GoOrg: a model to automatically design organisations for multi-agent systems

DSpace Repository

A- A A+

GoOrg: a model to automatically design organisations for multi-agent systems

Show simple item record

dc.contributor Universidade Federal de Santa Catarina
dc.contributor.advisor Hübner, Jomi Fred
dc.contributor.author Amaral, Cleber Jorge
dc.date.accessioned 2023-06-28T18:26:36Z
dc.date.available 2023-06-28T18:26:36Z
dc.date.issued 2023
dc.identifier.other 380924
dc.identifier.uri https://repositorio.ufsc.br/handle/123456789/247548
dc.description Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2023.
dc.description.abstract O design de organizações é uma tarefa complexa e trabalhosa. Isto é tema de estudos recentes que definem modelos para executar esta tarefa automaticamente. No entanto, os modelos existentes restringem o espaço de possíveis soluções requisitando definições prévias dos papéis organizacionais e geralmente não são adequados para o planejamento de recursos. Esta tese de doutorado apresenta o GoOrg, um modelo que utiliza como entrada um conjunto de objetivos e um conjunto de agentes disponíveis para gerar diferentes arranjos de estruturas organizacionais construídas a partir de posições organizacionais sintetizadas. As características mais distintas do GoOrg é o uso de posições organizacionais ao invés de papéis e que as posições são sintetizadas automaticamente no lugar de requisitar que o usuário as defina. Estas características facilitam a parametrização, a utilização no planejamento de recursos e as chances do modelo de encontrar soluções viáveis. Para avaliar o GoOrg, esta tese introduz duas especializações que estendem o modelo. Estas extensões definem processos e restrições, ilustrando como o GoOrg pode ser adequado para diferentes domínios. Entre os aspectos associados ao design de organizações, este trabalho apresenta uma comparação entre modelos de design organizacional e discute entradas, abstrações de agentes e procedimentos para adaptação de organizações durante seu ciclo de vida.
dc.description.abstract Abstract: The design of organisations is a complex and laborious task. It is the subject of recent studies, which define models to automatically perform this task. However, existing models constrain the space of possible solutions by requiring a priori definitions of organisational roles and usually are not suitable for planning resource use. This doctoral thesis presents GoOrg, a model that uses as input a set of goals and a set of available agents to generate different arrangements of organisational structures made up of synthesised organisational positions. The most distinguishing characteristics of GoOrg are the use of organisational positions instead of roles and that positions are automatically synthesised rather than required as a user-defined input. These characteristics facilitate the parametrisation, the use for resource planning and the chance of finding feasible solutions. To evaluate GoOrg, this thesis introduces two specialisations that extend the model. These extensions define processes and constraints, illustrating how GoOrg suits different domains. Among aspects that surround an organisation's design, this work presents a comparison of design models and discusses models input, agents' abstractions and procedures for adapting the organisation during its life cycle. en
dc.format.extent 142 p.| il.
dc.language.iso eng
dc.subject.classification Engenharia de sistemas
dc.subject.classification Automação
dc.subject.classification Arquitetura de software
dc.subject.classification Sistemas multiagentes
dc.subject.classification Estrutura organizacional
dc.title GoOrg: a model to automatically design organisations for multi-agent systems
dc.type Tese (Doutorado)
dc.contributor.advisor-co Cranefield, Stephen


Files in this item

Files Size Format View
PEAS0420-T.pdf 9.476Mb PDF View/Open

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account

Statistics

Compartilhar