[A] (2) Methoden der Simulation

• Nachbilden eines Systems mit seinen dynamischen Prozessen in einem experimentierbaren Modell, um zu Erkenntnissen zu gelangen, die auf die Wirklichkeit übertragbar sind

• Werkzeug zur dynamischen Systemanalyse ohne Eingriff auf das reale System

  • Problemlösungmethode bei Ist-Prozessen

  • Es kann ein Idealbild abgebildet werden, welches so noch gar nicht real existiert

• Es besteht bei der Auswertung und Interpretation der Ergebnisse eine wesentliche Abhängigkeit zu den zugrundeliegenden Inputdaten

• Modellierung der Zeit

• Möglichkeit zur Abbildung stochastischer Prozesse

• Darstellung nebenläufiger Prozesse sowie deren Synchronisation

• Bildung von Kennzahlen zur Bewertung des dyn . Modellverhaltens

• Automatischer Ablauf der Simulation und Festlegung von Experimenten durch Parametervariationen

• Reproduzierbarkeit der Ergebnisse

• Werkzeug zur dynamischen Systemanalyse ohne Eingriff auf das reale System

  • Problemlösungmethode bei Ist-Prozessen

  • Es kann ein Idealbild abgebildet werden, welches so noch gar nicht real existiert

• Es besteht bei der Auswertung und Interpretation der Ergebnisse eine wesentliche Abhängigkeit zu den zugrundeliegenden Inputdaten

• Problemstellungen sind in der Regel nur bis zu einem gewissen Grad analytisch lösbar:

  • Komplexität der Problemklassen (z. B. NP-schwer)

  • Anzahl der Nebenbedingungen / Einflussfaktore

  • Formalisierung aller Einflussfaktoren

  • Berücksichtigung von Unsicherheiten

• Abbildung einer tieferen Granularität möglich

• Berücksichtigung von diversen Wechselwirkungen

• In der Regel einfachere/intuitivere Modellierung

• Animation der Simulationsmodelle

• Intuitive Anwendbarkeit und Validierung

• Komplexität der Problemklassen (z. B. NP-schwer)

• Anzahl der Nebenbedingungen / Einflussfaktore

• Formalisierung aller Einflussfaktoren

• Berücksichtigung von Unsicherheiten

• Abbildung einer tieferen Granularität möglich

• Berücksichtigung von diversen Wechselwirkungen

• In der Regel einfachere/intuitivere Modellierung

• Animation der Simulationsmodelle

• Intuitive Anwendbarkeit und Validierung

• Eine Simulationsmethode definiert die Rahmenbedingungen wie ein reales System modelliert werden kann

  • Sprache des Modells

  • Regeln der Modellierung

Eine Simulation generiert auf Basis der Inputdaten einen entsprechenden Output

• Ergebnis einer Simulationsmethode

• Ein Model ist immer ein abstraktes Abbild der Realität mit folgenden Merkmalen:

  • Abbildungsmerkmal => Abbildung eines (Real-)Systems

  • Verkürzungsmerkmal => Nur für den Modellierer relevante Attribute werden betrachtet

  • Pragmatismus => Modelle sind ihrem Original nicht eindeutig zugeordnet, sondern haben eine Ersetzungsfunktion

Ein Model ist immer ein abstraktes Abbild der Realität mit folgenden Merkmalen:

• Abbildungsmerkmal => Abbildung eines (Real-)Systems

• Verkürzungsmerkmal => Es werden nur für den Modellierer relevante Attribute betrachtet

• Pragmatismus => Modelle sind ihrem Original nicht eindeutig zugeordnet, sondern haben eine Ersetzungsfunktion

• System Dynamics

• Agentenbasierte Modellierung

• Ereignisdiskrete Modellierung

• multimethod Modelling - Gemischte Ansätze

• Es gibt 3 grundlegende Ansätze der Modellierung die sich im abtraktionsgrad und nach diskret und kontinuierliche Unterscheiden

  • Ereignisdiskret => Betrachtet Systemverhalten

    • Geringer Abstraktionsgrad

    • Diskret

  • Agentenbasiert => Betrachtet das Individuelles Agentenverhalten

    • Geringer bis hoher Abstraktionsgrad

    • Diskret oder kontinuierlich

  • Systerm Dynamics => Betrachtet das Systemverhalten

    • Hoher Asbtraktionsgrad

    • Kontinuierlich

  
  

• Geringes Abstraktionslevel

  • geringes => micro / operative Ebene => Maximale Detailtiefe

  • Zeitdiskrete Abbildung jedes einzelnen Prozessschrittes im Detail

  • Individuelle Betrachtung jeder Entität

• Abbildung der Systemebene / Betrachtet Systemverhalten

• Diskrete Modellierung

• Geringes bis hohes Abstarktionslevel

  • Der agentenbasierte Ansatz ist sowohl für granulare als auch abstrakte Modellierungen anwendbar

  • geringes => micro / operative Ebene => Maximale Detailtiefe

  • Mittleres => meso / taktische Ebene => mittlere Detailtiefe

  • hohes => macro / strategische Ebene => geringe Detailtiefe

• Betrachtet das Individuelles Agentenverhalten

• Diskrete / kontinuierliche Modellierung

• Abstraktionslevel => Sehr hoch

  • hohes => macro / strategische Ebene => geringe Detailtiefe

  • Nur das Verhalten des Gesamtsystems nicht aber einzelner Bestandteile ist relevant

• Betrachtet das Systemverhalten

• Kontinuierliche Modellierung

• Der Problemstellung / dem Use Case

  • Was soll abgebildet werden?

• Die Granularität des Modells

  • Welche Abstraktionsebene wird abgebildet?

• Dem Modellierer

  • Subjektives empfinden/Erfahrung

• Oft werden verschiedenen Modellierungsansätze auch miteinander kombiniert

  • Bsp.: Agent based & discrete event Modelling

  • Gesamtmodell läuft agentenbasiert ab

  • In jedem Agenten können dadurch entsprechende Prozesse hinterlegt / modelliert werden

  • Dieser Ansatz ist modular und lässt sich einfach skalieren

• Verhalten eines Systems wird mittels Feedbackschleifen in einem geschlossenen Fluss dargestellt

• Abstraktionslevel => Sehr hoch

  • hohes => macro / strategische Ebene => geringe Detailtiefe

  • Nur das Verhalten des Gesamtsystems nicht aber einzelner Bestandteile ist relevant

• Stock

• Flow

• Loop

• Dynamic Variable

• Parameter

• Statisches Element des Models

• Beschreiben den Systemzustand

• Definiert die Änderungsrate zwischen den Stocks

• Definiert die Systemänderung

• Definiert den Wert der Systemänderung

• Beschreiben konkrete Änderungsraten des Systems

• Das System wird als Prozess modelliert

• Dieser Prozess setzt sich dabei aus einer Kette diverser Operationen zusammen

• Das System besthet aus Prozessmodellierungsblöcken und Entitäten

  • Prozessmodellierungsblöcke => Repräsentieren Operationen

  • Entitäten => Agenten die durch den Prozess gepusht

    • Agenten verhalten sich wie Entitäten

• eindeutig identifizierbares, einzelnes Informationsobjekt

• Geringes Abstraktionslevel

  • Zeitdiskrete Abbildung jedes einzelnen Prozessschrittes im Detail

  • Individuelle Betrachtung jeder Entität

• Source

• SelectOutput

• Sink

• RessourcePool

• Delay

• Seize / Release

• Queue

• Service

Erzeugt Entitäten / Agenten

Verzweigung je nach stochastischer oder deterministischer Bedingung

• Senke des Systems

• Entfernt Entitäten aus dem System

Repräsentiert eine dynamische / statische Ressource des Systems

Verzögert Entitäten um eine diskrete / stochastische Zeitdauer

• Ordnet (Seize) eine Ressource zu bzw. entfernt (Release) diese wieder

• Warteschlange enthalten

Warteschlange, in der Entitäten auf den nächsten Prozessschritt warten

Kombination aus (Queue) Seize , Delay und Release

• Das Verhalten eines Systems wird durch Modellierung der Agenten simuliert

• Dabei ist das Verhalten der Agenten bekannt

• Den Einfluss von Wechselwirkungen und Abhängigkeiten zwischen den Agenten identifizieren

Der agentenbasierte Ansatz ist sowohl für granulare als auch abstrakte Modellierungen anwendbar

• Identifikation der Agenten eines Systems

• Besonders geeignet um Wechselwirkungen und Abhängigkeiten zwischen verschiedenen Agenten des Systems zu identifzieren, sofern die Agenten korrekt erkannt wurden

Eindeutig identifizierbare Einheit, mit einem spezifischen Modellverhalten und Beziehungen zu anderen Agenten

• Agenten sind nicht nur natürliche Personen

• Agenten basierte Modelle können zeitdiskret aber auch asynchron sein

• Agenten können sowohl passiv als auch aktiv sein

• Es gibt nicht die „richtige“ Anzahl an Agenten in einem System

• Agenten sind nicht dasselbe wie zellulären Automaten => Zustand hängt nicht nur von der Vorperiode ab

• Personen

• Fahrzeuge

• Nicht Materielle Dinge (Aufträge, BEstellungen)

• Organisationen

• Population von Agenten

• Einzelner Agent

• Agententyp (only)

• Sammlung einer Anzahl an Agenten des gleichen Typs

• Jeder Agent ist eine individuell definier- und ansprechbare Instanz

  • z. B. Menschen, Maschinen , AGVs…

• Agenten können sowohl initial, als auch während der Laufzeit einer Population zugeordnet werden.

• Eine einzelne konkrete Instanz

  • z. B. Fabrik, Lager…

• Es wird lediglich der Typ und dessen Attribute definiert ohne jegliche Instanziierung

• Paramter

• Variablen

• Paramter => Statische Beschreibung des Agenten

  • Anpassungen i.d.R nur wenn sich die Modelllogik während dem Simulationslauf ändert

• Variablen => Beschreibt einen Modelzustand

  • Ändert sich i.d.R über den Simulationsverlauf

• Sowohl Parameter als auch Variablen lassen sich über die Modelllaufzeit anpassen

• Oft werden verschiedenen Modellierungsansätze auch miteinander kombiniert

• Bsp.: Agent based & discrete event Modelling

  • Gesamtmodell läuft agentenbasiert ab

  • In jedem Agenten können entsprechende Prozesse hinterlegt / modelliert werden

  • Dieser Ansatz ist modular und lässt sich einfach skalieren