Λήψη αποφάσεων υπό αβεβαιότητα. Παίγνια Αποφάσεων 9 ο Εξάμηνο

Σχετικά έγγραφα
Λήψη αποφάσεων υπό αβεβαιότητα

Λήψη αποφάσεων υπό αβεβαιότητα

Πληροφοριακά Συστήματα Διοίκησης. Θεωρία Αποφάσεων

Α) Κριτήριο Προσδοκώμενης Χρηματικής Αξίας Expected Monetary Value (EMV)

Β. Βασιλειάδης Αν. Καθηγητής. Επιχειρησιακή Ερευνα Διάλεξη 6 η - Θεωρεία Παιγνίων

Πληροφοριακά Συστήματα Διοίκησης (ΜΒΑ) Ενότητα 7: Εισαγωγή στη Θεωρία Αποφάσεων Δέντρα Αποφάσεων

Ποσοτική Ανάλυση Κινδύνων

Διαχείριση Εφοδιαστικής Αλυσίδας Μέρος 5 Αξιολόγηση Εναλλακτικών Σεναρίων ΔΡ. ΙΩΑΝΝΗΣ ΡΟΜΠΟΓΙΑΝΝΑΚΗΣ

Αβεβαιότητα (Uncertainty)

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

Επιχειρησιακή Έρευνα

Ειδικά Θέματα Πιθανοτήτων και Στατιστικής Θεωρία Αποφάσεων. Μέρος Α

Αβεβαιότητα και Λήψη Επιχειρηματικών Αποφάσεων: Ο Ρόλος των Σεναρίων.

Θέμα: ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ - ΑΣΚΗΣΕΙΣ ΣΤΑ ΠΟΛΥΠΛΟΚΑ ΠΡΟΒΛΗΜΑΤΑ ΑΠΟΦΑΣΕΩΝ

Εισόδημα Κατανάλωση

Ομόλογα (bonds) Μετοχές (stocks) Αμοιβαία κεφάλαια (mutual funds)

2 Η ΠΡΟΟΔΟΣ ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΜΗΧΑΝΙΚΗ ΓΝΩΣΕΩΝ ΠΑΡΑΣΚΕΥΗ 2 ΔΕΚΕΜΒΡΙΟΥ 2016, ώρα ΑΣΚΗΣΗ 1 Ένα ιδιωτικό κέντρο τεχνικού ελέγχου

Ανάλυση και Σχεδιασμός Μεταφορών Ι Ανάλυση Διακριτών Επιλογών

ΔΙΟΙΚΗΣΗ ΠΑΡΑΓΩΓΗΣ. ΕΝΟΤΗΤΑ 4η ΠΡΟΒΛΕΨΗ ΖΗΤΗΣΗΣ

Κοινωνικοοικονομική Αξιολόγηση Επενδύσεων Διάλεξη 6 η. Ανάλυση Κινδύνου και Κοινωνικό Προεξοφλητικό Επιτόκιο

Λήψη Αποφάσεων σε Συνθήκες Αβεβαιότητας. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης

Ειδικά Θέματα Πιθανοτήτων και Στατιστικής Θεωρία Αποφάσεων. Μέρος Β

3 Η ΠΡΟΟΔΟΣ ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΜΗΧΑΝΙΚΗ ΓΝΩΣΕΩΝ ΠΕΜΠΤΗ 12 ΔΕΚΕΜΒΡΙΟΥ 2013, ώρα ΑΣΚΗΣΗ 1 Ένα μεγάλο ακτινοδιαγνωστικό κέντρο θέλει να

Μοντελοποίησης και Βελτιστοποίηση Εφοδιαστικών Αλυσίδων 7 Ο εξάμηνο

Κεφ. 9 Ανάλυση αποφάσεων

Στοχαστικές Στρατηγικές

ΟΙΚΟΝΟΜΕΤΡΙΑ. Ενότητα 3: Πολλαπλή Παλινδρόμηση. Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά)

ΔΙΟΙΚΗΣΗ ΒΙΟΜΗΧΑΝΙΚΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ I ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ. Λέκτορας Ι. Γιαννατσής Καθηγητής Π. Φωτήλας ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ

Operations Management Διοίκηση Λειτουργιών

Κεφάλαιο 4: Επιλογή σημείου παραγωγής

Βασικές έννοιες για αξία χρήματος και επενδύσεις. Δρ. Αθανάσιος Δαγούμας, Λέκτορας Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Παν.

ΣΥΣΤΗΜΑΤΑ ΑΠΟΦΑΣΕΩΝ. Δρ. Σταύρος Καμινάρης Επίκουρος Καθηγητής

Συστήματα Υποστήριξης Αποφάσεων Διάλεξη Νο2 και 3. Ενισχυτικές διαφάνειες

Εισαγωγή στο Γραμμικό Προγραμματισμό

Θέμα: ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ - ΑΣΚΗΣΕΙΣ ΣΤΑ ΠΟΛΥΠΛΟΚΑ ΠΡΟΒΛΗΜΑΤΑ ΑΠΟΦΑΣΕΩΝ

ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΙΝΔΥΝΟΥ. Συσχέτιση (Correlation) - Copulas

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων Ι Σύνολο- Περιεχόμενο Μαθήματος

ΔΙΟΙΚΗΤΙΚΗ ΒΙΟΜΗΧΑΝΙΚΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ I ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ. Αναπλ. Καθηγητής Δ.Μ. Εμίρης Λέκτορας Ι. Γιαννατσής ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ

ΠΡΟΟΡΙΣΜΟΣ ΑΠΟΘΗΚΕΣ Ζ1 Ζ2 Ζ3 Δ1 1,800 2,100 1,600 Δ2 1, Δ3 1, ,200

Κεφάλαιο 4: Επιλογή σημείου παραγωγής

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Case 09: Επιλογή Διαφημιστικών Μέσων ΙI ΣΕΝΑΡΙΟ (1)

ΣΥΣΤHΜΑΤΑ ΑΠΟΦAΣΕΩΝ ΣΤΗΝ ΠΑΡΑΓΩΓH

ΤΕΧΝΟΛΟΓΙΑ, ΚΑΙΝΟΤΟΜΙΑ ΚΑΙ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΤΗΤΑ 9 Ο εξάμηνο Χημικών Μηχανικών

1. Στοιχεία Προβλημάτων Απόφασης

Πληροφοριακά Συστήματα Διοίκησης. Εισαγωγή στον Γραμμικό Προγραμματισμό

Οι κλασσικότερες από αυτές τις προσεγγίσεις βασίζονται σε πολιτικές αναπαραγγελίας, στις οποίες προσδιορίζονται τα εξής δύο μεγέθη:


ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Τεχνητή Νοημοσύνη. 6η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Επενδυτικός κίνδυνος

Τ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΣΥΣΤHΜΑΤΑ ΑΠΟΦAΣΕΩΝ ΣΤΗΝ ΠΑΡΑΓΩΓH

2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ (Backward Elimination Procedure) Στην στατιστική βιβλιογραφία υπάρχουν πολλές μέθοδοι για

Ο σχεδιασμός και η. συγγραφή σεναρίων και το ζήτημα της επιλογής

Στατιστική για Πολιτικούς Μηχανικούς Λυμένες ασκήσεις μέρους Β

Ανάλυση Αποφάσεων ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Αθήνα Επιχειρησιακή Έρευνα

( ) ΘΕΜΑ 1 κανονική κατανομή

ΑΞΙΟΛΟΓΗΣΗ (THE MATRIX)

Επώνυµη ονοµασία. Ενότητα 13 η Σχεδίαση,Επιλογή, ιανοµή Προϊόντων 1

ΔΙΟΙΚΗΣΗ ΒΙΟΜΗΧΑΝΙΚΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ I ΟΙΚΟΝΟΜΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ

x 2,, x Ν τον οποίον το αποτέλεσμα επηρεάζεται από

ΤΣΑΝΤΑΣ ΝΙΚΟΣ 4/6/2009

ΔΙΕΚ ΜΥΤΙΛΗΝΗΣ ΤΕΧΝΙΚΟΣ ΜΗΧΑΝΟΓΡΑΦΗΜΕΝΟΥ ΛΟΓΙΣΤΗΡΙΟΥ Γ ΕΞΑΜΗΝΟ ΜΑΘΗΜΑ: ΛΟΓΙΣΤΙΚΗ ΚΟΣΤΟΥΣ Ι ΜΑΘΗΜΑ 3 ο

ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ. Εισαγωγικές Έννοιες

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

Τμήμα Διοίκησης Επιχειρήσεων

Πολιτική Οικονομία Ενότητα

1. Το μοντέλο των πέντε δυνάμεων του Porter αναλύει το μάκρο-περιβάλλον. α. Λάθος. β. Σωστό. Απάντηση: α. Λάθος.

ΣΧΕΔΙΑΣΜΟΣ ΔΥΝΑΜΙΚΟΤΗΤΑΣ

Στο δέντρο απόφασης που ακολουθεί βρείτε ποια είναι η βέλτιστη επένδυση, η Α ή η Β.

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

Επιχειρησιακή Έρευνα

Θεωρία Λήψης Αποφάσεων

Στατιστική, Άσκηση 2. (Κανονική κατανομή)

Στοχαστικές Στρατηγικές

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΕΡΓΑΛΕΙΑ ΙΟΙΚΗΣΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΜΑΘΗΜΑ: ΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

Η μέθοδος Simplex. Χρήστος Γκόγκος. Χειμερινό Εξάμηνο ΤΕΙ Ηπείρου

Διοίκηση Έργου. Ενότητα 2: Επιλογή Έργων. Σαμαρά Ελπίδα Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)

Ερωτήσεις Ασκήσεις στη Διαλογή Έργου και Επιλογή

Πρόγραμμα Σπουδών: Διοίκηση Επιχειρήσεων & Οργανισμών Θεματική Ενότητα: ΔΕΟ 41 Αγορές Χρήματος & Κεφαλαίου. Ακαδημαϊκό έτος:

2. ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ

Συστήματα Χρηματοοικονομικής Διοίκησης

Επιχειρησιακή Έρευνα I

Ανάλυση και Σχεδιασμός Μεταφορών Ι Εισαγωγή

ΑΣΚΗΣΗ 1 ΑΣΚΗΣΗ 2 ΑΣΚΗΣΗ 3

Εμπορικό & Βιομηχανικό Επιμελητήριο Θεσσαλονίκης ΒΑΡΟΜΕΤΡΟ ΕΒΕΘ. Palmos Analysis Ltd.

Εισαγωγή. Λογιστική Κόστους. Κόστος. Η λογιστική κόστους είναι απλή

ΑΡΘΡΟ: Επισκεφθείτε το Management Portal της Specisoft: Κοστολόγηση με βάση τις δραστηριότητες Activity Based Costing (ABC)

Επιχειρησιακή Έρευνα

Ε Π Ι Χ Ε Ι Ρ Η Σ Ι Α Κ Η Ε Ρ Ε Υ Ν Α

ΑΝΑΛΥΣΗ ΕΥΑΙΣΘΗΣΙΑΣ Εισαγωγή

ΠΑΝΕΠΙΣΤΗΜΙΟ Κ Υ Π Ρ Ο Υ. A. Έρευνες Οικονομικής Συγκυρίας * Μάιος 2011

Οικονομετρία. Εξειδίκευση του υποδείγματος. Προσθήκη άσχετης μεταβλητής και παράλειψη σχετικής. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης

Έρευνα Μάρκετινγκ Ενότητα 5

ΣΤΡΑΤΗΓΙΚΟ ΜΑΝΑΤΖΜΕΝΤ Ι

ΠΑΝΕΠΙΣΤΗΜΙΟ Κ Υ Π Ρ Ο Υ. A. Έρευνες Οικονομικής Συγκυρίας * Ιανουάριος 2011

Ε Π Ι Χ Ε Ι Ρ Η Σ Ι Α Κ Η Ε Ρ Ε Υ Ν Α

ΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ

Transcript:

Λήψη αποφάσεων υπό αβεβαιότητα Παίγνια Αποφάσεων 9 ο Εξάμηνο

Επιχειρηματική Αβεβαιότητα Αβεβαιότητα είναι, η περίπτωση η οποία τα ενδεχόμενα μελλοντικά γεγονότα είναι αόριστα και αδύνατον να υπολογιστούν Αβεβαιότητα στην λήψη των επιχειρηματικών αποφάσεων, είναι η περίπτωση η οποία, η γνώση για τη χρονική εμφάνιση και τη σύσταση των ενδεχόμενων γεγονότων είναι ελλιπής ή ανύπαρκτη. Οι συνθήκες και οι επιπτώσεις των μεταβλητών του περιβάλλοντος, είναι επίσης άγνωστες ως προς το εύρος, τη σύσταση και μέγεθος τους. Εξαιρετικά ανεπιθύμητη από τις επιχειρήσεις Παίγνια Αποφάσεων 9 ο Εξάμηνο -2-

Πηγές Επιχειρηματικής Αβεβαιότητας (1/2) Ελλιπής πληροφόρηση Ανακρίβεια των πληροφοριών (αμφισβητήσιμες πηγές και μέθοδοι συλλογής πληροφοριών) Τεχνολογικές ανατροπές Αδυναμία των επιχειρήσεων να προσαρμοστούν στις τεχνολογικές εξελίξεις Δεν έχουν πάντα αρνητικό αντίκτυπο (οι επιχειρήσεις μπορούν να τις εκμεταλλευτούν) Ανθρώπινος Παράγοντας Κοινωνικές/πολιτισμικές απρόσμενες συμπεριφορές Παίγνια Αποφάσεων 9 ο Εξάμηνο -3-

Πηγές Επιχειρηματικής Αβεβαιότητας (2/2) Ο χρονικός παράγοντας Το μέλλον Το μέλλον και οι συνθήκες του εμπεριέχουν κινδύνους και απειλές. Τα ενδεχόμενα γεγονότα και οι επιπτώσεις τους, μπορεί να τείνουν σε οποιαδήποτε πλευρά, θετική ή αρνητική για την πορεία της επιχείρησης. Το παρελθόν Έχει μόνιμα χαρακτηριστικά τα οποία επηρεάζουν την επιχειρηματικότητα Το παρελθόν μπορεί να αναλυθεί. Παρόλο που δεν μπορεί να υποδείξει την ακριβή πορεία του μέλλοντος, προσφέρει σημαντικές πληροφορίες όταν ερευνηθεί Παίγνια Αποφάσεων 9 ο Εξάμηνο -4-

Περιπτώσεις του πιθανού μέλλοντος (1/2) Ο προσδιορισμός της φύσης του μέλλοντος προσφέρει σημαντικές πληροφορίες για την αντιμετώπιση της αβεβαιότητας Η μορφή του μέλλοντος μπορεί να προσδιορισθεί κατά το βαθμό προβλεψιμότητας του άρα και προσέγγισής του Οι περιπτώσεις του πιθανού μέλλοντος εντοπίζονται σε συνδυασμούς των μεταβλητών που το αποτελούν Το μέλλον στις αντίστοιχες περιπτώσεις τις οποίες εμφανίζεται, χαρακτηρίζεται από το κριτήριο προσιτότητας του. Παίγνια Αποφάσεων 9 ο Εξάμηνο -5-

Περιπτώσεις του πιθανού μέλλοντος (2/2) Προσιτό μέλλον: εμφανίζεται όταν οι εταιρείες μπορούν να προβλέψουν με μεγάλη ακρίβεια τη σύσταση του περιβάλλοντος και τη χρονική διαδοχή των ενδεχόμενων γεγονότων Χρονικά απρόσιτο μέλλον: η επιχείρηση έχει κάνει γνωστή την πρόθεση της για τη σύσταση του ενδεχόμενου αποτελέσματος στο μέλλον αλλά ο χρονικός εντοπισμός και η πρόβλεψη του είναι αδύνατη. Απρόσιτο μέλλον: οι επιχειρήσεις έχουν γνωστοποιήσει ενδοεπιχειρησιακά τις βλέψεις τους ως προς τη θεμιτή μελλοντική τους πορεία, αλλά υπάρχει πλήρης άγνοια για τα ενδεχόμενα γεγονότα. Άγνωστο μέλλον: παρουσιάζει την απόλυτη μορφή αβεβαιότητας, στη συγκεκριμένη περίπτωση τα ενδεχόμενα γεγονότα είναι άγνωστα προς κάθε διάσταση. Παίγνια Αποφάσεων 9 ο Εξάμηνο -6-

Τύποι Αβεβαιότητας Η προσεγγίσιμη αβεβαιότητα Οι επιχειρήσεις έχουν την ευκαιρία να προσεγγίσουν τα ενδεχόμενα γεγονότα σε σύσταση και χρόνο και προσαρμόζονται εύκολα στις αλλαγές χωρίς να επηρεάζεται έντονα η λήψη των αποφάσεων τους. Η ενδεχομένως προσεγγίσιμη αβεβαιότητα Οι επιχειρήσεις έχουν αναγνωρίσει τα ενδεχόμενα γεγονότα, χωρίς όμως ένδειξη για τη χρονική τους εμφάνιση. Η αβεβαιότητα σε αυτή τη περίπτωση είναι αρκετά υψηλή και επηρεάζει έντονα την λήψη των αποφάσεων. Η απροσέγγιστη αβεβαιότητα Οι επιχειρήσεις βρίσκονται σε πλήρη άγνοια για τις ενδεχόμενες καταστάσεις στο μέλλον. Τα ενδεχόμενα γεγονότα είναι άγνωστα σε σύσταση και χρονική εμφάνιση Παίγνια Αποφάσεων 9 ο Εξάμηνο -7-

Μορφές Αβεβαιότητας Χρονική αβεβαιότητα Πιο διαδεδομένη μορφή αβεβαιότητας Συνδέεται άμεσα με το μέλλον και τις απρόβλεπτες ιδιότητες του. Αβεβαιότητα άγνοιας Ορίζεται από την ελλιπή συλλογή πληροφοριών και γνώσης Άμεσα συνδεδεμένη με την ποσότητα και τη ποιότητα των δεδομένων των μεταβλητών του περιβάλλοντος και των ενδεχόμενων γεγονότων. Ενδοεπιχειρησιακή αβεβαιότητα Συνήθως εμφανίζεται σε τεχνολογικούς/επιστημονικούς τομείς Οι επιχειρήσεις αδυνατούν να λάβουν την κατάλληλη τεχνική γνώση στον τομέα που δραστηριοποιούνται Παίγνια Αποφάσεων 9 ο Εξάμηνο -8-

Διαχείριση Αβεβαιότητας Όταν έχω να αντιμετωπίσω ένα πρόβλημα λήψης αποφάσεων υπό αβεβαιότητα, μπορώ να ακολουθήσω τις ακόλουθες στρατηγικές: 1. Η λάθος προσέγγιση: «Βελτιστοποίηση της αξίας ως προς τις αναμενόμενες (μέσες) τιμές των παραμέτρων αβεβαιότητας». Μετατρέπω το πρόβλημα σε πρόβλημα λήψης αποφάσεων υπό βεβαιότητα, δίνοντας στις παραμέτρους αβεβαιότητας τις μέσες τιμές τους. Παίγνια Αποφάσεων 9 ο Εξάμηνο -9-

Διαχείριση Αβεβαιότητας 2. Η σωστή προσέγγιση: «Βελτιστοποίηση της αναμενόμενης αξίας σε όλο το εύρος τιμών των παραμέτρων αβεβαιότητας». Δημιουργώ ένα σύνολο από αντιπροσωπευτικά, διακριτά σενάρια για την εξέλιξη των τιμών των παραμέτρων αβεβαιότητας. Βέλτιστες αποφάσεις είναι αυτές που βελτιστοποιούν το κριτήριο που έχει επιλεγεί, πάνω σε όλα τα διαφορετικά σενάρια. Παίγνια Αποφάσεων 9 ο Εξάμηνο -10-

Τα διαγράμματα επιδράσεων (influence diagrams) χρησιμοποιούνται για την αποτύπωση πολύπλοκων προβλημάτων λήψης αποφάσεων. Ένα διάγραμμα επιδράσεων απεικονίζει όλα τα δομικά στοιχεία ενός προβλήματος, όπως είναι οι αποφάσεις που μπορούν να παρθούν, οι παράγοντες αβεβαιότητας, οι στόχοι και τα αποτελέσματα των αποφάσεων. Παίγνια Αποφάσεων 9 ο Εξάμηνο -11-

Χρήση Διαγραμμάτων Επιδράσεων Επιπλέον, τα διαγράμματα επιδράσεων αποτυπώνουν τις επιδράσεις ανάμεσα στα δομικά στοιχεία του προβλήματος. «Το στοιχείο A επηρεάζει το στοιχείο B» σημαίνει ότι η γνώση του Α επηρεάζει άμεσα τις εκτιμήσεις μας για την τιμή του Β. Η ύπαρξη επίδρασης προϋποθέτει την ύπαρξη συσχέτισης. Ωστόσο, δεν υποδηλώνει απαραίτητα σχέση αιτίου και αιτιατού. Παίγνια Αποφάσεων 9 ο Εξάμηνο -12-

Χρήση Διαγραμμάτων Επιδράσεων Τα διαγράμματα επιδράσεων αποτυπώνουν τις σχέσεις ανάμεσα στα στοιχεία του προβλήματος πολύ καθαρότερα από ό,τι τα δέντρα αποφάσεων. Τα δέντρα αποφάσεων απεικονίζουν με μεγαλύτερη λεπτομέρεια τα πιθανά σενάρια που προκύπτουν από τους συνδυασμούς των αποφάσεων με τις τιμές των παραμέτρων αβεβαιότητας. Ωστόσο, το κόστος της επιπλέον λεπτομέρειας συνίσταται στην ανάγκη να συμπεριληφθεί μόνο ένας μικρός αριθμός εναλλακτικών τιμών για κάθε μεταβλητή απόφασης ή παράγοντα αβεβαιότητας. Παίγνια Αποφάσεων 9 ο Εξάμηνο -13-

Διαγράμματα Επιδράσεων - Παράδειγμα Μια εταιρεία θέλει να εκτιμήσει τις ανάγκες της σε χρηματοδότηση του R&D προγράμματός της, καθώς και της επέκτασης στο εργοστάσιό της για την παραγωγή του νέου προϊόντος που θα προκύψει από το πρόγραμμα. Τόσο τα αποτελέσματα του προγράμματος R&D όσο και η ζήτηση για το νέο προϊόν είναι αβέβαιοι παράγοντες. Παίγνια Αποφάσεων 9 ο Εξάμηνο -14-

Διαγράμματα Επιδράσεων - Παράδειγμα Μεταβλητή απόφασης. Παράμετρος αβεβαιότητας. Παίγνια Αποφάσεων 9 ο Εξάμηνο -15-

Διαγράμματα Επιδράσεων - Παράδειγμα Εξαρτημένη μεταβλητή. Αποτελεί συνάρτηση των μεταβλητών (ανεξάρτητων ή μη) που έχουν επίδραση σε αυτή. Επίδραση. Παίγνια Αποφάσεων 9 ο Εξάμηνο -16-

Διαγράμματα Επιδράσεων - Παράδειγμα Π/Υ R&D Κέρδος Π/Υ επέκτασης Πωλήσεις Τα συνολικά κέρδη εξαρτώνται από τα κέρδη από τις πωλήσεις και τα έξοδα για το πρόγραμμα R&D και την επέκταση του εργοστασίου.

Διαγράμματα Επιδράσεων - Παράδειγμα (Unit_Price - Unit_Cost) * ΜΙΝ(Demand, Plant_Capac) Δυναμικότητα εργοστασίου. Τα κέρδη από πωλήσεις επηρεάζονται από τα επίπεδα της ζήτησης, το κόστος παραγωγής, την τιμή πώλησης και τη δυναμικότητα του εργοστασίου. Ζήτηση Κόστος παραγωγής Τιμή πώλησης. Πωλήσεις

Διαγράμματα Επιδράσεων - Παράδειγμα Π/Υ R&D Π/Υ επέκτασης Κέρδος Δυναμικότητα Αποτελέσμα τα R&D Ζήτηση Ο Π/Υ του προγράμματος R&D επηρεάζει τα αποτελέσματά του. Ο Π/Υ για την επέκταση του εργοστασίου προσδιορίζει τη δυναμικότητά του.

Διαγράμματα Επιδράσεων - Παράδειγμα Το βέλος επίδρασης από τα αποτελέσματα του προγράμματος R&D προς τον προϋπολογισμό για την επέκταση του εργοστασίου υποδηλώνει ότι μπορεί κανείς να περιμένει μέχρι να γίνουν γνωστά τα αποτελέσματα του R&D πριν αποφασίσει για την επένδυση στο εργοστάσιο. Π/Υ επέκτασης Αποτελέσμα τα R&D

Διαγράμματα Επιδράσεων Το βέλος επίδρασης από μία απόφαση προς μια τυχαία μεταβλητή υποδηλώνει ότι οι πιθανότητες εμφάνισης των τιμών της τ.μ. εξαρτώνται από την απόφαση που θα παρθεί.

Διαγράμματα Επιδράσεων Το βέλος επίδρασης από μία τυχαία μεταβλητή προς μια άλλη υποδηλώνει εξάρτηση ή συσχέτιση μεταξύ τους.

Διαγράμματα Επιδράσεων Ένα ενδιάμεσο ή τελικό αποτέλεσμα αποτελεί συνάρτηση των αποφάσεων ή/και των τυχαίων μεταβλητών του προβλήματος.

Διαγράμματα Επιδράσεων Ένα διάγραμμα επιδράσεων παρέχει μια ποιοτική εικόνα του υπό εξέταση προβλήματος. Αποτελεί τη βάση και την αφετηρία για την ανάπτυξη ενός λεπτομερούς αναλυτικού μοντέλου σε Excel ή άλλο αντίστοιχο εργαλείο. Ακολουθεί μια σειρά οδηγιών για τη δημιουργία διαγραμμάτων επιδράσεων και την καλύτερη αποτύπωσή τους στο Excel. Παίγνια Αποφάσεων 9 ο Εξάμηνο -24-

Βήματα για τη δημιουργία ενός διαγράμματος επιδράσεων 1. Προσδιορισμός των στόχων του προβλήματος. Θα πρέπει να επιλεγεί το κριτήριο για την αξιολόγηση των διαφορετικών αποφάσεων και να ποσοτικοποιηθεί το τελικό τους αποτέλεσμα. 2. Προσδιορισμός των μεταβλητών απόφασης. Οι μεταβλητές απόφασης αφορούν στους παράγοντες του προβλήματος που μπορούν να επηρεαστούν άμεσα και πλήρως από τον αναλυτή, ώστε να βελτιστοποιηθούν οι μεταβλητές που αποτυπώνουν το τελικό τους αποτέλεσμα. Παίγνια Αποφάσεων 9 ο Εξάμηνο -25-

Βήματα για τη δημιουργία ενός διαγράμματος επιδράσεων 3. Προσδιορισμός παραγόντων αβεβαιότητας. Αποτελούν τις πηγές αβεβαιότητας του προβλήματος. Οι τιμές των παραγόντων μπορούν να είναι ανεξάρτητες ή δεσμευμένες από τις αποφάσεις που παίρνονται 4. Σύνδεση αποφάσεων και αποτελεσμάτων. Τα αποτελέσματα είναι συνάρτηση των αποφάσεων και των τιμών των παραγόντων αβεβαιότητας. Για την καλύτερη αποτύπωση των σχέσεων ανάμεσα σε αποφάσεις και τυχαίους παράγοντες, θα πρέπει να ορίζονται ενδιάμεσες εξαρτημένες μεταβλητές. Παίγνια Αποφάσεων 9 ο Εξάμηνο -26-

Μέθοδοι Λήψης Αποφάσεων Μέθοδοι λήψης αποφάσεων υπό ισχυρή αβεβαιότητα: Maximin Generalized Maximin Minimax Regret Παίγνια Αποφάσεων 9 ο Εξάμηνο -27-

Παράδειγμα Ο ιδιοκτήτης ενός βιβλιοπωλείου πρέπει να αποφασίσει πόσα αντίτυπα του βιβλίου «Data, Models and Decisions» θα παραγγείλει για την ακαδημαϊκή χρονιά που αρχίζει. Η ζήτηση για το βιβλίο εξαρτάται από τον αριθμό των μαθημάτων που θα το χρησιμοποιήσουν, στα τοπικά πανεπιστήμια. 28

Παράδειγμα Ο Πίνακας Αποτελεσμάτων του προβλήματος: Εναλλακτικές Αριθμός Μαθημάτων Αποφάσεις 7 8 9 10 280 2.800 2.720 2.640 2.480 320 2.600 3.200 3.040 2.880 360 2.400 3.000 3.600 3.440 400 2.200 2.800 3.400 4.000

Κριτήριο Maximin Το κριτήριο Μaximin βασίζεται στον προσδιορισμό του χειρότερου δυνατού σεναρίου (worst-case scenario). Αντιπροσωπεύει μια συντηρητική προσέγγιση λήψης αποφάσεων, καθώς επιδιώκει να διασφαλίσει το καλύτερο (max) από τα ελάχιστα (min) εγγυημένα αποτελέσματα. 30

Κριτήριο Maximin Η βέλτιστη απόφαση προκύπτει από τα ακόλουθα βήματα: 1) Για κάθε εναλλακτική απόφαση, καταγράφεται το χειρότερο πιθανό αποτέλεσμα. 2) Επιλέγεται η απόφαση που αντιστοιχεί στο καλύτερο «χειρότερο πιθανό αποτέλεσμα». 31

Κριτήριο Maximin Αν Α το σύνολο των εναλλακτικών αποφάσεων, S το σύνολο των διαφορετικών τιμών της μη ελεγχόμενης παραμέτρου και W(α,s) το αποτέλεσμα κάθε συνδυασμού, τότε το Maximin κριτήριο αποτυπώνεται ως: max minw s S a A ( a, s) 32

Κριτήριο Maximin - Παράδειγμα Εναλλακτικές Αριθμός Μαθημάτων Αποφάσεις 7 8 9 10 Απόφαση 280 2.800 2.720 2.640 2.480 2.480 2.480 320 2.600 2.600 3.200 3.040 2.880 2.600 360 2.400 2.400 3.000 3.600 3.440 2.400 400 2.200 2.200 2.800 3.400 4.000 2.200 ΜΙΝ(2.800;2.720;2.640;2.480)

Κριτήριο Generalized Maximin Το κριτήριο Generalized Μaximin βασίζεται στη στάθμιση μεταξύ του καλύτερου και του χειρότερου δυνατού σεναρίου. Αντιπροσωπεύει μια λιγότερο συντηρητική προσέγγιση λήψης αποφάσεων από αυτή του Μaximin, καθώς συνυπολογίζει και το καλύτερο δυνατό αποτέλεσμα από την επιλογή κάθε απόφασης. 34

Κριτήριο Generalized Maximin Η βέλτιστη απόφαση προκύπτει από τα ακόλουθα βήματα: 1) Για κάθε εναλλακτική απόφαση, καταγράφονται το καλύτερο και το χειρότερο πιθανό αποτέλεσμα. 2) Τα δύο αποτελέσματα σταθμίζονται με έναν συντελεστή r. Ο εν λόγω συντελεστής παίρνει τιμές μεταξύ των [0, 1] και αντιπροσωπεύει την πιθανότητα πραγματοποίησης του χειρότερου σεναρίου. 3) Επιλέγεται η απόφαση που αντιστοιχεί στο καλύτερο «σταθμισμένο πιθανό αποτέλεσμα». 35

Κριτήριο Generalized Maximin- Παράδειγμα Εναλλακτικές Αριθμός Μαθημάτων Αποφάσεις Απόφαση 7 8 9 10 για r = 0,80 280 2.800 2.800 2.720 2.640 2.480 2.480 2.544 320 2.600 2.600 3.200 3.200 3.040 2.880 2.720 360 2.400 2.400 3.000 3.600 3.600 3.440 2.640 400 2.200 2.200 2.800 3.400 4.000 4.000 2.560 0,8 * ΜΙΝ(2.800;2.720;2.640;2.480) + 0,2 * ΜAX(2.800;2.720;2.640;2.480)

Κριτήριο Minimax Regret Το κριτήριο Minimax Regret βασίζεται στην ελαχιστοποίηση του μέγιστου κόστους ευκαιρίας που συνεπάγεται η επιλογή κάθε εναλλακτικής απόφασης. 37

Κριτήριο Minimax Regret 1) Για κάθε τιμή της μη ελεγχόμενης παραμέτρου, προσδιορίζονται: a) η απόφαση με το καλύτερο αποτέλεσμα, b) η διαφορά μεταξύ του αποτελέσματος της παραπάνω απόφασης και των αποτελεσμάτων των υπολοίπων (κόστος ευκαιρίας). 2) Για κάθε απόφαση, εντοπίζεται το μέγιστο κόστος ευκαιρίας ως προς όλες της τιμές της παραμέτρου. 3) Επιλέγεται η απόφαση με το μικρότερο «μέγιστο κόστος ευκαιρίας». 38

Κριτήριο Minimax Regret Αν Α το σύνολο των εναλλακτικών αποφάσεων, S το σύνολο των διαφορετικών τιμών της μη ελεγχόμενης παραμέτρου και W(α,s) το αποτέλεσμα κάθε συνδυασμού, τότε το Minimax Regret κριτήριο αποτυπώνεται ως: min max maxw a A s S a A ( a, s) W ( a, s) 39

Κριτήριο Minimax Regret - Παραδειγμα Πίνακας Αποτελεσμάτων Αποφάσεις 7 8 9 10 280 2.800 2.720 2.640 2.480 320 2.600 3.200 3.040 2.880 360 2.400 3.000 3.600 3.440 400 2.200 2.800 3.400 4.000 Πίνακας Κόστους Ευκαιρίας Αποφάσεις 7 8 9 10 280 0 480 960 1.520 320 200 0 560 1.120 360 400 200 0 560 400 600 400 200 0

Κριτήριο Minimax Regret - Παραδειγμα Πίνακας Κόστους Ευκαιρίας 7 8 9 10 Αποφάσεις Μέγιστο Κ ό σ τ ο ς 280 0 480 960 1.520 1.520 320 200 0 560 1.120 1.120 360 400 200 0 560 560 400 600 400 200 0 600 ΜAX(0;480;960;1.520)