c2b_default

Ibsys

...

...

98
5.0 (3)

Kartei Details

Karten 98
Lernende 13
Sprache Deutsch
Kategorie BWL
Stufe Universität
Erstellt / Aktualisiert 29.06.2017 / 28.01.2020
Weblink
https://card2brain.ch/box/20170629_ibsys
Einbinden
<iframe src="https://card2brain.ch/box/20170629_ibsys/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>
Lernen

Nenne QM-Merkmale in der Produktion

  • Durchlaufzeit
  • Bzw. delay
    • (Standard-)Abweichung von E(DLZ)

Wie wird die Wahrscheinlichkeit für Delays berechnet?

  • Binomialverteilung
  • p(d) = Wahrscheinlichkeit für delay
  • Delay = k = „Treffer“
  • n = # Durchläufe = „Versuche“
  • p(k) = (n über k) * pk * (1-p)n-k

Was versteht man unter der Normalverteilungsannahme bei Prozessen

  • Wahrscheinlichkeit für delay sei Normalverteilt

Wie berechnet sich die Standardabweichung für einen Prozessschritt?

  • s = WURZEL(1/(n-1) * SUMME((xi – x)²)
  • 1/(n-1) = Erwartungstreue

Wie verhalten sich unabhängige Prozessschritte?

  • Erwartungswerte addieren sich
  • Standardabweichung summiert sich ebenfalls auf

Wie verhalten sich abhängige Prozessschritte? Was muss dabei berücksichtigt werden?

  • Berücksichtigung Kovarianz
    • Positive Korrelation
      • Sgesamt steigt
    • Negative Korrelation
      • Sgesamt sinkt

Formeln Hypthesentest:

  • Wie lauten die Hypothesen?
  • Wie berechnet sich z wenn
    • δ bekannt
    • δ unbekannt
  • Wie entscheidet man?

  • H0: x = E(x) bzw. µ(SLA)
  • H1: x != E(x) bzw. µ(SLA)
  • wenn δ bekannt:
    • z = ( | x – µ | ) / δ
  • wenn δ unbekannt (für n >= 30)
    • z = ( | x – E(x)| ) / s * WURZEL(n)
  • Entscheidung (nochmal nachlesen, ob es wirklich stimmt!)
    • wenn z > z(α) >> H0 nicht verwerfen
    • wenn z < z(α) >> H0 verwerfen

Was wird mit Six-Sigma grundsätzliche definiert?

  • Akzeptierte Toleranz = SLA
    • LCL = Lower-Control-Level (3 δ)
    • UCL = Upper-Control-Level (3 δ)
  • P(x < LCL) = P(x > UCL) = 3,4 DPM

Was ist der Widerspruch von Six Sigma? Worin begründet er sich?

  • p(x > 3 δ) = 0,0013 != 3,4 DPM
  • p(x > 4,5 δ) = 3,4 DPM
    • Erfahrungswert: technische Schwankungen
    • Zusatzpuffer 1,5 δ je Seite

Was ist der Unterschied zwichen der Gesamtheit bzw. Stichprobe?

  • Gesamtheit
    • Alle Prozesse & Laufzeiten
    • >> µ & δ (siehe Definition z)
  • Stichprobe
    • Induktion: µ gemäß SLA?
    • >> E(x) & s

Wie wird Six Sigma organisatorisch integriert? Was ist bei den einzlenen Schritt grob gemeint?

  • Six-Sigma-Kreislauf (DMAIC)
    • Define: Qualitätsziele festlegen (Messgrößen)
    • Measure: Quantifizieren der Prozesse (Ist-Situation)
    • Analyse: Ursachen, Probleme finden
    • Improve: Lösungen entwickeln, umsetzen
    • Control: Nachhaltigkeit Verbesserung sicherstellen
    • >> vertikale & horizontale Integration
  • Zentral: Nutzen der Qualität

Vergleiche QS und (T)QM

  • QS = (operative) Qualitätsprüfung
    • Messen von Fehlern
    • Keine Verankerung Qualitätsverständnis in Organisation
  • (T)QM (Total-Quality-Management)
    • Qualität in alle Funktionen integriert (Selbstverständnis)
    • QS als Funktion von (T)QM

Was ist vergleichbar mit TQM?

  • Japan: KAIZEN, EFQM
  • ISO9001ff
  • ITIL (vordefinierte IT-Prozesse)

Nenne das Ziel der Prozessforensik

  • Aus Prozessen Wissen gewinnen

Welche Betrachtungsweisen gibt es bei der Prozessforensik?

  • Rückwärts
    • f(x|y)
    • Ursachen (Welche Inputvariable war eher Schuld für Y?)
  • Vorwärts (Anwendung in Klausur)
    • f(y|x)
    • Wirkung (Wie wirken die Inputvariablen auf Y?)

Was ist die Entropie? Wie berechnet sie sich?

  • Von Ausprägungen
    • E(x) = f(x|y) * (1-f(x|y)) || bzw. y|x statt x|y
    • Es gilt: f(0) = f(1)
  • Von Merkmalen
    • Summe der Entropien der Ausprägungen

Welche Lernalgorithmen für künstliche Intelligenz gibt es? Worin wird hier grundsätzlich unterschieden?

  • Supperwised learning
    • Y bekannt
    • Nummerisch
      • Neuronale Netze
      • Regressionsrechnungen
      • Backprogation
    • Nicht nummerisch
      • Maschinelle Lernalgorithmen
  • Unsupperwised learning
    • Y nicht bekannt
    • Nummerisch
      • Clustering
      • Kohnen-Netze
    • Nicht nummerisch
      • K nearneighbour

Beschreibe die Vorgehensweise vom Maschinelles Lernen

  • Grundprinzip: divide & conquer
  • Trainingsdaten >> Entropie je Merkmal x1 – xn
  • Auswahl bestes Merkmal (niedrigste Entropie)
  • Aufteilung der Daten nach Merkmalausprägungen
    • >> Teildatenmengen (Wdh)
  • Abbruchkriterium
    • Teildatenmenge
      • Leer
      • < Mindestmenge
    • Eindeutigkeit der Zuordnung (Entropie = 0)

Wie werden die Daten für ML aufbereitet?

  • Alphanummerisch, diskret >> maschinelles Lernen
  • Fehlende Daten
    • Auch Information >> Ausprägung

Erkläre die Begrifflichkeiten 

  • Merkmal
  • Ausprägung
  • Merkmalswert

  • Merkmal, z.B. Geschlecht
  • Ausprägung, z.B. m,w
  • Merkmalswert: Ausprägungen der Stichprobe

Wie werden die Daten für Regression und neuronales Netze aufbereitet?

Wie wird hier mit nummerischen Werten umgegangen?

  • Kodierung notwendig, da nummerisches Verfahren
    • n-1-Kodierung:  n Ausprägungen >> n-1 Merkmale (jeweils 0,1)
    • letztes Merkmal ergibt sich: alle 0
    • >> n-1

 

  • Problem nummerische Werte
    • Unterschiedliche Wertebereiche
      • Alter in Jahren vs. Gewicht in Gramm
      • >> nicht vergleichbar
    • Daher: Datennormalisierung
      • Normalisierung auf Standardnormalverteilung

Nenne die Arten von Daten beim maschinellen Lernen

  • Lerndaten
  • Testdaten
  • Validierungsdaten

Beschreibe die Durchführung bei der Bewertung von Merkmalen

  • Merkmal
  • Ausprägungen
  • h(x)
  • f(y=…|x)
  • E(Ausprägung)
  • E(Merkmal) >> Wahl kleinste Entropie

Welche Arten der Prozessoptimierung gibt es?

  • Reeingineering
    • Radikal neue Vorgehensweise
  • KVP (Optimierung)
    • Verbesserung des Bestehenden

Was sind Gründe für die Prozessoptimierung?

  • QM-Kreislauf
  • Hohe Kosten (Benchmarking (Konkurrenz))
  • Forensik
  • Compliance, Gesetze
  • Ressourcen-Problematik
  • Technologie
  • Innovationen
  • Marktanforderungen

Beschreibe den QM-Kreislauf

  • Z.B. DLZ
    • Bearbeitungszeit
    • Rüstzeit
    • Liegezeit
      • Häufige Ursache
      • Keine Rationalisierung notwendig
      • Produktivität, Effizienz steigt
    • Transportzeit
    • Kontrollzeit

Was sind die Ziele der Prozessoptimierung (Erhöhung, Reduktion)?

  • Erhöhung (4)
    • Informationsverfügbarkeit
    • Standardisierung
    • IT-Einsatz
    • Produktivität, Effizienz
  • Reduktion (5)
    • DLZ
    • Schnittstellen
    • Fehlerrate
    • Prozessschritte
    • Kosten

Auf welche Arten können bestehende Prozesse optimiert werden?

  • Weglassen von Teilschritten
  • Auslagern von Teilschritten
    • Economy of Scale, Fixkostendegression
  • Zusammenfassen von Teilschritten
  • Verlagern von Teilschritten (Reihenfolge)
  • Beschleunigen von Teilschritten
    • Technologie
    • Organisation
    • Liegezeiten
  • Vermeidung von Schleifen
    • Aus Fehlern (Daten)
  • Ergänzen von Teilschritten
    • Um Schleifen zu vermeiden
  • ( Parallelisierung ) 

Welche Optionen gibt es beim Auslagern von Prozessschritten?

  • Make: Shared Services
    • Zusammenfassung ähnlichen auf einheitliche Infrastrukturen
    • Unternehmensinterner Dienstleister
    • Fixkostendegression
  • Or Buy: Outsourcing

Nenne die Entwicklungsschritte hin zum Shared Service Center

  • Kostenstelle oder Cost-Center
    • Verteilung der Kosten
  • >> Profit-Center
    • Gewinn, Rendite durch Service
    • Zielrendite von Unternehmen vorgegeben
  • >> Management buy out oder Verkauf

Welche Bedeutung haben Rendite und Risiko für ein Unternehmen?

  • β-Faktor: Standardabweichung im Vgl. zum Index
  • Rendite Unternehmen = risikofreier Zins + Risikozuschlag
    • = risikofreier Zins + βU (Rendite des Marktes – risikofreier Zins)
  • Unternehmen legen Zielrendite fest

Nach welchen Kriterien können Prozesse typisiert werden?

  • Häufigkeit
    • Spezialfall vs. Normalfall
    • Wiederholungen
  • Kosten
    • Abh. von Häufigkeit (Fixkostendegression)
  • Prozessgegenstand
    • Kernprozess
      • Betrieblicher Output
      • Marktdifferenzierend?
      • Spezialfälle begründbar
    • Nebenprozesse (interne Dienstleistungen)
      • Spezialfälle nicht begründbar
      • Commodity (Allgemeingültigkeit: Standardisierung)
      • Shared Services bzw. Outsourcing (EoS)
  • Prozessobjekt
    • Physisch
    • Informationen
    • >> unterschiedliche Eigenschaften
  • Umfang des Prozesses (Wer?)
    • Abteilung
    • Sparte
    • Unternehmen
    • Unternehmensübergreifend
  • Auslöser
    • Turnusgemäß
    • Zufall, nicht planbar

Was ist Prozesskostenrechnung? Wie geht man dabei vor?

  • Vgl. Kostenträgerrechnung (BAB)
  • Primäre Kosten, Unterscheidung in
    • Gemeinkosten, Unterscheidung in
      • Prozesseinzelkosten
      • Zuschlag
      • >> bilden Kostenstelle
        • Bilden Kostenhauptstelle (Prozessabrechnungsbogen)
          • >> Zuordnung Kostenträger = Prozess
      • Zuordnung zu Prozessen sehr aufwändig, daher problematisch
    • Einzelkosten
      • Direkte Zuordnung möglich (z.B. Spezialsoftware)
      • >> Zuordnung Kostenträger = Prozess

Wann und wie oft sollten Prozesskosten kalkuliert werden?

  • Einmalig, sofern Prozess
    • Unverändert
    • undynamisch

Wie werden Prozesskosten ermittelt?

  • Beteiligte Ressourcen identifizieren
  • Vollkostenanteile ermitteln
    • Z.B. MA1 10 % an P1, 90 an P2
  • >> Shared Services oder Outsourcing

Was sind Transaktionskosten? 

Was ist dabei der Grundgedanke?

  • Kosten durch Outsourcing
  • Je größer ein Unternehmen, desto ineffizienter wird es
    • Transaktionskosten nehmen ab
    • Organisationkosten nehmen zu (Verwaltung, Bürokratie)

Warum sind große Unternehmen erfolgreich?

  • Finanzkraft ausschlaggebend (Marx)

Wie ist der Punkt der maximalen Effizienz eines Unternehmens definiert?

  • Minimum Transaktionskosten + Organisationkosten
  • Definiert die theoretische optimale Unternehmensgröße

Was versteht man unter der Spezifizität eines Unternehmens?

  • Wie besonders im Vgl. zum Markt?
  • >> maßgeblich für Outsourcing-Frage

Was ist Zusammenhang der Spezifität & Relevanz zu Make or Buy

  • Geringe Spezifität & Relevanz
    • Buy günstiger als make
    • >> Buy (EoS)
  • Hohe Spezifität & Relevanz
    • Buy zunehmend deutlich teurer als make
    • >> Make (z.T. EoS)

Lernen