Databases Reference
In-Depth Information
musste. Jeder einzelne Antrag enthält die Änderungsantragsnummer, die Arbeitsfolgennum-
mer und den dazugehörigen Text. Um diese Arbeitsfolgen auf Basis des Iterationsgrunds ent-
sprechend zu kategorisieren, wurden folgende vier Methoden diskutiert:
1.
Kategorisierung mit Hilfe der in Kapitel 3.5.2.1 dargestellten Clustering-Methoden (k-
Means, k-Medoids und DBSCAN). Die Methode wurde auf die Datenbasis mit dem
Ziel der Gruppierung der Iterationsgründe angewendet, leider ohne zufriedenstellende
Resultate.
2.
Filtern durch Schlüsselwörter: Die manuelle Prüfung einzelner Arbeitsfolgen ergab sie-
ben Hauptkategorien als Gründe für Iterationen. Für jede dieser Kategorien wurde eine
Liste mit mehreren Schlüsselwörtern erstellt (insgesamt 134 Wörter), anhand derer die
Arbeitsfolgen eingeteilt wurden. Dieses Vorgehen erzielte keine zufriedenstellenden
Resultate, da z. B. eine Arbeitsfolge mehreren Kategorien zugeordnet wurde, oder eini-
ge Arbeitsfolgen nicht zugeordnet werden konnten und dies eine Erweiterung der
Schlüsselwörter erforderlich macht.
3.
Auf den ersten Blick scheint die Bildung einer Ontologie für die Klassifikation der Än-
derungen und der Iterationen sinnvoll. Dies ist im vorliegenden Fall schwierig, da die
Texte gering strukturiert sind und sich die gewählten Sprachformen und genutzten Ab-
kürzungen der Nutzer stark differieren.
4.
Manuelle Kategorisierung als letzte Instanz: Aus der Grundgesamtheit wurden per Zu-
fallsstichprobe 1.400 Genehmigungsarbeitsfolgen aus dem Betrachtungszeitraum 2005
bis 2009 extrahiert, welche den sieben Kategorien
a)
Kosten
b)
Technische/qualitäts-/risiko-/steuerungsbezogene (TQRS) Themen
c)
Fehler
d)
Varianten
e)
Lieferanten
f)
Zeit sowie
g)
kein Grund angegeben
zugeordnet wurden.
Das Resultat dieser Zuordnung ist für die einzelnen Jahre in Abbildung 5-51 dargestellt.
