Zusammenfassung
wenn die gesamten möglichen Forschungsaufwendungen einer Periode festgestellt sind, so müssen diese entsprechend unseren Voraussetzungen so auf einzelne Projekte verteilt werden, daß die erwarteten Gewinne maximal werden. Dabei wird in der Regel die volle Ausnutzung aller möglichen Gesamtaufwendungen für die Forschung unterstellt, was zumindest nicht fallende Grenzerträge der Forschungsinvestitionen voraussetzt 1). Gleichzeitig sind alle anderen Einschränkungen bei den Planungen zu beachten. Diese Problemstellung läßt typische Merkmale von Programmierungsansätzen erkennen: Optimierung einer Zielfunktion unter der Beachtung einer oder mehrerer Nebenbedingungen in der Form von Ungleichungen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Durch die - hinsichtlich ihrer empirischen Relevanz nicht überprüfte - Aufgabe dieser Bedingung gelingt
es Freemann, optimale Gesamtaufwendungen der Forschung abzuleiten, ohne daß die erwarteten Erträge an den Opportunitätskosten der Investition orientiert werden. Vgl. Freemann, R.J., A Stochastic
Model for Determining the Size and Allocation of the Research Budget, IRE, Vol. EM-7, 1960, (März) S. 2–7, hier S. 6 f.
Baker, N.R.,und W.H. Pound, R and D Project Selection: Where We Stand, IEEE, Vol. EM-11, 1964, S. 124–134, bes. Tab. I. Für die Anwendung von Investitionsmodellen oder Entscheidungsmodellen zur Anlagenwartung gilt ähnliches: Jaensch, G., Betriebswirtschaftliche Investitionsmodelle und praktische Investitionsrechnung, ZfbF, N.F., 19. Jg., 1967, S. 48–57; Turban, E., The Use of Mathematical Models in Plant Maintenance Decision Making, op.cit.
Vgl. dazu Baker, N.R.,und W.H. Pound, op.cit. Weitere Einwände sind eigenen Interviews entnommen.
Ein anderes Problem bietet die Betrachtung von Faustregeln, die aus Modellen abgeleitet sind: Marschak, T.A., Models, Rules of Thumb, and Development Decision, in: Operations Research in Research and Development, B.V. Dean, Herausg., op. cit., S. 247–263.
Einen Ansatz hat W.H. Pound vorgelegt: Research Project Selection: Testing a Model in the Field, op.cit., passim. Man tritt hier in einen circulus vitiosus der Stationen Datenerfassung und Modell (Methoden der Datenverwendung) ein, den eine der befragten Personen so darstellt:“Ich glaube, daß die großen Firmen zu einer sorgfältigen und zweckmäßigen Erfassung der Ausgangsdaten erst dann zu bringen sind, wenn sie überzeugt werden, daß die Verwendung der dann anwendbaren Methoden für sie von praktischem Wert ist”.
Aus einem Interview d.V. mit dem Forschungsleiter eines Unternehmens der Papierindustrie.
Ein bekanntes Beispiel aus der umfangreichen Literatur ist die Arbeit von Fulkerson, D.R., A Network Flow Computation for Project Cost Curves, MS, Vol. 7, 1961, S. 167–178.
Vgl. bes. den ersten Teil des Modells von Brandenburg, R.G., und A.C. Stedry, Toward a Multi-Stage Information Conversion Model of the Research and Development Process, Naval Research Logistics Quarterly, Vol. 13, 1966, S. 129–146
Baker, N.R., und W.H. Pound, R and D Project Selection: Where We Stand, op.cit. Cetron, M.J., I. Martino und L. Roepcke, The Selection of R und D Program Content-Survey of Quantitative Methodes, IEEE, Vol. EM-14, 1967; S. 4–13; in dieser Ubersicht dominieren die für den Bereich der militärischen Forschungsplanung ausgearbeiteten Verfahren.
Vgl. “Regel zur Kondensation des Entscheidungsfeldes” bei Gäfgen, G., Theorie der wirtschaftlichen Entscheidung, op.cit., S. 351–362
Mottley, C.M.,und R.D. Newton, The Selection of Projects for Industrial Research, Operations Research, Vol. 7, 1959, 5. 740–751
Garguilo, G.R., J. Hannoch, D.B. Hertz, T. Zang, Developing Systematic Procedures for Directing Research Programs, IRE, Vol. EM-8, 1961, S. 24–29. die Bemerkungen von Hannoch zur Brauchbarkeit dieser Arbeit in der “Grundlagenforschung”: Gross, N., (Moderator) etal., Research and Development Planning Panel, Management Technology, Vol. 4, 1964, S. 183–195
Der Ansatz entspricht dem vorgenannten. Vgl. Strebel, H., Die Bedeutung industrieller Unternehmungen, op.cit., S. 134 ff.
Pound, W.H., Research Project Selection: Testing a Model in the Field, IEEE, Vol. EM-11, 1964, 5. 16–22
Grundlagen geben: Churchman, C.W., R.L. Ackoff, E. L. Arnoff, Introduction to Operations Research, 4. A., New York, London 1979, S. 114 ff.- In der den hier genannten Ansätzen entsprechenden Weise werden auch die “project profile work sheets” von Villers verarbeitet. Vgl. Villers,R., Research and Development: Planning and Control, New York 1964,5. 44 ff.
Baker, N.R., und W.H. Pound, R and D Project Selection: Where We Stand, op.cit.
Auf die Tatsache, daß hier Bewertungsziffern statt der tatsächlichen Einflußgrößen benutzt werden, kommen wir unten zurück.
Mottley, C.M., und R.D. Newton, op.cit.
Vgl. die Kurzkritik von Moore, P.G., A Statistical Approach to the Allocation of Technical Effort in Some Industrial Situations, Journal of the Royal Statistical Society, Ser. A, Vol. 126, 1963, S. 493–529, hier S. 515
Vgl. Mottley und Newton, op.cit., Tab. 11, S. 746
Schaltet man a priori alle Projekte aus der Betrachtung aus für die at* pe(T-t’), so kanníZ beliebig nahe bei 3 gewählt werden, damit C63. Damit ist aber nicht ausgeschlossen, daB C’1, da at /ep(T-t*) 2/3 zugelassen ist.
Mottley, C.M., und R.D. Newton, op.cit., S. 744
Eine wesentlich tiefere Diskussion der Meßprobleme führt: Pfanzagl, J., Die axiomatischen Grundlagen einer allgemeinen Theorie des Messens, Würzburg 1959
Peirce, C.S., Note on the Theory of the Economy of Research, op.cit.
Ebenda, S. 643, 645
Andere Autoren betrachten die Bearbeitungszeit als den einzigen knappen Faktor. Das ändert die Problemstellung aber nicht grundsätzlich: Asher, D.I., A Linear Programming Model for the Allocation of R und D Efforts, IRE, Vol. EM 9 (Dez.) 1962, S. 154–157; Asher, D.I., und S. Disman, Operations Research in R und D, Chemical Engineering Progress, Vol. 59, (Jan.) 1963, S. 41–45
Nach einem Theorem von Weingartner, H.M., Mathematical Programming of Capital Budgeting Problems, 3.A., Chicago 1967, S. 35, wissen wir, daß diese Möglichkeit hier bei hdchstens einem Projekt auftritt.
Vgl. Freeman, R.J., An Operational Analysis of Industrial Research, Diss. MIT, Cambridge/Mass. 1957; Sobelmann, A., A Modern Dynamic Approach to Product Development, Picatimy Arsenal, Dover/N.J. 1958; ders., An Optimal Method for Selection of Product Development Projects, ORSA, 15. Jahrestagung, Washington/D.C. 1959, beide Arbeiten zitiert nach Baker und Pound, op.cit.,S. 126, 133
Dean, B.V., und L.E. Hauser, Advanced Material Systems Planning, IEEE, Vol. 14, 1967, S. 21–43; Dean, B.V., T.S. Chidambaram, R.R. Palanki, Project Selection under Cost and Payoff Value Uncertainties, Technical Memorandum 79, O.R. Group, Case Institute of Technology, Cleveland/Ohio, 1967
Fleischman, B., Computational Experience with the Algorithm of Balgs, Operations Research, Vol. 15, 1967, S. 153–155. Fleischmann hat den Algorithmus noch etwas modifiziert und Probleme mit bis zu 159 Variablen und 37 Nebenbedingungen gelöst. Andere Typen von Algorithmen vergleichen: Mears, W. J., und G.S. Dawkins, Comparison of Integer Programming Algorithms, Vortrag TIMS-Tagung, San Francisco 1968; Trauth, C.A., jr., und R.E. Woolsey, Integer Linear Programming: A Study in Computational Efficiency, MS, Vol. 15, 1969, S. 481–493
Vgl. Weingartner, H.M., Mathematical Programming…, op.cit., Kap. 9 ff.
Vgl. Dantzig, G.B., Linear Programming and Extensions, op.cit., S. 265–275; vgl. Dinkelbach, W., Sensitivitätsanalysen und parametrische Programmierung, op.cit., S. 71 ff.
Weingartner, H.M., Mathematical Programming…, op.cit., S. 100 ff. - Dort sind folgende Verbesserungen notwendig: S. 103, 4.Z.: lies “quadrant (c)”; Gleichung (5.40), (c), lies: xk=1, k J; Tabelle 5.19, vermerke, daß u77 nicht, u aber wohl in der Basis der optimalen Lö$ung steht.
Uebe, G., Rückgerechnete Duale Variable, Unternehmensforschung, Bd. 13, 1969, S. 123–140. Uebe rechnet die Dualen Variablen durch ein parametrisches Programm den Basisvariablen zu. Damit ist zwar Eindeutigkeit des Verfahrens gegeben, das hier diskutierte Problem aber immer noch nicht gelöst.
Dantzig, G.B., Linear Programming and Extensions, op.cit., S. 501, Th. 1
Für die Forschungsplanung ist dieser Vorschlag von Moore, P.G., A Statistical Approach to the Allocation of Technical Effort in Some Industrial Siti tions, Journal of the Royal Statistical Society, Ser. A., Vol. 126, 1963, S. 493–529, und Cramer, R.H., und B.E. Smith, Decision Models for the Selection of Research Projects, The Engineering Economist, Vol. 9, 1964, (2), S. 1–20, gemacht worden.
Schneeweiß, H., Entscheidungskriterien bei Risiko, Berlin, Heidelberg, New York.. 1967
Baumol, W.J., An Expected Gain-Confidence Limit Criterion for Portfolio Selection, MS, Vol. 10, 1963, S. 174–182
Das gilt auf der Klasse der Normalverteilungen.
Vgl. Weingartner, H.M., MathematicalProgramming…, op.cit. S. 32 ff., 39 ff.; ders., Capital Budgeting of Interrelated Projects, op.cit., pass.
Vgl. Weingartner, H.M., Capital Budgeting of Interrelated Projects, op.cit.
Weingartner, H.M., Capital Budgeting of Interrelated Projects, op.cit., S. 485–516, hier S. 504 ff.
Abarnathy, W.J., und R.S. Rosenbloom, The Choice Between Parallel and Sequential R and D Strategies, Vortrag TIMS-Konferenz Dallas/Texas 1966
Eine Erweiterung des Ansatzes zur Berücksichti- gung von Versuchsinterdependenzen ist möglich. Entsprechend der Art der Interdependenzen ist zu beachten, daß die Erfolgswahrscheinlichkeiten der Versuche dann bedingte Wahrscheinlichkeiten sein können.
Allen, Th. J., Problem Solving Strategies in Parallel Research and Development Projects, Working Paper 126–65, Sloan School of Management (MIT, 1965, bes. S. 16 ff.
Dean, B.V., und S.S. Sengupta, Research Budgeting and Project Selection, IRE, Vgl. EM–9, (Dez.) 1962, S. 158–169
Vgl. Dean, B.V., und S.S. Sengupta, Research Budgeting…, op.cit. Das Rechenverfahren, das als Ersatz für das ganzzahlige lineare Programm vorgeschlagen wird, führt nicht mit Sicherheit zu einer optimalen Lösung des Problems.
Vgl. Daubin, S.C., The Allocation of Development Funds, An Analytic Approach, Naval Research Logistics Quarterly, Vol. 3, 1958, S. 263–276. Er unterstellt eine von den Forschungsaufwendungen abhängige Project Completion Fraction, die man bei Annahme eines zeitproportionalen Lernprozesses auch als rfolgswahrscheinlichkeitsfunktion interpretieren kann. Daubin fragt nun nach derjenigen Mittelvereilung auf einzelne Projekte, die die Project Development Contribution maximier Für die Spezifizierung des Ansatzes ist die Annahme einer U-förmigen Beziehung zwischen den als unabhängig angenommenen Jahrespro jektaufwendungen zu beachten. Der Verfasser gibt die KuhnTucker-Bedingungen für die Existenz einer Lösung seines nichtlinearen Planungsproblems an. Auf welche Methode die Beispielsergebnisse errechnet werden konnten, läßt sich nicht feststellen. Das wichtigste Ergebnis ist die explizite Darstellung von Forschungsschwellen für jedes Projekt, was aus den spezifischen Annahmen über die Aufwandsfunktion folgt.
Dean, B.V., Stochastic Networks in Research Planning in: Research Program Effectiveness, Yovits, Gilford, Wilcox, Stovely, Lerner (Herausg.), New York, London, Paris 1966, S. 235–266. Dean, B. V., und L.E. Hauser, Advanced Material Systems Planning, IEEE, Vol. EM - 14, (März) 1967, S. 21–43. Die Modelle T, M, S dieser Arbeit entsprechen den Modellen II, III, IV der in dieser Fußnote zuerst zitierten Arbeit.
In einer späteren Arbeit wird die Variation eingeführt, daß die Versuchskosten stochastisch sind mit gegebener und begrenzter Verteilungsfuktion: Dean, B.V., Chidambaram, T.S., und R.R. Palanki, Project Selection under Cost and Payoff Value Uncertainties, Technical Memorandum 79, O.R. Group, Case Inst. of Technology, Cleveland, Ohio 1967
Die in der vorausgehenden Fußnote zitierte Arbeit führt auch hierfür eine stochastische Variation ein.
Hess,S.W., A Dynamic Programming Approach to R and D Budgeting and Project Selection, IRE, Vol. EM-9, (Dez.) 1962, S. 170–179. Die Arbeit geht zurück auf die Dissertation des Verfassers: On Research and Development Budgeting and Project Selection, Ph. D. Diss., Case Inst. of Technology, Cleveland/Ohio 1960. Neuerdings ist ein darauf aufbauender Anwendungsfall dargestellt worden: Atkinson, A.C., und A.H. Bobins, A Mathematical Basis for the Selection of Research Projects, IEEE, Vol. EM-16, 1969, S. 2–8
Rose, E.M.,und W.E. Souder, A Method for Allocating R und D Expenditures, IEEE, Vol. EM–12, Sept.) 1965, S. 87–93
Zur Lösungsmöglichkeit verweisen wir wieder auf Balas: Balas, E., Duality in Discrete Programming, hier: I, Manuskript, Graduate School of Industrial Administration, Carnegie-Mellon University, Pittsburgh/Pa. 1967; Korte, B., W. Krelle und W. Oberhofer, Ein lexikographischer Suchalgorithmus zur Lösung allgemeiner ganzzahliger Programmierungsaufgaben, Unternehmensforschung, Bd. 13, 1969, S. 73–98, hier auch S. 92 ff.
Das ist allerdings keine erschöpfende Liste von wichtigen Planungsproblemen, doch scheint sie im Lichte des bisher Verwirklichten und des Erreichbaren ausreichend. Es lassen sich weitere Probleme nennen, die in Ansätzen dieses Typs grundsätzlich lösbar sind (z.B. die Aufgabe der Berücksichtigung von Projektinterdependenzen), während für andere Probleme eine Lösung noch nicht zu sehen ist. Hierher zählt die Möglichkeit, die Forschungsaufwendungen durch eine Variation der geplanten Forschungszeiten zu beeinflussen, also eine Art intensitätsmäßiger Anpassung bei voller Kapazitätsausnutzung zuzulassen. Ein Versuch der kostenminimalen Planung eines Forschungsprogramms mit mehreren Versuchsanordnungen bei jedem Projekt und der Möglichkeit einer Substitution von Forschungsaufwendungen und Zeit hat schließlich zu einem speziellen, unlösbaren, ganzzahligen und nichtlinearen Programmierungsmodell geführt: Scherer, F.M., Time-Cost Tradeoffs in Uncertain Empirical Research Projects, op.cit., S. 71–82; ders., A Note on Time-Cost Tradeoffs in Uncertain Empirical Research Projects, Naval Research Logistics Quarterly. Vol. 13, 1966, S. 349–350, wo der entscheidende Ansatz angegeben wird.
Vgl. oben S. 91 ff.
Wir haben ®auch bei der Bestimmung einer Prognose der Projektaufwendungen als Desideratum angesehen, das allerdings weiter ökonomisch bestimmt werden konnte. Eine solche Festlegung wird hier nicht ausgeschlossen.
Wir verzichten hier auf eine ausführliche Schreibweise in Übereinstimmung mit dem Ansatz, da in 2. eine neue Erweiterung erfolgt, die dann ausführlich geschrieben ist.
Hillier, F.S., Chance-Constrained Programming…, op.cit., Abschn. 3; Albach, H., Long-Range Planning in Open-Pit Mining, MS, Vol. 13, 1968, S. B-549 ff.; ders., Das optimale Investitionsbudget bei Unsicherheit, ZfB, 37. Jg., 1967, S. 503–518
Balas, E., Duality in Discrete Programming, II.: The Quadratic Case; III: Nonlinear Objective Function and Constraints; IV: Applications: Management Sciences Research Reports 116, 121, 145, Graduate School of Industrial Administration, Carnegie-Mellon University, 1967, 1968
Korte, B., W. Krelle und W. Oberhofer, Ein lexikographischer Suchalgorithmus…, op.cit.
Rubin, I.M., and D.G. Marquis, Critical Decisions in the Initiation of Development Projects, Working Paper 192–66, Sloan School of Management, MIT,1966
Schatz, 0., Zur Optimierung von Forschung und Entwicklung op.cit., S. 57 ff.
Die Klassifizierung läßt nur zwei Aussagen zu: erfolgreich und nicht erfolgreich
Man sieht dies aus dem Ansatz von Schatz, 0., op. cit., S. 64, Gl. 29
Vgl. Brandenburg, R.G., und A.C. Stedry, Towards a Multi-Stage Information Conversion Model of the Research and Development Process, Naval Research Logistics Quarterly, Vol. 13, 1966, S. 129–146
Hillier, F.S., Chance-Constrained Programming…, op.cit., S. 53 ff.
Dantzig, G.B., Linear Programming and Extensions, op.cit., S. 507 ff.
Siehe dazu: Krelle, W., Präferenz-und Entscheidungstheorie, op.cit.
Vgl. Jantsch, E., Technological Forecasting in Perspective, op.cit., pass.
Charnes, A., und A.C. Stedry, A Chance-Constrained Model for Real-Time Control in Research and Development Management, MS, Vol. 12, 1966, S. B-353 bis B-362
Bei Charnes, A., und A.C. Stedry, A Chance-Constrained Model…, op.cit., S. B-357, wird beispielsweise eine bi-modale Verteilungsfunktion eines zufälligen Ereignisses als plausible Darstellungsweise angeboten, ohne daß dafür empirisches Material vorgelegt wird.
Kuhn, T.S., The Structure of Scientific Revolutions, 4. A., Chicago, London 1966
Rights and permissions
Copyright information
© 1969 Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden
About this chapter
Cite this chapter
Brockhoff, K. (1969). Optimierungsmodelle zur Planung von Forschungsprogrammen bei direkt meßbaren Zahlungsströmen. In: Forschungsplanung im Unternehmen. Gabler Verlag, Wiesbaden. https://doi.org/10.1007/978-3-663-02058-5_9
Download citation
DOI: https://doi.org/10.1007/978-3-663-02058-5_9
Publisher Name: Gabler Verlag, Wiesbaden
Print ISBN: 978-3-663-02059-2
Online ISBN: 978-3-663-02058-5
eBook Packages: Springer Book Archive