγ.
Διαβάστε περισσότεραΘΑΛΗΣ Πανεπιστήμιο Πειραιά Μεθοδολογικές προσεγγίσεις για τη μελέτη της ευστάθειας σε προβλήματα λήψης αποφάσεων με πολλαπλά κριτήρια
Robust MCDA ΘΑΛΗΣ Πανεπιστήμιο Πειραιά Μεθοδολογικές προσεγγίσεις για τη μελέτη της ευστάθειας σε προβλήματα λήψης αποφάσεων με πολλαπλά κριτήρια Δ7 Πειραματική αξιολόγηση προσεγγίσεων για την ανάλυση
Διαβάστε περισσότεραΠολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Τομέας Ηλ. Βιομηχανικών Διατάξεων & Συστημάτων Αποφάσεων Πολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων Ε01 Εισαγωγή Χάρης
Διαβάστε περισσότεραΠολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Τομέας Ηλ. Βιομηχανικών Διατάξεων & Συστημάτων Αποφάσεων Πολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων Ε09 Πολυκριτήρια
Διαβάστε περισσότεραΠολυκριτηριακός Γραμμικός Προγραμματισμός. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης
Πολυκριτηριακός Γραμμικός Προγραμματισμός Πολλαπλά κριτήρια στη λήψη απόφασης Λήψη Αποφάσεων με Πολλαπλά Κριτήρια Διακριτό σύνολο επιλογών Συνεχές σύνολο επιλογών Πολυκριτηριακή Ανάλυση (ELECTRE, Promethee,
Διαβάστε περισσότεραΠολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Τομέας Ηλ. Βιομηχανικών Διατάξεων & Συστημάτων Αποφάσεων Πολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων E02 Πολυκριτήρια
Διαβάστε περισσότεραΑξιολόγηση και επιλογή δράσης (έργου)
Αξιολόγηση και επιλογή δράσης (έργου) Η διαδικασία για αξιολόγηση ξεχωριστών δράσεων, έργων ή ομάδων έργων και η επιλογή υλοποίησης μερικών από αυτών, για την επίτευξη του αντικειμενικού σκοπού της επιχείρησης.
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΑΒΑΛΑΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ. Θέμα πτυχιακής εργασίας:
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΑΒΑΛΑΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ Θέμα πτυχιακής εργασίας: Μέτρηση ικανοποίησης των σπουδαστών του τμήματος Λογιστικής από την εκπαιδευτική διαδικασία
Διαβάστε περισσότερα... (additive collective value function) n 1. b i (1) 1 (2) + σ
1. Εισαγωγή Το πρόγραµµα επιδότησης πρακτικής άσκησης ΕΠΕΑΕΚ ΙΙ στοχεύει στη γνωριµία και απόκτηση ουσιαστικής επαφής των φοιτητών µε τον εργασιακό χώρο, ώστε να επιτυγχάνεται µε τον καλύτερο δυνατό τρόπο
Διαβάστε περισσότεραΣυστήματα Υποστήριξης Αποφάσεων
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Συστήματα Υποστήριξης Αποφάσεων Άσκηση 2η : Επιλογή Πόλης Εγκατάστασης Super Market Διονύσης Γιαννακόπουλος Τμήμα Διοίκησης Επιχειρήσεων
Διαβάστε περισσότεραΠεριεχόμενα. Πρόλογος Κεφάλαιο 1: Εισαγωγή...17
Περιεχόμενα Πρόλογος...11 Κεφάλαιο 1: Εισαγωγή...17 1 Διαχείριση ενεργητικού παθητικού... 17 1.1 Δομή του μοντέλου ALM... 20 1.1.1 Αντικειμενικές συναρτήσεις... 21 1.1.1.1 Θεωρία χρησιμότητας Von Neumann-Morgenstern...
Διαβάστε περισσότεραΜέθοδοι Βελτιστοποίησης
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Μέθοδοι Βελτιστοποίησης Ενότητα # 8:Βασικές Αρχές Πολυκριτήριας Ανάλυσης Αποφάσεων Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης
Διαβάστε περισσότεραΠολυκριτήρια Ανάλυση και Λήψη Αποφάσεων
Πολυκριτήρια Ανάλυση και Λήψη Αποφάσεων Χριστίνα Ευαγγέλου, Νίκος Καρακαπιλίδης Industrial Management & Information Systems Lab MEAD, University of Patras, Greece {chriseva, nikos}@mech.upatras.gr ιάρθρωση
Διαβάστε περισσότεραΠεριεχόμενα. 2.1 Εισαγωγή Προγενέστερη έρευνα Ανάπτυξη υποδειγμάτων παραποίησης Πρόλογος... 11
Περιεχόμενα Πρόλογος... Κεφάλαιο Παραποίηση λογιστικών καταστάσεων και ελεγκτική... 7. Ιστορικά στοιχεία... 7.2 Ελεγκτικά λάθη... 20.3 Ορισμοί και ερμηνεία της έννοιας της παραποίησης λογιστικών καταστάσεων...
Διαβάστε περισσότεραΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ. Χάρης Δούκας, Πάνος Ξυδώνας, Ιωάννης Ψαρράς
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΠΟΛΥΚΡΙΤΗΡΙΑ
Διαβάστε περισσότεραΠολυκριτηριακά Συστήµατα Υποστήριξης Αποφάσεων
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Τοµέας Ηλ. Βιοµηχανικών Διατάξεων & Συστηµάτων Αποφάσεων Πολυκριτηριακά Συστήµατα Υποστήριξης Αποφάσεων Ε01 Εισαγωγή Χάρης
Διαβάστε περισσότεραΣτο στάδιο ανάλυσης των αποτελεσµάτων: ανάλυση ευαισθησίας της λύσης, προσδιορισµός της σύγκρουσης των κριτηρίων.
ΠΕΡΙΛΗΨΗ Η τεχνική αυτή έκθεση περιλαµβάνει αναλυτική περιγραφή των εναλλακτικών µεθόδων πολυκριτηριακής ανάλυσης που εξετάσθηκαν µε στόχο να επιλεγεί η µέθοδος εκείνη η οποία είναι η πιο κατάλληλη για
Διαβάστε περισσότεραΓραμμικός Προγραμματισμός Μέθοδος Simplex
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Γραμμικός Προγραμματισμός Μέθοδος Simplex Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου Περιεχόμενα Παρουσίασης 1. Πρότυπη Μορφή ΓΠ 2. Πινακοποίηση
Διαβάστε περισσότεραΤεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλίας
Τεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλίας Μεταπτυχιακό Πρόγραμμα Σπουδών στη Διοίκηση και Διαχείριση Έργων και Προγραμμάτων «Πολυκριτήριες Προσεγγίσεις για την Αξιολόγηση των Περιφερειών Ελλάδας με σκοπό
Διαβάστε περισσότεραΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ. Χάρης Δούκας, Πάνος Ξυδώνας, Ιωάννης Ψαρράς
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΠΟΛΥΚΡΙΤΗΡΙΑ
Διαβάστε περισσότεραΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ TECHNICAL UNIVERSITY OF CRETE ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ TECHNICAL UNIVERSITY OF CRETE ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ SCHOOL OF PRODUCTION ENGINEERING & MANAGEMENT ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΤΙΤΛΟΣ: Έρευνα ικανοποίησης ασθενών από υπηρεσίες
Διαβάστε περισσότεραΘεωρία Δυαδικότητας ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου. Επιχειρησιακή Έρευνα
Θεωρία Δυαδικότητας Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Περιεχόμενα Παρουσίασης 1. Βασικά Θεωρήματα 2. Παραδείγματα 3. Οικονομική Ερμηνεία
Διαβάστε περισσότεραΓραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Γραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου Περιεχόμενα Παρουσίασης 1. Προϋποθέσεις Εφαρμογής
Διαβάστε περισσότεραΣυστήματα Υποστήριξης Αποφάσεων
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Συστήματα Υποστήριξης Αποφάσεων Ενότητα # 6: Συναρτησιακά Μοντέλα Αποφάσεων Διονύσης Γιαννακόπουλος Τμήμα Διοίκησης Επιχειρήσεων
Διαβάστε περισσότεραΣχεδιασμός επέκτασης του συστήματος ηλεκτροπαραγωγής με τη χρήση Πολυκριτηριακού Γραμμικού Προγραμματισμού
3ο Πανελλήνιο Επιστημονικό Συνέδριο Χημικής Μηχανικής Αθήνα,, IούνιοςI 200 Σχεδιασμός επέκτασης του συστήματος ηλεκτροπαραγωγής με τη χρήση Πολυκριτηριακού Γραμμικού Προγραμματισμού Γιώργος Μαυρωτάς Δανάη
Διαβάστε περισσότεραΘΑΛΗΣ Πανεπιστήμιο Πειραιά Μεθοδολογικές προσεγγίσεις για τη μελέτη της ευστάθειας σε προβλήματα λήψης αποφάσεων με πολλαπλά κριτήρια
Robust MCDA ΘΑΛΗΣ Πανεπιστήμιο Πειραιά Μεθοδολογικές προσεγγίσεις για τη μελέτη της ευστάθειας σε προβλήματα λήψης αποφάσεων με πολλαπλά κριτήρια Δ3 Πειραματική αξιολόγηση μέτρων ευστάθειας σε αναλυτικές
Διαβάστε περισσότεραΤ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
Τ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΕΙΣΗΓΗΤΗΣ: Δρ. Ιωάννης Σ. Τουρτούρας Μηχανικός Παραγωγής & Διοίκησης Δ.Π.Θ. Χρηματοδότηση Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΣυστήματα Υποστήριξης Αποφάσεων
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Συστήματα Υποστήριξης Αποφάσεων Άσκηση 3η : Σταθμισμένος Μέσος & Λεξικογραφική -Μετεγκατάσταση Πολυτεχνείου Διονύσης Γιαννακόπουλος
Διαβάστε περισσότεραΑξιολόγηση και επιλογή δράσης (έργου)
Αξιολόγηση και επιλογή δράσης (έργου) Η διαδικασία για αξιολόγηση ξεχωριστών δράσεων, έργων ή ομάδων έργων και η επιλογή υλοποίησης μερικών από αυτών, για την επίτευξη του αντικειμενικού σκοπού της επιχείρησης.
Διαβάστε περισσότεραΑνάλυση και οπτικοποίηση της ευστάθειας στην πολυκριτήρια αξιολόγηση της ηλεκτρονικής διακυβέρνησης
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Ανάλυση και οπτικοποίηση της ευστάθειας στην πολυκριτήρια
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΑΒΑΛΑΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ. Υποβληθείσα στον Επίκουρο Καθηγητή Δελιά Παύλο
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΑΒΑΛΑΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ Θέμα πτυχιακής εργασίας: Μέτρηση ικανοποίησης από την εκπαιδευτική διαδικασία στο τμήμα Λογιστικής του Τεχνολογικού
Διαβάστε περισσότεραΠολυτεχνείο Κρήτης. Σχολή Μηχανικών Παραγωγής και Διοίκησης. Διπλωματική Εργασία
Πολυτεχνείο Κρήτης Σχολή Μηχανικών Παραγωγής και Διοίκησης Διπλωματική Εργασία Καθορισμός στρατηγικής μάρκετινγκ για τη σχεδίαση & ανάπτυξη νέου προϊόντος σε μικρομεσαία επιχείρηση Εφαρμογή σε κατασκευάστρια
Διαβάστε περισσότεραΜΟΝΑΔΑ ΚΑΙΝΟΤΟΜΙΑΣ & ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΤΗΤΑΣ ΤΟΥ ΠΟΛΥΤΕΧΝΕΙΟΥ ΚΡΗΤΗΣ
ΜΟΝΑΔΑ ΚΑΙΝΟΤΟΜΙΑΣ & ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΤΗΤΑΣ ΤΟΥ ΠΟΛΥΤΕΧΝΕΙΟΥ ΚΡΗΤΗΣ Εγχειρίδιο Χρήσης 4 ης Εικονικής Πλατφόρμας «e-marketing Online» Σχεδίασης νέων προϊόντων, σχεδίου μάρκετινγκ και ανάλυσης συμπεριφοράς
Διαβάστε περισσότεραΤο πρόγραμμα PROMETHEE. Πολυκριτηριακή διαδικασία λήψης αποφάσεων
Το πρόγραμμα PROMETHEE Πολυκριτηριακή διαδικασία λήψης αποφάσεων Περιεχόμενα ΠΔΛΑ και βελτιστοποίηση Υπεροχή και σύνθεση Πρόβλεψη και περιγραφή Το λογισμικό PROMETHEE Το λογισμικό GAIA Μονοκριτηριακή και
Διαβάστε περισσότεραΈρευνα Τουριστικού Προϊόντος Κρήτης, Αξιολόγηση ποιότητας τουριστικών υπηρεσιών
Έρευνα Τουριστικού Προϊόντος Κρήτης, Αξιολόγηση ποιότητας τουριστικών υπηρεσιών Παναγιώτης Μανωλιτζάς Εργαστήριο σχεδιασμού & Ανάπτυξης συστημάτων Υποστήριξης Αποφάσεων Πολυτεχνείο Κρήτης ΔΟΜΗ ΠΑΡΟΥΣΙΑΣΗΣ
Διαβάστε περισσότεραΛήψη αποφάσεων με πολλαπλά κριτήρια: Μια εισαγωγή στις βασικές έννοιες, μεθοδολογία και εφαρμογές
11 Λήψη αποφάσεων με πολλαπλά κριτήρια: Μια εισαγωγή στις βασικές έννοιες, μεθοδολογία και εφαρμογές Μ. Δούμπος και Κ. Ζοπουνίδης Πολυτεχνείο Κρήτης, Τμήμα Μηχανικών Παραγωγής και Διοίκησης, Εργαστήριο
Διαβάστε περισσότεραΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΥΣΤΗΜΑΤΑ ΑΠΟΦΑΣΕΩΝ Ενημερωτικό Φυλλάδιο Αθήνα, Οκτώβριος 2016 Εργαστήριο
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ. Πρόλογος... 13
ΠΕΡΙΕΧΟΜΕΝΑ / 7 ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος... 13 Κεφάλαιο 1: Περιγραφική Στατιστική... 15 1.1 Περιγραφική και Συμπερασματική Στατιστική... 15 1.2 Μεταβλητές - Τιμές - Παρατηρήσεις... 19 1.3 Είδη μεταβλητών...
Διαβάστε περισσότεραΔΙΑΧΕΙΡΙΣΗ ΓΛΩΣΣΙΚΩΝ ΜΕΤΑΒΛΗΤΩΝ. Πολυκριτήρια Ανάλυση Αποφάσεων
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΔΙΑΧΕΙΡΙΣΗ
Διαβάστε περισσότεραΣυστήματα Στήριξης Αποφάσεων
Συστήματα Στήριξης Αποφάσεων Τμήμα: Μηχανικών Παραγωγής & Διοίκησης Διδάσκων: A.Π. Βαβάτσικος, Dip.Eg., PhD Αναλυτική Ιεραρχική Διαδικασία-Aalytic Hierarchy Process (AHP) Η Αναλυτική Ιεραρχική Διαδικασία
Διαβάστε περισσότεραΤΕΙ Χαλκίδας Σχολή Διοίκησης και Οικονομίας Τμήμα Διοίκησης Επιχειρήσεων
ΤΕΙ Χαλκίδας Σχολή Διοίκησης και Οικονομίας Τμήμα Διοίκησης Επιχειρήσεων Επιχειρησιακή Έρευνα Τυπικό Εξάμηνο: Δ Αλέξιος Πρελορέντζος Εισαγωγή Ορισμός 1 Η συστηματική εφαρμογή ποσοτικών μεθόδων, τεχνικών
Διαβάστε περισσότεραΑνάλυση Χρόνου, Πόρων & Κόστους
ΠΜΣ: «Παραγωγή και ιαχείριση Ενέργειας» ιαχείριση Ενέργειας και ιοίκηση Έργων Ανάλυση Χρόνου, Πόρων & Κόστους Επ. Καθηγητής Χάρης ούκας, Καθηγητής Ιωάννης Ψαρράς Εργαστήριο Συστημάτων Αποφάσεων & ιοίκησης
Διαβάστε περισσότεραΠολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Τομέας Ηλ. Βιομηχανικών Διατάξεων & Συστημάτων Αποφάσεων Πολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων Ε07 Η μέθοδος ELECTRE
Διαβάστε περισσότεραΣυστήματα Υποστήριξης Αποφάσεων Ενότητα # 3: Γενική Μεθοδολογία Μοντελοποίησης Προβλημάτων Απόφασης
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Συστήματα Υποστήριξης Αποφάσεων Ενότητα # 3: Γενική Μεθοδολογία Μοντελοποίησης Προβλημάτων Απόφασης Διονύσης Γιαννακόπουλος Τμήμα
Διαβάστε περισσότεραΠεριεχόμενα. Πρόλογος... 13
Περιεχόμενα Πρόλογος... 3 Κεφάλαιο : Εισαγωγή... 9. Είδη των προβλημάτων λήψης αποφάσεων... 9.2 Το πρόβλημα της ταξινόμησης και η σημασία του... 24.3 Γενικό περίγραμμα των μεθοδολογιών ταξινόμησης... 29.4
Διαβάστε περισσότεραΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΥΣΤΗΜΑΤΑ ΑΠΟΦΑΣΕΩΝ Ενημερωτικό Φυλλάδιο Αθήνα, Οκτώβριος 2018 Εργαστήριο
Διαβάστε περισσότεραΔΙΟΙΚΗΣΗ ΠΑΡΑΓΩΓΗΣ. ΕΝΟΤΗΤΑ 4η ΠΡΟΒΛΕΨΗ ΖΗΤΗΣΗΣ
ΤΕΙ ΚΡΗΤΗΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΟΙΚΗΣΗ ΠΑΡΑΓΩΓΗΣ ΕΝΟΤΗΤΑ 4η ΠΡΟΒΛΕΨΗ ΖΗΤΗΣΗΣ ΓΙΑΝΝΗΣ ΦΑΝΟΥΡΓΙΑΚΗΣ ΕΠΙΣΤΗΜΟΝΙΚΟΣ ΣΥΝΕΡΓΑΤΗΣ ΤΕΙ ΚΡΗΤΗΣ ΔΟΜΗ ΠΑΡΟΥΣΙΑΣΗΣ 1. Εισαγωγή
Διαβάστε περισσότεραΕπιχειρησιακή Έρευνα
Επιχειρησιακή Έρευνα Ενότητα 1: Εισαγωγή στο Γραμμικό Προγραμματισμό (1 ο μέρος) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 07-08 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε
Διαβάστε περισσότεραΠεριεχόμενα. Πρόλογος Κεφάλαιο 1: Εισαγωγή...17
Περιεχόμενα Πρόλογος...11 Κεφάλαιο 1: Εισαγωγή...17 1 Διαχείριση ενεργητικού παθητικού... 17 1.1 Δομή του μοντέλου ALM... 20 1.1.1 Αντικειμενικές συναρτήσεις... 21 1.1.1.1 Θεωρία χρησιμότητας Von Neumann-Morgenstern...
Διαβάστε περισσότεραΠολυκριτήρια Ανάλυση Αποφάσεων
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης TOPSIS
Διαβάστε περισσότεραΣΥΣΤHΜΑΤΑ ΑΠΟΦAΣΕΩΝ ΣΤΗΝ ΠΑΡΑΓΩΓH
ΣΥΣΤHΜΑΤΑ ΑΠΟΦAΣΕΩΝ ΣΤΗΝ ΠΑΡΑΓΩΓH Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Η/Υ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Διοίκηση Παραγωγής & Συστημάτων Υπηρεσιών ΕΡΓΑΣΤΗΡΙΟ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Περιεχόμενα
Διαβάστε περισσότεραΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ. Χάρης ούκας, Πάνος Ξυδώνας, Ιωάννης Ψαρράς
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και ιοίκησης ΠΟΛΥΚΡΙΤΗΡΙΑ
Διαβάστε περισσότεραΕΕΟ 11. Η χρήση στατιστικών εργαλείων στην εκτιμητική
ΕΕΟ 11 Η χρήση στατιστικών εργαλείων στην εκτιμητική 1. Εισαγωγή 2. Προϋποθέσεις χρήσης των Αυτοματοποιημένων Εκτιμητικών Μοντέλων (ΑΕΜ) 3. Περιορισμοί στη χρήση των ΑΕΜ εφόσον έχουν πληρωθεί οι προϋποθέσεις
Διαβάστε περισσότεραΘΑΛΗΣ Πανεπιστήμιο Πειραιά Μεθοδολογικές προσεγγίσεις για τη μελέτη της ευστάθειας σε προβλήματα λήψης αποφάσεων με πολλαπλά κριτήρια
Robust MCDA ΘΑΛΗΣ Πανεπιστήμιο Πειραιά Μεθοδολογικές προσεγγίσεις για τη μελέτη της ευστάθειας σε προβλήματα λήψης αποφάσεων με πολλαπλά κριτήρια Δ6 Ανάπτυξη μέτρων αξιολόγησης ευστάθειας σε (ανάπτυξη
Διαβάστε περισσότεραΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΠΟΛΥΚΡΙΤΗΡΙΑ
Διαβάστε περισσότεραΣυστήματα Υποστήριξης Αποφάσεων Ενότητα # 5: Βασικές Έννοιες της Πολυκριτήριας Ανάλυσης
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Συστήματα Υποστήριξης Αποφάσεων Ενότητα # 5: Βασικές Έννοιες της Πολυκριτήριας Ανάλυσης Διονύσης Γιαννακόπουλος Τμήμα Διοίκησης
Διαβάστε περισσότερα5 ο ΦΟΙΤΗΤΙΚΟ ΣΥΝΕΔΡΙΟ ΕΛΛΗΝΙΚΗΣ ΕΤΑΙΡΙΑΣ ΕΠΙΧΕΙΡΗΣΙΑΚΩΝ ΕΡΕΥΝΩΝ ( Ε.Ε.Ε.Ε.) Λήψη Επιχειρηματικών Αποφάσεων
5 ο ΦΟΙΤΗΤΙΚΟ ΣΥΝΕΔΡΙΟ ΕΛΛΗΝΙΚΗΣ ΕΤΑΙΡΙΑΣ ΕΠΙΧΕΙΡΗΣΙΑΚΩΝ ΕΡΕΥΝΩΝ ( Ε.Ε.Ε.Ε.) Λήψη Επιχειρηματικών Αποφάσεων ΣΥΝΔΙΟΡΓΑΝΩΣΗ : Ελληνική Εταιρία Επιχειρησιακών Ερευνών (ΕΕΕΕ), Τμήμα Διοίκησης Επιχειρήσεων
Διαβάστε περισσότεραΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΩΡΙΑ ΚΑΙ ΕΦΑΡΜΟΓΗ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΤΗ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (1)
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΩΡΙΑ ΚΑΙ ΕΦΑΡΜΟΓΗ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΤΗ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (1) 1 Προέλευση και ιστορία της Επιχειρησιακής Έρευνας Αλλαγές στις επιχειρήσεις Τέλος του 19ου αιώνα: βιομηχανική
Διαβάστε περισσότεραΑναγνώριση Προτύπων Ι
Αναγνώριση Προτύπων Ι Ενότητα 1: Μέθοδοι Αναγνώρισης Προτύπων Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΛήψη αποφάσεων υπό αβεβαιότητα
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΕΧΝΟΟΙΚΟΝΟΜΙΚΑ Λήψη αποφάσεων υπό αβεβαιότητα ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΟΙΚΗΣΗΣ ΕΡΓΑΣΤΗΡΙΟ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Διαχείριση
Διαβάστε περισσότερα5 ο ΦΟΙΤΗΤΙΚΟ ΣΥΝΕΔΡΙΟ ΕΛΛΗΝΙΚΗΣ ΕΤΑΙΡΙΑΣ ΕΠΙΧΕΙΡΗΣΙΑΚΩΝ ΕΡΕΥΝΩΝ (Ε.Ε.Ε.Ε.) Λήψη Επιχειρηματικών Αποφάσεων
5 ο ΦΟΙΤΗΤΙΚΟ ΣΥΝΕΔΡΙΟ ΕΛΛΗΝΙΚΗΣ ΕΤΑΙΡΙΑΣ ΕΠΙΧΕΙΡΗΣΙΑΚΩΝ ΕΡΕΥΝΩΝ (Ε.Ε.Ε.Ε.) Λήψη Επιχειρηματικών Αποφάσεων ΣΥΝΔΙΟΡΓΑΝΩΣΗ : Ελληνική Εταιρία Επιχειρησιακών Ερευνών (ΕΕΕΕ), Τμήμα Διοίκησης Επιχειρήσεων Πάτρας,
Διαβάστε περισσότεραΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΜΑΘΗΜΑΤΙΚΗ ΔΙΑΤΥΠΩΣΗ, Διαλ. 2. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 8/4/2017
ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΜΑΘΗΜΑΤΙΚΗ ΔΙΑΤΥΠΩΣΗ, Διαλ. 2 Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 8/4/2017 Αντικειμενικοί στόχοι Η μελέτη των βασικών στοιχείων που συνθέτουν ένα πρόβλημα βελτιστοποίησης
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutra@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε
Διαβάστε περισσότεραΕισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο
Εισαγωγή στο Γραμμικό Προγραμματισμό Χειμερινό Εξάμηνο 2016-2017 Εισαγωγή Ασχολείται με το πρόβλημα της άριστης κατανομής των περιορισμένων πόρων μεταξύ ανταγωνιζόμενων δραστηριοτήτων μιας επιχείρησης
Διαβάστε περισσότεραΣυστήματα Στήριξης Αποφάσεων
Συστήματα Στήριξης Αποφάσεων Τμήμα: Μηχανικών Παραγωγής & ιοίκησης ιδάσκων: A.Π. Βαβάτσικος, Dip.Eng., PhD H Μέθοδος PROMETHEE Η μέθοδος PROMETHEE (Preference Ranking Organization METHod for Enrichment
Διαβάστε περισσότεραΑτομικές Προτιμήσεις και Συνάρτηση Χρησιμότητας - Έστω x=(x 1,,x n ) ένας καταναλωτικός συνδυασμός, όπου x i η ποσότητα του αγαθού i που καταναλώνει
Ατομικές Προτιμήσεις και Συνάρτηση Χρησιμότητας - Έστω x=(x,,x n ) ένας καταναλωτικός συνδυασμός, όπου x i η ποσότητα του αγαθού i που καταναλώνει το άτομο (i =,,n). - Πρόβλημα καταναλωτή: Κάθε άτομο (καταναλωτής)
Διαβάστε περισσότεραEθνικό Μετσόβιο Πολυτεχνείο Σχολή Πολιτικών Μηχανικών EMΠ
Eθνικό Μετσόβιο Πολυτεχνείο Σχολή Πολιτικών Μηχανικών EMΠ Ανάπτυξη μοντέλου βελτιστοποίησης της κατανομής πόρων για την συντήρηση των λιμένων της Ελλάδας Σωτήριος Χαριζόπουλος Επιβλέποντες: Γιώργος Γιαννής,
Διαβάστε περισσότεραΑναλυτική Στατιστική
Αναλυτική Στατιστική Συμπερασματολογία Στόχος: εξαγωγή συμπερασμάτων για το σύνολο ενός πληθυσμού, αντλώντας πληροφορίες από ένα μικρό υποσύνολο αυτού Ορισμοί Πληθυσμός: σύνολο όλων των υπό εξέταση μονάδων
Διαβάστε περισσότεραΑΘΑΝΑΣΙΟΥ ΔΗΜΗΤΡΗΣ ΧΗΜΙΚΟΣ ΜΗΧΑΝΙΚΟΣ Ε.Μ.Π.
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης Δ.Π.Μ.Σ. Τεχνοοικονομικά Συστήματα Επιλογή κατάλληλου υλικού καθαρισμού
Διαβάστε περισσότεραΕίδη Μεταβλητών Κλίμακα Μέτρησης Οι τεχνικές της Περιγραφικής στατιστικής ανάλογα με την κλίμακα μέτρησης Οι τελεστές Π και Σ
ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1 Εισαγωγικές Έννοιες 19 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Η Μεταβλητότητα Η Στατιστική Ανάλυση Η Στατιστική και οι Εφαρμοσμένες Επιστήμες Στατιστικός Πληθυσμός και Δείγμα Το στατιστικό
Διαβάστε περισσότεραΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ Ενότητα: Αναγνώριση Διεργασίας - Προσαρμοστικός Έλεγχος (Process Identification) Αλαφοδήμος Κωνσταντίνος
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ. ΠΡΟΛΟΓΟΣ... vii ΠΕΡΙΕΧΟΜΕΝΑ... ix ΓΕΝΙΚΗ ΒΙΒΛΙΟΓΡΑΦΙΑ... xv. Κεφάλαιο 1 ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ ΑΠΟ ΤΗ ΣΤΑΤΙΣΤΙΚΗ
ΠΡΟΛΟΓΟΣ... vii ΠΕΡΙΕΧΟΜΕΝΑ... ix ΓΕΝΙΚΗ ΒΙΒΛΙΟΓΡΑΦΙΑ... xv Κεφάλαιο 1 ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ ΑΠΟ ΤΗ ΣΤΑΤΙΣΤΙΚΗ 1.1 Πίνακες, κατανομές, ιστογράμματα... 1 1.2 Πυκνότητα πιθανότητας, καμπύλη συχνοτήτων... 5 1.3
Διαβάστε περισσότεραΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ
ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ Βασίλης Δ. Ανδριτσάνος Δρ. Αγρονόμος - Τοπογράφος Μηχανικός ΑΠΘ Επίκουρος Καθηγητής ΤΕΙ Αθήνας 3ο εξάμηνο http://eclass.teiath.gr Παρουσιάσεις,
Διαβάστε περισσότερα2 η ΕΝΟΤΗΤΑ ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΕΜΠ ΕΙΣΑΓΩΓΗ ΣΤΗN ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ 2 η ΕΝΟΤΗΤΑ ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Μ. Καρλαύτης Ν. Λαγαρός Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες Χρήσης Creative
Διαβάστε περισσότεραΙεραρχική αναλυση αποφασεων Analytic hierarchy process (AHP)
Ιεραρχική αναλυση αποφασεων Analytic hierarchy process (AHP) Εισαγωγή Παρουσιάστηκε από τον Thomas L. Saaty τη δεκαετία του 70 Μεθοδολογία που εφαρμόζεται στην περιοχή των Multicriteria Problems Δίνει
Διαβάστε περισσότεραΜΙΑ ΠΟΛΥΚΡΙΤΗΡΙΑ ΜΕΘΟΔΟΛΟΓΙΑ ΑΞΙΟΛΟΓΗΣΗΣ ΤΗΣ ΒΙΩΣΙΜΟΤΗΤΑΣ ΤΩΝ ΟΤΑ
ΜΙΑ ΠΟΛΥΚΡΙΤΗΡΙΑ ΜΕΘΟΔΟΛΟΓΙΑ ΑΞΙΟΛΟΓΗΣΗΣ ΤΗΣ ΒΙΩΣΙΜΟΤΗΤΑΣ ΤΩΝ ΟΤΑ Σάνδρα Κοέν, Εύη Νεοφύτου Οικονομικό Πανεπιστήμιο Αθηνών Μιχάλης Δούμπος, Κωσταντίνος Ζοπουνίδης Πολυτεχνείο Κρήτης S. Cohen, M. Doumpos,
Διαβάστε περισσότεραΣυστήματα Υποστήριξης Αποφάσεων
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Συστήματα Υποστήριξης Αποφάσεων Ενότητα # 8: Σχεσιακά Μοντέλα Αποφάσεων(β) Διονύσης Γιαννακόπουλος Τμήμα Διοίκησης Επιχειρήσεων
Διαβάστε περισσότεραΕΝΟΤΗΤΑ III ΒΑΣΙΚΕΣ ΜΕΘΟ ΟΙ ΑΝΑΛΥΣΗΣ
ΕΝΟΤΗΤΑ III ΒΑΣΙΚΕΣ ΜΕΘΟ ΟΙ ΑΝΑΛΥΣΗΣ Βασικός τελικός στόχος κάθε επιστηµονικής τεχνολογικής εφαρµογής είναι: H γενική βελτίωση της ποιότητας του περιβάλλοντος Η βελτίωση της ποιότητας ζωής Τα µέσα µε τα
Διαβάστε περισσότεραΑξιολόγηση Εναλλακτικών Σεναρίων για την Απανθρακοποίηση του Ενεργειακού Συστήματος
Αξιολόγηση Εναλλακτικών Σεναρίων για την Απανθρακοποίηση του Ενεργειακού Συστήματος Αικατερίνη Παπαποστόλου, Χαρίκλεια Καρακώστα, Χάρης Δούκας, Ιωάννης Ψαρράς Περιεχόμενα Εισαγωγή Μεθοδολογικό Πλαίσιο
Διαβάστε περισσότεραiii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος
iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος xi 1 Αντικείμενα των Πιθανοτήτων και της Στατιστικής 1 1.1 Πιθανοτικά Πρότυπα και Αντικείμενο των Πιθανοτήτων, 1 1.2 Αντικείμενο της Στατιστικής, 3 1.3 Ο Ρόλος των Πιθανοτήτων
Διαβάστε περισσότεραΜάθημα: Συστήματα Υποστήριξης Αποφάσεων
Μάθημα: Συστήματα Υποστήριξης Αποφάσεων Αναλυτικό Διάγραμμα Μελέτης Χρονοδιάγραμμα Μελέτης- Διάθρωση της Ύλης 1η Εβδομάδα Ο ρόλος της Ανάλυσης Αποφάσεων Γνωστικές Λειτουργίες στη Λήψη Αποφάσεων Το Πολυκριτήριο
Διαβάστε περισσότεραΜοντέλα και Τεχνικές Αξιολόγησης. Ενεργειακών και Περιβαλλοντικών Πολιτικών
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης Μοντέλα
Διαβάστε περισσότεραΤο µαθηµατικό µοντέλο του Υδρονοµέα
Ερευνητικό έργο: Εκσυγχρονισµός της εποπτείας και διαχείρισης του συστήµατος των υδατικών πόρων ύδρευσης της Αθήνας Το µαθηµατικό µοντέλο του Υδρονοµέα Ανδρέας Ευστρατιάδης και Γιώργος Καραβοκυρός Τοµέας
Διαβάστε περισσότεραΧΡΗΣΗ ΓΛΩΣΣΙΚΩΝ ΜΕΤΑΒΛΗΤΩΝ ΣΕ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΕΝΕΡΓΕΙΑΚΗΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΠΟΛΙΤΙΚΗΣ. Μάθημα: ιαχείριση Ενέργειας και Περιβαλλοντική Πολιτική
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και ιοίκησης ΧΡΗΣΗ ΓΛΩΣΣΙΚΩΝ
Διαβάστε περισσότεραΕπιχειρησιακή Έρευνα I
Επιχειρησιακή Έρευνα I Operations/Operational Research (OR) Κωστής Μαμάσης Παρασκευή 09:00 12:00 Σημειώσεις των Α. Platis, K. Mamasis Περιεχόμενα EE 1&2 Εισαγωγή Μαθηματικός Προγραμματισμός - Γραμμικός
Διαβάστε περισσότεραCase 09: Επιλογή Διαφημιστικών Μέσων ΙI ΣΕΝΑΡΙΟ (1)
Case 09: Επιλογή Διαφημιστικών Μέσων ΙI ΣΕΝΑΡΙΟ (1) Η βιομηχανική επιχείρηση «ΑΤΛΑΣ Α.Ε.» δραστηριοποιείται στο χώρο του φυσικού αερίου και ειδικότερα στις συσκευές οικιακής χρήσης. Πρόκειται να εισάγει
Διαβάστε περισσότεραΓραμμικός Προγραμματισμός
Γραμμικός Προγραμματισμός Παράδειγμα ΕΠΙΠΛΟΞΥΛ Η βιοτεχνία ΕΠΙΠΛΟΞΥΛ παράγει δύο βασικά προϊόντα: τραπέζια και καρέκλες υψηλής ποιότητας. Η διαδικασία παραγωγής και για τα δύο προϊόντα περιλαμβάνει την
Διαβάστε περισσότεραΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται
Διαβάστε περισσότεραΔΙΕΡΕΥΝΗΣΗ ΤΩΝ ΠΡΟΤΙΜΗΣΕΩΝ ΤΩΝ ΟΔΗΓΩΝ ΑΠΕΝΑΝΤΙ ΣΕ ΝΕΑ ΚΑΙΝΟΤΟΜΑ ΣΧΗΜΑΤΑ ΑΣΦΑΛΙΣΗΣ ΤΟΥ ΟΧΗΜΑΤΟΣ
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Πολιτικών Μηχανικών Τομέας Μεταφορών & Συγκοινωνιακής Υποδομής ΔΙΕΡΕΥΝΗΣΗ ΤΩΝ ΠΡΟΤΙΜΗΣΕΩΝ ΤΩΝ ΟΔΗΓΩΝ ΑΠΕΝΑΝΤΙ ΣΕ ΝΕΑ ΚΑΙΝΟΤΟΜΑ ΣΧΗΜΑΤΑ ΑΣΦΑΛΙΣΗΣ ΤΟΥ ΟΧΗΜΑΤΟΣ Εμμανουήλ
Διαβάστε περισσότεραΘεωρία Παιγνίων και Αποφάσεων. Ενότητα 5: Εύρεση σημείων ισορροπίας σε παίγνια μηδενικού αθροίσματος. Ε. Μαρκάκης. Επικ. Καθηγητής
Θεωρία Παιγνίων και Αποφάσεων Ενότητα 5: Εύρεση σημείων ισορροπίας σε παίγνια μηδενικού αθροίσματος Ε. Μαρκάκης Επικ. Καθηγητής Περίληψη Παίγνια μηδενικού αθροίσματος PessimisIc play Αμιγείς max-min και
Διαβάστε περισσότεραΕφαρμοσμένη Βελτιστοποίηση
Εφαρμοσμένη Βελτιστοποίηση Ενότητα 1: Το πρόβλημα της βελτιστοποίησης Καθηγητής Αντώνιος Αλεξανδρίδης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σημείωμα Αδειοδότησης Το
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ Μ.Ν. Ντυκέν, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. Ε. Αναστασίου, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. ΔΙΑΛΕΞΗ 07 & ΔΙΑΛΕΞΗ 08 ΣΗΜΠΕΡΑΣΜΑΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Βόλος, 016-017 ΕΙΣΑΓΩΓΗ ΣΤΗΝ
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ (Γ.Π.).) (LINEAR PROGRAMMING)
ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ (Γ.Π.).) (LINEAR PROGRAMMING) Δρ. Βασιλική Καζάνα Αναπλ. Καθηγήτρια ΤΕΙ Καβάλας, Τμήμα Δασοπονίας & Διαχείρισης Φυσικού Περιβάλλοντος Δράμας Εργαστήριο Δασικής Διαχειριστικής
Διαβάστε περισσότερα