Выбор набора технологий: применение теории принятия решений

РЕЗЮМЕ

Министерство энергетики сталкивается с критической и комплексное решение задач выбора технологии для восстановления отходов сайта. Данное исследование фокусируется на разработке инструментов поддержки принятия решений, который помогает, принимающих решения, чтобы найти оптимальный портфель. Портфеля состоит в выборе соответствующих процессов для восстановления сайта, а затем, выбрав технологии для каждого процесса, с тем, что цели принимающего решения будут достигнуты. Меры в поддержку целей являются риск, жизненного цикла, стоимость и время, требуемое для восстановления. В модели используется экспоненциальная функции полезности атрибут с аддитивной целевой функции. Модель дает принимающему решение с оценками затрат и времени распределения и связанных с ними полезности. Накопительное распределения частот иллюстрации господство выбор технологий и разница в результатах. Модель позволяет анализ чувствительности в виде радуги торнадо диаграммы для отображения последствий изменения значений входных переменных. В целом, модель обеспечивает общий инструмент выбора технологий, которые могут быть использованы для более обоснованных решений и могут быть легко манипулировать, чтобы отразить изменения в восстановительных процессов.

ВВЕДЕНИЕ

В технологии нынешнем мире, многие предприятия и государственные учреждения вынуждены принимать жесткие, рискованные, важных финансовых решений, инвестиций в области инновационных технологий. Выбор правильных технологий средств отражает ценности организации капитальных затрат, исследований и разработок (R

Часто комплексные решения портфель состоит из последовательных решений, в которых многочисленные варианты существуют на каждом этапе принятия решений. Эти параметры могут быть независимыми или взаимосвязаны, например, зависит технологий последовательный процесс. Восстановлению ядерных объектов хранения отходов можно рассматривать как комплексный, последовательный процесс принятия решений с участием технологии зависимостей и значительные временные и финансовые затраты неопределенности.

Наследие нашего национального преследования ядерных исследований и развития, энергетики, научных, медицинских и военных целей, является большое количество сайтов, содержащих радиоактивные отходы (DOE/EM-0232, 1995). Есть в настоящее время более 132 объектов в 31 штатах и Пуэрто-Рико в список приоритетного национального (DOE / ERP, 1996). Департамент энергетики (DOE) планирует потратить между 189 и 265 миллиардов долларов в течение следующих 75 лет ликвидацию последствий этих мест захоронения опасных отходов (DOE / BEMR, 1996). Кроме того, энергетики считает, что дополнительные места будут определены в рамках более чем 3300 квадратных миль, которыми он управляет.

В 1990 году было подсчитано, что МЭ объектов, изложенные 3000000 кубических метров похоронили отходов, из которых примерно половина была похоронена до 1970 (DOE/EM0251, 1995). К сожалению, удаление правила в силе до 1970 года позволило смешение опасных, радиоактивных и других видов отходов. Эти объединенных или смешанных отходов, начиная от строительных материалов до макулатуры, лабораторного оборудования для технического обслуживания оборудования и ядерных материалов на нефтепродукты.

Чтобы справиться с этой варить "ведьмы" загрязнения, полигонов по стабилизации Приоритетная область (LSFA) в DOE/EM50 (Мохиуддин, 1995), сосредоточившись на 7 технологических процессов: характеристики и оценки, стабилизации, поиска, обработки, сдерживания, удалением и Мониторинг. Последовательных потоков этих процессов показана на рисунке 1.

Для каждого процесса восстановления существует несколько вариантов технологии, которые могут быть использованы. Кроме того, новые и инновационные технологии в настоящее время разработаны и протестированы для улучшения каждого процесса. В зависимости от месторасположения, технологии выбрали для характеристики и оценки отходов сайта. После того как характеристика технологии определяется и начали принято решение о стабилизации или не стабилизируется загрязняющих веществ в сточных сайте основе срочности и критичности характеризуется отходов. После стабилизации принятия решения, технологии, то выбрали либо лечить или содержать отходов, но не одновременно. Наконец, технологии выбрали для наблюдения за лечение или содержащиеся отходов форме. Выбрали технологии для каждого процесса составляют восстановления портфеля. Выбор оптимальных, эффективных восстановления портфеля, который обеспечивает экологически безопасный объект, является ключом к выполнению требований этого национального портфеля.

Технологий в рамках рассмотрения диапазоне от известных, разработанных методик, через прототип технологии к технологиям, которые все еще находятся в стадии разработки лаборатории. Факторы риска создаются в зависимости от срока погашения данной технологии, умение правильно охарактеризовать и оценить отходов сайте, и в результате применения правильной технологии данного сайта.

Чтобы включить риска в рамках, предусмотренных инструмент поддержки принятия решений, она должна быть четко определена. Для этого исследования, технологический риск определяется как вероятность того, что технология выйдет из исследований, разработок и направила процесс, который не работает по своим параметрам конструкции. Стоимость риска является вероятность того, что портфель технологий будут испытывать перерасход средств, когда ликвидацию последствий сайта. Расписание риск вероятность того, что портфель технологий не будет отвечать конкретный срок, когда горизонт ликвидацию последствий сайта. Экологического риска является вероятность того, что безопасность окружающей среды или людей будут поставлены под угрозу, когда речь идет восстановление сайта.

Выявление, характеризующие, и восстановления мест хранения отходов требует много времени, ресурсов и усилий. Это массовое очистки должны быть выполнены в условиях сокращения бюджетов, но увеличение национального обеспокоенность экологической безопасности. Для решения этой задачи будет все необходимое для эффективного использования имеющихся национальных ресурсов. Эти усилия могут быть повышена за счет применения теории принятия решений науки и инструменты (Howard, 1988).

В настоящее время энергетики не хватает официального инструмента анализа решений для поддержки принимающих решения при выборе восстановительных технологий. Это исследование описывает развитие такого инструмента. Использование жизненного цикла стоимость (LCC) модели для обеспечения стохастических данных расходов в качестве вклада в жизненном цикле анализа и моделирования хорошо скоординированных усилий в рамках Министерства энергетики США (Envest, 1997). Аналогичным образом, характерным жизненным циклом данных о затратах для каждой технологии в каждом процессе реабилитации может обеспечить моделирование основе, стоимость жизненного цикла профили для предлагаемых технологий (Jackson, Белый, Kloeber, Толенд, Каин,

методы анализа решений могут использовать информацию LCC распределения сочетании с информацией о технологических рисков, и может включать неопределенность в процессе раз, чтобы помочь принимающему решение выбрать наилучшее сочетание восстановительных технологий. Дженнингс, Нилс и Мохан (1984) представил список из нескольких моделей среды восстановления использованием многокритериальных предпочтение или теории полезности для оказания помощи экологических, принимающих решения. Purucker, Лион, Стюарт, и Nanstad (1991) учредил полезность решения методы анализа экологических решений. Наконец, Кини и фон Winterfeldt (1996) описал, как стоимость, сосредоточены мышления (ДПД) методов создан набор ценностных показателей эффективности деятельности Ханфорд Танк отходов программы восстановления системы. Используя эти методы, средства поддержки принятия решений была построена.

Рисунок 2 излагаются основы достигнутые исследований и поток данных между основными модулями. В центре внимания данного исследования является разработка модуля анализа решений. В следующем разделе настоящей статьи, охватывает методологию анализа модели решения. Затем, типичный анализ с использованием модели продемонстрировали яму испытания прототипа, а в последнем разделе этой статьи предусматривает, заключительные замечания.

МЕТОДОЛОГИЯ

Использование ПВП (Кини, 1992), соответствующие критериям были определены старшие лица, принимающего решения МЭ от DOE/EM50. Кини определили стоимость в качестве основного критерия связаны с последовательным решения, касающиеся выбора технологии и заявил, что задач, поставленных перед энергетики в связи с устранением отходов сайты были по преодолению последствий: быстрее, лучше, дешевле и безопаснее. В результате, критерии энергетики для решения вращается вокруг свалок восстановлению в первую очередь связано с риском для прогнозирования стоимости, времени и безопасности; экономии средств, а также разработку более совершенных технологий. Эти цели, наряду с соглашениями МЭ по удовлетворению этапов, чтобы стоимость и время разумные объективные критерии для выбора отходов очистных технологий (DOE / ID-10513, 1995). МЭ считается риск для окружающей среды выходит за рамки данного исследования (Ралстон, 1996). Таким образом, задач, связанных с безопасным и более восстановлению не рассматриваются данного исследования.

На основе изучения литературы и проблемы энергетики, многокритериальных утилита анализа был выбран в качестве лучшего метода для моделирования выбора безотходных технологий восстановления участков. Утилита теория дает математической функции для моделирования предпочтений принимающего решения по отношению друг к атрибутам и риска (Кини

В принципе, модель анализа решений использует последовательные решения восстановления (рис. 1), чтобы определить общее время, необходимое для каждого возможного набора технологий. Распределение текущей стоимости общая стоимость портфеля производится. Модель позволяет рассчитывать, когда технология будет использоваться, когда он доступен для использования и, следовательно, расчет дисконтированной стоимости его использования в данный момент времени. Ограничения для общей стоимости и времени используются для устранения портфелей, которые превышают ограничения бюджета и графика очистки, а совместимость ограничения обеспечить, что технологии могут быть использованы вместе в одном портфеле. Аддитивная функция полезности предпочтения, принимающих решения, и утилита для временных и финансовых затрат позволяет модели назначить полезность каждого стохастических лист данного портфеля. В следующих разделах подробно разработка модели анализа решений.

Модель развития

При разработке модели процесса принятия решений и отношений предоставляемый МЭ (рис. 1) требует последовательной структуры решения. Каждый блок представляет собой решение. Все, кроме двух из этих решений включают выбор технологии для выполнения определенного процесса представлена блок. Только стабилизации и лечить или содержать блоки да / нет решения, которые устанавливают восстановления пути отходов сайта. Каждый процесс включает в себя технологии, что означает с точки зрения затрат, времени и потенциальных факторов риска. Отдельных процессов объединить последовательно для всей системы реабилитации. Оценки каждого процесса включает в себя расчет стоимости и времени для конкретной технологии, которые затем в сочетании с другими процессами расходы и время для получения общей стоимости и времени для набора технологий.

Решение структуры на рис 1 могут быть смоделированы с решением, дерево на рисунке 3. Узлов решения в области технологий следуют неопределенности узлов (не показано), связанные с технологией отказа, стоимости и времени для каждого процесса.

Для того, чтобы рассчитать затраты и время, мы моделировали процесс принятия каждого решения с влиянием диаграмме (рис. 4, диаграммы, показанной на процесс утилизации), которая обеспечивает графическое представление взаимосвязей между ключевыми элементами процесса принятия решения. Каждое из решений, технологии отбора связанные модели схема влияния, которое имеет аналогичную структуру и использует одинаковый расчетов. Результат каждой отдельной модели процесс расчета стоимости и времени для выбранной технологии. Использования влияния диаграмм позволяет лицам, принимающим решения, и ключевых технических экспертов для более легко визуализировать процесс (точное время не стоит тысячи слов), а также графически проверки процесса.

В влияния диаграмме (см. рис 4), прямоугольные узел представляет собой решение, выбор технологии. Неопределенность события отображаются в виде овалов и детерминированных значений переменных отображаются в виде круглого угол прямоугольников. Когда в распоряжении технологии не выбран, исследований и разработок (R

Стоимость узлов, которые следуют технологии узлов выбора решения см. таблицу ячейки, содержащие LCC и риск данных. Распределения затрат и времени значения из модели LCC позволит оценить параметры распределения. Эти оценки параметров вводятся в ячейки таблицы, прошло под влиянием диаграммы (ADA Решение Systems, 1995), и использовать в качестве параметров распределения вероятностей в неопределенности узлов R

Полная модель процесса принятия решений строится путем объединения 7 различных моделей процесса, как показано на рисунке 3. Неопределенности узлов, которые обычно следуют решения узлов в дереве решений, были устранены из рисунка из-за потребностей в служебных помещениях. Утилиты для окончательной стоимости и времени (в том числе каждого процесса в портфолио) сначала рассчитывается с использованием функции полезности, взвешивают, а затем суммируются для представления общей полезности портфеля.

Модель Ограничения

Модель Д. отслеживает атрибуты затрат и времени, а также категория, каждой технологии в портфеле. Категории используются для того, чтобы технологии в портфеле совместимы, поэтому только совместимые технологии позволили должны быть выбраны. Эти ограничения позволяют совместимости нескольких видов технологий связи нужно моделировать, например, конкретные технологии лечения может потребоваться конкретные технологии утилизации. Эти ограничения на основе булевой логики (Ралстон, 1996); и схожи с множественным выбором или или / или ограничений использоваться в многокритериальных подходов к программированию (Deckro, 1989).

Общая стоимость и время значения также используются для ограничения модели. Бюджеты и сроки очистки целевой ограничить количество времени и денег, запланированных на восстановление сайте отходов. Ограничения могут быть использованы для наказания портфелей, которые превышают эти предельные значения, назначив наказание портфеля значение целевой функции, такие, как чрезвычайно высокой стоимости или времени, или крайне низкой полезности. Если пользователь хочет, чтобы исключить эти портфели, то наказание может быть увеличено до экстремального значения, в действие, отбор неприемлемым портфелей. Однако, так как время и стоимость не уверены в пределах данного портфеля, портфеля может иметь ненулевой вероятностью превышения ограничений и дополнительных вероятность стоимости и времени, что находится в пределах. В этом случае, тем выше вероятность того, за пределами, тем более наказывать портфеля будет. Примером может служить портфель, в котором есть шанс 0,10 превышения расходов ограничения. Штраф будет оцениваться на листья дерева решений, которые нарушают ограничения, скажем, полезность -. 5, и другие расходы на распределение будет получать их нормальных значений полезности. Ожидаемая полезность отражает последствия возможного превышения пределов в том числе наказание листья дерева ..

Служебные функции

Модель анализа решений анализирует каждый возможный вариант сочетания технологий и рассчитывает чистую приведенную стоимость для затрат и времени для каждого листа каждого портфеля. Хотя эта модель может сравнить технологии, основанные на стоимости или времени, вспомогательные функции позволяют выявленные предпочтения принимающего решения, которые будут использоваться в качестве основы для рекомендаций технологий.

Single-мерной функции полезности для финансовых и временных затрат атрибуты были определены позволяет принимающему решение, чтобы настроить функции полезности путем манипулирования графических представлений. Принимающего решение скорректировать график каждого, пока он или она была довольна, что он представляет свои убеждения. Для этой модели, принимающего решение использовать лучшее, худшее, и целевого значения. Модель анализа решений предоставляет лучшие и худшие случае просто путем расчета лучшие и худшие результаты всех портфелей с использованием как стоимость и время. Целевое значение происходит от ввода в модуль жизненного цикла расходов, правил, контрактов и принятия решений. Эти три ценности определяют основу для функции полезности и директивный орган может изменить форму графике (рис. 6), пока доволен ее точности.

Использование рекомендаций от DOE / LSFA, общий вид функции полезности был определен. МЭ высокой утилита для расходов и сроков, которые находятся ниже их целевых значений плюс 10% ошибку фактор. С другой стороны, DOE / LSFA очень маленькая утилита, расходы и время, которые превышают целевые показатели (Ралстон, 1996). Эта философия результатов в функции полезности похож на график показано на рисунке 6.

Функции полезности на рисунке 6, вызвал из лиц, принимающих решения, награды за 1,0 лучшем случае (2,8 года) и 0,0 на худший случай (15,5 лет). Принимающего решение определено, что целевой показатель (7,0) плюс 10% должны быть назначены полезности 0,75. Использование лотерей, середина утилит для работы с разделами 2, 0,875 и 0,375, как было установлено, целевой показатель (7,0) и целевой стоимости плюс 25% (7,0 * 1,25 = 8,75), соответственно.

С 5 известных точек, две различные экспоненциальные кривые были объединены, чтобы выработать единый функции полезности. Мы использовали программный инструмент для выполнения этой процедуры (Логические Решения, 1993). Формула для функции полезности на рис 6:

U ^ югу х ^ (х) = 1,002 - ^ 0.0001348e SUP 0.9784x ^ для х = 7,7,

, где U ^ югу х ^ (х) полезность портфеля требующие х лет.

Как только эта функция известна, она может быть включена в модель анализа решений и используется для выбора технологии портфелей на основе самых высоких полезности. Аналогичные функции, разработанные для расходов атрибута. Когда функции полезности для временных и финансовых затрат атрибуты определены, они могут быть объединены в аддитивной целевой функции с использованием параметров представлять значение каждого атрибута.

Цель Функция

Чтобы использовать аддитивную форму для целевой функции нескольких условий независимости должно быть установлено. Следующие условия были созданы для каждой из наших трех лиц, принимающих решения в соответствии с процедурами, изложенных в Clemen (1996) и Кирквуда (1997). Во-первых, мы проверили на льготных независимость, а потом использовать лотерей установить утилиту независимости затрат и времени атрибутов. Кроме того, сильные аддитивные условие независимости требует, чтобы мы представляем каждому из лиц, принимающих решения в выборе между лотереями X и Y (см. рисунок 7). Каждый, кто принимает решения было безразлично, лотерей, пока оценки не превышает общей стоимости и общей нехватки времени. Исходя из бесед с DOE, было установлено, что стоимость и время удовлетворить аддитивных условие независимости, при условии, что стоимость и время меньше, чем их максимальных значений ограничения. 2 атрибуты, затрат и времени, являются независимыми, если аддитивно, принимающего решение в отношении одного лотерей в один атрибут не влияет на предпочтения в лотереи для других атрибутов.

Если это условие выполняется для обоих атрибутов, то целевой функции принимающего решения могут быть представлены аддитивная функция полезности (Кини

U (х, у) = Ш ^ к югу х (х) (1 - К) U ^ югу у ^ (у), где

U (х, у) является общей полезности, к югу U ^ х ^ (х) есть утилита для расходов х, U ^ югу у ^ (у) утилита для времени у и К значение придается стоимости.

Аддитивная функция полезности требует только одномерными функции полезности, к югу я ^ ^ с, и что сумма весов к одному. Веса должны представлять предпочтения, принимающих решения по отношению к каждому из атрибутов. В нашем случае, к одной, стоимость веса, достаточно. Если к вынужден где-то между 0 и 1, то (1-А) могут быть использованы на данный момент вес. (1996) Clemen прямые процедуры оценки веса был использован для извлечения предпочтений принимающего решения. После того как все слагаемые в правой части этого уравнения определяются, многокритериальных утилита для данного портфеля с вероятностным результаты могут быть рассчитаны.

Полная функция распределения вероятностей могут быть построены в многокритериальных утилиты для данного портфеля. В соответствии с аксиомами теории полезности, портфель с самой высокой ожидаемой полезности, следует отдавать предпочтение портфелю.

Моделирование Предположения

Некоторые предположения были сделаны в строительство и демонстрирует модель анализа решений, в том числе:

1. Только соответствующих технологий для данного сайта отходов считаются.

2. Стоимость и время распределения моделируется с помощью гамма-распределения.

3. Для любого сайта отходов решения для стабилизации или нет стабилизации производится перед запуском модели.

4. Все расходы и время распределения из модуля риска технологии условно независимых друг от друга.

Модель анализа решений неявно предполагает, что технологии, которые не могут быть использованы для определенных сайтов и отходов не будет кандидатом множеств. Несоответствующий технологии должны отбираться из потребителем / аналитик в первую очередь по результатам предварительных характеристик сайта.

Гамма-распределения был выбран для этого исследования, потому что:

1. Гамма-функция масс вероятностью около имею в виду, но он также имеет правый хвост, который позволяет более высокие значения. Эта форма является разумным представление для контрактных ситуациях, в которых время и затраты, весьма вероятно, соответствуют или превышают этот срок, но не могут быть крайне рамках бюджета и с опережением графика.

2. Гамма-функция всегда неотрицательна, которая необходима для стоимости и временных переменных.

3. Гамма-распределения использует только два параметра, но все же позволяет форме быть изменен на подходят разные потребности. Гамма распределения, были использованы для приблизительной стоимости и времени распределений, которые были получены от технологии экспертов (Ралстон, 1996). Хотя многие затраты / время распределения представляется, подходят либо логнормальное или гамма-распределения, другие дистрибутивы также может быть использован только с небольшим изменением в модель анализа решений.

Выгоды от стабилизации, не связанные со стоимостью и времени и, следовательно, не захватили с этой моделью. Решения для стабилизации отходов сайте диктуется вопросы, связанные с экологическими и опасности для здоровья человека, и, как правило, направлены регулирующими органами. Если стабилизация не требуется, решение должно рассматриваться до использования модели, и пользователь должен включать решения, контролируя путь в дереве решений. Если стабилизация использовании других технологий портфели должны быть способны ликвидацию последствий стабилизировалась материала.

Ралстон (1996) охватывает более подробно изложил моделирования и несколько сценариев, которые были проанализированы с использованием этой методологии. Завершив внедрение на эту проблему и, разработал метод, следующий раздел посвящен применению модели анализа решения на сайте восстановлению энергетики.

Иллюстрирующий пример: ПИТ испытания прототипа

Демонстрация решения модели анализа и технических данных представленных для определения наилучшего общего восстановления портфеля. Ралстон (1996) показали дополнительные сценарии для сравнения лечения и сдерживания варианты и сценарии, чтобы сосредоточить внимание на выбор технологии для одного процесса. В любом случае, альтернативы сравниваются на основе общей стоимости, общее время, и полезности. Риска (затраты, сроки, и их осуществление) было неявно считается для всех технологий с использованием стоимость и время распределения, а также отдельные функции полезности. Модель анализа решений осуществляется в DPL 3,0 программного обеспечения (ADA Решение Systems, 1995).

Инженерные целевых значений были разработаны НОО для каждого процесса и отходов в яму испытания прототипа, и приведены в таблице 1. Перекрытие значения представляют собой процент времени перекрытия между процессом и его последующего процесса (см. рисунок 1). Stop_Time значения представляют собой долю O

Для того, чтобы сравнить альтернативные варианты, сайт-специфический набор вспомогательных функций для затрат и времени определяются с помощью трех точках эвристический уже говорилось. Решения модели анализа можно определить лучших и худших случае значения затрат и времени. Оптимальные значения случае присваивается пятый процентиль стоимость и время распределения, в то время как наихудшие значения случае назначается 95-й процентили. Эти ценности, наряду с целевой оценкам, содержится достаточно информации для формирования отдельных функций полезности атрибута. Из-за различных сценариев анализа функции полезности, были рассчитаны для восстановления стабилизировалась портфеля и портфеля без стабилизации. Графики атрибут функции утилит для восстановления яму испытания прототипа со стабилизацией приведены на рис 8а и 8b. Графики атрибут функции утилит для восстановления яму испытания прототипа без стабилизации приведены на рис 8C и 8d.

Стоимость был рассмотрен в два раза важнее, чтобы лицо, принимающее решение МЭ, как время, таким образом, первоначальные значения, присвоенного вес расходов (к) 0,6667. Для каждого сценария Max_Cost составляет $ 100 млн и ограничение Max_Time составляет 10 лет. Если портфель превышает один из этих значений, это дается полезности нуля. В результате целевой функции в следующих областях:

Расширенный анализ

Этот сценарий связан с анализом процесса полного восстановления. Сценарий предназначен для приблизительные потребности, принимающего решение, чтобы определить полный набор реабилитации для испытания яму. В данном сценарии предполагается, что сайт требует стабилизации. Таким образом, функции полезности показанной на рис 8а и 8б используются для сравнения альтернатив.

Использование информации выше, модель анализа решений вычисляет оптимальный портфель реабилитации для этого сценария. Хотя данные за фактическое используются технологии, ввода данных политически чувствительным. Портфели представлены с помощью следующего обозначения:

XX-Y, XX-Y, ...

где XX = (CA: Характеристика

5 лучших портфелей на основе их ожидаемой полезности перечислены с их ожидаемой стоимости и ожидаемых раз в таблице 2. Портфель с самой высокой полезности для этого сценария (CA-1, SL, C-1, М-2). Хотя этот портфель дает высокий ожидаемой полезности, нет существенной разницы между Работы 1 и 2, и большой разницы в любом из пяти портфелей.

Как показано в таблице 2, в результате времени и стоимости для портфелей меняться, несмотря на их аналогичные значения полезности. Оптимального портфеля (CA-1, SL, C-1, М-2), имеет ожидаемая стоимость $ 4 млн. больше, чем на следующий лучшее портфолио, (CA-2, S-1, C1, М-2). Тем не менее, ожидаемое время для оптимального портфеля 2,5 года меньше, чем другие альтернативы. Несмотря на значение придается расходов в функции полезности, значение времени существенно влияет на результат. Это связано с функциями атрибутов коммунального хозяйства и в результате значения затрат и времени. Ниже полезность значений для данного портфеля происходит, когда несколько технологий, в портфеле терпят неудачу, в то время как более высокие значения утилита произойти, если ни одна из технологий неудачу.

Рисунок 9 участков ожидаемых расходов и ожидаемых значениях времени возможно портфели для этого сценария. Возможные портфелей те портфели, которые совместимых технологий и предполагаемых затрат и ожидаемых раз ниже максимальных значений ограничения в размере 100 млн и 10 лет. Пунктирная линия показывает, целевые значения затрат и времени. Верхнем 5 портфелей говорилось выше, которые имеют самую высокую ожидаемых значений полезности, нумеруются на участке. Обратите внимание, что за счет использования функций ограничений, более 1000 возможных портфелей сводятся к рассмотрению около 30 альтернативных вариантов, значительное снижение. Большинство из оставшихся портфелей стоило значения ниже себестоимости целевого показателя в размере 70 миллионов. Очень немногие портфелей, однако, время значения ниже целевого времени. Таким образом, чувствительность к стоимости уменьшается, и время становится влиятельным.

Технологий, используемых в оптимальный портфель (портфолио 1) все имеющиеся в настоящее время и не требуют R

Предыдущие результаты были основаны исключительно на ожидаемой полезности, где утилита является функцией затрат и времени. Анализируя распределение этих величин дает представление риска в каждом портфеле. На рисунке 10 показано совокупное распределение утилита для топ-5 портфелей реабилитации, пронумерованы в соответствии с уменьшением ожидаемой полезности. Тройку портфелей стохастически доминирует остальные два портфеля. Стохастическое доминирование означает, что для любой заданной полезности, доминирующих портфелей, более вероятно, имеют одинаковое значение или большей вероятностью, чем доминируют портфелей. Это господство наводит на мысль о финансировании S-1, C-1 и М-2.

Статистика распределения частот приведены в таблице 3. Значений выборочная дисперсия дать оценку риска для каждого портфеля. Оптимальный портфель характеризуется самым низким средним значением времени и маленький выборочной дисперсии, которая подразумевает, что риск в реабилитации время для этого портфеля меньше, чем другие высшие портфелей. Стоимость оптимального портфеля, однако, предполагает больший риск. Мало того, что ожидаемые затраты выше, чем в ближайшие два портфеля, но образец Разница стоимостных объемов больше, чем другие 4 портфелей. Кумулятивное распределение расходов на этот портфель, показывает, что вероятность стоимостью менее целевой стоимостью $ 70 млн больше, чем 99%.

Оптимального портфеля показано в таблице 3 (CA-1, S-1, C-1, М-2). Хотя общая стоимость этого портфеля несколько выше, чем других вариантов, этот портфель требует значительно меньше времени, чем все другие альтернативы. Разница в реабилитации время составляет для немного более высокой цене. Этот результат может показаться противоречащим значение, которое придается стоимость (А = 0,6667), однако это следует предыдущие выводы о диапазоне стоимости и значения времени и диапазон полученных значений полезности.

Дальнейший анализ чувствительности показывает чувствительность оптимальной политики в значения переменных, используемых в модели. Радуга диаграммы на рисунке 11 показано, как оптимального изменения политики, как увеличение расходов утилита веса. Технологий, отобранных для оптимального портфеля относительно нечувствительны. Только оптимальные характеристики технологии выбора изменяется стоимость становится все более важной для принятия решений. Изменения в политике происходят примерно к = 0,68 и А = 0,925. Аналогичные результаты для CA-1, ЦА-2, CA-3, также очевидно, в этой графе. Оптимальная политика с приведенными выше для К = 0,6667.

Влияние изменения значений других переменных показано на рисунке 12. Этот смерч диаграмма показывает наиболее влиятельных переменных, которые находятся в верхней части графика и длинной полосы. Переменных кратчайшие полос, в нижней части графика, являются наименее влиятельные.

Для проведения анализа чувствительности, значения для большинства переменных варьировались от 50% до 150%. Эти области представляют собой рамки того, что считается реалистичным. Несмотря на широкий спектр значений, крупнейшей величины изменения в утилите раствора 0,002. Диаграмма показывает, что переменные времени сдерживания и стабилизации технологии недостаточности (Stop_Time2 и Stop_Time6) имеют большое значение для данного решения, а также ставки процентов и инфляции.

Только изменения в оптимальной политики возникают, когда процентная ставка повышается, или когда уровень инфляции снизился, в соответствии с временной стоимости денег и расчетов, используемых в модели. CA-2 технология требует R

В итоге, модель Д. предоставляет целый ряд важных инструментов для анализа решений, выбор технологии. В модели используется отношение риска лица, принимающего решение, чтобы выбрать технологии, основанные на полезности. Утилита распределения показать диапазон и частота параметры так, чтобы принимающий решения видит риск, связанный с каждого портфеля. Модель позволяет также анализ чувствительности, в виде радуги торнадо диаграммы для значений входных переменных. Это говорит, принимающего решение, насколько чувствительным оптимальной политики и окончательное значение эта политика изменится. С помощью этого анализа в руке, принимающего решение лучше подготовлен, чтобы принять решение и выполнить свой план.

ВЫВОДЫ

Цель этого анализа было подготовить общую модель, способного анализировать выбор НОО о технологии на свалку реабилитации сайте отходов. Модель использует атрибуты стоимости и времени, чтобы сравнить возможности восстановления портфелей и технологий. Модель включает в себя технологии риск в оценке технологий портфелей отходов восстановления. Расчет общей стоимости и общее время включения вероятность и величину технологии провал. предпочтения, принимающего решение в отношении затрат и времени, также принимаются во внимание с помощью утилиты функций, которые объединены для определения оптимального портфеля. Мы предоставляем решения мейкера уникальную возможность познакомиться с риском, изменчивость, и общий рейтинг портфелей.

Распределений по стоимости и времени предоставили необходимые данные для сравнения альтернатив. Как правило, многие альтернативные технологии будут доминировать с точки зрения затрат и времени, и это будет полезным для ликвидации технологий, которые явно доминируют, прежде чем определить функции атрибут полезности. Кумулятивных распределений полезности, стоимости и времени могут быть использованы для выявления тех портфелей, которые явно доминировали. Ожидаемое значение дает общую меру, но она не учитывает разницы и диапазон значений. Из-за этого распределения для затрат и времени должны быть использованы для сравнения портфелей с аналогичными результатами. Разница в сопоставимых портфелей должны быть проанализированы, чтобы определить размер риска, связанного с указанием затрат и времени для портфолио.

Принимающего решение будет полезно использовать все портфеля и данные анализа чувствительности. Хотя приведенные здесь результаты демонстрируют стандартные смещения NPV по отношению к известным и невозвратные издержки, анализ позволяет отображать из причин выбора конкретного портфеля. Кроме того, в отличие от классических детерминированных моделей программирования, "портфеля" захватили технологии (по портфелей), что позволяет принимающему решение рассмотреть вопрос о постоянном финансировании из нескольких конкурентоспособных технологий при одновременном устранении тех, которые явно доминировали. Это особенно полезная функция при выборе передовых технологий в R

Моделирование подход, изложенный в этом документе содержится механизм для анализа выбор широкий спектр технологий восстановления загрязненных почв, в различных стадиях развития, более реалистичный набор сценариев. Хотя не предоставляет грануляции детальное изучение выбрать подмножество технологий для конкретного места, она дает верхней лицо, принимающее решение уровне достаточно подробно, чувствительность данных и понимание в поддержку кратко-, средне-и долгосрочным проектом выбор и принятие решений о финансировании. В связи с продолжающимся сокращением исследования и разработки бюджетов, необходимость увеличения поддержки принятия решений по финансированию вопросов не вызывает сомнения. [В редакцию: 2 июня 1997. Принято редколлегией: 6 марта 1998.]

Ссылки

Системы ADA решения. (1995). DPL расширенный вариант руководства пользователя. Белмонт, штат Калифорния: Даксбери Press.

Clemen, Р. Т. (1996). Изготовление жестких решений. Белмонт, штат Калифорния: Даксбери Press. Deckro, Р. F. (1989). Балансировка время цикла и рабочих станций. ИМО Сделки, 21 (2), 106-111.

DOE / BEMR. (1996). 1996 фоновых экологических докладе управления. Министерства энергетики США. Gaithersburg, MD. [Online]. В наличии: http:ll <a target="_blank" href="http://www.em.doe.gov/bemr96/about.html" rel="nofollow"> www.em.doe.gov/bemr96/about . HTML </ A>.

DOE/EM-0232. (1995). Министерства энергетики США. Экологический менеджмент 1995. Gaithersburg, MD.

DOE/EM-0251. (1995). Министерства энергетики США. Экологический менеджмент 1995. Gaithersburg, MD.

DOE / ERP (1996). МЭ экологической программы восстановления. Министерства энергетики США. Gaithersburg, MD. [Online]. В наличии: <a target="_blank" href="http://www.em.doe.gov/erl" rel="nofollow"> http://www.em.doe.gov/erl </ A> erprg . HTML, стр. 1.

DOE/ID-10513. (1995). Министерства энергетики США. FY-95 технологии каталога. Gaithersburg, MD.

Envest. (1997). Delta Technologies Group инк [Online]. В наличии: http:// <A HREF = "http://www.ggsd.com/remed.htm

Франц, Л. С.,

Ховард, Р. H. (1988). Решение анализ: практика и перспективы. Управление науки, 34 (6), 679-695.

Джексон, JA, Белый, TP, Kloeber, JK, Толенд, RJ, Каин, JP,

Дженнингс, А. А., Нил, М.,

Кини, Р. Л., (1992). Соотношение ориентированного мышления. Cambridge, MA: Harvard University Press.

Кини, Р. Л.,

Кирквуд, К. В. (1997). Принятие стратегических решений: анализ многокритериальных решений с электронными таблицами. Белмонт, штат Калифорния: Уодсворт. Логические решения. (1993). Логические решения для Windows (Vers. 4,003). Золотые, CO

Лори, J. H.,

Мохиуддин, J. (1995). DOE/EM-55 руководителя программы. Обмена информацией в заседаниях 18-20 августа 1995 года в DOE/EM-50, Gaithersburg, MD. Purucker, С. Т., Лион, Б. F., Стюарт, Р. Н.,

Jack A. Джексона

МАР / JAWP, 1801 Н. Борегард ул Alexandria, VA 22311-1772, электронная почта: jajackso @ ида Org

Джек М. Kloeber-младший, Брайан Ралстон Э., Ричард Ф. Deckro

Департамент по оперативному наук, ВВС технологический институт, Райт-Паттерсон AFB, 0H45433-7765, адрес электронной почты: <a href="mailto:jkloeber@afit.af.mil"> jkloeber@afit.af.mil </ A>

Jack A. Джексон национальной обороны сотрудник Института анализа обороны. Недавно он покинул должность доцента операций исследований, Отдел оперативной наук в военно-воздушных сил технологическом институте. Он получил степень бакалавра в области управления, начиная с Академии ВВС США в 1976 году; MS в исследовании операций с ВВС технологический институт в 1989 году, а завершить докторскую степень в области математических и компьютерных наук из Колорадо горном училище в 1994 году. Lt Col Джексон пилот команды чьи последние задания включают полеты истребителей в ВВС и в качестве фронтового истребителя / оружия аналитик и штабных офицеров в Пентагоне. В настоящее время его научные интересы включают решения / Экономический анализ, математика программирование, прикладная статистика, моделирование, моделирование и борьбы.

Джек М. Kloeber, подполковник армии США является доцент кафедры исследования операций, Департамент по оперативному наук, ВВС институт технологии (AFIT / ENS). Он получил степень бакалавра и магистра в области промышленного производства от Lehigh University,

и кандидат в системах и промышленного строительства из Технологического института Джорджии. интересы LTC Kloeber исследовательских лежат в области анализа решений исследования операций. В эту общую области экономического анализа решений, военно-оперативного анализа и разработки показателей для расплывчатыми и неопределенными элементами системы. Он учил студентов математики в Военную академию США и в настоящее время преподает выпускник уровня курсов в области анализа и решения борьбы моделирования и моделирования. Другие интересы включают теорию игр, стоимость жизненного цикла моделирования и многокритериальной принятия решений.

Brian Е. Ралстон является деятельность аналитик ВВС эксплуатационных испытаний и оценки центр. Он получил степень бакалавра в области исследования операций из Академии ВВС США и MS в исследовании операций с ВВС технологическом институте. Ралстон лейтенанта присваивается HQ AFOTEC в качестве аналитика воздуха испытания боевой системы. В настоящее время его научные интересы включают решение анализ, опытно-конструкторских и моделирования.

Ричард Ф. Deckro профессор исследования операций в отделе оперативной наук в военно-воздушных сил технологическом институте. Он имеет BSE от штата Нью-Йорк в Буффало, а также MBA и DBA в решении наук Кентского государственного университета. исследования профессор Deckro и консалтинговых интересы лежат в области прикладного математического программирования и оптимизации, управления проектами, информационные операции, кампании моделирования, передовые технологии производства, планирования, сетевых моделей, и многокритериальных решений.