Advertisement

Methodische Grundlagen der Implementierung

  • Ingo Hofacker
Part of the Gabler Edition Wissenschaft book series (GEW)

Zusammenfassung

Im zweiten Kapitel wurden Entscheidungsprozesse in komplexen, unstrukturierten betrieblichen Problemsituationen untersucht und vorhandene Konzepte und Systeme einer Unterstützung der Informationsverarbeitung beschränkt rationaler Entscheidungsträger evaluiert. Ausgehend von der vorgebrachten Kritik sollen nun die Ansätze und Methoden vorgestellt werden, die als Basis des objektorientierten Management Informationssystems die Schwächen konventioneller Management Informationssysteme überwinden.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 161.
    Klassische statistische Verfahren und lineare Optimierungsansätze werden ebenfalls eingesetzt, aufgrund ihrer Verbreitung jedoch nicht gesondert vorgestellt.Google Scholar
  2. 162.
    Die Notwendigkeit der Verwendung heterogener Repräsentationsformen resultiert nur bedingt aus der Varietät der Zusammenhänge des Entscheidungsfeldes, da grundsätzlich unterschiedliche Zusammenhänge mittels einer Repräsentationsform dargestellt werden können.Google Scholar
  3. 163.
    Eine Definition von Default-Werten für die drei ersten Slots ist nicht sinnvoll.Google Scholar
  4. 164.
    Durch die Aufnahme in den Slot entsteht somit eine Aggregations-Beziehung mit Rekursion auf Elemente derselben Konzeptklasse (Coad/Yourdon, 1994a, S.115ff).Google Scholar
  5. 165.
    So gehört der Konzeptrahmen der MIS GmbH aus Abbildung 3.1 zur Klasse der Kapitalgesellschaften.Google Scholar
  6. 166.
    Ob eine bestimmte Klasse eine abstrakte Klasse repräsentiert, hängt wesentlich von der spezifischen Zielsetzung des modellierten Systems ab.Google Scholar
  7. 167.
    Weitere Ansätze der Darstellung liefert bspw. (Booch, 1994).Google Scholar
  8. 168.
    Coad/Yourdon, 1994a, 5.105ff) verwenden hier den Begriff der Generalisierungs/SpezialisierungsStruktur (Gen/Spec structure).Google Scholar
  9. 169.
    Auf Techniken der Mehrfachvererbung wird im Rahmen dieser Arbeit nicht eingegangen. Da die Signifikanz einer Umsatzabweichung möglicherweise produktspezifisch ermittelt wird, kann es dazu kommen, daß für jedes Produkt, für das eine Umsatzkennzahl (Umsatzobjekt) definiert wird, eine eigene Klasse mit einer jeweils spezifischen Methode zur Signifikanzermittlung erforderlich ist. Entsprechend wird dann auf der untersten Ebene der Vererbungshierarchie jeder Klasse genau ein Objekt zugeordnet.Google Scholar
  10. 170.
    Vgl. hierzu auch den Ansatz von (Schwab, 1991) und (Rieder, 1992) in Abschnitt 4.2.1.Google Scholar
  11. 171.
    Weiterhin wird angenommen, daß die MIS GmbH einer Klasse zugeordnet ist, die Bestandteil einer nicht näher spezifizierten Vererbungshierarchie ist.Google Scholar
  12. 172.
    Zum Begriff der Vererbungshierarchie und den damit verbundenen Erweiterungen vgl. Abschnitt 3.2.3.Google Scholar
  13. 173.
    Zur Verwendung der beiden Inferenzstrategien innerhalb des vorgestellten Systems vgl. Abschnitt 5.4.Google Scholar
  14. 174.
    Vgl. hierzu auch (Shadbolt, 1989, S.146).Google Scholar
  15. 175.
    Vgl. hierzu auch (Richter, 1992, S.124).Google Scholar
  16. 176.
    Der wesentliche Unterschied liegt in der Möglichkeit zur Festlegung von Default-Werten, die durch diese Logik nicht modelliert werden können.Google Scholar
  17. 177.
    Vgl. hierzu Abschnitt 2.1.1 sowie die dort angeführten Quellen.Google Scholar
  18. 178.
    Vgl. hierzu auch (Zadeh, 1981, S.70).Google Scholar
  19. 179.
    Hierin ist jedoch kein Defizit der (natürlichen) Sprache zu sehen, vielmehr ermöglicht deren Verwendung unscharfer Kategorien erst eine effiziente Kommunikation.Google Scholar
  20. 180.
    Den sich in diesem Zusammenhang bei klassischen Expertensystemen ergebenden Problemen begegnet (Plattfaut, 1988, 5.101), indem er die Zuordnung im Grenzbereich überlappend gestaltet. Dies birgt gleichwohl die Gefahr, daß vom System mehrere, sich widersprechende Lösungen abgeleitet werden. Plattfaut verwendet den Begriff der Unschärfe, ohne jedoch auf die unten behandelte Theorie unscharfer Mengen einzugehen.Google Scholar
  21. 182.
    Vgl. hierzu Definition (3.10).Google Scholar
  22. 183.
    Diese Möglichkeit der Definition unterschiedlicher unscharfer Menge über eine gemeinsame Basismenge ist eine wesentliche Voraussetzung für den Einsatz der in Abschnitt 3.4.2 eingeführten linguistischen Variablen.Google Scholar
  23. 184.
    Das im Rahmen dieser Arbeit entwickelte System geht bei der Festlegung der unscharfen Mengen davon aus, daß dem Benutzer eine geeignet parametrisierte Zugehörigkeitsfunktion bekannt ist und liefert keine Unterstützung zu deren Bestimmung. Eine solche Funktionalität kann jedoch grundsätzlich in das vorhandene System integriert werden.Google Scholar
  24. 185.
    Shimojima/Fukuda/Hasegawa, 1995) und (Hong/Lee, 1996) untersuchen Methoden der automatisierten Generierung von geeigneten Zugehörigkeitsfunktionen. Vgl. hierzu auch Abschnitt 7.2.2.Google Scholar
  25. 186.
    Vgl. hierzu auch (Turksen, 1991, S.26ff).Google Scholar
  26. 187.
    In konsequenter Fortführung der Berücksichtigung von Unschärfe der menschlichen Sprache wurden von (Zadeh, 1975a, 6.241ff) weiterhin unscharfe Mengen zweiter (und höherer) Ordnung eingeführt, bei denen die Zugehörigkeit eines Elements x zur Basismenge X nicht mehr durch einen (scharfen) Wert p (x)e [0,11 beschrieben wird, sondern wiederum durch eine unscharfe Menge. Diese Erweiterung findet jedoch bisher innerhalb praktischer Problemstellungen keine Anwendung (Biewer, 1997, S.71ff).Google Scholar
  27. 188.
    Zur semantischen Modifikation unscharfer Mengen entwickelt (Zadeh, 1972) sogenannte linguistische Hecken (linguistic hedges). Mit Hilfe dieser linguistischen Operatoren kann eine Verstärkung (sehr) oder eine Abschwächung (mehr oder weniger) erreicht werden. Einen Überblick gibt (Biewer, 1997, S.189ff).Google Scholar
  28. 189.
    Ist A konvex, ist notwendigerweise die Menge Aa für jedes a ebenfalls konvex.Google Scholar
  29. 190.
    Die Gültigkeit dieser Eigenschaften hängt von den zur Aggregation verwendeten Operatoren ab. So wird das Kontradiktionsgesetz bspw. von den unten vorgestellten Operatoren der beschränkten Summe resp. der beschränkten Differenz erfüllt (Biewer, 1997, S.87).Google Scholar
  30. 191.
    Die Begriffe s-Norm und t-Conorm werden synonym verwendet.Google Scholar
  31. 192.
    Einen umfassenden Überblick gibt bspw. (Biewer, 1997, S.76ff). (Spies, 1993, S.227) liefert eine anschauliche graphische Interpretation der einzelnen Operatoren.Google Scholar
  32. 193.
    Sind n unscharfe Menge durch einen mittelnden Operator zu aggregieren, ist eine n-stellige Funktion zu implementieren (Biewer, 1997, S.89). Ein rekursiver Aufruf mit jeweils zwei Zugehörigkeitswerten ist hier nicht möglich.Google Scholar
  33. 194.
    Einen umfassenden Überblick und eine graphische Darstellung liefert (Biewer, 1997, S.82ff).Google Scholar
  34. 195.
    Hervorhebung durch I.H.Google Scholar
  35. 196.
    Eine Implementierung dieser Verfahren ist grundsätzlich möglich, wurde jedoch innerhalb des im Rahmen dieser Arbeit entwickelten Systems nicht vorgenommen.Google Scholar
  36. 197.
    Zadeh, 1975a, S.200) bezeichnet diese Systeme als humanic systems. Ihr Verhalten ist wesentlich durch die menschliche Wahrnehmung und Beurteilung der Sachverhalte bestimmt.Google Scholar
  37. 198.
    Siehe hierzu auch (Graham, 1991, S.456).Google Scholar
  38. 199.
    Diese Unterteilung in unterschiedliche, unscharfe Teilmengen bezeichnet Zadeh in neueren Arbeiten mit dem schwer zu übersetzenden Begriff granulization (Zadeh, 1994b, S.50; Zadeh, 1994a, S. 78 ).Google Scholar
  39. 200.
    Es handelt sich hierbei jedoch nicht um die Umkehrfunktion (Böhme, 1993, S.92).Google Scholar
  40. 201.
    Auf die Verwendung von Indizes wird in der Folge aus Gründen der Lesbarkeit verzichtet, soweit dies unmißverständlich möglich ist.Google Scholar
  41. 202.
    Zadeh, 1994b, S.49) weist darauf hin, daß „kin a narrow sense, fuzzy logic (FLn) is a logical system - an extension of multivalued logic that is intended to serve as a logic of approximate reasoning. In a wider sense, fuzzy logic (FLw) is more or less synonymous with fuzzy set theory […].“. Auf diese häufig unscharfe Verwendung des Begriffs der unscharfen Logik weisen auch (Dubois/Lang/Prade, 1991, S.215) hin.Google Scholar
  42. 203.
    Motiviert wurde dieser Ansatz durch die Schwierigkeiten, auf die die klassische, zweiwertige Aus- sagenlogik bei der Interpretation quantenmechanischer Phänomene stieß (Herbert, 1987, S.237ff).Google Scholar
  43. 204.
    Einen Überblick über die unscharfen Implikationsoperatoren findet sich in (Lee/Zhu, 1995, S.89ff).Google Scholar
  44. 205.
    Vgl. Abschnitt 2.6.5.1.Google Scholar
  45. 206.
    Zur numerischen Äquivalenz von Zugehörigkeits-und Possibilitätsverteilungsfunktion s. (Zadeh, 1978, 5.6). Zu den allgemeinen Grundlagen der Möglichkeitstheorie s. ( Dubois/Prade, 1988b ).Google Scholar
  46. 207.
    Während die Zugehörigkeitsfunktion einer unscharfen Menge dazu dient, ein Objekt dieser Menge aufgrund einer bekannten Eigenschaften mit einem Grad zwischen 0 und 1 zuzuordnen, ist bei der Interpretation als Möglichkeitsverteilung die entsprechende Eigenschaft des Objektes nicht bekannt, wohl aber die Tatsache, daß der tatsächliche Wert dieser Eigenschaft durch den unscharfen Begriff eingeschränkt ist.Google Scholar
  47. 208.
    Der Ansatz läßt sich auf beliebige n-dimensionale Possibilitätsverteilungen erweitern (Böhme, 1993, S.235).Google Scholar
  48. 212.
    Zadeh, 1994a, S.79) weist darauf hin, daß für die Aggregation beliebige t-Normen zur Anwendung kommen können. Der Einsatz von t-Conormen ist zwar prinzipiell möglich, jedoch können die Ergebnisse dem intuitiven Verständnis der Regel widersprechen, die maximale Zugehörigkeit der modifizierten unscharfen Menge der Konklusion den der Prämisse übersteigt.Google Scholar
  49. 213.
    Aufgrund des Gegenstandes der vorliegenden Arbeit ist es grundsätzlich denkbar, für die resultierende unscharfe Menge eine linguistische Approximation durchzuführen, was jedoch zu unbrauchbaren Ergebnissen führen kann: Der Gewinn ist mehr oder weniger sehr hoch. Vgl. hierzu (Biewer, 1997, S. 248 ).Google Scholar
  50. 214.
    Einen Überblick geben (Driankov/Hellendorn/Reinfrank, 1993, S.132ff). Weitere Verfahren, die sich jedoch bisher nicht durchsetzen konnten, entwickeln (Oliveira, 1995) und (Mabuchi, 1995). 1992, S.315). Hinzu kommt der möglicherweise unstetige Verlauf der Größe y, wenn es aufgrund geringfügiger Änderungen der Eingangsgrößen zu einem Wechsel der Regel mit dem höchsten Erfiilltheitsgrad c; kommt und in dieser Regel der linguistischen Variable Y eine andere unscharfe Menge zugewiesen wird, als dies zuvor der Fall war (Biewer, 1997, S. 388f ).Google Scholar
  51. 215.
    Zur Konvexität unscharfer Mengen s. Abschnitt 3.3.2.2.Google Scholar
  52. 216.
    Vgl. (Kruse/Gebhardt/Klawonn, 1993, S.175f).Google Scholar
  53. 218.
    Zur einfachen Kennzahlen- resp. Abweichungsbewertung setzen (Gutierrez/Carmona, 1988) und (Zebda, 1984) unscharfe Mengen ohne Verwendung unscharfer Regelbasen ein.Google Scholar
  54. 219.
    Ein Überblick über technische Anwendungen und einen historischen Abriß der Entwicklung der Fuzzy-Systeme ist in (Munakata/Jani,1994) zu finden.Google Scholar
  55. 220.
    Vgl. hierzu uch (Zardecki, 1996).Google Scholar
  56. 221.
    Als em unscharfes Expertensystem (fuzzy expert system) wird hier mit (Hall/Kandel, 1991, S.18) ein Expertensystem verstanden, das in irgendeiner Weise die Verarbeitung unscharfer Mengen erlaubt oder auch im engeren Sinne auf Schlußmechanismen der unscharfen Logik basiert. (Zadeh/Kacprzyk, 1992, S.199) definieren Expertensysteme grundsätzlich als Informationssysteme, die in der Lage sind, mit unpräzisen Informationen zu arbeiten.Google Scholar
  57. 222.
    Hellendom, 1997, S.64) und (Yager, 1997) sehen diese Eigenschaft ebenfalls als Beleg der Leistungsfähigkeit unscharfer Expertensysteme.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 1999

Authors and Affiliations

  • Ingo Hofacker

There are no affiliations available

Personalised recommendations