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.

The goal of ZOFF is formulated as a change of stagnation and increase in annual profit in term of 2 years, provided adequate low risk. The paper describes the outcomes and conclusions from a marketing research that highlights the key attributes of the company and its target audience. Way out of the situation lies in identifying the problem and its subsequent formulation. To achieve the objective are used various methods of creation and comparison of the criteria which define variants created. This process comprises a decision matrix for identification and comparison of risk scenarios. The output of the work is to evaluate and compare the resulting variants and recommendation to the elimination of possible threats.

This dissertation focuses on improving content-based recommendation systems for music. Specifically, progress in the development in music content-based recommendation systems has stalled in recent years due to some faulty assumptions: 1. most acoustic content-based systems for music information retrieval (MIR) assume a bag-of-frames model, where it is assumed that a song contains a simplistic, global audio texture 2. genre, style, mood, and authors are appropriate categories for machine-oriented recommendation 3. similarity is a universal construct and does not vary among different users The main contribution of this dissertation is to address these faulty assumptions by describing a novel approach in MIR that provides user-centric, content-based recommendations based on statistics of acoustic sound elements. First, this dissertation presents the acoustic segment modeling framework that describes a piece of music as a temporal sequence of acoustic segment models (ASMs), which represent individual polyphonic sound elements. A dictionary of ASMs generated in an unsupervised process defines a vocabulary of acoustic tokens that are able to transcribe new musical pieces. Next, standard text-based information retrieval algorithms use statistics of ASM counts to perform various retrieval tasks. Despite a simple feature set compared to other content-based genre recommendation algorithms, the acoustic segment modeling approach is highly competitive on standard genre classification databases. Fundamental to the success of the acoustic segment modeling approach is the ability to model acoustical semantics in a musical piece, which is demonstrated by the detection of musical attributes on temporal characteristics. Further, it is shown that the acoustic segment modeling procedure is able to capture the inherent structure of melody by providing near state-of-the-art performance on an automatic chord recognition task. This dissertation demonstrates that some classification tasks, such as genre, possess information that is not contained in the acoustic signal; therefore, attempts at modeling these categories using only the acoustic content is ill-fated. Further, notions of music similarity are personal in nature and are not derived from a universal ontology. Therefore, this dissertation addresses the second and third limitation of previous content-based retrieval approaches by presenting a user-centric preference rating algorithm. Individual users possess their own cognitive construct of similarity; therefore, retrieval algorithms must demonstrate this flexibility. The proposed rating algorithm is based on the principle of minimum classification error (MCE) training, which has been demonstrated to be robust against outliers and also minimizes the Parzen estimate of the theoretical classification risk. The outlier immunity property limits the effect of labels that arise from non-content-based sources. The MCE-based algorithm performs better than a similar ratings prediction algorithm. Further, this dissertation discusses extensions and future work.