haku: @keyword sensitivity analysis / yhteensä: 14
viite: 10 / 14
| Tekijä: | Mild, Pekka |
| Työn nimi: | Multicriteria Portfolio Analysis for Strategic Resource Allocation |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2004 |
| Sivut: | 85 Kieli: eng |
| Koulu/Laitos/Osasto: | Teknillisen fysiikan ja matematiikan osasto |
| Oppiaine: | Sovellettu matematiikka (Mat-2) |
| Valvoja: | Salo, Ahti |
| Ohjaaja: | Salo, Ahti |
| OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
| Sijainti: | P1 Ark TF80 | Arkisto |
| Avainsanat: | multicriteria decision analysis project portfolio decision support incomplete information sensitivity analysis monikriteerinen päätösanalyysi projektiportfolio päätöstukimenetelmät epätäydellinen informaatio herkkyysanalyysi |
| Tiivistelmä (fin): | Diplomityössä tarkastellaan projektiportfolion valintaongelmaa, jossa on valittava osajoukko laajasta monikriteerisestä ehdokasjoukosta annettujen resurssirajoitusten puitteissa. Projektien kokonaisarvo mallinnetaan kriteerikohtaisten arvojen painotettuna keskiarvona, ja portfolion arvo saadaan summana siihen kuuluvien projektien arvoista. Tehtävässä voidaan huomioida monipuolisia strategisia ja loogisia rajoitusehtoja, sekä projektien välisiä vuorovaikutuksia. "Preference programming" -menetelmien avulla preferenssimallissa voidaan käyttää epätäydellistä informaatiota koskien kriteeripainoja, tarkan painokerroinvektorin sijaan. Tämä työ hyödyntää "Preference programming" -metodologiaa projektiportfolion valinnassa. Työssä esitellään uusi algoritmi potentiaalisesti optimaalisten portfolioiden laskentaan, sekä näiden optimaalisten painoalueiden määrittämiseen. Algoritmin käyttömahdollisuuksia hahmotellaan myös kaikkien ei-dominoitujen portfolioiden laskentaan. Työssä kehitetään monipuolisia hyvyysmittoja, joilla voidaan kuvata sekä portfolioiden että yksittäisten projektien ominaisuuksia. Uudet projektikohtaiset mitat tukevat etenkin suurten ehdokasjoukkojen seulontaa ja ilmaisevat mitkä projektit tulisi kiistatta valita portfolioon ja toisaalta mitkä voidaan kiistatta jättää pois vallitsevan epätäydellisen painoinformaation valossa. Uudet laskentamenetelmät ja hyvyysmitat antavat systemaattisen ja läpinäkyvän viitekehyksen päätöksenteon tukemiseen. Joustava viitekehys tarjoaa useita kirjallisuudessa tärkeäksi nähtyjä ominaisuuksia. Se sisällyttää herkkyysanalyysitarkastelun valintaprosessiin, huomioi projektien väliset riippuvuudet ja soveltuu myös ryhmäpäätöstilanteisiin. Lähestymistapaa sovelletaan todelliseen tiestön päällystysohjelman projektiaineistoon, joka sisältää 223 projektiehdokasta arvioituna kolmen kriteerin suhteen. Aineistosta lasketaan potentiaalisesti optimaaliset portfoliot sekä erilaiset hyvyysmitat. Sovellusesimerkki havainnollistaa, että etenkin projektien karsintaan voidaan tuottaa merkittävää tukea jo epätäydellisen painoinformaation perusteella. Jatkossa keskeisiä kehityskohteita ovat etenkin päätöstuki- ja valintaprosessin kokonaisvaltainen formulointi sekä entistä tehokkaampien (approksimatiivisten) laskentamenetelmien tutkimus. |
| Tiivistelmä (eng): | This thesis is concerned with the problem of choosing a subset of projects, a project portfolio, from a large set of multi-criteria proposals subject to scarce resources. The overall value of each project is modelled through an additive weighting model, and the value of a portfolio is the normalized sum of its constituent projects' values. Various strategic and logical constraints are admitted, as well as project interactions. By the methods of preference programming, incomplete information about the criterion weights of the additive value model can be elicited, thus building up the decision maker's commitment to the decision recommendations. The thesis extends the use of preference programming to project portfolio selection. A new algorithm for determining the potentially optimal portfolios and their respective optimal weight regions is presented. Recursive use of this algorithm for determining all non-dominated portfolios is also outlined. Performance measures are developed to describe the attractiveness and sensitivity of the different potentially optimal portfolios and individual project proposals. The novel project-specific measures help in the screening of large sets of proposals and convey which projects should incontestably be included in or excluded from the portfolio in view of the incomplete weight information. The novel portfolio computation methods and the performance measures form a basis for a systematic and transparent decision support framework, which has many of desired features highlighted in the literature. Specifically, it incorporates sensitivity analysis into the selection process, accounts for project interactions and is suitable for group decision settings as well. The approach is applied to real data on road pavement projects, so that potentially optimal portfolios and the performance measures are computed for a problem with 223 proposals evaluated with regard to three criteria. Results of the case example illustrate that substantial support for project screening can be provided with incomplete weight information as well. A more thorough formalization of the decision support process, together with efficient (approximate) computational methods, is central in the future development of the methodology. |
| ED: | 2004-11-26 |
INSSI tietueen numero: 26519
+ lisää koriin
INSSI