威尼斯赌博游戏_威尼斯赌博app-【官网】

图片

威尼斯赌博游戏_威尼斯赌博app-【官网】

图片

Die Forschung am Lehrstuhl besch?ftigt sich mit der mathematischen Modellierung und L?sung betriebswirtschaftlicher Entscheidungsprobleme mit Methoden des Operations Research. Die untersuchten Probleme stammen in der Regel aus den Bereichen Pricing & Revenue Management oder Smart Logistics & Mobility.

?

Das Ziel ist es, handhabbare und zugleich realistische Modelle zu entwickeln, welche die im Rahmen?der Digitalisierung verfügbar werdenden Daten bestm?glich nutzen. Die Entwicklung effizienter und skalierbarer Methoden und ihre Anwendung auf aktuelle Fragestellungen soll es erm?glichen, Erkenntnisse zu gewinnen, welche nicht nur aus theoretischer Sicht von Interesse sind, sondern auch Werte für die Praxis schaffen.

?

Regelm??ig werden entsprechende Fragestellungen mit Kooperationspartnern aus der Industrie bearbeitet. Dazu z?hlten und z?hlen u. a. GLS, IBM, Sixt, TUI sowie ZeppelinRental. ?

? Universit?t Augsburg

Choice-Based Optimization

Die Modellierung von Pr?ferenzen und des Wahlverhaltens von Akteuren in M?rkten und die darauf basierende Formulierung von Optimierungsmodellen bilden das Fundament der Forschung am Lehrstuhl. Die betrachteten Akteure sind in der Regel Nachfrager von Dienstleistungen (z. B. Flüge oder Belieferungen), es kann sich aber auch um Anbieter (etwa selbst?ndige Fahrer im Rahmen des Crowdshipping) handeln.

?

Zur Segmentierung der Akteure entsprechend ihres Wahlverhaltens und zur Kalibrierung der darauf aufbauenden Erkl?rungsmodelle kommen unterschiedliche Methoden der Datenanalyse und des maschinellen Lernens zum Einsatz (z. B. Clustering und Preference Learning). Je nach betrachteter Fragestellung k?nnen im Rahmen der eigentlichen Entscheidungsunterstützung statische, deterministische oder dynamische, stochastische Optimierungs?modelle entstehen. Für den Fall, dass sich die resultierenden Optimierungsmodelle unter Verwendung?von Standardsoftware nicht effizient l?sen lassen, werden spezialisierte L?sungsverfahren entwickelt. Zum einen handelt es sich dabei um?moderne Heuristiken (z. B. evolution?re Algorithmen und adaptive lokale Suche), zum?anderen um Verfahren der approximativen, dynamischen Optimierung. Letztere erm?glichen unter Rückgriff auf Methoden der künstlichen Intelligenz, Entscheidungen in Echtzeit zu unterstützen.
?

? Universit?t Augsburg

Wichtigste Anwendungsfelder

Pricing & Revenue Management

Das Revenue Management befasst sich mit Konzepten und Methoden zur optimalen Gestaltung von Absatzprozessen für Dienstleistungen und kommt z. B. bei Fluggesellschaften, Automobilvermietungen oder Hotels zum Einsatz. Dabei wird in der Regel die Verfügbarkeit von auf den angebotenen Dienstleistungen definierten Produkten über die Zeit gesteuert, um eine bestm?gliche Anpassung der Nachfrage an die verfügbare Kapazit?t zu erreichen. Im Gegensatz dazu erfolgt im eng verwandten Dynamic Pricing die Steuerung der Nachfrage für einzelne Produkte durch die Anpassung von Preisen über die Zeit.

Smart Logistics & Mobility

Digitale Vertriebskan?le gewinnen für logistische Dienstleistungen immer mehr an Bedeutung. Zugleich ver?ndert sich die Nachfrage nach solchen Dienstleistungen sowohl im Güter- als auch im Personenverkehr. Im st?dtischen Raum wird durch ein enorm ansteigendes Sendungsvolumen insbesondere der letzte Abschnitt jedes Transportprozesses, für den sich der Begriff ?Last-Mile Delivery“ etabliert hat, zur Herausforderung. In l?ndlichen Regionen bieten Mobility-on-Demand-Konzepte das Potential, die geringe, zeitlich und r?umlich stark verteile Mobilit?tsnachfrage effizient zu bündeln und zugleich eine hohe Servicequalit?t zu erreichen. Die Gestaltung und Optimierung der Transportaktivit?ten von Logistikdienstleistern beider Bereiche ist Gegenstand des Anwendungsfelds ?Smart Logistics & Mobility“. Dabei gilt es, die gegebene Infrastruktur, Umweltaspekte wie Treibhausgas-, Schadstoff- und L?rmemissionen, aber auch das sich wandelnde Bestell- und Mobilit?tsverhalten von Kunden zu berücksichtigen.

?

? Universit?t Augsburg
? Universit?t Augsburg

Zu den untersuchten Fragestellungen z?hlen:

  • Wann sollte eine Airline welche Tickets zu welchem Preis anbieten? Wie lassen sich entsprechende Konzepte auf Automobilvermietungen, Hotels oder digitale Dienstleistungen übertragen?
  • Sollten Automobilvermieter und Hotels mit Upgrades arbeiten? Wenn ja, wer soll sie bekommen? Wie ?ndert sich die Verfügbarkeit von Produkten?
  • Wie lassen sich Tickets für Sport- und Konzertveranstaltungen optimal bepreisen? Was gilt für Dauerkarten?
  • Wann und in welchem Umfang sollten Preise beim Verkauf von Saisonware gesenkt werden? Wann sollten zus?tzliche Rabattaktionen (z. B. drei für zwei) zum Einsatz kommen? Wie sollten diese ausgestaltet sein?
  • Lohnt es sich, flexible Produkte anzubieten, bei denen der Anbieter nach der Buchung über die genaue Leistungserbringung entscheiden darf (z. B. über die Route bei Kreuzfahrten)?
  • Wie lassen sich Erl?se durch Zusatzangebote (etwa Internetzugang bei Flügen) steigern? Welche Kunden sollten wann solche Angebote erhalten?

Zu den untersuchten Fragestellungen z?hlen:

  • Wie kann der Einsatz unterschiedlicher Transportmittel von Kleintransportern über Lastenfahrr?der bis hin zu Drohnen zur Reduktion der Umweltbelastung beitragen?

  • Welche M?glichkeiten zur Erl?sgenerierung bzw. Kostensenkung ergeben sich für Paketdienste durch das Angebot unterschiedlicher Lieferoptionen, wie die Belieferung an die Haustür, in die Packstation oder den Kofferraum des Autos eines Empf?ngers?

  • Wie sind Wunschzeitfenster bei der Auslieferung von Lebensmitteln im Attended Home Delivery zu bepreisen, um effiziente Liefertouren zu erm?glichen?

  • Unter welchen Voraussetzungen kann ein Ridepooling-Service im l?ndlichen Raum profitabel betrieben werden?

  • Welche Servicecharakteristika (Abholzeitfenster, maximale Fahrzeit, Anzahl der Mitfahrenden, …) sollten den anfragenden Kunden angeboten werden? Wie k?nnen in Echtzeit effiziente Tourenplanungsentscheidungen unter Einhaltung der resultierenden Restriktionen getroffen werden?

Ausgew?hlte Projekte

Lufthansa Systems AG - Prognose von Passagierstr?men

Durch die fortschreitende Liberalisierung des Luftverkehrs stehen sich auf zahlreichen M?rkten Wettbewerber mit stark unterschiedlichen Gesch?ftsmodellen gegenüber. Daher wurde die Weiterentwicklung eines Prognosemoduls zur Vorhersage von Passagierstr?men notwendig, das insbesondere der gestiegenen Preissensitivit?t von Privat- wie Gesch?ftskunden Rechnung tr?gt. Es galt insbesondere Endogenit?ten in der Datengrundlage zu adressieren. Diese entstehen, da die beobachteten Preise durch das vom jeweiligen Wettbewerber eingesetzte Revenue Management beeinflusst werden, was zu einer wechselseitigen Abh?ngigkeit von Preis und Nachfrage führt.

Sixt AG - Kapazit?tssteuerung im Car Rental Revenue Management

Im Rahmen des Projektes wurden Revenue Management Ans?tze entwickelt, die spezifische Anforderungen aus dem Bereich der Automobilvermietung berücksichtigen. Hierzu z?hlt beispielsweise der intensive Gebrauch von Upgrades oder die M?glichkeit von Kapazit?tsanpassungen zu verschiedenen Zeitpunkten des Planungshorizontes. Darüber hinaus erfolgte die Konzeption und Implementierung einer Simulationsumgebung, um die Verfahren unter einheitlichen Rahmenbedingungen im spezifischen Kontext des Projektpartners evaluieren zu k?nnen.

TUI AG, IBM Deutschland GmbH - Katalogpreisoptimierung in der Tourismusbranche

Der Reisekatalog stellt für viele Reiseanbieter immer noch den wichtigsten Vertriebs?kanal dar. Im Auftrag der IBM wurde für die TUI ein kundenorien?tier?tes Preissystem entwickelt, das sowohl die individuellen Kundenpr?ferenzen als auch die Spezifika des Kataloggesch?fts berücksichtigt. Hierfür werden analytische Methoden des Data Mining verwendet, um auf Grundlage der Transaktionsdaten eine Kundensegmentierung durchzuführen. Diese dient als Input für die mathematische Optimierung der Preise, die unter Berücksich?tigung weiterer Nebenbedingungen ein optimales Preissystem generiert.

Zeppelin Rental GmbH & Co. KG - Preisoptimierung im Equipment Rental

Dynamische M?rkte wie der ?Equipment-Rental-Markt“ sind gepr?gt durch konjunkturelle Zyklen. So steht ein dem Marktverhalten angepasstes dynamisches Pricing neben dem Asset-Management an erster Stelle. Im Rahmen des Pricing-Projektes mit der Zeppelin Rental wurde ein Vorgehen definiert, welches den Kunden noch st?rker in den Vordergrund stellt und eine für den jeweiligen Kunden bestm?gliche Preisfindung zum Ziel hat. Dabei wurden mittels statistischer Methoden und Data-Mining-Verfahren Kundensegmente abgeleitet und deren Bedürfnisse und Zahlungsverhalten analysiert. Die daraus gewonnenen Daten und Erkenntnisse dienen als Grundlage für die Weiterentwicklung des Pricing innerhalb der Zeppelin Rental.

Daimler AG - Modellierung von Kundenwahlverhalten

In sich schnell ver?ndernden, hochkompetitiven M?rkten gewinnt die explizite Besch?ftigung mit dem Wahl- und Kaufverhalten von Konsumenten bei der Optimierung angebotener Leistungen oder Produkte zunehmend an Bedeutung. Vor diesem Hintergrund wurden in einer Studie verschiedene Discrete Choice Modelle (u. a. Logit, (Cross-) Nested Logit, Probit sowie Mixed Logit) zur Beschreibung des Kundenwahlverhaltens evaluiert. Besonderen Raum nahm die praktische Anwendung mit der effizienten Entwicklung entsprechender Modellspezifikationen und der für die Modellsch?tzung ben?tigten Datengrundlage ein. Abschlie?end wurden m?gliche Einsatzfelder aus dem Automobilbereich aufgezeigt.

GLS Paketdienst GmbH & Co. OHG - Optimale Gestaltung von Lieferoptionen

Das in Deutschland versandte Paketvolumen steigt stetig. Dies führt dazu, dass speziell im B2C-Bereich die Lieferung an die Haustüre um weitere Lieferoptionen erg?nzt wird. Dazu z?hlen vermehrt die Lieferung in Paketshops und Packstationen. Durch die Nutzung entsprechender Optionen im Zuge eines gezielten Nachfragemanagements lassen sich nicht nur Transportkosten, sondern auch in erheblichem Ma?e die resultierende Umweltbelastung reduzieren. Im Rahmen des Projekts werden Optimierungsmodelle zur wirtschaftlichen Bewertung der unterschiedlichen Optionen erstellt. Aufgrund der resultierenden Komplexit?t werden zudem Heuristiken zu ihrer L?sung entwickelt.

Suche