Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: http://dx.doi.org/10.18419/opus-2786
Langanzeige der Metadaten
DC ElementWertSprache
dc.contributor.authorPanos, Michaelde
dc.date.accessioned2011-12-27de
dc.date.accessioned2016-03-31T07:59:22Z-
dc.date.available2011-12-27de
dc.date.available2016-03-31T07:59:22Z-
dc.date.issued2011de
dc.identifier.other362437947de
dc.identifier.urihttp://nbn-resolving.de/urn:nbn:de:bsz:93-opus-69971de
dc.identifier.urihttp://elib.uni-stuttgart.de/handle/11682/2803-
dc.identifier.urihttp://dx.doi.org/10.18419/opus-2786-
dc.description.abstractGeschäftsprozesse erfreuen sich immer größerer Beliebtheit in Unternehmen. Durch den Einsatz von Informationstechnologien kann ein Unternehmen seine Kosten senken und Erträge steigern. Dabei spielt die Geschäftsprozessoptimierung eine wichtige Rolle. Veränderungen der Prozesse können aber ein Risiko darstellen. Um das Risiko von Fehlern zu minimieren kann eine Simulation des Geschäftsprozess ausgeführt werden. Auf Basis der deep Business Optimization Platform (dBOP) wurde ein Simulationsmodell konzipiert, das eine sehr realitätsnahe Simulation ausführt. Dabei verschafft man sich durch das integrierte Data Warehouse aus Prozessdaten und operativen Daten einen erheblichen Vorteil gegenüber herkömmlichen Simulationsmöglichkeiten. In dieser Diplomarbeit wurde ein Framework entwickelt, das eine Geschäftsprozesssimulation ausüben soll, die mit Hilfe von Data Mining Algorithmen aufgebaut wird. Es wurde ein Konzept entwickelt, das aus dem vordefinierten dBOP-Modell ein Simulationsmodell aufbaut. Dieses Konzept wird mit seinen Phasen erläutert. Außerdem wurde eine prototypische Implementierung entwickelt. Anschließend findet sich eine Evaluation der gewählten Geschäftsprozesssimulation auf Basis eines Beispiels. Es wird anhand dieses Testprozesses aufgezeigt, wie das Simulationsmodell entsteht und welche Besonderheiten man beachten muss. Anschließend wurden die Ergebnisse der Simulation analysiert und mit realen Daten und Simulationsdaten, ohne erweiterte Datenbasis, verglichen.de
dc.description.abstractBusiness processes are becoming more and more popular in the corporate environment. With the service of information technology enterprises can lower their cost and increase their income. Therefore business process optimization plays an important part. But changes in processes are involved with a certain risk. To reduce the risk of making mistakes there can be an execution of a simulation of a business process. On top of the deep Business Optimization Platform (dBOP) we designed a simulation model that could execute a simulation very close to reality. Thereby the integrated Data Warehouse consisting of process and operational data give us a huge edge over conventional simulation models. In this diploma thesis we designed a framework that would execute this business process simulation with the help of data mining algorithms. Therefore a concept is developed that builds a simulation model from the predefined dBOP model. This concept is described with all its phases. Additionally a prototype has been implemented. After that an evaluation of the simulation model was made based on an example process. It is described by this example how the simulation model originates and how we have to treat the specifics. Following this, the results of the simulation are analyzed with real data and simulation data of a conventional simulation model.en
dc.language.isodede
dc.rightsinfo:eu-repo/semantics/openAccessde
dc.subject.ddc004de
dc.titleMachine-Learning-basiertes Framework für eine Geschäftsprozesssimulationde
dc.title.alternativeMachine-learning-based framework for a business process simulationen
dc.typemasterThesisde
ubs.fakultaetFakultät Informatik, Elektrotechnik und Informationstechnikde
ubs.institutInstitut für Parallele und Verteilte Systemede
ubs.opusid6997de
ubs.publikation.typAbschlussarbeit (Diplom)de
Enthalten in den Sammlungen:05 Fakultät Informatik, Elektrotechnik und Informationstechnik

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 
DIP_3169.pdf3,01 MBAdobe PDFÖffnen/Anzeigen


Alle Ressourcen in diesem Repositorium sind urheberrechtlich geschützt.