id,collection,dc.contributor.author,dc.contributor.firstReferee,dc.contributor.furtherReferee,dc.contributor.gender,dc.date.accepted,dc.date.accessioned,dc.date.available,dc.date.issued,dc.description.abstract[de],dc.description.abstract[en],dc.format.extent,dc.identifier.uri,dc.identifier.urn,dc.language,dc.rights.uri,dc.subject,dc.subject.ddc,dc.title,dc.title.translated[de],dc.type,dcterms.accessRights.dnb,dcterms.accessRights.openaire,dcterms.format[de],refubium.affiliation[de],refubium.mycore.derivateId,refubium.mycore.fudocsId "0bd5dead-7a55-4532-a1d5-4b3c51886841","fub188/14","Kadatz, Daniel","Prof. Dr. Natalia Kliewer","Prof. Dr. Catherine Cleophas","m","2017-10-06","2018-06-07T15:04:10Z","2017-11-24T10:16:24.921Z","2017","Existing uncertainties and risks in revenue management have motivated a vast body of research. The work in hand identifies uncertainties and risks in airline revenue management. It highlights mature research areas and points out further potentials, especially the problem of uncertain capacities. Capacity uncertainty contradicts the common revenue management assumption of fixed capacities. However, airlines have to change aircrafts over time, which can result in an altered number of sellable seats. This capacity uncertainty is almost completely neglected in existing research as well as in practice' planning. This neglect motivates the work's major contribution of systematically anticipating capacity uncertainty in revenue management. Therefore, it introduces a scenario-based optimization model considering unexpected capacity changes in advance. A simulation system with a focus on revenue optimization enables a set of computational studies that analyze the influence of capacity uncertainty on revenue management's performance. Empirically calibrated computational studies compare possible strategies for coping with capacity uncertainty. Here, several strategies take up the challenge of limited information. Results show the potential of anticipating capacity changes in revenue management: the most beneficial strategy uses full information and increases expected revenue on average by 2.47 percent points. But, even a strategy considering limited information on capacity changes can result in revenue improvements in contrast to not anticipating capacity changes. Additional studies analyze those conditions that render anticipating capacity uncertainty to be most beneficial. A systematic anticipation is especially effective when capacity changes occur frequently and late, when capacities differ strongly and when demand arrives early. The studies also test strategies' robustness when distorting forecasted capacities and demand. Here, the most beneficial strategy performs comparatively robust against tested distortions.","Ein Großteil der Forschung im Revenue Management ist durch bestehende Unsicherheiten und Risiken motiviert. Diese Arbeit identifiziert Unsicherheiten und Risiken im Airline Revenue Management und gibt einen Überblick über bestehende Forschungsarbeiten. Während einige Forschungsfelder bereits sehr ausführlich bearbeitet wurden, spricht die Arbeit auch potentielle Forschungslücken an und widmet sich insbesondere dem Problem der Kapazitätsunsicherheit. Im Gegensatz zur üblichen Annahme, dass Kapazitäten im Revenue Management als fixe Größe betrachtet werden können, zeichnet sich in der Airline-Praxis ein anderes Bild ab. Tatsächlich müssen Airlines ihre Flugzeuge im Buchungsverlauf häufig wechseln, was zu einer veränderten Kapazität, also der Anzahl verkaufbarer Sitzplätze, führen kann. Diese Kapazitätsunsicherheit wurde jedoch bisher weder in der Theorie noch in der Praxis ausreichend berücksichtigt. Die vorliegende Arbeit setzt sich somit eine systematische Antizipation von Kapazitätsunsicherheit zum Ziel. Hierfür wird ein neues szenario-basiertes Revenue-Management-Optimierungsmodell eingeführt, welches unerwartete Kapazitätswechsel bereits im Voraus berücksichtigt. Ein Simulationssystem mit dem Schwerpunkt der Ertragsoptimierung bildet die Grundlage für verschiedene numerische Studien. Diese wurden auf empirischen Airline-Daten kalibriert und ermöglichen den Einfluss von Kapazitätsunsicherheit auf das Ergebnis im Revenue Management zu untersuchen. In den Studien werden mögliche Strategien im Umgang mit Kapazitätsunsicherheit erprobt und miteinander verglichen. Hierunter fallen auch einige Strategien, die sich der Herausforderung unvollständiger Informationen stellen. Die Ergebnisse zeigen das Potential für künftige Ertragssteigerungen sofern Kapazitätswechsel im Revenue Management antizipiert werden: Die erfolgreichste Strategie nutzt vollständige Informationen und steigert den erwarteten Ertrag um durchschnittlich 2,47 Prozentpunkte. Doch selbst mit unvollständigen Informationen kann der erwartete Ertrag gesteigert werden – im Gegensatz zu einer Vernachlässigung möglicher Kapazitätswechsel. Weitere Studien analysieren die Bedingungen unter denen sich eine Berücksichtigung von Kapazitätsunsicherheit am meisten lohnt. Eine systematische Antizipation ist besonders wirksam, wenn Kapazitätswechsel häufig und spät stattfinden, wenn sich Kapazitäten stark unterscheiden und wenn die Nachfrage früh eintrifft. Ebenfalls wird die Robustheit der Strategien gegenüber Prognosefehlern, in Bezug auf Nachfrage und Kapazität, getestet. Die erfolgreichste Strategie ist vergleichsweise robust gegenüber allen getesteten Prognosefehlern.","165 Seiten","https://refubium.fu-berlin.de/handle/fub188/513||http://dx.doi.org/10.17169/refubium-4715","urn:nbn:de:kobv:188-fudissthesis000000105895-1","eng","http://www.fu-berlin.de/sites/refubium/rechtliches/Nutzungsbedingungen","Revenue Management||Aviation||Capacity||Uncertainty||Risk||Optimization||Simulation","600 Technik, Medizin, angewandte Wissenschaften::650 Management, Öffentlichkeitsarbeit::658 Allgemeines Management","Uncertainties and Risks in Airline Revenue Management – Capacity Uncertainty as a Showcase","Unsicherheiten und Risiken im Airline Revenue Management am Beispiel von Kapazitätsunsicherheit","Dissertation","free","open access","Text","Wirtschaftswissenschaft","FUDISS_derivate_000000022742","FUDISS_thesis_000000105895"