Otto-von-Guericke-Universität Magdeburg
|
|
- Sven Dressler
- vor 5 Jahren
- Abrufe
Transkript
1 ARENA Tutorial -2 Otto-von-Guericke-Universität Magdeburg Thomas Schulze ARENA Tutorial 1. Historisches 2. Basis-Elemente 3. Ergebnisanalyse 4. Modellierung von Transportvorgängen 5. Integration mit anderen Systemen 6. Customizing 7. Kontinuierliche und kombinierte Modelle Otto-von-Guericke-Universität Magdeburg Thomas Schulze 2
2 Fallstudie In einer Montageabteilung werden Ventilatoren montiert. Alle Teile der zu montierenden Ventilatoren werden in Kisten angeliefert, wobei die Zwischenankunftszeit einer Dreiecksverteilung entspricht (2,5,10). Alle Zeitangaben sind in Minuten. Es sind 4 Werker zur Montage vorgesehen. Die ankommenden Kisten werden gepuffert und der nächste freie Werker entnimmt eine Kiste Otto-von-Guericke-Universität Magdeburg Thomas Schulze 3 Fallstudie Die Montagezeiten sind werkerabhängig und unterliegen auch einer Dreiecksverteilung Werker 1 : (15, 18, 20) Werker 2 : (16, 19, 22) Werker 3 : (16, 20, 24) Werker 4 : (17, 20, 23) Nach der Montage werden die Ventilatoren geprüft. Mit einer Wahrscheinlichkeit von 7 % ist ein Ventilator defekt. Ein defekter Ventilator wird zu dem Werker zurück gesendet, der diesen auch montiert hat. Defekte Ventilatoren werden bevorzugt montiert. Die Reparaturzeiten sind um 30 % höher als die normalen Montagezeiten Otto-von-Guericke-Universität Magdeburg Thomas Schulze 4
3 Fallstudie Die Simulation soll Minuten betragen Es soll die Auslastung der Werker und die Verweilzeit der Ventilatoren im System berechnet werden Modell (Model1.doe) Otto-von-Guericke-Universität Magdeburg Thomas Schulze 5 Abbildung der Werker Jeder Werker wird durch eine Ressource abgebildet Werker werden in einem Set zusammengefasst (Warum?) Otto-von-Guericke-Universität Magdeburg Thomas Schulze 6
4 SEIZE Nummer des Werkers Wird im Attribut gemerkt Otto-von-Guericke-Universität Magdeburg Thomas Schulze 7 DELAY Die Montagezeiten werden mittels Expressions abgebildet Reihenfolge entspricht der Nummerierung der Werker Bezugnahme im DELAY-Modul Otto-von-Guericke-Universität Magdeburg Thomas Schulze 8
5 Release Otto-von-Guericke-Universität Magdeburg Thomas Schulze 9 Kontrolle Otto-von-Guericke-Universität Magdeburg Thomas Schulze 10
6 Reparatur defekter Geräte Defekte Geräte an den betreffenden Werker mit höherer Priorität Priorität High Otto-von-Guericke-Universität Magdeburg Thomas Schulze 11 Delay für defekte Geräte 30% höhere Montagezeit Otto-von-Guericke-Universität Magdeburg Thomas Schulze 12
7 Release für defekte Geräte Otto-von-Guericke-Universität Magdeburg Thomas Schulze 13 Steuerung der Simulation Zeiteinheiten Otto-von-Guericke-Universität Magdeburg Thomas Schulze 14
8 Auslastung der Werker Otto-von-Guericke-Universität Magdeburg Thomas Schulze 15 Warteschlangen Otto-von-Guericke-Universität Magdeburg Thomas Schulze 16
9 Warteschlangen Otto-von-Guericke-Universität Magdeburg Thomas Schulze 17 Verweilzeit der Ventilatoren Otto-von-Guericke-Universität Magdeburg Thomas Schulze 18
10 Ergebnisanalyse Terminating: Spezielle Bedingungen beim Start und beim Ende der Simulation Länge des Simulationslaufes ist definiert (über die Zeit oder durch eine Bedingung) Typisches Beispiel : Simulation einer Bank Steady-state: Langer Lauf (eigentlich unendlich) Initialisierungsbedingungen müssen ausgeschlossen werden. Eigentlich nicht klar, wie lange simuliert werden soll Typisches Beispiel: Unfallklinik, Produktionsprozess Otto-von-Guericke-Universität Magdeburg Thomas Schulze 19 Unabhängige Läufe Es werden 20 Simulationsläufe ausgeführt (Model2.doe) Otto-von-Guericke-Universität Magdeburg Thomas Schulze 20
11 Auslastung der Werker Otto-von-Guericke-Universität Magdeburg Thomas Schulze 21 Verweilzeit der Ventilatoren Otto-von-Guericke-Universität Magdeburg Thomas Schulze 22
12 Erweiterung der Fallstudie Zur Montage der Ventilatoren soll ein weiterer Werker eingestellt werden. Dieser zusätzliche Werker kann zu jedem der vier möglichen Plätze gestellt werden. Er übernimmt die Parameter des bestehenden Werkers Es ergeben sich zu der Ausgangssituation vier weiter Möglichkeiten. Welche ist die beste hinsichtlich Verweilzeit und WIP? Antwort: Otto-von-Guericke-Universität Magdeburg Thomas Schulze 23 Evaluierung mehrerer Alternativen Es müssen für jede Variante mehrer Läufe durchgeführt werden und die Werte müssen miteinander verglichen werden. Beispiel: 5 Varianten * 10 Läufen Durchführung und Verwaltung von 50 Simulationsläufen Unterstützung in ARENA durch den Process Analyzer (PAN) Otto-von-Guericke-Universität Magdeburg Thomas Schulze 24
13 PAN Basis von PAN sind Arena-Programmfiles *.p Scenario: Kombination eines Programmfiles mit einem Set von input controls und Einem Set von output responses Project: Sammlung von Scenarios Otto-von-Guericke-Universität Magdeburg Thomas Schulze 25 Controls und Responses Controls Variablen aus dem Modell Kapazität von Ressourcen Responses Variablen Counter Dstats Outputs Tallies Otto-von-Guericke-Universität Magdeburg Thomas Schulze 26
14 Scenario-Aufbau Hinweis: mit rechter Maustaste in der Scenario-Zeile werden Control und Responses hinzugefügt Otto-von-Guericke-Universität Magdeburg Thomas Schulze 27 Ergebnisse Model1.pan Otto-von-Guericke-Universität Magdeburg Thomas Schulze 28
15 Grafik Otto-von-Guericke-Universität Magdeburg Thomas Schulze 29 Erweiterung der Fallstudie Die zusätzlichen 4 Werker sollen nach den folgenden Bedingungen verteilt werden: An jeder Station mindestens 1 Werker Die Summe der Werker soll 8 nicht übersteigen Es ist die Variante mit der kleinsten mittleren Verweilzeit auszuwählen Es ergeben sich eine Vielzahl von möglichen Kombinationen Otto-von-Guericke-Universität Magdeburg Thomas Schulze 30
16 Optimierung mit OptQuest In PAN wurden die zu simulierenden Szenarios explizit vorgegeben Oft trifft man auf Situationen, wo man die Szenarios nicht explizit vorgeben kann oder will Lösung: Automatische Generierung der Szenarien Umsetzung innerhalb von OptQuest Otto-von-Guericke-Universität Magdeburg Thomas Schulze 31 OptQuest OptQuest ist ein selbständiges Optimierungstool, dass ARENA zur Simulation der Szenarien nutzt OptQuest übernimmt ein automatisches Handling über ARENA Varibalen setzen Start der Simulation Auswertung der Simulationsergebnisse ARENA COM object Model bildet das Interface OptQuest übernimmt die Kontrolle über das ARENA- Modell Otto-von-Guericke-Universität Magdeburg Thomas Schulze 32
17 OptQuest - Sequenz Modell wird initialisiert ARENA liefert die controls, constraints und objective/requirements OptQuest startet die Simulation mit den gewählten Ausgangswerten Die Anzahl der notwendigen Replikationen pro Simulation wird von OptQuest selbständig (nach Vorgaben) festgelegt. Nach einer Simulation wird mittels Optimierungsalgorithmen ein neuer Satz von Parametern bestimmt Diese Sequenz wird wiederholt, bis ein Maximum an Rechenzeit (z.b. 10 Minuten) verbraucht oder das Optimum gefunden wurde Otto-von-Guericke-Universität Magdeburg Thomas Schulze 33 Auswahl der Controls Otto-von-Guericke-Universität Magdeburg Thomas Schulze 34
18 Bestimmung der Constraints Otto-von-Guericke-Universität Magdeburg Thomas Schulze 35 Ergebnisse Otto-von-Guericke-Universität Magdeburg Thomas Schulze 36
19 Ergebnisse Otto-von-Guericke-Universität Magdeburg Thomas Schulze 37 Ergebnisse Otto-von-Guericke-Universität Magdeburg Thomas Schulze 38
20 Fallstudie Steady-State State Part arrivals, four cells, part departures Cells 1, 2, and 4: single machine each Cell 3: two machines newer one 20% faster Need: way to model non-identical resource units Circular layout of cells Parts enter at left, exit at right Otto-von-Guericke-Universität Magdeburg Thomas Schulze 39 Warm-up und Länge des Simulationslaufes Die meisten Modelle starten mit Empty und Idle Empty: Keine Entitäten zum Zeitpunkt 0 Idle: Alle Ressourcen sind frei zum Zeitpunkt 0 In Terminating-Simulationen ist das auch realistisch In Steady-State-Simulationen kann dadurch das Ergebnis verfälscht werden (Bias) Lösung: Start der Simulation mit einem reellen Zustand Simuliere so lange, dass der Anfangszustand keinen Einfluss mehr auf das Ergebnis hat Starte mit Empty und Idle, lasse das Modell warmlaufen (warm-up) und setze dann die Statistiken zurück Otto-von-Guericke-Universität Magdeburg Thomas Schulze 40
21 Warm-up und Länge des Simulationslaufes Wenn Warm-up, dann wie lange dauert diese Phase Es gibt keine praktikable Theorie Empirisches Vorgehen:» Plotte den Verlauf der Ergebnisgröße über der Zeit» Versuche visuelle die Anlaufphase zu erkennen Bei mehreren Ergebnisgrößen:» Nimm das Maximum» Die Anlaufphase muss für das gesamte Model angegeben werden Otto-von-Guericke-Universität Magdeburg Thomas Schulze 41 Ergebnisgröße WIP Im Daten-Modul Statistic (Advanced Process) wird eine Statistik definiert Jeder Wert dieser Statistik wird in eine Datei geschrieben Es werden 10 Läufe durchgeführt (Modell6-3) Otto-von-Guericke-Universität Magdeburg Thomas Schulze 42
22 Warm-up für WIP Mit dem Tool Ouput-Analyzer kann der Verlauf visualisiert werden Warm-up ist nach 2000 Minuten beendet Otto-von-Guericke-Universität Magdeburg Thomas Schulze 43 Trunced replications Die Länge der Anlaufphase ist bekannt Die Länge des gesamten Simulationslaufes ist bekannt Simulationsläufe wie eine Terminating-Simulation Otto-von-Guericke-Universität Magdeburg Thomas Schulze 44
7 Scenarios und Optimierung
7 Scenarios und Optimierung 7.1 Process Analyzer (PAN) 7.2 Optimierung mit OptQuest Otto-von-Guericke-Universität Magdeburg Thomas Schulze 1 7.1 Evaluierung mittels Process Analyzer (PAN) Aufgabe Mittels
MehrDurchführung von Simulationsprojekten
Literatur: Durchführung von Simulationsprojekten J. Banks et al., Discrete Event System Simulation, Prentice Hall, 2001. A.M. Law and W.D. Kelton, 1991: Simulation, Modeling and Analysis, McGrawHill, 1991.
Mehr3 ARENA Features für P&L
3 ARENA Features für P&L 3.1 Einführendes Beispiel 3.2 Zeitabhängige Kapazitäten 3.3 Ausfälle von Ressourcen 3.4 Frequencies 3.5 Sequencies und Sets 3.6 Animation 3.7 Validierung und Verifikation Otto-von-Guericke-Universität
Mehr1. Aufgaben zur Übung Einfache Systeme
Thomas Schulze Übungsaufgaben zur LV Produktionssimulation 1 1. Aufgaben zur Übung Einfache Systeme 1.1. Aufgabe 1(Maschine mit Puffer) In einer Quelle (Quelle1) werden identische Teile (Teile A) erzeugt.
MehrGliederung der Vorlesung
Otto-von-Guericke-Universität Magdeburg Thomas Schulze Gliederung der Vorlesung 1. Simulation in Produktion und Logistik 2. ARENA-Basics für P&L 3. ARENA-Features für P&L 4. ARENA Modellierungskonzepte
MehrARENA Tutorial -1. Example 1. Basiselemente. Create
ARENA Tutorial ARENA Tutorial -1 1. Historisches 2. Basis-Elemente 3. Ergebnisanalyse 4. Modellierung von Transportvorgängen 5. Integration mit anderen Systemen 6. Customizing 7. Kontinuierliche und kombinierte
MehrCADSTAR MRP-Link. MRP-Link ist erstellt von:
CADSTAR MRP-Link MRP-Link ist erstellt von: CSK CAD Systeme Kluwetasch Zip: 2161 Town: Altenholz Street: Struckbrook 9 Tel: +9-31-32917-0 Fax: +9-31-32917-26 Web: http://www.cskl.de E-Mail: Kluwetasch@cskl.de
Mehr1. Motivation. Modelchecking. NuSMV. NuSMV und SMV. 2. Modellierung. Erinnerung (Kapitel II)
1. Motivation Modelchecking V. Ein Modelchecker: NuSMV Motivation und Hintergrund Modellierung Eigenschaften Anwendung Wir kennen jetzt die Grundlagen des Modelcheckings, auch wenn uns noch ganz wesentliche
MehrProzesse: Prozesskontrollblock, -steuerung, -umschaltung
Proseminar: Konzepte von Betriebssystemkomponenten 3.11.03 Prozesse: Prozesskontrollblock, steuerung, umschaltung Überblick Prozesskontrollblock Prozesszustände Prozessumschaltung Prozesskontrollblock
MehrDas Modellierungstool Scitor Process 3.0
Das Modellierungstool Scitor Process 3.0 Prozessmodellierung und -simulation in der Praxis Scitor Process 3.0 zur lokalen Installation (I) Pv303aTD.exe pv3flow.exe pv3sim.exe pv3swim.exe http://www.sciforma.com/
MehrDiskrete Simulation Übungsaufgaben SLX -FIN / Wirtschaftsinformatik Prof. Thomas Schulze - 1
Diskrete Simulation Übungsaufgaben SLX -FIN / Wirtschaftsinformatik Prof. Thomas Schulze - 1 1. Lager 1.1. Lager 1 Ein Lager wird von einem Produzenten ständig mit neuen Produkten versorgt. Die Erzeugung
MehrTutorial für die Benutzung von Anylogic im Rahmen der Vorlesung Modellgestützte Analyse und Optimierung
Tutorial für die Benutzung von Anylogic im Rahmen der Vorlesung Modellgestützte Analyse und Optimierung Jessica Bühler 10. Mai 2017 Inhaltsverzeichnis 1 Einführung 2 1.1 Installation..............................
Mehr2 ARENA für P&L Einfaches Beispiel. Machine (Server) Departing Finished Parts. Arriving Blank Parts Queue (FIFO) Part in Service
2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen und Ressourcen 2.2 Bestimmte und unbestimmte Verzögerungen
MehrSimulationssysteme. Inhalt der Vorlesungen. Simulationssoftware. Simulationssoftware. Simulationssysteme vs. Programmiersprachen
Inhalt der Vorlesungen Simulationssysteme Simulationssystem SLX (Sprachorientiert) Simulationssystem ARENA (Graphisch orientiertes Simulationssystem) Simulationssystem em-plant (Objektorientiertes System)
MehrWorkshop: System Planning Power Management durch ausführbare Spezifikationen von Bordnetzen
Workshop: System Planning Power Management durch ausführbare Spezifikationen von Bordnetzen Horst Salzwedel, TU Ilmenau Horst.Salzwedel@TU-Ilmenau.de, +49-3677-691316 Hannover, 30 November 2006 1 Outline
MehrErgebnisgröße Datentyp Zähldaten Zeitgewichtet Bezeichner. Lagerbestand random_variable Ja rv_whcontent
Schrittfolge zur Simulation der Aufgabe Lagerhaltung Lager 3 1 1. Schritt: Definition der Ergebnisgrößen Ergebnisgröße Datentyp Zähldaten Zeitgewichtet Bezeichner Produktionsrate in Stück random_variable
MehrSimulation eines Geburtstagsproblems
Simulation eines Geburtstagsproblems Jürgen Appel Kurzfassung des Inhalts: Bei der Aufgabe handelt es sich um eine einfache Variante eines Geburtstagsproblems mit drei Personen. Die Wahrscheinlichkeit
MehrDas Paket population_model, enthält Modelle, die es ermöglichen nach der Kohorten Komponenten Methode Bevölkerungsprognosen zu erstellen.
Bevölkerungsmodell 1. Versionsgeschichte: Version 1.0 2. Aufgabenstellung für das Modell (a) Modellzweck Das Paket population_model, enthält Modelle, die es ermöglichen nach der Kohorten Komponenten Methode
Mehrfür Function Modules / BAPIs. Zusätzliche Strukturen und Parameter werden in den Mapping- Prozess eingesteuert.
Release News Mapping Muster Zeitmessung für eigene Verarbeitungsblöcke individuelle Zeitmessungsblöcke mit Anzahl Aufrufe und Durchschnittswert der Aufruf von Funktionsbausteinen und Methoden
MehrAufgabe: Simulation Buchung eines Fluges
Ausgebucht Viele Fluggesellschaften verkaufen mehr Tickets als ihre Flugzeuge Plätze haben. Denn nicht immer erscheinen alle Fluggäste zum reservierten Flug. Eine Flugroute wird mit einem Flugzeug mit
MehrAgenda. Durchgängiger Einsatz Hardware-unabhängiger Testfälle im MiL-, SiL- und HiL-Test
Durchgängiger Einsatz Hardware-unabhängiger Testfälle im MiL-, SiL- und HiL-Test 26. TAV Stuttgart Michael Müller Projektleiter Berner & Mattner Systemtechnik GmbH michael.mueller@berner-mattner.com MM,
MehrEinführung in die Simulation mit Arena 5.0
Einführung in die Simulation mit Arena 5.0 Programmierpraktikum WS 2002/3 Copyright 2002 Verena Wolf Einführung in die Simulation Grundidee: - Entwurf eines experimentellen Modells, das sich wie ein zu
MehrExample Ptolemy Model of Comp.: Synchronous Reactive
Prinzip: Example Ptolemy Model of Comp.: Synchronous Reactive Annahme: unendlich schnelle Maschine Diskrete Ereignisse (DE) werden zyklisch verarbeitet (Ereignisse müssen nicht jede Runde eintreffen) Pro
MehrScheduling-Algorithmen: Zeitpunkt der Auswahlentscheidung
Scheduling-Algorithmen: Zeitpunkt der Auswahlentscheidung Nicht-präemptives Scheduling: CPU kann einem Prozess nur entzogen werden, wenn er beendet oder blockiert ist Präemptives Scheduling: Aktueller
MehrDer Control-M Application Integrator im Projekt
Der Control-M Application Integrator im Projekt Dominik Wittig dwittig@atics.de 1 Das Projekt Den Application Integrator hat ATICS im Zuge eines großen Projekts in der Finanzbranche eingesetzt Projektrahmen
MehrIntrexx Applikation PROCESS VISUALIZER PRO 3.1
Intrexx Applikation PROCESS VISUALIZER PRO 3.1 Handbuch Intrexx Professional Release 7.0 Version 3.1 vom 25. Juni 2015 Inhaltsverzeichnis 1 Installation... 6 1.1 Einspielen der ipro Applikation Process
MehrStochastische Petrinetze
Stochastische Petrinetze Proseminar WS06 The Virtual Laboratory Nils Müller Stochastische Petrinetze 1. Begriffsdefinition 1.1. Wdh. Stochastik 1.2. Wdh. Petrinetze 2. zeiterweiterte Petrinetze 2.1. Stochastische
MehrRechnerübung 4: Roboter-Regelung mit Initialisierung
Rechnerübung 4: Roboter-Regelung mit Initialisierung Aufgabe 4.1: Auf der Vorlesungs-Webpage https://www.eal.ei.tum.de/index.php?id=psvms0 befindet sich eine Bibliothek für Antriebsstrangelemente mit einem
MehrSigmaPlots Gleichungsplotter und Solver
SigmaPlots Gleichungsplotter und Solver Mit SigmaPlots Gleichungsplotter und Solver können Sie - Kurven für Daten aus benutzerdefinierten Gleichungen plotten - Gleichungen für Datenpunkte berechnen oder
MehrArtefakte, Linktypen und Besonderheiten von OOSE/RUP
Artefakte, Linktypen und Besonderheiten von OOSE/RUP Matthias Riebisch TU Ilmenau Workshop AK Traceability 07.12.2007 Darmstadt Eigenschaften von Traceability Links Obligatorisch: Identifier Startelement
Mehrajanzen.com Vorgehen zum Erstellen eines Dynpro- Splitters
Vorgehen zum Erstellen eines Dynpro- Splitters 1 Einleitung Dem vorliegenden Beispiel kann das Vorgehen zum Erstellen eines Dynpro-Splitters entnommen werden. Im Gegensatz zur Verwendung von Splitter-Containern,
MehrFachhochschule Osnabrück
Fachhochschule Osnabrück University of Applied Sciences Arena Ein erstes Simulationsmodell Version 1.0a (03.12.2007) Fachhochschule Osnabrück Prof. Dr.-Ing. E. Wißerodt Dipl.-Ing. Martin Nardmann Labor
MehrAuswertung der Simulationen von Transportsystemen
Fakultät Informatik, Institut für Angewandte Informatik, Professur TIS Hauptseminar Technische Informationssysteme Reik Zettl Dresden, 29.01.2009 Gliederung 1. Motivation 2. 3. 4. 5. 6. Folie 2 von 39
MehrAmpelsteuerung Merkblatt 2 Wie wird der Arduino programmiert?
1 Übersicht Für die Programmierung steht ein Programm zur Verfügung. Hier kann der Quelltext geschrieben, überprüft, kompiliert und anschließend auf den Arduino geladen werden. Wenn ihr das Programm startet,
MehrOtto-von-Guericke-Universität Magdeburg
ARENA Tutorial -3 Otto-von-Guericke-Universität Magdeburg Thomas Schulze ARENA Tutorial 1. Historisches 2. Basis-Elemente 3. Ergebnisanalyse 4. Modellierung von Transportvorgängen 5. Integration mit anderen
MehrSynergien aus Testautomatisierung und Lasttest. Vortrag im Rahmen des German Testing Day 2018
Synergien aus Testautomatisierung und Lasttest Vortrag im Rahmen des German Testing Day 2018 Referent: Dirk O. Schweier Erfahrungen Qualitätsmanagement Testmanagement Testautomatisierung Trainer für ISTQB
MehrEingebettete Taktübertragung auf Speicherbussen
Eingebettete Taktübertragung auf Speicherbussen Johannes Reichart Workshop Hochgeschwindigkeitsschnittstellen Stuttgart, 07.11.2008 Unterstützt durch: Qimonda AG, München Institut für Prof. Elektrische
MehrKontrollstrukturen und Logik
Programmieren mit Java Modul 2 Kontrollstrukturen und Logik Selbstständiger Teil Inhaltsverzeichnis 1 Notendurchschnitt 3 1.1 Aufgabenstellung............................... 3 1.2 Programmanforderungen...........................
MehrDr. Ingrid Bausch-Gall Neuerungen Dymola 2013 FD01 1
Neuerungen in Dymola 2013 FD01 Dr. Ingrid Bausch-Gall 2011-12-08 Neuerungen Dymola 2013 FD01 1 Überblick Freigegeben 30. November 2012 Editieren des Modells Eigene Auswahl bevorzugter Komponenten, dadurch
MehrTube Analyzer LogViewer 2.3
Tube Analyzer LogViewer 2.3 User Manual Stand: 25.9.2015 Seite 1 von 11 Name Company Date Designed by WKS 28.02.2013 1 st Checker 2 nd Checker Version history Version Author Changes Date 1.0 Created 19.06.2015
MehrGenerierung von Simulationsmodellen zur Ermittlung des Systemverhaltens von Shuttle-Systemen
Generierung von Simulationsmodellen zur Ermittlung des Systemverhaltens von Shuttle-Systemen Vorgestellt von Thomas Kriehn, Hochschule Heilbronn 1 1 Einleitung Simulationsmodelle Shuttle-Systeme 2 Generierung
MehrProduct Lifecycle Manager
Product Lifecycle Manager ATLAS9000 GmbH Landauer Str. - 1 D-68766 Hockenheim +49(0)6205 / 202730 Product Lifecycle Management ATLAS PLM is powerful, economical and based on standard technologies. Directory
MehrSIMATIC PCS 7 V8.2 SIMIT V9. Clever kombiniert: Testen und Trainieren von Automatisierungsprojekten
SIMATIC PCS 7 V8.2 SIMIT V9 Clever kombiniert: Testen und Trainieren von Automatisierungsprojekten Frei Verwendbar Siemens AG 2016 siemens.com/process-automation Simulation Verwendung Virtuelle Inbetriebnahme:
MehrGE Healthcare. Opera Ihr OP Managementsystem
GE Healthcare Opera Ihr OP Managementsystem Ihr OP-Managementsystem In den heutigen Umgebungen des Gesundheitswesens verlassen sich Anwender und OP-Manager auf Tools für das klinische und operative Management,
MehrISEA RWTH Aachen Electric Bus Simulation
ISEA RWTH Aachen Electric Bus Simulation Finding the Optimal Technical Configuration 05.04.2017 Fabian Meishner Lehrstuhl für Elektrochemische Energiewandlung und 1 Speichersystemtechnik Electric Bus Simulation
MehrStrom, Wärme und Mobilität
Strom, Wärme und Mobilität oemof a community project to make energy modelling transparent and shareable Uwe Krien, Birgit Schachler, Berit Müller 4. Mai 2017, Strommarktreffen 1 open energy modelling framework
MehrEvakuierung von Gebäuden, Regionen und Gebieten: Wie kann Modellierung dabei helfen?
Evakuierung von Gebäuden, Regionen und Gebieten: Wie kann Modellierung dabei helfen? Prof. Dr. Horst W. Hamacher TU Kaiserslautern Workshop 30. November 2009 Formen der Modellierung Mikro-Modelle Berücksichtigung
Mehr12. Arbeiten mit ProActive X
Gliederung 1. Grundkenntnisse zur Simulation 2. Einführung in ProModel 3. Grundbausteine von ProModel 4. Path Networks 5. Variablen und Counter 6. User Distributions 7. Attribute 8. Uhrzeitabhängiges Routing
MehrVortex. Die Physik-Engine von CMLabs Jan-F. Steffen
Vortex Die Physik-Engine von CMLabs 14.11.03 Jan-F. Steffen Was ist Vortex? Real-time Physik-Engine ermöglicht interaktive 3D-Simulation simuliert natürliches Verhalten von Objekten in einer physikalischen
MehrKomponentenorientierte Software-Entwicklung. Seite 1 / 44
Seite 1 / 44 Wiederholung EJB-Module/-Projekte SessionBeans Stateless Beans Stateful Beans EntityBeans JPA-Grundlagen (EntityManager, Query-Abfragen) Vorschlag Projektaufbau / Package-Strukturierung Seite
MehrUML fürs Pflichtenheft
UML fürs Pflichtenheft Sebastian Fischmeister Department of Computer Science University of Salzburg, Austria Sebastian.Fischmeister@cs.uni-salzburg.at Overview Use-Case Diagramm State-Machine Diagramm
MehrSIMATIC PCS 7 V8.2 SIMIT V9. Clever kombiniert: Testen und Trainieren von Automatisierungsprojekten
SIMATIC PCS 7 V8.2 SIMIT V9 Clever kombiniert: Testen und Trainieren von Automatisierungsprojekten Frei Verwendbar Siemens AG 2016 siemens.com/process-automation SIMATIC PCS 7 V8.2 Effizientes Top Down
MehrSigmaDeWe Risikomanagement
Sie haben für Ihren liquiden Vermögensteil Ihren persönlichen risikoreichen Anteil bestimmt und sind aufgrund der Marktsignale derzeit im Markt. Dennoch haben Sie Zweifel, dass mittelfristig der Markt
MehrTask& Data-Flow Graphs
Task& Data-Flow Graphs M. Thaler, TG208, tham@zhaw.ch www.zhaw.ch/~tham Februar 16 1 1 Um was geht es? Parallele Algorithmen was sind Möglichkeiten zur Darstellung? was sind Möglichkeiten zur Analyse?
MehrPortfolio Management. Die Klusa Module. Aufgaben des Portfoliomanagements
Die Klusa Module Die Projektmanagement-Software KLUSA ist in Module für das Projektmanagement, das Ressourcenmanagement, das Project Management Office (PMO), Zeiterfassung und weitere Bereiche gegliedert.
MehrWiederverwendungsbibliothek (Reuse Library)
HBB Engineering GmbH Salzstraße 9 D-83454 Anger Telefon +49 (0)8656-98488-0 Telefax +49 (0)8656-98488-88 Info@HBB-Engineering.de www.hbb-engineering.de Wiederverwendungsbibliothek (Reuse Library) Version:
MehrDie Belegung der Stellen heißt Markierung und repräsentiert den Zustand des Petri- Netzes.
Bei Petri-Netzen handelt es sich um formale Konstrukte, die graphisch ausgestaltet sind und sich für die Modellierung und Simulation von komplexen Geschäfts- und Arbeitsprozessen besonders gut eignen.
MehrKR-mega32-16 rev. 2.3 Thomas Krause, Krause Robotik
Kurzanleitung zur Installation der Software zum Mikrokontrollerbord KR-mega32-16 rev. 2.3 Thomas Krause, Krause Robotik thomas.krause@krause-robotik.de Krause Robotik www.krause-robotik.de email: info@krause-robotik.de
MehrBielefeld Graphics & Geometry Group. Brain Machine Interfaces Reaching and Grasping by Primates
Reaching and Grasping by Primates + 1 Reaching and Grasping by Primates Inhalt Einführung Theoretischer Hintergrund Design Grundlagen Experiment Ausblick Diskussion 2 Reaching and Grasping by Primates
MehrDas Paket raeuber_beute_modelle enthält 3 Modelle mit denen das Verhalten von Lotka-Volterra-Systemen simuliert werden kann.
Räuber Beute Modell 1. Versionsgeschichte: Version 0.1 2. Aufgabenstellung für das Modell Das Paket raeuber_beute_modelle enthält 3 Modelle denen das Verhalten von Lotka-Volterra-Systemen simuliert werden
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Zufallsvariable Erinnerung: Merkmal, Merkmalsausprägung Deskriptive Statistik:
MehrÜbungen mit dem Applet Zentraler Grenzwertsatz
Zentraler Grenzwertsatz 1 Übungen mit dem Applet Zentraler Grenzwertsatz 1 Statistischer Hintergrund... 1.1 Zentraler Grenzwertsatz... 1. Beispiel Würfeln... 1.3 Wahrscheinlichkeit und relative Häufigkeit...3
MehrGP-Music: An Interactive Genetic Programming System for Music Generation with Automated Fitness
GP-Music: An Interactive Genetic Programming System for Music Generation with Automated Fitness Raters Brad Johanson, Riccardo Poli Seminarvortrag von Thomas Arnold G ˇ ˇ ˇ ˇ WS 2012/13 TU Darmstadt Seminar
MehrWahrscheinlichkeitsrechnung und Statistik. 8. Vorlesung
Wahrscheinlichkeitsrechnung und Statistik 8. Vorlesung - 208 ) Monte Carlo Methode für numerische Integration Sei g : [0, ] R stetige Funktion; man möchte numerisch approximieren mit Hilfe von Zufallszahlen:
Mehra) Name and draw three typical input signals used in control technique.
12 minutes Page 1 LAST NAME FIRST NAME MATRIKEL-NO. Problem 1 (2 points each) a) Name and draw three typical input signals used in control technique. b) What is a weight function? c) Define the eigen value
Mehr3 Geoverarbeitung mit dem ModelBuilder
3.1 Der ModelBuilder in ArcGIS Mit dem ModelBuilder können schematisch und mithilfe von Grafiken Arbeitsabläufe mit den Werkzeugen von ArcGIS erstellt und bearbeitet werden. Ein solcher Arbeitsablauf (Workflow)
MehrVST3 Plugin FFTW Demo Programm
Hochschule für Angewandte Wissenschaften Hamburg Hamburg University of Applied Sciences Fakultät Technik und Informatik Department Informations- und Elektrotechnik Projekt E7 im Bachelorstudiengang Informations-
Mehr5.1 Vorgänge erfassen
5.1 Vorgänge erfassen In unserem Projekt müssen wir zwei Montagebänder optimieren. Eine Skizze von einem Band sehen Sie in Abb: Kap. 5-3 Skizze Montageband. Abb: Kap. 5-3 Skizze Montageband Die Aufgaben
MehrGeopara. Version 2013, (Grafische Darstellung der Geofim-Inputs) D. Sames, R. Blankenburg
PCGEOFIM-Anwenderdokumentation: Tool Geopara 1 PCGEOFIM -Anwenderdokumentation Geopara Version 2013, 03.03.2015 (Grafische Darstellung der Geofim-Inputs) D. Sames, R. Blankenburg (PCGEOFIM ist ein eingetragenes
MehrJC-24x Versions-Update von V 3.25 auf V 3.26
Versions-Update von V 3.25 auf V 3.26 Version 1.01 Dezember 2008 / Printed in Germany Vorspann Version 1.01 Die Firma Jetter AG behält sich das Recht vor, Änderungen an Ihren Produkten vorzunehmen, die
MehrTell me how you measure me
Tell me how you measure me Beispiele 1. t/h Für die durchgängige Steuerung der Produktion also des Verhaltens aller Teile eines Produktionsprozesses 2. Produktkosten Um über den richtigen (lukrativsten)
MehrABC PC-programm. Startfenster ABC PC-Programm: ABC-Server. Erklärung der Symbole
Startfenster ABC PC-Programm: ABC-Server Code für Benutzerseite Erklärung der Symbole Öffnen des ABC-Bedienfensters auf dem PC; die Fenster und die Bedienung sind gleich wie bei LCD. Öffnen der Log-Daten:
MehrConnect PPSBDE+ Produktionsplanung- und Steuerung Betriebs-Daten-Erfassung
Produktionsplanung- und Steuerung Betriebs-Daten-Erfassung PPS (Produktions-Planungs- und Steuerungssystem) BDE (Betriebs-Daten-Erfassung) Zuverlässig planen Schneller reagieren Ressourcen effektiv nutzen
MehrPraktikum Simulation mechatronischer Systeme
Praktikum Simulation mechatronischer Systeme Prof. Dr.-Ing. Martin Otter (DLR) Darshan Manoharan Kurzeinführung zu Dymola 2014 Veranstaltet vom Lehrstuhl für Elektr. Antriebssysteme und Leistungselektronik
MehrProcess Management. Neue Möglichkeiten in der Geschäftsprozessmodellierung. Katja Hubl, Vostura GmbH
Process Management Neue Möglichkeiten in der Geschäftsprozessmodellierung Katja Hubl, Vostura GmbH Process Management Solution Documentation in SAP Solution Manager SAP Solution Manager 7.2 kommt mit einer
Mehrajanzen.com Verwendung des Custom Controls
Verwendung des Custom Controls 1 Einleitung In dem vorliegenden Dokument wird näher auf den Einsatz des Custom-Controls eingegangen. Dieses hat den großen Vorteil, dass es auf dem Dynpro nach Belieben
MehrMehrfache Lineare Regression 1/9
Mehrfache Lineare Regression 1/9 Ziel: In diesem Fallbeispiel soll die Durchführung einer mehrfachen linearen Regressionsanalyse auf der Basis vorhandener Prozessdaten (Felddaten) beschrieben werden. Nach
MehrStochastische Simulation
Literatur: J. Banks et al., Discrete Event System Simulation, Prentice Hall, 200. A.M. Law and W.D. Kelton, 99: Simulation, Modeling and Analysis, McGrawHill, 99. P. Page, Diskrete Simulation, Springer-Verlag,
MehrObject-Oriented Analysis and Design Klausur Wintersemester 2006/2007
Object-Oriented Analysis and Design Klausur Wintersemester 2006/2007 page 1 of 8 Object-Oriented Analysis and Design Klausur Wintersemester 2006/2007 21. Februar 2007 Prof. Dr. Ralf Möller Institut für
MehrKontrollstrukturen und Logik
Programmieren mit Python Modul 2 Kontrollstrukturen und Logik Selbstständiger Teil Inhaltsverzeichnis 1 Überblick 3 2 Teil A: Zahlen raten 3 2.1 Einführung.................................. 3 2.2 Programmanforderungen...........................
Mehr«Mit Simulation zum Fahrbetrieb der Zukunft - dank der ÖV-Innovation SIM» Jan Willem ter Hofte Softwarearchitekt und Eigentümer Connective GmbH
«Mit Simulation zum Fahrbetrieb der Zukunft - dank der ÖV-Innovation SIM» Jan Willem ter Hofte Softwarearchitekt und Eigentümer Connective GmbH Operations Simulation Simulieren Sie Ihren Fahrbetrieb Beantworten
MehrGTP444. GSM-SMS-Fernschaltund Alarmmodul 4-Kanal. Programmierbar am PC mit Software. Kurzanleitung 1/2017. Seite 1 von 7
GTP444 GSM-SMS-Fernschaltund Alarmmodul 4-Kanal Programmierbar am PC mit Software Kurzanleitung 1/2017 Seite 1 von 7 Technische Daten: Frequenzbereich 900/1800/1900MHz Betriebsspannung 12V DC, max. Stromaufnahme
MehrWeitere Blöcke am Beispiel. des Frisörgeschäftes
Weitere Blöcke am Beispiel des Frisörgeschäftes (O. Bouillon 2008) Upload: Sonntag, 23.02.2008 um 12:00 Uhr Wie versprochen das Material für Sie. Habe gestern von 15:00 20:00 dran gesessen, hat länger
MehrModellierung CORBA-basierter Anwendungssysteme mit der UML
Verteidigung der Diplomarbeit über das Thema: Modellierung CORBA-basierter Anwendungssysteme mit der UML Andreas Mucha Technische Universität Dresden Institut für Software- und Multimediatechnik Lehrstuhl
Mehr1) Datenstrom auf Codewörter untersuchen (12 Pkt.)
Übung Embedded and Pervasive Systems SS 2008, Übung 3 Abgabe: Bis Di, 22. April 2008, 12.00 Uhr Institut für Pervasive Computing Univ.-Prof. Dr. Alois Ferscha Dipl.-Ing. Andreas Riener Zuname: Vorname:
MehrMulti-Tool Testlandschaft mit DDS
Multi-Tool Testlandschaft mit DDS MATLAB UND SIMULINK ALS ENABLER FÜR RAPID TOOL PROTOTYPING SEBASTIAN BEWERSDORFF ASSYSTEM GERMANY MATLAB EXPO 2017 MÜNCHEN 27.06.2017 EINFÜHRUNG Tools in Unternehmensprozessen
MehrPraktikum Simulation mechatronischer Systeme
Praktikum Simulation mechatronischer Systeme Prof. Dr.-Ing. Martin Otter (DLR) Darshan Manoharan Kurzeinführung zu Dymola 2016 Veranstaltet vom Lehrstuhl für Elektr. Antriebssysteme und Leistungselektronik
MehrDetaillierte Beschreibung der IMDS Release 10.0 Erweiterungen. 1. Prüfprozedur-bezogene Erweiterungen und Änderungen:
15. Oktober 2015 (aktualisiert 2. März 2016, Seite 2) Detaillierte Beschreibung der IMDS Release 10.0 Erweiterungen Wie mit der IMDS AI-Nutzer-Gemeinschaft vereinbart, stellt dieses Dokument die geplanten
Mehr1 Datenaufbereitung und Weiterverarbeitung
1 Datenaufbereitung und Weiterverarbeitung 1.1 PXLab-Werkzeuge zur Datenaufbereitung In diesem Kapitel sollen die Möglichkeit von PXLab zur Datenauswertung vorgestellt werden, zuerst schauen wir uns eine
MehrRelease-News: Technische Lösungen
Technische Dokumentation Release Comarch ERP Enterprise 6.0 Ausgabedatum 06/2017 Referenz auf andere Dokumente Release-News: Betriebswirtschaftliche Lösungen Inhaltsverzeichnis 1 Vorwort 1 2 Session-Management
MehrSeite ROKOCO Predictive Analytics GmbH
Seite 0 Predictive Analytics im Kapitalmarkt: Modellieren, Simulieren, Validieren German Data Science Days 2019 20. Sebastian Hantsch & Anton S. Wittl Wer wir sind und was wir tun Sponsor ROKOCO GmbH (Aktuarielle
MehrBeschreibung des Beispielmodells Hinterachsmontage für Tecnomatix Plant Simulation März Inhaltsverzeichnis
Beschreibung des Beispielmodells Hinterachsmontage für Tecnomatix Plant Simulation März 2013 Inhaltsverzeichnis 1. Beschreibung... 2 1.1 Zielsetzung... 2 1.2 Systemeigenschaften... 2 1.3 Simulationsablauf...
Mehr3.3 Strategien zur Ablaufsteuerung
3.3 Strategien zur Ablaufsteuerung Prinzip der Trennung von Strategie (Richtlinie, policy) und Mechanismus (mechanism) bedeutet bei der Prozessverwaltung class Process {... static Set readylist
MehrModellierung verteilter Systeme
Modellierung verteilter Systeme (Grundlagen der Programm- und Systementwicklung II) 10 Erweiterungen Dr. Sebastian Voss fortiss GmbH Kompetenzfeldleiter Model-based Systeme Engineering Themenübersicht
MehrLogo. Zukunftsanalyse: Szenario - Technik (Einleitung)
Zukunftsanalyse: Szenario - Technik (Einleitung) Anwendungsbereiche: _Vorbereitung von Entscheidungen _Orientierung hinsichtlich zukünftiger Entwicklungen _Strategieentwicklung und -überprüfung _Projekt
MehrDiskrete Simulation - Ergebnisanalyse - 1 Th. Schulze ITI_WI. Aufwendungen für die Analyse der Ergebnisse :
Diskrete Simulation - Ergebnisanalyse - 1 Th. Schulze ITI_WI 1 Ergebnisanalyse Aufwendungen für die Analyse der Ergebnisse : Wenn Verteilungsfunktionen für die Eingabedaten Dann Warum die Ergebnisanalyse
Mehr