Bionik Process Optimierung

• About this group
• Forums

• Home
• Groups
• Bionik Process Optimierung
• Forums
• Bionik - Wirtschaft
• Optimierung in Unternehmen

• 
  Martin Hesmert    Group moderator

  The company name is only visible to registered members.

  Optimierung in Unternehmen

  Mehrere Ziele wollen Unternehmen simultan erreichen.
  Marktanteil,Umsatz,Gewinn und Qualität sind zu maximieren, alle Arten von Kosten und Risiken sind dagegen gleichzeitig zu minimieren.
  
  Oder im Personalwesen wird die Auswahl eines Mitarbeiters in der Regel nach verschiedenen Kriterien erfolgen: Ausbildung, Erahrung,soziale Kompetenz,Führungseigenschaften,Teamfähigkeit, Einschätzung der Integrität, Offenheit, Kreativität,Auslandserfahrung, nützliche Sprachkenntnisse, Gesundheit usw.
  Aus der Praxis wissen wir aber, daß Zielkonflikte das Auffinden einer optimalen Lösung erheblich erschweren kann.
  
  Die Diskrepanz zwischen den konkurrienden Intentionen und der Knappheit der zu Verfügung stehenden Mittel, sie zu realisieren, konfrontiert in der Regel jeden vor einen Entscheidung gestellten Menschen mit der Tatsache, daß keine der möglichen Alternativen eine simultane maximale Erfüllung aller von ihm gesteckten und gleichzeitig verfolgten Ziele gestattet.
  
  Es gibt sie nicht die "eierlegende Wollmichsau" .Hier hat die Natur ein äußerst effizienten Algirithmus entwickelt.
  Beispiel: genetischer Algorithmus, neuronale Netzprogramme etc.
  
  • 27 Oct 2005, 1:13 pm
  Martin Hesmert wrote: > Mehrere Ziele wollen Unternehmen simultan erreichen. > Marktanteil,Umsatz,Gewinn und Qualität sind zu maximieren, alle Arten > von Kosten und Risiken sind dagegen gleichzeitig zu minimieren. > > Oder im Personalwesen wird die Auswahl eines Mitarbeiters in der > Regel nach verschiedenen Kriterien erfolgen: Ausbildung, > Erahrung,soziale Kompetenz,Führungseigenschaften,Teamfähigkeit, > Einschätzung der Integrität, Offenheit, > Kreativität,Auslandserfahrung, nützliche Sprachkenntnisse, Gesundheit > usw. > Aus der Praxis wissen wir aber, daß Zielkonflikte das Auffinden einer > optimalen Lösung erheblich erschweren kann. > > Die Diskrepanz zwischen den konkurrienden Intentionen und der > Knappheit der zu Verfügung stehenden Mittel, sie zu realisieren, > konfrontiert in der Regel jeden vor einen Entscheidung gestellten > Menschen mit der Tatsache, daß keine der möglichen Alternativen eine > simultane maximale Erfüllung aller von ihm gesteckten und > gleichzeitig verfolgten Ziele gestattet. > > Es gibt sie nicht die "eierlegende Wollmichsau" .Hier hat die Natur > ein äußerst effizienten Algirithmus entwickelt. > Beispiel: genetischer Algorithmus, neuronale Netzprogramme etc.
• 
  Andreas Pröhl

  The company name is only visible to registered members.

  Re: Optimierung in Unternehmen

  Hallo Martin!
  
  Wie würde deiner Meinung nach ein natürlicher Algorithmus das Problem mehrer Ziele lösen?
  
  Gruß,
  
  Andreas
  
  • 06 Jan 2006, 12:36 pm
  Andreas Pröhl wrote: > Hallo Martin! > > Wie würde deiner Meinung nach ein natürlicher Algorithmus das Problem > mehrer Ziele lösen? > > Gruß, > > Andreas
• 
  Dr. André Jordan    Premium Member

  The company name is only visible to registered members.

  Re^2: Optimierung in Unternehmen

  Hallo Bionik-Board,
  
  Wie würde deiner Meinung nach ein natürlicher Algorithmus das Problem
  mehrer Ziele lösen? man gestatte mir, dass ich zu dieser Frage Stellung nehme. Ich werde mich hier auf Evolutionäre Algorithmen beschränken. Am besten lässt sich dies anhand eines Beispiels erläutern. Aber zunächst etwas Theorie ...
  
  Genau genommen gibt es nicht _den_ genetischen oder _den_ evolutionären Algorithmus. Es handelt sich vielmehr um eine Gruppe von Algorithmen, die sich nicht nur hinsichtlich ihrer Vorgehensweise unterscheiden, sondern die auch in Abhängigkeit vom Problem unterschiedlich leistungsfähig sind.
  
  Generell stellen sie ein mathematisches Modell des Evolutionsprozess dar und können zur Lösung von Optimierungsproblemen genutzt werden. In der Regel wird dazu eine bestimmte Anzahl von Lösungen (Individuen) erzeugt. Sie bilden die sogenannte Population. Die Individuen werden bewertet. Dazu wird für jede Lösung geschaut, wie gut oder wie schlecht, sie die Zielkriterien erfüllen. Damit die Individuen untereinander vergleichbar werden, lässt sich z. B. anhand der Zielkriterien eine Pareto-Bewertung durchführen, oder - wenn dies gelingt - eine Zielfunktion formulieren. Aus den bewerteten Individuen kann der Algorithmus dann die neue Generation bilden. Dies geschieht analog zur natürlichen Evoluiton durch Selektion, Rekombination und Mutation. Wie dies im einzelnen passiert, kann sich von Algorithmus zu Algorithmus unterscheiden. Ausserdem haben sich für bestimmte Problemstellungen, bestimmte Vorgehensweisen als "optimal" herausgestellt. So kann z. B. der Algorithmus sich aus der alten Generation zwei Eltern-Individuen selektieren (bessere Lösungen haben dabei eine höhere Chance gewählt zu werden), diese miteinander rekombinieren (Austausch von "Erbmaterial") und mutieren (zufällige Änderung von "Erbmaterial"). Es entstehen zwei Kinder, die der neuen Generation hinzugefügt werden. Der Auswahlprozess wird solange wiederholt, bis die Generation "voll" ist. Die so entstandene neue Generation wird wieder bewertet, und der ganze Prozess beginnt von vorn.
  
  So weit in Kürze zur Funktionweise von Evolutionären Algrithmen. Meiner Ansicht nach steht und fällt die Optimierung mit zwei Dingen: der Formulierung des Optimierungszieles und der Beschreibung des Optimierungsobjektes. Ein Beispiel hierzu: Ein Automobilbauer hatte das Problem, dass in seinem 6-Zylinder-Motor, der letzte Zylinder zu heiss wurde. Die Strömung des Kühlmittels im Wassermantels war nicht ausreichend. Die Aufgabe ist klar: "Strömung verbessern". Doch was heisst das im einzelnen? Soll die Strömungsgeschwindigkeit erhöht werden? Oder der Massenstrom? Wie wird sich die Strömung der restlichen Zylinder verändern? Und wie lässt sich das Strömungsverhalten verhalten, ohne dass große Modifikationen am Motor notwendig werden? Analytisch lässt sich dieses Problem nicht lösen. Wenn auch das Bauchgefühl des Ingenieurs vesagt, steht man vor der Frage: "Was nun?"
  
  Wir konnten dem Automobilhersteller mit einer von uns entwickelten Softwarelösung, die einen Evolutionären Algorithmus nutzt, weiterhelfen. Unsere Individuen waren Modelle des Zylinderblockes; genauer gesagt: ein Satz von Parametern, die die Form der Überströmöffnungen der Zylinderkopfdichtung beschrieben. Das ganze Strömungsverhalten mußte natürlich mit geeigneten Berechnungsprogrammen simuliert werden. Dazu haben wir unseren Algorithmus mit den entsprechenden Programmen gekoppelt. Unser Evolutionärer Algorithmus generierte ein Parametersatz, der eine Bauteilvariante beschrieb. Ein CAD-Programm generierte daraus die Geometrie des Zylinderblocks, diese wurde weitergereicht an das Programm für die Strömungssimulation, das eine Weile rechnete und uns dann einen bestimmten Wert zurückgab, den wir als Fitnesswert des Individuums im Evolutionären Algorithmus nutzen konnten.
  
  Was ich oben anhand eines Beispiels aus dem Ingenieurbereich beschrieben habe, lässt sich natürlich auf Problemstellungen aus anderen Bereichen übertragen. Wichtig ist IMHO, dass ich exakte Beschreibung dessen habe, dass ich optimieren will und weiss, wo die Stellgrößen sind (Optimierungsobjekt), und dass ich beschreiben kann, wohin ich optimieren will (Optimierungsziel). Während einer Optimierung lernt man viel über das Optimierungsproblem. Wir haben schon oft die Situation gehabt, dass wir während einer Optimierung, das Optimierungsziel ändern mussten, weil es doch nicht das ausdrückte, was wir wollten oder weil zusätzliche Zielkriterien eine Rolle spielten.
  
  Grüsse - André
  This post was modified on 16 Jan 2006 at 10:47 am.
  • 16 Jan 2006, 10:44 am
  Dr. André Jordan wrote: > Hallo Bionik-Board, > > > Wie würde deiner Meinung nach ein natürlicher Algorithmus das Problem > > > > mehrer Ziele lösen? > man gestatte mir, dass ich zu dieser Frage Stellung nehme. Ich werde > mich hier auf Evolutionäre Algorithmen beschränken. Am besten lässt > sich dies anhand eines Beispiels erläutern. Aber zunächst etwas > Theorie ... > > Genau genommen gibt es nicht _den_ genetischen oder _den_ > evolutionären Algorithmus. Es handelt sich vielmehr um eine Gruppe > von Algorithmen, die sich nicht nur hinsichtlich ihrer Vorgehensweise > unterscheiden, sondern die auch in Abhängigkeit vom Problem > unterschiedlich leistungsfähig sind. > > Generell stellen sie ein mathematisches Modell des Evolutionsprozess > dar und können zur Lösung von Optimierungsproblemen genutzt werden. > In der Regel wird dazu eine bestimmte Anzahl von Lösungen > (Individuen) erzeugt. Sie bilden die sogenannte Population. Die > Individuen werden bewertet. Dazu wird für jede Lösung geschaut, wie > gut oder wie schlecht, sie die Zielkriterien erfüllen. Damit die > Individuen untereinander vergleichbar werden, lässt sich z. B. anhand > der Zielkriterien eine Pareto-Bewertung durchführen, oder - wenn dies > gelingt - eine Zielfunktion formulieren. Aus den bewerteten > Individuen kann der Algorithmus dann die neue Generation bilden. Dies > geschieht analog zur natürlichen Evoluiton durch Selektion, > Rekombination und Mutation. Wie dies im einzelnen passiert, kann sich > von Algorithmus zu Algorithmus unterscheiden. Ausserdem haben sich > für bestimmte Problemstellungen, bestimmte Vorgehensweisen als > "optimal" herausgestellt. So kann z. B. der Algorithmus sich aus der > alten Generation zwei Eltern-Individuen selektieren (bessere Lösungen > haben dabei eine höhere Chance gewählt zu werden), diese miteinander > rekombinieren (Austausch von "Erbmaterial") und mutieren (zufällige > Änderung von "Erbmaterial"). Es entstehen zwei Kinder, die der neuen > Generation hinzugefügt werden. Der Auswahlprozess wird solange > wiederholt, bis die Generation "voll" ist. Die so entstandene neue > Generation wird wieder bewertet, und der ganze Prozess beginnt von > vorn. > > So weit in Kürze zur Funktionweise von Evolutionären Algrithmen. > Meiner Ansicht nach steht und fällt die Optimierung mit zwei Dingen: > der Formulierung des Optimierungszieles und der Beschreibung des > Optimierungsobjektes. Ein Beispiel hierzu: Ein Automobilbauer hatte > das Problem, dass in seinem 6-Zylinder-Motor, der letzte Zylinder zu > heiss wurde. Die Strömung des Kühlmittels im Wassermantels war nicht > ausreichend. Die Aufgabe ist klar: "Strömung verbessern". Doch was > heisst das im einzelnen? Soll die Strömungsgeschwindigkeit erhöht > werden? Oder der Massenstrom? Wie wird sich die Strömung der > restlichen Zylinder verändern? Und wie lässt sich das > Strömungsverhalten verhalten, ohne dass große Modifikationen am Motor > notwendig werden? Analytisch lässt sich dieses Problem nicht lösen. > Wenn auch das Bauchgefühl des Ingenieurs vesagt, steht man vor der > Frage: "Was nun?" > > Wir konnten dem Automobilhersteller mit einer von uns entwickelten > Softwarelösung, die einen Evolutionären Algorithmus nutzt, > weiterhelfen. Unsere Individuen waren Modelle des Zylinderblockes; > genauer gesagt: ein Satz von Parametern, die die Form der > Überströmöffnungen der Zylinderkopfdichtung beschrieben. Das ganze > Strömungsverhalten mußte natürlich mit geeigneten > Berechnungsprogrammen simuliert werden. Dazu haben wir unseren > Algorithmus mit den entsprechenden Programmen gekoppelt. Unser > Evolutionärer Algorithmus generierte ein Parametersatz, der eine > Bauteilvariante beschrieb. Ein CAD-Programm generierte daraus die > Geometrie des Zylinderblocks, diese wurde weitergereicht an das > Programm für die Strömungssimulation, das eine Weile rechnete und uns > dann einen bestimmten Wert zurückgab, den wir als Fitnesswert des > Individuums im Evolutionären Algorithmus nutzen konnten. > > Was ich oben anhand eines Beispiels aus dem Ingenieurbereich > beschrieben habe, lässt sich natürlich auf Problemstellungen aus > anderen Bereichen übertragen. Wichtig ist IMHO, dass ich exakte > Beschreibung dessen habe, dass ich optimieren will und weiss, wo die > Stellgrößen sind (Optimierungsobjekt), und dass ich beschreiben kann, > wohin ich optimieren will (Optimierungsziel). Während einer > Optimierung lernt man viel über das Optimierungsproblem. Wir haben > schon oft die Situation gehabt, dass wir während einer Optimierung, > das Optimierungsziel ändern mussten, weil es doch nicht das > ausdrückte, was wir wollten oder weil zusätzliche Zielkriterien eine > Rolle spielten. > > Grüsse - André
• 
  Andreas Pröhl

  The company name is only visible to registered members.

  Re^3: Optimierung in Unternehmen

  Hallo André!
  
  Danke für deine Antwort! Sehr spannendes Beispiel! Mal ganz blöd gefragt: Kann man so einen Ansatz nicht auch auf eine Volkswirtschaft anwenden? Die Anzahl der Parameter wäre sicher umfangreicher und es würden mehrer Ziele zu definieren sein. Wäre das denkbar?
  
  Gruss,
  
  Andreas
  
  • 17 Jan 2006, 10:23 pm
  Andreas Pröhl wrote: > Hallo André! > > Danke für deine Antwort! Sehr spannendes Beispiel! Mal ganz blöd > gefragt: Kann man so einen Ansatz nicht auch auf eine Volkswirtschaft > anwenden? Die Anzahl der Parameter wäre sicher umfangreicher und es > würden mehrer Ziele zu definieren sein. Wäre das denkbar? > > Gruss, > > Andreas
• 
  Martin Hesmert    Group moderator

  The company name is only visible to registered members.

  Re^4: Optimierung in Unternehmen

  Hallo meine Herren,
  das geht schon , man nennt dies das Vektormaximumproblem. Es ist ein Gebiet der Entscheidungsanalyse, solange keine nichtlinearen Parameter vorkommen , ist dies Problem lösbar.
  Gruß
  Martin
  
  • 18 Jan 2006, 1:07 pm
  Martin Hesmert wrote: > Hallo meine Herren, > das geht schon , man nennt dies das Vektormaximumproblem. Es ist ein > Gebiet der Entscheidungsanalyse, solange keine nichtlinearen > Parameter vorkommen , ist dies Problem lösbar. > Gruß > Martin
• 
  Dr. André Jordan    Premium Member

  The company name is only visible to registered members.

  Re^4: Optimierung in Unternehmen

  Hallo Andreas,
  
  Andreas Pröhl schrieb:
  Danke für deine Antwort! Sehr spannendes Beispiel! Mal ganz blöd gefragt: Kann man so einen Ansatz nicht auch auf eine Volkswirtschaft anwenden? Die Anzahl der Parameter wäre sicher umfangreicher und es würden mehrer Ziele zu definieren sein. Wäre das denkbar? Die Evolution zur Beschreibung der Prozesse in der Volkswirtschaft heranzuziehen, ist gewiss möglich. Wir haben ähnliches auch mit unserer "Autogenetischen Konstruktionstheorie" getan, wo wir das Vorgehen des Produktentwicklers als einen evolutionären Prozess beschreiben. Wenn du mehr hierzu wissen willst, schau mal auf http://lmi.uni-magdeburg.de/ unter "Forschung" und "Autogenetik".
  
  Grüße - A.
  
  • 19 Jan 2006, 10:36 pm
  Dr. André Jordan wrote: > Hallo Andreas, > > Andreas Pröhl schrieb: > > Danke für deine Antwort! Sehr spannendes Beispiel! Mal ganz blöd > > gefragt: Kann man so einen Ansatz nicht auch auf eine Volkswirtschaft > > anwenden? Die Anzahl der Parameter wäre sicher umfangreicher und es > > würden mehrer Ziele zu definieren sein. Wäre das denkbar? > Die Evolution zur Beschreibung der Prozesse in der Volkswirtschaft > heranzuziehen, ist gewiss möglich. Wir haben ähnliches auch mit > unserer "Autogenetischen Konstruktionstheorie" getan, wo wir das > Vorgehen des Produktentwicklers als einen evolutionären Prozess > beschreiben. Wenn du mehr hierzu wissen willst, schau mal auf > http://lmi.uni-magdeburg.de/ unter "Forschung" und "Autogenetik". > > Grüße - A.