Rank-based information in multi-attribute decision and efficiency analysis
Loading...
Journal Title
Journal ISSN
Volume Title
School of Science |
Doctoral thesis (article-based)
| Defence date: 2013-01-11
Checking the digitized thesis and permission for publishing
Instructions for the author
Instructions for the author
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Author
Date
2012
Major/Subject
Mcode
Degree programme
Language
en
Pages
38 + app. 112
Series
Aalto University publication series DOCTORAL DISSERTATIONS, 160/2012
Abstract
Additive multi-attribute value models are widely employed in decision and efficiency analysis. Difficulties in specifying preferences for these models have motivated the development of methods that admit incomplete preference information, identify non-dominated alternatives and provide recommendations with heuristic decision rules. These methods accommodate many types of preference statements. Yet, several studies suggest that decision makers prefer to provide rank-based information rather than numerical statements. First, this thesis defines the notion of incomplete ordinal information, which can capture statements about the relative importance of the attributes and about the achievement levels of alternatives. The thesis then develops an optimization model for identifying non-dominated alternatives when alternatives and preferences are characterized by incomplete ordinal information and possibly by other types of incomplete information. These forms of information can, for example, help stakeholders to arrive at a joint preference characterization. Second, the thesis shows that the recommendations of many decision rules depend on the selected normalization of value functions. Motivated partly by this, the thesis develops optimization models to determine all the rankings the alternatives attain with the model parameters that are consistent with the stated incomplete information. The resulting ranking intervals help, for example, analyze how sensitive the alternatives' rankings are to the model parameters. Third, the thesis introduces dominance relations and ranking intervals for the efficiency analysis of decision making units when efficiency is measured through ratios of multi-attribute output and input values, as in the original data envelopment analysis method. These relations and intervals, which can be computed with the optimization models developed in the thesis, make it possible to compare any two decision making units independent of what other units are included in the analysis and to analyze how sensitive the efficiency of a unit is to the output and input attribute weights.Additiivisia arvomalleja käytetään laajasti monikriteerisessä päätös- ja tehokkuusanalyysissa. Preferenssien täsmällisen määrittelyn vaikeudesta johtuen on kehitetty menetelmiä, jotka epätäydelliseen preferenssien kuvaukseen perustuen tunnistavat ei-dominoidut vaihtoehdot ja tuottavat suosituksia heuristisilla päätössäännöillä. Nämä menetelmät hyödyntävät erityyppisiä preferenssienilmaisutapoja. Useat tutkimukset ovat kuitenkin osoittaneet päätöksentekijöiden luonnehtivan preferenssejään mieluummin järjestysperustaisesti kuin numeroin. Väitöskirjassa esitetään epätäydellinen järjestysperäinen informaatio, jolla voidaan mallintaa kriteerien keskinäistä tärkeyttä ja vaihtoehtojen kriteerikohtaisia ominaisuuksia. Tätä varten kehitetään optimointimalli, joka laskee päätössuositukset myös, kun preferenssejä ja vaihtoehtojen ominaisuuksia luonnehditaan samanaikaisesti muillakin tavoin. Epätäydellinen järjestysperäinen informaatio voi esimerkiksi auttaa päätösongelman sidosryhmiä yhteisen preferessien kuvauksen muodostamisessa. Väitöskirjassa näytetään, että monien päätössääntöjen suositukset voivat riippua arvomallille valitusta normeerauksesta. Tämän ongelman ratkaisemiseksi kehitetään optimointimallit, jotka ratkaisevat kaikki vaihtoehdoille epätäydellisen informaation rajoissa mahdolliset järjestysluvut. Nämä järjestyslukuvaihteluvälit auttavat muun muassa tutkimaan sitä, kuinka herkkiä järjestysluvut ovat mallin parametreille. Väitöskirjassa sovelletaan dominanssirelaatioita ja järjestyslukuvaihteluvälejä päätöksentekoyksiköiden tehokkuusanalyyseihin, joissa tehokkuutta mitataan monikriteeristen tuotos- ja panosarvojen suhteella, kuten alkuperäisessä DEA-menetelmässä. Nämä relaatiot ja vaihteluvälit, jotka voidaan ratkaista väitöskirjassa kehitetyillä optimointimalleilla, mahdollistavat kahden yksikön muista analyysin yksiköistä riippumattoman vertailun sekä analyysit siitä, kuinka herkkiä päätöksentekoyksiköiden tehokkuudet ovat tuotos- ja panoskriteerien painokertoimille.Description
Supervising professor
Salo, Ahti, Prof., Aalto University, FinlandThesis advisor
Salo, Ahti, Prof., Aalto University, FinlandKeywords
decision analysis, additive value function, incomplete information, ordinal information, decision recommendations, efficiency analysis, data envelopment analysis, päätösanalyysi, additiivinen arvofunktio, epätäydellinen informaatio, järjestysperustainen informaatio, päätössuositukset, tehokkuusanalyysi, data envelopment analysis (DEA)
Other note
Parts
- [Publication 1]: Salo, A., Punkka, A. (2005). Rank inclusion in criteria hierarchies. European Journal of Operational Research 163 338–356.
- [Publication 2]: Punkka, A., Salo, A. (2012). Preference programming with ordinal information. manuscript, 30 pages.
- [Publication 3]: Punkka, A., Salo, A. (2012). Ranking intervals in additive value models with incomplete preference information. manuscript, 36 pages.
- [Publication 4]: Salo, A., Punkka, A. (2011). Ranking intervals and dominance relations for ratio-based efficiency analysis. Management Science 57 200-214.
