12月21日上午，休斯敦大学向一莎副教授受学院灰色系统研究所邀请，在腾讯会议作题为“数据驱动的带有参数不确定性的马尔科夫决策过程及其在运维和再制造计划中的应用”的学术讲座。红足1世官网教授刘思峰、谢乃明、米传民、副教授胡明礼、欧阳林寒、王俊杰等教师及部分硕、博研究生线上参加了向教授的报告分享，本次学术报告由谢乃明主持。

       在本次学术讲座中，向一莎首先提出再制造计划问题，目的是在保持盈利增长的同时尽量减少对环境的负面影响。确定最佳的再制造时机首先需要对系统的状态转换进行建模。然而，这些概率的估计往往会受到数据不足的影响，而且数据往往不够准确，从而导致估计性能严重下降。为了减轻转移概率不确定性的影响，向一莎及其团队开发了一个新的数据驱动再制造计划建模框架，其中决策者可以在统计估计误差方面保持稳健。然后将再制造计划问题建模为一个鲁棒的马尔可夫决策过程，并使用历史数据构建包含真实转移概率分布的模糊集。进一步建立了再制造计划的最优稳健策略的结构属性。对NASA涡轮风扇发动机的一项计算研究表明，向一莎及其团队提出的数据驱动决策框架始终能产生更好的最坏情况性能和更高的性能保证可靠性。

       向一莎的报告详细介绍了新的数据驱动再制造规划建模框架，将再制造计划问题建模为一个鲁棒的马尔可夫决策过程，极大地调动了在座师生的兴趣，在座师生与向一莎副教授积极讨论数据驱动建模等的相关问题，获益匪浅。

嘉宾简介：

向一莎博士是休斯敦大学工业工程副教授。她目前的研究和教学兴趣涉及不确定性下的数据驱动决策和统计机器学习。她的研究得到了美国国家科学基金会的资助以及工业界的资助。她曾在《INFORMS journal on computing》、《IISE Transactions》、《European Journal of Operational Research》、《Naval Research Logistics》等期刊上发表文章。她在可靠性和可维护性研讨会上获得了P.K.McElroy奖、Stan Oftshun奖和Doug Ogden最佳论文奖。向博士本科毕业于南京航空航天大学工业工程专业，在美国阿肯色大学获得硕士和博士学位。她是期刊《IISE Transactions》和《IEEE Transactions Automation Science and Engineering》的副主编。她是IISE和INFORMS的会员，目前担任INFORMS质量、统计和可靠性分会的主席，以及IISE质量控制和可靠性工程分会的主席。