Sistemas de Recomendação (SR) são softwares capazes de sugerir itens aos usuários com base no histórico de interações de usuários ou por meio de métricas de similaridade que podem ser comparadas por item, usuário ou ambos. Existem diferentes tipos de SR e dentre os que despertam maior interesse deste trabalho estão: SR baseados em conteúdo; SR baseados em conhecimento; e SR baseado em filtro colaborativo. Alcançar resultados adequados às expectativas dos usuários não é uma meta simples devido à subjetividade inerente ao comportamento humano, para isso, SR precisam de soluções eficientes e eficazes para: modelagem dos dados que suportarão a recomendação; recuperação da informação que descrevem os dados; combinação dessas informações dentro de métricas de similaridade, popularidade ou adequabilidade; criação de modelos descritivos dos itens sob recomendação; e evolução da inteligência do sistema de forma que ele seja capaz de aprender a partir da interação com o usuário. A tomada de decisão por um sistema de recomendação é uma tarefa complexa que pode ser implementada a partir da visão de áreas como inteligência artificial e mineração de dados. Dentro da área de inteligência artificial há estudos referentes ao método de raciocínio baseado em casos e da recomendação baseada em casos. No que diz respeito à área de mineração de dados, os SR podem ser construídos a partir de modelos descritivos e realizar tratamento de dados textuais, constituindo formas de criar elementos para compor uma recomendação. Uma forma de minimizar os pontos fracos de uma abordagem, é a adoção de aspectos baseados em uma abordagem híbrida, que neste trabalho considera-se: tirar proveito dos diferentes tipos de SR; usar técnicas de resolução de problemas; e combinar recursos provenientes das diferentes fontes para compor uma métrica unificada a ser usada para ranquear a recomendação por relevância. Dentre as áreas de aplicação dos SR, destaca-se a recomendação de notícias, sendo utilizada por um público heterogêneo, amplo e exigente por relevância. Neste contexto, a presente pesquisa apresenta uma abordagem híbrida para recomendação de notícias construída por meio de uma arquitetura implementada para provar os conceitos de um sistema de recomendação. Esta arquitetura foi validada por meio da utilização de um corpus de notícias e pela realização de um experimento online. Por meio do experimento foi possível observar a capacidade da arquitetura em relação aos requisitos de um sistema de recomendação de notícias e também confirmar a hipótese no que se refere à privilegiar recomendações com base em similaridade, popularidade, diversidade, novidade e serendipidade. Foi observado também uma evolução nos indicadores de leitura, curtida, aceite e serendipidade conforme o sistema foi acumulando histórico de preferências e soluções. Por meio da análise da métrica unificada para ranqueamento foi possível confirmar sua eficácia ao verificar que as notícias melhores colocadas no ranqueamento foram as mais aceitas pelos usuários / Recommendation Systems (RS) are software capable of suggesting items to users based on the history of user interactions or by similarity metrics that can be compared by item, user, or both. There are different types of RS and those which most interest in this work are content-based, knowledge-based and collaborative filtering. Achieving adequate results to user\'s expectations is a hard goal due to the inherent subjectivity of human behavior, thus, the RS need efficient and effective solutions to: modeling the data that will support the recommendation; the information retrieval that describes the data; combining this information within similarity, popularity or suitability metrics; creation of descriptive models of the items under recommendation; and evolution of the systems intelligence to learn from the user\'s interaction. Decision-making by a RS is a complex task that can be implemented according to the view of fields such as artificial intelligence and data mining. In the artificial intelligence field there are studies concerning the method of case-based reasoning that works with the principle that if something worked in the past, it may work again in a new similar situation the one in the past. The case-based recommendation works with structured items, represented by a set of attributes and their respective values (within a ``case\'\' model), providing known and adapted solutions. Data mining area can build descriptive models to RS and also handle, manipulate and analyze textual data, constituting one option to create elements to compose a recommendation. One way to minimize the weaknesses of an approach is to adopt aspects based on a hybrid solution, which in this work considers: taking advantage of the different types of RS; using problem-solving techniques; and combining resources from different sources to compose a unified metric to be used to rank the recommendation by relevance. Among the RS application areas, news recommendation stands out, being used by a heterogeneous public, ample and demanding by relevance. In this context, the this work shows a hybrid approach to news recommendations built through a architecture implemented to prove the concepts of a recommendation system. This architecture has been validated by using a news corpus and by performing an online experiment. Through the experiment it was possible to observe the architecture capacity related to the requirements of a news recommendation system and architecture also related to privilege recommendations based on similarity, popularity, diversity, novelty and serendipity. It was also observed an evolution in the indicators of reading, likes, acceptance and serendipity as the system accumulated a history of preferences and solutions. Through the analysis of the unified metric for ranking, it was possible to confirm its efficacy when verifying that the best classified news in the ranking was the most accepted by the users

Este trabalho apresenta a formulação de um sistema híbrido de apoio à decisão que, através de técnicas adaptativas, permite que múltiplos dispositivos sejam utilizados de forma colaborativa para encontrar uma solução para um problema de tomada de decisão. É proposta uma estratégia particular para o trabalho colaborativo que restringe o acesso aos dispositivos mais lentos com base na dificuldade encontrada pelos dispositivos mais rápidos para solucionar um problema específico. As soluções encontradas por cada dispositivo são propagadas aos demais, permitindo que cada um deles agregue estas novas soluções com o auxílio de técnicas adaptativas. É feito um estudo sobre aprendizagem de máquina mediante incertezas para verificar e minimizar os impactos negativos que uma nova solução, possivelmente errônea, possa ter. O sistema híbrido proposto é apresentado numa aplicação particular, utilizando testes padronizados para compará-lo com os dispositivos individuais que o compõem e com sistemas híbridos de mesma finalidade. Através destes testes, é mostrado que dispositivos consolidados, mesmo que de naturezas distintas, podem ser utilizados de maneira colaborativa, permitindo não só calibrar um compromisso entre o tempo de resposta e a taxa de acerto, mas também evoluir de acordo com o histórico de problemas processados. / This work presents a formulation of a hybrid decision-making system that employs adaptive techniques as a way to coordinate multiple devices in order to make a collaborative decision. The strategy proposed here is to restrict the use of slower devices, based on how difficult the specific problem is - easier problems may be solved on faster devices. Each device is able to learn through solutions given by the others, aggregating new knowledge with the aid of adaptive techniques. In order to evaluate and minimize the negative impact those new solutions may have, a study concerning machine learning under uncertainty is carried out. A particular application of this system has been tested and compared, not only to each individual device that is part of the system itself, but to similar hybrid systems as well. It is shown that even devices of distinct natures may be reused in a collaborative manner, making it possible to calibrate the trade-off between hit rate and response time, and to evolve according to the input stimuli received as well.

Sistemas de Recomendação (SR) são softwares capazes de sugerir itens aos usuários com base no histórico de interações de usuários ou por meio de métricas de similaridade que podem ser comparadas por item, usuário ou ambos. Existem diferentes tipos de SR e dentre os que despertam maior interesse deste trabalho estão: SR baseados em conteúdo; SR baseados em conhecimento; e SR baseado em filtro colaborativo. Alcançar resultados adequados às expectativas dos usuários não é uma meta simples devido à subjetividade inerente ao comportamento humano, para isso, SR precisam de soluções eficientes e eficazes para: modelagem dos dados que suportarão a recomendação; recuperação da informação que descrevem os dados; combinação dessas informações dentro de métricas de similaridade, popularidade ou adequabilidade; criação de modelos descritivos dos itens sob recomendação; e evolução da inteligência do sistema de forma que ele seja capaz de aprender a partir da interação com o usuário. A tomada de decisão por um sistema de recomendação é uma tarefa complexa que pode ser implementada a partir da visão de áreas como inteligência artificial e mineração de dados. Dentro da área de inteligência artificial há estudos referentes ao método de raciocínio baseado em casos e da recomendação baseada em casos. No que diz respeito à área de mineração de dados, os SR podem ser construídos a partir de modelos descritivos e realizar tratamento de dados textuais, constituindo formas de criar elementos para compor uma recomendação. Uma forma de minimizar os pontos fracos de uma abordagem, é a adoção de aspectos baseados em uma abordagem híbrida, que neste trabalho considera-se: tirar proveito dos diferentes tipos de SR; usar técnicas de resolução de problemas; e combinar recursos provenientes das diferentes fontes para compor uma métrica unificada a ser usada para ranquear a recomendação por relevância. Dentre as áreas de aplicação dos SR, destaca-se a recomendação de notícias, sendo utilizada por um público heterogêneo, amplo e exigente por relevância. Neste contexto, a presente pesquisa apresenta uma abordagem híbrida para recomendação de notícias construída por meio de uma arquitetura implementada para provar os conceitos de um sistema de recomendação. Esta arquitetura foi validada por meio da utilização de um corpus de notícias e pela realização de um experimento online. Por meio do experimento foi possível observar a capacidade da arquitetura em relação aos requisitos de um sistema de recomendação de notícias e também confirmar a hipótese no que se refere à privilegiar recomendações com base em similaridade, popularidade, diversidade, novidade e serendipidade. Foi observado também uma evolução nos indicadores de leitura, curtida, aceite e serendipidade conforme o sistema foi acumulando histórico de preferências e soluções. Por meio da análise da métrica unificada para ranqueamento foi possível confirmar sua eficácia ao verificar que as notícias melhores colocadas no ranqueamento foram as mais aceitas pelos usuários / Recommendation Systems (RS) are software capable of suggesting items to users based on the history of user interactions or by similarity metrics that can be compared by item, user, or both. There are different types of RS and those which most interest in this work are content-based, knowledge-based and collaborative filtering. Achieving adequate results to user\'s expectations is a hard goal due to the inherent subjectivity of human behavior, thus, the RS need efficient and effective solutions to: modeling the data that will support the recommendation; the information retrieval that describes the data; combining this information within similarity, popularity or suitability metrics; creation of descriptive models of the items under recommendation; and evolution of the systems intelligence to learn from the user\'s interaction. Decision-making by a RS is a complex task that can be implemented according to the view of fields such as artificial intelligence and data mining. In the artificial intelligence field there are studies concerning the method of case-based reasoning that works with the principle that if something worked in the past, it may work again in a new similar situation the one in the past. The case-based recommendation works with structured items, represented by a set of attributes and their respective values (within a ``case\'\' model), providing known and adapted solutions. Data mining area can build descriptive models to RS and also handle, manipulate and analyze textual data, constituting one option to create elements to compose a recommendation. One way to minimize the weaknesses of an approach is to adopt aspects based on a hybrid solution, which in this work considers: taking advantage of the different types of RS; using problem-solving techniques; and combining resources from different sources to compose a unified metric to be used to rank the recommendation by relevance. Among the RS application areas, news recommendation stands out, being used by a heterogeneous public, ample and demanding by relevance. In this context, the this work shows a hybrid approach to news recommendations built through a architecture implemented to prove the concepts of a recommendation system. This architecture has been validated by using a news corpus and by performing an online experiment. Through the experiment it was possible to observe the architecture capacity related to the requirements of a news recommendation system and architecture also related to privilege recommendations based on similarity, popularity, diversity, novelty and serendipity. It was also observed an evolution in the indicators of reading, likes, acceptance and serendipity as the system accumulated a history of preferences and solutions. Through the analysis of the unified metric for ranking, it was possible to confirm its efficacy when verifying that the best classified news in the ranking was the most accepted by the users

Este trabalho apresenta a formulação de um sistema híbrido de apoio à decisão que, através de técnicas adaptativas, permite que múltiplos dispositivos sejam utilizados de forma colaborativa para encontrar uma solução para um problema de tomada de decisão. É proposta uma estratégia particular para o trabalho colaborativo que restringe o acesso aos dispositivos mais lentos com base na dificuldade encontrada pelos dispositivos mais rápidos para solucionar um problema específico. As soluções encontradas por cada dispositivo são propagadas aos demais, permitindo que cada um deles agregue estas novas soluções com o auxílio de técnicas adaptativas. É feito um estudo sobre aprendizagem de máquina mediante incertezas para verificar e minimizar os impactos negativos que uma nova solução, possivelmente errônea, possa ter. O sistema híbrido proposto é apresentado numa aplicação particular, utilizando testes padronizados para compará-lo com os dispositivos individuais que o compõem e com sistemas híbridos de mesma finalidade. Através destes testes, é mostrado que dispositivos consolidados, mesmo que de naturezas distintas, podem ser utilizados de maneira colaborativa, permitindo não só calibrar um compromisso entre o tempo de resposta e a taxa de acerto, mas também evoluir de acordo com o histórico de problemas processados. / This work presents a formulation of a hybrid decision-making system that employs adaptive techniques as a way to coordinate multiple devices in order to make a collaborative decision. The strategy proposed here is to restrict the use of slower devices, based on how difficult the specific problem is - easier problems may be solved on faster devices. Each device is able to learn through solutions given by the others, aggregating new knowledge with the aid of adaptive techniques. In order to evaluate and minimize the negative impact those new solutions may have, a study concerning machine learning under uncertainty is carried out. A particular application of this system has been tested and compared, not only to each individual device that is part of the system itself, but to similar hybrid systems as well. It is shown that even devices of distinct natures may be reused in a collaborative manner, making it possible to calibrate the trade-off between hit rate and response time, and to evolve according to the input stimuli received as well.

Dem Web 2.0 werden - nicht selten mit euphorischem Unterton - hinsichtlich Interaktion, Selbstorganisation und Nutzbarmachung kollektiver Intelligenz enorme Nutzenpotentiale nachgesagt. Ansätze mit Bezug zum Unternehmenskontext werden unter dem Stichwort Enterprise 2.0 behandelt und beschäftigen sich vorrangig mit der Unterstützung des betrieblichen Wissensmanagements. Speziell für die zunehmend durch Komplexität sowie intensive Interaktionsprozesse geprägte Fabrikplanung lassen sich durch einen zielgerichteten Einsatz von Web 2.0-Werkzeugen positive Effekte erwarten. Zielstellung dieser Arbeit ist die Entwicklung einer Methode zum Einsatz von Web 2.0-Werkzeugen in der Fabrikplanung. Hierfür erfolgt zunächst eine Bestandsaufnahme relevanter Ansätze und Begriffe in diesen Bereichen. Anschließend wird auf Grundlage system-, handlungs- und tätigkeitstheoretischer Überlegungen ein situativer Forschungsansatz begründet. Die Methodenentwicklung erfolgt als problemspezifische Ausgestaltung des Fall-basierten Schließens. Sie ist in ein entsprechend angepasstes Vorgehen der morphologisch-typologischen Theorieentwicklung eingebettet und basiert auf einer umfassenden Analyse hierfür relevanter Theorien, Modelle und Ansätze. Die Methode beruht auf einer kontinuierlichen Erfassung und Wiederverwendung von Erfahrungswissen. Sie wird abschließend evaluiert, wobei u.a. ein Prototyp entwickelt wird, der den praktischen Einsatz der entwickelten Methode unterstützt. / The Web 2.0 is supposed to have huge potential for the support of interaction, selforganization and the utilization of collective intelligence. Approaches related to an enterprise context are discussed with the keyword Enterprise 2.0 and mainly deal with potentials to support the operational knowledge management. A systematic approach for the use of web-based collaborative tools is expected to generate positive effects on modern factory planning, which faces increasing complexity and dynamic interactions. The objective of this work is to develop a methodical approach for the use of web-based collaborative tools in factory planning. Therefore, in the first part of this thesis an overview of relevant approaches and terms in the areas of Web 2.0 and factory planning is being worked out. In a second step, a situational approach is identified as an appropriate view after due consideration and contextual discussion of system, action and activity theory. The development of the methodical approach is based on a problem-specific adaptation of case-based reasoning. It is embedded into an elaborated procedure of morphologic-typological theory building and bases on a comprehensive analysis of relevant theories, models and approaches. The evolved method relies on continuous collection and reutilisation of experiential knowledge. It is evaluated through different methods, inter alia by the construction of a prototype that supports its practical use.

O presente trabalho apresenta um estudo feito para a elaboração de um modelo de análise de crédito para micro, pequenas e médias empresas (MPME) utilizando Inteligência Artificial. Apresenta, também, uma contribuição de um novo método de raciocínio baseado em casos, denominado FISKNN, que utiliza medida de similaridade presente nos métodos KNN e KNN-Fuzzy, e um sistema de inferência Fuzzy para decidir se a classe de um determinado caso é a classe do elemento mais próximo ou a classe da maioria dos K elementos selecionados para análise. Compara-se o método FISKNN com os métodos tradicionais KNN e KNN-Fuzzy utilizando os dados do Machine Learning Repository da Universidade da Califórnia, e apresentam-se três estudos de casos com bases de dados selecionadas das informações provenientes de solicitações de financiamento através do Cartão BNDES. / This work presents an investigation of a model of credit analysis for micro, small and medium size enterprises based on artificial intelligence techniques. The novelty is a cases-based reasoning, denoted by FISKNN, which uses a measure of similarity present in the KNN and KNN-Fuzzy methods, and a Fuzzy Inference System to decide between the class of the nearest case and the class of the majority of K elements selected for the analysis. One compares the FISKNN methods with the more traditional ones, KNN and KNNFuzzy, using data from the Machine Learning Repository of the University of California, and one presents three study cases with data bases selected from the set of financing applications to the BNDES Card.

O presente trabalho apresenta um estudo feito para a elaboração de um modelo de análise de crédito para micro, pequenas e médias empresas (MPME) utilizando Inteligência Artificial. Apresenta, também, uma contribuição de um novo método de raciocínio baseado em casos, denominado FISKNN, que utiliza medida de similaridade presente nos métodos KNN e KNN-Fuzzy, e um sistema de inferência Fuzzy para decidir se a classe de um determinado caso é a classe do elemento mais próximo ou a classe da maioria dos K elementos selecionados para análise. Compara-se o método FISKNN com os métodos tradicionais KNN e KNN-Fuzzy utilizando os dados do Machine Learning Repository da Universidade da Califórnia, e apresentam-se três estudos de casos com bases de dados selecionadas das informações provenientes de solicitações de financiamento através do Cartão BNDES. / This work presents an investigation of a model of credit analysis for micro, small and medium size enterprises based on artificial intelligence techniques. The novelty is a cases-based reasoning, denoted by FISKNN, which uses a measure of similarity present in the KNN and KNN-Fuzzy methods, and a Fuzzy Inference System to decide between the class of the nearest case and the class of the majority of K elements selected for the analysis. One compares the FISKNN methods with the more traditional ones, KNN and KNNFuzzy, using data from the Machine Learning Repository of the University of California, and one presents three study cases with data bases selected from the set of financing applications to the BNDES Card.

This thesis aims to solve the mathematical inverse problem of characterizing sea waves based on the responses obtained from a marine vessel sailing under certain sea conditions. By researching this problem the thesis contributes to the marine industry by improving products that are using ocean behavior for controlling ship's dynamics. Knowledge about the current state of the sea, such as the wave frequency and height, is important for navigation, control, and for the safety of a vessel. This information can be retrieved from specialized weather reports. However, such information is not at all time possible to obtain during a voyage, and if so usually comes with a certain delay. Therefore this thesis seeks solutions that can estimate on-line the waves' state using methods in the field of Artificial Intelligence. The specific investigation methods are Transfer Functions augmented with Genetic Algorithm, Artificial Neural Networks and Case-Based Reasoning. These methods have been configured and validated using the n-fold cross validation method. All the methods have been tested with an actual implementation. The algorithms have been trained with data acquired from a marine simulation program developed in Simulink. The methods have also been trained and tested using monitored data acquired from an actual ship sailing on the Baltic Sea as well as wave data obtained from a buoy located nearby the vessel's route. The proposed methods have been compared with state-of-the art reports in order evaluate the novelty of the research and its potential applications in industry. The results in this thesis show that the proposed methods can in fact be used for solving the inverse problem. It was also found that among the investigated methods it is the Transfer Function augmented with Genetic Algorithm which yields best results. This Master Thesis is conducted under the Master of Engineering Program in Robotics at Mälardalens högskola in Västerås, Sweden. The thesis was proposed by Q-TAGG R&D AB in Västerås, Sweden, a company which specializes in marine vessel dynamics research.

Nos travaux de thèses s’intéressent au pronostic de défaillance de composant critique et à l’estimation de la durée de vie résiduelle avant défaillance (RUL). Nous avons développé des méthodes basées sur l’expérience. Cette orientation nous permet de nous affranchir de la définition d’un seuil de défaillance, point problématique lors de l’estimation du RUL. Nous avons pris appui sur le paradigme de Raisonnement à Partir de Cas (R à PC) pour assurer le suivi d’un nouveau composant critique et prédire son RUL. Une approche basée sur les instances (IBL) a été développée en proposant plusieurs formalisations de l’expérience : une supervisée tenant compte de l’ état du composant sous forme d’indicateur de santé et une non-supervisée agrégeant les données capteurs en une série temporelle mono-dimensionnelle formant une trajectoire de dégradation. Nous avons ensuite fait évoluer cette approche en intégrant de la connaissance à ces instances. La connaissance est extraite à partir de données capteurs et est de deux types : temporelle qui complète la modélisation des instances et fréquentielle qui, associée à la mesure de similarité permet d’affiner la phase de remémoration. Cette dernière prend appui sur deux types de mesures : une pondérée entre fenêtres parallèles et fixes et une pondérée avec projection temporelle. Les fenêtres sont glissantes ce qui permet d’identifier et de localiser l’état actuel de la dégradation de nouveaux composants. Une autre approche orientée donnée a été test ée. Celle-ci est se base sur des caractéristiques extraites des expériences, qui sont mono-dimensionnelles dans le premier cas et multi-dimensionnelles autrement. Ces caractéristiques seront modélisées par un algorithme de régression à vecteurs de support (SVR). Ces approches ont été évaluées sur deux types de composants : les turboréacteurs et les batteries «Li-ion». Les résultats obtenus sont intéressants mais dépendent du type de données traitées. / Our thesis work is concerned with the development of experience based approachesfor criticalcomponent prognostics and Remaining Useful Life (RUL) estimation. This choice allows us to avoidthe problematic issue of setting a failure threshold.Our work was based on Case Based Reasoning (CBR) to track the health status of a new componentand predict its RUL. An Instance Based Learning (IBL) approach was first developed offering twoexperience formalizations. The first is a supervised method that takes into account the status of thecomponent and produces health indicators. The second is an unsupervised method that fuses thesensory data into degradation trajectories.The approach was then evolved by integrating knowledge. Knowledge is extracted from the sensorydata and is of two types: temporal that completes the modeling of instances and frequential that,along with the similarity measure refine the retrieval phase. The latter is based on two similaritymeasures: a weighted one between fixed parallel windows and a weighted similarity with temporalprojection through sliding windows which allow actual health status identification.Another data-driven technique was tested. This one is developed from features extracted from theexperiences that can be either mono or multi-dimensional. These features are modeled by a SupportVector Regression (SVR) algorithm. The developed approaches were assessed on two types ofcritical components: turbofans and ”Li-ion” batteries. The obtained results are interesting but theydepend on the type of the treated data.

Dem Web 2.0 werden - nicht selten mit euphorischem Unterton - hinsichtlich Interaktion, Selbstorganisation und Nutzbarmachung kollektiver Intelligenz enorme Nutzenpotentiale nachgesagt. Ansätze mit Bezug zum Unternehmenskontext werden unter dem Stichwort Enterprise 2.0 behandelt und beschäftigen sich vorrangig mit der Unterstützung des betrieblichen Wissensmanagements. Speziell für die zunehmend durch Komplexität sowie intensive Interaktionsprozesse geprägte Fabrikplanung lassen sich durch einen zielgerichteten Einsatz von Web 2.0-Werkzeugen positive Effekte erwarten. Zielstellung dieser Arbeit ist die Entwicklung einer Methode zum Einsatz von Web 2.0-Werkzeugen in der Fabrikplanung. Hierfür erfolgt zunächst eine Bestandsaufnahme relevanter Ansätze und Begriffe in diesen Bereichen. Anschließend wird auf Grundlage system-, handlungs- und tätigkeitstheoretischer Überlegungen ein situativer Forschungsansatz begründet. Die Methodenentwicklung erfolgt als problemspezifische Ausgestaltung des Fall-basierten Schließens. Sie ist in ein entsprechend angepasstes Vorgehen der morphologisch-typologischen Theorieentwicklung eingebettet und basiert auf einer umfassenden Analyse hierfür relevanter Theorien, Modelle und Ansätze. Die Methode beruht auf einer kontinuierlichen Erfassung und Wiederverwendung von Erfahrungswissen. Sie wird abschließend evaluiert, wobei u.a. ein Prototyp entwickelt wird, der den praktischen Einsatz der entwickelten Methode unterstützt.:Abbildungsverzeichnis Tabellenverzeichnis Anlagenverzeichnis Symbol- und Abkürzungsverzeichnis 1 Einleitung 1.1 Motivation 1.2 Problemstellung 1.3 Zielstellung 1.4 Aufbau der Arbeit 2 Grundlagen 2.1 Phänomen Web 2.0 2.2 Fabrikplanung 3 Forschungsansatz 3.1 Betrachtungsrahmen 3.2 Bearbeitungsmethodik 4 Methodenentwicklung 4.1 Systemmodell 4.2 Morphologische Fallbasis 4.3 Bewertungssystematik 4.4 Gesamtmethode 5 Evaluation 5.1 Ansätze und Methoden 5.2 Methodenauswahl 5.3 Durchführung 5.4 Gesamtbewertung 6 Schlussbetrachtung 6.1 Zusammenfassung 6.2 Ausblick Literaturverzeichnis Anlagen / The Web 2.0 is supposed to have huge potential for the support of interaction, selforganization and the utilization of collective intelligence. Approaches related to an enterprise context are discussed with the keyword Enterprise 2.0 and mainly deal with potentials to support the operational knowledge management. A systematic approach for the use of web-based collaborative tools is expected to generate positive effects on modern factory planning, which faces increasing complexity and dynamic interactions. The objective of this work is to develop a methodical approach for the use of web-based collaborative tools in factory planning. Therefore, in the first part of this thesis an overview of relevant approaches and terms in the areas of Web 2.0 and factory planning is being worked out. In a second step, a situational approach is identified as an appropriate view after due consideration and contextual discussion of system, action and activity theory. The development of the methodical approach is based on a problem-specific adaptation of case-based reasoning. It is embedded into an elaborated procedure of morphologic-typological theory building and bases on a comprehensive analysis of relevant theories, models and approaches. The evolved method relies on continuous collection and reutilisation of experiential knowledge. It is evaluated through different methods, inter alia by the construction of a prototype that supports its practical use.:Abbildungsverzeichnis Tabellenverzeichnis Anlagenverzeichnis Symbol- und Abkürzungsverzeichnis 1 Einleitung 1.1 Motivation 1.2 Problemstellung 1.3 Zielstellung 1.4 Aufbau der Arbeit 2 Grundlagen 2.1 Phänomen Web 2.0 2.2 Fabrikplanung 3 Forschungsansatz 3.1 Betrachtungsrahmen 3.2 Bearbeitungsmethodik 4 Methodenentwicklung 4.1 Systemmodell 4.2 Morphologische Fallbasis 4.3 Bewertungssystematik 4.4 Gesamtmethode 5 Evaluation 5.1 Ansätze und Methoden 5.2 Methodenauswahl 5.3 Durchführung 5.4 Gesamtbewertung 6 Schlussbetrachtung 6.1 Zusammenfassung 6.2 Ausblick Literaturverzeichnis Anlagen