Advertisement

Planungsverfahren für die frühen Phasen der Produktentwicklung

  • Miriam O’Shea
Part of the Betriebswirtschaftliche Forschung zur Unternehmensführung book series (BFUDUV, volume 41)

Zusammenfassung

Die Aufgabe der Produktkonzeption soll in der vorliegenden Arbeit im Sinne der Planung als Entscheidungsunterstützung aufgefaßt werden. Aus diesem Grund werden die Eigenschaften und Teilschritte der Planung skizziert und als Grundlage für die Beurteilung der sich anschließenden Darstellung konstruktionsunterstützender Techniken und Methoden herangezogen.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literature

  1. 6.
    Eine ähnliche Aufteilung der Phasen läßt sich bei Rodenacker finden (vgl. Baumann 1982, S. 15).Google Scholar
  2. 7.
    Eine graphische Abbildung des QED-Modells nach Akao findet sich bei Akao ( 1990, S. 26 f.)Google Scholar
  3. 8.
    Die Technologieentwicklung wird verwendet, um systematisch neue oder verbesserte Technologien zu erar-beiten.Google Scholar
  4. 9.
    Die Kostenentwicklung wird eingesetzt, um kundenbasierte Kostenziele zu setzen und die notwendige Kostenreduktion während der Produktentwicklung zu realisieren, so daß die Kostenziele eingehalten und gleichzeitig ein hohes Qualitätsniveau erreicht werden können.Google Scholar
  5. 10.
    Die Zuverlässigkeitsentwicklung wird angewandt, um Fehler und Schwachstellen zu erkennen, diesen entgegenzuwirken oder diese ganz zu vermeiden.Google Scholar
  6. 11.
    Dieses Vorgehen Ist auch in den folgenden QFD-Ansätzen gültig =13 Im Bereich der traditionellen Verfahren kann zum Teil anstelle des Optimalitatsbeweises nur ein Konvergenzbeweis erbracht werden.Google Scholar
  7. 12.
    Die Verfahrensklasse der nichtevolutionären Heuristiken soll hier keine weitere Berücksichtigung finden.Google Scholar
  8. 13.
    Eine ausführliche Beschreibung der Verfahrensschritte des Simplexverfahrens läßt sich in Hillier und Lieberman (1988, S. 46 ff.) oder in Neumann (1975, S. 35 ff.) oder Domschke und Drexl ( 1998, S. 19 ff.) oder in anderer in das Operation Research einführende Literatur finden.Google Scholar
  9. 14.
    Nähere Erläuterungen hierzu finden sich in Abschnitt 3.4.1.2.2.Google Scholar
  10. 15.
    Hinweise zur Verbesserung der Lösungseigenschaften eines gemischt-ganzzahligen Optimierungsproblems und zur Erhöhung der Leistungsfähigkeit des Lösungsverfahrens können Preßmar (1986, S. 29 ff.) und Preßmar ( 1992, S. 282 ff.) entnommen werden.Google Scholar
  11. 16.
    Floudas merkt hierzu an, daß die Mehrzahl der MINLP-Problemstellungen nichtkonvex ist.Google Scholar
  12. 17.
    Erläuterungen zu diesen Verfahren finden sich in Floudas (1995, S. 109 ff.); Sandgren ( 1990, S. 223 ff.)Google Scholar
  13. 18.
    Auf Suchmethoden und andere, nichtevolutionäre Verfahren mit fehlender Beweisbarkeit der Lösungsqualität soll hier nichtweiter eingegangen werden.Google Scholar
  14. 19.
    Hier sind unter anderen Einflüssen die Überlegungen Lamarck’s (1809) hervorzuheben.Google Scholar
  15. 20.
    Die Anzahl der Eltern wird mit p, die der Kinder mit k bezeichnet (Heistermann 1994, S. 25); daraus entwikkeite sich die Strategiebezeichnung (p+h.) bzw. (p,a). Die Bezeichnung + bzw., entscheidet darüber, ob die Selektion auf die gesamte Population angewendet wird, oder aber die Eltern nach einer Generation automatisch ersetzt werden. Die (1+1)-Strategie bezeichnet demzufolge einen Ansatz, der auf einem Elterindividuurn und einem Nachkommen je Population basiert, wobei die Selektion sich auf beide erstreckt. Für nähere Informationen sei auf Heistermann ( 1994, S. 24 ff.) verwiesen.Google Scholar
  16. 23.
    Dieser Begriff wurde von Rechenberg geprägt (siehe hierzu Ablay 1987, S. 165 ). In der MutationsSelektions-Strategie enthält eine Population nur ein Eiter sowie seinen Nachkommen (vgl. ebenda); als genetischer Operator der Variation der Individuen wird die Mutation eingesetzt. Eine Anwendung des genetischen Operators Rekombination ist bei dieser Strategie ausgeschlossen, die des genetischen Operators Reproduktion ist nicht sinnvoll. Die Selektion wird im Anschluß an die Mutation und Bewertung der beiden Individuen der Population durchgeführt und ermittelt das Eiterindividuum der nachfolgenden Generation.Google Scholar
  17. 24.
    Eine umfassende Beschreibung genetischer Algorithmen findet sich bei Goldberg (1989), ebenso bei Michalewicz (1996). Eine ausführliche Einführung in evolutionäre Algorithmen kann Nissen (1994), Heistermann (1994) oder Kinnebrock (1994) entnommen werden. Übersichten von Anwendungen, die sich mit Ingenieuranwendungen und speziell mit Designanwendungen befassen, werden von Parmee (1998b) oder Dasgupta und Michalewicz (1997) gegeben.Google Scholar
  18. 25.
    Eine ausführliche Übersicht über Kodierungsfonnen sowie deren Vor-und Nachteile finden sich in Nissen (1997), S. 45 ff., Davis (1991), S. 62 ff., Michalewicz (1996), S. 97 ff. u.a. einführender Literatur.Google Scholar
  19. 26.
    Nähere Informationen hierzu finden sich bei Michalewicz (1996); in Nissen (1994), S. 63 wird der Begriff der intermediären Rekombination benutzt.Google Scholar
  20. 27.
    Eine Darstellung des TA-Verfahrens findet sich u.a. bei Dueck, Scheuer, Wailmeier (1993), ebenfalls bei Kießwetter (1999) sowie bei Kinnebrock (1994)Google Scholar
  21. 28.
    Ausführungen zum genetischen Algorithmus lassen sich u.a. bei Goldberg (1989), bei Kinnebrock (1994) finden.Google Scholar
  22. 29.
    In Michalewicz (1996, S. 121 ff.) wird eine umfassende Auflistung gegeben.Google Scholar
  23. 30.
    In Fonseca und Fleming (1995) läßt sich eine umfassende Auflistung von Algorithmen zur Lösung von Problemen mit mehrfacher Zielsetzung finden. Darunter fallen Aggregatfunktionen (s.o.), popuiationsbasierte Nicht-Pareto-und Pareto-Ansätze und Nischeninduktion-Techniken.Google Scholar
  24. 31.
    DRQP (Discrete Recursive Quadratic programming algorithm) von Cha und Mayne, IDCNLP (IntegerDiscrete-Continuous Non-Linear Programming algorithm) von Fu et al., MIBBGRG (Mixed Integer Branch and Bound unter Verwendung der allgemeinen reduzierten Gradienten Methode) von Gupta, MIBBSQP (Mixed Integer Branch and Bound using the Sequential Quadratic Programming algorithm) von Sandgren, MINSLIP (Mixed Integer Nonlinear Sequential Linearization Programming algorithm) von Loh und PapalambrosGoogle Scholar
  25. 32.
    DRQP, IDCNLP, MIBBGRG, MIBBSQP, MINSLIP und SA (Simulated Annealing algorithm) von Zhang und Wang.Google Scholar
  26. 33.
    Konzepte, die sich in der Vergangenheit bewährt haben, werden weiterverfolgt.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2002

Authors and Affiliations

  • Miriam O’Shea

There are no affiliations available

Personalised recommendations