Untitled
Transcrição
Untitled
Während eine Simulation ein Modell eines Systems zumeist mit Eingangs- und Ausgangsgrößen beinhaltet und zu einem bestimmten Zeitpunkt t einen wohldefinierten Systemzustand bereitstellt, geht es bei einer Animation lediglich um die visuelle Darstellung von Daten, die aus einer Simulation aber auch aus einer anderen Quelle wie einer Messung am realen System stammen können. können Eine Animation kann zwei- oder dreidimensional gestaltet sein. Während zweidimensionale Animationen oft als übersichtlicher empfunden werden und in abstrakteren Anwendungsfällen wie beispielsweise der unternehmensübergreifenden Materialfluss-Simulation gerne eingesetzt werden, dienen dreidimensionale Animationen häufig der Verdeutlichung konkreter räumlicher Sachverhalte, so bei Kollisionsanalysen und Verformungssimulationen. Die Simulation ist eine Vorgehensweise, die zur Analyse dynamischer Systeme herangezogen wird. Bei der Simulation werden Experimente an einem Modell durchgeführt, um Erkenntnisse über das reale System zu gewinnen. Im Zusammenhang mit einer Simulation spricht man von dem zu simulierenden System und von einem Simulator als Implementierung oder Realisation eines Simulationsmodells. Simulationsmodells Letzteres stellt eine Abstraktion des zu simulierenden Systems dar (Struktur, Funktion, Verhalten). Der Ablauf der Simulation mit konkreten Werten (also mit einer Parametrisierung) wird als Simulationsexperiment bezeichnet. Dessen Ergebnisse können dann interpretiert und auf das zu simulierende System übertragen werden. Ein Auto Auto-Crashtest Crashtest beispielsweise ist ein Simulationsmodell für eine reale Verkehrssituation, in der ein Auto in einen Verkehrsunfall verwickelt ist. Dabei wird die Vorgeschichte des Unfalls, die Verkehrssituation und die genaue Beschaffenheit des Unfallgegners stark vereinfacht. Auch werden keine Personen in den simulierten Unfall involviert, stattdessen werden Crashtest-Dummies eingesetzt, die mit realen Menschen gewisse mechanische Eigenschaften gemeinsam haben. Das Simulationsmodell hat also nur ganz bestimmte Aspekte mit dem realen System gemeinsam. Welche Aspekte dies sind hängt maßgeblich von der Fragestellung ab, sind, ab die mit der Simulation beantwortet werden soll. Heutzutage werden Simulationen mehr und mehr durch Computer realisiert, weil Computer ein sehr flexibles Umfeld für fast alle Arten der Simulation bieten. Kontinuierliche Simulation ist das Experimentieren mit kontinuierlichen Modellen. Im Unterschied zur diskreten Simulation werden bei der kontinuierlichen Simulation pro Zeitintervall unendlich viele Zustandsänderungen des Systems betrachtet. Die Kombination aus kontinuierlicher und diskreter Simulation bezeichnet man als hybride Simulation Bei der Durchführung kontinuierlicher Simulationen mittels eines Computers Simulation. werden Differentialgleichungen des Modells mittels numerischer Integration gelöst. Die meisten uns umgebenden Dinge und Situationen setzen sich aus mehreren einzelnen Bestandteilen zusammen. Wird bei einer Simulation das zu untersuchende Objekt in seine Bestandteile zerlegt und diese Bestandteile einzeln und nicht das aus ihnen bestehende gesamte Objekt simuliert, so spricht man von einer "mikroskopischen mikroskopischen Simulation". Eine Makrosimulation hingegen ist eine Simulation, deren Ziel es ist, komplexe Vorgänge oder Situationen zu simulieren, ohne die einzelnen Bestandteile in besonderer Weise zu betrachten. Anwendung finden solche Simulationen z. B. in der Astronomie oder der Meteorologie, g wo Vorhersagen g über zukünftige g Entwicklung gg gemacht werden sollen. Hardware-in-the-Loop (HiL) bezeichnet ein Verfahren, bei dem ein reales System (z.B. ein elektronisches Steuergerät oder eine mechatronische Komponente) über seine Einund Ausgänge an ein Simulationssystem angeschlossen wird und dadurch den Kreis (Loop) schließt. Das Simulationssystem wird i.A. HiL-Simulator genannt und dient als Nachbildung der realen Umgebung. Umgebung Hardware-in-the-Loop ist eine Methode zum Testen und Absichern von eingebetteten Systemen, zur Unterstützung während der Entwicklung sowie zur vorzeitigen Inbetriebnahme von Maschinen und Anlagen. Handelt es sich bei dem realen System um einen Menschen, der sich in einer simulierten Umgebung befindet, spricht man von Man-in-the-loop (MiL). Weitere Beispiele: Eine Untersuchung am realen System wäre zu aufwendig, zu teuer, ethisch nicht vertretbar oder zu gefährlich: • Fahrsimulator (zu gefährlich in der Realität) • Flugsimulator zur Pilotenausbildung, Nachstellung kritischer Szenarien (Triebwerksausfall, Notlandung) • Crashtest (zu gefährlich oder zu aufwendig in der Realität) • Simulation von Fertigungsanlagen vor einem Umbau (mehrfacher Umbau der Anlage in der Realität wäre zu aufwendig und zu teuer) Das reale System existiert (noch) nicht: • Windkanalexperimente mit Flugzeugmodellen, bevor das Flugzeug gefertigt wird Das reale System lässt sich nicht direkt beobachten: 1) Systembedingt – Beispiel: Simulation einzelner Moleküle in einer Flüssigkeit, astrophysikalische Prozesse 2) Das reale System arbeitet zu schnell – Beispiel: Simulation von Schaltkreisen 3) Das reale System arbeitet zu langsam – Beispiel: Simulation geologischer Prozesse Die Simulation von Geschäftssystemen kann Antworten bringen auf Fragen wie: • Wird die geforderte Ausbringung erreicht? • Was passiert bei Stückzahländerungen? • Wie können Bestände gesenkt werden? • Was ist die beste Steuerungsstrategie? • Wie wirken sich Eilaufträge aus? • Welches ist die optimale Planungsvariante? • Wie können Investitionskosten minimiert werden? Messbare Kennzahlen: • In der Produktion: Ausbringung, Durchlaufzeit, Auslastung, Ausschussrate, Prozesskosten, Bestände • In der Entwicklung: Termintreue, Auslastung, Entwicklungszeit, Iterationen, Entwicklungskosten, Personalauslastung g Hauptvorteile bei der Simulation von Geschäftssystemen: • Modelle sind jederzeit verfügbar • Modelle unterliegen keinerlei Einschränkungen realer Randbedingungen • Gefahrloses Experimentieren wird gefahrlos möglich • Lange Zeiträume können kompakt untersucht werden Anfertigung von Zukunftsprognosen Jeglicher Form von Simulation sind auch Grenzen gesetzt, die stets beachtet werden müssen: Die erste Grenze folgt aus der Begrenztheit der Mittel, d.h. der Endlichkeit von Energie (z.B. auch Rechenkapazität), Zeit und nicht zuletzt Geld. Eine Simulation muss also auch wirtschaftlich i t h ftli h gesehen h Sinn Si ergeben. b A f Aufgrund d dieser di Ei Einschränkungen hä k muss ein i Modell M d ll möglichst einfach sein. Das wiederum bedeutet, dass auch die Ergebnisse der Simulation eine grobe Vereinfachung der Realität darstellen. Die zweite Grenze folgt daraus, dass ein Modell nur in einem bestimmten Kontext Ergebnisse liefert, die sich auf die Realität übertragen lassen. In anderen Parameterbereichen können die Resultate schlichtweg falsch sein. Daher ist die Verifikation der Modelle für den jeweiligen Anwendungsfall ein wichtiger Bestandteil der Simulationstechnik. Als mögliche weitere Grenzen seien Ungenauigkeiten der Ausgangsdaten (z.B. Messfehler) sowie subjektive Hindernisse (z.B. mangelnde Information über Produktionsfehler sowie Versagen von Mensch und Maschine) genannt. Anthropometrische Modelle dienen beispielsweise der detaillierten Simulation eines Fahrzeuginsassen. Dafür wird der virtuelle Mensch in eine CAD-Umgebung positioniert, die in Raum und Design exakt dem späteren Fahrzeug entspricht. Dies ist die Grundlage für präzise Analysen. Um das Fahrzeug für die gesamte physische Bandbreite der späteren Nutzer auszulegen, auszulegen arbeiten einige anthropometrische Modelle mit einer flexiblen Skalierung und können ggf. auch zwischen männlichen und weiblichen Proportionen wechseln. Die Einordnung der Körpergröße geschieht dabei auf Basis sogenannter Perzentile. Beispiel: wenn bei der Beinlänge von Männern das 5. Perzentil 964 mm beträgt, dann heißt das: 5% aller Männer haben eine Beinlänge von höchstens 964 mm. Aufgabenspezifische Körperhaltungen und einzelne Bewegungsabläufe werden bei Experimenten mit Mensch-Modellen automatisch berechnet. Dabei kann der Anwender das Fahrzeuginnere auch aus der Perspektive des Mensch-Modells betrachten. So lässt sich die Sicht nach außen und auf jedes einzelne Instrument optimal beurteilen. Eine Flugsimulation stellt den Flug in einem Flugzeug oder Raumschiff wirklichkeitsgetreu nach. Flugsimulationen sind ursprünglich zur Ausbildung der Besatzungen entwickelt worden, mit Einführung der Heimcomputer und PersonalComputer sind aber auch Programme entstanden, die jedermann zugänglich sind und bis zu einem gewissen Grad in der Lage sind, sind eine durchaus realistische Nachbildung eines realen Flugzeugs zu vermitteln. Analog zu den Flugsimulatoren existieren Fahrsimulatoren, welche mit Hilfe von virtuellen Bildschirmlandschaften und realitätsgetreu nachgebauten Führerständen von Verkehrsmitteln die Fahrt eines bestimmten Fahrzeugs simulieren können. Die Nutzung erfolgt vor allem für Schulungszwecke in der Blaulicht-/ Einsatzfahrt, für Bahn- und UBahnsysteme sowie in der Verkehrserziehung. Verkehrserziehung Eine weitere wichtige Nutzungsart vor allem von Auto-Fahrsimulationen, welche in der Regel in der Integration eines echten Fahrzeugs in eine CAVE oder vor eine Projektionswand bestehen, liegt in der Forschung. Nicht nur zu Usability-Tests oder Ergonomieuntersuchungen, sondern auch zu Experimenten mit Fokus auf allgemeinen psychischen Verhaltensweisen (z.B. Konzentrationsfähigkeit, Reizaufnahme etc.). Eine Zugsimulation stellt die Fahrt eines Zuges oder anderer streckengebundener Fahrzeuge der Eisenbahn wirklichkeitsgetreu nach. Zugsimulationen dienen der Ausbildung von Lokführern parallel zur Praxis im Lokstand und werden in der Forschung und Entwicklung von Triebfahrzeugen der Industrie eingesetzt. Für Heimcomputer sind auch viele Programme entwickelt worden, worden die allerdings primär Unterhaltungszwecken dienen und zu den Computerspielen zählen. Mehr Informationen zu DISCUSS und SPEAK Modellen finden Sie im Buch „Information distribution, participation, and group decision: Explorations with the DISCUSS and SPEAK models“ von G. Strasser (siehe Quellenangaben auf Folie 8-39). System Dynamics (SD) oder Systemdynamik ist eine von Jay W. Forrester an der Sloan School of Management des MIT entwickelte Methodik zur ganzheitlichen Analyse und (Modell-)Simulation komplexer und dynamischer Systeme. Anwendung findet sie insbesondere im sozio-ökonomischen Bereich. So können die A Auswirkungen ik von Management-Entscheidungen M t E t h id auff die di Systemstruktur S t t kt und d das d Systemverhalten (beispielsweise den Unternehmenserfolg) simuliert und Handlungsempfehlungen abgeleitet werden. In der Praxis findet die Methodik insbesondere bei der Gestaltung von Lernlaboren und der Hinterlegung von Balanced Scorecards mit Strategy Maps Verwendung. Kennzeichnend für SD ist die Identifikation und Untersuchung in sich geschlossener Wirkungsketten (engl.: feedback loops). Unterschieden werden dabei Loops mit positiven (reinforcing loops) und negativen (balancing loops) Polaritäten. Die Darstellung in Flussdiagrammen und deren Simulation ermöglicht tieferes Systemverständnis. Lager (Stocks) und Raten (Flows) dienen dabei zur Beschreibung der Systemzusammenhänge und zeigen, wie die Wirkungsketten zum nicht-linearen und kontraintuitiven Verhalten von Systemen führen. Spezielle Software wie CONSIDEO, iThink/STELLA, DYNAMO, Vensim oder Powersim ermöglichen die Simulation der untersuchten Fragestellungen. Fragestellungen Die Simulation unterschiedlicher Szenarien (Runs) fördert das Verständnis für das Systemverhalten im Zeitverlauf. Die Materialflusssimulation ist eine Simulation in Zusammenhang mit logistischen Systemen. Sie findet Anwendung in Produktions- und Montageprozessen, in Lagern, Förderanlagen, Werkstätten, Distributionszentren, Flughäfen etc. Neue Produktionsanlagen werden mit Hilfe eines Simulationsmodells auf Durchsatz, ausreichende Dimensionierungen, Durchlaufzeiten, Leistungsgrenzen, Störeinflüsse, Personalbedarf und sonstige Planungsparameter hin überprüft. Zudem können verschiedene Alternativen bewertet und miteinander verglichen werden. Vorhandene Anlagen werden im Ist-Zustand abgebildet und durch gezielte Modifikationen innerhalb des Modells optimiert. So kann z.B. der Einsatz einer anderen Steuerungsstrategie zu einem höheren Durchsatz führen. Unter der Supply Chain (Wertschöpfungskette; auch logistische Kette, Lieferkette) wird in der Systematik des Betriebsprozesses der Weg eines Produktes oder einer Dienstleistung bis zum Verbraucher mitsamt der in jeder Stufe erfolgten Wertsteigerung (Mehrwert) bezeichnet. Erstmals wurde die Idee und Konzeption der Wertschöpfungskette von dem Wirtschaftswissenschaftler Michael E. Porter 1985 in seinem Buch „Competitive Advantage“ vorgestellt. Seitdem gehört sie zum Standardrepertoire der Wirtschaftswissenschaften. In „Sim City“ hat der Spieler eine vordefinierte oder nach eigenen Vorstellungen entworfene Landschaft vor sich, auf welcher sich nach Erstellung der Infrastruktur (Straßen, Schienen, öffentlicher Verkehr, Stromversorgung, Wasserversorgung, Müllentsorgung, Bildungs- und Gesundheitseinrichtungen, Polizei- und Feuerwachen, Flughäfen Häfen usw.) Flughäfen, usw ) sowie dem Ausweisen von Bebauungsflächen (Unterscheidung zwischen Wohn-, Gewerbe-, und Industrie- bzw. Agrargebiet) eine Stadt entwickeln kann. Second Life (deutsch: Zweites Leben) ist eine Online-3D-Infrastruktur für von Benutzern gestaltete virtuelle Welten, in der Menschen durch Avatare interagieren, spielen, Handel betreiben und anderweitig kommunizieren können. Das seit 2003 online verfügbare System hat inzwischen mehr als elf Millionen registrierte Benutzerkonten, über die rund um die Uhr bis zu 80.000 Nutzer gleichzeitig in das System eingeloggt sind. statisch vs. dynamisch: Statische Systeme zeigen ohne Einflüsse von außen sowohl auf der Makroebene als auch auf der Mikroebene keine Veränderungen. Dynamische Systeme sind auf der Mikroebene dauernden Veränderungen unterworfen, können aber zumindest zeitweise auf der Makroebene einen stationären Zustand einnehmen. Ob ein System als statisch oder dynamisch betrachtet wird, hängt vom Zeitmaßstab und von der Zeitdauer der Beobachtung des Systems ab. instationär vs. stationär: Instationäre Modelle folgen im Zeitablauf keinem konstanten Zustand wohingegen stationäre Systeme einem gleichbleibenden Zustand zustreben. linear vs. nichtlinear: Bei einem linearen Modell liegt eine Proportionalität zwischen Ein- und Ausgangsgröße vor, d.h. es unterliegt einer direkten Skalierbarkeit. Dies ist bei einem nichtlinearen Modell nicht oder nur in Teilbereichen der Fall. kontinuierliche Zustände vs. diskrete Zustände: Modelle mit kontinuierlichen Zustände können unendliche viele verschiedene Zustände annehmen, Modelle mit diskreten Zuständen nur endlich viele Zustände. vom Zeittakt getrieben vs. von Ereignissen getrieben: Di Zustandsänderungen Die Z t d ä d t t bei treten b i einem i Z itt kt getriebenen Zeittakt ti b M d ll im Modell i Zuge Z d Zeittakte der Z itt kt auf, f bei einem von Ereignissen getriebenen Modell aufgrund eintretender Ereignisse, d.h. die Zustandsänderungen sind im ersten Fall temporal, im zweiten Fall kausal. deterministisch vs. stochastisch: Grundlage eines deterministischen Modells ist, dass alle Ereignisse nach feststehenden Gesetzen verarbeitet werden und sie durch diese vollständig bestimmt bzw. determiniert sind. Demnach sind keine neuen und unbekannten Zustände aufgrund zufälliger Ereignisse möglich. Grundbestandteil stochastischer Modelle hingegen ist die Annahme von Einflüssen, die auf Zufall und Wahrscheinlichkeiten basieren. zeitdiskret vs. zeitkontinuierlich: Im Unterschied zur diskreten Modellen werden bei kontinuierlichen Modellen pro Zeitintervall unendlich viele Zustände betrachtet.