@phdthesis{Prenzel2018, author = {Prenzel, Anna}, title = {Gestaltung der Mensch-Computer-Interaktion zur Entscheidungsunterst{\"u}tzung in Planungssystemen}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:co1-opus4-45278}, school = {BTU Cottbus - Senftenberg}, year = {2018}, abstract = {Mit Hilfe von modernen Feinplanungssystemen kann die Produktions-, Flotten- oder Personaleinsatzplanung nahezu vollst{\"a}ndig automatisiert werden. F{\"u}r den Disponenten wird dadurch der Planungsaufwand erheblich reduziert. Gleichzeitig bieten diese Systeme dem Disponenten jedoch h{\"a}ufig nur unzureichende Interaktionsm{\"o}glichkeiten, um sein eigenes Expertenwissen in die Planerstellung einfließen zu lassen. Das Finden und Umsetzen von passenden Planungsentscheidungen ist h{\"a}ufig ein aufw{\"a}ndiger und fehleranf{\"a}lliger Prozess, der vom Computer nicht unterst{\"u}tzt wird. Dieser Mangel kann die Brauchbarkeit der Pl{\"a}ne und damit den Nutzen des Planungssystems erheblich beeintr{\"a}chtigen. In dieser Arbeit wird ein Konzept f{\"u}r die Gestaltung der Mensch-Computer-Interaktion in Feinplanungssystemen entwickelt, mit dem eine effektive Einbeziehung des Disponenten abgesichert werden kann. Im Gegensatz zu herk{\"o}mmlichen Interaktionskonzepten baut es auf wissenschaftlichen Erkenntnissen {\"u}ber menschliche Entscheidungs- und Entwurfsprozesse auf. Dadurch ist es m{\"o}glich, eine Computerunterst{\"u}tzung sowohl f{\"u}r die Ermittlung als auch f{\"u}r die Umsetzung von Planungsentscheidungen durch den Disponenten zu definieren. Zudem ist das Konzept auf beliebige Feinplanungsprobleme anwendbar. Es setzt sich aus 9 Interaktionsrichtlinien zusammen, deren Effektivit{\"a}t in einem Anwendertest nachgewiesen wird.}, subject = {Mensch-Computer-Interaktion; Feinplanung; Planungssysteme; Disponent; Entscheidungsprozesse; Human-computer-interaction; Detailed scheduling; Scheduling systems; Scheduler; Decision making processes; Mensch-Maschine-Kommunikation; Planungssystem; Planungsmodell}, language = {de} } @phdthesis{Loeffler2022, author = {L{\"o}ffler, Sven}, title = {Optimierung und Regularisierung von Constraint Satisfaction-Problemen (CSPs)}, doi = {10.26127/BTUOpen-6149}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:co1-opus4-61490}, school = {BTU Cottbus - Senftenberg}, year = {2022}, abstract = {Mit Hilfe der Constraint-Programmierung k{\"o}nnen komplexe, h{\"a}ufig NP-vollst{\"a}ndige Probleme, wie zum Beispiel Graphf{\"a}rbungs-, Optimierungs-, Konfigurations- sowie Schichtplanungs-, Raum- und Zeitplanungsprobleme modelliert und gel{\"o}st werden. Im Vordergrund der Constraint-Programmierung steht dabei die deklarative Modellierung, also eine Beschreibung des eigentlichen Problems und nicht dessen L{\"o}sungsvorgangs. W{\"a}hrend es Aufgabe des Entwicklers ist, das Problem zu modellieren, wird die L{\"o}sung einem separat implementierten Solver (L{\"o}ser) {\"u}berlassen. Im Idealfall l{\"o}st dieser Solver das Problem, unabh{\"a}ngig von der konkreten Modellierung, immer schnellstm{\"o}glich. In der Praxis kann von diesem Idealfall in der Regel nicht ausgegangen werden und somit hat die Art und Weise der Modellierung ein und desselben Problems und dessen Remodellierung teilweise einen erheblichen Einfluss auf die L{\"o}sungsgeschwindigkeit. Bisher bestehende Remodellierungsverfahren transformieren entweder Constraint-Probleme im Ganzen (zum Beispiel beim Umwandeln in SAT- oder bin{\"a}re Constraint-Probleme) oder erfordern eine pr{\"a}zise Angabe und Steuerung seitens des Nutzers der Constraint-Programmierung (zum Beispiel bei der Tabularisierung). W{\"a}hrend die erste Variante in der Regel nur bei sehr speziellen Problemen zu einer Beschleunigung des L{\"o}sungsvorganges f{\"u}hrt, ben{\"o}tigt die zweite Variante vom Constraint-Modellierer zus{\"a}tzliches Expertenwissen {\"u}ber das L{\"o}sungsverfahren des verwendeten Solvers. Die bisherigen Verfahren erlauben somit keine (voll)-automatisierte Transformation von Constraint-Problemen, bei der Transformationen nur durchgef{\"u}hrt werden, wenn diese auch zu einer Beschleunigung f{\"u}hren. F{\"u}r das dieser Arbeit {\"u}bergeordnete Ziel der automatisierten Optimierung von Constraint-Problemen mittels Remodellierung, ohne dass daf{\"u}r zus{\"a}tzliches Expertenwissen notwendig ist, werden ausreichend viele verschiedene, gute und gut untersuchte Remodellierungen ben{\"o}tigt. In dieser Arbeit werden daher sowohl bestehende Verfahren f{\"u}r die Transformation von Constraint-Problemen weiterentwickelt, als auch v{\"o}llig neue entworfen und deren Korrektheit nachgewiesen. Die in dieser Arbeit entwickelten Transformationen werden bez{\"u}glich ihrer beschleunigenden Wirkung auf Constraint-Probleme untersucht. Anhand von generierten und von realen Praxisbeispielen wird die Wirksamkeit der Transformationen evaluiert und es werden Schlussfolgerungen dar{\"u}ber gezogen, wann welche Substituierungen besonders vielversprechend sind.}, subject = {Constraint Satisfaction-Problem; Constraint satisfaction problem; Optimierung; Optimization; Regularisierung; Regularization; CSP; SAT; Constraint-Erf{\"u}llung; Regularisierung; Optimierung}, language = {de} }