L 18 Progetto delle alternative Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.

Slides:



Advertisements
Presentazioni simili
L10 Il passo temporale et al.
Advertisements

L13 Il processo di modellizzazione Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.
Provincia di Mantova LA VALUTAZIONE DEI PIANI DI ZONA
Limiti e critiche al criterio di Pareto
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Dynamic Programming Chiara Mocenni Corso di.
Analisi delle Decisioni Funzioni di utilita’ e lotterie
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Lezione 2 Chiara Mocenni Corso di laurea L1.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Scelte di consumo Chiara Mocenni Corso di laurea.
Università degli Studi di Cagliari
Sistemi basati su conoscenza Metodi di ricerca informata Prof. M.T. PAZIENZA a.a
Dalla PIP al MODSS Andrea Castelletti Politecnico di Milano MCSA 07/08 L03 Zambesi.
R. Soncini Sessa, MODSS, L 24b Analisi a molti obiettivi-esempi Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.
Portatori d’interesse
L 16 Progetto delle alternative Andrea Castelletti Modellistica e Controllo dei Sistemi Ambientali.
Modelli e indicatori Andrea Castelletti Politecnico di Milano MCSA 07/08 L12 Volga.
L 17 Il Problema di Progetto Andrea Castelletti Modellistica e Controllo dei Sistemi Ambientali.
La procedura PIP Andrea Castelletti Politecnico di Milano MCSA 07/08 L02 Locarno – piena 2000.
Area di ricerca: Analisi e gestione dei sistemi ambientali e territoriali Sezione di Automatica Dipartimento di Elettronica e Informazione.
L16 Altri componenti: portatori d’interesse
Ricognizione e azioni MCSA 07/08 L04 Andrea Castelletti Piena del Po
L 24a MO: identificazione politiche efficienti Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.
Sistemi, dominii e reti causali
L18 Scegliere tra infinite alternative Andrea Castelletti Modellistica e Controllo dei Sistemi Ambientali.
Progetti 9 Progetto Nasello Rodolfo Soncini Sessa Pianificazione e gestione delle risorse idriche: progetto di DSS Copyright 2002 © Rodolfo Soncini Sessa.
Macchine non completamente specificate
Dip. Economia Politica e Statistica
CORSO DI MODELLI DI SISTEMI BIOLOGICI LAUREA IN INGEGNERIA CLINICA E BIOMEDICA.
CONTROLLO DI SUPPLY CHAIN MEDIANTE TECNICHE H-INFINITO E NEGOZIAZIONE
Marco Martoccia e Mattia Pancerasa
Copyright 2004 © Rodolfo Soncini Sessa.
Radix-Sort(A,d) // A[i] = cd...c2c1
Copyright 2004 © Rodolfo Soncini Sessa.
I sistemi di pianificazione e controllo.
Pianificazione Integrata e Partecipata
1 AUTOMATIZZAIAUTOMATIZZAIAUTOMATIZZAIAUTOMATIZZAI S.I. SISTEMASISTEMA INFORMATIVO INFORMATIVO PROCESSOPROCESSO DECISIONALE DECISIONALE DECISIONEDECISIONE.
RAZIONALITA’ LIMITATA
I SISTEMI OPERATIVI Per meccanismi operativi (o meccanismi organizzativi) s’intende l’insieme dei processi che fanno funzionare il sistema.
è … lo studio delle caratteristiche di regolarità dei fenomeni casuali
Milano, 7 luglio 2011 Rodolfo Soncini Sessa, Enrico Weber, Daniela Anghileri, Marco Micotti DEI – Politecnico di Milano 2. Azioni VerbaCe Attività
Copyright 2004 © Rodolfo Soncini Sessa.
R. Soncini Sessa, MODSS, S27 Stima degli effetti (Wald) Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.
Copyright 2004 © Rodolfo Soncini Sessa.
Implementazione di dizionari Problema del dizionario dinamico Scegliere una struttura dati in cui memorizzare dei record con un campo key e alcuni altri.
La verifica d’ipotesi Docente Dott. Nappo Daniela
Progetto New Valley Andrea Castelletti Politecnico di Milano MCSA 06/07 P02 High Aswan Dam.
R. Soncini Sessa, MODSS, L 25 Il Processo decisionale Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.
Un sistema per la Pianificazione e la Gestione delle Risorse Idriche Applicazione pilota ai bacini del Ticino e dell’Adda - TwoLe Progetto TwoLe Un sistema.
R. Soncini Sessa, MODSS, L 26 Stima degli effetti Calcolo degli obiettivi (Laplace) Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini.
R. Soncini Sessa, MODSS, L21 Accettare la casualità Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.
Ayas, Capitanata e Sacramento River – Fase 0 Andrea Castelletti Politecnico di Milano MCSA 07/08 P01.
L23 Politiche fuori linea senza apprendimento: progetto funzionale Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.
1 L11c Un’applicazione: il bacino imbrifero del Lario Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.
Test basati su due campioni Test Chi - quadro
Elementi di statistica Le cifre significative
Progetti P02 Progetto Mar Morto Rodolfo Soncini Sessa Pianificazione e gestione delle risorse idriche: progetto di DSS Copyright 2002 © Rodolfo Soncini.
La scienza economica Concetti generali e definizioni
0 Università di Pavia - Facoltà di Economia Il calcolo imprenditoriale per la trasformazione «finanziaria» Michela Pellicelli.
Inga Dams: opportunità o danno?
Progetto Vomano Fasi 0,1 e 2 MCSA 07/08 P02 Andrea Castelletti
R. Soncini Sessa, MODSS, L22 Pianificare la gestione: la politica Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.
R. Soncini Sessa, MODSS, L17 Modelli aggregati Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.
R. Soncini Sessa, MODSS, P07 Progetto Bormida Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.
R. Soncini-Sessa, MODSS, 2006 Rodolfo Soncini-Sessa Politecnico di Milano DEI – Politecnico di Milano L01 Perchè un nuovo paradigma?
L14 I ndicatori Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.
R. Soncini Sessa, MODSS, 2004 L07 Sistemi, dominii e reti causali Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.
Fiume Krishna: possibilità di sviluppo per il sud dell’India Messori Giada: Gentile Alessandro:
Rodolfo Soncini Sessa, Enrico Weber, Daniela Anghileri, Marco Micotti DEI – Politecnico di Milano 3- Regolazione congiunta Attività Individuazione.
10/5/061 Lez. 12 Previsioni di traffico Generalità Previsioni di scenario.
Obiettivi e struttura della lezione Lezione 3 – La Formazione delle Decisioni Obiettivo della lezione Presentare i diversi modelli teorici per la formazione.
Valutazioni applicate alle decisioni di investimento Arch. Francesca Torrieri Analisi di sensitività e analisi del rischio.
Transcript della presentazione:

L 18 Progetto delle alternative Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.

R. Soncini Sessa, MODSS, Portatori 0. Ricognizione e obiettivi 1. Definizione delle azioni 2. Definizione di criteri e indicatori 3. Identificazione del modello 4. Progetto delle alternative 6. Valutazione delle alternative 5. Stima degli effetti 7. Comparazione e negoziazione Alternative di compromesso 8. Mitigazione e compensazione Cercare ancora? si 9. Scelta politica no PIANIFICAZIONE Alternativa di miglior compromesso MODSS

R. Soncini Sessa, MODSS, Quali alternative considerare Troppo spesso le alternative considerate nella pratica progettuale sono solo quelle suggerite dall’esperienza dell’Analista o proposte dal Decisore e dai Portatori d’interesse. E’ invece opportuno considerare tutte le alternative che si ottengono combinando in tutti i modi possibili le azioni identificate nella Fase 1. Es. Progetto Verbano: s scala di deflusso f fascia di regolazione d valore di DMV p politica di regolazione AZIONI E’ un insieme finito con 2 elementi. Sono insiemi infiniti. politiche fasce DMV SCALA att politiche fasce DMV SCALA +600 Infinite alternative

R. Soncini Sessa, MODSS, Problema di Progetto Il Problema di Progetto In generale, anche se non sempre infinito, il numero delle alternative è molto elevato, pertanto è necessario selezionare le “più interessanti" “più interessanti” secondo i criteri specificati dai Portatori d’interesse. Sulla base degli indicatori che quantificano tali criteri si definiscono degli obiettivi e si individuano le alternative efficienti rispetto ad essi.

R. Soncini Sessa, MODSS, Condizioni di completa razionalità La soluzione di un Problema di Progetto risulta in genere complessa, perché: gli obiettivi sono molteplici e non esiste quindi un criterio unico con cui scegliere tra le alternative. IPOTESI SEMPLIFICATIVA: completa razionalità Esiste un unico indicatore di progetto Il caso è di scarso interesse nel paradigma della decisione partecipata, perché: o è presente un unico Portatore d’interesse: caso molto raro o l’Analista definisce l’obiettivo escludendo i Portatori (ad esempio quando adotta l’Analisi Costi-Benefici): assenza di partecipazione !

R. Soncini Sessa, MODSS, L’indicatore di progetto i deve essere tale che, date due alternative A1 e A2, se i(A1) < i(A2) allora A1 è preferita ad A2. Ad esempio: i non può essere un indicatore come l’area S di una zona umida In altre parole: i deve riflettere la soddisfazione prodotta dall’alternativa, cioè il suo Valore. V S L’alternativa ottima è quella che rende i minimo.

R. Soncini Sessa, MODSS, Ricognizione e obiettivi 1. Definizione delle azioni 2. Definizione di criteri e indicatori 3. Identificazione del modello 4. Progetto delle alternative 6. Valutazione delle alternative 5. Stima degli effetti 7. Comparazione e negoziazione Alternative di compromesso 8. Mitigazione e compensazione Cercare ancora? si PIANIFICAZIONE Alternativa di miglior compromesso 9. Scelta politica no La PIP in condizioni di razionalità totale Alternativa ottima Serve: o in presenza di due modelli o per validare il risultato

R. Soncini Sessa, MODSS, Anche in condizioni di Razionalità totale il Problema di progetto resta difficile In presenza di un unico indicatore la soluzione del Problema di Progetto è l’alternativa ottima (quella cui corrisponde il miglior valore dell’indicatore). Tuttavia permangono 3 difficoltà: 1. la presenza di infinite alternative 2. l’incertezza degli effetti indotta dal casualità dei disturbi 3. la presenza di decisioni ricorsive

R. Soncini Sessa, MODSS, Infinite alternative Se il numero delle alternative è finito (e abbastanza piccolo): procedura esaustiva  per ogni alternativa A calcolo Se i è un costo, l’alternativa ottima è quella che min i Se il numero delle alternative è infinito (o molto elevato) occorre individuare una procedura (se possibile un algoritmo) che analizzando solo un numero finito di alternative individui quella ottima (o almeno una molto prossima ad essa).

R. Soncini Sessa, MODSS, Incertezza degli effetti Non è possibile ordinare le alternative rispetto a i... indicatore casuale (stocastico o incerto) disturbi casuali... Esempio Progetto: costruzione di un argine fluviale contro le esondazioni Decisione: altezza u P dell’argine i = danni futuri attualizzati + costo costruzione argine i cambia a seconda della traiettoria dei livelli Non è nota (è casuale!) quando devo scegliere u p. A parità di u p possono realizzarsi valori diversi di i. Che fare ?

R. Soncini Sessa, MODSS, Incertezza degli effetti Non è possibile ordinare le alternative rispetto a i... indicatore casuale (stocastico o incerto) disturbi casuali... Esempio Progetto: costruzione di un argine fluviale contro le esondazioni Decisione: altezza u P dell’argine i = danni futuri attualizzati + costo costruzione argine i cambia a seconda della traiettoria dei livelli Non è nota (è casuale!) quando devo scegliere u p. A parità di u p possono realizzarsi valori diversi di i. Che fare ? È necessario filtrare l’incertezza: ad ogni u P si associa un valore deterministico di i. 1) Se i è stocastico, individuo la sua distribuzione di probabilità, oppure, se i è incerto, individuo l’insieme dei valori che assume. 2) Scelgo l’alternativa ottima sulla base di un’opportuna statistica. Nell’esempio: scelgo u P per cui è minimo il valore atteso di i (min E [i]) oppure scelgo u P per cui è minimo il valore di i nel caso peggiore (min max i) È necessario filtrare l’incertezza: ad ogni u P si associa un valore deterministico di i. 1) Se i è stocastico, individuo la sua distribuzione di probabilità, oppure, se i è incerto, individuo l’insieme dei valori che assume. 2) Scelgo l’alternativa ottima sulla base di un’opportuna statistica. Nell’esempio: scelgo u P per cui è minimo il valore atteso di i (min E [i]) oppure scelgo u P per cui è minimo il valore di i nel caso peggiore (min max i) criteri di filtraggio del disturbo

R. Soncini Sessa, MODSS, Decisioni ricorsive decisioni ricorsive Sono trasformabili in una decisione di pianificazione definendo una politica di regolazione, che, nel caso più semplice, è espressa da una successione periodica di leggi di controllo m t () Come progettarle?

R. Soncini Sessa, MODSS, Condizioni di razionalità parziale Una volta risolte queste difficoltà e individuati gli algoritmi risolutivi del Problema di progetto in condizioni di razionalità totale affronteremo il Problema nel caso generale di molteplici obiettivi.

R. Soncini Sessa, MODSS, Leggere MODSS Cap. 7