Α decision support system for project selection under uncertainty using multicriteria analysis and mathematical programming

Abstract

This thesis develops a method that helps to perform a selection in a step-wise and transparent way. The core idea lies in the separation of project proposals into three separate sets. The approach is not totally new, but the rules of this separation are novel. The basic idea of the proposed Iterative Trichotomic Approach (ITA) is the classification of projects into three sets: the green projects (selected under all circumstances), the red projects (definitely excluded from the final portfolio) and the grey projects which are chosen in some (but not all) cases. The main focus is on building a balanced project portfolio from a wider set of proposals (a subset of projects is considered as a “portfolio of projects”), optimizing one or more criteria and satisfying specific constraints. In past, the usual solution was to rank projects using one or more criteria and choose the top ranking ones that cumulatively satisfy a budget limitation. However, in real world there are many circumstances that complicate the process of decision making. In other words, top ranking projects may only by chance satisfy imposed constraints. Unlike in financial problems (e.g., portfolio optimization problems), these projects are integer variables which are not divisible, and hence, Multiple Criteria Decision Analysis and mathematical programming are the most appropriate tools.In this work, we are taking a step further, and we address the inherent uncertainty which can vary in nature, the most prominent type being the future project performance. While the financial world offers a great amount of data that help to build more or less robust forecasts, it is almost impossible to obtain historical data for emerging technologies or pioneering solutions.

Η παρούσα διατριβή αναπτύσσει μια μέθοδο που βοηθά στην πραγματοποίηση μιας επιλογής βήμα-βήμα και με διαφάνεια. Η βασική ιδέα έγκειται στο διαχωρισμό των προτάσεων έργων σε τρία ξεχωριστά σύνολα. Η προσέγγιση δεν είναι εντελώς νέα, οι κανόνες όμως αυτού του διαχωρισμού είναι καινοτόμοι. Βασική ιδέα της επαναληπτικής τριχοτομικής προσέγγισης (Iterative Trichotomic Approach - ITA) είναι η ταξινόμηση των έργων σε τρία σύνολα: τα πράσινα έργα (που επιλέγονται υπό οποιεσδήποτε συνθήκες), τα κόκκινα έργα (οριστικά αποκλεισμένα από το τελικό χαρτοφυλάκιο) και τα γκρίζα έργα που επιλέγονται σε ορισμένες περιπτώσεις (αλλά όχι όλες). Ο κύριος στόχος είναι η δημιουργία ενός ισορροπημένου χαρτοφυλακίου έργων από ένα ευρύτερο σύνολο προτάσεων (ένα υποσύνολο έργων θεωρείται ως "χαρτοφυλάκιο έργων"), βελτιστοποιώντας ως προς ένα ή περισσότερα κριτήρια και ικανοποιώντας συγκεκριμένους περιορισμούς. Στο παρελθόν, η συνηθισμένη λύση ήταν η κατάταξη των έργων χρησιμοποιώντας ένα ή περισσότερα κριτήρια και η επιλογή των πρώτων κατά σειρά που ικανοποιούν αθροιστικά τον περιορισμό του προϋπολογισμού. Ωστόσο, στην πράξη η διαδικασία αυτή είναι αρκετά πιο περίπλοκη. Τα πρώτα κατά σειρά κατάταξης έργα μπορούν μόνο κατά τύχη να ικανοποιήσουν τους επιβαλλόμενους περιορισμούς. Σε αντίθεση με τα οικονομικά προβλήματα (π.χ. προβλήματα βελτιστοποίησης χαρτοφυλακίου), τα έργα αυτά είναι ακέραιες μεταβλητές που δεν διαιρούνται, και κατά συνέπεια η πολυκριτηριακή ανάλυση της απόφασης και ο μαθηματικός προγραμματισμός αποτελούν τα πλέον κατάλληλα εργαλεία.Στην παρούσα εργασία, προχωράμε ένα βήμα παρακάτω, εξετάζοντας την εγγενή αβεβαιότητα, η οποία μπορεί να ποικίλει στη φύση, με την πιο σημαντική να είναι η μελλοντική απόδοση του έργου. Ενώ στον χρηματοπιστωτικό κόσμο είναι διαθέσιμα πολλά δεδομένα που βοηθούν τις σχετικά ισχυρές προβλέψεις, είναι σχεδόν αδύνατο να αποκτηθούν ιστορικά δεδομένα για αναδυόμενες τεχνολογίες ή πρωτοποριακές λύσεις.