Analyse und Prognose des Modellzyklusses in der Automobilbranche mit künstlichen neuronalen Netzen
- Art: Diplomarbeit
- Autor: Roland Heipcke
- Abgabedatum: August 1997
- Umfang: 175 Seiten
- Dateigröße: 66,7 MB
- Note: 1,3
- Institution / Hochschule: Katholische Universität Eichstätt/Wirtschaftswissenschaftliche Fakultät Ingolstadt Deutschland
- ISBN (eBook): 978-3-8324-0904-3
-
ISBN (Paperback) :
978-3-8324-0904-3 P - ISBN (CD) :978-3-8324-0904-3 CD
- Sprache: Deutsch
- Prämierung:
- Arbeit zitieren: Heipcke, Roland August 1997: Analyse und Prognose des Modellzyklusses in der Automobilbranche mit künstlichen neuronalen Netzen, Hamburg: Diplomica Verlag
- Schlagworte: Modellzyklen, Automobil, Prognose, Wirtschaftsinformatik, Künstliche neuronale Netze (KNN)
In den Warenkorb
38,00 €
Diplomarbeit von Roland Heipcke
Gang der Untersuchung:
Künstliche neuronale Netze (KNN) eignen sich neben Einsätzen im Finanzmarktbereich auch für die Abbildung von Zusammenhängen im Automobilbereich.
Zunächst werden die Grundlagen zu Langfristprognosen und KNN dargestellt sowie die Modellzyklen, die sich im deutschen Automobilmarkt identifizieren lassen, detailliert untersucht. Darauf aufbauend wird ein Modell entwickelt, das es erlaubt, die identifizierten Spezifika von Modellzyklen mittels KNN zu repräsentieren. Besonderes Augenmerk liegt dabei auf der Systematisierung der Gestaltungsalternativen vom Ausgangsproblem bis hin zur Implementierung eines KNN für diese Aufgabe. In umfangreichen empirischen Tests werden unterschiedlich konfigurierte Backpropagation-Netze auf ihre Zweckmäßigkeit hin geprüft.
Die Ergebnisse werden abschließend zusammengefaßt und Ansätze zu Weiterentwicklungen aufgezeigt.
Inhaltsverzeichnis:
| Inhaltsverzeichnis | I | |
| Abbildungsverzeichnis | V | |
| Abkürzungsverzeichnis | VIII | |
| Symbolverzeichnis | X | |
| Vorwort | XII | |
| I. | Motivation des Einsatzes neuronaler Netze zur Prognose | 1 |
| II. | Aspekte langfristiger Prognosen | 4 |
| 1. | Definition und Gegenstand von Absatzprognosen | 4 |
| 2. | Methodische Grundlagen für Prognosemodelle | 5 |
| 3. | Berücksichtigung der Unsicherheit | 7 |
| 4. | Bewertung von Prognosemodellen | 9 |
| III. | Grundlagen Künstlicher neuronaler Netze | 10 |
| 1. | Kleine Genealogie neuronaler Netze | 10 |
| 2. | Überblick über die ein KNN spezifizierenden Parameter | 12 |
| 2.1 | Aufbau und Funktionsweise künstlicher Neuronen | 12 |
| 2.2 | Netztopologie | 16 |
| 2.3 | Lernen in Künstlichen neuronalen Netzen | 18 |
| 3. | Die Verbindung neuronaler Netze mit genetischen Algorithmen | 23 |
| IV. | Modellzyklen im deutschen Automobilmarkt | 27 |
| 1. | Das theoretische Konzept | 27 |
| 1.1 | Vom Produktlebenszyklus zum Modellzyklus | 27 |
| 1.2 | Zur Abgrenzung von Modellzyklen | 30 |
| 1.3 | Kritikpunkte | 31 |
| 1.4 | Die Determinanten von Modellzyklen | 32 |
| 1.5 | Die Relevanz für die Automobilindustrie | 32 |
| 2. | Die Entwicklungen der letzten 30 Jahre | 34 |
| 2.1 | Die Länge der Modellzyklen im deutschen Automobilmarkt | 34 |
| 2.2 | Die Adaption des Modellzykluskonzeptes auf den Automobilbereich | 37 |
| V. | Ein Prognosesystem für Modellzyklen im deutschen Automobilmarkt | 43 |
| 1. | Die Datenbasis | 43 |
| 1.1 | Quellen | 43 |
| 1.2 | Art und Umfang des Datenmaterials | 44 |
| 1.3 | Strukturierung und Abgrenzung von Teilmärkten | 47 |
| 2. | Systematik zum Aufbau des Prognosesystems | 50 |
| 2.1 | Von den Rohdaten zum Netzinput | 51 |
| 2.2 | Die Unterteilung in Lern-, Test- und Produktionsmenge | 55 |
| 2.3 | Die verwendete Netztopologie | 58 |
| 2.4 | Topologieoptimierung | 61 |
| 2.5 | Parameteroptimierung | 63 |
| 2.6 | Evaluation der generierten Netze | 65 |
| VI. | Probleme und Perspektiven | 69 |
| 1. | Vor- und Nachteile Künstlicher neuronaler Netze | 69 |
| 2. | Ansätze für Erweiterungen des vorgestellten Systems | 72 |
| Anhang | ||
| Anhang A: Die Datenbasis | ||
| A-1: | Segment A00 | 75 |
| A-2: | Segment A0 | 78 |
| A-3: | Segment A | 81 |
| A-4: | Segment B | 84 |
| A-5: | Segment C | 87 |
| A-6: | Segment D | 90 |
| A-7: | Segment M | 93 |
| Anhang B: Laufzeiten der Modellzyklen von 1964-1996 | ||
| B-1: | Segment A00 | 96 |
| B-2: | Segment A0 | 97 |
| B-3: | Segment A | 98 |
| B-4: | Segment B | 99 |
| B-5: | Segment C | 100 |
| B-6: | Segment D | 101 |
| B-7: | Segment M | 102 |
| B-8: | Gesamt | 103 |
| Anhang C: Analyse der Modellzyklen | ||
| C-1: | Segmentanteilsmaxima | 104 |
| C-2: | Modellerweiterungen (MER) | 105 |
| C-3: | Große Produktaufwertungen (GP) | 106 |
| C-4: | Modellpflegen (MP) | 107 |
| C-5: | Kombi-Einführungen | 108 |
| C-6: | Modelle mit Vorgänger | 109 |
| Anhang D: | ||
| D-1: | Auszug aus den Inputdaten für die Gesamtbetrachtung | 110 |
| Anhang E: Auswertungen der generierten Netze | ||
| E-1: | Dreischichtige Netze für Segment A | 112 |
| E-2: | Vierschichtige Netze für Segment A | 113 |
| E-3: | Fünfschichtige Netze für Segment A | 114 |
| E-4: | Dreischichtige Netze für Segment B | 115 |
| E-5: | Vierschichtige Netze für Segment B | 116 |
| E-6: | Fünfschichtige Netze für Segment B | 117 |
| E-7: | Dreischichtige Netze für Segment C | 118 |
| E-8: | Vierschichtige Netze für Segment C | 119 |
| E-9: | Fünfschichtige Netze für Segment C | 120 |
| E-10 | Dreischichtige Netze für die Gesamtbetrachtung | 121 |
| E-11 | Vierschichtige Netze für die Gesamtbetrachtung | 122 |
| E-12 | Fünfschichtige Netze für die Gesamtbetrachtung | 123 |
| E-13 | Auswertung der generierten Netze für die Gesamtbetrachtung mit Variation der Parameter | 124 |
| Anhang F: Validierungen über die Produktionsmenge | ||
| F-1: | Die Modellzyklen der Produktionsmenge für das ausgewählte dreischichtige Netz | 126 |
| F-2: | Die Modellzyklen der Produktionsmenge für das ausgewählte vierschichtige Netz | 127 |
| F-3: | Die Modellzyklen der Produktionsmenge für das ausgewählte fünfschichtige Netz | 128 |
| Anhang G: Prognose laufender Modellzyklen | ||
| G-1: | Prognose laufender Modellzyklen mit dem ausgewählten dreischichtigen Netz | 129 |
| G-2: | Prognose laufender Modellzyklen mit dem ausgewählten vierschichtigen Netz | 131 |
| G-3: | Prognose laufender Modellzyklen mit dem ausgewählten fünfschichtigen Netz | 133 |
| Anhang H: Sensitivitätsanalysen | ||
| H-1: | Kombi-Einführungen und MER | 135 |
| H-2: | GP und MP | 137 |
| H-3: | Preis | 139 |
| H-4: | Konkurrenzmodelle | 141 |
| H-5: | Eigene Historie | 143 |
| Literaturverzeichnis | XIV | |
| Ehrenwörtliche Erklärung | XXVI |
In den Warenkorb
38,00 €
Link zur Arbeit:
http://www.diplom.de/ean/9783832409043
Arbeit zitieren:
Heipcke, Roland August 1997: Analyse und Prognose des Modellzyklusses in der Automobilbranche mit künstlichen neuronalen Netzen, Hamburg: Diplomica Verlag
Schlagworte:
Modellzyklen, Automobil, Prognose, Wirtschaftsinformatik, Künstliche neuronale Netze (KNN)
Entdecken Sie mehr zum Thema
