http://dl.gi.de/handle/20.500.12116/35851 2026-07-23T15:41:23Z http://dl.gi.de/handle/20.500.12116/35865 Intuitionistic Fuzzy Logic – Anwendungsoptionen im IT Service Management Schütze, Roland; Fromm, Hansjörg Die Anwendung von akademischen Forschungsmethoden auf praxisorientierte Geschäftsanforderungen bietet wertvolle Instrumente für die Konzeption und Verbesserung von IT Systemen. Das Forschungspapier beinhaltet die Aufstellung und Ausarbeitung von Methodiken des „Reliability Engineerings“ und der Qualitätssicherung im IT Service Management, die mit Hilfe von Fuzzylogik-basierten Modellen erweitert und inhaltlich verbessert werden. Aufgrund der finanziellen Auswirkungen von Verstößen gegen Service Level Agreements (SLAs) in IT Verträgen gibt es ein starkes Interesse an integrierten Management-Tools zur Leistungsüberwachung von mehrstufigen und verteilten-Anwendungen, die autonom vor aufkommenden Verstößen warnen. Intutionistic Fuzzy Sets (IFS) können hier vielseitig eingesetzt werden um eine Brücke zwischen den Geschäftsanforderungen, bzw. deren monetären Auswirkungen und dem technischem IT Service Level Management zu bilden. Die Arbeit adressiert damit die Herausforderung des „Business and IT Alignment“ dessen Aufgabe es ist, effiziente Service Level Vorgaben zur Unterstützung strategischer Geschäftsziele zu definieren. Durch die Berücksichtigung von unscharfen Kopplungen zu Risiken mit Bewertung von potenziellen negativen Auswirkungen auf den Geschäftserfolg wird ein Service Level Engineering unterstützt, das eine Definition von Kosten/Nutzen optimierten Leistungsmetriken ermöglicht. Managing the quality of virtualized and distributed services is a hot topic in today’s service research. Due to the financial impact of Service Level Agreements (SLAs) there is great research interest in integrated management tools that automatically monitor the performance of multi-tier applications, autonomously warn for arising problems and predict in case of technical incidents on possible frontend impacts or expected business implications. In a SLA-aware service composition problem for minimizing cost without compromising the service quality, the impact of service levels defined for technical services on customers’ business processes, is difficult to estimate. The proposed concept is providing a bridge between business impacts to distributed infrastructure components by defining fuzzy dependency couplings in a practical and feasible manner in order to satisfy the aspects of the fuzzy nature of SLA dependencies. Thus it addresses the “Business- and IT Alignment” challenge to select the cost-optimal Service Level Objective (SLO) and to identify SLA’s that directly affect the performance of the customers’ business departments. The proposed concept applies methods of the Service Level Engineering with a stepwise optimization approach by conducting a two-sided dependency analysis from business to technical layers (and vice versa). Intuitionistic fuzzy-mathematical operations unveil business insights into how service accounts as a whole can improve quality and the proposed approach allows understanding and communicating the true impact of incidents on the business. 2018-01-01T00:00:00Z http://dl.gi.de/handle/20.500.12116/35867 Predictive Maintenance in der industriellen Praxis Bink, Raphael; Zschech, Patrick Prädiktive Instandhaltung stellt eine vorrausschauende Wartungsstrategie dar, die darauf abzielt, bevorstehende Fehler oder die restliche Lebensdauer einer technischen Anlage zu prognostizieren. Mit den Vorhersagen können Wartungsmaßnahmen proaktiv und zustandsabhängig eingeleitet werden, was einen optimierten Ressourceneinsatz ermöglicht. Grundlage dieses Ansatzes ist die Aufzeichnung umfangreicher Maschinendaten und deren Analyse mit Verfahren des maschinellen Lernens, um komplexe Zusammenhänge zwischen Zustandsdaten und entsprechenden Zielvariablen (z. B. der Restlaufzeit) abzubilden. Das Vorhandensein zahlreicher Monitoring-Daten führt jedoch nicht per se zu einer guten Informationslage für die Entwicklung von zielführenden Prognosemodellen. Im vorliegenden Beitrag wird beispielsweise eine Fallstudie vorgestellt, wo die Herausforderung darin bestand, den optimalen Zeitpunkt für einen verschleißbedingten Werkzeugwechsel einer Fräsmaschine vorherzusagen. Da in der Vergangenheit die Fräswerkzeuge häufig weit vor ihrer tatsächlichen Laufzeit getauscht wurden, würde ein Prognosemodell auf Basis dieser Werkzeugstandzeiten ein irrtümliches (in diesem Fall zu risikoscheues) Bild wiedergeben. Vor diesem Hintergrund beschäftigt sich der vorliegende Beitrag mit der Entwicklung eines Verfahrens zur Optimierung einer Wartungsstrategie unter eingeschränkten Informationen ausgehend von einer Fallstudie der industriellen Praxis. Zum Einsatz kommen Verfahren zur Feature Extraction in Zeitreihen, Techniken des Unsupervised Learnings zum Clustern von Zustandsdaten sowie rekurrente neuronale Netze für die Entwicklung eines Prognosemodells zur Bestimmung der Restlaufzeit. Mit dem entwickelten Ansatz ist es möglich, bislang subjektive Entscheidungen durch datengetriebene Entscheidungen zu ersetzen und damit die durchschnittliche Werkzeugstandzeit zu verlängern. Der Beitrag demonstriert weiterhin, wie trotz zunächst unzureichender Informationslage mit Machine Learning Entscheidungsunterstützungssysteme entwickelt werden können. Predictive maintenance is an anticipatory maintenance strategy designed to predict impending errors or the remaining useful lifetime of a technical system. With its predictions, maintenance actions can be taken condition-based and proactively leading to an efficient use of resources. The basis for this approach is the recording of extensive machine data and their analysis with means of machine learning to learn complex relationships between condition data and related target variables, e. g. the remaining useful life. However, the existence of numerous monitoring data does not imply that there is a good information base for the development of meaningful predictive models. In this paper, for example, a study is presented where the challenge was to predict the optimal time to replace a wear-induced tool of a milling machine. Since in the past the milling tools were often replaced way before the end of their actual lifetime, a predictive model based on this training data would describe a risk averse and thus non-optimal maintenance strategy. Against this background, the present paper deals with the development of a methodology for optimizing a maintenance strategy based on incomplete information from industrial practice. The proposed methodology is based on a broad range of analytical techniques, including feature extraction for the preprocessing of time series data, unsupervised learning for clustering condition monitoring data and a recurrent neural network for the development of a predictive model to determine the remaining useful life. With the approach developed, it is possible to replace decisions which were so far taken based on subjective criteria with data-driven decisions to increase the milling tool lifetime. Additionally, this work contributes to the question how to develop decision support systems despite vague and insufficient information with the means of machine learning. 2018-01-01T00:00:00Z http://dl.gi.de/handle/20.500.12116/35866 Kognitive Verzerrungen und informationelle Privatsphäre bei mobilen Applikationen Buck, Christoph; Burster, Simone; Eymann, Torsten Durch die tiefgreifende Integration von Informationssystemen, durch bspw. Smartphones und Tablets, in den privaten und beruflichen Alltag stellt die informationelle Privatsphäre von Nutzern einen hochgradig relevanten Untersuchungsgegenstand für Wissenschaft und Praxis dar. Obwohl persönliche Daten im digitalen Zeitalter einen bedeutenden wirtschaftlichen Wert darstellen, erfolgt deren Preisgabe häufig beiläufig und unbewusst. In mobilen Ökosystemen ist die Entscheidung für eine mobile Applikation oft direkt verknüpft mit der Preisgabe von persönlichen Daten. Diese Entscheidungssituationen unterliegen zu einem großen Maße Unsicherheiten, Ungewissheiten und asymmetrischer Informationen – trotzdem beziehen Nutzer massenhaft mobile Applikationen und digitale Services. Scheinbar paradoxes Verhalten wie dieses wird in der Sozialpsychologie und der Verhaltensökonomie oft dadurch erklärt, dass die Entscheidungen von niedrigen kognitiven Anstrengungen geprägt sind und sich durch äußere Einflüsse manipulieren lassen. Derartige Effekte wurden im Rahmen einer experimentellen Serie durch die Anwendung unterschiedlicher Stimuli untersucht. Die Ergebnisse stützen die Sichtweise, dass Nutzer in digitalen Systemen bzgl. der Preisgabe ihrer persönlichen Daten mit nur niedriger kognitiver Anstrengung entscheiden. Diese Erkenntnisse führen zu möglichen Implikationen für App-Entwickler, den Verbraucherschutz sowie zukünftige Forschungsarbeiten im Rahmen der Datenfreigabe und des Datenschutzes. Due to the profound integration of information systems, e. g. by smartphones and tablets, into the private and professional daily routines, information privacy of users is a highly relevant topic for research and practice. Even though personal data represents an important economic value in the digital age, the disclosure of personal information is often incidental and unconscious. The decision-making for an app in mobile ecosystems is often connected with the disclosure of personal information. Such decision-making situations underlie uncertainties, ambiguities and asymmetric information to a high degree—nevertheless users are obtaining vast numbers of mobile applications and digital services. This seemingly paradoxically behavior is according to research in social psychology and behavioral economics due to the facts that decision-making is dominated by low cognitive effort and can be manipulated by extraneous influences. Such effects have been investigated within the scope of an experiment series using different stimuli. The results support the view that users in digital systems make their decisions regarding the disclosure of personal information with low cognitive effort. Those findings have implications for app developers, consumer protection as well as further research activities in the field of data disclosure and data protection. 2018-01-01T00:00:00Z http://dl.gi.de/handle/20.500.12116/35863 Nutzung von Persönlichkeitsprofilen zur Steigerung von Kooperation in virtuellen Teams Lamprecht, Jens; Ahmad, Rangina; Robra-Bissantz, Susanne Persönlichkeitstests haben schon länger Einzug gefunden in Bewerbungsgespräche größerer Unternehmen. Diese Tests liefern Persönlichkeitsprofile, die Eigenschaften des Bewerbers anhand mehrerer unscharfer (fuzzy) Dimensionen beschreiben und Aufschluss geben sollen, über die Eignung des Bewerbers – ist dieser besonders teamfähig und kreativ, bereit zu Höchstleistungen oder steht er sich womöglich oft selbst im Weg. Neben der Leistung des Einzelnen spielt aber vor allem auch die Leistung in und von Arbeitsgruppen eine wesentliche Rolle im Berufsalltag. Dabei stößt man durch den Trend zur Globalisierung auch vermehrt auf virtuelle Teams, mit Teammitgliedern aus räumlich verteilten Standorten. Oftmals entstehen hierbei Konstellationen, die das verfügbare Potenzial nicht vollständig ausschöpfen. Um den Arbeitsprozess in diesen virtuellen Teams effektiver, kreativer und reibungsloser zu gestalten, beschreiben wir einen Ansatz, bei dem automatisch erfasste Persönlichkeitsprofile aus User Generated Content genutzt werden, um Teams möglichst optimal zusammenzustellen. Jeder Nutzer nimmt dabei im Team eine Rolle ein, die seiner Persönlichkeit am besten entspricht und er sich somit optimal in die Gruppenarbeit einbringen kann. Personality tests have found their way into job interviews for quite some time now. These tests provide personality profiles describing the characteristics and suitability of the candidates by means of several fuzzy dimensions, such as how agreeable, conscientious or emotionally stable the applicants are. In addition to the performance of the individual, the performance within and by working groups play an important role in professional life. As a result of the trend towards globalization, more and more virtual teams (where team members work from different geographic locations) are increasingly being used. Often, this creates constellations that do not fully exploit the available potential. In order to make the work process in these virtual teams more effective, creative and smooth, we describe an approach in which personality profiles that are automatically generated from user-generated content are used to compile teams as optimally as possible. Each user plays a role in the team that best suits his or her personality and can thus contribute to the group work optimally. 2018-01-01T00:00:00Z