S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 1 Käänteisoptimointiin perustuvat huutokaupat täsmähankinnassa Osa 1 Carlo Vainio

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 2 Sisältö Tausta RFQ prosessi Huutokaupan kulku Käänteisoptimointi Mekanismi Mekanismin osat Sivusto Kotitehtävä

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 3 Tausta B2B huutokaupat ovat suuret, $746miljardia Kaupataan standardisoituja ja halpoja tuotteita Rajoitus: hinta ainoa attribuutti  ei voida kaupata komplekseja tuotteita. Kaupanteossa käytetään vielä RFQ prosessia Tilanne: –Huutokaupan pitäjä = valmistava yritys –Huutajat, tarjoajat = hankkijat, toimittajat

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 4 RFQ prosessi (1/2) Request For Quotes, tarjouksien pyyntö Multiattribute auction, moniattribuuttinen huutokauppa –Sallii monia attribuutteja, esim. laatu, sopimusehdot, maine, toimitusaika jne. Valmistaja kommunikoi preferenssinsä hankkijoille  kilpailu omilla erikoisalueilla

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 5 RFQ prosessi (2/2) Yleisin tapa kommunikoida mieltymykset: scoring rule, pisteytyssääntö Pisteytyssääntö: –Ei ole sama kuin hyötyfunktio –Huutokaupanpitäjän strategisen ongelman ydin Kehitteillä automatisoitu prosessi, eRFQ

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 6 Huutokaupan kulku (1/2) Kauppaaja ilmoitta, että huutokauppa koostuu P+1 kierroksesta Jokaisen kierroksen alussa kauppaaja ilmoittaa pisteytyssäännön Hankkijat antavat tarjouksia Kauppaaja rankkaa tarjoukset voimassa olevan pisteytyssäännön mukaan ja ilmoittaa kilpailijoille tuloksen

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 7 Huutokaupan kulku (2/2) Annettu tarjous ei tarvitse olla korkein Minimi korotus määritelty mikäli haluaa johtoon Korkeimman tarjouksen antanut kierroksen P+1 lopussa on voittaja

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 8 Käänteisoptimointi Huutokaupassa monia kierroksia Huutokauppaaja muuttaa pisteytyssääntöä  oppii tarjoajien kustannusfunktiot Viimeisellä kierroksella pisteytyssääntö, joka maksimoi huutokaupan pitäjän hyödyn

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 9 Mekanismi (1/4) Endogeeninen attribuutti –Tarjoajan kontrolloitavissa Eksogeeninen attribuutti –esim. tarjoajien maine kauppahetkellä Oletus: kaikki ei-hintamääritellyt attribuutit endogeenisiä

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 10 Mekanismi (2/4) a = (1,…, A) kuvastaa eri attribuutteja s kuvastaa S eri tarjoajaa p kuvastaa P hintaparametreja per attribuutti r = (1,…,P+1) kuvastaa tarjouskilvan kierroksia Tarjoukset muodossa – kuvastavat attribuuttinen suuruutta

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 11 Mekanismi (3/4) Tarjoajan kustannusfunktio on additiivinen Tärkeä oletus: Kauppaaja tietää tarjoajien kustannusfunktioiden muodon, mutta ei sen parametreja Huutokaupanpitäjä saa tietonsa tarjoajista ainoastaan P ensimmäisestä kierroksesta

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 12 Mekanismi (4/4) Kauppaajan hyötyfunktio on additiivinen Kauppaajan pisteytyssääntö Jokaisella kierroksella kauppaaja muuttaa pisteytyssääntöä Kierroksia on aina yksi enemmän kuin mitä yhdellä attribuutilla on hintaparametreja

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 13 Mekanismin osat Koostuu kolmesta osasta 1.Tarjoajien käyttäytyminen 2.Kustannusfunktioiden määrittäminen 3.Optimaalisen pisteytyssäännön muodostamien kierrokselle P+1

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 14 Tarjoajien käyttäytyminen (1/2) MBR, Myopic Best Response, lyhyen tähtäimen paras vastaus Undistorted bid, vääristymätön tarjous Keskeisin oletus: Hankkijoiden tarjoukset vääristymättömiä kierroksilla 1,...,P ja MBR kierroksella P+1 Oletus ei ehkä ole niin hyvä…?

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 15 Tarjoajien käyttäytyminen (2/2) MBR tarjous saadaan kun ratkaistaan seuraava optimointiongelma rajoituksella S on paras tulos tähän mennessä

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 16 Kustannusfunktioiden määrittäminen Kierroksen P jälkeen kauppaajalla on tarpeeksi yhtälöitä jotta on mahdollista ratkaista hankkijoiden kustannusfunktiot

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 17 Optimaalisen pisteytyssäännön muodostamien kierrokselle P+1 (1/4) Lähtökohta: kustannusfunktiot tiedossa Vaihtoehtoinen tapa: tarjoa sopimus parhaalle kierroksen P jälkeen –Ei elinkelpoinen idea yksityisellä sektorilla –Oikeudenmukaisuus?

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 18 Optimaalisen pisteytyssäännön muodostamien kierrokselle P+1 (2/4) Hankkija jättäytyy kilpailusta kun Tällöin voidaan määritellä maximum dropout score, maksimi keskeyttämis- pistemäärä

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 19 Optimaalisen pisteytyssäännön muodostamien kierrokselle P+1 (3/4) Maksimi keskeyttämispistemäärät voidaan järjestää Voittajan tulos on intervallissa Oletus: voittajan tulos =  saadaan johdettua seuraavan kalvon kaava

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 20 Optimaalisen pisteytyssäännön muodostamien kierrokselle P+1 (4/4) Optimointiongelman ratkaisu on optimaalinen pisteytyssääntö: rajoituksilla

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 21 Sivusto Hankkijat antavat tarjouksia Ostaja voi valita haluamansa hankkijan

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 22

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 23

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 24 Kotitehtävä Selitä lyhyesti miten kalvon 20 kaava on johdettu, rajoitukset pois lukien (6p) Vastaa muutamalla lauseella seuraaviin kysymyksiin (4p) –Miten käänteisoptimointia käytetään hyväksi tässä yhteydessä? –Mikä rooli pisteytyssäännöllä on?

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 25 Kotitehtävän ratkaisu (1/3) Voittava tarjous : rajoituksella josta saadaan hinta sijoittamalla saadaan

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 26 Kotitehtävän ratkaisu (2/3) Huutokaupanpitäjän hyötyfunktio: sijoittamalla p:n paikalle edellisen kalvon hinta saadaan haluttu kaava

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Carlo Vainio Optimointiopin seminaari - Kevät 2005 / 27 Kotitehtävän ratkaisu (3/3) Käänteisoptimoinnin avulla pystytään ratkaisemaan optimointiongelman tuntemattomia parametreja jos ongelman ratkaisu on tiedossa. Meidän tapauksessa saadaan selvitettyä hankkijan kustannusfunktion tuntemattomat parametrit Pisteytyssääntöä muuttamalla huutokaupanpitäjä saa tarvitsemansa tiedot (yhtälöt) jotta hän kykenee selvittämään tarjoajien kustannusfunktiot