During the manufacturing planning, multiple variants of process chains for the manufacturing of a product to be developed are generated by engineers. In order to select an optimal variant, multiple decision criteria specifying technical, ecological and economical properties of the process chains as well as multiple assessments of different domain experts have to be taken into account. The contribution of this article is a two-step approach that provides a multi-criteria multi-expert assessment of manufacturing process chains supporting the selection of an optimal process chain. A web-based software tool that implements the multi-criteria assessment of process chains is also presented.

No description available.

Für Investitionsgüterhersteller ist das Geschäft mit industriellen Dienstleistungen eng mit dem Produktgeschäft verbunden: Die Summe der verkauften und im Betrieb befindlichen Produkte – die „installierte Basis“ – stellt die Grundlage für den Absatz produktbegleitender industrieller Dienstleistungen dar. Mit einem Exportanteil von etwa 70 % agieren deutsche Investitionsgüterhersteller stark international, d. h. die installierte Basis ist weltweit verteilt (vgl. VDMA 2004). Um einen möglichst hohen Anteil dieser installierten Basis mit Dienstleistungen zu bedienen, muss das Dienstleistungsgeschäft ebenfalls international erfolgen. Gleichzeitig wird der Anteil des Dienstleistungsgeschäfts am Gesamterfolg der Unternehmen wichtiger. Eine Konzentration auf heimische Märkte, die nur einen geringen Anteil der installierten Basis darstellen, würde also auch ein entsprechend begrenztes Ertragspotenzial bedeuten. Allerdings können weltweite Serviceeinsätze wie z. B. Montage, Störfallbehebung oder Instandhaltung mit sehr hohen Kosten verbunden sein und so die Rendite schmälern. Für die Anbieter industrieller Dienstleistungen stellt sich daher die Frage nach einer geeigneten Form der Internationalisierung. Während große Unternehmen und Konzerne häufig Direktinvestitionen tätigen, benötigen insbesondere kleine und mittlere Unternehmen (KMU) Lösungen mit geringerem unternehmerischen Risiko. Hier bietet sich die Kooperation im Netzwerk an. Diese Lösung erfordert im Vergleich zur Direktinvestition weniger vertragliche Bindungen und geringere Investitionen, gleichzeitig bietet sie jedoch die Chance, von der Erfahrung und den Kenntnissen der Partner über die lokalen Märkte zu profitieren und Ressourcen zusammenfassen zu können (vgl. KUTSCHKER, MÖßLANG 1996; GULATI ET AL. 2000; WARNECKE 2002; ZAHN, STANIK 2003).

Data-driven maintenance bears the potential to realize various benefits based on multifaceted data assets generated in increasingly digitized industrial environments. By taking advantage of modern methods and technologies from the field of data science and analytics (DSA), it is possible, for example, to gain a better understanding of complex technical processes and to anticipate impending machine faults and failures at an early stage. However, successful implementation of DSA projects requires multidisciplinary expertise, which can rarely be covered by individual employees or single units within an organization. This expertise covers, for example, a solid understanding of the domain, analytical method and modeling skills, experience in dealing with different source systems and data structures, and the ability to transfer suitable solution approaches into information systems. Against this background, various approaches have emerged in recent years to make the implementation of DSA projects more accessible to broader user groups. These include structured procedure models, systematization and modeling frameworks, domain-specific benchmark studies to illustrate best practices, standardized DSA software solutions, and intelligent assistance systems. The present thesis ties in with previous efforts and provides further contributions for their continuation. More specifically, it aims to create supportive artifacts for the selection, evaluation, and application of data-driven methods in the field of industrial maintenance. For this purpose, the thesis covers four artifacts, which were developed in several publications. These artifacts include (i) a comprehensive systematization framework for the description of central properties of recurring data analysis problems in the field of industrial maintenance, (ii) a text-based assistance system that offers advice regarding the most suitable class of analysis methods based on natural language and domain-specific problem descriptions, (iii) a taxonomic evaluation framework for the systematic assessment of data-driven methods under varying conditions, and (iv) a novel solution approach for the development of prognostic decision models in cases of missing label information. Individual research objectives guide the construction of the artifacts as part of a systematic research design. The findings are presented in a structured manner by summarizing the results of the corresponding publications. Moreover, the connections between the developed artifacts as well as related work are discussed. Subsequently, a critical reflection is offered concerning the generalization and transferability of the achieved results. Thus, the thesis not only provides a contribution based on the proposed artifacts; it also paves the way for future opportunities, for which a detailed research agenda is outlined.:List of Figures List of Tables List of Abbreviations 1 Introduction 1.1 Motivation 1.2 Conceptual Background 1.3 Related Work 1.4 Research Design 1.5 Structure of the Thesis 2 Systematization of the Field 2.1 The Current State of Research 2.2 Systematization Framework 2.3 Exemplary Framework Application 3 Intelligent Assistance System for Automated Method Selection 3.1 Elicitation of Requirements 3.2 Design Principles and Design Features 3.3 Prototypical Instantiation and Evaluation 4 Taxonomic Framework for Method Evaluation 4.1 Survey of Prognostic Solutions 4.2 Taxonomic Evaluation Framework 4.3 Exemplary Framework Application 5 Method Application Under Industrial Conditions 5.1 Conceptualization of a Solution Approach 5.2 Prototypical Implementation and Evaluation 6 Discussion of the Results 6.1 Connections Between Developed Artifacts and Related Work 6.2 Generalization and Transferability of the Results 7 Concluding Remarks Bibliography Appendix I: Implementation Details Appendix II: List of Publications A Publication P1: Focus Area Systematization B Publication P2: Focus Area Method Selection C Publication P3: Focus Area Method Selection D Publication P4: Focus Area Method Evaluation E Publication P5: Focus Area Method Application / Datengetriebene Instandhaltung birgt das Potential, aus den in Industrieumgebungen vielfältig anfallenden Datensammlungen unterschiedliche Nutzeneffekte zu erzielen. Unter Verwendung von modernen Methoden und Technologien aus dem Bereich Data Science und Analytics (DSA) ist es beispielsweise möglich, das Verhalten komplexer technischer Prozesse besser nachzuvollziehen oder bevorstehende Maschinenausfälle und Fehler frühzeitig zu erkennen. Eine erfolgreiche Umsetzung von DSA-Projekten erfordert jedoch multidisziplinäres Expertenwissen, welches sich nur selten von einzelnen Personen bzw. Einheiten innerhalb einer Organisation abdecken lässt. Dies umfasst beispielsweise ein fundiertes Domänenverständnis, Kenntnisse über zahlreiche Analysemethoden, Erfahrungen im Umgang mit verschiedenen Quellsystemen und Datenstrukturen sowie die Fähigkeit, geeignete Lösungsansätze in Informationssysteme zu überführen. Vor diesem Hintergrund haben sich in den letzten Jahren verschiedene Ansätze herausgebildet, um die Durchführung von DSA-Projekten für breitere Anwendergruppen zugänglich zu machen. Dazu gehören strukturierte Vorgehensmodelle, Systematisierungs- und Modellierungsframeworks, domänenspezifische Benchmark-Studien zur Veranschaulichung von Best Practices, Standardlösungen für DSA-Software und intelligente Assistenzsysteme. An diese Arbeiten knüpft die vorliegende Dissertation an und liefert weitere Artefakte, um insbesondere die Selektion, Evaluation und Anwendung datengetriebener Methoden im Bereich der industriellen Instandhaltung zu unterstützen. Insgesamt erstreckt sich die Abhandlung auf vier Artefakte, die in einzelnen Publikationen erarbeitet wurden. Dies umfasst (i) ein umfangreiches Systematisierungsframework zur Beschreibung zentraler Ausprägungen wiederkehrender Datenanalyseprobleme im Bereich der industriellen Instandhaltung, (ii) ein textbasiertes Assistenzsystem, welches ausgehend von natürlichsprachlichen und domänenspezifischen Problembeschreibungen eine geeignete Klasse von Analysemethoden vorschlägt, (iii) ein taxonomisches Evaluationsframework zur systematischen Bewertung von datengetriebenen Methoden unter verschiedenen Rahmenbedingungen sowie (iv) einen neuartigen Lösungsansatz zur Entwicklung von prognostischen Entscheidungsmodellen im Fall von eingeschränkter Informationslage. Die Konstruktion der Artefakte wird durch einzelne Forschungsziele im Rahmen eines systematischen Forschungsdesigns angeleitet. Neben der Darstellung der einzelnen Forschungsbeiträge unter Bezugnahme auf die erzielten Ergebnisse der dazugehörigen Publikationen werden auch die Verbindungen zwischen den entwickelten Artefakten beleuchtet und Zusammenhänge zu angrenzenden Arbeiten hergestellt. Zudem erfolgt eine kritische Reflektion der Ergebnisse hinsichtlich ihrer Verallgemeinerung und Übertragung auf andere Rahmenbedingungen. Dadurch liefert die vorliegende Abhandlung nicht nur einen Beitrag anhand der erzeugten Artefakte, sondern ebnet auch den Weg für fortführende Forschungsarbeiten, wofür eine detaillierte Forschungsagenda erarbeitet wird.:List of Figures List of Tables List of Abbreviations 1 Introduction 1.1 Motivation 1.2 Conceptual Background 1.3 Related Work 1.4 Research Design 1.5 Structure of the Thesis 2 Systematization of the Field 2.1 The Current State of Research 2.2 Systematization Framework 2.3 Exemplary Framework Application 3 Intelligent Assistance System for Automated Method Selection 3.1 Elicitation of Requirements 3.2 Design Principles and Design Features 3.3 Prototypical Instantiation and Evaluation 4 Taxonomic Framework for Method Evaluation 4.1 Survey of Prognostic Solutions 4.2 Taxonomic Evaluation Framework 4.3 Exemplary Framework Application 5 Method Application Under Industrial Conditions 5.1 Conceptualization of a Solution Approach 5.2 Prototypical Implementation and Evaluation 6 Discussion of the Results 6.1 Connections Between Developed Artifacts and Related Work 6.2 Generalization and Transferability of the Results 7 Concluding Remarks Bibliography Appendix I: Implementation Details Appendix II: List of Publications A Publication P1: Focus Area Systematization B Publication P2: Focus Area Method Selection C Publication P3: Focus Area Method Selection D Publication P4: Focus Area Method Evaluation E Publication P5: Focus Area Method Application

Die Digitalisierung der Wirtschaft macht das Customer Targeting zu einer wichtigen Schnittmenge von Marketing und Wirtschaftsinformatik. Marketingtreibende können auf Basis von soziodemografischen und Verhaltensdaten gezielt einzelne Kunden mit personalisierten Botschaften ansprechen. Diese Arbeit erweitert die Perspektive der Forschung im Bereich der modellbasierten Vorhersage von Kundenverhalten durch 1) die Entwicklung und Validierung neuer Methoden des maschinellen Lernens, die explizit darauf ausgelegt sind, die Profitabilität des Customer Targeting im Direktmarketing und im Kundenbindungsmanagement zu optimieren, und 2) die Untersuchung der Datenerfassung mit Ziel des Customer Targeting aus Unternehmens- und Kundensicht. Die Arbeit entwickelt Methoden welche den vollen Umfang von E-Commerce-Daten nutzbar machen und die Rahmenbedingungen der Marketingentscheidung während der Modellbildung berücksichtigen. Die zugrundeliegenden Modelle des maschinellen Lernens skalieren auf hochdimensionale Kundendaten und ermöglichen die Anwendung in der Praxis. Die vorgeschlagenen Methoden basieren zudem auf dem Verständnis des Customer Targeting als einem Problem der Identifikation von Kausalzusammenhängen. Die Modellschätzung sind für die Umsetzung profitoptimierter Zielkampagnen unter komplexen Kostenstrukturen ausgelegt. Die Arbeit adressiert weiterhin die Quantifizierung des Einsparpotenzials effizienter Versuchsplanung bei der Datensammlung und der monetären Kosten der Umsetzung des Prinzips der Datensparsamkeit. Eine Analyse der Datensammlungspraktiken im E-Mail-Direktmarketing zeigt zudem, dass eine Überwachung des Leseverhaltens in der Marketingkommunikation von E-Commerce-Unternehmen ohne explizite Kundenzustimmung weit verbreitet ist. Diese Erkenntnis bildet die Grundlage für ein auf maschinellem Lernen basierendes System zur Erkennung und Löschung von Tracking-Elementen in E-Mails. / The digitization of the economy has fundamentally changed the way in which companies interact with customers and made customer targeting a key intersection of marketing and information systems. Building models of customer behavior at scale requires development of tools at the intersection of data management and statistical knowledge discovery. This dissertation widens the scope of research on predictive modeling by focusing on the intersections of model building with data collection and decision support. Its goals are 1) to develop and validate new machine learning methods explicitly designed to optimize customer targeting decisions in direct marketing and customer retention management and 2) to study the implications of data collection for customer targeting from the perspective of the company and its customers. First, the thesis proposes methods that utilize the richness of e-commerce data, reduce the cost of data collection through efficient experiment design and address the targeting decision setting during model building. The underlying state-of-the-art machine learning models scale to high-dimensional customer data and can be conveniently applied by practitioners. These models further address the problem of causal inference that arises when the causal attribution of customer behavior to a marketing incentive is difficult. Marketers can directly apply the model estimates to identify profitable targeting policies under complex cost structures. Second, the thesis quantifies the savings potential of efficient experiment design and the monetary cost of an internal principle of data privacy. An analysis of data collection practices in direct marketing emails reveals the ubiquity of tracking mechanisms without user consent in e-commerce communication. These results form the basis for a machine-learning-based system for the detection and deletion of tracking elements from emails.

In der vorliegenden Arbeit wird ein selbst-adaptives modellbasiertes Entscheidungsunterstützungssystem zur Anpassung von Modellen an eine dynamische Umwelt im Rahmen des betriebswirtschaftlichen Planungsprozesses beschrieben. Das Prinzip der Selbst-Adaption wird genutzt, um Modelle innerhalb eines Entscheidungsunterstützungssystems kontinuierlich realitätsnah zu repräsentieren, damit ein Entscheider stetig bestmöglich unterstützt werden kann. Hierfür wird eine Architektur entwickelt, die ein modellgetriebenes Entscheidungsunterstützungssystem auf Grundlage des Prinzips der Selbst-Adaption konzeptionell erweitert und prototypisch realisiert. Die konzipierte Model-/System-Controller Architektur besteht aus vier zentralen Komponenten: Dem Modell als Abbild der Realität, dem System-Controller zur Anwendung des Modells sowie zur Unterstützung des Anwenders, dem Observer zur Überwachung der Modellvalidität und dem Model-Controller zur Erstellung von Modellanpassungsvorschlägen im Fall einer Abweichung. Der Observer überwacht das Modell und prüft kontinuierlich, ob eine Modellaktualisierung notwendig ist. Der Model-Controller sorgt durch ein dynamisches Vorgehen beim Erstellen von Experimentalmodellen sowie eine vielschichtige Evaluation auf Modell- und Variablenebene für eine Reduktion der Komplexität. Das Zusammenspiel der Komponenten sorgt für eine kontinuierliche Evaluation und, sofern es die Umweltbedingungen bedürfen, für eine ständige Anpassung des Modells. Forschungsmethodisch orientiert sich die Arbeit an Design Science Research. Die gestaltungsorientierten Forschungsschritte werden durch eine ex ante und ex post Evaluation überprüft. Die ex ante Evaluation überprüft die Architektur auf Vollständigkeit und Korrektheit und bestätigt im Rahmen einer Umfrage, dass die entwickelten Komponenten sowie ihre Funktionen die Probleme von Entscheidungsunterstützungssystemen in einer dynamischen Unternehmensumwelt lindern können. Die ex post Evaluation weist mittels eines Laborexperimentes die Effektivität und Effizienz bei der Abweichungs- und Ursachenanalyse des Prototyps nach und zeigt die Gebrauchstauglichkeit für verschiedene Nutzungsszenarien auf.

Der Einsatz numerischer Simulationen zur Bearbeitung klinischer Fragestellungen ist eine innovative Vorgehensweise. Im Rahmen der vorliegenden Arbeit wurde eine Methode zur Auswertung von Ergebnissen einer Finite-Elemente-Analyse zum Stentgraftverhalten konzipiert, implementiert und im Rahmen einer deutschlandweiten Benutzerstudie getestet. Für einen Vergleich unterschiedlicher Stentgraftkonfigurationen im Kontext mit dem patientenspezifischen Gefäß wurden Stentgraftbewertungsgrößen eingeführt. Hierzu gehören die Fixierungskraft und der Kontaktstatus zwischen Stentringen und Blutgefäßbestandteilen. Für eine Bereitstellung der Ergebnisgrößen im gefäßmedizinischen Arbeitsumfeld wurde eine graphische Mensch-Maschine-Schnittstelle entwickelt. Diese ermöglicht eine quantitative und qualitative Auswertung von Stentgraftbewertungsgrößen. Hierfür wurden Module zur automatisierten Auswertung von Fixierungskräften sowie zur 2D- und 3D- Ergebnisvisualisierung implementiert. Im Rahmen der Benutzerstudie wurde die Anwendung der entwickelten Methode für die Ermittlung des Einsatzpotenzials numerischer Simulationen zur Unterstützung der Stentgraftauswahl demonstriert. Im Ergebnis wurde als wesentliches Einsatzpotenzial die Festlegung eines Mindestmaßes an Überdimensionierung, die Optimierung der Schenkellänge sowie der Ver- gleich unterschiedlicher Stentgraftdesigns ermittelt. Weiterhin konnten grundlegende Anforderungen an ein System zur Generierung und Bewertung von Stentgraftkonfigurationen im klinischen Alltag definiert werden. Zu den wesentlichen Funktionen, die der Implanteur für einen Vergleich von Stentgrafts benötigt, zählen eine Übersichtskarte zu farbkodiertem Migrationsrisiko pro Stentgraft und Landungszone, die Visualisierung des Abdichtungszustandes der Stentkomponenten sowie die Darstellung von Stentgraft- und Gefäßdeformationen im 3D-Modell.

Der Einsatz numerischer Simulationen zur Bearbeitung klinischer Fragestellungen ist eine innovative Vorgehensweise. Im Rahmen der vorliegenden Arbeit wurde eine Methode zur Auswertung von Ergebnissen einer Finite-Elemente-Analyse zum Stentgraftverhalten konzipiert, implementiert und im Rahmen einer deutschlandweiten Benutzerstudie getestet. Für einen Vergleich unterschiedlicher Stentgraftkonfigurationen im Kontext mit dem patientenspezifischen Gefäß wurden Stentgraftbewertungsgrößen eingeführt. Hierzu gehören die Fixierungskraft und der Kontaktstatus zwischen Stentringen und Blutgefäßbestandteilen. Für eine Bereitstellung der Ergebnisgrößen im gefäßmedizinischen Arbeitsumfeld wurde eine graphische Mensch-Maschine-Schnittstelle entwickelt. Diese ermöglicht eine quantitative und qualitative Auswertung von Stentgraftbewertungsgrößen. Hierfür wurden Module zur automatisierten Auswertung von Fixierungskräften sowie zur 2D- und 3D- Ergebnisvisualisierung implementiert. Im Rahmen der Benutzerstudie wurde die Anwendung der entwickelten Methode für die Ermittlung des Einsatzpotenzials numerischer Simulationen zur Unterstützung der Stentgraftauswahl demonstriert. Im Ergebnis wurde als wesentliches Einsatzpotenzial die Festlegung eines Mindestmaßes an Überdimensionierung, die Optimierung der Schenkellänge sowie der Ver- gleich unterschiedlicher Stentgraftdesigns ermittelt. Weiterhin konnten grundlegende Anforderungen an ein System zur Generierung und Bewertung von Stentgraftkonfigurationen im klinischen Alltag definiert werden. Zu den wesentlichen Funktionen, die der Implanteur für einen Vergleich von Stentgrafts benötigt, zählen eine Übersichtskarte zu farbkodiertem Migrationsrisiko pro Stentgraft und Landungszone, die Visualisierung des Abdichtungszustandes der Stentkomponenten sowie die Darstellung von Stentgraft- und Gefäßdeformationen im 3D-Modell.

Die Supply Chain von Algen in Indonesien, insbesondere Karrageen und Agarprodukte, ist mit Störungen innerhalb der Unternehmen und in externen Netzwerken konfrontiert wie z. B. Quantität, Qualität, Preis und Infrastruktur. Sobald eine Störung in einem Teil der Supply Chain auftritt, kann diese die gesamte Wertschöpfungskette beeinflussen. Um eine nachhaltige Algenindustrie sicher zu stellen, bedarf es einer langzeitigen Planung. Hierbei kann das Supply Chain Risk Management (SCRM) helfen. SCRM umfasst vier kritische Stufen: Identifikation der Algen-Supply Chains, Identifikation und Kategorisierung der Risiken, Einschätzen der Risiken und Vermeidung der Risiken. Um die Algen-Supply Chains zu identifizieren, wurden Feldforschung, Tiefeninterviews und Literaturrecherchen durchgeführt. Die Feldstudie wurde in den Provinzen Süd-Sulawesi, West-Java, Ost-Java, Banten und West-Nusa Tenggara durchgeführt. Anschließend wurden die Algen-Supply Chains mit der Software Umberto NXT Universal 7.0 modelliert, um ein besseres Verständnis von den Material- und Energieflüssen zwischen den Hauptakteuren zu erhalten. Um die Risiken zu identifizieren und zu kategorisieren wurden Literaturrecherchen durchgeführt und die Delphi Methode angewandt, um potentielle Quellen der Risiken, ihre Gründe und ihre Effekte zu analysieren. Zur Einschätzung der Risiken wurde ein semi-quantitativer Ansatz gewählt, welcher auf Face-to-face Interviews zurückgreift. Dementsprechend wurde eine Risikokarte erstellt, welche die Wahrscheinlichkeiten und Effekte von ungünstigen Ereignissen widerspiegelt. Basierend auf den vorherigen Ergebnissen wurde die Intensität der Risiken in die folgenden fünf Kategorien unterteilt: vernachlässigbare, geringe, kritische, sehr kritische und katastrophale Risiken. Drei alternative Strategien zur Vermeidung der Risiken werden vorgeschlagen: der Bau einer kleinen Algen-Fabrik, große Algen-Herstellung und industrielle Algen-Cluster, welche direkt am Algenanbau angegliedert sein müssen. Um die Strategien zu bewerten wurde die Preference Ranking Organization Method for Enrichment Evaluation (PROMETHEE) angewandt, welche der multikriteriellen Entscheidungsanalyse zuzurechnen ist. Die Vermeidungsstrategien berücksichtigen  Nachhaltigkeitskriterien (Ökologie, Wirtschaft, Soziales) und Risikokriterien. Die Ergebnisse zeigen, dass Algen-Supply Chains mit vertikaler Kooperation, aus Algen-Lieferanten (Farmer, lokale Händler, Großhändler und Exporteure) und Algen-Herstellern (Carrageen- und Agarunternehmen) bestehen. Die meisten Algen-Farmer sind unabhängige Farmer, die die Möglichkeit haben die Algen entweder an lokale Händler oder andere je nach Präferenz verkaufen können. Lokale Händler spielen eine entscheidende Rolle hinsichtlich der finanziellen Unterstützung der Farmer, der technischen Informationen und des Marktzugangs. Indonesische Carrageen- und Agarhersteller weisen ein kontinuierliches Marktwachstum auf, insbesondere als Familienunternehmen. Die Risiken der Algen-Supply Chain werden in zwei Hauptkategorien unterteilt: interne und externe Risiken. Interne Risiken werden weiterhin in zwei Gruppen untergliedert: interne Unternehmensrisiken, welche aus Prozess- und Steuerungsrisiken bestehen, sowie externe Unternehmensrisiken, die Supply- und Nachfragerisiken umfassen. Externe Supply Chain Risiken, die aus externen Netzwerkketten resultieren, sind Risiken hinsichtlich regulatorischer Fragen, der Finanzierung, Infrastruktur als auch soziale und umweltbezogene Risiken. Als kritischstes Risiko für die Carrageen-Supply Chain wurde die mangelnde Qualität von E.cottonii rohgetrockneten Algen identifiziert. Weitere kritische Risiken der Agar-Supply Chain sind Quantitätsunsicherheiten, die Knappheit von Gracilaria roh getrockneten Algen sowie negative Umweltauswirkungen des Abwassers. Aus  der Fallstudie zu halb-raffinierten Karrageen resultierte das Clustern von Algen-Verarbeitungsbetrieben als ist die beste Risikovermeidungsstrategie sowohl für große als auch kleine Unternehmen. Nichtsdestotrotz kann sich das Clustern negativ auf die lokale Umwelt auswirken.

Coal is a fossil fuel mineral, which is presently a major source of electricity and energy to industries. From past to present, there are many coal reserves around the world and large scale coal mining operates in various areas such as the USA, Russia, China, Australia, India, and Germany, etc. Thailand’s coal resources can be found in many areas; there are lignite mining in the north of Thailand, the currently operational Mae Moh Lignite Mine, and also coal reserves in the south of Thailand, such as Krabi and Songkhla, where mines are not yet operating. The main consumption of coal is in electricity production, which increases annually. In 2019, the Thai Government and Electricity Generating Authority of Thailand (EGAT) plans to run a 800 MW coal power plant at Krabi, which may run on imported coal, despite there being reserves of lignite at Krabi; the use of domestic coal is a last option because of social and environmental concerns about the effects of coal mining. There is a modern trend in mining projects, the responsibility of mining should cover not only the mining activity, but the social and environmental protection and mine closure activities which follow. Thus, the costs and decisions taken on by the mining company are increasingly complicated. To reach a decision on investment in a mining project is not easy; it is a complex process in which all variables are connected. Particularly, the responsibility of coal mining companies to society and the environment is a new topic. Thus, a tool to help to recognize and generate information for decision making is in demand and very important. In this thesis, the system dynamics model of coal mine planning is made by using Vensim Software and specifically designed to encompass many variables during the period of mining activity until the mine closure period. The decisions use economic criteria such as Net Present Value (NPV), Net Cash Flow (NCF), Payback Period (PP), and Internal Rate of Return (IRR), etc. Consequently, the development of the decision support system of coal mine planning as a tool is proposed. The model structure covers the coal mining area from mine reserves to mine closure. It is a fast and flexible tool to perform sensitivity analysis, and to determine an optimum solution. The model results are clear and easily understandable on whether to accept or reject the coal mine project, which helps coal mining companies make the right decisions on their policies, economics, and the planning of new coal mining projects. Furthermore, the model is used to analyse the case study of the Krabi coal-fired power plant in Thailand, which may possibly use the domestic lignite at Krabi. The scenario simulations clearly show some potential for the use of the domestic lignite. However, the detailed analysis of the Krabi Lignite Mine Project case shows the high possible risks of this project, and that this project is currently not feasible. Thus, the model helps to understand and confirm that the use of domestic lignite in Krabi for the Krabi Coal Power Plant Project is not suitable at this time. Therefore, the best choice is imported coal from other countries for supporting the Krabi Coal Power Plant Project. Finally, this tool successfully is a portable application software, which does not need to be installed on a computer, but can run directly in a folder of the existing application. Furthermore, it supports all versions of Windows OS.