Podejmowanie decyzji w warunkach niepewności przy użyciu sieci Bayes’a - przykład zastosowania

• Autorzy: Apollo M. , Miszewska-Urbańska E.

Warianty tytułu

EN

Decision making under uncertainty using Bayesian Networks – case study

• Języki publikacji: PL

Abstrakty

PL

Podjęty w referacie temat odnosi się do zagadnienia podejmowania decyzji w warunkach ograniczonej informacji. Jako przykład przedsięwzięcia odznaczającego się wysokim poziomem złożoności oraz kompleksowości wykorzystano projekty rewitalizacji. Ze względu na brak danych historycznych utrudniających ustalenie prawdopodobieństwa wstępnego, przedsięwzięcie to wiąże się bowiem nie tyle z ryzykiem, co z niepewnością. Z uwagi na opisane ograniczenia zwykle stosowanych metod, autorki proponują zastosowanie narzędzia bazującego na sieci zależności, a zatem pozwalającego na zaprezentowanie zależności przyczynowo - skutkowych pomiędzy zmiennymi budowanego modelu. Zaprezentowany w referacie przykład zastosowania sieci Bayes’a stanowi uproszczony problem decyzyjny, mający zobrazować mechanizm działania narzędzia, którego niekwestionowana zaletą jest możliwość uniknięcia kosztownych badań stanu otoczenia, które można zamodelować na podstawie doświadczenia.

EN

The subject addressed in this paper relates to the issues of decision-making in conditions of limited information. As an example of a project marked by the presence of a high level of complexity and comprehensiveness urban regeneration projects were used. Due to the lack of historical data impending the determination of prior probability, such projects are associated not so much with the risk as with uncertainty. In view of the described limitations of the usually used methods, the authors propose the use of a tool basing on a network dependencies and thus allowing for the presentation of cause - effect relationships between variables of constructed model. An example presented in this paper is a simplified decision problem showing the application of Bayesian network, designed to illustrate the tool mechanism of action, which unquestionable advantage is the ability to avoid expensive environment condition surveys, which can be modeled based on experience.

Słowa kluczowe

PL

podejmowanie decyzji; rewitalizacja; sieć Bayesa

EN

decision making; Bayesian network; urban regeneration

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 6
• Strony: 1496--1504
• Opis fizyczny: Bibliogr. 18 poz., rys., pełny tekst na płycie CD

Twórcy

autor

Apollo M.

• Politechnika Gdańska, Wydział Inżynierii Lądowej i Środowiska, Katedra Konstrukcji Metalowych i Zarządzania w Budownictwie; 80-233 Gdańsk; ul. Narutowicza 11/12

autor

Miszewska-Urbańska E.

• Politechnika Gdańska, Wydział Inżynierii Lądowej i Środowiska, Katedra Konstrukcji Metalowych i Zarządzania w Budownictwie; 80-233 Gdańsk; ul. Narutowicza 11/12

Bibliografia

• 1. Apollo M., Brzezicka J.: Sources of investment risk in urban regeneration projects”. Czasopismo Techniczne nr 1-B/2014.
• 2. Apollo M., Grzyl B.: „Problemy koordynacji realizacji robót budowlanych na przykładzie rewitalizacji dzielnicy Gdańsk-Letnica”. Inżynieria Morska i Geotechnika 5/2013. Gdańsk.
• 3. Apollo M.: „Koncepcja modelu oceny ryzyka rewitalizacji obszarów miejskich”. Materiały konferencyjne konferencji pt: „Wpływ Młodych Naukowców na Osiągnięcia Polskiej Nauki - Nowe trendy w naukach inżynieryjnych - IV Edycja”. ISBN 978-83-63058-27-2. Gdańsk 12-14.04 2013.
• 4. Apollo M, Kristowski A.: „Logistyka realizacji robót budowlanych podczas rewitalizacji dzielnicy Gdańsk-Letnica”, Logistyka, 3/2012.
• 5. Chin K.S., Tang D.W., Yang J.B., Wang Sh.Y., Wang H.: Assessing new product development project risk by Bayesian network. Expert Systems with Applications 36 (6)/2009, s. 9879–9890
• 6. Fan C., Yu Y.: BBN-based software project risk management. Journal of Systems and Software 73 (2)/2004, s. 193–203.
• 7. Fang Ch., Marle F., Zio E., Bocquet J.C.: Network theory-based analysis of risk interactions in large engineering projects. Reliability Engineering and System Safety 106/2012, s. 1–10.
• 8. Khodakarami V., Abdi A.: Project cost risk analysis: A Bayesian networks approach formodeling dependencies between cost items. International Journal of Project Management 2014. http://dx.doi.org/10.1016/j.ijproman.2014.01.001
• 9. Luu V.T., Kim S.Y., Tuan N.V., Ogunlana S.O.: Quantifying schedule risk in construction projects using Bayesian belief networks. International Journal of Project Management 27 (1)/2009, s. 39–50.
• 10. Netica Tutorial. A – Introduction. Norsys Software Corporation 2014. http://www.norsys.com/tutorials/netica/secA/tut_A1.htm#WhatIsABayesNet
• 11. Oprogramowanie AgenaRisk 6.1. Prawa autorskie: Agena Ltd. 2002-2014.
• 12. Studium Wykonalności dla Projektu „Rewitalizacja Dolnego Miasta w Gdańsku”. Załącznik nr 1 do Wniosku o Dofinansowanie w Ramach Poddziałania 3.2.1. Kompleksowe Przedsięwzięcia Rewitalizacyjne RPO dla WP na lata 2007-2013. Gdańsk 2010.
• 13. Studium Wykonalności dla Projektu „Rewitalizacja Dolnego Wrzeszcza w Gdańsku”. Załącznik nr 1 do Wniosku o Dofinansowanie w Ramach Poddziałania 3.2.1. Kompleksowe Przedsięwzięcia Rewitalizacyjne RPO dla WP na lata 2007-2013. Gdańsk 2009.
• 14. Studium Wykonalności dla Projektu „Rewitalizacja Letnicy w Gdańsku”. Załącznik nr 1 do Wniosku o Dofinansowanie w Ramach Poddziałania 3.2.1. Kompleksowe Przedsięwzięcia Rewitalizacyjne RPO dla WP na lata 2007-2013. Gdańsk 2009.
• 15. Studium Wykonalności dla Projektu „Rewitalizacja Nowego Portu w Gdańsku”. Załącznik nr 1 do Wniosku o Dofinansowanie w Ramach Poddziałania 3.2.1. Kompleksowe Przedsięwzięcia Rewitalizacyjne RPO dla WP na lata 2007-2013. Gdańsk 2009.
• 16. Ulegine F., Onsel S., Topcu Y.I., Aktas E., Kabak O.: An integrated transportation decision support system for transportation policy decisions: the case of Turkey. Transportation Research Part A: Policy and Practice 41 (1)/2007, s. 40–97.
• 17. Uusitalo L.: Advantages and challenges of Bayesian networks in environmental modelling. Ecological Modelling 203 (3–4)/2007, s. 312–318.
• 18. Van der Gaag L.C.: Bayesian belief networks: odds and ends. Computer Journal 39 (2)/1996, s. 97–113.