Eine kalorimetrische Kristallisationsuntersuchung unter dynamischer Abkühlung ist bisher noch nicht erfolgt, auch weil die klassischen DSC-Messsysteme hierfür thermisch zu träge sind und die Einschwingzeiten zu lang sind. Durch die Weiterentwicklung der Prüftechnik, insbesondere auf dem Gebiet der Hochgeschwindigkeitskalorimetrie, erscheint es jedoch erstmals möglich, das dynamische Abkühlverhalten prozessnah nachbilden zu können und die Auswirkung auf die Kristallisation zu untersuchen. Im Rahmen dieser Arbeit wurde daher versucht die dynamische Abkühlung einer Kunststoffschmelze aus PBT kalorimetrisch in Abhängigkeit der Werkzeugtemperatur und der Bauteilgeometrie nachzubilden, jeweils bei Betrachtung verschiedener Bauteiltiefen. Hierfür wurden numerisch nichtlineare Kühlratenverläufe bestimmt, die im Anschluss durch Segmentierung linearisiert und somit in ein FSC-Programm überführt werden konnten. Anhand der resultierenden Wärmestromverläufe konnte gezeigt werden, dass eine Interpretation der kalorimetrischen Erfassung unter dynamischer Abkühlung möglich ist und der Verlauf der Kristallisation in verschiedenen Bauteiltiefen in Abhängigkeit der weiteren Randbedingungen nachvollzogen werden kann. / A calorimetric investigation of the crystallization of thermoplastics under dynamic cooling has not performed yet, also because the classical DSC measuring systems are thermally too slow for this purpose and the corresponding settling times are too long. However, as a result of the further development of testing technology, especially in the field of high-speed calorimetry, it seems possible to simulate the dynamic cooling behavior of real processing and to investigate its effects on crystallization. In this work the dynamic cooling of a polymer melt was simulated calorimetrically depending on the tool temperature and the part geometry, in each case considering the different cooling behavior of different part depths. Therefore, numerically nonlinear cooling rate profiles were determined, which could then be linearized by segmentation and thus converted into a calorimetric program. On the basis of the resulting heat flow characteristics it could be shown that an interpretation of the calorimetric detection under dynamic cooling is possible and the course of the crystallization in different part depths can be reconstructed in dependence on the further boundary conditions.

Die mikro- und makroskopischen Eigenschaften teilkristalliner Thermoplasten werden insbesondere durch die lokale Kristallisation während der Verarbeitung geprägt. Trotz des allgegenwärtigen Einsatzes dieser Werkstoffe liegen über die grundlegenden Entstehungsmechanismen der Strukturausprägungen und die daraus resultierende Auswirkung auf das Eigenschaftsprofil noch immer große Wissensdefizite vor. Im Rahmen der vorliegenden Arbeit wurde daher das Kristallisationsverhalten an ausgewählten Vertretern der Polyester untersucht, um einen wissenschaftlichen Beitrag für das weitere Verständnis der prozessinduzierten Strukturausprägungen zu leisten. Der Fokus der Untersuchungen lag darauf, die Kristallisation und ihre werkstofflichen Auswirkungen sowohl unter rein theoretischen als auch unter prozessnahen thermischen Randbedingungen zu untersuchen. Erreicht wurde dies unter anderem durch labortechnische Analysen insbesondere mittels der Hochgeschwindigkeitskalorimetrie, der Strukturaufklärung und Eigenschaftserfassung spritzgegossener Probekörper sowie der Anwendung eines experimentell-simulativen Ansatzes zur Untersuchung des lokalen Abkühl- und Kristallisationsverhaltens durch die Finite-Differenzen-Methode. Die Ergebnisse zeigen, dass die durch die Verarbeitung induzierte Strukturausprägung der untersuchten Polyester nicht nur durch eine ausgeprägte Primär-, sondern auch durch die unmittelbar einsetzende Sekundärkristallisation geprägt wird. Dabei wird deutlich, dass die resultierende strukturelle Beschreibung zwingend nach dem 3-Phasenmodell erfolgen muss, da dieses neben der klassischen amorphen und kristallinen Phase zudem eine Zwischenphase berücksichtigt, welche die Phasenzusammensetzung maßgeblich prägen kann. / The micro- and macroscopic properties of semi-crystalline thermoplastics are particularly influenced by the local crystallization during processing. Despite the widespread use of these materials, there is still a significant lack of knowledge about the fundamental mechanisms of crystallization and the impact on the resulting profile of properties. Therefore, the crystallization behavior of selected representatives of polyesters was investigated in order to contribute to a scientific understanding of the process-induced structural characteristics. The focus of the investigations was on the crystallization and its material effects both under purely theoretical and process-related thermal boundary conditions. Among other things, this was achieved through laboratory studies especially using the Fast Scanning Calorimetry as well as the structure clarification and property detection of injection-molded specimens. Furthermore, the application of an experimental-simulative approach using the finite-difference method in order to investigate the local cooling and crystallization behavior was performed. The results show that the process-induced structural characteristics of the investigated polyesters are not only influenced by a pronounced primary crystallization, but also by immediately secondary crystallization. It becomes clear that the resulting structural description must necessarily follow the 3-phase model, since this also considers the classic amorphous and crystalline phase as well as an intermediate phase, which can significantly influence the phase composition.

Bei der Herstellung von dickwandigem GJS treten zahlreiche ungeklärte Effekte durch die sehr langsamen Abkühlungs- und Erstarrungsgeschwindigkeiten auf. Bisherige Untersuchungsmethoden ermöglichen keine definierte Temperaturführung analog zum realen Bauteil und benötigen trotzdem große Schmelzemengen und einen hohen Trennaufwand für die Probenherstellung. Das Ziel der Arbeit bestand in der Entwicklung einer Versuchsmethode zur experimentellen Simulation extrem langer Abkühl- und Erstarrungszeiten von GJS. Die Verwendung einer geeigneten Abdeckung der Schmelze zur Minimierung des Mg-Abbrandes und eines druckfesten Kaltwandofens inkl. dynamischer Temperatursteuerung ermöglichte reproduzierbare Versuche zur Einstellung verschiedener Gefügezustände durch Variation der Abkühlregime und des Impfzustandes. Es gelang, Chunkygrafit und Grafitflotation gezielt herzustellen und dadurch die Entstehungsmechanismen wissenschaftlich zu untersuchen. Ein Chunkygrafit-Index-Diagramm konnte erarbeitet werden.

Das Software Product Line Engineering (SPLE) ist ein ganzheitlicher Ansatz zur Entwicklung und Vermarktung von Software-Produktlinien auf Basis von Software-Systemfamilien. Eine in frühen Phasen des SPLE durchzuführende Aktivität ist das Scoping, bei dem die zu realisierenden Produkte mit den zwischen ihnen bestehenden Wiederverwendungspotentialen identifiziert werden. Bei der Durchführung des Scopings steht der Produkt-Manager vor dem Problem einen Ausgleich zwischen den Bedürfnissen der Kunden und dem Aufwand der Entwicklung zu finden. Durch die bestehenden Wiederverwendungspotentiale bei Software-Systemfamilien wird die Entscheidung zusätzlich erschwert. Aufgrund der bestehenden Komplexität der Entscheidung, wird in Literatur und Praxis eine Unterstützung in Form einer statistisch-mathematischen Optimierung gefordert. Dieser Forderung nimmt sich die vorliegende Arbeit an. In ihr werden mit der Konstruktion eines Modells gewinnbeeinflussender Faktoren, einer Methode zur wertbasierten Portfolio-Optimierung und eines Prototyps zur Unterstützung der wertbasierten Portfolio-Optimierung und der anschließenden Evaluation dieser Artefakte zwei Fragen adressiert. Erstens wird geprüft, ob die Optimierung von Produkt-Portfolios bei Software-Produktlinien mit statistisch-mathematischen Verfahren unterstützt werden kann. Zweitens wird geprüft, ob die statistisch-mathematische Optimierung von Produkt-Portfolios eine akzeptierte Unterstützung von Software-Anbietern sein kann. Die Arbeit ordnet sich mit ihren Fragen in die Forschung zum Produkt-Management bei Software-Produktlinien ein und trägt die vorgenannten Artefakte bei.

Das Software Product Line Engineering (SPLE) ist ein ganzheitlicher Ansatz zur Entwicklung und Vermarktung von Software-Produktlinien auf Basis von Software-Systemfamilien. Eine in frühen Phasen des SPLE durchzuführende Aktivität ist das Scoping, bei dem die zu realisierenden Produkte mit den zwischen ihnen bestehenden Wiederverwendungspotentialen identifiziert werden. Bei der Durchführung des Scopings steht der Produkt-Manager vor dem Problem einen Ausgleich zwischen den Bedürfnissen der Kunden und dem Aufwand der Entwicklung zu finden. Durch die bestehenden Wiederverwendungspotentiale bei Software-Systemfamilien wird die Entscheidung zusätzlich erschwert. Aufgrund der bestehenden Komplexität der Entscheidung, wird in Literatur und Praxis eine Unterstützung in Form einer statistisch-mathematischen Optimierung gefordert. Dieser Forderung nimmt sich die vorliegende Arbeit an. In ihr werden mit der Konstruktion eines Modells gewinnbeeinflussender Faktoren, einer Methode zur wertbasierten Portfolio-Optimierung und eines Prototyps zur Unterstützung der wertbasierten Portfolio-Optimierung und der anschließenden Evaluation dieser Artefakte zwei Fragen adressiert. Erstens wird geprüft, ob die Optimierung von Produkt-Portfolios bei Software-Produktlinien mit statistisch-mathematischen Verfahren unterstützt werden kann. Zweitens wird geprüft, ob die statistisch-mathematische Optimierung von Produkt-Portfolios eine akzeptierte Unterstützung von Software-Anbietern sein kann. Die Arbeit ordnet sich mit ihren Fragen in die Forschung zum Produkt-Management bei Software-Produktlinien ein und trägt die vorgenannten Artefakte bei.:Abbildungsverzeichnis ix Tabellenverzeichnis xi Abkürzungsverzeichnis xii Symbolverzeichnis xiv 1 Einleitung 1 1.1 Stand der Forschung 3 1.2 Forschungsbedarf 5 1.3 Forschungskonzept 7 1.4 Verwendete Methoden und Notationen 9 1.4.1 Method Engineering 10 1.4.2 Software & Systems Process Engineering Meta-Model 12 1.4.3 Merkmaldiagramme 14 1.5 Aufbau der Arbeit 16 I Modell 17 2 Software-Ökonomie 18 2.1 Unternehmen und ihre Produkte 20 2.1.1 Eigenschaften von Software-Produkten 23 2.1.2 Vom Software-System zum Geschäftsmodell 24 2.1.3 Kosten 28 2.1.4 Erlös 31 2.2 Kunden 35 2.2.1 Nutzen und Wertvorstellung 35 2.2.2 Zahlungsbereitschaft 35 2.2.3 Kundenmodell 37 2.3 Konkurrenz und Markt 38 2.3.1 Konkurrenzmodell 38 2.3.2 Ökonomische Besonderheiten von Software-Produkten 39 2.3.3 Struktur von Software-Märkten 40 2.4 Preis 41 2.4.1 Preisbeeinflussende Faktoren 42 2.4.2 Verfahren der Preisbildung 42 2.4.3 Preismodell 44 2.5 Produkt- und Preisdifferenzierung 44 2.5.1 Typen der Preisdifferenzierung 46 2.5.2 Preisdifferenzierung mit Selbstselektion 47 2.5.3 Gewinnoptimalität 48 2.6 Zusammenfassung 49 3 Software-Produktlinien 50 3.1 Prozesse des Software Product Line Engineerings 53 3.1.1 Domain Engineering 54 3.1.2 Anwendungsentwicklung 56 3.1.3 Management 57 3.1.4 Scoping 58 3.2 Methoden des Software Product Line Engineerings 60 3.3 Szenarios des Einsatzes von Software-Systemfamilien 62 3.4 Angereicherte Software-Produktlinien 64 3.5 Kostenmodell bei Software-Systemfamilien 65 3.6 Modell gewinnbeeinflussender Faktoren 68 3.6.1 Interne Einflüsse 68 3.6.2 Externe Einflüsse 70 3.7 Zusammenfassung 71 I I Vorgehen 72 4 Methode zur wertbasierten Portfolio-Optimierung 73 4.1 Die Methode im Überblick 74 4.2 Kundenanalyse 76 4.2.1 Techniken 77 4.2.2 Einsatz 83 4.2.3 Zusammenfassung 88 4.3 Kostenanalyse 89 4.3.1 Techniken 91 4.3.2 Einsatz 94 4.3.3 Zusammenfassung 97 4.4 Konkurrenzanalyse 98 4.5 Optimierung und weitere Schritte 100 4.6 Zusammenfassung 101 5 Merkmalbasierte Generierung adaptiver Conjoint-Studien 102 5.1 Meta-Modelle 103 5.1.1 Merkmalmodelle 103 5.1.2 ACA-PE-Konfigurationen 105 5.2 Abbildung von Merkmalmodellen auf ACA-PE 106 5.2.1 Erste Überlegungen 106 5.2.2 Stufen 107 5.3 Illustrierendes Beispiel 111 5.4 Zusammenfassung 113 6 Wertbasierte Portfolio-Optimierung 114 6.1 Technische Vorbemerkungen 115 6.2 Verwandte Arbeiten 117 6.2.1 Analytische Arbeiten 117 6.2.2 Praktische Arbeiten 118 6.2.3 Besondere Ansätze 121 6.2.4 Schlussfolgerung 122 6.3 Entwurfsproblem bei Software-Produkt-Portfolios 123 6.3.1 Notationsmittel 123 6.3.2 Mathematisches Programm 125 6.4 Lösungsprozedur 126 6.4.1 Finden des optimalen Software-Produkt-Portfolios 127 6.4.2 Identifikation wichtiger Systeme 129 6.5 Illustrierendes Beispiel 129 6.6 Erweiterung 132 6.7 Zusammenfassung 133 I I I Umsetzung 134 7 Software-Prototyp zur wertbasierten Portfolio-Optimierung 135 7.1 Anforderungen 136 7.1.1 Funktional 136 7.1.2 Nicht-funktional 140 7.2 Technologiestudie 140 7.3 Entwurf 143 7.4 Implementierung 146 7.4.1 Spezifikationseditor 146 7.4.2 ACA-PE-Editor 151 7.4.3 Anwendungskern 152 7.5 Test 157 7.6 Zusammenfassung 157 8 Evaluation 158 8.1 Demonstration 158 8.2 Ergebnisgüte und Skalierbarkeit 162 8.2.1 Theoretisches Testdaten-Modell 163 8.2.2 Testtreiber und Testdatengenerator 166 8.2.3 Auswertung 167 8.3 Akzeptanz 174 8.3.1 Untersuchungsdesign 174 8.3.2 Auswertung 175 8.4 Zusammenfassung 176 9 Zusammenfassung und Ausblick 177 IV Anhang 181 Glossar 182 Literaturverzeichnis 184 A Befragungen 206 A.1 Befragung zur praktischen Relevanz der Portfolio-Optimierung 206 A.2 Experteninterview zur Akzeptanz 208 B Herleitungen 214 B.1 Struktur von Software-Märkten 214 B.2 Gewinnoptimalität der Preisdifferenzierung mit Selbstselektion 219 B.3 Preis-Subproblem für den Simplex-Algorithmus 227 B.4 Beispiel analytisch bestimmter Testdaten 228 C Modelle und Ausgaben des Prototyps 229 Wissenschaftlicher und persönlicher Werdegang 232 Selbstständigkeitserklärung 233