Onderzoek Peter Goos

Abstract

Bedoeling van dit project is om het effect van voorraadpolitiek en de interactie met rittenplanning te bestudern in horizontale samenwerkingsverbanden. Dit zal gebeuren door middel van een reeks van rigoreus opgezette experimenten, gebruik makend van statistische design-of-experiments methodologie.

Onderzoeker(s)

• Promotor: Sörensen Kenneth
• Co-promotor: Goos Peter
• Mandaathouder: Palhazi Cuervo Daniel

Onderzoeksgroep(en)

• Engineering Management

Project type(s)

• Onderzoeksproject

Abstract

Discrete keuze-experimenten worden in toenemende mate gebruikt in marketing, gezondheidseconomie, milieu-economie, transport en ook in niet-economisch getinte disciplines om voorkeuren te kwantificeren en om de bereidheid tot betalen te bepalen in tal van toepassingen. Deze wetenschappelijke onderzoeksgemeenschap heeft tot doel grensverleggend onderzoek in dit domein en innovatieve toepassingen van keuze-experimenten te stimuleren.

Onderzoeker(s)

• Promotor: Goos Peter
• Co-promotor: Kessels Roselinde

Onderzoeksgroep(en)

• Engineering Management

Project type(s)

• Onderzoeksproject

Abstract

Dit project behandelt drie belangrijke aspecten in discrete keuze-experimenten, die veelvuldig gebruikt worden om de voorkeuren van mensen te bestuderen voor attributen van concurrerende producten of diensten in verschillende economische disciplines. Om de nauwkeurigheid van de informatie uit data van deze experimenten te maximaliseren, is het van belang de experimenten optimaal te ontwerpen. Onderzoek binnen dit domein heeft zich voornamelijk toegespitst op het verbeteren van de statistische kwaliteit van discrete keuze-experimenten. De statistische kwaliteit is echter niet het enige aspect dat van belang is om te onderzoeken. De betrouwbaarheid van de antwoorden van een experiment is op zijn minst even belangrijk en hangt af van de mate waarin respondenten de keuzevragen goed kunnen beantwoorden, of anders gezegd, hangt af van het feit of de keuzevragen niet al te complex zijn. Ook het kaderen of omschrijven van de attributen en attribuutniveaus speelt een sleutelrol. Positieve omschrijvingen leiden bijvoorbeeld eerder tot risico-averse antwoorden dan negatieve omschrijvingen. Het in rekening brengen van deze twee aspecten in het ontwerp en de analyse van discrete keuze-experimenten leidt tot twee verschillende onderdelen van dit project. Voor de ontwerpen die we zullen opstellen, mikken we hoog op zowel statistische kwaliteit als op responskwaliteit, en garanderen we dus een hoge algemene kwaliteit. Een laatste onderdeel van dit project concentreert zich op post-hoc individu-specifieke discrete keuze-analyse waarin we aantonen hoe we individuele voorkeuren gebruiken voor marktsegmentatie en voor de constructie van indifferentiecurves.

Onderzoeker(s)

• Promotor: Goos Peter
• Co-promotor: Erreygers Guido
• Mandaathouder: Kessels Roselinde

Onderzoeksgroep(en)

• Engineering Management

Project type(s)

• Onderzoeksproject

Abstract

Dit project betreft fundamenteel kennisgrensverleggend onderzoek gefinancierd door het Fonds voor Wetenschappelijk Onderzoek-Vlaanderen. Het project werd betoelaagd na selectie door het bevoegde FWO-expertpanel.

Onderzoeker(s)

• Promotor: Cantillon Bea
• Co-promotor: Cuypers Daniël
• Co-promotor: Goos Peter
• Co-promotor: Van Mechelen Natascha

Onderzoeksgroep(en)

• Centrum voor sociaal beleid Herman Deleeck (CSB)

Project type(s)

• Onderzoeksproject

Abstract

Dit project betreft fundamenteel kennisgrensverleggend onderzoek gefinancierd door het Fonds voor Wetenschappelijk Onderzoek-Vlaanderen. Het project werd betoelaagd na selectie door het bevoegde FWO-expertpanel.

Onderzoeker(s)

• Promotor: Goos Peter

Onderzoeksgroep(en)

• Engineering Management

Project type(s)

• Onderzoeksproject

Abstract

Dit project betreft fundamenteel kennisgrensverleggend onderzoek gefinancierd door het Fonds voor Wetenschappelijk Onderzoek-Vlaanderen. Het project werd betoelaagd na selectie door het bevoegde FWO-expertpanel.

Onderzoeker(s)

• Promotor: Goos Peter
• Mandaathouder: Arnouts Heidi

Onderzoeksgroep(en)

• Engineering Management

Project type(s)

• Onderzoeksproject

Abstract

Dit project beoogt het uitvoeren van een online discrete keuze-experiment om de voorkeuren voor woontypologieën van jonge mensen in Antwerpen te kwantificeren. We vragen een panel een keuze te maken uit verschillende woontypologieën gaande van collectief wonen tot individuele studios. De studie zal toelaten om onze recent ontwikkelde Bayesiaanse ontwerpmethode te valideren alsook een beleidsplan op te stellen in de huisvestingsmarkt.

Onderzoeker(s)

• Promotor: Goos Peter
• Promotor: Kessels Roselinde

Onderzoeksgroep(en)

• Engineering Management

Project type(s)

• Onderzoeksproject

Abstract

In marketing, transport, gezondheidseconomie, milieu-economie en diverse andere domeinen van de economie worden discrete keuze-experimenten veelvuldig gebruikt om de voorkeuren van mensen te onderzoeken voor bepaalde attributen van producten of diensten. Een typisch keuze-experiment legt respondenten een aantal keuzesets voor die elk bestaan uit een aantal alternatieven die gedefinieerd worden als combinaties van verschillende attribuutniveaus. Respondenten dienen dan hun preferentie voor een bepaald alternatief in elke keuzeset kenbaar te maken. Het doel van een discrete keuze-experiment is om zoveel mogelijk informatie te verkrijgen over de voorkeuren door slechts een gering aantal keuzesets aan een beperkt aantal respondenten voor te leggen (omwille van respondentvermoeidheid en kostenoverwegingen). Om dit te realiseren is het noodzakelijk om de alternatieven op een deskundige wijze te selecteren en toe te wijzen aan de keuzesets. Dit is mogelijk dankzij de technieken van optimaal experimenteel ontwerp. Het onderzoek naar het optimaal ontwerp van discrete keuze-experimenten is hoofdzakelijk gericht op het verbeteren van de kwaliteit van ontwerpen onder de vereenvoudigende veronderstelling dat respondenten in een experiment compenserende beslissingen nemen. Dit wil zeggen dat aantrekkelijke niveaus van één attribuut onaantrekkelijke niveaus van een ander attribuut compenseren. Omdat respondenten niet altijd rationeel handelen, is deze veronderstelling vaak verkeerd. Het doel van dit onderzoeksproject is om voor drie belangrijke situaties waarin respondenten afwijken van de compenserende beslissingsregel bij het nemen van keuzes optimale ontwerpen te ontwikkelen. Het project is daarom onderverdeeld in drie secties waarin we telkens inzoomen op één scenario waarin de compenserende beslissingsregel niet gevolgd wordt: (i) het scenario waarin de keuzesets van het experiment te veel attributen tonen en als gevolg daarvan respondenten attributen negeren bij de besluitvorming, (ii) het scenario waarin bepaalde attributen extra in het oog springen bij de respondenten omwille van hun positie in de beschrijving van de alternatieven en (iii) het scenario waarin bepaalde alternatieven extra in het oog springen bij de respondenten omwille van hun positie in de keuzesets. Het begrijpen van het cognitief proces van de respondenten in deze scenarios laat toe om dit proactief te betrekken bij het opzetten van optimale ontwerpen voor discrete keuze-experimenten.

Onderzoeker(s)

• Promotor: Goos Peter
• Co-promotor: Erreygers Guido
• Mandaathouder: Kessels Roselinde

Onderzoeksgroep(en)

• Engineering Management

Project type(s)

• Onderzoeksproject

Abstract

Dit project beoogt het Six Sigma kwaliteitsverbeterprogramma op twee vlakken te verbeteren. Het Six Sigma verbeterprogramma omvat vijf stappen waarin achtereenvolgens (i) het kwaliteitsprobleem gedefinieerd wordt, (ii) de nodige metingen verricht worden voor de studie van het probleem, (iii) de data geanalyseerd worden, om uiteindelijk (iv) middels zorgvuldig ontworpen experimenten de kwaliteit te verbeteren en (v) middels een goede kwaliteitscontrole de verbeterde kwaliteit te verzekeren.

Onderzoeker(s)

• Promotor: Goos Peter

Onderzoeksgroep(en)

• Engineering Management

Project type(s)

• Onderzoeksproject

Abstract

Dit project betreft fundamenteel kennisgrensverleggend onderzoek gefinancierd door het Fonds voor Wetenschappelijk Onderzoek-Vlaanderen. Het project werd betoelaagd na selectie door het bevoegde FWO-expertpanel.

Onderzoeker(s)

• Promotor: De Pelsmacker Patrick
• Co-promotor: Dens Nathalie
• Co-promotor: Goos Peter

Onderzoeksgroep(en)

• Marketing

Project type(s)

• Onderzoeksproject

Abstract

Dit project kadert in een onderzoeksopdracht tussen enerzijds UA en anderzijds EU. UA levert aan EU de onderzoeksresultaten genoemd in de titel van het project onder de voorwaarden zoals vastgelegd in voorliggend contract.

Onderzoeker(s)

• Promotor: Goos Peter

Onderzoeksgroep(en)

• Engineering Management

Project type(s)

• Onderzoeksproject

Abstract

Dit project kadert in een onderzoeksopdracht tussen enerzijds UA en anderzijds EU. UA levert aan EU de onderzoeksresultaten genoemd in de titel van het project onder de voorwaarden zoals vastgelegd in voorliggend contract.

Onderzoeker(s)

• Promotor: Goos Peter
• Mandaathouder: Mylona Kalliopi

Onderzoeksgroep(en)

• Engineering Management

Project type(s)

• Onderzoeksproject

Abstract

StatUa is een forum waar onderzoekers in de statistiek en de toegepaste statistiek, die werkzaam zijn op één van de zeven faculteiten van de universiteit of aan één van de departementen van de hogescholen, op een snelle en informele manier informatie kunnen uitwisselen. Daarnaast brengt StatUa op regelmatige tijdstippen onderzoekers uit universiteit, instituten en hogescholen samen voor seminariedagen of workshops. De bedoeling hiervan is om te komen tot een uitwisseling van ideeën en ervaringen met betrekking tot statistische methodes, wat de eengemaakte universiteit en haar associatie ten goede komt.

Onderzoeker(s)

• Promotor: Goos Peter

Onderzoeksgroep(en)

• Engineering Management

Project type(s)

• Onderzoeksproject

Abstract

De oplossing van rittenplanningsproblemen blijkt in de praktijk vaak beslissingen te vereisen die de complexiteit van traditionele rittenplanningsvraagstukken in de literatuur over het operationeel onderzoek veroverstijgen. Praktische planningsproblemen vergen, bovenop de rittenplanning zelf, vaak ook nog beslissingen over de locatie van distributiecentra, bushaltes, of intermediaire depots, al naargelang de specifieke toepassing. In heel wat praktische problemen beslaat de planningshorizon ook nog eens meerdere perioden (shifts, dagen, weken, ¿) wat de complexiteit verder doet toenemen. Het is duidelijk dat een optimale oplossing van dergelijke vraagstukken hoge eisen stelt aan de oplossingsmethoden, die simultaan meerdere beslissingen moeten nemen. Het ontwikkelen van krachtige oplossingsmethoden voor dergelijke rittenplanningsvraagstukken is de doelstelling van dit project.

Onderzoeker(s)

• Promotor: Sörensen Kenneth
• Co-promotor: Goos Peter

Onderzoeksgroep(en)

• Engineering Management

Project type(s)

• Onderzoeksproject

Abstract

Dit project beoogt het Six Sigma kwaliteitsverbeterprogramma op twee vlakken te verbeteren. Het Six Sigma verbeterprogramma omvat vijf stappen waarin achtereenvolgens (i) het kwaliteitsprobleem gedefinieerd wordt, (ii) de nodige metingen verricht worden voor de studie van het probleem, (iii) de data geanalyseerd worden, om uiteindelijk (iv) middels zorgvuldig ontworpen experimenten de kwaliteit te verbeteren en (v) middels een goede kwaliteitscontrole de verbeterde kwaliteit te verzekeren. De tweede en de vijfde stap van het programma, dat ook wel breakthrough strategie genoemd wordt, hebben gemeen dat zij een optimale datacollectie vereisen. In de tweede stap van het kwaliteitsverbeterprogramma worden aanwezige meetsystemen geëvalueerd met behulp van zogenaamde herhaalbaarheids- en reproduceerbaarheidsstudies. In de vijfde stap worden kostenefficiënte experimenten uitgevoerd voor product- en procesverbetering. Deze twee soorten studies vereisen de kwantificering van verschillende bronnen van variabiliteit in meetsystemen, producten en processen. Elke vorm van variabiliteit in een organisatie is immers ongewenst vanuit kwaliteitsoogpunt. Omdat een precieze kwantificering van varianties heel wat moeilijker is dan van gemiddeldes moeten de meetsysteemstudies en de experimenten in de tweede en vijfde stap van het Six Sigma verbeterprogramma goed gepland worden. Een optimale planning van deze studies voor nauwkeurige variantieschattingen is de doelstelling van dit project.

Onderzoeker(s)

• Promotor: Goos Peter

Onderzoeksgroep(en)

• Engineering Management

Project type(s)

• Onderzoeksproject

Abstract

Dit project beoogt om vernieuwende zoekalgoritmes te ontwerpen voor het vinden van optimale statistische proefopzetten. Hiertoe zullen de nieuwste methoden voor combinatorische optimalisatie uit het operationeel onderzoek, meer bepaald metaheuristieken, ingezet worden in een nieuw toeassingsdomein, het experimenteel ontwerp. Zowel problemen met één doelfunctie als met meerdere doelfunctie zullen onze aandacht wegdragen.

Onderzoeker(s)

• Promotor: Goos Peter
• Co-promotor: Sörensen Kenneth

Onderzoeksgroep(en)

• Engineering Management

Project type(s)

• Onderzoeksproject

Abstract

Het doel van dit onderzoeksproject is om de state-of-the-art methoden binnen het domein van de optimale statistische proefopzet toe te passen in het veld van de elektronenmicroscopie. Deze methoden zullen elektronenmicroscopisten in staat stellen om experimenten te evalueren, te vergelijken en te optimaliseren in termen van de haalbare precisie waarmee structuurparameters, atoomposities in het bijzonder, van het te onderzoeken object gemeten kunnen worden. Verder biedt de statistische proefopzet de mogelijkheid om te beslissen over nieuwe instrumentele ontwikkelingen. Men kan immers nagaan of deze ontwikkelingen de haalbare precisie opmerkelijk verhogen en in die zin de moeite lonen. De hoogst haalbare precisie bepaalt de theoretische grens van kwantitatieve elektronenmicroscopie.

Onderzoeker(s)

• Promotor: Van Dyck Dirk
• Co-promotor: Goos Peter
• Co-promotor: Van Aert Sandra

Onderzoeksgroep(en)

• Elektronenmicroscopie voor materiaalonderzoek (EMAT)

Project type(s)

• Onderzoeksproject

Abstract

Het doel van dit project is een schema te ontwikkelen voor het ontwerpen van robuuste calibratiemodellen voor heterogene spectrale gegevens in de context van een kwaliteitsproces. Door de complexe, hoogdimensionale structuur van de spectrale gegevens zijn er meer geavanceerde multivariate statistische methodes nodig dan de veelgebruikte meervoudige lineaire regressiemodellen. Meer nog, de complexe en heterogene natuur van de gegevens vereisen het gebruik van robuuste versies van principaalcomponentenregressie en van de partiële kleinste kwadratenregressie. Een doelstelling van het project is om te bepalen welke methode tot het beste calibratiemodel leidt en om verbeteringen aan de huidige robuuste principaalcomponentenmethode te suggereren. Gedurende het ontwerpen van het schema voor de bouw van calibratiemodellen, zal een substantieel deel gewijd worden aan robuuste preprocessingtechnieken (cluster methodes inbegrepen), aan modelvalidatie en aan een 'out-of-control'-actieplan dat de werkvloer in staat zal stellen om de voorspellingen die gemaakt worden door het calibratiemodel zinvol te gebruiken. Door het gebruik van robuuste statistische technieken hopen we een calibratiemodel te kunnen opstellen dat een meer betrouwbare procescontrole toelaat. Bovendien moeten de calibratiemodellen het mogelijk maken een correcte identificatie te verrichten van loten die buiten de specificatielimieten vallen. Hiervoor zullen de grafische hulpmiddelen behorende bij de robuuste statistische methodes benut worden. Deze grafieken, die uitschietermappen genoemd worden, classificeren de steekproeven in reguliere data, verticale uitschieters, slechte hefboompunten of goede hefboompunten. Voor kwaliteitscontrole doeleinden is het cruciaal om de verticale uitschieters en slechte hefboompunten te inspecteren omdat deze respectievelijk corresponderen met steekproeven die een grote responswaarde hebben bij een normaal spectrum en steekproeven met abnormale respons waarden alsook een afwijkend spectrum. Het gebruik van robuuste preprocessingtechnieken en robuuste gegevensclustering zal bijdragen tot de kwaliteit van de voorspellingen door de calibratiemodellen. De nieuwe ontwikkelde procedures zullen uitgebreid getest worden op gesimuleerde data alsook op reële datasets van bedrijven als SESVANDERHAVE en op onze testgegevens van Aveve Veevoeding. Een dataset van Aveve Veevoeding bevat metingen van gemalen steekproeven. Een tweede bevat de spectrale gegevens van ongemalen steekproeven. De data werden verzameld om calibratiemodellen te bouwen voor kwaliteitscontroledoeleinden. Het bouwen van een geschikt calibratiemodel op basis van deze gegevens met de standaardmethodes aangereikt door de aanwezige software bleek niet mogelijk. Dit komt door de heterogene structuur van de data en suggereert dat het gebruik van robuuste preprocessingmethodes en robuuste multivariate statistische technieken, waarvan sommigen nog dienen ontwikkeld te worden, meer aangewezen zijn. Een bijkomende interessante onderzoeksvraag bij Aveve is of de dataset voor ongemalen voeding bruikbaar is om een goed calibratiemodel te construeren. Een positief antwoord hierop zou Aveve in staat stellen enkel de ongemalen steekproeven te gebruiken en daardoor de operatorafhankelijke en tijdrovende vermaling te vermijden. Verder kan de Aveve studie gebruikt worden om na te gaan of clusteringmethodes de voorspellende kracht van de robuuste calibratiemodellen verhogen. Dit is omdat elk van de twee datasets bestaat uit metingen van verschillende veevoedersoorten. In ideale omstandigheden leidt het robuuste schema dat uitgewerkt wordt in dit project tot calibratiemodellen die meteen geimplementeerd kunnen worden op de productie-eenheden van Aveve. Deze praktische implementatie zal een automatisch 'out-of-control'-actieplan vereisen. De ontwikkeling van dit plan is één van de hoofddoelen van dit project.

Onderzoeker(s)

• Promotor: Goos Peter
• Mandaathouder: Verboven Sabine

Onderzoeksgroep(en)

• Engineering Management

Project type(s)

• Onderzoeksproject

Abstract

Doel van het project is om op zoek te gaan naar optimale volgordes voor het uitvoeren van centrale composietontwerpen zodat een precieze schatting van de parameters van het bijhorend statistisch model mogelijk is wanneer de opeenvolgende waarnemingen gecorreleerd zijn. Objectieven: 1) Bepaling van optimale volgordes voor bekende seriële correlatiestructuren. 2) Bepaling van zogenaamde robuust volgordes die goed presteren voor verscheidene correlatiestructuren. Gebruik en vergelijking van (i) een Bayesiaanse aanpak, en (ii) een maximin aanpak.

Onderzoeker(s)

• Promotor: Goos Peter

Onderzoeksgroep(en)

• Engineering Management

Project type(s)

• Onderzoeksproject

Abstract

Het doel van het project is (1) om een branch-en-price algoritme, gebaseerd op een wiskundige formulering, te onwtikkelen om kleine tot medium grote instanties exact op te lossen, en (2) om een metaheuristiek te ontwikkelen die snel goede oplossingen vindt voor grote instanties.

Onderzoeker(s)

• Promotor: Goos Peter
• Co-promotor: Sörensen Kenneth

Onderzoeksgroep(en)

• Engineering Management

Project type(s)

• Onderzoeksproject

Abstract

Ontbrekende waarden in reële datasets zijn te wijten aan een tijdelijke storing of technische limitaties van de meetapparatuur. In survey experimenten komt het voor dat mensen enquêtevragen onbeantwoord laten of dat patiënten hun wekelijks doktersbezoek verzuimen waardoor er ontbrekende metingen tevoorschijn komen in de dataset. Multivariate statistische methodes zoals principaalcomponentenanalyse (PCA), principaalcomponentenregressie (PCR) of partiële kleinste kwadratenregressie (PLS) zijn de aangewezen technieken om hoogdimensionale gegevens te analyseren. Aangezien reële gegevens uitschieters kunnen bevatten, waardoor ze de schattingen gemaakt door de standaard stastische methodes aantasten, concentreren we ons op het gebruik van robuuste alternatieven voor PCA [Hubert, Rousseeuw and Verboven 2002; Hubert, Rousseeuw, and Vanden Branden 2005], PCR [Hubert and Verboven 2003] en PLS [Hubert and Vanden Branden 2003]. Deze algoritmes zijn echter nog niet in staat om om te gaan met ontbrekende waarden. Een mogelijke aanpak van het probleem is het gebruik van meervoudige imputatie (MI) methoden [Rubin 1987]. MI methoden genereren M complete data sets en combineren de resultaten van de M analyses in één finaal resultaat. In een eerste stap zullen we de MI methode voor de klassieke PCA en PCR vergelijken met andere benaderingswijzen. Daarna stellen we een nieuw algoritme voor dat computationeel snel is en eenvoudig aangepast kan worden voor de robuuste PCA en PCR algoritmes. Tot slot zullen deze nieuwe robuuste PCA en PCR methodes voor incomplete data grondig getest worden op gesimuleerde alsook reële datasets.

Onderzoeker(s)

• Promotor: Goos Peter

Onderzoeksgroep(en)

Project type(s)

• Onderzoeksproject

Abstract

Om de kwantificeren hoe de leden van een doelgroep de verschillende kenmerken van producten, diensten, transportwijzen of gezondheidstoestanden waarderen worden in onder meer de marketing, de transporteconomie en de gezondheidseconomie experimenten met gepaarde waarnemingen gebruikt. De bedoeling van dit project is om methoden te ontwikkelen die het de onderzoekers toelaten dergelijke experimenten op een statistisch verantwoorde wijze op te zetten wanneer volgorde-effecten de keuzes van de respondenten kunnen beïnvloeden.

Onderzoeker(s)

• Promotor: Goos Peter

Onderzoeksgroep(en)

Project type(s)

• Onderzoeksproject

Abstract

In marketing worden tal van experimenten uitgevoerd om de voorkeuren van potentiële consumenten te achterhalen. Typisch worden bij dergelijke proefnemingen verscheidene ¿meestal hypothetische¿ producten of diensten aan een aantal proefpersonen aangeboden. Aan de proefpersonen wordt vervolgens gevraagd hun preferentie kenbaar te maken in de vorm van een keuze voor een bepaald product of een bepaalde dienst of in de vorm van de prijs die zij voor de aangeboden producten of diensten bereid zijn te betalen. Indien aan de respondenten een keuzeopdracht gegeven wordt, dan wordt het experiment een discreet keuze-experiment genoemd. Indien de proefpersonen elk van de aangeboden producten of diensten dient te waarderen, dan wordt het experiment doorgaans aangeduid als een conjoint studie. Ondanks de ruime verspreiding van beide types van experimenten is het onderzoek naar goede ontwerpen voor discrete keuze-experimenten en conjoint studies eerder beperkt. Doel van dit project is om voor beide soorten studies efficiënte experimentele ontwerpen te bepalen.

Onderzoeker(s)

• Promotor: Goos Peter

Onderzoeksgroep(en)

Project type(s)

• Onderzoeksproject