Optimierung der Prozessführung komplexer verfahrenstechnischer Prozesse mit Support Vector Machines

Größe: px
Ab Seite anzeigen:

Download "Optimierung der Prozessführung komplexer verfahrenstechnischer Prozesse mit Support Vector Machines"

Transkript

1 Optmerung der Prozessführung komplexer verfahrenstechnscher Prozesse mt Support Vector Machnes Chrstan Kühnert, Justus Mnx, Dr. Thomas Bernard, Dr. Helge-Björn Kuntze, Fraunhofer IITB, Karlsruhe Kurzfassung Industrelle Produktonsprozesse snd häufg hnschtlch mehrerer unterschedlcher Gütekrteren zu optmeren (z.b. Kosten, Qualtät, Energe- und Rohstoffverbrauch). Ene multkrterelle Optmerung der Prozessführung ausschleßlch auf der Grundlage von physkalsch motverten analytschen Modellen st n den mesten Fällen sehr zetaufwändg und damt kostenntensv. Da n der Regel umfangreche hstorsche Prozessdaten vorlegen, betet es sch an, de Optmerung alternatv dazu auf der Grundlage geegneter Data-Mnng- Methoden durchzuführen. Se snd n der Lage, aus großen Datenmengen charakterstsche Prozessführungsmuster zu dentfzeren und hnschtlch hres Betrages zur Prozessoptmerung zu klassfzeren. Im vorlegenden Betrag wrd herzu en neuartges Konzept vorgestellt, welches m Rahmen des Fraunhofer-Verbundprojektes PRODAMI entwckelt wurde. Es basert auf der Methode der Support Vector Machnes (SVM). Es werden aus enem Merkmalspool automatsert relevante Merkmale der Prozessgrößen bezüglch ener fre wählbaren Gütefunkton selektert. Außerdem wrd en Modell generert, mttels dem optmale Werte der relevanten Merkmale berechnet werden können. De Lestungsfähgket des Data-Mnng-Konzeptes wrd anhand enes realen ndustrellen Batchprozesses demonstrert. Abstract In general ndustral processes have to be optmzed due to several performance crtera (e. g. costs, qualty, energy and raw materal consumpton). As the development of physcal models for many processes s dffcult and tme consumng an alternatve approach conssts n usng the process data, whch s usually avalable for numerous productons, for process optmzaton. To reveal the nformaton from process data, a relatvely new attempt s the use of data mnng methods for pattern analyss n producton processes. As process data s generally avalable as tme seres, a crucal queston s how to generate and fnd sgnfcant features from the measured data. Tradtonal ways of fndng these features need plenty of knowledge

2 about the underlyng process. In ths paper we propose a new automated feature extracton and rankng methodology based on Support Vector Machnes for Regresson (SVR). Furthermore a model of the qualty parameter n terms of the relevant features s derved wthn the algorthm and the model can fnally be used to fnd an optmal control pattern. The proposed concept s appled to a real world ndustral batch process. 1 Enletung De wachsende Komplextät automatserter Produktonsanlagen und mmer schnellere Produktzyklen haben zur Folge, dass de physkalsch-technsche Interpretaton, de Analyse und Bewertung von Fehlentwcklungen (z. B. Qualtätsmängel, mangelhafte Energe- oder Materalausbeute) sowe de Optmerung von Prozessen mmer schwerger und zu ungezelt vollzogen werden. Zwar stehen durch den zunehmenden Automatserungsgrad der Anlagen mmer größere Mengen an Sensor- und Anlagendaten zur Verfügung, für deren produktonsspezfsche Aufberetung und Interpretaton gbt es jedoch kaum echtzetfähge Werkzeuge und Modelle. Bld. 1: Systemarchtektur der PRODAMI-Sute [1] Zel enes laufenden nternen Verbundvorhabens PRODAMI [7] der Fraunhofer-Gesellschaft besteht daher n der Entwcklung enes modularen Systems von Data-Mnng-Werkzeugen (PRODAMI-Sute) zur Genererung von entschedungskonzeptfähgem Wssen für zetkrtsche Überwachungs-, Planungs- und Regelungsaufgaben n verschedenen Berechen der Stückgutfertgung und Prozessndustre. De PRODAMI-Sute (Bld 1), de sch an der generschen Workflow-Archtektur von Fayyad orentert, passt sch an heterogene Daten- und Kommunkatonsstrukturen des Produktonsumfeldes flexbel an.

3 En wesentlches Problem für den erfolgrechen Ensatz von Data-Mnng-Verfahren [1] stellt de Auswahl relevanter Merkmale aus der Velzahl der zur Verfügung stehenden Prozessdaten dar. Der Erfolg ener Data-Mnng-Analyse hängt wesentlch von der Qualtät der zur Verfügung stehenden Merkmale ab, sodass das automatserte oder zumndest halbautomatsch unterstützte Herausfnden sgnfkanter Merkmale von besonderer Bedeutung st. Zur automatschen Merkmalsgenererung aus Zetrehen gbt es prnzpell unterschedlche Vorgehenswesen [9]. Zum enen betet es sch an, physkalsch plausble Kenngrößen der Zetrehen heranzuzehen (z. B. Maxma, Mnma, Mttelwert, Stegungswerte). Zum anderen können ren mathematsch motverte Merkmale verwendet werden (z. B. Parameter von Regressonsmodellen). Da ncht alle deser zunächst relatv wllkürlch erzeugten Merkmale ene aussagekräftge Bedeutung für den zu optmerenden Prozess haben, werden mttels ener Merkmalsredukton rrelevante und redundante Merkmale entfernt. Neben ener Verbesserung des Lernprozesses führt des zudem zu enem besseren Verständns des zu optmerenden Prozesses. In dem vorlegenden Betrag werden zur automatserten nchtlnearen Merkmalsauswahl Support Vector Machnes for Regresson herangezogen. Daher werden n Abschntt enge Grundlagen zu deser Methode engeführt. Das neue Konzept zur Identfkaton optmaler Prozessführungsmuster wrd n Abschntt 3 vorgestellt und letztendlch wrd das vorgeschlagene Konzept zur automatschen Merkmalsredukton zur Optmerung der Anfahrphase enes ndustrellen verfahrenstechnschen Glaszehprozesses angewandt und untersucht (sehe Abschntt 4). Support Vector Machnes for Regresson (SVR) Im Folgenden werden enge Grundlagen zur Theore von Support Vector Machnes for Regresson (SVR) engeführt [3], [11]. En Vortel deser Methode st der Ensatz von sogenannten Kernelfunktonen. Mttels deser Funktonen werden nchtlneare Transformatonen durchgeführt. Damt wrd errecht, dass zuvor nchtlneare Zusammenhänge lnear dargestellt und somt auch mt lnearen Methoden erkannt werden können. Zel der SVR st das Auffnden der folgenden Regressonsfunkton f(x r ): r r r f ( x) = ω, x + b (1) mt r ω X, b R und, defnert als Skalarprodukt und X = M R. Der Vektor M beschrebt de Anzahl der extraherten Merkmale.

4 De Funkton f(x r ) sollte höchstens den Abstand ε vom tatsächlchen Wert q haben und so flach we möglch sen. Flachhet n desem Falle bedeutet, dass de eukldsche Norm für den Parameter ω r mnmert wrd. Da klene Werte von ε zu unlösbaren Bedngungen führen können, werden zusätzlch Schlupfvarablenξ, engeführt In unserem Falle snd dese folgendermaßen defnert: 0 f ξ, ˆ ξ ε ξ, ˆ ξ = r () q f ( x) sonst Als Gewchtsfaktor der Schlupfvarablen wrd der Faktor C verwendet Des führt zu folgendem Optmerungsproblem, welches mttels Lagrange Theore gelöst werden kann: mn w, b, ξ, ˆ ξ bezüglch 1 ω + C N = 1 f ( x ) q ε + ξ q f ( x ) ε + ˆ ξ ( ξ ξ, ˆ ξ 0 + ˆ ξ ) De Lösungen ergeben sch folgendermaßen, wobe α, αˆ ) de Lagrange-Multplkatoren snd und N de Anzahl der Produktonen beschrebt. r N ω = α ˆ α ) x r ( = 1 ξˆ ( r r q ω, x ε for α > 0, = 1,..., N b = r r q ω, + ε for αˆ x < 0 r De Kombnaton von (4) und (5) führt schleßlch zu folgender Lösung für f (x) : r f ( x) = De Funkton N ( ˆ α ) = 1 r f (x) r r α x, x + b (6) hängt somt nur vom Skalarprodukt (3) (4) (5) x r, x r der Messwerte ab. Des bedeutet somt, dass Kernelfunktonen zur Projekton n enen höherdmensonalen Raum engesetzt werden können, da ene Berechnung sonst zu rechenntensv wäre. In dem her vorlegenden Fall werden nur Gauss-Kernel betrachtet (da dese n der Praxs gute Ergebnsse erzelen), welche folgendermaßen defnert snd: x r

5 r r k( x, x ) σ r r x x = e (7) Des führt zu der folgenden Glechung zur Berechnung ener Regressonsfunkton: f ( x) = N ( ˆ α ) = 1 r r α k( x, x ) + b (8) 3 Konzept zur Identfkaton optmaler Prozessführungsmuster De automatsche Erfassung ener relevanten Anzahl von Merkmalen und de letztendlche Berechnung enes SVR Modells erfolgen durch den n Bld dargestellten Entwurfsprozess. Zuerst werden de Rohdaten des Prozesses vorverarbetet. Daraufhn werden n enem nächsten Schrtt Merkmale halbautomatsch ausgewählt, bezüglch der defnerten Qualtätsfunkton gewchtet und schlussendlch mt den relevanten Merkmalen en SVR- Modell erzeugt. Dese Schrtte werden m Folgenden näher erläutert. Bld. : Automatserter Entwurfsprozess von Rohdaten zur Erzeugung enes SVR Models 3.1 Vorverarbetung De Vorverarbetung st en entschedender Schrtt für de spätere Merkmalsauswahl und Modellbldung, da de Datenqualtät für de Anwendung von Data-Mnng-Methoden essentell st. Deser Schrtt dent dazu, das Sgnal zu Rausch Verhältns der Daten zu verbessern und de Datenmenge zu reduzeren [8]. De Sgnalvorverarbetung lässt sch n zwe Schrtte untertelen. Zuerst werden de Daten resampled und tefpassgefltert und Ausreßer werden aus den Daten entfernt. Da n den Prozessdaten Informatonen versteckt sen können, welche anhand der orgnalen Daten ncht erkannt werden können (bespelswese schnelle Schwankungen oder große Stegungen) werden wetere Zetrehen erzeugt. Des benhaltet das Berechnen von Abletungen sowe das Berechnen von Kombnatonen verschedener Prozessdaten (z. B. Subtrakton oder Summaton von zwe Zetrehen) 3. Merkmalsauswahl Der Berech der Merkmalsselekton lässt sch ebenfalls n zwe Telbereche untertelen. Zuerst erfolgt de egentlche Merkmalsextrakton. Herbe werden Merkmale aus den

6 enzelnen vorverarbeteten Zetrehen extrahert. Herbe kann es sch um physkalsch plausble oder mathematsch erzeugte Merkmale handeln [4]. Des Weteren können dese Merkmale ene komplette Zetrehe charakterseren, aber auch nur en Segment ener Zetrehe. En Spltten der Zetrehen kann anhand von A pror Wssen engebracht werden, oder durch vordefnerte Zetfenster. Daraufhn erfolgt das egentlche Merkmalsrankng. Da des en wesentlcher Schrtt zum Fnden von günstgen Prozessmustern st, st deser Schrtt detallerter n Abbldung 3 dargestellt. Auf de dort dargestellten Punkte wrd n größerem Detal m Folgenden engegangen. Bld. 3: Berechnung enes SVR Modells anhand zuvor extraherter Merkmale 3..1 SVR Modellbldung mt allen Merkmalen und Optmerung der Hyperparameter De n Abschntt dargestellten Hyperparameter C und σ haben enen entschedenden Enfluss auf das spätere Merkmalsrankng. Daher werden dese unter Enfluss aller extraherten Merkmale mttels enes Grd-search-Algorthmus optmert. Das heßt, es werden für verschedene Werte von C und von σ SVR Modelle berechnet und dese mttels ener 10-fach gefalteten Crossvalderung überprüft. Des bedeutet, zum Traneren des Modells werden 9/10 der Daten verwendet und 1/10 der Daten wrd fürs Testen engesetzt. Des gescheht je Modell zehnmal, sodass jeder Datensatz genau enmal zum Testen engesetzt wurde. Der Mttelwert der Testergebnsse ergbt letztendlch de Qualtät des Modells. 3.. Merkmalsrankng und Elmnaton redundanter Merkmale Vele zuvor extraherte Merkmale snd redundant zuenander oder rrelevant bezüglch der zuvor defnerten Qualtätsfunkton. Daher wrd en Merkmalsrankng durchgeführt, welches spezell dese Merkmale fltert und nur ene klene Anzahl tatsächlch relevanter Merkmale ausgbt. We zuvor beschreben, bedeutet de Berechnung ener SVR de Berechnung von Lagrange Multplkatoren ( α, ˆ α ), um ene Regressonsfunkton zu beschreben. Her glt, dass Multplkatoren mt enem großen Wert auch enen großen Enfluss auf de berechnete

7 Regressonsfunkton haben. Daher können dese Multplkatoren zum Rankng der enzelnen Merkmale engesetzt werden. Das erfolgt durch de Defnton der folgenden Gewchtsfunkton [10], welche de Summe der enzelnen Lagrange Multplkatoren von 1 bs N st: G( α, ˆ) α = N = 1 ( α + ˆ α ) Mttels enes Backward-selecton-Algorthmus werden dese Merkmale schleßlch gerankt. Dazu wrd zuerst de Funkton G ( α, ˆ α) unter Berückschtgung aller Merkmale berechnet. Daraufhn wrd jewels en Merkmal entfernt und de Gewchtsfunkton erneut berechnet. Das Merkmal, welches dazu führt, dass de Funkton G ( α, ˆ α) maxmal wrd, wrd entfernt, da des bezüglch des SVR Models das unwchtgste Merkmal st. Herbe verblebt allerdngs de Frage, welche Anzahl an Merkmalen tatsächlch notwendg st um den Prozess zu beschreben. Herzu wrd ene wetere Verlustfunkton, n desem Fall der sogenannte Fnal Predcton Error (FPE), defnert. Deser ergbt sch nach folgender Glechung [5]: p FPE ( p) = ˆ σ (1 + ) (10) M p beschrebt herbe de Anzahl der betrachteten Merkmale und σˆ de Varanz welche sch aus der geschätzten und der tatsächlchen Qualtätsfunkton ergbt. De geschätzte Varanz wrd mt der zunehmenden Anzahl an Merkmalen abnehmen, allerdngs wrkt de Anzahl an verwendeten Merkmalen p als Bestrafungsfaktor, was dazu führt, dass das Mnmum des FPE de letztendlche Anzahl an verwendeten Merkmalen ergbt. (9) 3..3 Optmerung der SVR Hyperparameter für de relevanten Merkmale Da de Hyperparameter unter Verwendung aller Merkmale optmert wurden, st de nach enem Schrtt berechnete Anzahl an Merkmalen n der Regel noch zu groß und benhaltet noch mmer rrelevante oder redundante Merkmale. Daher werden Parameter C und σ mttels enes weteren Grd-Search Algorthmus und nur unter Berückschtgung der zuvor ausgewählten Merkmale optmert. Dese Vorgehenswese wrd solange wederholt, bs das Verfahren gegen ene bestmmte Anzahl an Merkmalen konvergert. De letztendlche Anzahl Merkmale sowe das SVR-Modell werden schleßlch zur Analyse und Optmerung des unterlegenden Prozesses verwendet. Das Verfahren wrd m Folgenden anhand enes realen rheologschen Glaszehprozesses dargestellt.

8 4 Anwendung des Konzeptes zur Optmerung enes komplexen Batchprozesses Das Konzept wrd zur Optmerung der Anfahrphase enes komplexen rheologschen Batchprozesses [1] angewandt. Be dem Prozess wrd en Glaszylnder mt der Hezlestung Poven auf de Temperatur ϑ oven aufgehezt (Bld 4). Der Glaszylnder wrd langsam durch den Ofen gefahren, wobe er mt der Geschwndgket ν aus dem Ofen herausgezogen wrd. Zel der Prozessführung n der Anfahrphase des Batchprozesses st es, n möglchst kurzer Zet den nomnalen Durchmesser D soll des Glasrohres zu errechen. Der Prozess zegt en stark nchtlneares Verhalten aufgrund des domnerenden Enflusses von Strahlungsaustausch sowe en zetvarantes Verhalten aufgrund der von Produkton zu Produkton schwankenden Ofenegenschaften. Als Gütendex wrd der Ausschuss während der Anfahrphase des Batchprozesses herangezogen. Das Zel besteht darn, de relevanten Merkmale aus den Zetverläufen der vonν, ϑ, P sowe der Temperatur oven oven ϑ glass des Glases unterhalb des Verformungsbereches zu ermtteln. Der betrachtete ndustrelle Batchprozess wrd dazu engesetzt Glasrohre aus dckwandgen Rohzylndern zu zehen. Der prnzpelle Aufbau st herzu n Bld 4 dargestellt. De Rohzylnder werden mt ener langsamen Geschwndgket oberhalb n den Ofen befördert und mt ener höheren Geschwndgket v unterhalb des Ofens weder herausgezogen. Herzu wrd der Ofen mt der Hezlestung Poven auf de Temperatur ϑ oven aufgehezt. Der letztendlch gewünschte Durchmesser des Glasrohres wrd durch de Abzugsgeschwndgket v und de Temperatur ϑ oven mttels enem herarchschem Regelungskonzept geregelt []. Zusätzlch wrd de Temperatur des Glases durch den Parameter ϑ glass kontrollert. P oven ϑ oven ϑ glass v Bld. 4: Industreller Batchprozess. De verwendeten Prozessparameter zur Merkmalserzeugung und Modellbldung snd Poven, ϑ oven, ϑ glass und v.

9 Der unterlegende Prozess zegt ene stark nchtlneares Verhalten aufgrund der Abstrahlungseffekte des Glases und zudem en zetvarantes Verhalten aufgrund von Ablagerungseffekten m Ofen nach mehreren Produktonen. 4.1 Defnton des Gütendex Als Gütendex wrd das gezogene kumulerte Verlustvolumen des Glasrohres, welches ncht verwendet werden kann, defnert. In Abbldung 5 st herzu exemplarsch der Verlauf ener Produkton mt den untersuchten Prozessparametern über dem Verlustvolumen aufgetragen. Das kumulerte Verlustvolumen ergbt sch, bs der Glasdurchmesser en zuvor defnertes Toleranzband errecht (n Bld 5 de vertkale Lne). Bld.5: Exemplarscher Verlauf ener Produkton. De vertkale Lne zegt de Entrttstelle n das Toleranzband Das vorgeschlagene Konzept wrd m Folgenden dazu verwendet, de relevanten Merkmale aus den Prozessgrößen Poven, ϑ oven, ϑ glass, v bezüglch des defnerten Gütendexes zu bestmmen. 4. Untersuchter Produktonsdatensatz Insgesamt werden zur Analyse 600 Produktonen verwendet. We zuvor beschreben, werden de gemessenen Prozessdaten tefpassgefltert, Ausreßer werden entfernt und zudem wrd Zetrehe n zwe Segmente untertelt. Der Untertelungspunkt an der Stelle defnert, an der der Durchmesser des Glasrohres n das Toleranzband entrtt (sehe Bld 5).

10 Von desen Zetrehen wrd nun automatsch en Merkmalssatz erzeugt. Herzu werden de Zetrehen zwemal abgeletet sowe von jeder Zetrehe das Mnmum, Maxmum, de Fluktuaton (Maxmum Mnmum) sowe de lnearen Regressonskoeffzenten berechnet (Gradent und Verschebung). Insgesamt werden herdurch je Produkton nsgesamt 16 Merkmale erzeugt. Daraufhn wrd der Datensatz n enen Tranngssatz mt 400 Produktonen und enen Testdatensatz von 00 Produktonen untertelt. 4.3 Ergebns des angewendeten Verfahrens Das Resultat der berechneten Merkmale st n Tabelle 1 dargestellt. Letztendlch wurden aus den zuvor berechneten 16 Merkmalen 7 Merkmale ausgewählt. De Schwankung der Abzugsgeschwndgket ν n st en nteressantes Resultat, da ν n drekt zur Durchmesserregelung engesetzt wrd. Ene starke Bewegung der Abzugsgeschwndgket lässt schon den Schluss zu, dass sch das Glasrohr nnerhalb des Ofens ncht we gewünscht verhält. En Blck auf de weteren Merkmale bestätgt des. De weteren Merkmale exklusve Merkmal sechs benhalten de Glasrohrtemperaturϑ. Zudem bestehen de Merkmale zwe bs fünf nur aus den Abletungen vonϑ glass glass. Das heßt, ncht de tatsächlche Glastemperatur, sondern nur de Tabelle 1 Schwankung hat letztendlch Merkmale, des berechneten SVR Modells Enfluss auf de spätere Qualtät Rang Name of feature des Rohres. 1 Schwankung ν n Des wederum führt zu dem Gradent 1. Abletung ϑ glass Segment Schluss, de Glasrohrtemperatur 3 Fluktuaton 1. Abletung ϑ glass Segment möglchst konstant zu halten um de Qualtät zu erhöhen, also den 4 Gradent 1. Abletung ϑ glass Segment Glasauschuss zu verrngern. Des 5 Offset. Abletung ϑ glass Segment st bespelswese durch ene 6 Mnmum ν Segment 1 verbesserte Regelung möglch. In 7 Fluktuaton ϑ glass Segment 1 Abbldung 6 st der Gütendex über den ersten beden gerankten Merkmalen aufgetragen. Herbe wrd de Notwendgket enes nchtlnearen SVR-Modelles deutlch und das komplexe Systemverhalten des Glaszehprozesses st erkennbar. Das

11 Mnmum der dargestellten Ebene bedeutet herbe optmale Merkmalswerte zur Reduzerung des Glasausschusses. Bld. 6: Qualtätsfunkton abhängg von den ersten beden Merkmalen. Gute Prozessmuster legen n der Nähe des Mnmums der Ebene Des Weteren st n Abbldung 7 en Verglech zwschen den geschätzten Werten des SVR- Modelles und den tatsächlchen Prozessdaten dargestellt. De Grafk zegt en lneares Verhalten, was ene gute Überenstmmung zwschen Modell und tatsächlchem Prozess wderspegelt. Bld. 7: Verglech zwschen dem gemessenen und dem vom SVR-Modell prädzerten Gütendex 5 Fazt Es wurde en neuartges Konzept zur Analyse und Optmerung von ndustrellen Produktonsprozessen unter Verwendung von Data-Mnng-Methoden dargestellt. De Idee des Verfahrens st es, versteckte, für de Prozessführung relevante Informatonen n ener großen Menge von Datensätzen (Zetrehen von Produktonen) aufzudecken und nutzbar zu machen. Das Konzept umfasst Algorthmen zur Merkmalsauswahl, zum Merkmalsrankng

12 und zur Genererung enes Modelles, welches mt ener möglchst gerngen Anzahl von Merkmalen ene gute Prädkton des Gütendex erlaubt. Das Konzept wrd zur Optmerung der Anfahrphase enes komplexen rheologschen Batchprozesses [1] angewandt. Es wurde gezegt, dass aus dem ursprünglchen Merkmalspool (16 Merkmale) nur 7 Merkmale notwendg snd, um en günstges Prozessmuster zu defneren. Anhand des genererten Modelles konnten optmale Werte der relevanten Merkmale berechnet werden. Aktuelle Arbeten befassen sch mt der Modfkaton der Prozessführung, so dass de optmalen Merkmale engehalten werden. Lteratur [1] T. Bernard, E. Moghaddam, Nonlnear Model Predctve Control of a Glass formng Process based on a Fnte Element Model, Proc. 006 IEEE Internatonal Conference on Control Applcatons, (006) [] T. Bernard, M. Sajdmann, H-. B Kuntze, A new Fuzzy based mult-objectve optmzaton concept for process control systems, Proc. 7th Fuzzy Days, Internatonal Conference on Computatonal Intellgence, (001) [3] N. Crstann, J. Shawe-Taylor Support Vector Machnes, Cambrdge Unversty press, (004) [4] I. Guyon, A. Elsseff, An ntroducton to varable and feature selecton, journal of Machne Learnng Research, (003) [5] R. Johansson, System Modelng & Identfcaton, Prentce Hall, (006) [6] Fayyad, U., Patetsky-Shapro, G.; Smyth, P.: From Data-Mnng to Knowledge Dscovery: An overvew. In: Advances n Knowledge Dscovery and Data-Mnng, pages 1-35, AAAI/MIT Press (1996) [7] H.-B. Kuntze, T. Bernard, G. Bonn, C. Frey, Entschedungsunterstützung m Produktonsumfeld mt Data-Mnng-Werkzeugen, VDI/VDE-GMA-Kongress AUTOMATION, (008) [8] M. Last, A. Kandel, H. Bunke, Data mnng n tme seres databases,world scentfc publshng, (004) [9] R. Mkut, Data mnng n medcal tme seres, Bomed Tech, (006) [10] A. Rakotomamonjy, Analyss of SVM regresson bounds for varable rankng. Neurocomputng, Vol 70, pp , (007) [11] A. Smola, B. Schölkopf, A Tutoral on Support Vector Regresson, NeuroCOLT Techncal Report Seres, (1998) [1] I. Wtten, E. Frank, Data Mnng Practcal Machne Learnng tools and technques, Elsever, (005)

Nomenklatur - Übersicht

Nomenklatur - Übersicht Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen

Mehr

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE Karl Rudolf KOCH Knut RIESMEIER In: WELSCH, Walter (Hrsg.) [1983]: Deformatonsanalysen 83 Geometrsche Analyse und Interpretaton von Deformatonen

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

Ertragsmanagementmodelle in serviceorientierten IT- Landschaften

Ertragsmanagementmodelle in serviceorientierten IT- Landschaften Ertragsmanagementmodelle n servceorenterten IT- Landschaften Thomas Setzer, Martn Bchler Lehrstuhl für Internetbaserte Geschäftssysteme (IBIS) Fakultät für Informatk, TU München Boltzmannstr. 3 85748 Garchng

Mehr

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07 Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage

Mehr

Temporäre Stilllegungsentscheidungen mittels stufenweiser E W U F W O R K I N G P A P E R

Temporäre Stilllegungsentscheidungen mittels stufenweiser E W U F W O R K I N G P A P E R Temporäre Stlllegungsentschedungen mttels stufenweser Grenzkostenrechnung E W U F W O R K I N G P A P E R Mag. Dr. Thomas Wala, FH des bf Wen PD Dr. Leonhard Knoll, Unverstät Würzburg Mag. Dr. Stephane

Mehr

Gruppe. Lineare Block-Codes

Gruppe. Lineare Block-Codes Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung

Mehr

9 Diskriminanzanalyse

9 Diskriminanzanalyse 9 Dskrmnanzanalyse Zel ener Dskrmnanzanalyse: Berets bekannte Objektgruppen (Klassen/Cluster) anhand hrer Merkmale charakterseren und unterscheden sowe neue Objekte n de Klassen enordnen. Nötg: Lernstchprobe

Mehr

Wir fokussieren das Wesentliche. OUTLINE Individuelle Lösung von d.vinci OUTLINE. Recruiting-Prozess. Unternehmen. Einflussfaktoren.

Wir fokussieren das Wesentliche. OUTLINE Individuelle Lösung von d.vinci OUTLINE. Recruiting-Prozess. Unternehmen. Einflussfaktoren. Wr fokusseren das Wesentlche. Der demografsche Wandel, ene hohe Wettbewerbsdchte, begrenzte Absolventenzahlen es gbt enge Faktoren, de berets heute und auch n Zukunft für enen Mangel an qualfzerten und

Mehr

Projektmanagement / Netzplantechnik Sommersemester 2005 Seite 1

Projektmanagement / Netzplantechnik Sommersemester 2005 Seite 1 Projektmanagement / Netzplantechnk Sommersemester 005 Sete 1 Prüfungs- oder Matrkel-Nr.: Themenstellung für de Kredtpunkte-Klausur m Haupttermn des Sommersemesters 005 zur SBWL-Lehrveranstaltung Projektmanagement

Mehr

Mobile Sicherheit durch effiziente Public-Key-Verschlüsselung

Mobile Sicherheit durch effiziente Public-Key-Verschlüsselung Moble cherhet durch effzente ublc-key-verschlüsselung Hagen loog Drk Tmmermann Unverstät Rostock, Insttut für Angewandte Mkroelektronk und Datenverarbetung Rchard-Wagner-tr., 9 Rostock Hagen.loog@un-rostock.de

Mehr

1 BWL 4 Tutorium V vom 15.05.02

1 BWL 4 Tutorium V vom 15.05.02 1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)

Mehr

Datenträger löschen und einrichten

Datenträger löschen und einrichten Datenträger löschen und enrchten De Zentrale zum Enrchten, Löschen und Parttoneren von Festplatten st das Festplatten-Denstprogramm. Es beherrscht nun auch das Verklenern von Parttonen, ohne dass dabe

Mehr

Ein Vorschlag zur Modellierung von Summenexzedenten- Rückversicherungsverträgen in Internen Modellen

Ein Vorschlag zur Modellierung von Summenexzedenten- Rückversicherungsverträgen in Internen Modellen En Vorschlag zur Modellerung von Summenexzedenten- Rückverscherungsverträgen n Internen Modellen Dorothea Ders Preprnt Seres: 27-22 Fakultät für Mathematk und Wrtschaftswssenschaften UNIVERSITÄT ULM En

Mehr

Innovative Handelssysteme für Finanzmärkte und das Computational Grid

Innovative Handelssysteme für Finanzmärkte und das Computational Grid Innovatve Handelssysteme für Fnanzmärkte und das Computatonal Grd von Dpl.-Kfm. Mchael Grunenberg Dr. Danel Vet & Dpl.-Inform.Wrt. Börn Schnzler Prof. Dr. Chrstof Wenhardt Lehrstuhl für Informatonsbetrebswrtschaftslehre,

Mehr

Online Algorithmen. k-server randomisiert Teil II

Online Algorithmen. k-server randomisiert Teil II Onlne Algorthmen k-server randomsert Tel II Ausarbetung für das Semnar Onlne Algorthmen Prof. Dr. Ro. Klen Anette Ebbers-Baumann Ansgar Grüne Insttut für Informatk Theorethsche Informatk und formale Methoden

Mehr

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf. Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet

Mehr

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de

Mehr

Leitliniengerechte psychosoziale Versorgung aus der Sicht des Krankenhausmanagements

Leitliniengerechte psychosoziale Versorgung aus der Sicht des Krankenhausmanagements Unser Auftrag st de aktve Umsetzung der frohen Botschaft Jesu m Denst am Menschen. Ene Herausforderung, der wr täglch neu begegnen. Mt modernster Technk und Kompetenz. Und vor allem mt Menschlchket. Letlnengerechte

Mehr

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt: Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,

Mehr

Engineering Desktop Anwendungen in der Tragwerksplanung auf der Grundlage der COM-Technologie

Engineering Desktop Anwendungen in der Tragwerksplanung auf der Grundlage der COM-Technologie 1 Enführung Engneerng Desktop Anwendungen n der Tragwerksplanung auf der Grundlage der COM-Technologe Horst Werkle und Hartmut Pleßke Insttut für angewandte Forschung, Fachhochschule Konstanz Computer

Mehr

Was haben Schüler und Großbanken gemein?

Was haben Schüler und Großbanken gemein? Armn Fügenschuh Aleander Martn Was haben Schüler und Großbanken gemen? Mathematsche Modellerung Analyse und Lösung am Bespel des Rucksackproblems Unter gegebenen Randbedngungen optmale Entschedungen zu

Mehr

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de ERP Cloud SFA ECM Backup E-Commerce ERP EDI Prese erfassen www.comarch-cloud.de Inhaltsverzechns 1 Zel des s 3 2 Enführung: Welche Arten von Presen gbt es? 3 3 Beschaffungsprese erfassen 3 3.1 Vordefnerte

Mehr

Does the choice of the performance measure have an influence on the evaluation of hedge funds?

Does the choice of the performance measure have an influence on the evaluation of hedge funds? Martn Elng * /Frank Schuhmacher ** Does the choce of the performance measure have an nfluence on the evaluaton of hedge funds? * Correspondng Author: Dpl.-Kfm. Martn Elng, Unversty of St. Gallen, Insttute

Mehr

Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik

Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik Quant der das Verwelken der Wertpapere. De Geburt der Fnanzkrse aus dem Gest der angewandten Mathematk Dmensnen - de Welt der Wssenschaft Gestaltung: Armn Stadler Sendedatum: 7. Ma 2012 Länge: 24 Mnuten

Mehr

ifh@-anwendung ifh@-anwendung Technische Rahmenbedingungen Welche Mindestvoraussetzungen müssen erfüllt sein?

ifh@-anwendung ifh@-anwendung Technische Rahmenbedingungen Welche Mindestvoraussetzungen müssen erfüllt sein? FH@-Anwendung Für de Umsetzung von Strukturfonds-Förderungen st laut Vorgaben der EU de Enrchtung enes EDV- Systems für de Erfassung und Übermttlung zuverlässger fnanzeller und statstscher Daten sowe für

Mehr

6 Numerische Simulation von druckentlasteten Gasexplosionen

6 Numerische Simulation von druckentlasteten Gasexplosionen 6 Numersche Smulaton von drucentlasteten Gasexplosonen Explosonen von brennbaren Gasen und Dämpfen stellen omplexe Prozesse mt gegensetger Beenflussung physalscher und chemscher Prozesse dar. Se snd dadurch

Mehr

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1 Vorlesung Entschedungslehre h SS 205 Prof. Dr. Klaus Röder Lehrstuhl für BWL, nsb. Fnanzdenstlestungen Unverstät Regensburg Prof. Dr. Klaus Röder Fole Organsatorsches Relevante Informatonen önnen Se stets

Mehr

Angeln Sie sich Ihr Extra bei der Riester-Rente. Private Altersvorsorge FONDSGEBUNDENE RIESTER-RENTE

Angeln Sie sich Ihr Extra bei der Riester-Rente. Private Altersvorsorge FONDSGEBUNDENE RIESTER-RENTE Prvate Altersvorsorge FONDSGEBUNDENE RIESTER-RENTE Angeln Se sch Ihr Extra be der Rester-Rente. Rendtestark vorsorgen mt ALfonds Rester, der fondsgebundenen Rester-Rente der ALTE LEIPZIGER. Beste Rendtechancen

Mehr

Schlussbericht. der Forschungsstelle(n) Nr. 1, Instiut für Fördertechnik und Logistik und

Schlussbericht. der Forschungsstelle(n) Nr. 1, Instiut für Fördertechnik und Logistik und Schlussbercht der Forschungsstelle(n) Nr. 1, Instut für Fördertechnk und Logstk und Insttut für Arbetswssenschaft und Betrebsorgansaton, KIT zu dem über de m Rahmen des Programms zur Förderung der Industrellen

Mehr

11 Chemisches Gleichgewicht

11 Chemisches Gleichgewicht 11 Chemsches Glechgewcht 11.1 Chemsche Reaktonen und Enstellung des Glechgewchts Untersucht man den Mechansmus chemscher Reaktonen, so wrd man dese enersets mt enem mkroskopschen oder knetschen Blck auf

Mehr

DIE DYNAMISCHE OPTIMIERUNG BEIM GRADIENTENENTWURF

DIE DYNAMISCHE OPTIMIERUNG BEIM GRADIENTENENTWURF DIE DYNMISCHE OPTIMIERUNG BEIM GRDIENTENENTWURF Wlhelm CSPRY Hansbert HEISTER Walter WELSCH In: CSPRY, Wlhelm / WELSCH, Walter (Hrsg.) [98]: Beträge zur großräumgen Neutrasserung Schrftenrehe des Wssenschaftlchen

Mehr

Bewertung von Derivaten mit finiten Differenzen

Bewertung von Derivaten mit finiten Differenzen Bewertung von Dervaten mt fnten Dfferenzen Lutz Kruschwtz und Rolf Ketzler 22 Jul 2002 Inhaltsverzechns 1 Enführung 2 2 Rekaptulaton des Black Scholes Modells 2 3 Fnte Dfferenzen 3 31 Gtter und Dfferenzenbldung

Mehr

VDA. Planungsgütemessung im Aftermarket. Version 1.0 vom Mai 2010. Arbeitskreis SCM Aftermarket. Herausgeber: Verband der Automobilindustrie

VDA. Planungsgütemessung im Aftermarket. Version 1.0 vom Mai 2010. Arbeitskreis SCM Aftermarket. Herausgeber: Verband der Automobilindustrie VDA Planungsgütemessung m Aftermarket 9 Verson. vom Ma 2 Arbetskres SCM Aftermarket Herausgeber: Verband der Automoblndustre Copyrght Behrenstraße 5 Nachdruck und jede sonstge Form 7 Berln der Vervelfältgung

Mehr

Outlier Detection in USENET Newsgruppen

Outlier Detection in USENET Newsgruppen Dplomarbet Outler Detecton n USENET Newsgruppen Stephan Deutsch Dplomarbet am Fachberech Informatk der Unverstät Dortmund Oktober 2006 Betreuer: Prof. Dr. Katharna Mork Dpl.-Inform. Mchael Wurst 2 Inhaltsverzechns

Mehr

Reale Außenwirtschaft

Reale Außenwirtschaft Vorlesungsskrpt Reale Außenwrtschaft. Auflage (erwetert und verbessert), 007 Mchael Rauscher Glederung. Vorbemerkungen. Gegenstand der realen Außenwrtschaftstheore?. En emprsches Bld der nternatonalen

Mehr

FAMOS - ein ganzheitlicher Ansatz zum Fehlermanagement

FAMOS - ein ganzheitlicher Ansatz zum Fehlermanagement FAMOS - en ganzhetlcher Ansatz zum Fehlermanagement Dpl.-Ing.(FH) Andreas Plach 1 Prof. Dr.-Ing. Rüdger Hornfeck 1 Prof. Dr.-Ing. Frank Reg 2 Prof. Dr. habl. Jörg Roth 1 1 Georg-Smon-Ohm-Hochschule Nürnberg

Mehr

Kurzgutachten zur Buchpreisbindungsstudie des Office of Fair Trading (OFT)

Kurzgutachten zur Buchpreisbindungsstudie des Office of Fair Trading (OFT) Kurzgutachten zur Buchpresbndungsstude des Offce of Far Tradng (OFT) Dr. Egon Bellgardt 17. November 2008 Inhalt Management Summary...2 0. Gegenstand des Kurzgutachtens...4 1. Stellungnahme zu Enzelaspekten

Mehr

Versicherungstechnischer Umgang mit Risiko

Versicherungstechnischer Umgang mit Risiko Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über

Mehr

Stochastik - Kapitel 4

Stochastik - Kapitel 4 Aufgaben ab Sete 5 4. Zufallsgrößen / Zufallsvarablen und hre Vertelungen 4. Zufallsgröße / Zufallsvarable Defnton: Ene Zufallsgröße (Zufallsvarable) X ordnet jedem Versuchsergebns ω Ω ene reelle Zahl

Mehr

Numerische Klassifikation (Cluster Analyse) anhand nominaler, ordinaler oder gemischter Merkmale

Numerische Klassifikation (Cluster Analyse) anhand nominaler, ordinaler oder gemischter Merkmale 2 Schrften aus der Fakultät Sozal- und Wrtschaftswssenschaften der Otto-Fredrch-Unverstät Bamberg Numersche lassfkaton (Cluster Analyse) anhand nomnaler, ordnaler oder gemschter Merkmale Theore und Praxs

Mehr

Verfahren zur Bewertung der Energieeffizienz von Kälteanlagen. Method to calculate the energy efficiency of refrigerating systems

Verfahren zur Bewertung der Energieeffizienz von Kälteanlagen. Method to calculate the energy efficiency of refrigerating systems Verfahren zur Bewertung der Energeeffzenz von Kälteanlagen Prof. Dr.-Ing. Martn Becker, M.Sc. Thomas Köberle, Hochschule Bberach, Studenfeld Energe & Klma, Insttut für Gebäude- und Energesysteme (IGE),

Mehr

Universität Koblenz Landau Fachbereich Informatik

Universität Koblenz Landau Fachbereich Informatik Unverstät Koblenz Landau Fachberech Informatk Computergenererte Federzechnungen (Strchzechnungen, Pen-And-Ink Drawngs) Gudo Stegmann Matrkelnummer 882022 Semnar Computergraphk betreut von Prof. Dr.-Ing.

Mehr

Ein stochastisches Modell zur Ertragsoptimierung bei Versicherungen

Ein stochastisches Modell zur Ertragsoptimierung bei Versicherungen En stochastsches Modell zur Ertragsoptmerung be Verscherungen Clauda Garschhammer und Rud Zagst Clauda Garschhammer Bahnhofstr. 34, 8340 aufen Tel: 0868 / 548, c.garschhammer@web.de Prof. Dr. Rud Zagst,

Mehr

Metrische Untersuchung der Wiederverwendung im Content Management. Statische Kennzahlen in der Technischen Redaktion

Metrische Untersuchung der Wiederverwendung im Content Management. Statische Kennzahlen in der Technischen Redaktion Metrsche Untersuchung der Wederverwendung m Content Management Statsche Kennzahlen n der Technschen Redaton W. Zegler 1 [Stand: 14. September 2008] De Enführung von Content Management (CM) Methoden und

Mehr

Rainer Diaz-Bone/Harald Künemund. Einführung in die binäre logistische Regression

Rainer Diaz-Bone/Harald Künemund. Einführung in die binäre logistische Regression Free Unverstät Berln Fachberech Poltk u. Sozalwssenschaften Insttut für Sozologe Abtelung Methodenlehre und Statstk Garystr. 55 14195 Berln Raner Daz-Bone/Harald Künemund Enführung n de bnäre logstsche

Mehr

i N F O Funktionen & Vorteile Smart ROI Codec Smart Autofocus ROI OFF ROI ON Smart Defog Smart IR

i N F O Funktionen & Vorteile Smart ROI Codec Smart Autofocus ROI OFF ROI ON Smart Defog Smart IR unktonen & Vortele Smart Autofocus Smart RI Codec Kameras mt Hkvsons enzgarter Autofocus-Technologe müssen ncht manuell focussert werden, de erfolgt automatsch. So können Kameras auch problemlos neu ausgerchtet

Mehr

9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen

9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen 9 Phasenglechgewcht n heterogenen Mehrkomonentensystemen 9. Gbbs sche Phasenregel α =... ν Phasen =... k Komonenten Y n (α) -Molzahl der Komonente Y n der Phase α. Für jede Phase glt ene Gbbs-Duhem-Margules

Mehr

Wie beeinflußt das Umfeld einer Bank die Effizienz?

Wie beeinflußt das Umfeld einer Bank die Effizienz? Betrag 215, Volkswrtschaftlche Dskussonsrehe, Unverstät Augsburg We beenflußt das Umfeld ener Bank de Effzenz? Ene DEA-Analyse für de Bayerschen Genossenschaftsbanken Andreas Wutz Unverstät Augsburg* Januar

Mehr

ZUSATZBEITRAG UND SOZIALER AUSGLEICH IN

ZUSATZBEITRAG UND SOZIALER AUSGLEICH IN ZUSAZBEIRAG UND SOZIALER AUSGLEICH IN DER GESEZLICHEN KRANKENVERSICHERUNG: ANREIZEFFEKE UND PROJEKION BIS 2030 Martn Gasche 205-2010 Zusatzbetrag und sozaler Ausglech n der Gesetzlchen Krankenverscherung:

Mehr

Y 1 (rein) Y 2 (rein) Mischphase Bezeichnung (g) (g) (g) Mischung (l) (l) (l) Mischung,Lösung (l) (s) (l) Lösung. (s) (g) (s) Lösung

Y 1 (rein) Y 2 (rein) Mischphase Bezeichnung (g) (g) (g) Mischung (l) (l) (l) Mischung,Lösung (l) (s) (l) Lösung. (s) (g) (s) Lösung 3 Lösungen 3. Mschungen und Lösungen Homogene Phasen, n denen alle Komonenten glechartg behandelt werden, heßen Mschungen. Wenn ene Komonente m Überschuß vorlegt, kann man von Lösungen srechen. Sezfsche

Mehr

Erweiterung des Anlageuniversums für deutsche Investoren: Rendite- und Risikopotenzial österreichischer und ungarischer Aktien- und Rentenmärkte

Erweiterung des Anlageuniversums für deutsche Investoren: Rendite- und Risikopotenzial österreichischer und ungarischer Aktien- und Rentenmärkte rof. Dr. Thomas Zmmerer* Erweterung des Anlageunversums für deutsche Investoren: Rendte- und Rskopotenzal österrechscher und ungarscher Akten- und Rentenmärkte Fachhochschule Ansbach Fachberech Wrtschafts-

Mehr

FACT SHEET. ProjectNetWorld

FACT SHEET. ProjectNetWorld ProjectNetWorld Inhalt ProjectNetWorld 3 De Funktonen Der Untersched zu anderen Lösungen 7 Gründe für SaaS Ensatzbereche und Branchen Warum ProjectNetWorld Aufbau & Organsaton 4 MyWorld I ProjectWorld

Mehr

Einleitung Heijunka - Methode Voraussetzungen und Grenzen der Methode Empfohlene Anpassungen

Einleitung Heijunka - Methode Voraussetzungen und Grenzen der Methode Empfohlene Anpassungen De Produktonsnvellerung nach dem Vorbld der Hejunka- Methode bekommt sowohl n der wssenschaftlchen Betrachtung als auch der ndustrellen Anwendung ene zunehmende Bedeutung. Nur durch de konsequente Anwendung

Mehr

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct? We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de

Mehr

Teil 2: Statistische Versuchsplanung

Teil 2: Statistische Versuchsplanung Tel : Statstsche Versuchsplanung 4. Enführung n de stat. Versuchsplanung 4. Arten statstscher Versuchspläne - Faktorelle Versuchspläne. Ordnung k und k- - Zentral zusammengesetzte Versuchspläne - Mschungspläne

Mehr

Die Zahl i phantastisch, praktisch, anschaulich

Die Zahl i phantastisch, praktisch, anschaulich Unverstät Würzburg 977 Würzburg Telefon: (91 888 5598 De Zahl phantastsch, praktsch, anschaulch De Geschchte der Zahl war dre Jahrhunderte lang dadurch geprägt, dass se und damt de kompleen Zahlen n Mathematkerkresen

Mehr

Chair of Software Engineering

Chair of Software Engineering 1 2 Enführung n de Programmerung Bertrand Meyer Vorlesung 13: Contaner-Datenstrukturen Letzte Bearbetung 1. Dezember 2003 Themen für dese Vorlesung 3 Contaner-Datenstrukturen 4 Contaner und Genercty Enthalten

Mehr

5. Transmissionsmechanismen der Geldpolitik

5. Transmissionsmechanismen der Geldpolitik Geldtheore und Geldpoltk Grundzüge der Geldtheore und Geldpoltk Sommersemester 2013 5. Transmssonsmechansmen der Geldpoltk Prof. Dr. Jochen Mchaels Geldtheore und Geldpoltk SS 2013 5. Transmssonsmechansmen

Mehr

Cloud Computing: Willkommen in der neuen Welt der Geschäftsanwendungen

Cloud Computing: Willkommen in der neuen Welt der Geschäftsanwendungen Cloud Computng: Wllkommen n der neuen Welt der Geschäftsanwendungen Marktforscher und Analysten snd sch eng: Cloud Computng st das IT-Thema der Zukunft. Doch was verbrgt sch genau hnter dem Begrff Cloud

Mehr

Supply Chain Management

Supply Chain Management 1 Supply Chan Management MRP - Materal Requrements Plannng MRP II II - Manufacturng Resource Plannng Herkömmlche Planungssysteme haben Schwächen De Geschchte von MRP und Inventory Control: Produkton: Entkoppelte

Mehr

6 Makromoleküle. Π = c i RT [1 + B c i +... ], (6.01) Kapitel 6, Seite 1

6 Makromoleküle. Π = c i RT [1 + B c i +... ], (6.01) Kapitel 6, Seite 1 Kaptel 6, Sete 1 6 Makromoleküle Klene Moleküle bestehen aus zwe oder zumndest wenger als zehn Atomen. Bekannte Vertreter der großen Moleküle snd de Chlorophylle, deren Molmasse noch unter 1000 legt. Makromoleküle

Mehr

- Manuelle Lageroptimierung - Projektmanagement

- Manuelle Lageroptimierung - Projektmanagement Intensv-Semnar - Manuelle Lageroptmerung - management Gunter Lorek Freer Archtekt Joh.-Würth-Str. 34 67591 Wachenhem Fon 06243-903654 Emal buero@lorek.nfo engneerng Inhaltsverzechns management / -steuerung

Mehr

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2

Mehr

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct? We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de

Mehr

IP Kamera 9483 - Konfigurations-Software Gebrauchsanleitung

IP Kamera 9483 - Konfigurations-Software Gebrauchsanleitung IP Kamera 9483 - Konfguratons-Software Gebrauchsanletung VB 612-3 (06.14) Sehr geehrte Kunden......mt dem Kauf deser IP Kamera haben Se sch für en Qualtätsprodukt aus dem Hause RAEMACHER entscheden. Wr

Mehr

Grundfrequenzanalyse musikalischer Signale

Grundfrequenzanalyse musikalischer Signale Technsche Unverstät Berln - FG Kommunkatonswssenschaft SoSe 2002 Moderne Methoden der Sgnalanalyse Abschlußbercht muskalscher Sgnale Edgar Berdahl Juan José Burred Inhalt: 1) Enletung... 2 2) Technscher

Mehr

Serie: Bestimmung von Ausfallwahrscheinlichkeiten - Teil 4

Serie: Bestimmung von Ausfallwahrscheinlichkeiten - Teil 4 45 www.rsknews.de 11.2002 Kredtrsko Sere: Bestmmung von Ausfallwahrschenlchketen - Tel 4 Ausfallwahrschenlchketen m Konjunkturzyklus Credt Portfolo Vew En Betrag von Uwe Wehrspohn Wr haben n unserer Sere

Mehr

Spezifizierung des Kano-Modells zur Messung von Kundenzufriedenheit

Spezifizierung des Kano-Modells zur Messung von Kundenzufriedenheit Unverstät Augsburg Prof. Dr. Hans Ulrch Buhl Kernkompetenzzentrum Fnanz- & Informatonsmanagement Lehrstuhl für BWL, Wrtschaftsnformatk, Informatons- & Fnanzmanagement Dskussonspaper WI-142 Spezfzerung

Mehr

Hypothekenversicherung oder Bankhypothek?

Hypothekenversicherung oder Bankhypothek? Unverstät Augsburg Prof Dr Hans Ulrch Buhl Kernkompetenzzentrum Fnanz- & Informatonsmanagement Lehrstuhl für BWL, Wrtschaftsnformatk, Informatons- & Fnanzmanagement Dskussonspaper WI-44 Hypothekenverscherung

Mehr

Numerische Methoden der Thermo- und Fluiddynamik

Numerische Methoden der Thermo- und Fluiddynamik Technsche Unverstät Berln HERMANN FÖTTINGER INSTITUT FÜR STRÖMUNGSMECHANIK Numersche Methoden der Thermo- und Fluddynamk von T. Rung, L. Xue, J. Yan, M. Schatz, F. Thele vorläufge Verson 2002 Redakton:

Mehr

Grundmodell zur integrierten Risk-/Return- Optimierung des Gesamtbank-Portfolios

Grundmodell zur integrierten Risk-/Return- Optimierung des Gesamtbank-Portfolios Grundmodell zur ntegrerten Rsk-/Return- Optmerung des Gesamtbank-Portfolos Dr. Ursula-A. Theler Rsk Tranng Carl-Zess-Str. D-83052 Bruckmühl Tel./ Fax: 08062/805545 E-mal: theler@rsk-tranng.de http://www.rsk-tranng.de

Mehr

MOBILFUNK: WIE FUNKTIONIERT DAS EIGENTLICH? Informationen rund ums Handy

MOBILFUNK: WIE FUNKTIONIERT DAS EIGENTLICH? Informationen rund ums Handy MOBILFUNK: WIE FUNKTIONIERT DAS EIGENTLICH? rmatonen rund ums Handy INHALT 2 3 4/5 6 7 8 9 10 11 12 Moblfunk: Fakten So werden Funksgnale übertragen So funktonert en Telefonat von Handy zu Handy So wrkt

Mehr

Vertrieb / CRM. Erfolgreiches Kundenmanagement mit staffitpro WEB

Vertrieb / CRM. Erfolgreiches Kundenmanagement mit staffitpro WEB Vertreb / CRM Erfolgreches Kundenmanagement mt staffitpro WEB Vertreb /CRM Aufgabe des Leadsmoduls Kontaktanbahnung: Enen neuen Lead erfassen Mt dem Leadsmodul halten Se de Kundendaten m Geschäftskontaktemodul

Mehr

Energie, Masse und Information

Energie, Masse und Information Energe, Masse und Informaton Professor Dr. Klaus Hofer De Beschrebung unserer Welt mt Hlfe der ver Naturelemente Feuer, Wasser, Erde, und Luft geht auf den grechschen Naturphlosophen Empedokles (473 v.ch.)

Mehr

5 Branch-and-Bound Verfahren

5 Branch-and-Bound Verfahren 65 5 Branch-and-Bound Verfahren 5.1 Grundstruktur des Branch-and-Bound Verfahrens Das Branch-and-Bound Verfahren st en exaktes Verfahren für dskrete Optmerungsprobleme. Es wurde n den 60zger Jahren vorgestellt

Mehr

Kennlinienaufnahme des Transistors BC170

Kennlinienaufnahme des Transistors BC170 Kennlnenufnhme des Trnsstors 170 Enletung polre Trnsstoren werden us zwe eng benchbrten pn-übergängen gebldet. Vorrusetzung für ds Funktonsprnzp st de gegensetge eenflussung beder pn-übergänge, de nur

Mehr

Die Ausgangssituation... 14 Das Beispiel-Szenario... 14

Die Ausgangssituation... 14 Das Beispiel-Szenario... 14 E/A Cockpt Für Se als Executve Starten Se E/A Cockpt........................................................... 2 Ihre E/A Cockpt Statusüberscht................................................... 2 Ändern

Mehr

Teambildung für Projekte. Eine Analyse auf Basis Der Agency-Theorie

Teambildung für Projekte. Eine Analyse auf Basis Der Agency-Theorie Teambldung für Projekte Ene Analyse auf Bass Der Agency-Theore Free wssenschaftlche Arbet zur Erlangung des Grades enes Dplom-Kaufmannes an der Fakultät für Betrebswrtschaft der Ludwg-Maxmlans-Unverstät

Mehr

Das gratis ebook fur deinen erfolgreichen Blogstart

Das gratis ebook fur deinen erfolgreichen Blogstart Das grats ebook fur denen erfolgrechen Blogstart präsentert von www.pascromag.de DAS ONLINE-MAGAZIN für dene täglche Inspraton aus den Berechen Desgn, Fotografe und Resen. Mt velen wertvollen Tpps. 1.

Mehr

D I E R I S I K O A D J U S T I E RT E P E R F O R M A N C E O F F E N E R A K T I E N F O N D S

D I E R I S I K O A D J U S T I E RT E P E R F O R M A N C E O F F E N E R A K T I E N F O N D S D I E R I S I K O A D J U S T I E RT E P E R F O R M A N C E O F F E N E R A K T I E N F O N D S Ene theoretsche und emprsche Untersuchung ausgewählter Probleme n der Performancemessung sebastan krmm Dssertaton

Mehr

MULTIVAC Kundenportal Ihr Zugang zur MULTIVAC Welt

MULTIVAC Kundenportal Ihr Zugang zur MULTIVAC Welt MULTIVAC Kundenportal Ihr Zugang zur MULTIVAC Welt Inhalt MULTIVAC Kundenportal Enletung Errechbarket rund um de Uhr Ihre ndvduellen Informatonen Enfach und ntutv Hlfrech und aktuell Ihre Vortele m Überblck

Mehr

Österreichische Privathaushalte im Stresstest 1

Österreichische Privathaushalte im Stresstest 1 1 Ncolas Albacete, Prmn Fessler 2 In den letzten Jahrzehnten st de Verschuldung der prvaten Haushalte n benahe allen OECD-Ländern sowohl relatv gesehen als auch n absoluten Zahlen stark angestegen. We

Mehr

Algorithmische Bioinformatik

Algorithmische Bioinformatik Algorthmche Bonformatk HMM Algorthmen: Forward-Backward Baum-Welch Anwendung m equenzalgnment Ulf Leer Wenmanagement n der Bonformatk Formale Defnton von HMM Defnton Gegeben Σ. En Hdden Markov Modell t

Mehr

Schneller. Kompakter. Leistungsfähiger. Kleine, universelle Schwenkeinheit SRU-mini

Schneller. Kompakter. Leistungsfähiger. Kleine, universelle Schwenkeinheit SRU-mini SRU-mn Pneumatsch Schwenkenheten Mnaturschwenkenhet Schneller. Kompakter. Lestungsfähger. Klene, unverselle Schwenkenhet SRU-mn Lechte und schnelle Mnaturschwenkenhet mt velfältgen Optonen we Fluddurchführung,

Mehr

RICHTLINIEN FÜR DIE GESTALTUNG VON EINTRÄGEN

RICHTLINIEN FÜR DIE GESTALTUNG VON EINTRÄGEN RICHTLINIEN FÜR DIE GESTALTUNG VON EINTRÄGEN Stand Jul 2014 Lebe Vermeter, wr möchten dem Suchenden das bestmöglche Portal beten, damt er be Ihnen bucht und auch weder unser Portal besucht. Um den Ansprüchen

Mehr

Modellierung des Kreditrisikos im Portfoliofall

Modellierung des Kreditrisikos im Portfoliofall Frankfurt School Workng Paper Seres No. 27 Modellerung des Kredtrskos m Portfolofall von Henz Cremers und Jens Walzner August 2009 Sonnemannstr. 9 6034 Frankfurt an Man, Germany Phone: +49 (0) 69 54 008

Mehr

WIR VERSCHAFFEN DURCHBLICK UNKOMPLIZIERT UND K O M P R I M I E R T Inhalt: De Vson 04 Warum PRIME 05-07 De Marktlage 08 Zeterfassung mt PRIME 09 Projektplanung mt PRIME 10-11 Integraton von PRIME (Grafk)

Mehr

Vorsicht! Dies ist nur eine Vorschau der Vorlage.

Vorsicht! Dies ist nur eine Vorschau der Vorlage. Vorschau PDF Btte beachten Se, deses Dokument st nur ene Vorschau der Vorlage. Her werden nur Auszüge der Vorlage dargestellt. Nach dem Kauf der Vorlage steht Ihnen selbstverständlch de vollständge Verson

Mehr

VIP - DEKLARATION UND AUSLEGUNG WÄRMEBRÜCKENKATALOG

VIP - DEKLARATION UND AUSLEGUNG WÄRMEBRÜCKENKATALOG Edgenösssches Departement für Umwelt, Verkehr, Energe und Kommunkaton UVEK Bundesamt für Energe BFE VIP - DEKLARATION UND AUSLEGUNG WÄRMEBRÜCKENKATALOG Schlussbercht a 1 2 3 4 10 7 9 8 7 5 6 Ausgearbetet

Mehr

bciiii $elbbtbc~\~o!lntcti I-Ieim dagegen nictir. Bei freiiidgciiutztcn Inimobilien zeigt ein Vergleich nach Sreucrii, daß das Modell der

bciiii $elbbtbc~\~o!lntcti I-Ieim dagegen nictir. Bei freiiidgciiutztcn Inimobilien zeigt ein Vergleich nach Sreucrii, daß das Modell der uen gegenwärtg d, dle zudem unte 11 'Slgugh..r solltc de Nutzutgs'rt der Innublc 1- rd d.s %~sn\,cau berückschtgt werdenu, rat,,,,,, r Sre~scl~. l)c Nutzungsnrt der Irmoble sctwchtg, wel hc Jer vcrctctc

Mehr

Webshop Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Produkte aus dem Comarch Webshop auf Google Shopping zeigen. www.comarch-cloud.

Webshop Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Produkte aus dem Comarch Webshop auf Google Shopping zeigen. www.comarch-cloud. Webshop SFA ECM Backup E-Commerce ERP EDI Produkte aus dem Comarch Webshop auf Google Shoppng zegen www.comarch-cloud.de Inhaltsverzechns 1 EINFÜHRUNG 3 2 PRODUKTATTRIBUTE ZUWEISEN 3 3 WEBSHOP KONFIGURIEREN

Mehr

Geld- und Finanzmärkte

Geld- und Finanzmärkte Gel- un Fnanzmärkte Prof. Dr. Volker Clausen akroökonomk 1 Sommersemester 2008 Fole 1 Gel- un Fnanzmärkte 4.1 De Gelnachfrage 4.2 De Bestmmung es Znssatzes I 4.3 De Bestmmung es Znssatzes II 4.4 Zwe alternatve

Mehr

Anwenderhandbuch KALKULATIONSSOFTWARE. NetKalk.Tarife 4.0.101 Strom und Gas. Stand des Handbuchs: 6. Mai 2015

Anwenderhandbuch KALKULATIONSSOFTWARE. NetKalk.Tarife 4.0.101 Strom und Gas. Stand des Handbuchs: 6. Mai 2015 Anwenderhandbuch KALKULATIONSSOFTWARE NetKalk.Tarfe 4.0.101 Strom und Gas Stand des Handbuchs: 6. Ma 2015 INHALTSVERZEICHNIS EINFÜHRUNG 1 Das Programm NetKalk.Tarfe... 5 1.1 Zugrff und Besonderheten...

Mehr

econstor zbw www.econstor.eu

econstor zbw www.econstor.eu econstor www.econstor.eu Der Open-Access-Publkatonsserver der ZBW Lebnz-Informatonszentrum Wrtschaft The Open Access Publcaton Server of the ZBW Lebnz Informaton Centre for Economcs Wutz, Andreas Workng

Mehr

Quantitatives IT-Portfoliomanagement: Risiken von IT-Investitionen wertorientiert steuern

Quantitatives IT-Portfoliomanagement: Risiken von IT-Investitionen wertorientiert steuern Quanttatves IT-Portfolomanagement: Rsken von IT-Investtonen wertorentert steuern Dr. Alexander Wehrmann, Dr. Bernd Henrch, Dr. Frank Sefert Kernpunkte Zentraler Bestandtel des IT-Busness-Algnments st das

Mehr

4. Energie, Arbeit, Leistung, Impuls

4. Energie, Arbeit, Leistung, Impuls 34 35 4. Energe, Arbet, Lestung, Ipuls Zentrale Größen der Physk: Energe E, Enhet Joule ( [J] [N] [kg /s ] Es gbt zwe grundsätzlche Foren on Energe: knetsche Energe: entelle Energe: Arbet, Enhet Joule

Mehr

Leitfaden zu den Volatilitätsindizes der Deutschen Börse

Leitfaden zu den Volatilitätsindizes der Deutschen Börse Letfaden zu den Volatltätsndzes der Deutschen Börse Verson.4 Deutsche Börse AG Verson.4 Letfaden zu den Volatltätsndzes der Deutschen Börse Sete Allgemene Informaton Um de hohe Qualtät der von der Deutsche

Mehr

Maschinelle Lernverfahren zur effizienten und interaktiven Auswertung großer Mengen von CAE-Modellvarianten

Maschinelle Lernverfahren zur effizienten und interaktiven Auswertung großer Mengen von CAE-Modellvarianten Maschnelle Lernverfahren zur effzenten und nteraktven Auswertung großer Mengen von CAE-Modellvaranten CAE-Entwcklungsprozesse um en velfaches beschleungen! Prof. Dr. J. Garcke, Fraunhofer Insttut SCAI,

Mehr