Projektiportfolion valinta

Samankaltaiset tiedostot
Projektiportfolion valinta

Robust portfolio modeling (RPM) epätäydellisellä hintainformaatiolla ja projektiriippuvuuksilla

Eräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus

Kokonaislukuoptimointimallinnus projektiportfolion valinnasa

Sovellus: Portfoliopäätösanalyysi lentoliikenteen parantamisen tukena

How to Support Decision Analysis with Software Case Förbifart Stockholm

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

Sovelluksia additiivisen arvofunktion käytöstä projektiportfolion valinnassa

Additiivinen arvofunktio projektiportfolion valinnassa

Harjoitus 4: Matlab - Optimization Toolbox

Talousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Harjoitus 7: vastausvihjeet

Diskreettiaikainen dynaaminen optimointi

Mat Dynaaminen optimointi, mallivastaukset, kierros 5

Malliratkaisut Demot

Pystysuuntainen ohjaus

Mat Optimointiopin seminaari kevät Monitavoiteoptimointi. Tavoitteet

Haitallinen valikoituminen: yleinen malli ja sen ratkaisu

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Paretoratkaisujen visualisointi. Optimointiopin seminaari / Kevät 2000 Esitelmä 11 Petteri Kekäläinen 45305L

min 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

Mat Investointiteoria Laskuharjoitus 4/2008, Ratkaisut

Johdannaisanalyysi. Contingent Claims Analysis Juha Leino S ysteemianalyysin. Laboratorio

TIEA382 Lineaarinen ja diskreetti optimointi

Harjoitus 8: Excel - Optimointi

Harjoitus 2 ( )

Talousmatematiikan perusteet: Luento 11. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Preference Programming viitekehys tehokkuusanalyysissä

Kuluttajan teoriaa tähän asti. Luento 6. Hyötyfunktion ja indifferenssikäyrien yhteys. Kuluttajan hyöty. Laajennuksia. Kuluttajan ylijäämä

Investointimahdollisuudet ja investointien ajoittaminen

Uusien keksintöjen kannustimet

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly

Demo 1: Branch & Bound

Haitallinen valikoituminen: Kahden tyypin malli

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla

Lisää satunnaisuutta ja mahdollisuus keskeyttää projekti

Operatioanalyysi 2011, Harjoitus 3, viikko 39

Uusien keksintöjen hyödyntäminen

Harjoitus 2 ( )

Kasvuyrityksen tuotekehitysportfolion optimointi (valmiin työn esittely)

Luento 7: Kokonaislukuoptimointi

INTERVALLIPÄÄTÖSPUUT JANNE GUSTAFSSON 45433E. Mat Optimointiopin seminaari Referaatti

Investointimahdollisuudet ja niiden ajoitus

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

Kustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely)

Yhteistyötä sisältämätön peliteoria jatkuu

Signalointi: autonromujen markkinat

Malliratkaisut Demot

Mainonta ja laatu tuotteiden erilaistamisessa

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Valikoima, laatu ja mainonta

Ratkaisuehdotukset LH 8 / vko 47

Projektin arvon määritys

Esteet, hyppyprosessit ja dynaaminen ohjelmointi

MS-C2105 Optimoinnin perusteet Malliratkaisut 4

Kurssin esittely (syksy 2016)

ICT:n johtamisella tuloksia

Tentin materiaali. Sivia: luvut 1,2, , ,5. MacKay: luku 30. Gelman, 1995: Inference and monitoring convergence

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan

Algoritmit 2. Luento 2 Ke Timo Männikkö

Prospektiteoreettinen näkökulma

Luento 7: Kokonaislukuoptimointi

Simplex-algoritmi. T Informaatiotekniikan seminaari , Susanna Moisala

Algoritmit 2. Luento 2 To Timo Männikkö

Demo 1: Simplex-menetelmä

Dynaaminen ohjelmointi ja vaikutuskaaviot

Malliratkaisut Demot

Kokonaislukuoptimointi

Lineaarinen optimointitehtävä

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut

Millaisia ovat finanssipolitiikan kertoimet

Yhteydettömän kieliopin jäsennysongelma

4. Luennon sisältö. Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä

Yt-lakikysely Suomen Yrittäjät

Malliratkaisut Demo 1

TKHJ:ssä on yleensä komento create index, jolla taululle voidaan luoda hakemisto

Malliratkaisut Demo 4

Investointimahdollisuudet ja investoinnin ajoittaminen

Ratkaisu: a) Koroton takaisinmaksuaika on 9000 = 7,5 vuotta b) Kun vuosituotot pysyvät vakiona, korollinen takaisinmaksuaika määräytyy

Paretoratkaisujen visualisointi

Kaksi sovellusta robustien päätössuositusten tuottamisesta

Concurrency - Rinnakkaisuus. Group: 9 Joni Laine Juho Vähätalo

Optimaaliset riskinalentamisportfoliot vikapuuanalyysissä (valmiin työn esittely)

EAKR: DigiLeap Hallittu digiloikka:

Monopoli. Tommi Välimäki S ysteemianalyysin. Laboratorio. Teknillinen korkeakoulu

Ohjelmointi 1 / 2009 syksy Tentti / 18.12

MESTA työkalu suunnitelmavaihtoehtojen monikriteeriseen vertailuun ja parhaan vaihtoehdon etsintään

8 Yritys kilpailullisilla markkinoilla (Mankiw & Taylor, Ch 14)

Luku 8. Aluekyselyt. 8.1 Summataulukko

Kansalaisopiston talousohjauksen kehittäminen. Vertikal Oy Simo Pokki SYKSY 2015

Prosessien kehittäminen. Prosessien parantaminen. Eri mallien vertailua. Useita eri malleja. Mitä kehitetään?

Ohjelmoinnin peruskurssien laaja oppimäärä

Algoritmit 1. Luento 12 Ti Timo Männikkö

Kulutus. Kulutus. Antti Ripatti. Helsingin yliopisto, HECER, Suomen Pankki Antti Ripatti (HECER) Kulutus

LP-mallit, L8. Herkkyysanalyysi. Varjohinta. Tietokoneohjelmia. Aiheet. Yleistä, LP-malleista. Esimerkki, Giapetto.

Hintakilpailu lyhyellä aikavälillä

(EUR) Osasto TEK Osasto TKR Osasto PMT Osasto TMP Osasto TKK Osasto THY Osasto STS

HYÖTYTEORIAN SOVELLUS LUONNONARVOKAUPAN JA TARJOUSKILPAILUN HANKKEIDEN ARVIOINTIIN

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

1. Lineaarinen optimointi

Transkriptio:

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, Duxbury Press, Wadsworth Publishing Company, pp. 224-226. 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.

Projekti Hyöty Aika 1 0,08 200 2 0,2 750 3 0,19 400 4 0,21 1000 5 0,27 1500 6 0,15 600 7 0,37 2500 8 0,44 3000 9 0,4 2700 10 0,32 350 11 0,5 4000 12 0,51 4200 13 0,45 2700 14 0,76 4500 Mitkä projekteista valitaan hyötykustannusanalyysin perusteella? Oletetaan projektit riippumattomiksi niistä saatavien hyötyjen ja niihin käytettävien aikojen suhteen!

Projekti Hyöty Aika Hyöty/ Kustannus 1 0,08 200 40,00 2 0,2 750 26,67 3 0,19 400 47,50 4 0,21 1000 21,00 5 0,27 1500 18,00 6 0,15 600 25,00 7 0,37 2500 14,80 8 0,44 3000 14,67 9 0,4 2700 14,81 10 0,32 350 91,43 11 0,5 4000 12,50 12 0,51 4200 12,14 13 0,45 2700 16,67 14 0,76 4500 16,89 Lasketaan hyöty jaettuna ajalla (eli kustannuksella) sekä skaalataan 100 000:lla 0,27 1500 b i c i 100000 = 18,00

Projekti Hyöty Aika Hyöty/Aika Kum. Hyöty Kum.aika 10 0,32 350 91,429 0,32 350 3 0,19 400 47,500 0,51 750 1 0,08 200 40,000 0,59 950 2 0,2 750 26,667 0,79 1 700 6 0,15 600 25,000 0,94 2 300 4 0,21 1000 21,000 1,15 3 300 5 0,27 1500 18,000 1,42 4 800 14 0,76 4500 16,889 2,18 9 300 13 0,45 2700 16,667 2,63 1 2 00 9 0,4 2700 14,815 3,03 14 700 7 0,37 2500 14,800 3,4 17 200 8 0,44 3000 14,667 3,84 20 200 11 0,5 4000 12,500 4,34 24 200 12 0,51 4200 12,143 4,85 28 400 esim. 0,51 + 0,08 Järjestetään projektit hyöty/kustannus -suhteen mukaan suurimmasta pienimpään ja lasketaan kumulatiivinen hyöty ja aika

Projekti Hyöty Aika Hyöty/Aika Kum. Hyöty Kum.aika Valitaanko projekti? 10 0,32 350 91,429 0,32 350 Kyllä 3 0,19 400 47,500 0,51 750 Kyllä 1 0,08 200 40,000 0,59 950 Kyllä 2 0,2 750 26,667 0,79 1 700 Kyllä 6 0,15 600 25,000 0,94 2 300 Kyllä 4 0,21 1000 21,000 1,15 3 300 Kyllä 5 0,27 1500 18,000 1,42 4 800 Kyllä 14 0,76 4500 16,889 2,18 9 300 Ei 13 0,45 2700 16,667 2,63 1 2 00 Ei 9 0,4 2700 14,815 3,03 14 700 Ei 7 0,37 2500 14,800 3,4 17 200 Ei 8 0,44 3000 14,667 3,84 20 200 Ei 11 0,5 4000 12,500 4,34 24 200 Ei 12 0,51 4200 12,143 4,85 28 400 Ei Valitaan projekteja, kunnes budjettirajoite on täynnä! Kätevä tehdä esim. if-komennolla: =JOS(L12>9100;"ei";"kyllä")

Ratkaisu Valittiin siis projektit 1, 2, 3, 4, 5, 6 ja 10. Kokonaishyödyksi saatiin 1,42 ja budjetista käytetiin 4800 tuntia. Vertailun vuoksi: Käyttämällä matemaattista optimointia (seuraava kalvo) valittaisiin projektit 2, 3, 4, 5, 6, 10 ja 14, jolloin koko budjettirajoite saadaan käytettyä ja kokonaishyöty on 2,1.

Binäärinen päätösmuuttuja, joka kertoo valitaanko projekti vai ei. Projekti Päätösmuuttuja Hyöty Aika 1 0 0,08 200 2 1 0,2 750 3 1 0,19 400 4 1 0,21 1000 5 1 0,27 1500 6 1 0,15 600 7 0 0,37 2500 8 0 0,44 3000 9 0 0,4 2700 10 1 0,32 350 11 0 0,5 4000 12 0 0,51 4200 13 0 0,45 2700 14 1 0,76 4500 summa 2,1 9100 9100 solu Maksimoitava x i b i 14 i=1 Ylemmän näistä on oltava pienempi tai yhtäsuuri kuin alempi eli budjettirajoite. 14 i=1 x i c i 9100

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.

Aika Projekti Hyöty Excel Access C 1 0,08 200 2 0,2 500 250 3 0,19 400 4 0,21 1000 5 0,27 1000 500 6 0,15 600 7 0,37 1500 1000 8 0,44 3000 9 0,4 2700 10 0,32 350 11 0,5 1000 3000 12 0,51 2000 1000 1200 13 0,45 2700 14 0,76 3000 1500 Rajoite 9000 7200 3600 Mitkä projektit nyt valitaan toteutettaviksi käyttäen hyödyksi kokonaislukuoptimointia? Oletetaan projektit riippumattomiksi niistä saatavien hyötyjen ja niihin käytettävien aikojen suhteen!

Projekti i Päätösmuuttuja x i Hyöty (b i ) Excel c 1i Aika Access c 2i 1 0 0,08 200 C c 3i 2 0 0,2 500 250 3 0 0,19 400 4 0 0,21 1000 5 0 0,27 1000 500 6 0 0,15 600 7 0 0,37 1500 1000 8 0 0,44 3000 9 0 0,4 2700 10 0 0,32 350 11 0 0,5 1000 3000 12 0 0,51 2000 1000 1200 13 0 0,45 2700 14 0 0,76 3000 1500 Yhteensä 0 0 0 0 Rajoite 9000 7200 3600 Max s.e. 14 14 i=1 b i x i c ji x i C j, j = 1,2,3 i=1 x i binäärisiä i Esim. j = 3: 250x 2 + 400x 3 + 1000x 4 + 500x 5 + 1000x 7 + 2700x 9 + 350x 10 + 1200x 13 + 1500x 14 3600

Projekti i Päätösmuuttuja x i Hyöty (b i ) Excel c 1i Aika Access c 2i 1 1 0,08 200 C c 3i 2 0 0,2 500 250 3 1 0,19 400 4 0 0,21 1000 5 1 0,27 1000 500 6 1 0,15 600 7 1 0,37 1500 1000 8 0 0,44 3000 9 0 0,4 2700 10 1 0,32 350 11 1 0,5 1000 3000 12 1 0,51 2000 1000 1200 13 1 0,45 2700 14 0 0,76 3000 1500 Yhteensä 2,84 6 100 6 900 3 450 Rajoite 9000 7200 3600 Valitaan siis projektit 1, 3, 5, 6, 7, 10, 11, 12 ja 13