Bayes-Netzwerke für die Kostenprognose in der frühen Phase der Produktentwicklung

Dehen, Frank; Feldhusen, Jörg

doi:31694

Bayes-Netzwerke für die Kostenprognose in der frühen Phase der Produktentwicklung = Bayes networks for cost prediction in the early stage of product development

Dehen, Frank (Author)

2012

Verantwortlichkeitsangabevorgelegt von Frank Dehen

ImpressumAachen : Shaker 2012

UmfangXIII, 126 S. : Ill., graph. Darst.

ISBN978-3-8440-1086-2

ReiheSchriftenreihe Produktentwicklung und Konstruktionsmethodik ; 13

Zugl.: Aachen, Techn. Hochsch., Diss., 2012

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Feldhusen, Jörg (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2012-04-18

Online
URN: urn:nbn:de:hbz:82-opus-41950
URL: https://publications.rwth-aachen.de/record/82885/files/4195.pdf

Einrichtungen

Lehrstuhl und Institut für Allgemeine Konstruktionstechnik des Maschinenbaus (411610)

Inhaltliche Beschreibung (Schlagwörter)
Bayes-Verfahren (Genormte SW) ; Bayes-Regel (Genormte SW) ; Bayes-Netz (Genormte SW) ; Bayes-Entscheidungstheorie (Genormte SW) ; Bayes-Inferenz (Genormte SW) ; Produktentwicklung (Genormte SW) ; Konstruktionskosten (Genormte SW) ; Entwicklungskosten (Genormte SW) ; Fertigungskosten (Genormte SW) ; Kosteninformationssystem (Genormte SW) ; Montagekosten (Genormte SW) ; Methodisches Konstruieren (Genormte SW) ; Ingenieurwissenschaften (frei) ; frühe Phase (frei) ; Kostenprognose (frei) ; Baysian networks (frei) ; cost prognosis (frei) ; engineering design (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Die Praxis der Produktentwicklung zeigt, dass gerade die frühe Entwicklungsphase sehr durch Unsicherheit beim Entwickler geprägt ist. Längst sind nicht alle Eigenschaften des Produkts festgelegt. Die Arbeitsergebnisse sind noch ungenau, unvollständig und eventuell auch fehlerhaft. Dennoch ist der Produktentwickler gehalten, auf dieser Basis Konzeptentscheidungen zu treffen und zentrale Eigenschaften des Produkts festzulegen. Diese bestimmen nicht nur wesentliche Produktcharakteristika, sondern sie beeinflussen auch direkt die Entwicklungsdauer und Entwicklungskosten des Produkts. Besitzt das zu entwickelnde Produkt einen hohen Neuheitsgrad, sind nur wenige Anhaltspunkte für eine Kostenkalkulation mit den bekannten Verfahren vorhanden. Diese Arbeit stellt eine Methode vor, mit der Produkte hohen Neuheitsgrads in einem sehr frühen Entwicklungsstadium bezüglich der Herstellkosten beurteilt werden können. Die Methode greift der eigentlichen Kostenkalkulation vor. Sie schließt die Lücke zu den Kalkulationsverfahren, die zum Abschätzen der Kosten bekannte Funktionen und Lösungsprinzipien voraussetzen. Dazu wird in der vorliegenden Arbeit ein methodischer und systematischer Ansatz zur Kostenprognose mit Bayes-Netzwerken entwickelt. Der Zweck eines Bayes-Netzwerks ist die Vorhersage und Diagnose von Größen oder Ereignissen, die aufgrund von vorhandenen Informationen nicht direkt ersichtlich sind oder deren Ermittlung zu aufwendig ist. Bayesnetze sind eine spezielle Form von wahrscheinlichkeitstheoretischen Modellen. Nach einer umfassenden Einführung in die Grundlagen der Bayes-Netzwerke wird ein Leitfaden für die Generierung und Anwendung eigener Netzwerke vorgestellt. Für alle erforderlichen Schritte der Generierung und des Arbeitens mit einem Netzwerk werden Hilfsmittel vorgestellt. Diese Methodik eignet sich nicht nur für klassische Elemente des Maschinenbaus, sondern lässt sich ebenso auf Bereiche wie Mechatronik oder Elektrotechnik übertragen. Weiter werden allgemeingültige Netzstrukturen entwickelt, die nahezu auf alle Produktdomänen anwendbar sind, und so den Aufbau eines eigenen Netzwerks erleichtern. Der Lösungsansatz wird anhand eines ausführlichen Beispiels illustriert.

Experience gleaned in the field of product development shows that the early development phase is the phase during which product developers are most apt to be plagued by an acute sense of insecurity. Many of the product’s characteristics have yet to be determined. The results of the work that has been carried out are at this stage not accurate enough, incomplete and sometimes even flawed. The product developer is nonetheless obliged to make conceptual decisions on the basis of these criteria and to define the product’s central characteristics. These decisions not only determine fundamental product characteristics but also have a direct affect on the product development time and the product development costs. If the product that is to be developed has a high degree of novelty, then there is only a limited number of reference points available which can be used to perform a cost calculation using established procedures. This paper presents a method which allows products with a high degree of novelty to be assessed at a very early stage of their development with regard to their manufacturing costs. This method precedes the actual cost calculation. It closes the gap to the calculation process which requires established functions and solution principles in order for the costs to be assessed. To achieve this end, this paper deals with the development of a methodical and systematic approach to cost prediction using Bayes networks. The purpose of a Bayes network is to predict and diagnose factors or events, which because of existing information are either not obviously apparent or too complex to determine. Bayes networks are a special form of theoretical probability models. Following a comprehensive introduction into the fundamental principles of Bayes networks, this paper goes on to present guidelines for the generation and implementation of own networks. Tools that are needed for each of the necessary steps that are connected with generating and working with a network are also presented. This method is not only excellently suited for classic elements of engineering, but also for other fields and sectors like mechatronics or electrical engineering. In addition, universal network structures are developed which can be used for almost all product domains thereby making it easier to set up an own network. A detailled example is used to illustrate the approach to the solution of this problem.

Fulltext:
PDF