Robust reliability and resource allocation - Models and algorithms

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.advisor Salo, Ahti, Prof., Aalto University, Department of Mathematics and Systems Analysis, Finland
dc.contributor.author Toppila, Antti
dc.date.accessioned 2016-10-28T09:01:28Z
dc.date.available 2016-10-28T09:01:28Z
dc.date.issued 2016
dc.identifier.isbn 978-952-60-7071-1 (electronic)
dc.identifier.isbn 978-952-60-7070-4 (printed)
dc.identifier.issn 1799-4942 (electronic)
dc.identifier.issn 1799-4934 (printed)
dc.identifier.issn 1799-4934 (ISSN-L)
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/23072
dc.description.abstract Organizational decision makers (DMs) such as companies, institutions and public sector agencies rely on mathematical models for decision support. Often these models have parameters such as probabilities of events and outcomes of actions, which typically are epistemically uncertain due to the lack of historical data or other information. In such cases, DMs often need to understand how this epistemic uncertainty impacts the decision recommendations.  This Dissertation considers models for supporting allocation decisions in settings where epistemic uncertainty is modeled explicitly through incomplete information. The resulting decision recommendations that account for epistemic uncertainty are derived through dominance: Alternative A dominates alternative B if A is at least as good as B for all parameters that are compatible with the available incomplete information, and moreover, strictly better for some. A dominated alternative should not be selected, because there exist at least one alternative that is not worse for any parameters and is strictly better for some. Thus, the decision recommendation to select an alternative that is non-dominated (ND) is robust with respect to the epistemic uncertainty.  In the models considered in this Dissertation, generating the ND alternatives leads to a computationally challenging combinatorial optimization problem. Several exact algorithms and approximative methods for computing the ND alternatives are developed. The exact methods are based on classical dynamic programming and branch-and-bound algorithms, as well as binary decision diagrams, which have recently been used in solving challenging optimization problems. The simplification methods, on the other hand, are more ad hoc in nature and based on problem specific approaches.  This Dissertation contributes by providing ways for analyzing the impact of epistemic uncertainty with incomplete information in application areas which are central in the fields of risk analysis and decision analysis, namely (i) probabilistic risk analysis based on importance measures, (ii) allocation of resources to reliability enhancing actions, (iii) project portfolio selection, and (iv) resource allocation to standardization activities. The developed methods are generic in that they could likely be adopted with small refinements even in other application areas. en
dc.description.abstract Organisaatiot, kuten yritykset, instituutiot ja julkiset toimijat, tukeutuvat usein matemaattisiin malleihin tehdessään päätöksiä. Nämä mallit sisältävät lähes aina parametreja, kuten tapahtumien todennäköisyyksiä tai arvioita vaikutuksista, jotka ovat episteemisesti epävarmoja, koska tarkkojen estimaattien muodostamiseen ei löydy riittävästi historiallista dataa tai muita tietolähteitä. Tällöin päätöksentekijät usein tarvitsevat tukea ymmärtääkseen, miten episteeminen epävarmuus vaikuttaa päätössuosituksiin.  Tämä väitöskirja tarkastelee päätöksentekomalleja, joissa episteemistä epävarmuutta kuvataan eksplisiittisesti epätäydellisellä informaatiolla. Episteemisen epävarmuuden huomioivat päätössuositukset johdetaan dominanssin avulla: Vaihtoehto A dominoi vaihtoehtoa B jos A on vähintään yhtä hyvä kuin B kaikilla parametreilla, jotka ovat yhteneväisiä annetun epätäydellisen informaation kanssa ja lisäksi aidosti parempi joillakin parametrien arvoilla. Näin ollen episteemisen epävarmuuden kannalta robusti päätössuositus on valita ei-dominoitu (ND; Non-Dominated) vaihtoehto.  Tässä väitöskirjassa tarkastelluissa malleissa ND-vaihtoehtojen generoiminen edellyttää laskennallisesti haastavien kombinatoristen optimointiongelmien ratkaisua. Ongelmien ratkaisemiseen kehitetään useita tarkkoja ja approksimatiivisia menetelmiä. Tarkat menetelmät perustuvat klassisiin dynaamisen optimoinnin ja hajoita-ja-hallitse (B&B; Branch-and-Bound) algoritmeihin, sekä binäärisiin päätöskaavioihin, joita viime aikoina on käytetty haastavien optimointiongelmien ratkaisemiseen. Approksimatiiviset menetelmät puolestaan ovat enemmän ad hoc-luonteisia ja perustuvat ongelmaspesifeihin lähestymistapoihin.  Tämän väitöskirjan tulosten avulla voidaan episteemistä epävarmuutta analysoida epätäydellisen informaation avulla eri sovellusaloilla, jotka ovat keskeisiä riskianalyysin ja päätösanalyysin kentillä. Tässä väitöskirjassa sovellusalueina ovat (i) todennäköisyysperustainen riskianalyysi (PRA; Probabilistic Risk Analysis), (ii) resurssien allokointi luotettavuutta parantaville toimenpiteille, (iii) projektiportfolion valinta ja (iv) standardointiresurssien allokointi. Kehitettyjä menetelmiä voidaan vähäisin muutoksin hyödyntää myös muilla sovellusaloilla. fi
dc.format.extent 156
dc.format.mimetype application/pdf en
dc.language.iso en en
dc.publisher Aalto University en
dc.publisher Aalto-yliopisto fi
dc.relation.ispartofseries Aalto University publication series DOCTORAL DISSERTATIONS en
dc.relation.ispartofseries 211/2016
dc.relation.haspart [Publication 1]: A. Toppila and A. Salo. A computational framework for prioritization of events in fault tree analysis under interval-valued probabilities. IEEE Transactions on Reliability, Vol. 62, No. 3, pp. 583-595, 2013. DOI: 10.1109/TR.2013.2270401
dc.relation.haspart [Publication 2]: A. Toppila and A. Salo. Selection of risk reduction portfolios under interval-valued probabilities. Submitted manuscript, 30 pages, 2016.
dc.relation.haspart [Publication 3]: A. Toppila and A. Salo. Binary decision diagrams for generating and storing non-dominated project portfolios with interval-valued project scores. Submitted manuscript, 30+10 pages, 2016.
dc.relation.haspart [Publication 4]: A. Toppila, J. Liesiö and A. Salo. A resource allocation model for R&D investments – A case study in telecommunication standardization. In: A. Salo, J. Keisler and A. Morton (eds.), Portfolio Decision Analysis: Improved Methods for Resource Allocation, pp. 241–258, Springer, New York, 2011. DOI: 10.1007/978-1-4419-9943-6_11
dc.subject.other Management en
dc.subject.other Mathematics en
dc.title Robust reliability and resource allocation - Models and algorithms en
dc.title Robusti luotettavuuden ja resurssien allokointi fi
dc.type G5 Artikkeliväitöskirja fi
dc.contributor.school Perustieteiden korkeakoulu fi
dc.contributor.school School of Science en
dc.contributor.department Matematiikan ja systeemianalyysin laitos fi
dc.contributor.department Department of Mathematics and Systems Analysis en
dc.subject.keyword epistemic uncertainty en
dc.subject.keyword incomplete information en
dc.subject.keyword combinatorial optimization en
dc.subject.keyword importance measures en
dc.subject.keyword binary decision diagrams en
dc.subject.keyword project portfolio selection en
dc.subject.keyword episteeminen epävarmuus fi
dc.subject.keyword epätäydellinen informaatio fi
dc.subject.keyword kombinatoorinen optimointi fi
dc.subject.keyword tärkeysmitat fi
dc.subject.keyword binääriset päätöskaaviot fi
dc.subject.keyword projektiportfolion valinta fi
dc.identifier.urn URN:ISBN:978-952-60-7071-1
dc.type.dcmitype text en
dc.type.ontasot Doctoral dissertation (article-based) en
dc.type.ontasot Väitöskirja (artikkeli) fi
dc.contributor.supervisor Salo, Ahti, Prof., Aalto University, Department of Mathematics and Systems Analysis, Finland
dc.opn Zio, Enrico, Prof., Politecnico di Milano, Italy
dc.contributor.lab Systems Analysis Laboratory en
dc.rev Borgonovo, Emanuele, Prof., Bocconi University, Italy
dc.rev Bedford, Tim, Prof., University of Strathclyde, UK
dc.date.defence 2016-11-10


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse