Demand Planning mittels Neuronaler Netze

Inhaltsangabe:Einleitung:Wie oft wird sich unser Produkt XY in der nahen Zukunft verkaufen?Dies ist eine entscheidende Frage im Rahmen der Produktionsplanung, aber auch in vielen anderen betrieblichen Funktionen.Zur Beantwortung stehen jedoch meist keine geeigneten Methoden zur Verfügung. Stattdessen wird der zukünftige Absatz, bzw. die zukünftige Nachfrage, mittels Daumenregeln oder einfachsten statistischen Verfahren geschätzt.In zahlreichen Anwendungsfeldern haben sich Neuronale Netze als überlegene Prognoseverfahren erwiesen.Die vorliegende Arbeit überträgt das erfolgsversprechende Konzept Neuronaler Netze auf das Problem der Nachfrageprognose („Demand Planning“). Einsatzmöglichkeiten, Konfigurationsparameter und mögliche Probleme werden erläutert. Daneben wird auf die Implementierung des Demand Planning in modernen Advanced Planning Systems - u.a. SAP APO - für das Supply Chain Management eingegangen.Inhaltsverzeichnis:Inhaltsverzeichnis:AbbildungsverzeichnisIIAbkürzungsverzeichnisIIISymbolverzeichnisIV1.Einleitung und Motivation11.1Begriffsabgrenzung11.2Eigenschaften Neuronaler Netze21.3Aufbau und Zielsetzung dieser Arbeit42.Grundlegende Konzepte Neuronaler Netze62.1Neuronen62.1.1Funktionsweise von Neuronen62.1.2Aktivierungszustand72.1.3Propagierungsfunktion72.1.4Aktivierungsfunktion82.1.5Ausgabefunktion102.2Netzstruktur112.2.1Verbindungsgewichte112.2.2Typen von Neuronen122.2.3Netztopologien132.3Lernregel152.4Das MLP-Netzwerk163.Demand Planning193.1Aufgaben und Einordnung193.2Grundlagen der Bedarfsprognose193.3Statistische Prognoseverfahren213.3.1Exponentielle Gl¨attung erster Ordnung213.3.2Regressionsrechnung223.3.3ARIMA223.4Demand Planning in APS234.Prognose mittels Neuronaler Netze254.1Allgemeine Vorgehensweise254.1.1Horizontale und vertikale Prognose254.1.2Lern-, Test- und Recall-Phase264.2Datenauswahl und -aufbereitung274.2.1Datenauswahl274.2.2Datenaufbereitung284.3Da