Entwicklung eines Kollaborationsnetzwerkes - Bergische Universität ...

einen gegenüber simplen, zum anderen gegenüber komplexen Reduktionsmethoden bewertet
werden. Bezüglich der Verfahren bestanden folgende Annahmen:
Simple Verfahren weisen eine hohe Effizienz auf, erzielen jedoch eine geringe Qualität
Komplexe Verfahren weisen eine geringe Effizienz auf, erzielen jedoch eine hohe Qualität
Anhand der Testreihen sollte ermittelt werden, ob die Verwendung der Entscheidungsheuristik IR A‐E
im Vergleich zu den anderen Verfahren das Potential aufweist, ein akzeptables Verhältnis zwischen
Effizienz und Qualität zu erzielen.
Des Weiteren bestand für die Testphase I aufgrund der in Abschnitt 6.3 erläuterten Vorteile zunächst
die Annahme, dass zur Durchführung der Rangbildung die Outrankingmethode PROMETHEE II eher
geeignet sei, als das Prinzip des summierten Kriteriums per Aggregation. Demnach wurden die
Qualität sowie der Aufwand der einzelnen Verfahren zunächst mit denen einer mittels PROMETHEE II
durchgeführten Rastersuche verglichen.
Während der Durchführung der Potentialanalyse (siehe weiter unten in diesem Abschnitt) hat sich
allerdings herausgestellt, dass sich die durch PROMETHEE ermittelten Ränge aufgrund der
Kandidatenreduktion verändern. Resultierend hieraus wurde die Rastersuche per Aggregation
ebenfalls in die Analyse aufgenommen.
Aufbau des Testszenarios der Testphase I
Wie bereits weiter oben erläutert, wurde zur Definition der Testszenarien auf den in Kapitel 4
vorgestellten Kriterienbaukasten zurückgegriffen. Tabelle 6‐3 führt die parametrisierten Kriterien des
in der Testphase I verwendeten Testszenarios auf. Zur einfachen Benennung wurden die Kriterien
entsprechend ihrer Anwendungsreihenfolge nummeriert.
Nr C Priorität Präferenzskala Parameter zur Präferenzwertberechnung
Name ⊗ Wert abs. rel. PROMETHEE II Aggregation Single
Criterion
1 Entfernung ≤ 30 6 6/21 Boolesch max() Usual | absolute g = 1; b= 0 t = 1
(ja/nein)
2 Bewertung ≥ 4,5 5 5/21 Numerisch; max() Linear | q = 0,2; g = 5; b = 0 t = 4,5
Dezimalstellen: 1
p = 1,0 | absolute
3 FSC‐
= 1 4 4/21 Boolesch max() Usual | absolute g = 1; b = 0 t = 1
Zertifizierung
(ja/nein)
4 Konkurrenzprodukte
= 0 3 3/21 Numerisch; min() Usual | absolute g = 0; b = 2 t = 0
Dezimalstellen: 1
5 Vorgängeraufträge
≥ 3 2 2/21 Numerisch; max() V‐shape | p = 5| g = 5; b = 0 t = 3
Dezimalstellen: 1
absolute
6 Unternehmensbestehen
≥ 25 1 1/21 Numerisch;
Dezimalstellen: 1
max() Linear | q = 5;
p = 15 | absolute
g = 50; b = 0 t = 25
bezeichnet die für ein Kriterium stehende Kriterienbasis | ⊗ bezeichnet einen Operator | bezeichnet die Zielfunktion eines
Kriteriums | q, p, g, b und t bezeichnen Werteschranken der jeweiligen Präferenzfunktionen
Tabelle 6‐3: Parametrisierung der Kriterien in Testphase I
123