TY - THES A1 - Prenzel, Anna T1 - Gestaltung der Mensch-Computer-Interaktion zur Entscheidungsunterstützung in Planungssystemen T1 - Design of human computer interaction for decision support in scheduling systems N2 - Mit Hilfe von modernen Feinplanungssystemen kann die Produktions-, Flotten- oder Personaleinsatzplanung nahezu vollständig automatisiert werden. Für den Disponenten wird dadurch der Planungsaufwand erheblich reduziert. Gleichzeitig bieten diese Systeme dem Disponenten jedoch häufig nur unzureichende Interaktionsmöglichkeiten, um sein eigenes Expertenwissen in die Planerstellung einfließen zu lassen. Das Finden und Umsetzen von passenden Planungsentscheidungen ist häufig ein aufwändiger und fehleranfälliger Prozess, der vom Computer nicht unterstützt wird. Dieser Mangel kann die Brauchbarkeit der Pläne und damit den Nutzen des Planungssystems erheblich beeinträchtigen. In dieser Arbeit wird ein Konzept für die Gestaltung der Mensch-Computer-Interaktion in Feinplanungssystemen entwickelt, mit dem eine effektive Einbeziehung des Disponenten abgesichert werden kann. Im Gegensatz zu herkömmlichen Interaktionskonzepten baut es auf wissenschaftlichen Erkenntnissen über menschliche Entscheidungs- und Entwurfsprozesse auf. Dadurch ist es möglich, eine Computerunterstützung sowohl für die Ermittlung als auch für 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 Effektivität in einem Anwendertest nachgewiesen wird. N2 - With the help of modern detailed planning systems, production, fleet or personal resource planning can be automated nearly completely. By this, the planning effort for the scheduler is reduced significantly. However, these systems often provide insufficient interaction possibilities for the scheduler to incorporate his own expert knowledge in the creation of the schedule. Finding and implementing suitable planning decisions is often a time-consuming and error-prone process that is not supported by the computer. This deficiency can impair the practicability of the schedules and hence the benefit of the planning system considerably. In this work, a concept for the design of the human-computer-interaction in detailed planning systems is developed. It helps to ensure an effective incorporation of the human scheduler. Unlike conventional interaction concepts the concept is built on scientific research about human decision-making and design processes. This makes it possible to define computer support for both the formation and the implementation of planning decisions by the scheduler. Furthermore the concept can be applied to any detailed scheduling problem. It is composed of 9 interaction guidelines. Their effectiveness is proven by a user test. KW - Mensch-Computer-Interaktion KW - Feinplanung KW - Planungssysteme KW - Disponent KW - Entscheidungsprozesse KW - Human-computer-interaction KW - Detailed scheduling KW - Scheduling systems KW - Scheduler KW - Decision making processes KW - Mensch-Maschine-Kommunikation KW - Planungssystem KW - Planungsmodell Y1 - 2018 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:co1-opus4-45278 ER - TY - THES A1 - Löffler, Sven T1 - Optimierung und Regularisierung von Constraint Satisfaction-Problemen (CSPs) T1 - Optimization and regularization of constraint satisfaction problems (CSPs) N2 - Mit Hilfe der Constraint-Programmierung können komplexe, häufig NP-vollständige Probleme, wie zum Beispiel Graphfärbungs-, Optimierungs-, Konfigurations- sowie Schichtplanungs-, Raum- und Zeitplanungsprobleme modelliert und gelöst werden. Im Vordergrund der Constraint-Programmierung steht dabei die deklarative Modellierung, also eine Beschreibung des eigentlichen Problems und nicht dessen Lösungsvorgangs. Während es Aufgabe des Entwicklers ist, das Problem zu modellieren, wird die Lösung einem separat implementierten Solver (Löser) überlassen. Im Idealfall löst dieser Solver das Problem, unabhängig von der konkreten Modellierung, immer schnellstmöglich. 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 Lösungsgeschwindigkeit. Bisher bestehende Remodellierungsverfahren transformieren entweder Constraint-Probleme im Ganzen (zum Beispiel beim Umwandeln in SAT- oder binäre Constraint-Probleme) oder erfordern eine präzise Angabe und Steuerung seitens des Nutzers der Constraint-Programmierung (zum Beispiel bei der Tabularisierung). Während die erste Variante in der Regel nur bei sehr speziellen Problemen zu einer Beschleunigung des Lösungsvorganges führt, benötigt die zweite Variante vom Constraint-Modellierer zusätzliches Expertenwissen über das Lösungsverfahren des verwendeten Solvers. Die bisherigen Verfahren erlauben somit keine (voll)-automatisierte Transformation von Constraint-Problemen, bei der Transformationen nur durchgeführt werden, wenn diese auch zu einer Beschleunigung führen. Für das dieser Arbeit übergeordnete Ziel der automatisierten Optimierung von Constraint-Problemen mittels Remodellierung, ohne dass dafür zusätzliches Expertenwissen notwendig ist, werden ausreichend viele verschiedene, gute und gut untersuchte Remodellierungen benötigt. In dieser Arbeit werden daher sowohl bestehende Verfahren für die Transformation von Constraint-Problemen weiterentwickelt, als auch völlig neue entworfen und deren Korrektheit nachgewiesen. Die in dieser Arbeit entwickelten Transformationen werden bezüglich ihrer beschleunigenden Wirkung auf Constraint-Probleme untersucht. Anhand von generierten und von realen Praxisbeispielen wird die Wirksamkeit der Transformationen evaluiert und es werden Schlussfolgerungen darüber gezogen, wann welche Substituierungen besonders vielversprechend sind. N2 - Constraint programming allows modeling and solving complex, often NP-complete problems, such as graph coloring, optimization, configuration, shift and room planning, and scheduling problems. The focus of constraint programming is declarative modeling, i.e. describing the problem rather than how to solve it. While it is up to the user to model the problem, its solution is left to a separately implemented solver. In a perfect declarative world, this solver always solves the problem as quickly as possible, regardless of its concrete modeling. Unfortunately, this is often not the case and the different ways one and the same problem can be modeled and remodeled can have a significant influence on its solution speed. Already existing remodeling procedures transform either the whole constraint problem (i.e. transformations into SAT- or binary constraint problems) or are applied only when the modeler explicitly controls the optimization process (i.e. by tabulation). While the first method improves the solution speed only for very specific problems, the second method requires a great deal of expert knowledge on the part of the modeler regarding the solution processes of a constraint problem. Therefore, the existing methods do not provide a fully automated transformation of constraint problems, in which transformations are only carried out if they also lead to an acceleration. For the higher goal of automatic optimization of constraint problems with remodeling methods without the necessity of extra expert knowledge, many different, well performing and well researched transformation methods are necessary. In this dissertation, existing methods for such model optimizations will be developed further and completely new ones will be designed, and their correctness proven. The transformations developed in the process of this dissertation will be investigated regarding their accelerating effect on constraint problems. Using both generated and real practical examples, the effectiveness of the transformations will be evaluated, and conclusions will be drawn at which time which substitutions are particularly promising. KW - Constraint Satisfaction-Problem KW - Constraint satisfaction problem KW - Optimierung KW - Optimization KW - Regularisierung KW - Regularization KW - CSP KW - SAT KW - Constraint-Erfüllung KW - Regularisierung KW - Optimierung Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:co1-opus4-61490 ER -