Embed Size (px)
Citation preview
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.
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. 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-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, 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
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
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, wo Vorhersagen über zukünftige Entwicklung 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 Ein-
und 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. 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
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 gesehen Sinn ergeben. Aufgrund dieser Einschränkungen muss ein Modell
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, 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 Personal-
Computer sind aber auch Programme entstanden, die jedermann zugänglich sind und bis
zu einem gewissen Grad in der Lage 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 U-
Bahnsysteme sowie in der 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, 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
Auswirkungen von Management-Entscheidungen auf die Systemstruktur und das
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. 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.) 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:
Die Zustandsänderungen treten bei einem Zeittakt getriebenen Modell im Zuge der Zeittakte auf,
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.
