@phdthesis{Kaemmerer2017,
  author    = {K{\"a}mmerer, Christian},
  title     = {Fehlmengenkosten in der Distributionslogistik: Analyse und Modellierung aus Sicht der Investitionsg{\"u}terindustrie},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-143013},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2017},
  abstract  = {In der wissenschaftlichen Diskussion wie auch auf betrieblicher Ebene werden Fehlmengenkosten bei mangelhafter Lieferf{\"a}higkeit mit Hinweis auf einen enormen und damit unwirtschaftlichen Erhebungsaufwand meist ignoriert. Stattdessen werden oft Sicherheitsbest{\"a}nde definiert, die ohne ausreichende Ber{\"u}cksichtigung der Kundenbed{\"u}rfnisse und integrierte Modellans{\"a}tze m{\"o}gliche Bedarfs-spitzen auf Herstellerseite abfedern sollen. Findet doch eine Modellierung in quantitativen Ans{\"a}tzen stochastischer Lagerhaltungsmodelle statt, so fehlen aus Sicht eines Investitionsg{\"u}terherstellers oft wichtige Parameter oder sind unzureichend modelliert. Die vorliegende Arbeit verfolgt das Ziel, Fehlmengenkosten auf der einen und Bestandskosten auf der anderen Seite inhaltlich genauer zu beleuchten und in eine grunds{\"a}tzliche Beziehung zueinander zu setzen. Beide Kostenbl{\"o}cke werden in der gr{\"o}ßtm{\"o}glichen Granularit{\"a}t in ein distributionslogistisches Modell {\"u}berf{\"u}hrt, sodass Determinanten, Hierarchien und Wechselwirkungen in einen nachvollziehbaren Gesamtzusammenhang gebracht werden. Zu diesem Zweck werden relevante Distributionsmodelle bei stochastischer Nachfrage gepr{\"u}ft und auf ihre Relevanz f{\"u}r die Problemstellung dieser Arbeit hin analysiert. Dabei konnte festgestellt werden, dass weder die verschiedenen Kostenarten von Fertigwarenbest{\"a}nden ausreichend identifiziert, noch die unterschiedlichen Auspr{\"a}gungen von Fehlmengenkosten umf{\"a}nglich abgebildet wurden. Vor diesem Hintergrund kristallisiert sich heraus, dass existierende Modelle und Rechenbeispiele bei deren Umsetzung auf eine Problemstellung in der betrieblichen Praxis als weitestgehend untauglich eingestuft werden m{\"u}ssen. Im Sinne eines wertorientierten Bestandsmanagements wird in besonderer Weise darauf geachtet, dass kundenorientierte Strategien hinsichtlich eines festzulegenden Lieferservicegrades so festgelegt werden, dass keine isolierte Betrachtung von Bestandskosten einerseits und Fehlmengenkosten andererseits vorgenommen wird. Dadurch konnte ein klareres Bild geschaffen werden, dass einseitige Bestandssenkungen zwangsl{\"a}ufig erh{\"o}hte Fehlmengenkosten in definiertem Umfang nach sich ziehen. Diese k{\"o}nnen die Lieferf{\"a}higkeit {\"u}ber einen l{\"a}ngeren Betrachtungszeitraum so negativ beeinflussen, dass das Nachfrageverhalten nachhaltig gesch{\"a}digt wird und im Extremfall zu einem Abwanderungsverhalten der Kunden f{\"u}hrt. Durch die Modifizierungen einiger wichtiger Pr{\"a}missen und Modellparameter, welche die Merkmale der Investitionsg{\"u}terindustrie in besonderer Weise ber{\"u}cksichtigt, wurde ein dynamisches Entscheidungsmodell entwickelt, in dem nachvollziehbar eine n{\"u}tzliche Symbiose zwischen theoretischer Erkenntnis und praktischer Problemstellung geschaffen werden konnte. Diese Arbeit leistet damit einen wichtigen Beitrag, die oftmals auf reine Bestandssenkungen fokussierte Diskussion ohne ad{\"a}quaten Modellansatz weitestgehend zu versachlichen und auf eine faktenbasierte, quantitative Grundlage zu stellen.},
  subject      = {Fehlmengenkosten},
  language  = {de}
}
@phdthesis{Schmitt2022,
  author    = {Schmitt, Norbert},
  title     = {Measurement, Modeling, and Emulation of Power Consumption of Distributed Systems},
  doi       = {10.25972/OPUS-27658},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-276582},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2022},
  abstract  = {Today's cloud data centers consume an enormous amount of energy, and energy consumption will rise in the future. An estimate from 2012 found that data centers consume about 30 billion watts of power, resulting in about 263TWh of energy usage per year. The energy consumption will rise to 1929TWh until 2030. This projected rise in energy demand is fueled by a growing number of services deployed in the cloud. 50\% of enterprise workloads have been migrated to the cloud in the last decade so far. Additionally, an increasing number of devices are using the cloud to provide functionalities and enable data centers to grow. Estimates say more than 75 billion IoT devices will be in use by 2025. The growing energy demand also increases the amount of CO2 emissions. Assuming a CO2-intensity of 200g CO2 per kWh will get us close to 227 billion tons of CO2. This emission is more than the emissions of all energy-producing power plants in Germany in 2020. However, data centers consume energy because they respond to service requests that are fulfilled through computing resources. Hence, it is not the users and devices that consume the energy in the data center but the software that controls the hardware. While the hardware is physically consuming energy, it is not always responsible for wasting energy. The software itself plays a vital role in reducing the energy consumption and CO2 emissions of data centers. The scenario of our thesis is, therefore, focused on software development. Nevertheless, we must first show developers that software contributes to energy consumption by providing evidence of its influence. The second step is to provide methods to assess an application's power consumption during different phases of the development process and to allow modern DevOps and agile development methods. We, therefore, need to have an automatic selection of system-level energy-consumption models that can accommodate rapid changes in the source code and application-level models allowing developers to locate power-consuming software parts for constant improvements. Afterward, we need emulation to assess the energy efficiency before the actual deployment.},
  subject      = {Leistungsbedarf},
  language  = {en}
}
@phdthesis{Philippi2011,
  author    = {Philippi, Nicole},
  title     = {Modellierung von Signalwegen in verschiedenen biologischen Systemen},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-57690},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2011},
  abstract  = {Die Apoptose der Leberzellen ist abh{\"a}ngig von externen Signalen wie beispielsweise Komponenten der Extrazellul{\"a}ren Matrix sowie anderen Zell-Zell-Kontakten, welche von einer Vielfalt und Vielzahl an Knoten verarbeitet werden. Einige von ihnen wurden im Rahmen dieser Arbeit auf ihre Systemeffekte hin unter- sucht. Trotz verschiedener {\"a}ußerer Einfl{\"u}sse und nat{\"u}rlicher Selektion ist das System daraufhin optimiert, eine kleine Anzahl verschiedener und klar voneinander unterscheidbarer Systemzust{\"a}nde anzunehmen. Die verschiedenartigen Einfl{\"u}sse und Crosstalk-Mechanismen dienen der Optimierung der vorhandenen Systemzust{\"a}nde. Das in dieser Arbeit vorgestellte Modell zeigt zwei apoptotische sowie zwei nicht-apoptotische stabile Systemzust{\"a}nde, wobei der Grad der Aktivierung eines Knotens bis zu dem Moment stark variieren kann, in welchem der absolute Systemzustand selbst ver{\"a}ndert wird (Philippi et al., BMC Systems Biology,2009) [1]. Dieses Modell stellt zwar eine Vereinfachung des gesamten zellul{\"a}ren Netzwerkes und seiner verschiedenen Zust{\"a}nde dar, ist aber trotz allem in der Lage, unabh{\"a}ngig von detaillierten kinetischen Daten und Parametern der einzelnen Knoten zu agieren. Gleichwohl erlaubt das Modell mit guter qualitativer {\"U}bereinstimmung die Apoptose als Folge einer Stimulation mit FasL zu modellieren. Weiterhin umfasst das Modell sowohl Crosstalk-M{\"o}glichkeiten des Collagen-Integrin-Signalwegs, ebenso ber{\"u}cksichtigt es die Auswirkungen der genetischen Deletion von Bid sowie die Konsequenzen einer viralen Infektion. In einem zweiten Teil werden andere Anwendungsm{\"o}glichkeiten dargestellt. Hormonale Signale in Pflanzen, Virusinfektionen und intrazellul{\"a}re Kommunikation werden semi-quantitativ modelliert. Auch hier zeigte sich eine gute Ubereinstimmung der Modelle mit den experimentellen Daten.},
  subject      = {Systembiologie},
  language  = {de}
}