Innovaatioaihioiden vuorovaikutteinen tarkastelu monikriteerisessä RPM-seulonnassa
|
|
- Emma Saaristo
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 Mat Sovelletun matematiikan erikoistyö Innovaatioaihioiden vuorovaikutteinen tarkastelu monikriteerisessä RPM-seulonnassa TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Erkka Jalonen Teknillisen fysiikan koulutusohjelma erkka.jalonen@tkk.fi
2
3 1. JOHDANTO AIHIOIDEN MONIKRITEERINEN ANALYYSI RPM-EXPLORER OHJELMISTO TIETOKONEAVUSTEISEEN TUNNISTUKSEEN Vaatimukset Arkkitehtuuri ja toiminnallisuus Tekninen toteutus ja oikeudet Ohjelmiston konfigurointi Ohjelmiston käyttö Analyysin tulosten jalkauttaminen Päätöksenteon tuki Herkkyysanalyysi Parivertailualgoritmi ja sen suorituskyvyn rajat AIHIOIDEN VUOROVAIKUTTEINEN JA OMAKOHTAINEN TUNNISTUS Vuorovaikutteisuuden ja omakohtaisuuden edut Tunnistuksen sovellusalueita YHTEENVETO JA PÄÄTELMÄT LÄHTEET LIITE A RPM-MENETELMÄKUVAUS Epätäydellinen informaatio ja portfolioiden dominanssi Ydinluku LIITE B PARIVERTAILUJEN LASKENNALLINEN KOMPLEKSISUUS... 24
4 1. JOHDANTO Kauppa- ja teollisuusministeriö käynnisti vuonna 2004 Ennakointifoorumin i pilottivaiheen, jonka tarkoituksena oli koota yhteen eri alojen asiantuntijoita sekä kehittää ennakointitiedon tuottamisen ja hyödyntämisen toimintatapoja ja menetelmiä (Brummer, 2005). Ennakointifoorumin pilottivaiheen toiminta tapahtui keskeisesti kolmessa aiheryhmässä, jotka tarkastelivat (i) ikärakenteiden osalta sosiaali- ja terveydenhuollon palvelukonsepteja, (ii) palveluliiketoimintojen osalta henkilökohtaisia elämyspalveluja ja (iii) biotekniikan osalta nutrigenomiikkaa (Könnölä et al., 2005). Ennakoinnilla tässä tarkoitetaan strategista teknologia- ja innovaatiopolitiikkaa tukevaa toimintaa, joka luotaa tieteellisiä ja teknologisia kehitysnäkymiä arvioiden näiden taloudellisia ja yhteiskunnallisia vaikutuksia (Salo & Cuhls, 2003). Ennakointifoorumin yhteydessä prof. Salon tutkimusryhmä Systeemianalyysin laboratoriossa toteutti syksyllä 2004 ja alkutalvesta 2005 aiheryhmien toimintaa tukeneen verkkopohjaisen innovaatioaihioiden kartoitus- ja arviointiprosessin, aihioseulonnan, jossa aiheryhmien edustajia ja TKK:n opiskelijoita pyydettiin tuottamaan, kommentoimaan, työstämään ja arvioimaan innovaatioaihioita. Prosessin viimeisenä vaiheena oli aihioiden käsittely ryhmäkohtaisissa työpajoissa monikriteeristä analyysiä hyödyntäen (Könnölä et al., 2005). Innovaatioaihio määriteltiin konkreettiseksi ja mielellään kontekstissaan kuvatuksi ideaksi innovaatiosta, joka liittyy valittuun aiheeseen, on tekijälleen uusi tai riittämättömälle huomiolle jäänyt, saattaa antaa edellytyksiä innovaation kehittämiselle seuraavan 10 vuoden aikana ja saattaa edellyttää eri toimijoiden yhteistyötä toteutuakseen (Salo et al., 2005). Prosessista saatiin tuloksena 166 innovaatioaihiota, joista monet osoittautuivat kehityskelpoisiksi. Kartoitus- ja arviointiprosessia pidettiin hyödyllisenä (Brummer, 2005) ja sen koettiin helpottavan huomion suuntaamista ideoihin useista eri näkökulmista (Könnölä et al., 2005). i Ennakointifoorumi: 1
5 Aihiolähteet Aihioiden tuottaminen Aihioiden arvioiminen Monikriteerinen analyysi ja tunnistus Arviolähteet Kriteerilähteet Tulosten hyödyntäminen Tulosten hyödyntäjät Toiminta Kuva 1 Innovaatioaihioiden seulontaprosessin päävaiheet. Tietoteknisesti innovaatioaihioiden kartoitusprosessi toteutettiin verkkopohjaisella Opinions-Online ii -äänestys- ja kyselytyökalulla, jonka avulla kerättyjä arvioita analysoitiin RPM-Solver -ohjelmistolla iii kiinnostavimpien aihioiden esille nostamiseksi. Erityisesti huomiota kiinnitettiin annettujen arvioiden keskiarvoihin ja keskihajontoihin, joiden erilaiset keskinäiset painotukset mahdollistivat sekä konsensushakuiset (so. mitä aihioita lähes kaikki pitävät hyvinä) että näkemyseropainotteiset (so. mistä aihioista vastaajilla on eriäviä näkemyksiä) tarkastelut. Erilaisilla painotuksilla esille nousseet innovaatioaihiot saatettiin Opinions-Online -järjestelmästä aiheryhmien käyttöön. Lisäksi mukaan liitettiin aihiokohtaisten arvioiden keskiarvot ja keskihajonnat (Kuva 2). Näiden tulosdokumenttien avulla aiheryhmien edustajat tunnistivat itselleen kiinnostavimmat aihiot. ii Opinions-Online -ohjelmisto: iii RPM-Solver-ohjelmisto: 2
6 Kuva 2 - Seulontaprosessin tulosten esitystapa iv. Ennakointifoorumissa aihioita oli useita kymmeniä kullakin aiheryhmällä. Projektin yhteydessä ei sen sijaan kehitetty työvälinettä, jolla aiheryhmien edustajat tai muut innovaatioaihioista kiinnostuneet tahot olisivat itse voineet määritellä preferenssinsä sen suhteen, millä perusteilla kiinnostavimmat innovaatioaihiot nostettiin esille. Kun aihiokohtaisesti oli arvioitu aihion uutuusarvo, toteuttamiskelpoisuus ja yhteiskunnallinen merkittävyys, esimerkiksi uusista innovaatioista kiinnostuneet aiheryhmien edustajat olisivat luultavimmin päätyneet erilaiseen innovaatioaihioiden prioriteettilistaan kuin ne edustajat, jotka painottivat toteuttamiskelpoisuutta. Tämän erikoistyön tavoitteena oli suunnitella ja toteuttaa työväline, eräänlainen aihio- tai ideapankki, jonka avulla toteutettujen seulontaprosessien tulokset voidaan tallettaa, ja jonka avulla sidosryhmät voivat vuorovaikutteisesti ja omakohtaisesti tutustua näihin tuloksiin. Työväline voi olla tehokas tulosten kommunikointiväline, erityisesti jos se tarjoaa käyttäjilleen mahdollisuuden määritellä näkökulmia, joista käsin he haluavat tutustua esitettyihin aihioihin antamalla kriteerien keskinäistä tärkeyttä koskevia preferenssejä sekä tarkastelemalla tältä pohjalta tuotettavia visualisointeja. iv Esimerkki on peräisin Developing the Strategic Research Agenda (SRA) for the Forest-Based Sector Technology Platform (FTP) hankkeen analyysidokumenteista: 3
7 2. AIHIOIDEN MONIKRITEERINEN ANALYYSI Ennakointifoorumin yhteydessä nähtiin hyväksi käyttää Systeemianalyysin laboratoriossa kehitettyyn RPM menetelmään (so. Robust Portfolio Modeling) (Liesiö et al., 2005) perustuvaa analyysiä (Brummer, 2005). Tässä esitellään lyhyesti RPM päätöstukiprosessi ja menetelmän keskeiset käsitteet. Tarkempi esitys RPM:stä on liitteenä (kappale 7). RPM on alunperin projektivalintaa tukemaan kehitetty menetelmä, jossa jokainen projektiaihio arvioidaan eri kriteerien suhteen, ja jossa projektiaihion kokonaisarvo määrittyy kriteerikohtaisten arvojen painotettuna summana. Menetelmä pystyy käsittelemään epätäydellistä informaatiota niin kriteerienvälisistä painotuksista kuin kriteerikohtaisista arvoista. Epätäydellisellä informaatiolla tarkoitetaan sitä, että mallin parametreista voidaan antaa summittaisiakin lausumia tai arvovälejä. Olennaista RPM-menetelmässä on keskittyminen tehokkaisiin portfolioihin, eli annetun budjetin puitteissa mahdollisiin aihiojoukkoihin, joille ei löydy toista budjetin puiteissa mahdollista aihiojoukkoa, jonka arvo on kaikkien kriteerien suhteen vähintään yhtä hyvä. Toisaalta menetelmä karsii arviointikriteerien suhteen kiistatta huonommin suoriutuvat, eli ei-tehokkaat, portfoliot. RPM-päätöstukiprosessissa keskeisiä ovat aihiokohtaiset ydinluvut. Nämä kertovat kunkin aihion osalta sen suhteellisen osuuden tehokkaista portfolioista, johon se kuuluu. Aihiot, joiden ydinluku on yksi, kuuluvat kiistatta kaikkiin tehokkaisiin portfolioihin, ja aihiot, joiden ydinluku on nolla, ovat kiistatta näiden ulkopuolella. Näin päätöstukiprosessi tarjoaa alustavia tuloksia jo prosessin välivaiheissa ja ohjaa päätöksentekijää suuntaamaan huomionsa aihioihin, joista lisätietoa mahdollisesti tarvitaan (Kuva 3) (Liesiö et al., 2005). RPM-päätöstukiprosessi on varsin helposti ymmärrettävä ja täten myös helpommin hyväksyttävissä. 4
8 Paljon hankeehdokkaita Arvioidaan monen kriteerin suhteen Leveät vaihteluvälit Kriteerikohtaisiin arvioihin Karkeita linjauksia kriteerien tärkeydestä Lasketaan tehokkaat portfoliot Ydinhankkeet valitaan Rajatapaukset keskitetään analyysi näihin Ulkohankkeet hylätään Tarkennetaan informaatiota Päivitetään tehokkaat Aiemmin valitut Ydinhankk. Rajatapauk. Ulkohankk. Aiemmin hylätyt Päätössäännöt, heuristiikat Neuvottelu, mallin ulkopuoliset tekijät Valitaan Ei valita Epävarmuuksien mallintaminen: Ennakoiva herkkyysanalyysi Karkeilla arvioilla liikkeelle Vaiheittainen valinta / analyysi: Läpinäkyvyys projektien suhteen Alustavia tuloksia välivaiheissa Valinnanvaraa rajatapauksista Rajataan neuvottelujoukkoa Tilaa joustavalle iteroinnille Kuva 3 RPM -päätöksenteon tukimenetelmä (Liesiö et al., 2005). Hankkeella tarkoitetaan tässä aihiota. RPM tukee aihiovalintaa sekä aihiotasolla (so. mitkä projektiaihiot portfolioon tulisi sisällyttää), että portfoliotasolla (so. mikä portfolio tulisi valita) (Liesiö et al., 2005). 3. RPM-EXPLORER OHJELMISTO TIETOKONEAVUSTEISEEN TUNNISTUKSEEN Systeemianalyysin laboratoriossa kehitettiin kesällä 2005 RPM-Explorer -ohjelmisto aihioiden tietokoneavusteiseen monikriteeriseen tunnistukseen RPM-analyysin alustavista tuloksista. Ohjelmisto ottaa syötetietoinaan RPM-Solver -ohjelmistolla esilasketut tehokkaat portfoliot ja tarjoaa rajapinnan tulosten loppukäyttäjälähtöiseen analyysiin ja jalkauttamiseen. Koska RPM-menetelmän perusperiaatteet ovat verraten helposti ymmärrettävissä ilman että menetelmää tarvitsee yksityiskohtaisesti tuntea, ei loppukäyttäjien tarvitse olla perehtyneitä menetelmään. 3.1 Vaatimukset Ohjelmisto antaa loppukäyttäjille mahdollisuuden esittää omaa preferenssiinformaatiotaan ja näkökulmiaan. Näiden päätöksentekijän syöttämien preferenssien pohjalta se tarjoaa reaaliajassa havainnollisen esityksen aihioista, jotka (i) vastaavat ja 5
9 (ii) eivät vastaa käyttäjän kiinnostuksen kohteita ja (iii) joihin jatkoanalyysissä keskittyä. Tätä vaihetta kutsutaan tässä aihioiden tunnistukseksi. Ohjelmisto on loppukäyttäjän itsensä ajettavissa internetistä ja siten helposti saatavissa esimerkiksi linkkinä sähköpostiviestissä. Käyttöliittymältään ohjelmisto on helposti omaksuttava. Se tarjoaa havainnollisten visualisointien lisäksi mahdollisuuden aihiokuvausten helppokäyttöiseen selailuun. Ohjelmiston vuorovaikutteisuus mahdollistaa myös herkkyysanalyysit ja päätöksenteossa sitouttaa käyttäjää itse analyysiin ja sen tuloksiin. Analyysien tuottajat voivat konfiguroida ohjelmiston verkon yli, ja RPM-Solverilla suoritetun esilaskennan tulokset on pienellä työllä siirrettävissä analyysin syötetiedoiksi. Ohjelmisto on geneerinen ja helposti ylläpidettävä. Ohjelmisto pystyy tukemaan monenlaisia aihioiden monikriteerisen analyysin muunnelmia aina innovaatioaihioiden tunnustelusta päätöksentekoa tukevaan projektivalintaan. 3.2 Arkkitehtuuri ja toiminnallisuus Ohjelmiston arkkitehtuurissa on pyritty modulaarisuuteen siten, että käyttöliittymän jokainen analyysikomponentti on oma luokkansa, ja siten helposti korvattavissa ja muunneltavissa. Toimintaloogisesti tärkeimmät rajapinnat ovat käyttöliittymän ja konfiguraatioaksessorin, sekä käyttöliittymän ja RPM-parivertailualgoritmin (Liesiö et al., 2005) välillä (Kuva 4). 6
10 Kuva 4 - RPM-Explorer -ohjelmiston rajapinnat. Käynnistysvaiheesa ohjelmisto lataa muistiin konfiguraatiotiedostonsa ja esilasketut tehokkaat portfoliot (Kuva 5). Esilasketuista portfolioista ohjelma karsii ei-tehokkaat referenssi- ja kriteerikohtaista informaatiota lisättäessä (Kuva 6). Kuva 5 - Käyttötapaus, jossa käyttäjä käynnistää RPM-Explorer -ohjelmiston. 7
11 Kuva 6 - Käyttötapaus, jossa käyttäjä lisää ohjelmistoon preferenssiinformaatiota. 3.3 Tekninen toteutus ja oikeudet Ohjelmiston toteutuskieleksi valittiin Java, jonka tuki löytyy valmiiksi suurimmalta osalta internetin käyttäjiä (esimerkiksi Yhdysvalloissa 87,4%:lta v ). Vaihtoehtoisia toteutuskieliä olisivat olleet dynaamiset WWW-sivut (mm. ASP, PHP), joiden toteuttaminen olisi vaatinut palvelintuen tarjoamista, ja huonommin ohjelmistokehitykseen soveltuvat multimediapresentaatio-ohjelmistot (mm. Macromedia Flash, Shockwave). Ohjelmiston toteutuksessa huolehdittiin myös, että ohjelmisto on ajettavissa yleisimmillä internet-selaimilla (Internet Explorer, Mozilla, Netscape). Ohjelmiston toteutuksessa käytetyt ohjelmistokirjastot olivat lisenssiehdoitaan joko Public domain tai LGPL lisensoituja. LGPL lisensointi asettaa omat vaatimuksensa ohjelmiston levitykselle, mutta ei rajoita ohjelmiston kaupallista hyödyntämistä vi. Käytettyjä valmiskirjastoja lukuunottamatta ohjelmiston tekijänoikeudet kuuluvat jaetusti Systeemianalyysin laboratoriolle ja kauppa- ja teollisuusministeriölle. v NPD Online markkinatutkimus, syyskuu 2005: vi GNU Lesser General Public Licence, lisensointiehdot: 8
12 3.4 Ohjelmiston konfigurointi Ohjelmisto käynnistyy Java-applettina ja ottaa HTML-tagissaan käynnistysparametreina neljän analyysikohtaisesti määriteltävän tiedoston osoitteet: (i) (ii) (iii) (iv) Konfiguraatiotiedosto sisältää ohjelmiston yleisiä asetuksia, näytettävät analysointipaneelit, tekstit painikkeissa, otsikoissa jne. Se on editoitavissa tekstieditorilla. Aihiodatatiedosto sisältää tiedot kriteereistä ja aihiokohtaiset tiedot aihioiden kriteerikohtaisista arvoista, aihioiden kustannuksista tms. Tiedosto jakaantuu sarakkeiden tyypit kertovaan metatietoriviin, sarakkeiden (kriiteerien tms.) nimiin ja aihiokuvauksiin. Tiedosto on editoitavissa Excel taulukkolaskentaohjelmalla. Portfoliotiedosto sisältää listan, yleensä tehokkaista, lähtöportfolioista, joiden joukosta uusia tehokkaita portfolioita seulotaan. Portfoliot on esitetty binäärilukujen (0,1) listana Excelillä editoitavassa tiedostossa. Informaatiotiedosto sisältää aihioiden kuvaukset ja linkit aihioista kertoville verkkosivuille. Tiedosto on editoitavissa tekstieditorilla. Konfiguroitaessa ohjelmistoa tulee vähintään luoda uusi aihiodatatiedosto (ii) ja RPM-Solverin tuloksista lista lähtöportfolioista (iii). Näiden tiedostojen URL-osoitteet annetaan sitten RPM-Explorerin HTML-tagissa. 3.5 Ohjelmiston käyttö Ohjelmisto käynnistetään internet-selaimen välityksellä, ja sen aloitusnäkymä riippuu asetuksissa aktivoiduista visualisoinneista ja preferenssi-informaation tarkennus ikkunoista (Kuva 7). 9
13 Kuva 7 - RPM-Explorerin yleisnäkymä. Vasemmalla on visualisointi -ikkuna, oikealla ylhäällä preferenssien kartoitus -ikkuna ja oikealla alhaalla lisätietoa aihioista Analyysin tulosten jalkauttaminen Ohjelmiston avulla analyysin tuloksista kiinnostunut käyttäjä voi tarkastella aihioita omasta näkökulmastaan ja tunnistaa kiinnostavia aihioita määrittämällä ohjelmistolle omaa preferenssi-informaatiotaan. Tällöin ohjelmisto tarjoaa reaaliajassa päivittyviä visualisointeja aihioiden ydinluvuista (Kuva 8) ja arvoalueista (Kuva 9). Lisäksi ohjelmiston kautta voi helposti tarkastella aihioiden kuvauksia ja päästä aihioista enemmän kertoville internet-sivuille tai -dokumenteille. 10
14 Kuva 8 - Ydinlukuanalyysin näkymä, jossa aihiot on järjestetty ydinlukujensa mukaisesti. Kuva 9 - Näkymä aihiokohtaisten arvoalueiden tarkasteluun. 11
15 3.5.2 Päätöksenteon tuki Päätöksenteon tukena ohjelmistoa voidaan hyödyntää valmisteluissa tai aihiovalinnassa joko työpajakokouksissa seinälle projisoituna tai itsenäisesti. Päätöksenteossa ohjelmisto soveltuu (i) analyysien tarkasteluun eri päätöksentekijöiden omista näkökulmista, (ii) varsinaiseen aihiovalintaan ja (iii) sopimuksenomaiseksi konsensushakuisten neuvottelujen tueksi. Menetelmällisesti ohjelmisto seuraa RPM-päätöstukiprosessia (kappale 2) ja auttaa siten suuntaamaan huomiota muun muassa sellaisten aihioiden tarkasteluun, joiden valinta tai valitsematta jääminen on epävarmaa (Liesiö et al., 2005). Kuva 10 - Näkymä preferenssi-informaation analyysiin tuomiseksi. Tällä näkymällä tietoa preferensseistä voidaan tarkentaa muuttamalla kriteerien keskinäistä tärkeysjärjestystä. Aihiovalintaa tuettaessa ohjelmistossa voidaan kytkeä päälle automaattivalinnat - toiminto, jolloin ohjelma ilmoittaa reaaliaikaisesti preferenssi-informaatiota lisättäessä (Kuva 10) varmasti tehokkaisiin portfolioihin kuuluvat ja näiden ulkopuolelle jäävät aihiot (Kuva 11). Toiminto voidaan kytkeä myös pois päältä ja siirtyä aihiokohtaisiin valintoihin, mikä mahdollistaa päätöksenteon myös monikriteerisen analyysin ulkopuolisten tekijöiden valossa. 12
16 Kuva 11 - Ydinlukuanalyysin näkymä attribuuttipainoinformaation lisäämisen jälkeen. Automaattivalinnat- toiminto on merkinnyt aihiot, jotka tulevat mukaan portfolioon ja aihiot, jotka jäävät sen ulkopuolelle Herkkyysanalyysi RPM-menetelmä pystyy käsittelemään epätäydellistä paino- ja suorituskykyinformaatiota (Liesiö et al., 2005). Paino- ja suorituskykyinformaatioon liittyvän epävarmuuden esittäminen epätäydellisenä informaationa toimii jo sinänsä yhdenlaisena herkkyysanalyysinä (Lindstedt et al., 2001). Perustavanlaatuisempaa herkkyyanalyysiä voidaan suorittaa tunnistamalla aihioita useista eri näkökulmista ja syöttämällä ohjelmistolle hyvinkin erilaista preferenssi-informaatiota. Lisäksi analyysissä voidaan nostaa esille mm. näkemyeropainotteisen analyysin (Könnölä et al., 2005) mielessä kiinnostavimpia aihioita. 3.6 Parivertailualgoritmi ja sen suorituskyvyn rajat Dominoitujen portfolioiden selvittäminen pohjautuu parittaisiin vertailuihin painovektorien eri ääripisteissä (Liesiö et al., 2005). Tällöin suurissa tehtävissä ohjelmiston käyttömahdollisuuksia rajoittaa loppukäyttäjän tietokoneen suoristuskyky. Laskenta tulee raskaammiksi sitä mukaan, (i) mitä suurempaa aihiojoukkoa käsitellään, (ii) mitä epätarkempaa tieto painoista ja aihioiden 13
17 suoristuskyvyistä on, (iii) mitä useampiin kriteereihin valinta perustuu ja (iv) mitä tasaisemmin aihiot keskinäisissä vertailuissa pärjäävät. Toinen tapa laskennan nopeuttamiseksi on lisäinformaation tuominen analyysiin. Täydellisemmällä informaatiolla portfolioiden erot tulevat paremmin esiin ja dominoidut portfoliot karsiutuvat nopeasti. Tehokkaiden portfolioiden seulominen kaikista portfolioista on läheistä sukua selkäreppuongelmalle (Liesiö et al., 2005) ja kuuluu aihioiden lukumäärän suhteen NP-täydellisten ongelmien joukoon (Weiss, 1999). Siksi tehokkaiden portfolioiden seulominen pareittaisilla vertailuilla kuuluu niin ikään NP-täydellisten ongelmien joukkoon, ja tarvittava laskenta-aika kasvaa suhteessa tehokkaiden portfolioiden lukumäärän toiseen potensiin. Tehokkaiden portfolioiden lukumäärä kasvaa puolestaan eksponentiaalisesti suhteessa aihioiden lukumäärän kasvuun. Esimerkiksi 800MHz:n Pentium III koneella kuuden kriteerin, 313 aihion ja 2000 portfolion ongelman ratkaisuun aikaa kului epätäydellisellä informaatiolla noin minuutin verran ja täydellisellä järjestysinformaatiolla kymmenisen sekuntia. Reaaliaikaisten (laskenta-ajat alle sekunti) analyysien teko rajoittuu muutamien satojen tehokkaiden portfolioiden ongelmiin. Laskennan lisäksi epätodennäköisempiä, mutta kuitenkin potentiaalisia, pullonkauloja ovat algoritmin muistinkulutus sekä algoritmin lähdeaineiston koko ja siirto verkon yli. Myös ohjelmiston käytettävyys ja havainnollisuus alkavat kärsiä aihioiden lukumäärän lisääntyessä. 4. AIHIOIDEN VUOROVAIKUTTEINEN JA OMAKOHTAINEN TUNNISTUS Ennakointifoorumin yhteydessä monikriteerisen analyysin tulokset saatettiin aiheryhmien käyttöön staattisina pdf-dokumentteina. Näistä aiheryhmät ja niiden edustajat sitten tunnistivat itselleen kiinnostavimmat aihiot annettujen linjausten mukaisesti. Tällaisissa tilanteissa RPM-Explorer ja vastaavat ohjelmistot tarjoavat osallistujille mahdollisuuden aihioiden omakohtaiseen ja vuorovaikutteiseen tunnistukseen. Näin osallistujat voivat itse nostaa esille omalta kannaltaan 14
18 kiinnostavimpia aihioita ja suunnata jatkotarkastelua tätä informaatiota hyväksi käyttäen. Analyysin aihiot voivat olla esimerkiksi vertailukelpoisia ja atomisia ideoita, hanke-ehdokkaita, projektiesityksiä tai tulevaisuusaiheita. 4.1 Vuorovaikutteisuuden ja omakohtaisuuden edut RPM-päätöstukiprosessin iteratiivinen tarkentuvuus ja ohjelmiston tarjoama mahdollisuus tarkastella analyysiä eri näkökulmista tarjoaa käyttäjälle helppokäyttöisen ja intuitiivisen herkkyyanalyysin. Täten RPM-Explorer vastaa herkkyanalyysin käyttötarkoituksiin (Pannell, 1997): (i) (ii) (iii) (iv) Päätöksenteko (kriittisten kohtien tunnistus, robustisuuden testaus, kokonaisriskin tarkastelu) Viestintä (sitouttaminen, vakuuttavuuden ja luotettavuuden lisäys, kriittisten oletusten esilletuominen) Ymmärrettävyyden lisääminen (kausaalisuhteiden hahmotus) Mallin kehitys (informaation hankinnan suuntaus) RPM-Explorerin käyttäjärajapinta voidaan nähdä vuorovaikutteisena tulosdokumenttina verrattuna staattisen dokumentin muodossa toimitettaviin analyysituloksiin. Tällainen puolivalmis raportti mahdollistaa analyysin painopisteen siirtämisen taustatyöstä analyysin hyödyntäjille siten, että sidosryhmät voivat paremmin osallistua prosessin tulosten jakoon. Lisäksi tietokonevusteisuus mahdollistaa suuren tietomassan ja monimutkaisen menetelmälogiikan esittämisen helpommin tulkittavassa muodossa, vaatimuksen analyysiin ja aineistoon syventymisestä ohjelmiston käyttöedellytyksenä ja eri näkökulmista tarkasteltavan analyysin välittämisen. Verkkopohjaiset apuvälineet mahdollistavat käytön aika- ja paikkariippumattomuuden ja tekevät siitä näin laajasti käytettävissä olevan (Salo, 2001). Lisäksi äätösanalyyttinen lähetymistapa voi itsessään johtaa vastuuntuntoisempaan, läpinäkyvämpään ja demokraattisesti paremmin puolustettavissa olevaan päätösprosessiin, joka on tärkeä etu prosessin lopputuleman lisäksi (Stirling et al., 2001). 15
19 4.2 Tunnistuksen sovellusalueita Vuorovaikutteinen tunnistus voidaan toteuttaa itsenäisesti internet-pohjaisella apuvälineellä, ryhmätyöskentelynä työpajoissa tai konsensushakuisen päätöksenteon yhteydessä. Tunnistusvaiheessa pyrkimykset voivat olla aina kollektiivisesta tiedonjaosta itseohjattavaan oppimiseen ja moninäkökulmaisen päätöksenteon tukemisesta sopimuksenomaiseen konsensushakuun. Tunnistus voi olla kertaluonteista aihiovalintaa, toistuvaa aihiokannasta poimintaa tai aika ajoin tehtävää aihiokannan ylläpitoa ja seulontaa. Tulokset voivat olla luonteeltaan joko (i) yksikäsitteisiä tai moniselitteisiä, (ii) robusteja tai summittaisia tai (iii) lopullisia tai suuntaavia. Systeemianalyysin laboratoriossa on kehitetty ja toteutettu useita toisiaan muistuttavia seulontaprosesseja, joissa aihioita työstetään, lajitellaan, analysoidaan ja priorisoidaan. Menetelmällisesti prosessit muistuttavat asiantuntijoiden mielipiteiden kartoittamiseen suunniteltua Delfoi-menetelmää (Linstone & Turoff, 1975), jolle ominaista ovat asiantuntija-näkemysten strukturointi etukäteiskyselyjen avulla, iteraatiot, osanottajien anonymiteetti, osallistujille annettu palaute ja vastausten koostaminen (Mannermaa, 2000). Systeemianalyysin laboratorion aiemmissa prosesseissa RPM-Explorerin tarjoamalla omakohtaisella tunnistuksella olisi voinut olla monikriteeristä analyysiä ja tulosten hyödyntämistä tukeva ja yhdistävä rooli (Kuva 12). Seuraavassa näistä muutamia: 16
20 Aihiolähteet Aihioiden tuottaminen Aihioiden arvioiminen Arviolähteet Monikriteerinen analyysi Omakohtainen tunnistus Tulosten hyödyntäminen Tulosten hyödyntäjät Toiminta Kuva 12 - Aihioiden omakohtainen tunnistus niveltää yhteen analyysin ja sen tulosten hyödyntämisen (vrt. Kuva 1). Innovointiprosessit. KTM:n Ennakointifoorumin aiheryhmien toimintaa tukeneessa verkkopohjaisessa prosessissa (Salo et al., 2005) omakohtainen tunnistus toimi apuvälineenä kollektiivisessa oppimisessa, analyysien jaossa sekä kiinnostavien innovaatioaihioiden itsenäisessä ja työpajapohjaisessa tunnistuksessa. Ennakointiprosessit. Ennakoinnissa muutostekijöihin ja osaamisalueisiin kohdistuvaa aihioseulontaa hyödynnetään Tekesin ja Suomen Akatemian Finnsight 2015 vii - ennakointihankkeessa syksyn 2005 ja alkutalven 2006 aikana. Priorisointiprosessit Ennakointifoorumin RPM-seulontaa vastaavia prosesseja käytettiin pohjoismaisen tutkimusohjelman painopisteidenasetannassa (Salo & Liesiö, 2005) ja Forest-Based Sector Technology Platform issa viii metsäsektorin strategisen tutkimusagendan määritelyyn (Könnölä et al., 2005). Parhaillaan menossa on yli 350:n osallistujan kansainvälisen tutkimusagendan muotoilu WoodWisdom-Net lle ix. vii FinnSight 2015 Tiede ja teknologia 2010-luvun Suomessa hanke: viii Developing the Strategic Research Agenda (SRA) for the Forest-Based Sector Technology Platform (FTP) hanke: ix Collaborative Shaping of Research Agendas in WoodWisdom-Net: 17
21 Niinikään näissä omakohtainen tunnistus toimisi apuvälineenä välivaiheiden tuloksia jalkautettaessa ja analysoitaessa. Projektivalinnat. Tiestön vuotuisen päällystysohjelman monikriteerinen valintatarkastelussa (Liesiö et al., 2005), luonnonarvokaupassa (METSO toimintaohjelma x ) ja tuotekehitysprojektien arvioinneissa (Salo & Käkölä, 2005) omakohtaisella tunnistuksella voisi olla ensisijaisesti päätöksentekoa tukeva rooli (Kuva 13). Projektilähteet Projektiaihioiden koostaminen Monikriteerinen analyysi Omakohtainen tunnistus Päätöksenteko Arviolähteet Päätöksentekijät Päätösten toimeenpano Kuva 13 - Projektivalinta, jossa päätöksenteossa hyödynnetään omakohtaista tunnistusta. Muita mahdollisia hyödyntämiskohteita ovat toiminnan evaluointi (TULI ohjelma xi ), tuoteportfolion valinta (Lindstedt et al. 2005) ja vaatimustenhallinta (Salo et al., 2005). Usein strategisessa suunnittelussa ongelmana on, että suunnittelu edustaa laskelmoivaa johtamista, eikä huomioi ryhmän jäsenten preferenssejä, kun taas sitouttava johtaminen osallistaa ihmisiä (Minzberg, 1994). Näin omakohtaisella tunnistuksella voisi olla strategiaprosessin aikana analyysiin sitouttava rooli myös strategisessa suunnittelussa. x METSO Etelä-Suomen metsien monimuotoisuusohjelma: xi Ex post analysis of a science-based innovation programme kuvaus: 18
22 5. YHTEENVETO JA PÄÄTELMÄT RPM-Explorer mahdollistaa omakohtaisen ja havainnollisen aihioiden verkkopohjaisen monikriteerisen tunnistuksen. Ohjelmistoa voidaan käyttää myös ryhmätyöskentelyn tukena työpajoissa ja konsensushakuisessa päätöksenteossa. Käyttötarkoituksesta riippuen ohjelmiston käyttö voi olla kertaluonteista (esim. tulostenjako, päätöksenteko), toistuvaa (esim. ideapankki) tai prosessinomaista (esim. jatkuvasti päivitettävä hanketietokanta). Aihioiden vuorovaikutteisen ja omakohtaisen tunnistuksen vahvuuksina voidaan pitää visualisointien tukemaa havainnollisuutta, mahdollisuutta eri näkökulmien esilletuomiseen ja testaamiseen, sekä vuorovaikutteisuuteen perustuvaa sitouttamista. Aihioiden tunnistuksen omakohtaisuus siirtää analyysin painopistettä taustatyöstä käyttäjäryhmille, ja nivoo yhteen monikriteerisen analyysin loppuvaiheen ja analyysien tuloksien hyödyntämisen. Voidaankin olettaa, että omakohtaisesti tunnistetut analyysin tulokset ovat sitouttavampia, vaikuttavampia, käytettävämpiä ja informatiivisempia kuin staattisella dokumentilla välitetyt. Vaikka RPM-Exploreria kehitettiin RPM menetelmään (Liesiö et al., 2005) perustuvana prototyyppityövälineenä, toimivat RPM-Explorerista saadut kokemukset pohjana myös omakohtaisen tunnistuksen menetelmäriippumattomalle toteuttamiselle. Jatkokehityksen kannalta olisi hyvä tarkentaa hyödynnetäänkö ohjelmistoa ensisijaisesti (i) analyysin tulosten jakamiseen, (ii) päätöksenteon tukemiseen vai (iii) tietokantaperusteiseen aihiovarastointiin. RPM-Explorerin monikäyttöisyyttä voidaan lisätä toteuttamalla ohjelmistoon lisää vaihtoehtoisia visualisointi- ja preferenssienkeräys -moduuleja. Ohjelman käytettävyyttä pitkissä laskennoissa voitaisiin parantaa laskentaa visualisoimalla, ja RPM-Solver -rajapinnan toteuttaminen helpottaisi ohjelman konfigurointivaihetta. Lisäksi dominoitujen portfolioiden karsintaan käytetty algoritmi voitaneen korvata tehokkaammalla (mukaanlukien heuristiset tai approksimatiiviset algoritmit (Weiss, 1999)). Suorituskykyä voidaan lisätä myös toteuttamalla tuki jo osittain kiinnitetylle preferenssi-informaatiolle portfolioiden määrän vähentämiseksi. 19
23 RPM-Explorer on jo herättänyt kiinnostusta, kun sitä on esitelty aihioiden monikriteerisestä analyysistä kiinnostuneille. Ohjelmisto on sellaisenaan valmis käyttöönottoon ja räätälöitävissä pienellä vaivalla erilaisia tarpeita varten. 6. LÄHTEET Brummer, V. (2005): Innovaatioaihioiden verkkopohjainen ideointi ja monikriteerinen seulonta. Diplomityö, Systeemianalyysin laboratorio, Teknillinen korkeakoulu. Könnölä, T., V. Brummer & A. Salo (2005): Diversity in Foresight: Insights from the Fostering of Innovation Ideas, käsikirjoitus, Liesiö, J., P. Mild & A. Salo (2005). Preference Programming for Robust Portfolio Modeling and Project Selection. Ilmestyy European Journal of Operational Research- lehdessä. Lindstedt M. R. K., R.P. Hämäläinen & J. Mustajoki (2001): Using Intervals for Global Sensitivity Analyses in Multiattribute Value Trees, Lecture Notes in Economics and Mathematical Systems, Murat Köksalan & Stanley Zionts (toim.), 507, Lindstedt, M., J. Liesiö & A. Salo (2005). Participatory Development of a Strategic Product Portfolio in a Telecommunication Company. Ilmestyy International Journal of Technology Management lehdessä. Linstone, H. A. & M. Turoff (toim.) (1975): The Delphi Method: Techniques and Applications, Addison-Wesley, Reading MA. Mannermaa, M. (toim.) (2000): Tulevaisuuden haltuunotto - PK-yrityksen ennakoinnin käsikirja, Työministeriö, Helsinki. Mild, P. (2004): Multicriteria Portfolio Analysis for Strategic Resource Allocation, Diplomityö, Systeemianalyysin laboratorio, Teknillinen Korkeakoulu. 20
24 Minzberg, H. (1994); The Fall and Rise of Strategic Planning, Harvard Business Review January-February 1994, Pannell, D.J. (1997) Sensitivity Analysis of Normative Economic Models: Theoretical Framework and Practical Strategies, Agricultural Economics 16, Salo, A. (2001): Incentives in Technology Foresight, International Journal of Technology Management 21: 7-8, Salo, A. & C. Cuhls (2003): Technology Foresight Past and Future, Journal of Forecasting 22: 2-3, Salo, A., V. Brummer & T. Könnölä (2005): Innovaatioaihioiden portfolioanalyysi KTM:n ennakointifoorumissa, Futura 2-3/2005, Salo, A. & T. K. Käkölä (2005): Groupware Support for Requirements Management in New Product Development, Journal of Organizational Computing and Electronic Commerce 15: 4, Salo, A. & J. Liesiö (2005): A Case Study in Participatory Priority-Setting for a Scandinavian Research Programme, ilmestyy aikakausjulkaisussa International Journal of Information Technology & Decision Making. Stirling, A., O. Renn, A. Klinke, A. Rip & A. Salo (2001): On Science and Precaution in the management of Technological Risk, Volume II, Case studies, Institute for Prospective Technological Studies, Seville. Weiss, M. A. (1999). Data Structures and Algorithm Analysis in Java, Addison- Wesley, Reading MA. 21
25 7. LIITE A RPM-MENETELMÄKUVAUS RPM tukee epätäydellisen informaation käsittelyä myös aihioiden kriteerikohtaisten arvojen osalta (Liesiö et al., 2005). Tässä kuitenkin oletamme tarkat kriteerikohtaiset arvot esityksen tiivistämiseksi. Esitetään m aihiota joukkona X { x,, } =, ja arvotetaan aihioita n:n kriteerin 1 K x m suhteen. Resurssityyppejä on yhteensä q. Aihion x j arvo kriteerin i suhteen olkoon v ij 0. Kriteereiden suhteellisesta tärkeydestä kertovat niitä vastaavat painot w i i 1,..., n, =. Muodostetetaan näistä painovektori w { w K } siten, että painojen summa on yksi. Projektin kokonaishyöty määritellään =, joka on skaalattu 1 w n V n ( x j w) =, w v (9.1) i= 1 i ij Portfolio p on osajoukko kaikista projekteista, eli voidaan laskea kaavalla p X, ja sen kokonaishyöty V n, wivij (9.2) ( p w) = V( x j, w) = x j p x j p i= 1 Portfolio p kuluttaa resurssia k määrän käytettävissä k C k ( p) = c kj x j p B, budjetti voidaan esittää vektorina B [ B K ] =. 1,. Kun resurssia k on B q Käypien portfolioiden joukko P F on portfolioiden joukon P osajoukko { B} koostuu resurssien puitteissa mahdollisista portfolioista, eli p C( p) P F P F P, joka =. 7.1 Epätäydellinen informaatio ja portfolioiden dominanssi Painoinformaatiolle voidaan määritellä käypä alue S w S. 22
26 Määritelmä 1 Portfolio S w S, jos V( p w) V( p', w) w S w p PF dominoi portfoliota, ja V ( p w) V( p', w) p P ' F, eli p f p' alueessa, > jollakin w S w Määritelmä 2 Portfolio p on tehokas alueessa w, jos ei ole olemassa PF Sw toista portfoliota p P ' F s.e. p' f p Tehokkaat portfoliot ovat siis portfolioita, joille ei löydy toista portfoliota, joka saisi suuremman arvon kaikilla mahdollisilla käyvillä kriteeripainoilla. Merkitään tehokkaiden portfolioiden joukkoa P P. N F 7.2 Ydinluku Portfoliot muodostuvat aihioista. Yksittäisen aihion hyvyyttä voidaan kuvata esimerkiksi ydinluvulla, joka määritellään seuraavasti: Määritelmä 3 Projektin ydinluku on kuvaus CI : X [ 0, 1] CI ( x) { p P x p} N N, jossa =. (9.3) P Aihion ydinluku määrittelee sen, kuinka suureen osaan tehokkaista portfolioista kyseinen aihio kuuluu. Aihiot, joiden ydinluku saa arvon yksi, kuuluvat kaikkiin tehokkaisin portfolioihin, ja aihiot joiden ydinluku on nolla, eivät kuulu yhteenkään tehokaista portfolioista. 23
27 8. LIITE B PARIVERTAILUJEN LASKENNALLINEN KOMPLEKSISUUS Ei-tehokkaiden portfolioiden selvittäminen kriteeripainoja ja aihioiden tehokkuusinformaatiota tarkennettaessa pohjautuu RPM-Explorerissa parittaisiin vertailuihin painovektorin eri ääripisteissä (Liesiö et al., 2005). Ääripisteiden generointi on toteutettu kirjaamalla painoalueen reunojen leikkaamiset (katso Mild (2004) s ). Kun aihioiden määrää on m kappaletta, näistä saatavien tehokkaiden portfolioiden lukumäärä N P on suuruusluokkaa O ( 2 m ). Kun lisäksi merkitään kriteereiden lukumäärää n:llä, ääripisteiden lukumäärän suuruusluokaksi saadaan O ( 2 n ) (todistus sivuutetaan, kolmella kriteerillä ääripisteitä on enintään neljä ja kuudella kriteerillä enintään 32). Kun eritellään tehokkaiden portfolioiden lukumäärät epätarkimmalla informaatiolla L P N ja tarkennetulla T T L P N ( PN PN PF ), saadaan informaatiota tarkennettaessa portfoliovertailujen kokonaislukumäärän suuruusluokaksi O L ( P P N T N n 2 ). Kun aihiokohtaisen arvot on esilaskettu painoalueen ääriarvopisteissä, L T n saadaan alkeisvertailujen kokonaislukumäärän suuruusluokaksi O( P P 2 m) N N. Epätodennäköisempiä pullonkauloja ovat (i) algoritmin muistinkulutus n L O( 2 m+ P m+ nm) ja (ii) algoritmin lähdeaineiston koko ja siirto verkon yli N O( P L N m+ nm). Algoritmin tehokkuutta voitaisiin parantaa siten, että pareittaisia vertailuja suorittava algoritmi päivittää reaaliaikaisesti tehokkaiden portfolioiden listaa, jolloin jo eitehokkaiksi todettuja portfolioita ei esiinny vertailuissa. Täten optimaalisella portfolioiden läpikäyntijärjestyksellä dominoidut portfoliot karsiutuvat pois jo alkuvaiheessa, ja portfolioiden välisten vertailujen lukumäärän suuruusluokaksi jää 2 T n O ( 2 ). Ehdotus tällaiseksi hyväksi järjestykseksi olisi vertailla P N maksimiarvoiltaan parhaita portfolioita maksimi- tai minimiarvoiltaan huonoimpiin. Koska tunnetut järjestämisalgoritmit järjestävät portfoliot niiden lähtölukumäärän 24
28 L n L L P suhteen ajassa O ( P 2 + P log P ), portfoliovertailujen lukumäärän L N 2 N N T n suuruusluokka O ( 2 ) määrää käytännössä tehostetun algoritmin kompleksisuuden. P N N 25
Innovaatioaihioiden vuorovaikutteinen tarkastelu monikriteerisessä RPM-seulonnassa
Mat-2.108 - Sovelletun matematiikan erikoistyö 15.12.2005 Erkka Jalonen erkka.jalonen@tkk.fi Innovaatioaihioiden vuorovaikutteinen tarkastelu monikriteerisessä RPM-seulonnassa 1. JOHDATO... 1 2. AIHIOIDE
LisätiedotAihioiden priorisointi ja portfolioanalyysi ennakoinnissa (valmiin työn esittely)
Aihioiden priorisointi ja portfolioanalyysi ennakoinnissa (valmiin työn esittely) Juha Kännö 23..22 Ohjaajat: TkL Antti Punkka, DI Eeva Vilkkumaa Valvoja: Prof. Ahti Salo Työn saa tallentaa ja julkistaa
LisätiedotKasvuyrityksen tuotekehitysportfolion optimointi (valmiin työn esittely)
Kasvuyrityksen tuotekehitysportfolion optimointi (valmiin työn esittely) Santtu Saijets 16.6.2014 Ohjaaja: Juuso Liesiö Valvoja: Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.
LisätiedotLisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa (valmiin työn esittely)
Lisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa (valmiin työn esittely) Jussi Hirvonen 23.03.2015 Ohjaaja: Eeva Vilkkumaa Valvoja: Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotPortfoliolähestymistapa CO2 - kiilapelin analysoinnissa (valmiin työn esittely) Tuomas Lahtinen
Portfoliolähestymistapa CO2 - kiilapelin analysoinnissa (valmiin työn esittely) Tuomas Lahtinen 07.05.2012 Ohjaaja: Raimo Hämäläinen Valvoja: Raimo Hämäläinen Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotTulevaisuustiedon paradoksit kokemuksia innovaatioaihioiden seulonnasta
Tulevaisuustiedon paradoksit kokemuksia innovaatioaihioiden seulonnasta Ahti Salo Teknillinen korkeakoulu PL 1100, 02015 TKK 1 2 3 Teknillinen korkeakoulu Ennakoinnin lähtökohtia Perustarve Järjestelmien
LisätiedotAihioiden priorisointi ja portfolioanalyysi ennakoinnissa
Juha Kännö Aihioiden priorisointi ja portfolioanalyysi ennakoinnissa Perustieteiden korkeakoulu Kandidaatintyö Espoo 23..22 Vastuuopettaja: Prof. Ahti Salo Työn ohjaajat: TkL Antti Punkka DI Eeva Vilkkumaa
LisätiedotRobust portfolio modeling (RPM) epätäydellisellä hintainformaatiolla ja projektiriippuvuuksilla
Robust portfolio modeling (RPM) epätäydellisellä hintainformaatiolla ja projektiriippuvuuksilla Mat-2.4142 Optimointiopin seminaari kevät 2011 Lähde: Liesiö, J., Mild, P., Salo, A., 2008. Robust portfolio
LisätiedotKaksi sovellusta robustien päätössuositusten tuottamisesta
Esitelmä 12 Antti Toppila sivu 1/19 Optimointiopin seminaari Kevät 2011 Kaksi sovellusta robustien päätössuositusten tuottamisesta Antti Toppila 2.3.2011 Esitelmä 12 Antti Toppila sivu 2/19 Optimointiopin
LisätiedotEpätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu (aihe-esittely)
Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu (aihe-esittely) Vilma Virasjoki 23.01.2012 Ohjaaja: Jouni Pousi Valvoja: Raimo P. Hämäläinen Työn saa tallentaa
LisätiedotJoonas Haapala Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen
Hävittäjälentokoneen reitin suunnittelussa käytettävän dynaamisen ja monitavoitteisen verkko-optimointitehtävän ratkaiseminen A*-algoritmilla (valmiin työn esittely) Joonas Haapala 8.6.2015 Ohjaaja: DI
LisätiedotKilpailutus ja yliopistojen tutkimusyksiköiden iden tehokkuus
Kilpailutus ja yliopistojen tutkimusyksiköiden iden tehokkuus Ahti Salo, Antti Silvast, Matti Ollila Helsinki Institute of Science and Technology Studies (HIST) sekä Matematiikan ja systeemianalyysin laitos
LisätiedotPäätösanalyyttisiä huomioita luonnonarvokaupasta
Päätösanalyyttisiä huomioita luonnonarvokaupasta Antti Punkka Systeemianalyysin laboratorio Teknillinen korkeakoulu http://www.sal.tkk.fi/ antti.punkka@tkk.fi 1 Sisältö METSO-ohjelma ja luonnonarvokauppa
Lisätiedotmonitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi Ohjaaja: Prof. Kai Virtanen Valvoja: Prof.
Epätäydellisen preferenssiinformaation hyödyntäminen monitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi 15.1.2018 Ohjaaja: Prof. Kai Virtanen Valvoja: Prof. Kai Virtanen Tausta Päätöspuu
LisätiedotUutisjärjestelmä. Vaatimusmäärittely. Web-palvelujen kehittäminen. Versio 1.3
Uutisjärjestelmä Vaatimusmäärittely Versio 1.3 Sisällys 1 Muutoshistoria... 4 2 Viitteet... 4 3 Sanasto... 4 3.1 Lyhenteet... 4 3.2 Määritelmät... 4 4 Johdanto...5 4.1 Järjestelmän yleiskuvaus... 5 4.2
LisätiedotMat Optimointiopin seminaari
reference rogramming portfoliopäätösanalyysissa: Robust ortfolio Modeling (RM) -menetelmä Lähteet: Mat-2.4142 Optimointiopin seminaari 16.2.2011 Liesiö, J., Mild,., Salo, A., 2007. reference programming
LisätiedotPreference Programming viitekehys: epätäydellisen preferenssi-informaation elisitointi ja mallintaminen, dominanssi
Preference Programming viitekehys: epätäydellisen preferenssi-informaation elisitointi ja mallintaminen, dominanssi Mat-2.4142 Optimointiopin seminaari 9.2.2011 Lähteet: Salo, A. & Hämäläinen, R. P., 2010.
LisätiedotLineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla
Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla Juho Andelmin 21.1.213 Ohjaaja: TkT Juuso Liesiö Valvoja: Prof. Raimo P. Hämäläinen Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotLisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa
Aalto-yliopisto Perustieteiden korkeakoulu Teknillisen fysiikan ja matematiikan tutkinto-ohjelma Lisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa kandidaatintyö 29.7.2015 Jussi Hirvonen
LisätiedotAMKEn luovat verkostot -seminaari 15.5.2012, Aulanko. Ennakointitiedon lähteitä henkilöstösuunnitteluun. Lena Siikaniemi henkilöstöjohtaja
AMKEn luovat verkostot -seminaari 15.5.2012, Aulanko Ennakointitiedon lähteitä henkilöstösuunnitteluun Lena Siikaniemi henkilöstöjohtaja PHKKn visio 2017 Olemme oppimisen ja kestävän uudistamisen kansainvälinen
LisätiedotProjektiportfolion valinta
Projektiportfolion valinta Mat-2.4142 Optimointiopin seminaari kevät 2011 Portfolion valinta Käytettävissä on rajallinen määrä resursseja, joten ne on allokoitava mahdollisimman hyvin eri projekteille
LisätiedotKandidaatintyön esittely: Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu
Kandidaatintyön esittely: Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu Vilma Virasjoki 19.11.2012 Ohjaaja: DI Jouni Pousi Valvoja: Professori Raimo P.
LisätiedotPreference Programming viitekehys tehokkuusanalyysissä
Preference Programming viitekehys tehokkuusanalyysissä Mat-2.4142 Optimointiopin seminaari kevät 2011 Salo, A., Punkka, A., 2011. Ranking Intervals and Dominance Relations for Ratio-Based Efficiency Analysis,
LisätiedotMat-2.4194 Research Course in Systems Science: Trends and Developments in Decision Analysis. Home Assignment
Mat-2.4194 Research Course in Systems Science: Trends and Developments in Decision Analysis Punkka / Liesiö Home Assignment Malli Tavoitteena on tarkastella siltojenkorjausohjelman laatimista RPM-menetelmällä.
LisätiedotProjektisuunnitelma. Projektin tavoitteet
Projektisuunnitelma Projektin tavoitteet Projektin tarkoituksena on tunnistaa erilaisia esineitä Kinect-kameran avulla. Kinect-kamera on kytkettynä tietokoneeseen, johon projektissa tehdään tunnistuksen
LisätiedotVaikutuskaavioiden ym. strukturointityökalujen
Vaikutuskaavioiden ym. strukturointityökalujen hyödyntäminen YVA- ja SOVA-arvioinneissa Jyri Mustajoki ja Mika Marttunen, SYKE IMPERIA-koulutustilaisuus Suomen ympäristökeskus, 25.9.2015 Järjestelmällinen
LisätiedotErkki Antila Teknillinen tiedekunta
9.10. 2012 Toimintakatsaus ja vuorovaikutussuhteet Erkki Antila Teknillinen tiedekunta Asialista Teknillinen tiedekunta Strategia Painoalat Koulutus ja tutkimus Koulutusohjelmat Tutkimustoiminta Tutkimusalusta
LisätiedotKURSSIEN POISTOT JA MUUTOKSET LUKUVUODEKSI
Liite 6.5/2/2016 Aalto-yliopisto Insinööritieteiden korkeakoulu KURSSIEN POISTOT JA MUUTOKSET LUKUVUODEKSI 2016-2017 RAKENNE- JA RAKENNUSTUOTANTOTEKNIIKAN KOULUTUSOHJELMA Valmistelija Seppo Hänninen (Päivi
LisätiedotTilastotieteellisiä malleja välimatka- ja suhdeasteikollisten preferenssien mittaamiseen. Pekka Leskinen ja Tuomo Kainulainen Metla
\esitelm\hki0506.ppt 18.5.2006 Tilastotieteellisiä malleja välimatka- ja suhdeasteikollisten preferenssien mittaamiseen Pekka Leskinen ja Tuomo Kainulainen Metla FORS-iltapäiväseminaari 24.5.2006: Operaatiotutkimus
LisätiedotTuotantotalouden tutkinto-ohjelma Korvavuusluettelo, päivitetty
Tuotantotalouden tutkinto-ohjelma Korvavuusluettelo, päivitetty 8.8.2011 1(7) TU-91 STRATEGINEN JOHTAMINEN Korvattava Korvaava Korvaava Korvaava Korvaava TU-91.100C Avoin koodi strategian ja kansainvälisen
LisätiedotOptimaalisen tuotekehitysportfolion valinta kasvuyrityksessä
Aalto-yliopisto Perustieteiden korkeakoulu Teknillisen fysiikan ja matematiikan tutkinto-ohjelma Optimaalisen tuotekehitysportfolion valinta kasvuyrityksessä Kandidaatintyö 21.8.2014 Santtu Saijets Työn
LisätiedotLyhyesti uusista DI-ohjelmista Isohenkilökoulutus to Opintoasianpäällikkö Mari Knuuttila
Lyhyesti uusista DI-ohjelmista 2015 Isohenkilökoulutus to 28.8.2014 Opintoasianpäällikkö Mari Knuuttila Master s Programmes at SCI Starting 2015 (in English) Master s Programme in Engineering Physics *
LisätiedotTietojärjestelmän osat
Analyysi Yleistä analyysistä Mitä ohjelmiston on tehtävä? Analyysin ja suunnittelun raja on usein hämärä Ei-tekninen näkökulma asiakkaalle näkyvien pääkomponenttien tasolla Tietojärjestelmän osat Laitteisto
LisätiedotAKATEEMISEN OSAAMISEN DOKUMENTOINTI
AKATEEMISEN OSAAMISEN DOKUMENTOINTI Tiina Kosunen tiina.kosunen@helsinki.fi Sisältö Portfolio??? Portfolion kaksi roolia Yliopistoportfolion rakenne ja sisältö Portfolio CV Hyvä / huono / turha portfolio
LisätiedotDepartment of Mathematics, Hypermedia Laboratory Tampere University of Technology. Roolit Verkostoissa: HITS. Idea.
Roolit Tommi Perälä Department of Mathematics, Hypermedia Laboratory Tampere University of Technology 25.3.2011 J. Kleinberg kehitti -algoritmin (Hypertext Induced Topic Search) hakukoneen osaksi. n taustalla
LisätiedotOptimaaliset riskinalentamisportfoliot vikapuuanalyysissä (valmiin työn esittely)
Optimaaliset riskinalentamisportfoliot vikapuuanalyysissä (valmiin työn esittely) Markus Losoi 30.9.2013 Ohjaaja: DI Antti Toppila Valvoja: prof. Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotEtelä-Savo ennakoi Ennakoinnin toimintamalli ja esavoennakoi.fi -alusta
Etelä-Savo ennakoi Ennakoinnin toimintamalli ja esavoennakoi.fi -alusta Tietoisku Anne Kokkonen ja Hanna Kautiainen Etelä-Savon ennakointiverkko -hanke Alueellinen ennakointi Järjestelmällinen, osallistava
LisätiedotHarjoitus 12: Monikriteerinen arviointi
Harjoitus 12: Monikriteerinen arviointi MS-C2107 Sovelletun matematiikan tietokonetyöt MS-C2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheet Monikriteerinen arviointi Kurssin opetusteemojen
LisätiedotCMMI CMMI CMM -> CMMI. CMM Capability Maturity Model. Sami Kollanus TJTA330 Ohjelmistotuotanto
CMM Capability Maturity Model CMMI Sami Kollanus TJTA330 Ohjelmistotuotanto 16.1.2007 Software Engineering Institute (SEI) www.sei.cmu.edu Perustettu vuonna 1984 Carnegie Mellon University 1985 SEI aloitti
LisätiedotEräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus
Eräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus Mat-2.4142 Optimointiopin seminaari 2.3.2011 Lähteet: Clemen, R. T., & Smith, J. E. (2009). On the Choice of Baselines
LisätiedotL models. Käyttöohje. Ryhmä Rajoitteiset
Teknillinen korkeakoulu T-76.115 Tietojenkäsittelyopin ohjelmatyö Lineaaristen rajoitteiden tyydyttämistehtävän ratkaisija L models Käyttöohje Ryhmä Rajoitteiset Versio Päivämäärä Tekijä Muutokset 0.1
LisätiedotBomgar etähuoltoohjelmisto
Bomgar etähuoltoohjelmisto Asiakasohje Tämän dokumentin tarkoituksena on kertoa Microksen asiakkaille, mitä asiakkaan tulee tehdä liittyäkseen Microksen asiakastuen lähettämään etähuoltoistuntokutsuun
LisätiedotGlobaalit arvoketjut Pk-yrityksen näkökulmasta*)
Globaalit arvoketjut Pk-yrityksen näkökulmasta*) Timo Seppälä 27. Elokuuta, 2014; Helsinki *) This research is a part of the ongoing research project Value Creation and Capture The Impact of Recycling
LisätiedotMat Optimointiopin seminaari
Lähde: Preferenssi-informaatio DEA-malleissa: Value Efficiency Analysis (VEA) -menetelmä Mat-2.4142 Optimointiopin seminaari 23.3.2011 Halme, M., Joro, T., Korhonen, P., Wallenius, J., 1999. A Value Efficiency
LisätiedotYLE Uutiset. Haastattelut tehtiin 23.3-15.4.2015 Kannatusarvio kuvaa tilannetta eduskuntavaalien puoluekannatuksessa.
PUOLUEIDEN KANNATUSARVIOT, huhtikuu 2015 (23.3.-15.4.2015) Toteutus Tämän haastattelututkimukseen perustuvan laskennallisen arvion puolueiden eduskuntavaalikannatuksesta on laatinut Taloustutkimus Oy YLE
LisätiedotKahden virtualisointiohjelmiston suorituskyvyn testaus (valmiin työn esittely)
Kahden virtualisointiohjelmiston suorituskyvyn testaus (valmiin työn esittely) Jani Laine 31.10.2017 Ohjaaja: DI Jimmy Kjällman Valvoja: Prof. Kai Virtanen Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotTietotekniikka ei riitä palvelujen tuottavuus ratkaisee. Olli Martikainen 19.3.2013
Tietotekniikka ei riitä palvelujen tuottavuus ratkaisee Olli Martikainen 19.3.2013 Miten tuottavuus syntyy? 1. Miten tuottavuus syntyy? Tuotanto voidaan kuvata työhön vaadittavien investointien ja itse
LisätiedotTKK 100 vuotta -merkki
TKK 100 vuotta -merkki jari laiho design studio WHO ARE YOU oy Merkin esittely TKK Viestintä elementit TKK Viestintä TKK Viestintä TKK Viestintä TKK Viestintä TKK Viestintä TKK Viestintä TKK Viestintä
Lisätiedotetunimi, sukunimi ja opiskelijanumero ja näillä
Sisällys 1. Algoritmi Algoritmin määritelmä. Aiheen pariin johdatteleva esimerkki. ja operaatiot (sijoitus, aritmetiikka ja vertailu). Algoritmista ohjelmaksi. 1.1 1.2 Algoritmin määritelmä Ohjelmointi
LisätiedotEnnakointi, tulevaisuusajattelu ja strategiset tiekartat
VTT TECHNICAL RESEARCH CENTRE OF FINLAND LTD Ennakointi, tulevaisuusajattelu ja strategiset tiekartat Mikko Dufva Foresight, organizational dynamics and systemic change team, VTT mikko.dufva@vtt.fi @mdufva
LisätiedotPeliteoria luento 1. May 25, 2015. Peliteoria luento 1
May 25, 2015 Tavoitteet Valmius muotoilla strategisesti ja yhteiskunnallisesti kiinnostavia tilanteita peleinä. Kyky ratkaista yksinkertaisia pelejä. Luentojen rakenne 1 Joitain pelejä ajanvietematematiikasta.
LisätiedotCMM Capability Maturity Model. Software Engineering Institute (SEI) Perustettu vuonna 1984 Carnegie Mellon University
CMMI Sami Kollanus TJTA330 Ohjelmistotuotanto 13.3. CMM Capability Maturity Model Software Engineering Institute (SEI) www.sei.cmu.edu Perustettu vuonna 1984 Carnegie Mellon University 1985 SEI aloitti
LisätiedotCMMI CMM -> CMMI. CMM Capability Maturity Model. Sami Kollanus TJTA330 Ohjelmistotuotanto Software Engineering Institute (SEI)
CMMI Sami Kollanus TJTA330 Ohjelmistotuotanto 13.3. CMM Capability Maturity Model Software Engineering Institute (SEI) www.sei.cmu.edu Perustettu vuonna 1984 Carnegie Mellon University 1985 SEI aloitti
LisätiedotBachelor level exams by date in Otaniemi
Bachelor level exams by date in Otaniemi 2015-2016 (VT1 means that the place of the exam will be announced later) YOU FIND INFORMATION ABOUT THE PLACE OF THE EXAM IN OTAKAARI 1 U-WING LOBBY (M DOOR) Day
LisätiedotRikasta Pohjoista 2019 Uudistuva teollisuus Teollisten innovaatioiden tulevaisuus
Rikasta Pohjoista 2019 Uudistuva teollisuus Teollisten innovaatioiden tulevaisuus Harri Haapasalo Tuotantotalouden professori Tuotannollisen yrityksen johtaminen, tuotekehitys ja innovaatiotoiminta harri.haapasalo@oulu.fi
LisätiedotBachelor level exams by subject in Otaniemi
Bachelor level exams by subject in Otaniemi 2015-2016 (VT1 means that the place of the exam will be announced later) YOU FIND INFORMATION ABOUT THE PLACE OF THE EXAM IN OTAKAARI 1 U-WING LOBBY (M DOOR)
LisätiedotRound table 27.3.2014 Aineeton pääoma mikä on sen merkitys ja voiko sitä mitata? Christopher Palmberg
Round table 27.3.2014 Aineeton pääoma mikä on sen merkitys ja voiko sitä mitata? Christopher Palmberg Innovaatiotutkimus eli innovaatioympäristöä palveleva tutkimus Tutkimuksen kohteena on innovaatioiden
LisätiedotLineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla
Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla Juho Andelmin 21.01.2013 Ohjaaja: TkT Juuso Liesiö Valvoja: Prof. Raimo P. Hämäläinen Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotPeliteoria luento 2. May 26, 2014. Peliteoria luento 2
May 26, 2014 Pelien luokittelua Peliteoriassa pelit voidaan luokitella yhteistoiminnallisiin ja ei-yhteistoiminnallisiin. Edellisissä kiinnostuksen kohde on eri koalitioiden eli pelaajien liittoumien kyky
LisätiedotProjektin loppuraportti. Lajirikkauskartta 31.12.2015. Lilli Linkola, Open Knowledge Finland ry, lilli.linkola@okf.fi
Lajirikkauskartta 31.12.2015 Lilli Linkola, Open Knowledge Finland ry, lilli.linkola@okf.fi Sisällysluettelo Projektin loppuraportti 1. Projektin perustiedot 2. Projektin lähtökohdat 3. Tiivistelmä projektin
LisätiedotWWW-osoite www.tekes.fi Virallinen sähköpostiosoite kirjaamo@tekes.fi Emoyhtiön konsernin nimi Yksikön nimi. Diaari 340/31/2016
Hakemuksen tiedot Onko kyseessä Tutkimusorganisaatio Rahoitus yliopistoille, ammattikorkeakouluille ja muille tutkimusorganisaatioille Elinkeinoelämän kanssa verkottuneeseen tutkimukseen Organisaation
LisätiedotOP-eTraderin käyttöopas
OP-eTraderin käyttöopas Tämä käyttöopas on lyhennetty versio virallisesta englanninkielisestä käyttöoppaasta, joka löytyy etrader - sovelluksen Help-valikosta tai painamalla sovelluksessa F1 -näppäintä.
LisätiedotProjektin tavoitteet
VBE II, vaihe 1: 2005-2006 Data yrityksistä ja rakennushankkeista TUT Tekniset ratkaisut RAK (VRLab)+ARK iroom validointi Työpajat Seminaarit Esitelmät Osallistuvat yritykset VTT Käyttöönotto- ja hyötymallit,
LisätiedotJulkisen hallinnon linjaukset tiedon sijainnista ja hallinnasta. Yhteenveto. Taustaa linjauksille. Linjausten tavoitteet. Lausunto
Lausunto 04.09.2018 Asia: VM/276/00.01.00.01/2018 Julkisen hallinnon linjaukset tiedon sijainnista ja hallinnasta Yhteenveto Kommentit yhteenvetoon: Seuraavat kommentit linjauksiin: 2. Riippuen palveluntarjoajasta
LisätiedotESR-PROJEKTIN VÄLIRAPORTTI
ESR-PROJEKTIN VÄLIRAPORTTI Ohjelmakausi 2007-2013 Viranomaisen merkintöjä Saapumispvm 29.01.2014 Diaarinumero POPELY/164/2014 Käsittelijä Verna Mustonen Puhelinnumero 0295 023 573 Projektikoodi S12432
LisätiedotRakentamisen 3D-mallit hyötykäyttöön
Rakentamisen 3D-mallit hyötykäyttöön 1 BIM mallien tutkimuksen suunnat JAO, Jyväskylä, 22.05.2013 Prof. Jarmo Laitinen, TTY rakentamisen tietotekniikka Jarmo Laitinen 23.5.2013 Jarmo Laitinen 23.5.2013
Lisätiedot1. Algoritmi 1.1 Sisällys Algoritmin määritelmä. Aiheen pariin johdatteleva esimerkki. Muuttujat ja operaatiot (sijoitus, aritmetiikka ja vertailu). Algoritmista ohjelmaksi. 1.2 Algoritmin määritelmä Ohjelmointi
LisätiedotPERSONEC HR-JÄRJESTELMÄ Käyttöohje Yksikön johtaja
PERSONEC HR-JÄRJESTELMÄ Käyttöohje Yksikön johtaja Personec HR-järjestelmä sisältää valtion palkkausjärjestelmän (yliopistot) arviointilomakkeet, joihin tallennetut tiedot siirtyvät järjestelmässä VPJ-arviointiprosessin
LisätiedotTYÖHYVINVOINNIN JA TUOTANTOTYÖN KEHITTÄMISEN FOORUMI -HANKE
TYÖHYVINVOINNIN JA TUOTANTOTYÖN KEHITTÄMISEN FOORUMI -HANKE Loppuraportti 10.6.2014 Tommi Autio ja Janne Sinisammal 1. Hankkeen tavoitteet Työhyvinvoinnin ja tuotantotyön kehittämisen foorumi -hankkeen
LisätiedotComputing Curricula 2001 -raportin vertailu kolmeen suomalaiseen koulutusohjelmaan
Computing Curricula 2001 -raportin vertailu kolmeen suomalaiseen koulutusohjelmaan CC1991:n ja CC2001:n vertailu Tutkintovaatimukset (degree requirements) Kahden ensimmäisen vuoden opinnot Ohjelmistotekniikan
LisätiedotIT-PÄÄTTÄJÄBAROMETRI 2016 ATEA FINLAND OY
IT-PÄÄTTÄJÄBAROMETRI 2016 ATEA FINLAND OY It-päättäjäbarometri 2016 Atean it-päättäjäbarometri toteutettiin kuudetta kertaa huhtikuun 2016 aikana sähköisenä kyselylomakkeena. Kyselyyn vastasi määräaikaan
LisätiedotRATKI 1.0 Käyttäjän ohje
RATKI RATKI 1.0 Käyttäjän ohje Ohje 0.5 Luottamuksellinen Vastuuhenkilö Petri Ahola Sisällysluettelo 1. Yleistä... 3 1.1. Kuvaus... 3 1.2. Esitiedot... 3 1.3. RATKIn käyttöoikeuksien hankinta... 3 1.4.
LisätiedotHavaintoja suomalaisista ja pohjoismaisista peruskirjahakemuksista Irma Garam CIMO 28.5.2015
Erasmus Charter for Higher Education (ECHE) Havaintoja suomalaisista ja pohjoismaisista peruskirjahakemuksista Irma Garam CIMO 28.5.2015 Pohjoismainen ECHE-hanke ECHE-dokumenttien tarkastelu ja vertailu
LisätiedotWWW-osoite Virallinen sähköpostiosoite noreply@tekes.fi Emoyhtiön konsernin nimi Yksikön nimi. Diaari 1392294360756/0/2014
Hakemuksen tiedot Onko kyseessä Tutkimusorganisaatio Rahoitus yliopistoille, ammattikorkeakouluille ja muille tutkimusorganisaatioille Elinkeinoelämän kanssa verkottuneeseen tutkimukseen Organisaation
LisätiedotTutkinnonuudistus ja uudet DI-ohjelmat / Teknillinen fysiikka ja matematiikka. Infotilaisuus
Tutkinnonuudistus ja uudet DI-ohjelmat / Teknillinen fysiikka ja matematiikka Infotilaisuus 10.11.2014 DI-tutkinnonuudistuksen aikataulu Uudet DI-ohjelmat aloittavat 1.8.2015 Vanha tutkinto valmiiksi 31.10.2016
LisätiedotFUAS ja sen toiminnallisen ohjauksen malli
FUAS ja sen toiminnallisen ohjauksen malli 01.02.2012 Suomen suurin ammattikorkeakoulukokonaisuus FUAS toimii Helsingin laajalla metropolialueella Opiskelijoita 21.000 HAMK LAMK Henkilöstöä 1.700 Liikevaihto
LisätiedotTyöhyvinvointi ja tuottavuus
Työhyvinvointi ja tuottavuus DI HTT Marko Kesti marko.kesti@mcompetence.com EVP HRM-Performance, Mcompetence Oy Researcher, Lapin Yliopisto Tietokirjailija, Suomen tietokirjailijat ry Henkilöstö on yrityksen
LisätiedotPäätösanalyysi Teknologföreningenin kiinteistöuudistuksen tukena (valmiin työn esittely)
Päätösanalyysi Teknologföreningenin kiinteistöuudistuksen tukena (valmiin työn esittely) Sara Melander 1.11.2016 Ohjaaja: DI Malin Östman Valvoja: Prof. Kai Virtanen Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotMonitavoitteiseen optimointiin soveltuvan evoluutioalgoritmin tarkastelu
Monitavoitteiseen optimointiin soveltuvan evoluutioalgoritmin tarkastelu (Valmiin työn esittely) 11.4.2011 Ohjaaja: Ville Mattila Valvoja: Raimo Hämäläinen Työn tavoite Tutkia evoluutioalgoritmia (Lee
LisätiedotPäivitetty 9.5.2012. Text Mining -käyttöopas
Päivitetty 9.5.2012 Text Mining -käyttöopas WEBROPOL ANALYTICS: TEXT MINING Mitä tarkoittaa kun asiakkaat tai henkilöstö antavat arvosanan 3.1 o Keskiarvoa informatiivisempaa ovat taustalla olevat syyt
LisätiedotPaavo Kyyrönen & Janne Raassina
Paavo Kyyrönen & Janne Raassina 1. Johdanto 2. Historia 3. David Deutsch 4. Kvanttilaskenta ja superpositio 5. Ongelmat 6. Tutkimus 7. Esimerkkejä käyttökohteista 8. Mistä näitä saa? 9. Potentiaali 10.
LisätiedotPaneelitoiminta osana arviointiprosessia. Tuomo Suortti Strategiset tutkimusavaukset info
Paneelitoiminta osana arviointiprosessia Tuomo Suortti Strategiset tutkimusavaukset info 28.1.2014 Paneeliarviointi osana strategisten tutkimusavausehdotusten arviointiprosessia Tekes pyytää suosituksen
LisätiedotText Mining. Käyttöopas
Text Mining Käyttöopas Webropol Analytics: Text Mining Mitä tarkoittaa kun asiakkaat tai henkilöstö antavat arvosanan 3.1 Keskiarvoa informatiivisempaa ovat taustalla olevat syyt Onko sinulla aikaa lukea
LisätiedotMESTA työkalu suunnitelmavaihtoehtojen monikriteeriseen vertailuun ja parhaan vaihtoehdon etsintään
MESTA työkalu suunnitelmavaihtoehtojen monikriteeriseen vertailuun ja parhaan vaihtoehdon etsintään Metsäsuunnittelu verkossa ja verkostoissa seminaari, Tikkurila 23.4.2008 MMM Teppo Hujala Metla Joensuu
LisätiedotKÄYTTÖOHJE. Servia. S solutions
KÄYTTÖOHJE Servia S solutions Versio 1.0 Servia S solutions Servia Finland Oy PL 1188 (Microkatu 1) 70211 KUOPIO puh. (017) 441 2780 info@servia.fi www.servia.fi 2001 2004 Servia Finland Oy. Kaikki oikeudet
LisätiedotT-111.361 Hypermediadokumentin laatiminen. Sisältö. Tavoitteet. Mitä on www-ohjelmointi? Arkkitehtuuri (yleisesti) Interaktiivisuuden keinot
T-111.361 Hypermediadokumentin laatiminen -Ohjelmointi Peruskäsitys www-ohjelmoinnin kentästä Tekniikat interaktiivisuuden toteuttamiseen tekniikat tekniikat Tietokannat Juha Laitinen TKK/TML juha.laitinen@hut.fi
LisätiedotLiikkuvien työkoneiden etäseuranta
Liikkuvien työkoneiden etäseuranta TAMK IoT Seminaari 14.4.2016 2 1) IoT liiketoiminnan tukena 2) Iot ja liikkuvat työkoneet 3) Case esimerkit 4) Yhteenveto, johtopäätökset, tulevaisuuden näkymät Cinia
Lisätiedot7.4 Sormenjälkitekniikka
7.4 Sormenjälkitekniikka Tarkastellaan ensimmäisenä esimerkkinä pitkien merkkijonojen vertailua. Ongelma: Ajatellaan, että kaksi n-bittistä (n 1) tiedostoa x ja y sijaitsee eri tietokoneilla. Halutaan
LisätiedotLukio ja sähköiset ylioppilaskirjoitukset Tieto- ja viestintätekniikka selvitys 2014
Lukio ja sähköiset ylioppilaskirjoitukset Tieto- ja viestintätekniikka selvitys 2014 Kurt Torsell Kartoituksen toteutus Suomen Kuntaliitto toteutti syksyllä 2013 ensimmäistä kertaa kouluille suunnatun
LisätiedotLineaaristen monitavoiteoptimointitehtävien
Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Jerri Nummenpalo 17.09.2012 Ohjaaja: TkT Juuso Liesiö Valvoja: Prof. Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.
LisätiedotTULEVAISUUDEN YHTEISKUNTAA JOHDETAAN TIEDOLLA
TULEVAISUUDEN YHTEISKUNTAA JOHDETAAN TIEDOLLA 7.11.2017 / Jyväskylä Harri Laihonen Tutkimusjohtaja, PhD, KTM AGENDA 1. Tietojohtamisen silmälasit 2. Miltä maailma näyttää näillä laseilla tänään ja huomenna?
LisätiedotSuunnitteluvaihe prosessissa
Suunnittelu Suunnitteluvaihe prosessissa Silta analyysin ja toteutuksen välillä (raja usein hämärä kumpaankin suuntaan) Asteittain tarkentuva Analyysi -Korkea abstraktiotaso -Sovellusläheiset käsitteet
LisätiedotYhteisöllinen mallintaminen ja hajautetut mallit Ari Jolma Aalto-yliopisto. Mallinnusseminaari 2011 Lahti. Ari Jolma 1
Yhteisöllinen mallintaminen ja hajautetut mallit Ari Jolma Aalto-yliopisto Mallinnusseminaari 2011 Lahti Ari Jolma 1 Informaatio vs aine Informaatio ei ole kuten aine, sen kopiointi ei maksa juuri mitään
LisätiedotDigitaalisuus, teollinen internet ja SHOKien kehitysnäkymät. Pääjohtaja Pekka Soini Tekes FIMECCin vuosiseminaari, Tampere 17.9.
Digitaalisuus, teollinen internet ja SHOKien kehitysnäkymät Pääjohtaja Pekka Soini Tekes FIMECCin vuosiseminaari, Tampere 17.9.2014 Digitaalisuus ravistelee kaikkia aloja Digitaalisuus Markkinoille vienti
LisätiedotLaaja-alainen, opiskelijalähtöinen ja projektiperusteinen opetussuunnitelma, case Monitori
Laaja-alainen, opiskelijalähtöinen ja projektiperusteinen opetussuunnitelma, case Monitori Insinöörikoulutuksen Foorumi 2012 Seminaariesitelmä Timo Turunen ja Matti Welin Monitori koulutusalarajat ylittävä
LisätiedotOpetuksen ja opiskelun tehokas ja laadukas havainnointi verkkooppimisympäristössä
Opetuksen ja opiskelun tehokas ja laadukas havainnointi verkkooppimisympäristössä Jukka Paukkeri (projektitutkija) Tampereen Teknillinen Yliopisto Matematiikan laitos Intelligent Information Systems Laboratory
LisätiedotSPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö
SPSS-pikaohje Jukka Jauhiainen OAMK / Tekniikan yksikkö SPSS on ohjelmisto tilastollisten aineistojen analysointiin. Hyvinvointiteknologian ATK-luokassa on asennettuna SPSS versio 13.. Huom! Ainakin joissakin
LisätiedotPUOLUEIDEN KANNATUSARVIOT
PUOLUEIDEN KANNATUSARVIOT YLE Uutiset Syyskuu 2018 (10.09.2018-02.10.2018) Tutkimuksen toteutus: Tilaaja Toteuttaja YLE Uutiset Taloustutkimus Oy Tiedonkeruun ajankohta 10.9.-2.10.2018 Kohde Tiedonkeruumenetelmä
LisätiedotMalliperustainen ohjelmistokehitys - MDE Pasi Lehtimäki
Malliperustainen ohjelmistokehitys - MDE 25.9.2007 Pasi Lehtimäki MDE Miksi MDE? Mitä on MDE? MDA, mallit, mallimuunnokset Ohjelmistoja Eclipse, MetaCase Mitä jatkossa? Akronyymiviidakko MDE, MDA, MDD,
LisätiedotJIK-HANKE. Liikelaitoskuntayhtymän perustaminen 14.2.2008
JIK-HANKE Liikelaitoskuntayhtymän perustaminen 14.2.2008 Asialista NHG:n esittely Sosiaali- ja terveydenhuollon yleisiä haasteita Projektin sisältö Toimeksianto ja tavoitteet Toteutus Aikataulu Keskustelu
Lisätiedot