Use of Dempster-Shafer Theory to Describe Fuzzy Model of Risks and Threats

• Autorzy: Henryk Piech , Aleksandra Ptak , Marcin Machura
• Języki publikacji: EN

Abstrakty

Praca zawiera uzasadnienie wykorzystania teorii zbiorów rozmytych do opisu ryzyka, które zawarte jest we wprowadzeniu i rozdziale dotyczącym kwalifikacji ryzyka. Zwrócono tutaj uwagę na powiązanie i relacje operacyjne z prawdopodobieństwem zaistnienia ryzyka. Jednocześnie rozmytość pozwala uniknąć ograniczeń związanych z rachunkiem prawdopodobieństwa. Jest to istotne z uwagi na fakt, iż ryzyko dotyczy wiedzy niepewnej i obejmuje wiele zjawisk, które wzajemnie się nie wykluczają ani nie uzupełniają. Ujęcie zagadnienia w kategoriach rozmytości przybliża zjawisko ryzyka do realnych warunków, pozostawiając kwestie symulacyjne i optymalizacyjne (minimalizacja zagrożenia ryzykiem) jako zagadnienia otwarte i polegające na doborze adekwatnego do opisu i interpretacji zjawiska aparatu matematycznego. W tym przypadku wykorzystanie teorii Dempstera-Shafera to jedna z propozycji elastycznej interpretacji ryzyka, która zapewnia możliwość skalowania i klasyfikacji zagrożeń. W zakończeniu zaprezentowano przykład oceny ryzyka oraz zasady kreowania heurystyk, które w praktyczny sposób umożliwiają i uzasadniają reakcje na realne zagrożenia. (fragment tekstu)

Słowa kluczowe

EN

Calculus of probability; Fuzzy sets; Risk optimalization; Risk assessment; Dempster-Shafer theory

PL

Rachunek prawdopodobieństwa; Zbiory rozmyte; Optymalizacja ryzyka; Ocena ryzyka; Teoria Demstera-Shafera

• Czasopismo: Prace Naukowe / Akademia Ekonomiczna w Katowicach
• Rocznik: 2006
• Tom: Modelowanie preferencji a ryzyko '06
• Strony: 453--462

Twórcy

autor

Henryk Piech

• Częstochowa University of Technology

autor

Aleksandra Ptak

• Częstochowa University of Technology

autor

Marcin Machura

• Częstochowa University of Technology

Bibliografia

• Adler T.R., Leonard J.G., Nordgen R.K. (1999). Improving Risk Management from Risk Elimination to Risk Avoidance. Information and Software Technology, 41, 29-34.
• Boehm B.W. (1987). A Spiral Model of Software Development and Enhancement. IEEE Computer, 26-37.
• Carr V., Tah J.H.M. (2001). A Fuzzy Approach to Construction Project Risk Assessment and Analysis: Construction Project Risk Management System. Advances in Engineering Software, 32, 847-857.
• Chapman C. (1997). Project Risk Analysis and Management - PRAM the Generic Process. Int. J Project Mgmt., 15(5), 273-281.
• Clarke Ch.J., Varma S. (1999). Strategic Risk Management: the New Competitive Edge. Long Range Planning, 32, 4, 414-424.
• Cox E. (1999). The Fuzzy Systems Handbook. AP Professional, New York.
• Dempster A.P. (1967). Upper and Lower Probabilities Induced by a Multi-valued Mapping. Ann. Math. Stat., 38, 325-339.
• Dempster A.P. (1967). Upper and Lower Probabilities Induced by a Multi-valued mapping. Ann. Math. Stat., 38, 325-339.
• Dorfman M.S. (1994). Introduction to Risk Management in Insurance. Prentice-Hall, Englewood Cliffs, NJ, New York.
• Kangari R. (1988). Construction Risk Management. Civil Engng. Syst., 5, 114-120.
• Karolak D.W., Walter D. (1996). Software Engineering Risk Management. IEEE Computer Society Press, Los Alamitos, CA.
• Marszal E.M. (2000). Survey of Process Plant Tolerance Criteria and Party Liability Settlements. Exida. Com., Philadelphia.
• Marszal E.M. (2001). Tolerable Risk Guidelines. ISA Transaction, 40, 391 -399.
• Mudan K.S., Shah J.N, Myers P.M. (1995). Financial Risk Assessment - a Uniform Approach to Manage Liabilities. American Inst, of Chemical Engineers, New York.
• Shafer G. (1976). A Mathematical Theory of Evidence. Princeton University Press, Princeton.
• Simon P., Hillson D., Newland K. (1997). Project Risk Analysis and Management Guide. The Association for Project Management, Norwich.
• Thompson P.A., Perry J.G. (1992). Engineering Construction Risk: a Guide to Project Risk Analysis and Risk Management. Thomas Telford, London.
• Tilli T. (1991). Fuzzy Logic. Franzis Verlag, München, BRD.
• Ward S.C.: Assessing and Managing Important Risk. International Journal of Project Management, 17, 6, 331-336.
• Zadeh L. (1965). Fuzzy Sets. Information and Control, 8, 338-353.