Preference Programming viitekehys tehokkuusanalyysissä

Samankaltaiset tiedostot
Mat Optimointiopin seminaari

Data Envelopment Analysis (DEA) - menetelmät + CCR-DEA-menetelmä

Preference Programming viitekehys: epätäydellisen preferenssi-informaation elisitointi ja mallintaminen, dominanssi

Robust portfolio modeling (RPM) epätäydellisellä hintainformaatiolla ja projektiriippuvuuksilla

Aihioiden priorisointi ja portfolioanalyysi ennakoinnissa (valmiin työn esittely)

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla

REA-solver - Verkkopohjainen työkalu DEA- ja REA-perusteiseen tehokkuusvertailuun

2 DEA sovellusta. Mat Optimointiopin seminaari kevät S ysteemianalyysin. Laboratorio Aalto-yliopisto

Additiivinen arvofunktio

Kaksi sovellusta robustien päätössuositusten tuottamisesta

Eräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus

2 sovellusta: VEA + preferenssiinformaation. varmuusalueilla

Portfoliolähestymistapa CO2 - kiilapelin analysoinnissa (valmiin työn esittely) Tuomas Lahtinen

Additiivinen arvofunktio projektiportfolion valinnassa

Mat Optimointiopin seminaari

Projektiportfolion valinta

Projektiportfolion valinta

Ahti Salo, Ilmari Kuikka ja Yrjänä Hynninen Matematiikan ja systeemianalyysin laitos Aalto-yliopiston perustieteiden korkeakoulu PL 11100, 00076

Referenssipiste- ja referenssisuuntamenetelmät

Yhteistyötä sisältämätön peliteoria

Aihioiden priorisointi ja portfolioanalyysi ennakoinnissa

Nollasummapelit ja bayesilaiset pelit

SEKASTRATEGIAT PELITEORIASSA

Lisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa (valmiin työn esittely)

Uusien keksintöjen hyödyntäminen

Lineaaristen monitavoiteoptimointitehtävien

Sote-ratkaisu tuottavuuden ja tuloksellisuuden kehittämisessä

Arvohäviö Rank Inclusion in Criteria Hierarchies menetelmässä. Jari Mustonen, 47046C,

Johdannaisanalyysi. Contingent Claims Analysis Juha Leino S ysteemianalyysin. Laboratorio

Tehokkuusanalyysin käyttömahdollisuuksia yliopistoyksiköiden vertailussa

Signalointi: autonromujen markkinat

Luento 6: Monitavoiteoptimointi

OPERAATIOTUTKIMUKSEN AJATTELUTAPA TUTKIMUSMAAILMASTA TEOLLISUUTEEN

Kilpailutus ja yliopistojen tutkimusyksiköiden iden tehokkuus

Sairaaloiden tuottavuus Pohjoismaissa. Hanna Rättö THL/CHESS

Kansainvälisyys korkeakoulujen ohjauksessa ja rahoituksessa Tomi Halonen

Kansainvälistymisen haasteet. Marja-Liisa Niemi TerveysNet, Turku

Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu (aihe-esittely)

Efficiency change over time

monitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi Ohjaaja: Prof. Kai Virtanen Valvoja: Prof.

Peliteoria luento 3. May 27, Peliteoria luento 3

Sovellus: Portfoliopäätösanalyysi lentoliikenteen parantamisen tukena

Luento 5: Peliteoriaa

Lineaarialgebra MATH.1040 / Piirianalyysiä

Kasvuyrityksen tuotekehitysportfolion optimointi (valmiin työn esittely)

Mat Research Course in Systems Science: Trends and Developments in Decision Analysis. Home Assignment

Koulutuksen tuottavuustutkimukset Valtion taloudellisessa tutkimuskeskuksessa

Haitallinen valikoituminen: Kahden tyypin malli

Sairaalan lääkevalikoiman muodostamisen periaatteet Sirpa Ämmälä PPSPH/ OYS apteekki

EK:n Kuntaranking Keskeiset tulokset

Kilpailutus ja yliopistojen tutkimusyksiköiden iden tehokkuus

Mat Optimointiopin seminaari kevät Monitavoiteoptimointi. Tavoitteet

Demo 1: Simplex-menetelmä

Koekysymyksiä. Ohjelmistoprosessit ja ohjelmistojen laatu Ohjelmistojen suorituskyky

Yksinkertainen on tehokasta. Jaana Timonen Seligson & Co Rahastoyhtiö Oyj

Luento 11: Rajoitusehdot. Ulkopistemenetelmät

ETF vai tavallinen osakerahasto?

Lyhyt katsaus tuottavuuden ja tehokkuuden mittaamisen taloustieteissä - Miten soveltaa alustatalouteen?

Investointimahdollisuudet ja niiden ajoitus

TEKNILLINEN TIEDEKUNTA, MATEMATIIKAN JAOS

b 1. b m ) + ( 2b Ax) + (b b)

Investointimahdollisuudet ja investoinnin ajoittaminen

INTERVALLIPÄÄTÖSPUUT JANNE GUSTAFSSON 45433E. Mat Optimointiopin seminaari Referaatti

Digitaalisuuden vaikutus sairaalarakentamiseen

Tilastotieteellisiä malleja välimatka- ja suhdeasteikollisten preferenssien mittaamiseen. Pekka Leskinen ja Tuomo Kainulainen Metla

Luento 6: Monitavoitteinen optimointi

Optimaaliset riskinalentamisportfoliot vikapuuanalyysissä (valmiin työn esittely)

PINSERIT RY:n VUODEN PINSERI SÄÄNNÖT

Robust Air tutkimuksen tuloksia Betonitutkimusseminaari

Rationalisoituvuus ja yleinen tieto rationaalisuudesta

Harjoitustehtävien ratkaisuja

Hintakilpailu lyhyellä aikavälillä

Tehokkuusanalyysi paikallisten monopolien sääntelyssä:

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla

Huom.: Tarjouksen tulee olla voimassa vähintään kolme kuukautta tarjousten viimeisestä jättöpäivästä.

Hoitotieteen laitos. VALINTAKOE , Kysymykset ja arviointikriteerit

Hintadiskriminaatio 2/2

Diskreettiaikainen dynaaminen optimointi

Tieto- ja palvelujohtamisen erikoistumisalue opintojen suunnittelu

Suomen rokotuskattavuus

PINSERIT RY:n VUODEN PINSERI SÄÄNNÖT

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot

1 Erilaisia tapoja järjestää

Harjoitus 12: Monikriteerinen arviointi

Monitavoitteiseen optimointiin soveltuvan evoluutioalgoritmin tarkastelu

Miksi opetuksesta ja koulutuksesta tulee keskustella?

Harha mallin arvioinnissa

MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ ESITYS pisteitykseksi

tilaus-toimitusketjun yhteistyötä Facts & Figures

Onko kuntoutus kannattava investointi? Avo?kuntoutusfoorumi Tampere Mikko Jaakonsaari

Kannattavampaa tilaus-toimitusketjun toimitusketjun yhteistyötä. - sovellusten taustaa

v 8 v 9 v 5 C v 3 v 4

Vajaaravitsemus on kallista - vajaaravitsemuksen kustannukset. 25/ Soili Alanne FT, TtM, Ravitsemusterapeutti Seinäjoen keskussairaala

Todisteita aikakauslehtimainonnan tehokkuudesta

PINSERIT RY:n VUODEN PINSERI SÄÄNNÖT

MART testi tulokset ja kuvaus. Ari Nummela Kilpa- ja huippu-urheilun tutkimuskeskus - KIHU Kuntotestauspäivät Jyväskylä

Ellei tutkijalla ole käsitystä mittauksensa validiteetista ja reliabiliteetista, ei johtopäätöksillä

Y56 Laskuharjoitukset 4 Palautus viim. ti klo (luennolla!) Opiskelijan nimi. Opiskelijanumero

Helsinki International Horse Show karsintajärjestelmä 2015

Yritys 1 Oy FI

Transkriptio:

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, Management Science 57/1, s. 200-214.

Esityksen rakenne Lähtökohdat Laajennukset Sovellus 1 Sovellus 2 Kotitehtävä

Esityksen rakenne Lähtökohdat Laajennukset Sovellus 1 Sovellus 2 Kotitehtävä

Ongelmat DEA:ssa Tehokkuus lasketaan DMU:lle mahdollisimman edullisilla painoilla Entä muut painot? Herkkä mukana olevien DMU:iden muutoksille Skaalatuoton RTS oletukset kyseenalaisia

Muutoksia Otetaan huomioon kaikki käyvät painot inputille ja outputille Määritellään robustimmat mitat tehokkuudelle Ei oleteta mitään ulkopuolisten DMU:iden tuotantomahdollisuuksista

Kysymyksiä Miten DMU dominoi toista DMU:ta? Kuinka paljon tehokkaampi (tai vähemmän tehokas) DMU voi olla toiseen verrattuna? Mitkä ovat DMU:n huonoin ja paras mahdollinen tehokkuussijoitus?

Esityksen rakenne Lähtökohdat Laajennukset Sovellus 1 Sovellus 2 Kotitehtävä

Attribuuttipainot Inputille painot v Outputeille painot u

Tehokkuus Painoilla u, v määritellään DMU k :lle tehokkuus: Erikoistapauksena siis tehokkuuden maksimi on CCR-DEA tehokkuus

Dominanssi DMU k dominoi DMU l :ää, jos ja vain jos: sekä jossain pisteessä aidosti suurempi Parivertailu: Esim. k,l = 1.42 ja D k,l = 0.90 Tärkeät DMU:iden vertailussa

Tehokkuusrajat Suoritetaan parivertailu D k,l (u,v) joukkoa DMU L vastaan Esim. k, = 0.90 ja D k, = 0.51 sekä k,l= 2.17 ja D k,l = 1.31 Saadaan ratkaistua lineaarisena ohjelmointiongelmana

Esimerkki Autotehdas A ja C CCR-DEA tehokkaita Mikään vaihtoehto ei dominoitu

Sijavälit Määritellään sijat r k min ja r k max Paras ja huonoin tehokkuussijoitus, jonka DMU k voi saada Väli [r k min, r k max] on robusti mitta k:n tehokkuudesta Lisäinformaatio painoissa voi vain kaventaa sijaväliä Esim. yliopistojen ranking-lista

Esimerkki Autotehdas A ja C CCR-DEA tehokkaita Mikään vaihtoehto ei dominoitu Sijavälit A:lla ja C:llä [1, 3] sekä B:llä [2, 3].

Esityksen rakenne Lähtökohdat Laajennukset Sovellus 1 Sovellus 2 Kotitehtävä

Sovellus 1 Vertailtu yliopiston 12 laitosta Input Rahoitus valtiolta Rahoitus yrityksiltä 44 outputtia seitsemässä luokassa Tutkinnot ja opintopisteet, kansainväliset julkaisut, kotimaiset julkaisut, henkilökunnan kansainvälinen liikkuvuus Painoja elisitoitu

Laitosten tehokkuusvälit Parhaat ja huonoimmat tehokkuudet painoalueella S v S u

Laitosten sijavälit Parhaat ja huonoimmat tehokkuudet painoalueella S v S u

Laitosten dominanssi Osastojen välinen dominanssi Lisäksi laskettu tehostamisvaatimuksia eri tavoitteille Osaston E parannettava outputia 7%, jotta se olisi kolmen parhaan joukossa joillakin painoilla.

Esityksen rakenne Lähtökohdat Laajennukset Sovellus 1 Sovellus 2 Kotitehtävä

Sovellus 2 Sairaaloiden tehokkuus (14 sairaalaa) Input Sairaanhoitajat ja lääkärit Output Lähtevät potilaat Saapuvat potilaat Tarkasteltu ilman preferenssi-informaatiota, sekä oletuksella, että kumpikaan input tai output ole toista 5 kertaa tärkeämpi

Esityksen rakenne Lähtökohdat Laajennukset Sovellus 1 Sovellus 2 Kotitehtävä

Kotitehtävä DMU A B C D E F G Input X1 4 7 8 4 2 10 3 X2 3 3 1 2 4 1 7 Output y 1 1 1 1 1 1 1 Ratkaise jokaisen DMU:n sijavälit Lisää piste H=(5,8,1) ja laske uudet sijavälit Palautus sähköpostilla (eemeli.leppaaho@aalto.fi)