Title: Klassifizierung von Anforderungen aus Ausschreibungen
Other Titles: Classification of requirements in the tender process
Language: English
Authors: Schörghuber, Alexander 
Qualification level: Diploma
Advisor: Kappel, Gertrude 
Assisting Advisor: Mazak-Huemer, Alexandra 
Issue Date: 2019
Number of Pages: 126
Qualification level: Diploma
Abstract: 
Im Ausschreibungsprozess publiziert der Kunde eine Ausschreibung mit einer langen Liste von Anforderungen. Der Zulieferer überprüft jede Anforderung, ob und wie er dieser erfüllen kann. Diese Arbeit ist in Zusammenarbeit mit einem Zulieferer geschrieben. Da nicht eine einzige Person alle Anforderungen beantworten kann, werde diese weiter an Experten zugeteilt. Diese Aufteilung basiert anhand deren Rollen innerhalb des Projekts. So eine Rolle kann beispielsweise Projektleitung oder ein Experte für ein Produkt des Zulieferers sein. In dieser Arbeit wird eine Rolle abstrakt Subsystem genannt. Diese Zuweisung wird aktuell manuell von einer einzigen Person erledigt, was einerseits lange dauert und andererseits für diese Person umständlich ist. Um den Partner dahingehend zu unterstützen, wird eine auf Machine Learning basierte Lösung entwickelt, um solche Anforderung automatisch den jeweiligen Subsystemen zuzuweisen. In einer Literaturerecherche werden geeignete Ansätze identifiziert, welche anschließend in einem Benchmark verglichen werden, um die beste Konfiguration für vier Subsysteme zu finden. Diese Konfigurationen werden anschließend auf allgemeine Anwendbarkeit überprüft, indem sie auf fünf weiteren Subsystemen evaluiert werden. Die Gründe für Klassifizierungfehler werden in einem Interview mit der aktuell für die Zuteilung verantwortlichen Person aufgedeckt.

In the tender process, the customer publishes a request for tender (RFT) document containing a large list of contractly binding requirements. Suppliers need to process all of them and come up with solutions for each requirement. This thesis is written in cooperation with an industry partner on the supplier side. Since not a single person can answer all requirements, these are further assigned to responsible experts. This split is performed based on roles within the project, such as project management or technical experts for some of the companys products. Within this thesis, such a role is abstractly called subsystem. This assignment is done manually by a single person, making this task tedious and time-consuming. To support the partner, a machine learning approach is developed to automatically assign requirements to subsystems. In a literature review, suitable machine learning methods are identified, which are then compared in a benchmark to find the best configuration for each of four selected subsystems. These configurations are then checked upon generalization by evaluating them on five additional subsystems. The reasons for false classification are then identified in an interview with the person, who is currently in charge with the assignment.
Keywords: classification modelling; request for tender; RFT
classification modelling; request for tender; RFT
URI: https://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-121325
http://hdl.handle.net/20.500.12708/2036
Library ID: AC15305421
Organisation: E194 - Institut für Information Systems Engineering 
Publication Type: Thesis
Hochschulschrift
Appears in Collections:Thesis

Files in this item:


Page view(s)

27
checked on Jul 11, 2021

Download(s)

45
checked on Jul 11, 2021

Google ScholarTM

Check


Items in reposiTUm are protected by copyright, with all rights reserved, unless otherwise indicated.