Projektiportfolion valinta
|
|
- Elsa Lahti
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Projektiportfolion valinta Mat Optimointiopin seminaari kevät 2011
2 Portfolion valinta Käytettävissä on rajallinen määrä resursseja, joten ne on allokoitava mahdollisimman hyvin eri projekteille budjetointi. Tarkoituksena valita mahdollisista projekteista paras kombinaatio eli paras portfolio. Yhden projektin valitseminen tarkoittaa, että muuhun jää vähemmän resursseja. Rajoittavia tekijöitä esimerkiksi rahoitus, tila ja aika.
3 Portfolion valinta: Esimerkkejä R&D-projektien valinta Mitkä vaihtoehdot valita erilaisista aurinkoenergian sovelluksista tarkemmin tutkittaviksi? Investointikohteiden valinta Mitkä sillat valita korjattavaksi? Tuoteportfolion valinta Mitä tuotteita myydä ja millä markkinoilla?
4 Portfolion valinta: Esimerkkejä Organisaatioiden budjettien suunnittelu Yhdysvaltojen puolustusvoimien menojen budjetointi 1960-luvulta lähtien Terveydenhuolto Organisaatioiden kehittäminen ja uudistukset Euroopan lentoliikenteen operatiivisen johtamisen parantaminen
5 Yleisiä piirteitä portfolion valinnassa Vaihtoehtoja on paljon, kymmenistä tuhansiin. Kenelläkään yksittäisellä ihmisellä ei voi olla täyttä ymmärrystä kaikista mahdollisista projekteista. Ihmiset saattavat haluta valita projekteja toteutettavaksi vääristä syistä. Tarvitaan työkaluja helpottamaan vaihtoehtojen vertailua.
6 Hyötykustannusanalyysi (Benefit/Cost Analysis) Useita vaihtoehtoisia projekteja, joista vain pieni osa voidaan toteuttaa eli valita portfolioon. Yksittäisen projektin i hyöty b i tai kustannus c i ei muutu yhdistettäessä muihin projekteihin. Valitaan korkeimman b i /c i -suhteen omaavia projekteja kunnes budjetti on täynnä. Tuottavuusindeksi b i c i /c i antaa vastaavantyyppisiä tuloksia.
7 Hyötykustannusanalyysi: Esimerkki Tarkastellaan 12 projektia, joiden hinnat ja hyödyt tunnetaan. Budjettirajoite euroa. Lasketaan jokaisella projektille hyöty/kustannus (kerrotaan skaalauksen vuoksi). Järjestetään projektit hyöty/kustannus suhteen mukaan suurimmasta pienimpään. Valitaan projekteja kunnes seuraava projekti ei enää mahdu budjettiin.
8 Projekti Kustannus ( ) Hyöty Hyöty/ Kustannus ,3364 2, ,5241 1, ,4127 1, ,4527 1, ,5293 0, ,4127 0, ,4363 0, ,3460 0, ,6865 0, ,3589 0, ,4260 0, ,0000 0,000 0,
9 Projekti Kustannus ( ) Hyöty Hyöty/ Kustannus Kum. kustannus Kum. hyöty ,3364 2, , ,5241 1, , ,4127 1, , ,4527 1, , ,5293 0, , ,4127 0, , ,4363 0, , ,3460 0, , ,6865 0, , ,3589 0, , ,4260 0, , ,0000 0, ,9216
10
11 On mahdollista löytää portfolio jolla saadaan suurempi hyöty ja isompi osa budjetista käytettyä kuin hyötykustannusanalyysilla. Ei kuitenkaan ole mahdollista löytää portfoliota, jolla saataisiin enemmän hyötyä kulutettua euroa kohden. Budjetti ( ) Valitaan projektit Kustannus ( ) Hyöty Rahaa yli ( ) Portfolion hyöty/kustannus ja , , ja , ,9685
12 Hyötykustannusanalyysi - Yksi budjettirajoite kerrallaan. - Jokaisen projektin on oltava suhteessa pieni kokonaisuuteen verrattuna. - Ei käytä tehokkaasti koko budjettia ja mahdollisesti ylijäävä raha. + Yksinkertainen toteuttaa. + Sopii alustaviin tutkimuksiin. + On pohdittava onko monimutkaisilla menetelmillä saatava parannus käytetyn rahamäärän ja ajan arvoinen.
13 Optimointi Perustehtävää on helppo laajentaa monimutkaisempiin rajoitteisiin. Useita budjettirajoitteita Projektit kestävät useamman aikaperiodin yli. Projektit eivät ole riippumattomia toisistaan. Yhdestä projektista on useampia variaatioita. Projekti voidaan valita ainoastaan, jos myös joku toinen projekteista valitaan.
14 Optimointi m c i b i x i C riippumatonta projektia projektin i kustannus projektin i hyöty binäärinen päätösmuuttuja budjetti s. e. Max x i m i=1 m i=1 b i x i c i x i C 0,1 i = 1,, m
15 Optimointi: Esimerkki Valitaan kuuden tuotekehittelyprojektin (P1-P6) välillä. Kahdesta ensimmäisestä projektista on kummastakin kolme mahdollista vaihtoehtoa. Kaikki projektit kestävät viisi vuotta, ja jokaisella vuodella on oma budjettirajoitteensa. Projektit P1, P4 ja P5 mahdollistavat potentiaalisesti hyvän tuotteen 1 suunnittelun ja projektit P2 ja P3 tuotteen 2.
16 Projekti Arvo Vuosittainen vaadittu budjetti Vaadittu työ Tuote Tuote 1 2 P1.1 0, Kyllä Ei P1.2 0,12 2 1,5 1,5 1 0 Kyllä Ei P1.3 0,1 2 1,5 1,5 1 1 Kyllä Ei P2.1 0,3 4,5 5, Ei Kyllä P2.2 0, Ei Kyllä P2.3 0,18 1,5 2,5 2,5 2 0 Ei Kyllä P3 0, Ei Kyllä P4 0, ,5 1,5 1,5 Kyllä Ei P5 0,25 2 2,5 5 2,5 1 Kyllä Ei P6 0,21 0 1,5 3,5 1,5 0,5 Ei Ei Budjetti
17 Max s.e. 10 i=1 10 i=1 b i x i c ij x i C j j = 1,, 5 3 i=1 x i 1 ja i=4 x i 1 6 i 1,2,3,8,9 x i 1 i 4,5,6,7 x i 1 x i 0,1 i = 1,, 10
18 Tuotteiden 1 ja 2 valmistaminen halutaan varmistaa valitsemalla tietyistä suunnitelmista. Max s.e. 10 i=1 10 i=1 3 b i x i c ij x i C j j = 1,, 5 i=1 x i 1 ja i=4 x i 1 6 Jokaiselle viidestä vuodesta on oma budjettirajoite. i 1,2,3,8,9 x i 1 i 4,5,6,7 x i 1 x i 0,1 i = 1,, 10 Kahdesta ensimmäisestä projektista on kummastakin kolme vaihtoehtoa, joista vain yksi voidaan valita.
19 Projekti Päätösmuuttuja Arvo Vuosittainen vaadittu budjetti Sama Vaadittu työ tuote Tuote Tuote 1 2 P1 P2 P , P ,12 2 1,5 1, P ,1 2 1,5 1, P ,3 4,5 5, P , P ,18 1,5 2,5 2, P3 0 0, P4 1 0, ,5 1,5 1, P5 1 0,25 2 2,5 5 2, P6 0 0,21 0 1,5 3,5 1,5 0, Yhteensä 0,77 6, , Budjetti
20 Optimointi Tehtävä on lineaarinen, mikä mahdollistaa sen tehokkaan ratkaisemisen. esim. Excelin Solver-lisäosalla. Menetelmää mahdollista hyödyntää myös, kun päätösmuuttujat ovat jatkuvia. Ei-lineaarisissa tehtävissä alkuarvojen merkitys kasvaa.
21 Kotitehtävä Kirkwood, G. W., Strategic Decision Making: Multiobjective Decision Analysis with Spreadsheets, Duxbury Press, Wadsworth Publishing Company, pp Tehtävien 8.3 ja 8.4 perusteella. Ohjelmistoyrityksellä on 9100 tuntia käytettävissä seuraavana vuonna uusien projektien toteuttamiseen. Valinta tehdään 14 projektista, joihin kuluvat ajat ja joista saatavat hyödyt tunnetaan.
22 Projekti Hyöty Aika 1 0, , , , , , , , , , , , , , Mitkä projekteista valitaan hyötykustannusanalyysin perusteella?
23 Kotitehtävä Nyt yrityksen johto kuitenkin huomaa, että kaikki koodaajat eivät osaa kaikkia kieliä. Tehtävä on ratkaistava uudestaan tapauksessa, kun kolmelle ohjelmointikielelle on jokaiselle oma budjettirajoitteensa.
24 Projekti Hyöty Aika Excel Access C 1 0, , , , , , , , , , , , , , Rajoite Mitkä projektit nyt valitaan toteutettaviksi käyttäen hyödyksi kokonaislukuoptimointia?
25 Lähteet Kirkwood, G. W., Strategic Decision Making: Multiobjective Decision Analysis with Spreadsheets, Duxbury Press, Wadsworth Publishing Company, pp Luenberger, D.G., Investment Science, Oxford University Press, pp Kleinmuntz, D. N., Resource Allocation Decisions, in: Edwards et al. (eds): Advances in Decision Analysis - From Foundations to Applications. Cambridge University Press, pp
Projektiportfolion valinta
Projektiportfolion valinta Mat-2.4142 Optimointiopin seminaari kevät 2011 Kotitehtävän 1 ratkaisu Kotitehtävä Kirkwood, G. W., 1997. Strategic Decision Making: Multiobjective Decision Analysis with Spreadsheets,
LisätiedotSovelluksia additiivisen arvofunktion käytöstä projektiportfolion valinnassa
Sovelluksia additiivisen arvofunktion käytöstä projektiportfolion valinnassa Mat-2.4142 Optimointiopin seminaari kevät 2011 Kleinmuntz ja Kleinmuntz1999 TEHTÄVÄ Sairaalan strategisen investointibudjetin
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
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
LisätiedotHarjoitus 4: Matlab - Optimization Toolbox
Harjoitus 4: Matlab - Optimization Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Optimointimallin muodostaminen
LisätiedotLuento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu
Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) on voimassa
LisätiedotAdditiivinen arvofunktio projektiportfolion valinnassa
Esitelmä 5 Antti Toppila sivu 1/19 Optimointiopin seminaari Kevät 2011 Additiivinen arvofunktio projektiportfolion valinnassa Antti Toppila 2.2.2011 Esitelmä 5 Antti Toppila sivu 2/19 Optimointiopin seminaari
LisätiedotSovellus: Portfoliopäätösanalyysi lentoliikenteen parantamisen tukena
Sovellus: Portfoliopäätösanalyysi lentoliikenteen parantamisen tukena Mat-2.4142 Optimointiopin seminaari kevät 2011 Sisällys 1. Ongelma: Lentoliikenteen parannus 2. Ongelma: Projektien valinta 3. Esimerkki
LisätiedotTalousmatematiikan perusteet: Luento 11. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla
Talousmatematiikan perusteet: Luento 11 Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Esimerkki Esim. Yritys tekee kahta elintarviketeollisuuden käyttämää puolivalmistetta,
LisätiedotTalousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla
Talousmatematiikan perusteet: Luento 12 Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Esimerkki Esim. Yritys tekee kahta elintarviketeollisuuden käyttämää puolivalmistetta,
LisätiedotMat Investointiteoria Laskuharjoitus 4/2008, Ratkaisut
Projektien valintapäätöksiä voidaan pyrkiä tekemään esimerkiksi hyöty-kustannus-suhteen (so. tuottojen nykyarvo per kustannusten nykyarvo) tai nettonykyarvon (so. tuottojen nykyarvo - kustannusten nykyarvo)
LisätiedotMAT INVESTOINTITEORIA. (5 op) Kevät Ville Brummer / Pekka Mild / Ahti Salo
MAT - 2.114 INVESTOINTITEORIA (5 op) Kevät 2008 Ville Brummer / Pekka Mild / Ahti Salo 1 Opintojakson sisältö Taustaa Kattaa matemaattisen investointiteorian perusteet: Teemoja sivuttu osin muilla Mat-2
LisätiedotTIEA382 Lineaarinen ja diskreetti optimointi
TIEA382 Lineaarinen ja diskreetti optimointi Jussi Hakanen Tietotekniikan laitos jussi.hakanen@jyu.fi AgC 426.3 Yleiset tiedot Tietotekniikan kandidaattiopintojen valinnainen kurssi http://users.jyu.fi/~jhaka/ldo/
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
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.
LisätiedotTalousjohtaja strategiavaikuttajana: Kohti dialogista johtamista? Eero Vaara
Talousjohtaja strategiavaikuttajana: Kohti dialogista johtamista? Eero Vaara http://www.hanken.fi/staff/vaara Strategisen johtamisen ongelmia» Toiminnallistamisen ( implementointi, jalkauttaminen ) vaikeudet»
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 3.2.27 Tehtävä. Valmisohjelmistolla voidaan ratkaista tehtävä min c T x s. t. Ax b x, missä x, c ja b R n ja A R m n. Muunnetaan tehtävä max x + 2x 2 + 3x 3 + x s. t. x + 3x 2 + 2x
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
LisätiedotInvestointimahdollisuudet ja investointien ajoittaminen
Investointimahdollisuudet ja investointien ajoittaminen Optimaalisen investointistrategian ominaispiirteitä eli parametrien vaikutus ratkaisuun Optimointiopin seminaari - Syksy 000 / Optimointiopin seminaari
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
LisätiedotAki Taanila LINEAARINEN OPTIMOINTI
Aki Taanila LINEAARINEN OPTIMOINTI 26.4.2011 JOHDANTO Tässä monisteessa esitetään lineaarisen optimoinnin alkeet. Moniste sisältää tarvittavat Excel ohjeet. Viimeisin versio tästä monisteesta ja siihen
LisätiedotHarjoitus 8: Excel - Optimointi
Harjoitus 8: Excel - Optimointi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Lineaarisen optimointimallin muodostaminen
Lisätiedot4. Luennon sisältö. Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä
JYVÄSKYLÄN YLIOPISTO 4. Luennon sisältö Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä kevät 2012 TIEA382 Lineaarinen ja diskreetti optimointi Lineaarinen optimointitehtävä Minimointitehtävä
LisätiedotParetoratkaisujen visualisointi. Optimointiopin seminaari / Kevät 2000 Esitelmä 11 Petteri Kekäläinen 45305L
Paretoratkaisujen visualisointi Optimointiopin seminaari / Kevät 2000 Esitelmä 11 Petteri Kekäläinen 45305L 1. Johdanto Monitavoiteoptimointitehtävät ovat usein laajuutensa takia vaikeasti hahmotettavia
LisätiedotLuento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu
Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) vasemman puolen
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
LisätiedotKuluttajan teoriaa tähän asti. Luento 6. Hyötyfunktion ja indifferenssikäyrien yhteys. Kuluttajan hyöty. Laajennuksia. Kuluttajan ylijäämä
Kuluttajan teoriaa tähän asti Valintojen tekemistä niukkuuden vallitessa - Tavoitteen optimointia rajoitteella Luento 6 Kuluttajan ylijäämä 8.2.2010 Budjettirajoite (, ) hyödykeavaruudessa - Kulutus =
LisätiedotDiskreettiaikainen dynaaminen optimointi
Diskreettiaikainen dynaaminen optimointi Usean kauden tapaus 2 kauden yleistys Ääretön loppuaika Optimaalinen pysäytys Optimointiopin seminaari - Syksy 2000 / Ongelma t 0 x 0 t- t T x t- + x t + x T u
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,
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
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.
Lisätiedot6. Luennon sisältö. Lineaarisen optimoinnin duaaliteoriaa
JYVÄSKYLÄN YLIOPISTO 6. Luennon sisältö Lineaarisen optimoinnin duaaliteoriaa työkalu ratkaisun analysointiin Jälki- ja herkkyysanalyysiä mitä tapahtuu optimiratkaisulle, jos tehtävän vakiot hieman muuttuvat
LisätiedotDemo 1: Branch & Bound
MS-C05 Optimoinnin perusteet Malliratkaisut 7 Ehtamo Demo : Branch & Bound Ratkaise lineaarinen kokonaislukuoptimointitehtävä käyttämällä Branch & Boundalgoritmia. max x + x s.e. x + 4x 9 5x + x 9 x Z
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.
Lisätiedotohjelman arkkitehtuurista.
1 Legacy-järjestelmällä tarkoitetaan (mahdollisesti) vanhaa, olemassa olevaa ja käyttökelpoista ohjelmistoa, joka on toteutettu käyttäen vanhoja menetelmiä ja/tai ohjelmointikieliä, joiden tuntemus yrityksessä
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.
LisätiedotKieli merkitys ja logiikka. 2: Helpot ja monimutkaiset. Luento 2. Monimutkaiset ongelmat. Monimutkaiset ongelmat
Luento 2. Kieli merkitys ja logiikka 2: Helpot ja monimutkaiset Helpot ja monimutkaiset ongelmat Tehtävä: etsi säkillinen rahaa talosta, jossa on monta huonetta. Ratkaisu: täydellinen haku käy huoneet
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
LisätiedotMat Lineaarinen ohjelmointi
Mat-2.34 Lineaarinen ohjelmointi..27 Luento 5 Simplexin implementaatioita (kirja 3.2-3.5) Lineaarinen ohjelmointi - Syksy 27 / Luentorunko (/2) Simplexin implementaatiot Naiivi Revised Full tableau Syklisyys
LisätiedotAlgoritmit. Ohjelman tekemisen hahmottamisessa käytetään
Ohjelmointi Ohjelmoinnissa koneelle annetaan tarkkoja käskyjä siitä, mitä koneen tulisi tehdä. Ohjelmointikieliä on olemassa useita satoja. Ohjelmoinnissa on oleellista asioiden hyvä suunnittelu etukäteen.
LisätiedotData Envelopment Analysis (DEA) - menetelmät + CCR-DEA-menetelmä
Data Envelopment Analysis (DEA) - menetelmät + CCR-DEA-menetelmä Mat-2.4142 Optimointiopin seminaari kevät 2011 Esityksen rakenne I osa Tehokkuudesta yleisesti DEA-mallin perusajatus CCR-painotus II osa
LisätiedotMat Optimointiopin seminaari kevät Monitavoiteoptimointi. Tavoitteet
Mat-2.142 Optimointiopin seminaari kevät 2000 Monitavoiteoptimointi Optimointiopin seminaari - Kevät 2000 / 1 Tavoitteet Monitavoitteisten optimointitehtävien ratkaisukäsitteet ja soveltamismahdollisuudet
LisätiedotTIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010
TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010 Evoluutiopohjainen monitavoiteoptimointi MCDM ja EMO Monitavoiteoptimointi kuuluu
LisätiedotBayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly
Bayesin pelit Kalle Siukola MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly 12.10.2016 Toistetun pelin esittäminen automaatin avulla Ekstensiivisen muodon puu on tehoton esitystapa, jos peliä
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 5 2.2.28 Tehtävä a) Tehtävä voidaan sieventää muotoon max 5x + 9x 2 + x 3 s. t. 2x + x 2 + x 3 x 3 x 2 3 x 3 3 x, x 2, x 3 Tämä on tehtävän kanoninen muoto, n = 3 ja m =. b) Otetaan
LisätiedotKokonaislukuoptimointi hissiryhmän ohjauksessa
Kokonaislukuoptimointi hissiryhmän ohjauksessa Systeemianalyysin laboratorio Teknillinen Korkeakoulu, TKK 3 Maaliskuuta 2008 Sisällys 1 Johdanto Taustaa Ongelman kuvaus 2 PACE-graafi Graafin muodostaminen
LisätiedotKuntamaisemasta apua omaan päätöksentekoomme. Kaupunginjohtaja Kari Karjalainen 25.5.2010 Kuntamaisema Seminaari
Kuntamaisemasta apua omaan päätöksentekoomme Kaupunginjohtaja Kari Karjalainen 25.5.2010 Kuntamaisema Seminaari Raisio Asukkaita reilu 24 000 Yrityksiä yli 1400 Sosiaali- ja terveyspalvelut isäntäkuntamallilla
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
LisätiedotOptimal Harvesting of Forest Stands
Optimal Harvesting of Forest Stands (Presentation of the topic) 24 January 2010 Instructor: Janne Kettunen Supervisor: Ahti Salo Tausta Ass. Prof. Janne Kettunen käsitteli osana väitöskirjatyötään stokastisen
LisätiedotFlowbased Capacity Calculation and Allocation. Petri Vihavainen Markkinatoimikunta 20.5.2014
Flowbased apacity alculation and Allocation Petri Vihavainen Markkinatoimikunta 20.5.2014 Miksi flowbased? Nykyinen siirtokapasiteetin määrittely AT/NT (Net Transfer apacity) on yksinkertainen ja toimiva.
Lisätiedot1. Lineaarinen optimointi
0 1. Lineaarinen optimointi 1. Lineaarinen optimointi 1.1 Johdatteleva esimerkki Esimerkki 1.1.1 Giapetto s Woodcarving inc. valmistaa kahdenlaisia puuleluja: sotilaita ja junia. Sotilaan myyntihinta on
LisätiedotKokonaislukuoptimointimallinnus projektiportfolion valinnasa
Kokonaislukuoptimointimallinnus projektiportfolion valinnasa Mat-2.4142 Optimointiopin seminaari kevät 2011 Lähteet: Brown & Dell & Newman: Optimizing Military Capital Planning Pachamanova: Introducing
LisätiedotYhtälöryhmät 1/6 Sisältö ESITIEDOT: yhtälöt
Yhtälöryhmät 1/6 Sisältö Yhtälöryhmä Yhtälöryhmässä on useita yhtälöitä ja yleensä myös useita tuntemattomia. Tavoitteena on löytää tuntemattomille sellaiset arvot, että kaikki yhtälöt toteutuvat samanaikaisesti.
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 1 23.1.2017 1. Päätösmuuttujiksi voidaan valita x 1 : tehtyjen peruspöytin lukumäärä x 2 : tehtyjen luxuspöytien lukumäärä. Optimointitehtäväksi tulee max 200x 1 + 350x 2 s. t. 5x
LisätiedotICT:n johtamisella tuloksia
Tuottava IT ICT:n johtamisella tuloksia Data: Tietohallintojen johtaminen Suomessa 2012 Tietääkö liiketoimintajohto mitä IT tekee? Ei osaa sanoa tietääkö Ei tiedä Osittain Tietää 0 % 10 % 20 % 30 % 40
LisätiedotDemo 1: Simplex-menetelmä
MS-C2105 Optimoinnin perusteet Malliratkaisut 3 Ehtamo Demo 1: Simplex-menetelmä Muodosta lineaarisen tehtävän standardimuoto ja ratkaise tehtävä taulukkomuotoisella Simplex-algoritmilla. max 5x 1 + 4x
LisätiedotKustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely)
Kustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely) Joonas Lanne 23.2.2015 Ohjaaja: Eeva Vilkkumaa Valvoja: Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotOptimointi. Etsitään parasta mahdollista ratkaisua annetuissa olosuhteissa. Ongelman mallintaminen. Mallin ratkaiseminen. Ratkaisun analysointi
Optimointi Etsitään parasta mahdollista ratkaisua annetuissa olosuhteissa Ongelman mallintaminen Mallin ratkaiseminen Ratkaisun analysointi 1 Peruskäsitteitä Muuttujat: Sallittu alue: x = (x 1, x 2,...,
LisätiedotKANSANTALOUSTIETEEN PÄÄSYKOE : Mallivastaukset
KANSANTALOUSTIETEEN PÄÄSYKOE.6.016: Mallivastaukset Sivunumerot mallivastauksissa viittaavat pääsykoekirjan [Matti Pohjola, Taloustieteen oppikirja, 014] sivuihin. (1) (a) Julkisten menojen kerroin (suljetun
LisätiedotLineaarinen optimointitehtävä
Lineaarinen optimointitehtävä Minimointitehtävä yhtälörajoittein: min kun n j=1 n j=1 c j x j a ij x j = b i x j 0 j = 1,..., n i = 1,..., m Merkitään: z = alkuperäisen objektifunktion arvo käsiteltävänä
Lisätiedotmin x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-39 Optimointioppi Kimmo Berg 6 harjoitus - ratkaisut min x + x x + x = () x f = 4x, h = x 4x + v = { { x + v = 4x + v = x = v/ x = v/4 () v/ v/4
Lisätiedot2 DEA sovellusta. Mat Optimointiopin seminaari kevät S ysteemianalyysin. Laboratorio Aalto-yliopisto
2 DEA sovellusta Mat-2.4142 Optimointiopin seminaari kevät 2011 Sisältö Using Data Envelopment Analysis to Evaluate Efficiency in the Economic Performance of Chinese Cities (Charnes ym. 1989) Managing
LisätiedotLuento 7: Kokonaislukuoptimointi
Luento 7: Kokonaislukuoptimointi Lineaarisessa optimointitehtävässä (LP) kaikki muuttujat ovat jatkuvia. Kokonaislukuoptimoinnin (ILP = Integer LP) tehtävässä kaikilla muuttujilla on kokonaislukurajoitus
LisätiedotARVOLUPAUKSET JA ASIAKASARVO FINANSSI- JA VAKUUTUSMARKKINOILLA. KTT Pekka Puustinen, Vakuutustieteen yliopistonlehtori
ARVOLUPAUKSET JA ASIAKASARVO FINANSSI- JA VAKUUTUSMARKKINOILLA KTT Pekka Puustinen, Vakuutustieteen yliopistonlehtori Arvot vs. Arvo Arvot Pirkko-pissis Arvo Rampe-Raudottaja Nykyinen logiikka Vaihdannan
LisätiedotTuotantoprosessin optimaalinen aikataulutus (valmiin työn esittely)
Tuotantoprosessin optimaalinen aikataulutus (valmiin työn esittely) Joona Kaivosoja 01.12.2014 Ohjaaja: DI Ville Mäkelä Valvoja: Prof. Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla
LisätiedotProjektin arvon määritys
Projektin arvon määritys Luku 6, s. 175-186 Optimointiopin seminaari - Syksy 2000 / 1 Tehtävä Johdetaan menetelmä projektiin oikeuttavan option määrittämiseksi kohde-etuuden hinnan P perusteella projektin
LisätiedotHarjoitus 9: Excel - Tilastollinen analyysi
Harjoitus 9: Excel - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen regressioanalyysiin
LisätiedotKaikki suunnittelemaan! Henkilöstön osallistaminen
Kaikki suunnittelemaan! Henkilöstön osallistaminen Minä & tiede yleisöluento Pohjalaisen Monitori, 21.11. 18:00 Jussi Kantola Tuotannon yksikkö, Vaasan Yliopisto jussi.kantola@uva.fi) Sisältö 1. Mitä suunnittelu
Lisätiedot2D piirrelaskennan alkeet, osa I
2D piirrelaskennan alkeet, osa I Ville Tirronen aleator@jyu.fi University of Jyväskylä 18. syyskuuta 2008 Näkökulma Aiheet Tarkastellaan yksinkertaisia 2D kuvankäsittelyoperaattoreita Näkökulmana on tunnistava
LisätiedotHarjoitus 2 ( )
Harjoitus 2 (24.3.2015) Tehtävä 1 Figure 1: Tehtävän 1 graafi. Aikaisimmat aloitushetket selvitetään kaavoilla v[0] = 0 v[p] max 0 i p 1 {v[i]+a i (i,p) E} = v[l]+a l d[p] l. Muodostetaan taulukko, jossa
LisätiedotTalousmatematiikan perusteet
kevät 19 / orms.30 Talousmatematiikan perusteet 8. harjoitus, viikko 11 (11.03..03.19) L Ma 12 A2 R0 Ti 14 16 F43 R01 Ma 12 14 F43 L To 08 A2 R02 Ma 16 18 F43 R06 To 12 14 F140 R03 Ti 08 F42 R07 Pe 08
LisätiedotFlowbased Capacity Calculation and Allocation. Petri Vihavainen Markkinatoimikunta
Flowbased apacity alculation and Allocation Petri Vihavainen Markkinatoimikunta Miksi flowbased? Nykyinen AT/NT- malli on yksinkertainen ja toimiva Tilanne voi muuttua tulevaisuudessa: A- verkko silmukoituu
LisätiedotJYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö
JYVÄSKYLÄN YLIOPISTO 3. Luennon sisältö Lineaarisen optimointitehtävän sallittu alue Optimointitehtävien muunnoksia Lineaarisen yhtälöryhmän perusmuoto ja perusratkaisut Lineaarisen optimointitehtävän
LisätiedotKysely syöpäpotilaiden hoidosta Tulokset FIN-P-CARF /18
Kysely syöpäpotilaiden hoidosta Tulokset FIN-P-CARF-0918-0844-9/18 OTOS Näissä tuloksissa on mukana tulokset, jotka on kerätty ajalla 4.5 18..18. Tässä esityksessä tuloksia tarkastellaan seuraavien kohderyhmien
LisätiedotEhto- ja toistolauseet
Ehto- ja toistolauseet 1 Ehto- ja toistolauseet Uutena asiana opetellaan ohjelmointilauseet / rakenteet, jotka mahdollistavat: Päätösten tekemisen ohjelman suorituksen aikana (esim. kyllä/ei) Samoja lauseiden
LisätiedotPuuvirtojen optimointi ja tietojärjestelmäsovellutukset. Teijo Palander Itä Suomen yliopisto
Puuvirtojen optimointi ja tietojärjestelmäsovellutukset Teijo Palander Itä Suomen yliopisto Win Win Win päätöksenteko Onko huonosti valittu tutkimus ja kehittämisote? Alkaako puun hankintaketju tehtaan
Lisätiedot1 Komparatiivinen statiikka ja implisiittifunktiolause
Taloustieteen matemaattiset menetelmät 27 materiaali 4 Komparatiivinen statiikka ja implisiittifunktiolause. Johdanto Jo opiskeltu antaa nyt valmiu tutkia taloudellisia malleja Kiinnostava malli voi olla
LisätiedotEsteet, hyppyprosessit ja dynaaminen ohjelmointi
Esteet, hyppyprosessit ja dynaaminen ohjelmointi Juha Martikainen 4.10.2000 Oppikirjan sivut 83-87 ja 93-98 Optimointiopin seminaari - Syksy 2000 / 1 Esteet (määritelmät) Muistellaan menneitä: Ajelehtiva
LisätiedotHarjoitus 6 ( )
Harjoitus 6 (30.4.2014) Tehtävä 1 Määritelmän (ks. luentomoniste s. 109) mukaan yleisen, muotoa min f(x) s.t. g(x) 0 h(x) = 0 x X (1) olevan optimointitehtävän Lagrangen duaali on max θ(u,v) s.t. u 0,
LisätiedotReaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla
Reaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla Optimointiopin seminaari - Syksy 2000 / 1 Esitelmän sisältö Investointien peruuttamattomuuden vaikutus investointipäätökseen Investointimahdollisuuksien
LisätiedotTalousmatematiikan perusteet: Johdanto. Kurssin tavoitteet Käytännön järjestelyt Suosituksia suorittamiseen
Talousmatematiikan perusteet: Johdanto Kurssin tavoitteet Käytännön järjestelyt Suosituksia suorittamiseen Kurssin tavoitteet Matematiikkaa hyödynnetään monilla kauppa- ja taloustieteen osaalueilla Esim.
LisätiedotMikä ohjaa terveyden edistämistä? Heli Hätönen, TtT Koordinaattori, Imatran kaupunki Projektipäällikkö, THL
Mikä ohjaa terveyden edistämistä? Heli Hätönen, TtT Koordinaattori, Imatran kaupunki Projektipäällikkö, THL Terveyden edistämisen toiminnan yksinkertaisuus - ja saman aikainen kompleksisuus Lähestymistapoja
LisätiedotPystysuuntainen ohjaus
Pystysuuntainen ohjaus Satu Vapaakallio satu.vapaakallio@hut.fi 19.2.2003 Optimointiopin seminaari - Kevät 2003 / 1 Sisällys Luku 4.1 Pystysuuntainen perusviitekehys Peruskäsitteitä Yleisimmät pystysuuntaiset
LisätiedotOperatioanalyysi 2011, Harjoitus 3, viikko 39
Operatioanalyysi 2011, Harjoitus 3, viikko 39 H3t1, Exercise 3.1. H3t2, Exercise 3.2. H3t3, Exercise 3.3. H3t4, Exercise 3.4. H3t5 (Exercise 3.1.) 1 3.1. Find the (a) standard form, (b) slack form of the
LisätiedotKokonaislukuoptiomointi Leikkaustasomenetelmät
Kokonaislukuoptiomointi Leikkaustasomenetelmät Systeemianalyysin Laboratorio 19.3.2008 Sisällys Leikkaustasomenetelmät yleisesti Leikkaustasomenetelmät generoivilla kokonaislukujoukoilla Gomoryn leikkaavat
LisätiedotMalliratkaisut Demot 5,
Malliratkaisut Demot 5, 2.2.25 Tehtävä : a) Tehtävä voidaan sieventää muotoon max 5x + 9x 2 + x 3 s. t. 2x +x 2 x 3 x 3 x 2 3 x 3 3 x,x 2,x 3 Tämä on tehtävän kanoninen muoto,n = 3 jam =. b) Otetaan käyttöön
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
Lisätiedot1 Kertaus. Lineaarinen optimointitehtävä on muotoa:
1 Kertaus Lineaarinen optimointitehtävä on muotoa: min c 1 x 1 + c 2 x 2 + + c n x n kun a 11 x 1 + a 12 x 2 + + a 1n x n b 1 a 21 x 1 + a 22 x 2 + + a 2n x n b 2 (11) a m1 x 1 + a m2 x 2 + + a mn x n
LisätiedotSignalointi: autonromujen markkinat
Signalointi: autonromujen markkinat Mat-.414 Optimointiopin seminaari Klaus Mattila 1.0.008 1 Esityksen rakenne Johdanto Autonromujen markkinat: Akerlofin malli Kustannuksellinen signalointi: Spencen malli
LisätiedotLuento 5: Peliteoria
Luento 5: Peliteoria Portfolion optimointi Sijoittajan tehtävä Nashin tasapaino Vangin ongelma Nashin neuvotteluratkaisu 1 Portfolion optimointi Varallisuus A sijoitetaan n:ään sijoituskohteeseen (osake,
LisätiedotKieku-hanke osana valtion talousja henkilöstöhallinnon uudistamista. Tomi Hytönen Valtiovarainministeriö
Kieku-hanke osana valtion talousja henkilöstöhallinnon uudistamista Tomi Hytönen Valtiovarainministeriö Kieku numeroina Yhteinen Kieku-tietojärjestelmä korvaa vanhat (yli 100 kpl) talousja henkilöstöhallinnon
LisätiedotSoftware product lines
Thomas Gustafsson, Henrik Heikkilä Software product lines Metropolia Ammattikorkeakoulu Insinööri (AMK) Tietotekniikan koulutusohjelma Asiantuntijateksti 17.11.2013 Sisällys 1 Johdanto 1 2 Software product
Lisätiedot1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI
1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI 1 1.1 Funktion optimointiin perustuvat klusterointialgoritmit Klusteroinnin onnistumista mittaavan funktion J optimointiin perustuvissa klusterointialgoritmeissä
LisätiedotOtanta-aineistojen analyysi (78136, 78405) Kevät 2010 TEEMA 3: Frekvenssiaineistojen asetelmaperusteinen analyysi: Perusteita
Otanta-aineistojen analyysi (78136, 78405) Kevät 2010 TEEMA 3: Frekvenssiaineistojen asetelmaperusteinen analyysi: Perusteita risto.lehtonen@helsinki.fi OHC Survey Tilastollinen analyysi Kysymys: Millä
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 6 24.4.2017 Tehtävä 1 Määritelmän (ks. luentomonisteen s. 107) mukaan yleisen muotoa min f(x) s.t. g(x) 0 h(x) = 0 x X (1) olevan optimointitehtävän Lagrangen duaali on min θ(u,v)
LisätiedotPainoarvojen ja erilaisten laskukaavojen käyttäminen tarjousten vertailussa Ilkka Sihvola
Painoarvojen ja erilaisten laskukaavojen käyttäminen tarjousten vertailussa 1 Helsingin Sanomat..pikku uutinen muutaman vuoden takaa 2 Esimerkki tältä aamulta (13.6.2017, klo 9:08) Viimeisin Hilmassa julkaistu
LisätiedotKuukaudet. Kuukaudet
Sivu järjestys aineittain Ajalta.. -.. Kauppa- Ja Taloustieteellisiä Yleis- Sekä Muita Opintoja 0 A0 D000 D0 E0 Taitosalkku; Perustyövälineohjelmat Johtamistaitojen sosiaalipsykologiaa Social Psychology
LisätiedotViherlannoituksen biologistaloudellinen. vihannesten viljelykierrossa. Tutkija Anu Koivisto, Luke. Luonnonvarakeskus
Viherlannoituksen biologistaloudellinen optimointi vihannesten viljelykierrossa Tutkija Anu Koivisto, Luke Viherlannoituksen tuotantokustannukset ja kannattavuus Tuotantokustannuksia ja kannattavuutta
LisätiedotJohdannaisanalyysi. Contingent Claims Analysis Juha Leino S ysteemianalyysin. Laboratorio
Johdannaisanalyysi Contingent Claims Analysis Juha Leino 11.10.2000 Optimointiopin seminaari - Syksy 2000 / 1 Oletukset Yritys tuottaa tuotetta, jonka hinta on x x noudattaa geometrista Brownin liikettä
LisätiedotKansalaisopiston talousohjauksen kehittäminen. Vertikal Oy Simo Pokki
Kansalaisopiston talousohjauksen kehittäminen Vertikal Oy Simo Pokki Lähtökohtia Kansalaisopistolla on tuotteita eli erilaisia kursseja ääretön määrä Kansalaisopiston talouden logiikka on kuntasektorille
Lisätiedot