Was ist eine Lernkurve von James R. Martin, Ph. D. CMA Professor Emeritus, Universität von South Florida Zitat. Martin, J. R. Nicht datiert. Was ist eine Lernkurve Management und Buchhaltung Web. Englisch: www. tab. fzk. de/en/projekt/zusammenf...ng/ab117.htm Die Theorie der Lernkurve oder der Erfahrung 1 Kurve basiert auf der einfachen Idee, dass die Zeit, die zur Durchführung einer Aufgabe erforderlich ist, abnimmt, wenn ein Arbeiter Erfahrungen sammelt. Das grundlegende Konzept besteht darin, dass die Zeit oder Kosten einer Ausführung einer Aufgabe (z. B. Erzeugen einer Ausgabeeinheit) mit einer konstanten Rate abnimmt, wenn sich die kumulative Ausgabe verdoppelt. Lernkurven eignen sich für die Vorbereitung von Kostenvoranschlägen, das Bieten von Sonderaufträgen, die Festlegung von Arbeitsnormen, die Festlegung von Arbeitsanforderungen, die Bewertung der Arbeitsleistung und die Festlegung von Anreizlöhnen. Es gibt zwei verschiedene Lernkurvenmodelle. Das ursprüngliche Modell wurde von T. P. Wright im Jahre 1936 entwickelt und wird als das kumulative Durchschnittsmodell oder Wrights-Modell bezeichnet. Ein zweites Modell wurde später von einem Team von Forschern in Stanford entwickelt. Ihr Ansatz wird als Inkrementaleinheit Zeit (oder Kosten) Modell oder Crawfords Modell bezeichnet. Einfache Lernkurvenprobleme werden mit dem Wrights-Modell leichter eingeführt, obwohl das Crawfords-Modell in der Praxis weit verbreitet ist. So werden wir prüfen Wrights-Modell zuerst und Crawfords etwas mehr beteiligten Ansatz zweitens. Wrights Kumulatives Durchschnittsmodell Im Wrights-Modell wird die Lernkurvenfunktion wie folgt definiert: wobei: Y die kumulative Durchschnittszeit (oder Kosten) pro Einheit ist. X die kumulative Anzahl der produzierten Einheiten. Eine Zeit (oder Kosten), die erforderlich ist, um die erste Einheit zu erzeugen. B Steilheit der Funktion bei Auftragung auf logarithmisches Papier. Protokoll der Lernrate / Protokoll von 2. Für eine 80 Lernkurve b log .8 / log 2 -.09691 / .301 -.32196 Wenn die erste Einheit 100 Stunden benötigt, wäre die Gleichung: Die Gleichung für kumulative Gesamtstunden (Oder Kosten) durch Multiplizieren beider Seiten der kumulativen Durchschnittsgleichung mit X. Da X mal X b X 1b. So ist die Gleichung für die kumulative Gesamtarbeitszeit XY 100X 1 - .322 100X .678 Eine 80% ige Lernkurve bedeutet, dass die kumulative durchschnittliche Zeit (und Kosten) um jeweils 20% sinken wird, sobald sich die Ausgabe verdoppelt. Mit anderen Worten wird der neue kumulative Mittelwert für die doppelte Menge 80 des vorherigen kumulativen Durchschnitts sein, bevor die Ausgabe verdoppelt wird. Nehmen wir zum Beispiel an, dass die direkte Arbeitskosten 20 pro Stunde bei dem obigen Problem beträgt. Die kumulierten durchschnittlichen Stunden und Kosten sowie die kumulativen Gesamtstunden und Kosten werden unten für die doppelten Mengen 1 bis 8 angegeben. Tabelle 1: Beispiel für ein Wrights-Modell mit einer 80 Lernkurve 1 Kumulative Leistung X 2 Kumulierte Gesamtarbeitszeit XYh 3 Kumulative Durchschnittsarbeitszeit Stunden Yh 4 Kumulierte Gesamtarbeitskosten XYc Beachten Sie, dass sich die kumulativen Durchschnittsspalten 3 und 5 um 20 verringern, wenn die Ausgabe verdoppelt wird oder der neue kumulative Durchschnitt 80 des vorherigen kumulativen Durchschnitts beträgt. Die kumulativen Gesamtsäulen 2 und 4 steigen mit einer Rate, die gleich der doppelten Lernrate ist, oder 160 in diesem Fall. Da diese Änderungsraten konstant bleiben, können Tabellen für doppelte Mengen leicht entwickelt werden. Für Mengen zwischen den doppelten Mengen sind jedoch die Gleichungen erforderlich. Nehmen wir zum Beispiel an, dass die Firma acht Einheiten produziert hat, wie in der Tabelle angegeben. Wie viel wird es kosten, um zehn zusätzliche Einheiten zu erzeugen Jede der Gleichungen für Y h. Y c. XY h oder XY c verwendet werden, um das Problem zu lösen. Jedoch ist das Arbeiten mit der Gleichung für kumulative Gesamtkosten der schnellste Weg, um die Lösung zu erhalten. Die Antwort wird durch Subtrahieren der Kosten der ersten 8 von den Herstellungskosten der ersten 18 ermittelt. Die Verwendung der Gleichung für kumulative Gesamtkosten erzeugt die Antwort in zwei Schritten wie folgt: Kosten der ersten 18 XY c 2.000 (18) .678 14,194 Weniger Kosten für die ersten 8 -8.192 Kosten für 10 zusätzliche Einheiten 6.002 Somit erfordert die Herstellung von 10 zusätzlichen Einheiten rund 6.002 zusätzliche direkte Arbeitskosten. Crawfords Inkrementale Zeiteinheit (oder Kostenmodell) Die Gleichung, die im Crawfords-Modell verwendet wird, lautet wie folgt: wobei Y die inkrementale Einheitszeit (oder Kosten) der Losmittelpunkteinheit ist. K der algebraische Mittelpunkt einer bestimmten Produktionscharge oder Loses. X (dh die kumulative Anzahl der produzierten Einheiten) kann in der Gleichung anstelle von K verwendet werden, um die Einheitskosten einer bestimmten Einheit zu finden, aber die Bestimmung der Einheitskosten der letzten hergestellten Einheit ist nicht für die Bestimmung der Kosten einer Charge von Nutzen Einheiten. Die Stückkosten pro Einheit in der Charge müssten separat bestimmt werden. Dies ist offensichtlich kein praktischer Weg, um die Kosten einer Charge zu lösen, die Hunderte oder sogar Tausende von Einheiten beinhalten kann. Ein praktischer Ansatz beinhaltet die Berechnung des Mittelpunkts des Loses. Die Einheitskosten der Mittelpunkteinheit sind die durchschnittlichen Stückkosten für die Partie. Somit werden die Kosten der Partie durch Berechnen der Kosten der Mittelpunkteinheit und dann Multiplizieren mit der Anzahl von Einheiten in der Partie gefunden. Da die Beziehungen nicht linear sind, erfordert der algebraische Mittelpunkt die Lösung der folgenden Gleichung: K L (1b) / (N2 1b - N1 1b) -1 / b wobei: K der algebraische Mittelpunkt der Partie ist. L die Anzahl der Einheiten in der Partie. B Log der Lernrate / Log von 2 N1 die erste Einheit in der Partie minus 1/2. N2 die letzte Einheit in der Partie plus 1/2. Sobald Y c für den algebraischen Mittelpunkt eines Loses bestimmt ist, werden die Kosten des gesamten Loses durch Multiplizieren von Y c mit der Anzahl der Einheiten in dem Los, wie oben angegeben, gefunden. Ein Beispiel für eine 80-prozentige Lernkurve, die auf dem Crawfords-Zeitmodell (oder Kostenmodell) basiert, kann in ähnlicher Weise wie in Tabelle 1 entwickelt werden, mit der Ausnahme, dass die Einheitswerte für die doppelten Mengen um 20 anstatt der kumulativen Durchschnittsmengen abnehmen. Tabelle 2: Beispiel eines Crawfords-Modells mit einer 80 Lernkurve 1 Kumulierter Output X 2 Inkrementelle Einheit Arbeitsstunden Yh 3 Kumulierte Gesamtarbeitszeiten Kh (Yh) Beachten Sie aus Tabelle 2, dass die Arbeitsstunden der Einheit (Spalte 2) und die Lohnstückkosten (Spalte 4) verringern sich jeweils um 20, wenn die kumulative Ausgabe verdoppelt wird. Die kumulierten Gesamtarbeitsstunden (Spalte 3) und die kumulativen Gesamtarbeitskosten (Spalte 5) steigen jedoch um einen variablen Satz. Dies bedeutet, dass die Säulen 3 und 5 viel schwieriger zu entwickeln sind. Es bedeutet auch, dass die kumulativen Gesamtstunden und Kosten, die durch die beiden Modelle erzeugt werden, nicht kompatibel sind, wenn sie auf derselben Lernrate basieren. Zum Beispiel Vergleich Spalte 2 in Tabelle 1 mit Spalte 3 in Tabelle 2. Die kumulative Gesamtstunden für 8 Einheiten ist 409,6 auf Wrights-Modell und 534,6 basierend auf Crawfords-Modell basiert. Ein weiterer Unterschied ist, dass die kumulierten durchschnittlichen Stunden und Kosten sinken durch eine variable Rate in Crawfords-Modell. Dies stellt bei der Verwendung von Crawfords-Modell kein Problem dar, da die kumulativen Durchschnittswerte für die Kostenvorhersage nicht erforderlich sind. Zur Veranschaulichung der Verwendung der algebraischen Mittelpunktgleichung und des Crawfords-Ansatzes wird angenommen, dass die Firma im obigen Beispiel 2 Einheiten produziert hat und die Kosten der Herstellung von 4 zusätzlichen Einheiten bestimmen möchte. Eine Möglichkeit, die Antwort zu finden, besteht darin, die Einheitskosten für jede Einheit 3 bis 6 zu berechnen und dann diese Werte zu summieren. Das funktioniert ziemlich gut für eine Menge von 4 Einheiten, aber wäre nicht eine praktische Möglichkeit, die Kosten für 40, 400 oder 4.000 zusätzliche Einheiten zu bestimmen. Der Mittelpunkt der Partie ist: KL (1b) / (N2 1b - N1 1b) -1 / b 4 (.678) / (6.5 .678 - 2.5 .678) 1 / .322 2.712 / (3.55758 - 1.86124) 3.10559 4.2938 Die Kosten der Mittelpunktseinheit betragen: Y c 2.000 (4.29385) -.322 1.250.99 und die Gesamtkosten für das Los von 4 4 (1.250,99) 5,005 Eine Alternative ist, die Gleichung für Stunden wie folgt zu verwenden: Y h 100 ( 4.29385) -.322 62.5494 Stunden Dann sind die Gesamtkosten für das Los von 4 4 (62.5494) (20) 5.004. Finden der Lernrate, wenn doppelte Mengen nicht verfügbar sind Die oben angegebenen Gleichungen zeigen, wie die Lernkurve verwendet wird, um die Zeit und die Kosten einer bestimmten Menge von Einheiten vorauszusagen, vorausgesetzt, dass wir die Lernrate kennen. Eine wichtige Frage, die in diesem Punkt nicht berücksichtigt wird, ist, wie finden wir die Lernrate in erster Linie Wenn wir Daten für zwei Lose von Einheiten haben, können wir die Lernrate mit Hilfe gleichzeitiger Gleichungen finden. Angenommen, zwei Lose wurden hergestellt, ein Los enthielt 2 Einheiten und ein zweites Los enthielt 4 weitere Einheiten. Anzahl der Einheiten im Lot Wir können für die Lernrate mit Wrights-Modell oder Crawfords-Modell zu lösen, aber die Verfahren und Lernraten sind unterschiedlich. Verwenden Sie das Wrights-Modell, um die Lernrate zu finden: Die Gleichungen für die beiden Lots sind: Konvertieren Sie diese in die Log-Formulare, die wir haben: log 72 log a (1 b) (log 2) log 183 log a (1 b) Berechnen der angezeigten logarithmischen Werte: 1.8575 log a (1 b) (0,303) 2,2625 log a (1 b) (1,7782) 1,8575 log a .301 .301b 2.2625 log a .7782 .7782b Subtrahieren der ersten Gleichung von der Die zweite Gleichung liefert die folgende Gleichung, die leicht für b gelöst werden kann. 405 .4772 .4772b Ersetzt man b in eine der ursprünglichen Gleichungen, a 40. Dann wird die Lernrate durch Verwendung der Gleichung für b gefunden, dh b log der Lernrate / log von 2 -.151 Log der Lernrate /. 301 log der Lernrate -.151 (.301) -04545 Die Lernrate der Antilog 10 -.04545 .90 So ist die Gleichung für kumulative durchschnittliche Stunden: und die Gleichung für kumulative Gesamtstunden ist: Mit Crawfords Model zu finden Die Lernrate: Um die Lernrate mit dem Crawfords-Modell zu finden, müssen wir den algebraischen Mittelpunkt für jedes Los finden, das in den Gleichungen benötigt wird, die gleichzeitig gelöst werden müssen. Wir können die Formel für K nicht verwenden, weil sie den Wert von b enthält, der unbekannt ist. Daher müssen wir die von Liao beschriebenen alternativen Mittelpunktformeln verwenden. 309. Der Mittelpunkt des ersten Loses ist: A (L 1) / 3 .5 (21) / 3 .5 1.5 Der Mittelpunkt der folgenden Lose ist: A (L / 2) Gesamteinheiten in allen vorhergehenden Losen 4/2 2 4 Nach dem Finden von ungefähren Mittelpunkten können wir zwei Gleichungen entwickeln, eine für jede Partie wie folgt: Die durchschnittlichen Stunden für die Mittelpunkteinheiten finden: 72/2 36 für den Mittelpunkt in Los 1. (183 - 72) / 4 27,75 für den Mittelpunkt in (Log2) 1.5563 log ab (.17609) 1.44326 log ab (.603) Wechseln der Zeichen in Gleichung 2 Und dann addiert man die beiden Gleichungen: Dann wird a bestimmt: Die Gleichung für die inkrementelle Zeiteinheit ist: Die Lernrate wird unter Verwendung der Gleichung für b gefunden, wie oben im Beispiel für das Wrights-Modell angegeben. B Log der Lernrate / Protokoll von 2 -.2654 Log der Lernrate / .301 Log der Lernrate (.301) (- 2654) .079885 Die Lernrate antilog .079885 .83198. Vergleicht man die beiden Lernraten haben wir .90 für Wrights-Modell und .832 für Crawfords-Modell. Dies verstärkt die Tatsache, dass die beiden Modelle nicht kompatibel sind, wenn die gleiche Lernrate verwendet wird. Mit anderen Worten, der gleiche Datensatz erzeugt immer zwei unterschiedliche Lernraten unter den zwei getrennten Modellen, da die Einheitszeit und die kumulative Durchschnittszeit nicht mit der gleichen Rate abnehmen. Das beste Modell ist dasjenige, das Zeit - und Kostenschätzungen erzeugt, die den tatsächlichen Ergebnissen am nächsten sind. Lernkurven reichen von 70 bis 100. Eine Lernkurve unter 70 ist selten. Eine 100 Lernkurve zeigt überhaupt kein Lernen an. Andererseits würde eine 50 Lernkurve anzeigen, dass keine zusätzlichen Zeit oder Kosten für zusätzliche Einheiten jenseits der ersten Einheit erforderlich wären, da die kumulative Durchschnittszeit (im Wrights-Modell) oder die inkrementelle Zeiteinheit (im Crawfords-Modell) wären Bei jeder Doppelausgabe um 50 verringern. Dies bedeutet, dass sich die kumulative Gesamtzeit nicht erhöhen würde, da sie 100 der vorherigen kumulativen Gesamtzeit entsprechen würde. 1 Der Begriff Erlebniskurve ist mehr ein Makrokonzept, während der Begriff Lernkurve ein Mikrokonzept ist. Der Begriff Erfahrungskurve bezieht sich auf die Gesamtproduktion oder die Gesamtproduktion einer Funktion wie Herstellung, Vermarktung oder Vertrieb. Die Entwicklung von Erfahrungskurven wird der Arbeit von Bruce Henderson von der Boston Consulting Group um 1960 zugeschrieben. Liao, S. S. 1988. Die Lernkurve: Wrights-Modell gegen Crawfords-Modell. Ausgaben im Buchhaltungswesen (Herbst): 302-315. Morse, W. J. 1972. Berichterstattung der Produktionskosten, die dem Lernkurvenphänomen folgen. Der Buchhaltungsbericht (Oktober): 761-773. (JSTOR-Verbindung). Für weitere Informationen über die Lernkurve Modelle finden Sie in der Lernkurve Bibliographie. Die Lernkurve für laparoskopische völlig extraperitoneale Herniorrhaphie durch gleitende Durchschnitt Zusammenfassung Zusammenfassung Zusammenfassung Zusammenfassung ABSTRAKT: Zweck Laparoskopische Total extraperitoneale (TEP) Reparatur von Leistenbruch ist technisch schwierig genug, um hohe zu bauen Zutrittsschranke. Der Zweck dieser Studie war es, klinische Faktoren, die technische Schwierigkeiten mit laparoskopischen TEP nach Lernzeit zu bestimmen. Methoden Wir führten eine retrospektive Studie von 112 erwachsenen Patienten durch, die laparoskopische TEP für einseitige Leistenhernien von Januar 2009 bis September 2013 unterzogen. Ein technisch schwieriger Fall wurde definiert als die 70. Perzentile oder mehr in der Verteilungskurve der operativen Zeit, große Komplikationen oder offen Umwandlung. Ergebnisse Die Rate der Body-Mass-Index (BMI) über 25 kg / m2 war signifikant höher in der schwierigen Gruppe als die ungleich schwierige Gruppe in der Lernperiode der laparoskopischen TEP (57,9 vs 26,8, bzw. P 0,020). Allerdings zeigte sich im Erfahrungszeitraum kein statistischer Unterschied zur technischen Schwierigkeit (31,3 vs. 33,3, P 0,882). In multivariater Analyse wurde BMI (25 kg / m2) als signifikanter unabhängiger Faktor für technische Schwierigkeiten mit laparoskopischen TEP in der Lernperiode identifiziert (Odds Ratio, 4.572 P 0,015). Fazit Patientx27s BMI (25 kg / m2) kann technische Schwierigkeiten mit laparoskopischen TEP nur in der Lernphase, aber nicht in der Erfahrung. Daher könnte BMI als eine der Richtlinien für die Patientenwahl, insbesondere für Chirurgen in der Lernkurve von laparoskopischen TEP angewendet werden. Volltext Artikel Okt 2014 Byung Soo Park Dong Yeon Ryu Gyung Mo Son Yong Hoon Cho Zusammenfassung Abstraktes abstrakt ABSTRAKT: Die moderne Medizin steht zunehmend in einem Spannungsfeld zwischen den fortschreitenden Entwicklung Neue Technologien und der parallelen zunehmenden Einschrnkung finanzieller Ressourcen im Gesundheitswesen. Es ist eine wissenschaftliche Untermauerung, die aus dem Blickwinkel des Patientennutzens und der gesundheitskonomischen Verhältnisse in der klinischen Praxis zu betrachten. Letzten Beitrag melden Auf Beitrag antworten Beitrag melden Antwort mit Zitat Kapitel Jan 2015 Annalen der chirurgischen Behandlung und Forschung Prof. Dr. med. Moritz WenteA Vergleich von Lernkurvenanalyse und Moving Average Ratio Analysis für detaillierte operative Planung Diese Studie untersucht die Anwendung der Lernkurvenanalyse für die Produktionsplanung auf der Detailkomponentenebene unter verschiedenen Bedingungen, dargestellt durch Faktoren der Produktumsatzrate, Lernrate, Varianzniveaus , Und Planungshorizontlänge. Es stellt auch eine Alternative zur Lernkurvenanalyse dar, die die Aggregation von Kostendaten über die Zeit betrachtet. Bei dieser Alternative handelt es sich um eine periodische Überarbeitung von Standardkosten-Daten unter Verwendung gleitender Durchschnittsprognosen, um die Produktivitätsentwicklung zu reflektieren. Die Ergebnisse dieser Studie zeigen, dass in den meisten Fällen eine gleitende Durchschnittsanalyse eine bessere Schätzung der kurzfristigen, detaillierten Komponentenbetriebskosten liefern kann als entweder eine Lernkurvenanalyse oder eine Standardanalyse. Möchten Sie den Rest dieses Artikels lesen. (Chung, 2001), Kosten (Waring, 1991), Output (Yelle, 1979), Ausbeute (Chung, 2001) erforderlich (Dompere und Nti, 1991) oder andere (Dorroh et al., 1986). Die Verwendung eines Potenzmodells wurde allgemein vereinbart (1) (Smunt, 1986), um die Lerngeschwindigkeit zu bestimmen. Es besteht auch eine allgemeine Vereinbarung über die bevorzugten unabhängigen Variablen (Anzahl der produzierten Einheiten und Investitionen) und die bevorzugten abhängigen Variablen (Kosten, Leistung und Ertrag). Abstrakt Zusammenfassung Zusammenfassung ABSTRAKT: Globale Energie - und Umweltprobleme nehmen in der Schwere zu. Weltweit sind die Länder mehr besorgt und stärker darauf bedacht, ihre energiesparenden und emissionsmindernden Anstrengungen zu verstärken, die Umwelt zu schützen und die Entwicklung neuer Energie zu fördern. Solarenergie wird zum Hauptstrom der globalen Energieindustrie wegen seiner bedeutenden Betriebsmittel und der niedrigen Kosten. Dieses Papier gibt einen Überblick über den aktuellen Stand der Photovoltaik-Photovoltaik-Technologie (Photovoltaik oder PV) in China und spricht sein Potenzial für zukünftige Kostensenkungen an. Dieses Papier analysiert die Beziehung zwischen den aktuellen Kosten für erneuerbare Energie und kumulative Produktion, Entwicklung und Demonstration Ausgaben und andere institutionelle Einflüsse. Der theoretische Rahmen einer Lernkurve bietet eine vollständige Methodik zur Untersuchung der zugrundeliegenden Kapitalkosten-Trajektorie bei der Entwicklung von Stromkostenschätzungen, die in energiepolitischen Planungsmodellen verwendet werden. Die kumulative Produktion, die benötigt wird, um Break-Even (der Punkt, an dem PV mit konventionellen Alternativen konkurrenzfähig ist) zu erreichen, wird für einen Bereich von Lernkurvenparameterwerten geschätzt. Die gesamtgesellschaftlichen Kosten (Verschmutzungskosten und Mehrwertsteuer berücksichtigt) von PV werden berechnet und die Frage, ob und wie die Kostenobergrenze überbrückt werden kann, ist die Differenz zwischen dem, was diese kumulative Produktion kostet und was sie wäre Wenn sie auf einem derzeit wettbewerbsfähigen Niveau hergestellt werden könnten. Wir schätzen auch, wie viel PV gewinnen könnte, wenn die externen Kosten (die auf Umwelt - und Gesundheitsschäden zurückzuführen sind) verinnerlicht wurden, etwa durch eine Energiesteuer. Wir verwenden die simulierten Ergebnisse, um Vorschläge für die relevante PV-Industriepolitik zu liefern. Vollständiger Text Artikel Jan 2015 Die entsprechenden abhängigen Variablen sind Preis (Chung, 2001), Kosten (Waring, 1991 Argote und Epple, 1990 Fauber, 1989, Camm et al., 1987), Ausgabe (Yelle, 1979, Lieberman, 1984), (Chung, 2001 Gruber, 1994, Mody and Wheeler, 1987), Arbeitsaufwand (Dompere und Nti, 1991, Gerchak und Parlar, 1990 Boucher, 1987, Roser and Sundby, 1985, Yelle, 1979, Liao und Noftsinger, 1977, Wright, Einige andere Eingaben (Dorroh et al., 1986). Es gibt eine allgemeine Vereinbarung über die Verwendung eines Power-Modells (1) (Smunt, 1986a Kantor und Zangwill, 1991), um die Rate des Lernens zu etablieren. Es gibt auch eine allgemeine Vereinbarung über die bevorzugten unabhängigen Variablen (Anzahl der produzierten Einheiten und Investitionen) und die bevorzugten abhängigen Variablen (Kosten, Leistung und Ertrag). (MEMS), da diese Entscheidungen häufig auf Annahmen beruhen, die nur für ausgereifte nachhaltige Prozesstechnologien gelten. Deutsch: bio-pro. de/de/region/biolago/magazi...0/index. html. Dies ist ein großes Problem, da die aufkommenden Verfahrenstechnologien die Treiber des Wirtschaftswachstums sind, insbesondere in den Industrieländern. Wir betrachten die Literaturkurve Literatur und integrieren sie mit der Literatur über technologische Trajektorien und Innovation, um eine Theorie für die Modellierung der Lernkurve für neue Technologien zu entwickeln. Artikel November 2004 Jonathan D. Linton Steven T. Walsh quotOne Methode der Modifikation von Datenbanken für das Lernen Kurve Analyse ist es, die Lot-Daten in größeren Zeit-Buckets aggregieren. Smunt (1986a) veranschaulichte, dass eine solche Zeitaggregation bei der Vorhersage von Lerntrends ohne explizite Verwendung der Lernkurvenanalyse vorteilhaft sein könnte, wenn die Datenabweichung hoch war. In der Smuntx27s-Studie wurde eine Simulationsanalyse durchgeführt, um die Genauigkeit von Vorhersagen zu testen, wobei eine gleitende Durchschnittsmethode (die die Aggregation von Kostendaten einiger Lose enthielt) mit einer typischen Lernkurven-Regressionsanalyse verglichen wurde. Zusammenfassung Abstract Zusammenfassung ABSTRACT: Während die meisten der bisherigen Untersuchungen über Lern - und Erfahrungskurven die Kostenverbesserungen auf Produktsebene untersuchen, untersuchen wir die Anwendung der Lernkurvenanalyse auf der detaillierten Bauteilproduktionsebene. Unter Verwendung umfangreicher Betriebsdaten von einer mittelständischen Handelsfirma entdeckten wir, dass die unordentlichen Daten (d. H. Ein hohes Maß an Datenabweichung) auf den detaillierten Ebenen oft zu einer verringerten Entscheidungsträgervertrauen in die Schätzungen der Lernraten führen. Allerdings haben wir auch festgestellt, dass durch die Anwendung einfacher Aggregation Methoden, könnten wir besser bestimmen, die Genauigkeit der vorhergesagten Lernkurve Preise. Ein erhöhtes Vertrauen in die Lernkurvenschätzungen wird durch Vergleich von Regressionschätzungen, die auf der detaillierten Datenebene durchgeführt wurden, mit denen, die auf verschiedenen aggregierten Datenebenen durchgeführt wurden, ermöglicht. Basierend auf unserer Analyse der empirischen Daten sind wir in der Lage, einen Einblick in die praktische Anwendung der Lernkurvenanalyse und der damit verbundenen Datenaggregation mit chaotischen Werkstattdaten zu geben. Vollständiger Artikel Jan. 2003 Timothy L Smunt Charles A Watts
No comments:
Post a Comment