Full metadata record
DC FieldValueLanguage
dc.contributor.authorBernhard, Jochen-
dc.contributor.authorHömberg, Kay-
dc.contributor.authorJodin, Dirk-
dc.contributor.authorKuhnt, Sonja-
dc.contributor.authorSchürmann, Christoph-
dc.contributor.authorWenzel, Sigried-
dc.date.accessioned2008-12-08T09:11:11Z-
dc.date.available2008-12-08T09:11:11Z-
dc.date.issued2007-06-25-
dc.identifier.issn1612-1376-
dc.identifier.urihttp://hdl.handle.net/2003/25931-
dc.identifier.urihttp://dx.doi.org/10.17877/DE290R-465-
dc.description.abstractBei der modellgestützten Analyse von Logistiksystemen umfasst der Aufwand für die Informations- und Datenbeschaffungsaufgaben eine nicht zu unterschätzende Größenordnung. Untersuchungen wie beispielsweise [RHe01] weisen für Simulationsstudien in Produktion und Logistik darauf hin, dass innerhalb einer Simulationsstudie über 30 % des Aufwandes allein auf die Datenbeschaffung entfallen. Andere Autoren (vgl. [KGr95]) geben sogar eine Größenordnung von bis zu 50% des gesamten Projektaufwandes als Aufwand für die Datenbeschaffung und -aufbereitung an. Hinzu kommt, dass die Simulationsexperten heute kaum methodische Unterstützung zur Sicherstellung der Qualität der zu verwendenden Daten sowie zur Bestimmung ihrer richtigen Quantität und Granularität erhalten. Entsprechende Checklisten, Regelwerke und Vorgehensmodelle zur gezielten Informationsbeschaffung stehen meist gar nicht oder nur für spezifische Anwendungen zur Verfügung. Diese Situation wird bei der Modellierung von Logistiknetzen noch dadurch erschwert, dass sich die Datenbeschaffung nicht nur auf ein Unternehmen, sondern auf mehrere Unternehmen mit zwangsläufig heterogenen Datenbeständen beziehen muss. Ein erstes Vorgehensmodell zur Informationsgewinnung für die Modellierung und Simulation (M&S) von Logistiknetzen haben Wenzel und Bernhard bereits in [WBe03] vorgestellt. In diesem Beitrag wurde auch thematisiert, ob die in der Literatur i. d. R. benannte Datenbeschaffung die eigentliche Aufgabe unter methodischen Gesichtspunkten inhaltlich hinreichend umfassend charakterisiert. Die Autoren verweisen in diesem Zusammenhang auf die heute übliche Differenzierung zwischen Wissen, Information und Daten (vgl. [NTa97]) und fordern in Analogie zur Modellierung von Entscheidungsprozessen innerhalb des unternehmensinternen Informationsmanagements eine informationstheoretische Betrachtungsweise auch für M&S von logistischen Systemen. Detaillierte Ausführungen zur Differenzierung der Begriffe Wissen, Information und Daten sind dem Technical Report 05001 [BDW05] zu entnehmen. Informationsgewinnung beinhaltet im Gegensatz zum Datenmanagement eine veränderte Sichtweise. Im Fokus steht die notwendige, richtige und gültige Information bezüglich einer Aufgabenstellung; das Datum selbst, d. h. die Codierung der Information spielt eine untergeordnete Rolle. Die Informationsgewinnung erweitert damit das Aufgabenspektrum des Datenmanagements um Aufgaben der Informationsbeschaffung und -bewertung. Nicht mehr die Frage: Welche Daten werden benötigt?? steht im Vordergrund, sondern es muss zunächst primär diskutiert werden, wie sich der Informationsbedarf für die Aufgabenstellung unter Berücksichtigung der gewählten Modellierungsmethode darstellt. Diese Herangehensweise erlaubt eine Separation zwischen dem Informationsbedarf und der jeweiligen Codierung der Information in Daten und lässt damit letztendlich eine verbesserte Datenbereitstellung zu.de
dc.language.isodede
dc.publisherSFB 559de
dc.relation.ispartofseriesTechnical Repport;06008en
dc.subjectLogistiknetzede
dc.subject.ddc620-
dc.titleVorgehensmodell zur Informationsgewinnung – Prozessschritte und Methodennutzung -de
dc.typeTextde
dc.type.publicationtypereportde
dcterms.accessRightsopen access-
Appears in Collections:Sonderforschungsbereich (SFB) 559

Files in This Item:
File Description SizeFormat 
Technical Report 06008.pdfDNB403.8 kBAdobe PDFView/Open


This item is protected by original copyright



This item is protected by original copyright rightsstatements.org