MARC

 008250123s2024        us                              c    eng  d
■001000017161993
■00520250211151511
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798382724850
■035    ▼a(MiAaPQ)AAI31299872
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a338.9
■1001  ▼aYavuz,  Mirel.
■24510▼aMaking  Better  Decisions  in  Sustainable  Operations:  Behavioral  and  Optimization  Based  Perspectives
■260    ▼a[Sl]▼bUniversity  of  California,  Los  Angeles▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a152  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-11,  Section:  B.
■500    ▼aAdvisor:  Corbett,  Charles  J.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Los  Angeles,  2024.
■520    ▼aDecision-makers  have  access  to  better  environmental  information  through  tools  like  life-cycle  assessment  (LCA).  However,  these  methods  often  implicitly  assume  that  decision-makers  make  rational  assessments  when  weighing  environmental  criteria.  The  impacts  of  behavioral  biases  and  context  effects  on  decisions  remain  less  recognized,  despite  being  well-documented  in  behavioral  science.  Current  sustainability  approaches  offer  little  guidance  in  finding  optimal  solutions  when  decision-makers'  preferences  are  unknown.  Unlike  traditional  trade-offs  involving  economic  factors,  sustainability  trade-offs  involve  intangible  and  emotionally  charged  dimensions.  Firms  aiming  for  sustainability  lack  clear  guidelines  for  trading-off  environmental  and  social  impacts.  This  dissertation  seeks  to  assist  decision-makers  in  the  context  of  sustainability  from  behavioral  and  optimization-based  perspectives.We  first  conduct  an  experiment  to  test  whether  decision  makers  are  subjected  to  two  context  effects,  namely  attraction  and  compromise  effects,  when  faced  with  environmental  trade-offs.  Our  results  show  that  these  context  effects  are  prevalent  and  substantial  in  both  environmental  and  non-environmental  settings,  which  highlights  the  need  to  integrate  behavioral  science  into  environmental  decision-making.We  introduce  an  interactive  optimization  method  that  aims  to  help  decision  makers  with  difficult  trade-offs  when  their  value  function  is  not  known.  This  method  involves  asking  decision  makers  pairwise  comparison  questions  to  identify  the  optimal  solution.  The  approach  minimizes  the  cognitive  burden  on  decision  makers  by  asking  fewer,  easier  questions  while  still  guaranteeing  an  optimal  solution.  We  test  the  method  in  the  context  of  sustainable  sourcing  in  the  apparel  industry,  demonstrating  its  effectiveness  in  converging  to  optimal  solutions  with  fewer  decision-making  steps  compared  to  traditional  methods.  Initial  feedback  from  industry  practitioners  is  promising.An  interactive  approach  like  this  is  uncommon  in  decision-making  in  sustainable  operations.  A  more  conventional  approach  would  be  to  elicit  the  decision-maker's  weights  and  then  use  a  traditional  optimization  method  using  those  weights.  To  test  which  method  decision-makers  prefer,  we  also  develop  an  experimental  framework,  using  oTree,  to  compare  the  performance  of  the  proposed  interactive  optimization  method  with  a  more  traditional  approach,  eliciting  weights  through  direct  rating  and  then  optimizing.  Although  the  experimental  framework  is  initially  designed  specifically  to  assess  our  interactive  algorithm,  the  framework  highlights  more  generally  how  experiments  can  be  designed  that  combine  Gurobi-based  optimization  within  the  experimental  environment  provided  by  oTree.
■590    ▼aSchool  code:  0031.
■650  4▼aSustainability
■653    ▼aOperations  management
■653    ▼aDecision-making
■653    ▼aMulti-objective  optimization
■653    ▼aTrade-offs
■653    ▼aLife-cycle  assessment
■690    ▼a0454
■690    ▼a0640
■690    ▼a0796
■690    ▼a0703
■71020▼aUniversity  of  California,  Los  Angeles▼bManagement  (MS/PHD)  0535.
■7730  ▼tDissertations  Abstracts  International▼g85-11B.
■790    ▼a0031
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17161993▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서