Advertisement

Hierarchische Personalplanung mit Neuronalen Netzen

  • Jürgen Faißt
Chapter
  • 32 Downloads
Part of the Schriften zur Quantitativen Betriebswirtschaftslehre book series (QUANTITATIVE, volume 6)

Zusammenfassung

Gegenstand der bisherigen Ausführungen waren die Eigenschaften hierarchischer Planungssysteme und Ansätze zur Bewältigung der Planungskomplexität, die auf diese Eigenschaften zurückzuführen ist. Diese Überlegungen führten zu einem Planungsansatz, der hierarchische Restprozesse durch geeignete Realmodellbildung abzubilden versucht, um dadurch das hierarchische Entscheidungssystem zu entkoppeln (Kapitel 3). Die Diskussion unterschiedlicher Vorgehensweisen, die zur Bildung solcher Realmodelle geeignet sein könnten, führte zu einer näheren Betrachtung von Neuronalen Netzen. Es wurde gezeigt, daß sich überwachtes Lernen in Feedforward-Netzen i.S. eines ‘verallgemeinerten statistischen Verfahrens’ zum Aufbau von Assoziativspeichern aus Beobachtungen eignet.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1.
    De facto trifft er diese Entscheidung nicht allein, sondern nach Rücksprache mit dem Betriebsrat. Der dadurch entstehende Aushandlungsprozeß ist jedoch nicht Gegenstand dieser Untersuchung und wird im folgenden vernachlässigt.Google Scholar
  2. 2.
    In der Praxis werden Fehlmengen nach Möglichkeit vermieden. Entweder kann man auf Eilmaßnahmen zurückgreifen oder die Belegschaft wird angehalten, ausnahmsweise den Leistungsgrad, d.h. die Arbeitsgeschwindigkeit zu erhöhen. Fehlmengenkosten sind als Äquivalent für die Kosten solcher Maßnahmen anzusehen.Google Scholar
  3. 3.
    Zum Begriff der Sanierungsmaßnahme vgl. SCHNEEWEISS, Planung Bd.2, a.a.O., S.126.Google Scholar
  4. 4.
    Man beachte in diesem Zusammenhang die Indizierung des Optimierungsoperators.Google Scholar
  5. 5.
    Die Tatsache, daß man sich bereits in solchen vergleichsweise einfachen Entscheidungssituation unter Unsicherheit intuitiv falsch verhalten würde, unterstreicht die in Kapitel 1 geforderte Berücksichtigung der Stochastik in hierarchischen Problemstellungen.Google Scholar
  6. 6.
    Eine Zusammenstellung der Erfahrungen, die bei Versuchen mit unterschiedlichen Netztypen und -konfigurationen gesammelt wurden, findet man im Exkurs zu diesem Kapitel (Abschnitt 5.5). Die im folgenden dargestellten Codierungsvorschriften haben sich im Rahmen einer Versuchsreihe mit Functional-Link-Netzen als besonders günstig erwiesen.Google Scholar
  7. 7.
    Die möglichen Ausprägungen der Störungen r3 und deren Wahrscheinlichkeiten entnehme man Tabelle 5.1 auf S. 176.Google Scholar
  8. 8.
    Siehe Abschnitt 5.3.1.Google Scholar
  9. 9.
    Siehe Gleichung (5.9) auf S. 189.Google Scholar
  10. 10.
    Die Berechnung einer Optimallösung (DP) erfordert auf einem Personal-Computer mit 80386/25-CPU und mathematischem Coprozessor ca. 20 Minuten Rechenzeit. Der Aufwand zur Berechnung der Netzlösung ist dagegen vernachlässigbar gering. Insgesamt dauerte die Berechnung der 276 Lösungen jedoch mehrere Tage.Google Scholar
  11. 11.
    Die Ergebnisse im einzelnen können im Anhang nachgelesen werden.Google Scholar
  12. 12.
    Vgl. Abb.5.6 auf S.186.Google Scholar
  13. 13.
    Die vollständige Tabelle ist im Anhang abgebildet.Google Scholar
  14. 14.
    Vgl. PAO, Adaptive Pattern Recognition and Neural Networks, a.a.O., S.197ff bzw. Pao, Functional Link Nets: Removing Hidden Layers, in: AI Expert, April 1989, S.60ff.Google Scholar
  15. 15.
    Vgl. PAO, Adaptive Pattern Recognition and Neural Networks, a.a.O., S.197ff.Google Scholar
  16. 16.
    Zum Prinzip der Dynamic Node Creation vgl. die Ausführungen in Kapitel 4 und die dort angegebene Literatur.Google Scholar
  17. 17.
    Hornik et al., Multilayer Feedforward Networks are Universal Approximators, in: Neural Networks, Vol.2 (1989), S.359.Google Scholar

Copyright information

© Physica-Verlag Heidelberg 1993

Authors and Affiliations

  • Jürgen Faißt
    • 1
  1. 1.Lehrstuhl für Allgemeine Betriebswirtschaftslehre und Unternehmensforschung SchloßUniversität MannheimMannheim 1Deutschland

Personalised recommendations