Dirk Schlüter

Anwendung von maschinellem Lernen zur Kostenprognose in der Ausführung von Anlagenbauprojekten


Vorderseite	Rückseite

ISBN:

978-3-8440-8232-6

Reihe:

Schriftenreihe des Instituts für Baubetrieb und Baumanagement der Universität Duisburg-Essen
Herausgeber: Prof. Dr.-Ing. Alexander Malkwitz
Essen

Schlagwörter:

Großanlagenbau; Kostenprognose; Maschinelles Lernen; multiple lineare Regressionsmodelle; Entscheidungsbäume; Künstliche Neuronale Netzwerke

Publikationsart:

Dissertation

Sprache:

Deutsch

Seiten:

186 Seiten

Abbildungen:

83 Abbildungen

Gewicht:

276 g

Format:

21 x 14,8 cm

Bindung:

Paperback

Preis:

48,80 € / 61,10 SFr

Erscheinungsdatum:

Oktober 2021

Kaufen:

DOI:

10.2370/9783844082326 (Online-Gesamtdokument)

Download:

Verfügbare Online-Dokumente zu diesem Titel:

Sie benötigen den Adobe Reader, um diese Dateien ansehen zu können. Hier erhalten Sie eine kleine Hilfe und Informationen, zum Download der PDF-Dateien.

Bitte beachten Sie, dass die Online-Dokumente nicht ausdruckbar und nicht editierbar sind.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.


	Dokument		Anhang
	Dateiart		PDF
	Kosten		frei
	Aktion		Anzeigen der Datei - 1,9 MB (1997997 Byte)
	Aktion		Download der Datei - 1,9 MB (1997997 Byte)


	Dokument		Gesamtdokument
	Dateiart		PDF
	Kosten		36,60 EUR
	Aktion		Zahlungspflichtig kaufen und anzeigen der Datei - 7,1 MB (7441250 Byte)
	Aktion		Zahlungspflichtig kaufen und download der Datei - 7,1 MB (7441250 Byte)


	Dokument		Inhaltsverzeichnis
	Dateiart		PDF
	Kosten		frei
	Aktion		Anzeigen der Datei - 155 kB (158507 Byte)
	Aktion		Download der Datei - 155 kB (158507 Byte)


	Dokument		Daten
	Dateiart		ZIP
	Kosten		frei
	Aktion
	Aktion		Download der Datei - 1,21 MB (1277050 Byte)

Benutzereinstellungen für registrierte Online-Kunden

Sie können hier Ihre Adressdaten ändern sowie bereits georderte Dokumente erneut aufrufen.

Benutzer:	Nicht angemeldet
Aktionen:	Anmelden/Registrieren Passwort vergessen?

Weiterempfehlung:

Sie möchten diesen Titel weiterempfehlen?

Rezensionsexemplar

Hier können Sie ein Rezensionsexemplar bestellen.

Verlinken

Sie möchten diese Seite verlinken? Hier klicken.

Zusammenfassung

Die Erstellung von Kostenprognosen während der Ausführung von Projekten im industriellen Großanlagenbau gilt als komplex. Die Beurteilung über künftige Kosten- Zustände wird dabei maßgeblich beeinflusst durch eine Vielzahl zu analysierender Parameterkombinationen der direkten und indirekten Anlagenkosten, sowie deren Einflussfaktoren. Darüber hinaus liegt es in der Natur einer Baustellenproduktion, dass Prozesse nicht linear zur Planung verlaufen und Kosten sich anders entwickeln als vorgesehen. Mithin stoßen die gegenwärtig zur Anwendung kommenden Prognoseverfahren, wie z.B. einfache Regressionsmodelle oder Zeitreihenanalysen, an ihre Grenzen. So erreicht die Genauigkeit der Vorhersage derzeit einen bestmöglichen Zustand von ± 3 %. In den letzten Jahren kam es zu Veränderungen in vielen Branchen, wenn große und komplexe Datenmengen zu Prognosen verarbeitet werden mussten. Durch die Anwendung von Methoden des maschinellen Lernens konnten auch dann sehr genaue Vorhersagen getroffen werden, wenn die zu Grunde liegende Informationsbasis multivariat und komplex ist. An dieser Stelle knüpft die Arbeit an. Die Abhandlung zeigt im Ergebnis, dass die Kostenprognosen der maschinellen Lernmodelle allesamt innerhalb eines zulässigen Toleranzbereichs liegen. Somit ist die prinzipielle Eignung gegeben. Darüber hinaus wurde festgestellt, dass maschinelle Lernmodelle bei gleichen Voraussetzungen eine bessere Prognosegenauigkeit erzielen als gegenwärtige Prognoseverfahren.