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
This item appears in the following Collection(s)
Show simple item record
Search DSpace
Browse
-
All of DSpace
-
This Collection
My Account
Statistics
Compartilhar