Operationele Research: Method to Analyse Relations Between Variables using Enriched Loops (MARVEL) (2006-)

 

Method to Analyse Relations Between Variables using Enriched Loops (MARVEL)

 
Complexe problemen kunnen erg moeilijk op te lossen zijn. Het verkrijgen van inzicht in de effecten van beleidsinterventies is dan ook vaak een moeilijke zaak. In 2006 is de Operationele Analyse groep van TNO begonnen met het ontwikkelen van een methode voor het analyseren van relaties tussen variabelen met behulp van ‘verrijkte’ lussen. Deze MARVEL methode (Method to Analyse Relations Between Variables using Enriched Loops) is een doorontwikkeling van de eerdere causale lusdiagrammethode (CLD). MARVEL is een systeembenadering die helpt om de structuur van een probleem te verduidelijken en om effectieve beleidsinterventies vast te stellen. Daarbij worden expertmeningen en andere beschikbare informatiebronnen gecombineerd.

Met MARVEL kunnen verschillende belanghebbenden interactief complexe systemen modelleren en analyseren. Het helpt ze om:

• Een gedeeld inzicht van de probleemstructuur te ontwikkelen.
• De dynamiek van het probleem te verkennen.
• De effecten van interventies en gebeurtenissen in de tijd te ontdekken.
• Het actorennetwerk en hun mogelijke toegevoegde waarde in kaart te brengen.

Waarom: ontdekken van structuur en systeemgedrag

Complexe problemen zijn vaak een gevolg van het feit dat een systeem in de loop van de tijd leidt tot ongewenst gedrag. Dat kan bijvoorbeeld de stijgende koorts van een persoon zijn, dalende winst van een bedrijf, of een belemmerde voortgang van een militaire operatie.
Gedurende ons leven vormen wij mentale modellen van hoe wij denken dat systemen werken. Het vormen van effectieve mentale modellen van complexe systemen is echter moeilijk. Dat is het gevolg van de onderliggende structuur van vele variabelen en relaties met terugkoppelingen, vertragingen en niet-lineariteiten. Het bestuderen van afzonderlijke delen van het systeem is daarom niet voldoende om een ​​complex probleem op te lossen. Om het te begrijpen, moeten we zowel de delen in detail als het geheel bestuderen.

Wat: het model

Een MARVEL-model bestaat uit variabelen en relaties. De variabelen duiden de tastbare en ontastbare ‘toestand’ van het systeem aan, bijvoorbeeld ‘lichaamstemperatuur’ of ‘overheidssteun’. Relaties tussen de variabelen beschrijven een causaal effect van de ene variabele op de andere. Daarnaast kunnen doel-, interventie- en gebeurtenisvariabelen aan het model worden toegevoegd. Als reactie op een interventie of gebeurtenis kan MARVEL de propagatie van een wijziging door het model heen simuleren. Dat biedt daardoor een eerste inzicht in de verwachte effecten van een interventie of gebeurtenis.

Hoe: het proces

De MARVEL-aanpak is gericht op het gezamenlijk met de belanghebbenden bouwen en analyseren van het model. Dit gebeurt om twee redenen: ten eerste bezit geen enkele persoon alle relevante informatie. Ten tweede moeten in bijna alle gevallen meer mensen worden betrokken om draagvlak voor de resultaten te creëren. Vage taal, misvattingen, defensief gedrag en vooroordelen zijn slechts enkele factoren die ervoor kunnen zorgen dat groepen niet effectief zijn in het structureren van een probleem. De MARVEL-aanpak is erop gericht om deze tekortkomingen te verhelpen door het leren van teams te bevorderen en het eigenaarschap van het model en resultaten of aanbevelingen te creëren. Het ontwikkelproces wordt geleid door een facilitator die de groep via processtappen toegesneden op het specifieke project naar het resultaat leidt. Het proces is gebaseerd op vaste principes, zoals: neutraliteit van de facilitator, gelijkheid van de deelnemers en consensus over aanpassingen in het te ontwikkelen model.
Door elementen van Group Model Building, Causal Mapping en simulatie te combineren, maakt MARVEL modellering en analyse van complexe problemen snel en eenvoudig mogelijk.

Het MARVEL-pakket is sinds 2007 continu verbeterd van een relatief primitieve Windows-gebaseerde TIM-implementatie (zie de referentie uit 2007 hieronder) tot een moderne toepassingssuite. Een touch table-versie met de naam Marvelous werd in 2012 ontwikkeld. In 2015 is de methode echt goed uitgewerkt en beschreven in een journal paper (Veldhuis et al, 2015). In die periode is er ook nieuwe software ontwikkeld en vonden belangrijke verbeteringen plaats.

Het MARVEL pakket

Het MARVEL pakket bevat verschillende hulpmiddelen die de gebruikers helpen bij het navigeren door het model en het analyseren van hun model:

• Verbindingen (radiate)
  Hiermee kan de gebruiker snel zien hoe een geselecteerde variabele is verbonden met de rest van het model. Maximaal drie stappen van in- en uitgaande verbindingen van een variabele worden weergegeven, waarbij de gebruiker de ‘diepte’ aangeeft.
• Padenanalyse
  Met padenanalyse is het eenvoudig om verschillende effectketens tussen interventies en doelen te bespreken en te vergelijken. De gebruiker kan handmatig een pad invoeren of kan automatisch de paden tussen twee variabelen berekenen en deze gerangschikt op basis van relatieve belangrijkheid weergeven. 
• Lusanalyse
  De lusanalyse tool vindt en benadrukt de sterkste terugkoppelingen in het model. Terugkoppelingen zijn krachtige factoren voor verandering. Ze kunnen zowel een oorzaak van problemen zijn als een deel van de oplossing. De lusanalysetool is handig om terugkoppellussen te vinden en te bespreken. Door de variabelen in de lus te markeren wordt het gemakkelijk om deze te onderscheiden.

  

• Value Network Analyse
  Naast modelleringsfactoren bevat MARVEL ook een tool om netwerken van verschillende actoren te modelleren. In het bijzonder is het gericht op het beschrijven van netwerken gevormd door de uitwisseling van materiële en immateriële activa tussen actoren. </ Li>
• Effectenanalyse
  Effectenanalyse toont de effecten die interventies of gebeurtenissen hebben op de geselecteerde doelvariabelen. De gebruiker kan experimenteren met verschillende combinaties van besturingsinstellingen en de resultaten door middel van tijdgebaseerde grafieken plotten.

  

• Radarplotanalyse
  Visualisatie van de effectenanalyse van verschillende alternatieven gebaseerd op het weergeven van een aantal prestatie-indicatoren.

  

• Animatie
  De animatiefunctie kan worden gebruikt om grote modellen stap voor stap weer te geven door geleidelijk meer variabelen en relaties zichtbaar te maken.

Gebruik

MARVEL is gebruikt als hulpmiddel voor analyse van beleid, training en activiteiten in veel verschillende domeinen, bijvoorbeeld:

• In 2008 is MARVEL gebruikt voor de analyse van de complexiteit en uitgebreide aard van werving en behoud van personeel voor Defensie, waarbij “Het totale pakket aan maatregelen heeft volgens het rapport het beoogde effect op zowel de werving als het behoud van personeel, en draagt daarbij ook bij aan het wegnemen van ondergelegen «dissatisfiers» als het verminderen van de uitzenddruk, en ook aan de ervaren rechtvaardigheid en het verbeteren van de arbeidssatisfactie. Het rapport onderschrijft dat de maatregelen niet alleen zijn gericht op «quick wins» voor de korte termijn, en dat een deel van de maatregelen ook bijdraagt aan een verbeterde werving en behoud op de middellange en lange termijn..” [Brief van de Staatssecretaris van Defensie aan de Tweede Kamer  and Annex]
• Operationele analyse in Afghanistan (2008-2010)
  Operationele analisten van TNO namen als militaire reservisten deel aan de activiteiten van de Koninklijke Landmacht in Afghanistan. Marvel was een van de instrumenten die ze gebruikten om de voortgang van het vredesproces te analyseren en de noodzaak van interventies door Task Force Urozgan.
• Researchproject Stabilisatieoperaties
  Herstel van de stabiliteit in een conflictregio is een veelzijdig probleem. Samen met verschillende partners is een onderzoeksproject voor het Engelse Defence Science and Technology Laboratory (DSTL) uitgevoerd om de impact van tactische gevechtsoperaties in een stabilisatiecontext te onderzoeken. In de loop van zes modellensessies werd samen met militaire en civiele experts een MARVEL-model ontwikkeld. Het resulterende model maakt reproduceerbare ‘what-if’-analyses mogelijk om een reeks kwantitatieve en kwalitatieve resultaten te genereren die de besluitvorming ondersteunen.
• Wijkweerbaarheidsstudie
  Het MARVEL RELIEF-model dat in 2013 is ontwikkeld beschrijft de interactie tussen de belangrijkste actoren en factoren die bijdragen aan de participatie van burgers en de weerbaarheid van een wijk. Tijdens modelbouwworkshops werd de praktische ervaring en academische kennis van een verscheidenheid aan TNO-experts geïntegreerd. Het project heeft inzichten in de indicatoren en hefboompunten gecreëerd die kunnen helpen de weerbaarheid van een wijk te versterken. RELIEF ondersteunt beleidsmakers bij het vergroten van burgerparticipatie en het sturen van initiatieven.
• Gedragsinterventies Diabetes Type 2
  Diabetes type 2 ontwikkelt zich door de complexe dynamische interactie van fysieke, emotionele, mentale en sociale factoren. Er is een geïntegreerd gezondheidsmodel ontwikkeld dat deze interactie beschrijft. Concreet worden de gezondheidseffecten van de interactie tussen voeding, slaap en fysiek gedrag gemodelleerd. Het model ondersteunt de analyse van de gecombineerde effecten van mogelijke gedragsinterventies op de gezondheid van een patiënt. Het model is ontworpen om te worden gebruikt door artsen en (diabetes)verpleegkundigen om te bespreken met veranderingen in de levensstijl van de patiënt op meer vlakken. Een eerste modelprototype kwam beschikbaar in 2017.

  

• Gebruik van MARVEL in het Intelligence Preparation of the Environment-proces van de Nederlandse strijdkrachten.

 
Terug Home
 

Referenties

MARVEL – principles of a method for semi-qualitative system behaviour and policy analysis, E.J.A. Zijderveld (2007)

MARVEL Analyse ‘Werving en Behoud’, I. Bastings, M.P. Hasberg, S. Heesmans, rapport TNO-DV 2008 A497 bijlage bij Tweede Kamer 31243 nr. 14, 2008-2009

Operationeel analisten combineren wetenschap en praktijk, S. Heesmans, Carré (2008) V7/8 p. 28

Collaborative problem structuring using MARVEL, Veldhuis, G.A.; Scheepstal, P.G.M. van; Rouwette, E.A.J.A.; Logtens, T.W.A., Euro Journal on Decision Processes, vol. 3, iss. 3, (2015), pp. 249-273

Grip on health: A complex systems approach to transform health care, H.A. van Wietmarschen, H.M. Wortelboer, J.van der Greef (2016)

Dynamische inlichtingenanalyse met MARVEL, T. Logtens, W-P. Huijsman, P. Schrijver, Mil. Spectator, 21/11/2016