Hierarchische Planung Unter Einsatz Neuronaler Netze: Illustriert an Untersuchungen Zum Flexiblen Personalmanagement

ISBN-13: 9783790806854 / Niemiecki / Miękka / 1993 / 264 str.

Jurgen Faiat; J'Urgen Faisst

Opis

Hierarchische Fuhrungsaufgaben bestehen darin, dass eine ubergeordnete Instanz auf das Verhalten untergeordneter Entscheidungstrager Einfluss nimmt. Dieser Einfluss ist nicht eingleisig, sondern er vollzieht sich ganz wesentlich auch in der antizipativen Berucksichtigung der Reaktion der untergeordneten Stellen auf mogliche Einflussnahmen. Fur die ubergeordnete Instanz ergibt sich daher insbesondere bei ihren planerischen Aktivitaten die Notwendigkeit, Reaktionsfunktionen zu ermitteln. Hierzu sind unterschiedliche Verfahren moglich. Ein Verfahren, das nur einen sehr geringen a priori Kenntnisstand uber die funktionale Gestalt einer Reaktionsfunktion voraussetzt, besteht in der Anwendung Neuronaler Netze. Es ist die Untersuchung dieser Anwendung, die im Mittelpunkt der Ausfuhrungen steht."

Spis treści

und Überblick.- 1. Hierarchische Planung.- 1.1. Der zeitliche Bezug von Entscheidungen.- 1.2. Inhaltliche Beziehungen zwischen Entscheidungen.- 1.3. Aggregation/Disaggregation in der hierarchischen Produktionsplanung.- 1.4. Der Informationsstand von Entscheidungen.- 1.5. Aggregation unter Unsicherheit.- 1.6. Ein Beispiel zur Produktionsplanung.- 2. Entscheidungsmodelle zur hierarchischen Personalplanung.- 2.1. Hierarchisches Personalkapazitätsmanagement.- 2.2. Das Personalplanungsproblem.- 2.2.1. Personalbedarfsplanung.- 2.2.2. Aushilfskräfteplanung.- 2.2.3. Das Beispielszenario.- 2.3. Der Aggregationsfehler.- 2.3.1. Reine Top-Down-Planung auf der Basis aggregierter Prognosen.- 2.3.2. Reine Top-Down-Planung auf der Basis von Wochenprognosen.- 2.4. Rückgekoppelte Planungssysteme.- 2.4.1. Starre Rückkopplung.- 2.4.2. Flexible Planung.- 2.5. Die Planungsverfahren im Vergleich.- 3. Multipersonelle hierarchische Planungssysteme.- 3.1. Hierarchische Mehrpersonenentscheidungen.- 3.2. Modellbildungsprozeß.- 3.3. Rechentechnisch begründete hierarchische Entscheidungsmodelle.- 3.4. Die Abbildung hierarchischer Beziehungen im Entscheidungsmodell.- 3.5. Hierarchische Koppelung durch Kostenantizipation.- 3.6. Antizipation der Kosten der Aushilfskräfteplanung.- 4. Assoziativspeicherung in Neuronalen Netzen.- 4.1. Empirische Ermittlung einer Funktion zur Kostenantizipation.- 4.1.1. Zur Notwendigkeit der Erklärung empirisch beobachteter Zusammenhänge.- 4.1.2. Deskriptive Ansätze.- 4.2. Neuronale Feedforward-Netze.- 4.2.1. Künstliche Neuronale Netze.- 4.2.2. Das Perceptron.- 4.2.3. Mehrstufige Netze.- 4.2.4. Approximation funktionaler Abhängigkeiten mit dem Backpropagation-Algorithmus.- 4.2.5. Optimierung des Lernverhaltens - Functional Link Nets.- 4.2.6. Feedforward-Netze vs. statistische Verfahren.- 4.3. Modellbildung mit Feedforward-Netzen aus der Sicht der Datenverarbeitung.- 4.3.1. Zielorientierte Datenorganisation.- 4.3.2. Assoziativspeicherung.- 4.3.3. Parallel Distributed Processing.- 4.4. Exkurs: Selbstorganisierende Neuronale Netze.- 4.4.1. Neurophysiologische Grundlagen.- 4.4.2. Kohonens Modell selbstorganisierender Karten.- 4.4.3. Lernen im Modell von Kohonen.- 4.4.4. Assoziativspeicherung in selbstorganisierenden Karten.- 5. Hierarchische Personalplanung mit Neuronalen Netzen.- 5.1. Das Personalplanungsproblem.- 5.1.1. Das hierarchische Entscheidungssystem.- 5.1.2. Unsicherheiten im Entscheidungssystem.- 5.1.3. Entkoppelung der Entscheidungsebenen.- 5.2. Springereinsatzplanung.- 5.2.1. Die Perception des physischen Systems im Modell.- 5.2.2. Die Aufgabe der Springereinsatzplanung.- 5.3. Aushilfskräfteplanung.- 5.3.1. Assoziativspeicher 2: Kosten der Springereinsatzplanung.- 5.3.2. Die Aufgabe der Aushilfskräfteplanung.- 5.3.3. Aushilfskräfteplanung unter Verwendung von Assoziativspeicher 2.- 5.4. Personalbedarfsplanung.- 5.4.1. Assoziativspeicher 1 : Kosten der Aushilfskräfteplanung.- 5.4.2. Die Aufgabe der Personalbedarfsplanung.- 5.4.3. Personalbedarfsplanung unter Verwendung von Assoziativspeicher 1.- 5.5. Exkurs: Erfahrungen beim praktischen Einsatz Neuronaler Netze.- 5.5.1. Functional-Link-Netze vs. Backpropagation-Netze.- 5.5.2. Wahl der Netzstruktur, Netzparameter und Codierungsvorschrift.- 6. Neuronale Netze in der Betriebswirtschaftslehre.- 6.1. Optimierung mit parallelen Algorithmen.- 6.2. Nutzung der Assoziativspeichereigenschaften.- 6.2.1. Abgrenzung von normativ beeinflußbaren und deskriptiv zu erfassenden Systemelementen.- 6.2.2. Prognose.- 6.2.3. Overfitting.- 6.2.4. Übertragung von Expertenwissen auf Neuronale Netze.- 6.2.5. Präferenzinformation in assoziativ gespeicherten Entscheidungsfunktionen.- 6.3. Integration der Optimierungs- und Assoziativspeichereigenschaften.- Schlußbemerkung.