Einsatz künstlicher neuronaler Netzwerke in der Ablaufplanung: Dissertation zur Erlangung des Grades eines Doktors der Wirtschaftswissenschaft der Rechts- und Wirtschaftswissenschaftlichen Fakultät der Universität Bayreuth

190 Pages·1997·3.952 MB·German

by  Andreas Brandt (auth.)

Einsatz künstlicher neuronaler Netzwerke
in der Ablaufplanung
Dissertation
zur Erlangung des Grades eines Doktors der Wirtschaftswissenschaft
der Rechts- und Wirtschaftswissenschaftlichen Fakultät
der Universität Bayreuth
vorgelegt
von
Andreas Brandt
aus Holzminden
Dekan: Prof. Dr. Remer
Erstberichterstatter: Prof. Dr. Mathes
Zweitberichterstatter: Prof. Dr. Heinzl
Tag der mündlichen Prüfung: 23. September 1996
Andreas Brandt
Einsatz künstlicher neuronaler Netzwerke in der
Ablaufplanung
Andreas Brandt
Einsatz künstlicher
neuronaler Netzwerke
in der Ablaufplanung
Mit einem Geleitwort von Prof. Dr. Heinz D. Mathes
f[)"fll:\n DeutscherUniversitätsVerlag
~ GABLER ·VIEWEG ·WESTDEUTSCHER VERLAG
Die Deutsche Bibliothek - ClP-Einheitsaufnahme
Brandt, Andreas:
Einsatz künstlicher neuronaler Netzwerke in der Ablaufplanung
/ Andreas Brand!. Mit einem Geleitw. von Heinz D. Mathes. -
Wiesbaden: Dt. Univ.-Verl., 1997
(DUV: Wirtschaftsinformatik)
Zugi.: Bayreuth, Univ., Diss., 1996
ISBN 978-3-8244-0332-5
Der Deutsche Universitäts-Verlag ist ein Unternehmen
der Bertelsmann Fachinformation.
© Deutscher Universitäts-Verlag GmbH, Wiesbaden 1997
Lektorat: Monika Mülhausen
Das Werk einschließlich aller seiner Teile ist urheberrechtlich
geschützt. Jede Verwertung außerhalb der engen Grenzen des
Urheberrechtsgesetzes ist ohne Zustimmung des Verlags unzu-
19ssi9 und strafbar. Das gilt insbesondere für Vervielfältigungen,
Ubersetzungen, Mikroverfilmungen und die Einspeicherung und
Verarbeitung in elektronischen Systemen.
Gedruckt auf chlorarm gebleichtem und säurefreiem Papier
ISBN 978-3-8244-0332-5 ISBN 978-3-322-92392-9 (eBook)
DOI 10.1007/978-3-322-92392-9
Geleitwort
Künstliche neuronale Netzwerke repräsentieren ein Potential zur Datenanalyse
und Informationsverarbeitung, das bisher für produktionswirtschaftliche und dabei
insbesondere ablauforganisatorische Problemstellungen nur unzureichend genutzt
wird. Ihre parallele und verteilte Struktur ermöglicht die Speicherung und Bereit
stellung empirischen Problemlösungswissens in Form mächtiger informationsver
arbeitender Funktionen.
Der Autor widmet sich vor diesem Hintergrund der Frage, ob und wie Informati
onsressourcen durch künstliche neuronale Netzwerke in die Lösung von Ablauf
planungsproblemen integriert werden können. Er beschreitet damit unzweifelhaft
einen gänzlich neuen Weg in einem Bereich, in dem bislang effiziente Lösungsver
fahren nur für vergleichsweise einfache und zumeist wenig realitätsnahe Problem
strukturen existieren.
Diese Neuartigkeit ist nicht allein darin begründet, daß statistische Verfahrenswei
sen in einem ansonsten durch optimierende Lösungsansätze dominierten Gebiet
eingesetzt werden. Vielmehr schafft es der Autor, den informationsverarbeitenden
Einsatz von künstlichen neuronalen Netzwerken in der Ablaufplanung, der nur in
einigen wenigen Ansätzen realisiert ist, um unverzichtbare Komponenten zu er
weitern. Bisher vorliegende Ansätze beschränken sich im wesentlichen auf die
Abbildung von Zuordnungen zwischen Entscheidungssituationen und Problemlö
sungen. Die Leistungsfähigkeit dieser Vorgehensweise ist jedoch eher beschränkt,
da mit Hilfe dieser Abbildungen in der Regel lediglich bereits vorhandene Verfah
ren ersetzt werden können. Durch den Aufbau eines Anwendungsschemas für
künstliche neuronale Netzwerke und deren Integration in die dynamische Ablauf
planung gelingt es dem Autor, nicht nur die Vorteilhaftigkeit des Netzwerk
einsatzes nachzuweisen, sondern vor allem neue Perspektiven für die rechnerge
stützte Ablaufplanung aufzuzeigen.
Dabei entwickelt er in der Programmiersprache GPSSjH ein komplexes Pro
gramm zur Simulation von Ablaufplanungsproblemen. Dieses ist so gestaltet, daß
beliebige Einplanungsstrategien komfortabel zu implementieren sind. Durch die
einfache, strukturierte Darstellung erhält der an der diskreten Ereignissimulation
interessierte Leser wertvolle praktische Hinweise zur Gestaltung von Simulations
programmen.
VI
Als Basis seiner Ausführungen stellt der Autor eine übersichtliche Einführung zum
Stoffgebiet der künstlichen neuronalen Netzwerke an den Anfang seiner Arbeit.
Mit der Bewertung aktueller Standardmethoden und -modelle sowie dem Aufdek
ken potentieller Anwendungsmöglichkeiten in betriebswirtschaftlichen Problem
feldern gewinnt die Arbeit zusätzlich an allgemeiner Relevanz.
Die vorliegende Arbeit stellt einen innovativen Lösungsansatz für ein klassisches
produktionswirtschaftliches Problem dar, dem nachhaltige Resonanz in Wissen
schaft und Praxis zu wünschen ist.
Prof. Dr. Heinz D. Mathes
Vorwort
Die vorliegende Arbeit entstand in den Jahren 1994 bis 1996 im Rahmen meiner
Tätigkeit als wissenschaftlicher Mitarbeiter am Lehrstuhl Wirtschaftsinformatik der
Universität Bayreuth. Den Ausgangspunkt meiner Untersuchung bildete die inten
sive Auseinandersetzung mit dem Einsatz künstlicher neuronaler Netzwerke in
betriebswirtschaftichen Problemfeldern, für die sich konnektionistische Ansätze
bereits etabliert hatten. Aus der Entwicklung einer netzwerkbasierten Anwendung
für die Kreditwürdigkeitsprüfung heraus wurde schnell die Idee geboren, die aus
Beispielen lernenden Verfahren auch auf andere Gebiete der Betriebswirtschaft zu
übertragen.
Professor Dr. Mathes -damals Inhaber des Lehrstuhles Produktionswirtschaft und
kommissarischer Vertreter der Wirtschaftsinformatik in Bayreuth -hat sich darauf
hin spontan dazu bereit erklärt, eine Arbeit zum Einsatz künstlicher neuronaler
Netzwerke als Lösungsansatz für Probleme seines Faches zu übernehmen. Trotz
hoher Arbeitsbelastung hat Professor Dr. Heinzl nicht vor der kurzfristigen Anfer
tigung des Zweitgutachtens zurückgescheut. Ihnen beiden bin ich dafür zu gro
ßem Dank verpflichtet.
Bei meinen Eltern, die mir nicht nur jederzeit materielle Unterstützung gewährt
haben, sondern gleichzeitig meinen Lebensweg bis heute als kritisch wohlwollen
de Berater begleitet haben, möchte ich mich ebenso wie bei meiner Partnerin Eva
bedanken. Sie hat trotz der permanenten Anspannung und des andauernden
Zeitmangels stets ihre Geduld bewahrt und auf die fortwährende Konfrontierung
mit einem einzigen Thema immer mit einem offenen Ohr reagiert. Darüber hinaus
hat ihre tatkräftige Unterstützung einen unschätzbaren Beitrag zur Lesbarkeit die
ser Arbeit geleistet.
Weiterhin möchte ich Sigrid Mandel danken, welche die schwierige Aufgabe
übernommen hat, meine handschriftlichen Vorlagen in eine geordnete Form zu
bringen. Nicht zuletzt gilt mein Dank Jana Hofmann sowie meinem Kommilitonen
und langjährigen Freund Matthias Goldbeck für das akribische KorrekturIesen des
Textes.
Andreas Brandt
Inhaltsverzeichnis
Abbildungsverzeichnis XI
Symbolverzeichnis XIII
1 Einleitung ........................................................................................................................................................... 1
2 Künstliche neuronale Netzwerke. ................................................................................................................ 2
2.1 Grundbegriffe ............................................................................................................................................ 2
2.1.1 Information und Daten ..................................................................................................................... 2
2.1.2 Parallele und verteilte Informationsverarbeitung ........................................................................ 4
2.2 Aufbau und Bestandteile künstlicher neuronaler Netzwerke ......................................................... 7
2.3 Arbeitsweise künstlicher neuronaler Netzwerke ............................................................................ 10
2.4 Netzwerktypen ....................................................................................................................................... 12
2.4.1 Einteilungskriterien .......................................................................................................................... 12
2.4.2 Perceptrons ...................................................................................................................................... 14
2.4.2.1 Aufbau und Bestandteile von Perceptrons ........................................................................ 14
2.4.2.2 Ein Anwendungsbeispiel ......................................................................................................... 16
2.4.2.3 Grenzen einfacher Perceptrons ............................................................................................ 19
2.4.3 Multilayerperceptrons .................................................................................................................... 21
2.4.3.1 Aufbau und Bestandteile von Multilayerperceptrons ...................................................... 21
2.4.3.2 Eigenschaften von Multilayerperceptrons .......................................................................... 30
2.4.3.3 Anwendung von Multilayerperceptrons ............................................................................. 39
2.4.4 Selbstorganisierende Netzwerke ................................................................................................. 42
2.4.4.1 Aufbau und Bestandteile selbstorganisierender Netzwerke .......................................... 42
2.4.4.2 Anwendung selbstorganisierender Netzwerke ................................................................. 47
2.4.5 Zyklische Netzwerke. ..................................................................................................................... 50
2.4.5.1 Aufbau und Bestandteile zyklischer Netzwerke ............................................................... 50
2.4.5.2 Zyklische Netzwerke als assoziative Speicher .................................................................. 54
2.4.5.3 Lösung von Optimierungsaufgaben mit zyklischen Netzwerken ................................. 57
2.4.5.4 Stochastische und mehrschichtige zyklische Netzwerke ............................................... 62
2.5 Ansätze zur Verbesserung künstlicher neuronaler Netzwerke ................................................... 65
2.5.1 Bestimmung von Netzwerkarchitekturen .................................................................................. 65
2.5.2 Erklärungskomponenten für künstliche neuronale Netzwerke ............................................ 67
2.5.2.1 Sensitivitätsanalysen ................................................................................................................ 68
2.5.2.2 Unscharfe Mengen und künstliche neuronale Netzwerke ............................................ 69
2.6 Planungs-und Entscheidungshilfe durch künstliche neuronale Netzwerke ............................. 72
2.6.1 Planung und Entscheidung ............................................................................................................ 73
x
Inhaltsverzeichnis
2.6.2 Modellcharakter künstlicher neuronaler Netzwerke .............................................................. 75
2.6.3 Problemtypen .................................................................................................................................. 77
2.6.4 Einsatzvoraussetzungen ................................................................................................................. 79
3 Ablaufplanung ............................................................................................................................................... 81
3.1 Begriff und Aufgabe der Ablaufplanung ........................................................................................... 81
3.2 Dimensionen des Entscheidungsproblems der Ablaufplanung .................................................. 85
3.2.1 Auftrags-und maschinen bezogene Merkmale der Ablaufplanung ..................................... 85
3.2.2 Zielgrößen der Ablaufplanung ..................................................................................................... 88
3.3 Verfahren der rechnergestützten Ablaufplanung ........................................................................... 92
3.3.1 Ablaufplanung mit Hilfe der Simulation ..................................................................................... 93
3.3.2 Prioritätsregelgestützte Ablaufplanung ...................................................................................... 95
3.4 Varianten der Anwendung künstlicher neuronaler Netzwerke in der Ablaufplanung .......... 99
3.4.1 Künstliche neuronale Netzwerke als heuristische Lösungsverfahren ............................... 10 0
3.4.2 Informationsverarbeitender Einsatz künstlicher neuronaler Netzwerke .......................... 10 2
3.4.2.1 Gestaltung der Netzwerkausgabe ...................................................................................... 103
3.4.2.2 Gestaltung der Netzwerkeingabe ...................................................................................... 106
3.4.2.3 Generierung und Erhebung von Datenmustern ............................................................. 108
3.4.2.4 Netzwerkberechnung und Netzwerktesl... ...................................................................... 110
3.4.2.5 Anwendungsumfeld ............................................................................................................... 111
4 Integration künstlicher neuronaler Netzwerke in die dynamische Ablaufplanung ..................... 114
4.1 Simulation von Ablaufplanungsproblemen mit GPSS/H ............................................................ 114
4.1.1 Die Simulationssprache GPSS/H ............................................................................................... 116
4.1.2 Implementierung dynamischer Job-Shop-Probleme in GPSS/H ........................................ 118
4.2 Durchführung von Simulationsexperimenten ............................................................................... 127
4.2.1 Generierung von dynamischen Ablaufplanungsproblemen ............................................... 127
4.2.2 Festlegung von Zielkriterien für dynamische Ablaufplanungsprobleme .......................... 129
4.2.3 Implementierung einfacher Prioritätsregeln ............................................................................ 131
4.2.4 Netzwerkeinsatz in der dynamischen Ablaufplanung .......................................................... 133
4.2.4.1 Voraussetzungen des Netzwerkeinsatzes ........................................................................ 133
4.2.4.2 Bildung von Datenmustern .................................................................................................. 134
4.2.4.3 Netzwerktraining und Netzwerktest ................................................................................. 140
4.2.4.4 Integration der Netzwerkfunktion in das Simulationsmodell. ...................................... 143
4.3 Simulationsergebnisse ........................................................................................................................ 144
5 Schlußbetrachtung ..................................................................................................................................... 151
Anhang 153
literaturverzeichnis 159