[Back]

A. Schörghuber:
"Classification of Requirements in the Tender Process";
Supervisor: G. Kappel, W. Maalej, C. Stanik; Institut für Information Systems Engineering, 2019; final examination: 2019-02-21.

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 company´s 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.

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.

Optimization, Tokenization, benchmark

https://publik.tuwien.ac.at/files/publik_280186.pdf