Simulationsmethoden im Ingenieurwesen

Größe: px
Ab Seite anzeigen:

Download "Simulationsmethoden im Ingenieurwesen"

Transkript

1 Diskrete Simulation Reduzierung des Verhaltens auf wesentliche Zeitpunkte Pro Zeitintervall nur endlich viele Zustandsveränderungen Zwischen zwei Zeitpunkte konstante Zustandswerte p Zeitdiskret (time-driven) oder Ereignisdiskret (event-driven) 1

2 Simulationsmethoden im Ingenieurwesen 2

3 Ansprüche an die Computer-Simulation Sfewrwe rwewerw e fewfwefe wfwe Simulationsmodelle leicht... EINFACH zu entwickeln und validieren SCHNELL und BILLIG zu betreiben FLEXIBEL für Details und Dynamik Simulationsmodelle bieten... BEQUEMES Handling ANSCHAULICHE Ergebnisse MAXIMALE Effizienz der Planung Virtuelle Erfahrung bei MINIMALEM Risiko 3

4 Sprunghaftes Voranschreiten bei der diskreten Ereignissimulation 4

5 Simulationswerkzeuge unterschiedlicher Ebenen 5

6 Ablauf einer Simulationsstudie Problemanalyse VDI 3633: Datenerfassung Modellerstellung Validierung Experimente Ergebnisse Interpretation 6

7 Kriterien für die Simulationswürdigkeit eines Problems (VDI 3633) Schwierigkeit des Problems Komplexität Unüberschaubarkeit? Vielzahl der Einflüsse Abhängigkeiten und nebenläufige Prozesse große Datenmengen Fehlen analytischer mathematischer Modelle bzw. ungerechtfertigt hoher Aufwand (Zeit/Kosten) Günstiges Kosten-Nutzen-Verhältnis Sicherheitsbedürfnis bei unscharfen Vorgaben, Ausloten von Grenzen, Beweisnot Wiederholte Verwendung des Simulationsmodells 7

8 Ablauf einer Simulationsstudie Problemanalyse Simulation von Getränkeabfüllanlagen Neuplanung Optimierung Verifikation des Anlagenkonzepts Layout Maschinenausbringungen Pufferauslegung Regelverhalten Anlagenanalyse Vergleich verschiedener Konzepte Schwachstellenanalyse Optimierung Personalbedarf Prognosen Störverhalten der Gesamtanlage Kennzahlen Rüst- und Umstellvorgänge Produktionsplanung 8

9 Simulationsuntersuchungen zeichnen sich durch eine strikte Zweckgebundenheit aus. Bei jedem Schritt muss sich der Benutzer über die Fragestellung und die Ziele der Simulationsstudie im Klaren sein. 9

10 Ablauf einer Simulationsstudie Problemanalyse Datenerfassung Datenquellen: Anlagenpläne, CAD, Garantiewerte Automatische Betriebsdatenerfassung Empirische Untersuchungen, Messungen Erfahrungswerte Benötigte Daten: Maschinen Förderstrecken Anlage/Gebinde Ausbringung Speichervermögen Regelverhalten Störverhalten Geometrien Geschwindigkeiten Regelverhalten Störanfälligkeiten Sensorpositionen Gebindequalität Ausschleusungsraten Aufstellungsplan Peripherie-schnittstellen 10

11 Bearbeitungsdauer / Störungen Verfahrenstechnische Prozesse: Stochastisch verteilte Prozessdauer durch Verwenden von biologischem Material Deterministische Dauer von Rüst- und Reinigungsdauern Fertigungstechnische Prozesse: Deterministische Bearbeitungsdauer Stochastisch verteiltes Auftreten von Störungen bei störungsbehafteten Maschinen 11

12 Störanfällige Maschinen Störung Betriebsdauer Zeit Betrieb Störungsdauer Funktionsabhängige Störungen z. B. Mechanische Funktionsstörung einer Verpackungsmaschine Zeitabhängige Störungen z. B. Ausfall einer elektrischen Baugruppe in einer Verpackungsmaschine 12

13 Gantt-Chart der Maschinenbetriebszustände einer Getränkeabfüllanlage 13

14 Empirische Ermittlung von Verteilungen 14

15 Wahrscheinlichkeitsverteilungen von Störungs- und Betriebsdauern Konstante Werte Normalverteilung Log-Normalverteilung Exponentialverteilung 15

16 Anzahl ausgefallener Bautele (von 1000) Beispielhafte Lebensdauerverteilung für verschleißanfälliger Bauteile Lebensdauer /h 16

17 Betriebsdauerverteilung einer störungsanfälligen Füll- und Verschließmaschine Absolute Häufigkeit Betriebsverhalten Füllmaschine Stichprobe Weibull-Verteilung Exponentialverteilung TBF / s 17

18 Zuverlässigkeitstheorie Betriebsdauer T einer Komponente oder Maschine (TBF): Maß für die Zeit bis zum Ausfall bzw. zwischen zwei Störungen Zuverlässigkeitsfunktion R(t): Wahrscheinlichkeit, dass eine Maschine zum Zeitpunkt t noch arbeitet R( t) P( T t) Ausfallrate h(t): Wahrscheinlichkeit, dass eine Maschine im Zeitintervall [t; t+dt] ausfällt, wenn sie bis zum Zeitpunkt t noch in Betrieb ist h( t) P( t T t dt dt T t) Ausfallrate in Abhängigkeit von der Zuverlässigkeitsfunktion: h( t) dt R( t) R( t R( t) dt) dr R( t) 18

19 Aufgabe Für eine Komponenten ihrer Anlage ist bekannt, dass sie eine konstante Ausfallrate h(t) = c nach der Funktion c dt dr R(t) besitzt. Leiten Sie durch Integration aus der Beziehung die Zuverlässigkeitsfunktion R(t) dieser Komponente her! 19

20 Näherung realen Maschinenverhaltens Exponentialverteilung h(t)=const.= R( t) e t Weibull-Verteilung 1 für monoton steigende (>1) bzw.fallende (<1) Ausfallraten 1 h( t) t 1 Absolute Häufigkeit Ausfallrate Betriebsverhalten Badenwannenkurve Füllmaschine Stichprobe Weibull-Verteilung =0,68, =1273 s Exponentialverteilung =1334 s TBF Zeit //as R ( t) e t 20

21 Näherung des Störverhaltens realer Maschinen Betriebsverhalten Füllmaschine Störverhalten Füllmaschine Absolute Häufigkeit Stichprobe Weibull-Verteilung Exponentialverteilung TBF / s Absolute Häufigkeit Stichprobe Weibullverteilung Exponentialverteilung DT / s Exponentialverteilung: t Zuverlässigeitsfunktion : R( t) e MDT bzw. MTBF Ausfallrate : h( t) const. MDT bzw. MTBF Weibull-Verteilung: Zuverlässigeitsfunktion : R( t) e t monoton fallende( 1)bzw. steigende( 1) 1 Ausfallrate : h( t) t 1 Reales Maschinenstörverhalten ist in guter Näherung exponentialverteilt. Zum Abbilden werden benötigt: MDT (Mean Down Time) MTBF (Mean Time between failures) 21

22 Zuverlässigkeitsdaten von Maschinen empirische Werte aus 8 Abfüllanlagen Maschine Minimum /s Maximum /s Mittelwert /s E /% (aus Mittelwerten berechnet) Palettenentlademaschine MTBF /s 411, , ,86 MDT /s 59,04 135,15 81,27 94,82 Auspackmaschine Reinigungsmaschine Füllmaschine (auch Blockaggregate mit ggf. Rinser, Verschließmaschine, Ausstattungsmaschine) Ausstattungsmaschine Einpackmaschine Palettenbelademaschine MTBF /s 936, , ,14 MDT /s 64,00 161,26 99,55 MTBF /s 617, , ,38 MDT /s 38,54 82,72 60,75 MTBF /s 678, , ,49 MDT /s 41,00 106,00 65,88 MTBF /s 383, , ,74 MDT /s 57,00 133,07 93,58 MTBF /s 362, ,00 844,07 MDT /s 33,00 90,10 73,43 MTBF /s 745, , ,15 MDT /s 46,00 138,86 107,44 94,93 96,23 96,28 94,75 92,00 95,25 22

Krones Füllsysteme auf einen Blick

Krones Füllsysteme auf einen Blick Krones Füllsysteme auf einen Blick Krones Füllsysteme auf einen Blick Inhalte der Vorlesung im SS 2011 Einführung Überblick über Getränkeabfüllanlagen Flaschenreinigungsmaschinen Inspektionsmaschinen Füllmaschinen

Mehr

Projektieren von Getränkeabfüllanlagen. Lehrstuhl für Lebensmittelverpackungstechnik

Projektieren von Getränkeabfüllanlagen. Lehrstuhl für Lebensmittelverpackungstechnik Projektieren von Getränkeabfüllanlagen - Lehrstuhl für Lebensmittelverpackungstechnik Dr.-Ing. Tobias Voigt 1 Projektieren von Getränkeabfüllanlagen Planung und Auslegung Projektierung komplexer Linien

Mehr

8 Die Exponentialverteilung

8 Die Exponentialverteilung 8 Die Exponentialverteilung 8.1 Einführung Modelle Zuverlässigkeitsmodelle Lebensdauermodelle Bedienungsmodelle. 277 W.Kössler, Humboldt-Universität zu Berlin Def. 26 (Exponentialverteilung) Sei X eine

Mehr

8.3 Zuverlässigkeitsmodelle

8.3 Zuverlässigkeitsmodelle 8.3 Zuverlässigkeitsmodelle Def. 29 (Zuverlässigkeit) Die Zuverlässigkeit eines Systems ζ ist die Wahrscheinlichkeit, dass das System zum Zeitpunkt t intakt ist: Rel(ζ) = P(X t). Annahme: Das System besteht

Mehr

Zuverlässigkeitsanalyse auf Basis von Gutläufer-Informationen unter Nutzung von WInD-Pool -Daten

Zuverlässigkeitsanalyse auf Basis von Gutläufer-Informationen unter Nutzung von WInD-Pool -Daten Zuverlässigkeitsanalyse auf Basis von Gutläufer-Informationen unter Nutzung von WInD-Pool -Daten Beitrag zur 4. EVW-Beiratssitzung Kassel, 04.06.2014 Dipl.-Ing. Klaus Kühnert IZP Dresden EVW-Projektbeiratssitzung

Mehr

Kapitel 1: Grundlagen

Kapitel 1: Grundlagen Kapitel 1: Grundlagen 1. - 1 / 44 Gestaltung Zuverlässigkeit Use Case z.b. 95% Fahrer festlegen Belastung z.b. Kraft ermitteln Beanspruchung z.b. Spannung-Kollektiv ableiten Kapitel 4 P Zuverlässigkeit

Mehr

Weibull-Statistik in der Praxis

Weibull-Statistik in der Praxis Holger Wilker Band 3 Weibull-Statistik in der Praxis Leitfaden zur Zuverlässigkeitsermittlung technischer Komponenten Zweite, vollständig überarbeitete und erweiterte Auflage Mit 182 Abbildungen, 86 Tabellen,

Mehr

Spezifikation von Kommunikationssystemen

Spezifikation von Kommunikationssystemen 1 / 29 Spezifikation von Kommunikationssystemen 10. Einführung in die Zuverlässigkeitstheorie Prof. Jochen Seitz Fachgebiet Kommunikationsnetze Sommersemester 2016 2 / 29 Übersicht 1 Grundlagen der Zuverlässigkeitstheorie

Mehr

Kapitel 5 Erneuerungs- und Semi-Markov-Prozesse

Kapitel 5 Erneuerungs- und Semi-Markov-Prozesse Kapitel 5 Erneuerungs- und Semi-Markov-Prozesse Definition: Erneuerungsprozess Sei {T n, n N} eine Folge unabhängiger, nichtnegativer Zufallsvariablen mit Verteilungsfunktion F, mit F () < 1. Dann heißt

Mehr

Neue Methoden für den Einsatz der Informationstechnologie bei Getränkeabfüllanlagen

Neue Methoden für den Einsatz der Informationstechnologie bei Getränkeabfüllanlagen Lehrstuhl für Brauereianlagen und Lebensmittel-Verpackungstechnik Neue Methoden für den Einsatz der Informationstechnologie bei Getränkeabfüllanlagen Tobias Voigt Vollständiger Abdruck der von der Fakultät

Mehr

Prof. Dr. Bernhard Arnold, Institut für Statistik und Ökonometrie der Universität Hamburg. Lebensdaueranalyse und Zuverlässigkeit von Systemen

Prof. Dr. Bernhard Arnold, Institut für Statistik und Ökonometrie der Universität Hamburg. Lebensdaueranalyse und Zuverlässigkeit von Systemen Prof. Dr. Bernhard Arnold, Institut für Statistik und Ökonometrie der Universität Hamburg Lebensdaueranalyse und Zuverlässigkeit von Systemen Aufgabe 1 Bestimmen Sie für 0

Mehr

Gliederung der Vorlesung

Gliederung 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

Mehr

Statistik für Ingenieure Vorlesung 3

Statistik für Ingenieure Vorlesung 3 Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind

Mehr

5 Versuch - Simulation von Verpackungsanlagen

5 Versuch - Simulation von Verpackungsanlagen WS 11/12 Verpackungstechnisches Praktikum Versuch 5 - Simulation 1/22 5 Versuch - Simulation von Verpackungsanlagen Verpackungsmaschinen (z. B. die im Praktikum kennen gelernte Schlauchbeutelmaschine)

Mehr

Statistik für Ingenieure Vorlesung 6

Statistik für Ingenieure Vorlesung 6 Statistik für Ingenieure Vorlesung 6 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 05. Dezember 2017 3.4.3 Stetige Gleichverteilung Parameter: Intervall [a, b] R. Zufallsgröße

Mehr

CAD Franke, Sven, Dipl.-Ing. (Univ.)

CAD Franke, Sven, Dipl.-Ing. (Univ.) Industrial Engineering Terminänderungen im WS2011/12, Donnerstags, 12:15-13:45 Uhr, HS1 15.12.2011 Projektmanagement 2 Voigt, Tobias, Dr.-Ing. 12.01.2012 CAD Franke, Sven, Dipl.-Ing. (Univ.) 19.01.2012

Mehr

Statistik I für Betriebswirte Vorlesung 3

Statistik I für Betriebswirte Vorlesung 3 Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April

Mehr

Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie

Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Ansätze und Ergebnisse aus einem Forschungsprojekt, aufbereitet für die Lehrstuhl für Lebensmittelverpackungstechnik, Lehrstuhl für mathematische

Mehr

Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007

Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007 Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie 8 Termin: 1. Juni 2007 Aufgabe

Mehr

Statistik I für Betriebswirte Vorlesung 4

Statistik I für Betriebswirte Vorlesung 4 Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

Wahrscheinlichkeitstheorie Kapitel V - Stetige Verteilungen

Wahrscheinlichkeitstheorie Kapitel V - Stetige Verteilungen Wahrscheinlichkeitstheorie Kapitel V - Stetige Verteilungen Georg Bol georg.bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Stetige Verteilungen Definition: Sei

Mehr

Erneuerungs- und Semi-Markov-Prozesse

Erneuerungs- und Semi-Markov-Prozesse Kapitel 5 Erneuerungs- und Semi-Markov-Prozesse Für den Poisson-Prozess und (reguläre) diskrete Markov-Prozesse impliziert die Markov-Eigenschaft, dass die Zwischenzeiten bzw. Verweildauern exponentialverteilt

Mehr

Statistik für Ingenieure und Naturwissenschaftler

Statistik für Ingenieure und Naturwissenschaftler Sheldon M. Ross Statistik für Ingenieure und Naturwissenschaftler 3. Auflage Aus dem Amerikanischen übersetzt von Carsten Heinisch ELSEVIER SPEKTRUM AKADEMISCHER VERLAG Spektrum Inhalt Vorwort zur dritten

Mehr

Wiederholung Analysis

Wiederholung Analysis Wiederholung Analysis F( x) sei Stammfunktion zu f( x) f( x) dx = F( x) F ( x) = f( x) Bestimmtes Integral b a f ( x) dx = F( b) F( a) Uneigentliche Integrale x x x f() t 0 F( x) = f() t dt ist monoton

Mehr

Simulationsstudien für die Logistik Version 1.0

Simulationsstudien für die Logistik Version 1.0 Simulationsstudien für die Logistik Version 1.0 1 W2MO Simulationsstudien mit Logivations und W2MO das professionelle Werkzeug für Logistik-Design, 3D- Simulation und die Optimierung sämtlicher Logistikprozesse

Mehr

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential

Zufallsvariablen. 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:

Mehr

6. Kontinuierliche Zufallsgrößen. Beispiel 1: Die Exponentialverteilungen Sei λ > 0. Setzen

6. Kontinuierliche Zufallsgrößen. Beispiel 1: Die Exponentialverteilungen Sei λ > 0. Setzen 6. Kontinuierliche Zufallsgrößen Definition: Eine Z. G. ξ ist absolut stetig mit (Wahrscheinlichkeits-) Dichte f : R R, wenn gilt: P ( a ξ < b ) = b a f(x) dx (a < b) allgem. Eigenschaften einer Dichte

Mehr

Modelle für Daten mit kontinuierlichen Wertebereich Verteilungen mit (Wahrscheinlichkeits-)Dichte. Normalverteilung N (µ, σ 2 ) mit Dichte

Modelle für Daten mit kontinuierlichen Wertebereich Verteilungen mit (Wahrscheinlichkeits-)Dichte. Normalverteilung N (µ, σ 2 ) mit Dichte Statistik II für Wirtschaftswissenschaftler Folie 6.1 Modelle für Daten mit kontinuierlichen Wertebereich Verteilungen mit (Wahrscheinlichkeits-)Dichte I) Werte in (, ), Parameter µ (, ), σ 2 > 0 Normalverteilung

Mehr

Einführung in die Simulation. Dr. Christoph Laroque Wintersemester 11/12. Dresden,

Einführung in die Simulation. Dr. Christoph Laroque Wintersemester 11/12. Dresden, Fakultät Informatik, Institut für Angewandte Informatik, Professur Modellierung und Simulation Einführung in die Simulation Dr. Christoph Laroque Wintersemester 11/12 Dresden, 15.11.2011 15.11.2011 Einführung

Mehr

Eine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann

Eine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann 4. Übung Themenkomplex: Zufallsvariablen und ihre Verteilung Aufgabe 1 Für eine stetige Zufallsvariable gilt: a) P (x = t) > 0 b) P (x 1) = F (1) c) P (x = 1) = 0 d) P (x 1) = 1 F(1) e) P (x 1) = 1 F(1)

Mehr

WAHRSCHEINLICHKEITSTHEORIE A N W E N D U N G Terminologie

WAHRSCHEINLICHKEITSTHEORIE A N W E N D U N G Terminologie Seite 1 von 27 WAHRSCHEINLICHKEITSTHEORIE A N W E N D U N G Terminologie Netzwerke, Systeme, Komponenten, Zuverlässigkeitsschaltbild Ein System S ist ein Netzwerk aus zusammengehörigen (verbundenen) Komponenten

Mehr

Chi-Quadrat-Verteilung

Chi-Quadrat-Verteilung Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist

Mehr

4h. Zuverlässigkeit und Lebensdauer

4h. Zuverlässigkeit und Lebensdauer 4h 4h. Zuverlässigkeit und Um was geht es? Die DIN fordert unter Designlenkung eine Überprüfung, ob die geforderte der Produkte erfüllt wird. Dies geht nur mit Hilfe der Statistik, d.h. mit der Weibull-Verteilung.

Mehr

05/2016. Mean Time between Failures (MTBF)

05/2016. Mean Time between Failures (MTBF) 05/2016 Mean Time between Failures (MTBF) https://support.industry.siemens.com/cs/ww/de/view/16818490 Dieser Beitrag stammt aus dem Siemens Industry Online Support. Es gelten die dort genannten Nutzungsbedingungen

Mehr

W-Rechnung und Statistik für Ingenieure Übung 8

W-Rechnung und Statistik für Ingenieure Übung 8 W-Rechnung und Statistik für Ingenieure Übung 8 Aufgabe 1 : Motivation Anhand von Daten soll eine Aussage über die voraussichtliche Verteilung zukünftiger Daten gemacht werden, z.b. die Wahrscheinlichkeit

Mehr

Statistik I für Betriebswirte Vorlesung 3

Statistik I für Betriebswirte Vorlesung 3 Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 20. April 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 18.

Mehr

1 Einleitung Grundlegende Forderungen... 5

1 Einleitung Grundlegende Forderungen... 5 Inhaltsverzeichnis 1 Einleitung... 1 1.1 Grundlegende Forderungen... 5 2 Grundlagen der Sicherheitstechnik in Rechnersystemen... 11 2.1 Risikodefinition und Risikoanalyse... 13 2.2 Risiko und Folgen der

Mehr

Getränkeabfüllanlagen - Einführung. Lehrstuhl für Lebensmittelverpackungstechnik

Getränkeabfüllanlagen - Einführung. Lehrstuhl für Lebensmittelverpackungstechnik Getränkeabfüllanlagen - Einführung Lehrstuhl für Lebensmittelverpackungstechnik Dr.-Ing. Tobias Voigt 1 Inhalte der Vorlesung im SS 2011 Einführung Überblick über Getränkeabfüllanlagen Flaschenreinigungsmaschinen

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 5. Vorlesung Verteilungsfunktion (VF) Definition 9 Die Verteilungsfunktion (VF) einer Zufallsgröße X ist F : R R definiert als F (x) := P({ω Ω : X (ω) x}) = P( X x ) für jedes x R. Satz 9 - Eigenschaften

Mehr

Einführung. Inhaltsverzeichnis. 1.1 Anliegen und Gegenstand der Zuverlässigkeitstechnik

Einführung. Inhaltsverzeichnis. 1.1 Anliegen und Gegenstand der Zuverlässigkeitstechnik Einführung 1 Inhaltsverzeichnis 1.1 Anliegen und Gegenstand der Zuverlässigkeitstechnik... 1 1.2 Schlussweisen der Mathematischen Statistik... 6 1.3 Typische Datenerfassungen, Wahrscheinlichkeitsmodelle

Mehr

1. Was ist eine Wahrscheinlichkeit P(A)?

1. Was ist eine Wahrscheinlichkeit P(A)? 1. Was ist eine Wahrscheinlichkeit P(A)? Als Wahrscheinlichkeit verwenden wir ein Maß, welches die gleichen Eigenschaften wie die relative Häufigkeit h n () besitzt, aber nicht zufallsbehaftet ist. Jan

Mehr

Stoffverteilungsplan Mathematik Leistungskurs. Lambacher Schweizer Stochastik ISBN Klassenarbeit

Stoffverteilungsplan Mathematik Leistungskurs. Lambacher Schweizer Stochastik ISBN Klassenarbeit Lambacher Schweizer Q3.1 Grundlegende Begriffe der Grundlagen der Wahrscheinlichkeitstheorie: Beschreiben von Zufallsexperimenten (Laplace-Experimente) unter Verwendung der Begriffe Ergebnis, Ergebnismenge,

Mehr

Dr. Jörg Tautrim Engineering

Dr. Jörg Tautrim Engineering Zuverlässigkeit und (Z&I) Programm Seite Zuverlässigkeit und (Z&I) Grundlagen 1. SB Zuverlässigkeit und (Z&I) Grundlagen 2. Vertraulichkeitsklausel 3. Inhaltsübersicht 4. Strukturierung der Schulung Z&I-Grundlagen

Mehr

Diskrete Ereignis Simulation. Proseminar: Algorithmen der Verkehrssimulation Jörg Blank

Diskrete Ereignis Simulation. Proseminar: Algorithmen der Verkehrssimulation Jörg Blank Diskrete Ereignis Simulation Proseminar: Algorithmen der Verkehrssimulation Jörg Blank Definitionen zeitdiskrete Simulation System: Auschnitt der Realität Ereignis: Zustandsänderungen in Systemen Simulation:

Mehr

Der energetische Fingerabdruck von Gebäuden. Ein Versuch zur Kategorisierung der Performance.

Der energetische Fingerabdruck von Gebäuden. Ein Versuch zur Kategorisierung der Performance. Der energetische Fingerabdruck von Gebäuden. Ein Versuch zur Kategorisierung der Performance. Zentrum für Integrale Gebäudetechnik Prof. Dr. Axel Seerig 11. ZIG-Planerseminar, Horw, 25. März 2015 Stellen

Mehr

Wahrscheinlichkeitstheorie und Stochastische Prozesse Übungsblatt 2

Wahrscheinlichkeitstheorie und Stochastische Prozesse Übungsblatt 2 http://www.stat.tugraz.at/courses/exam/hw_205.pdf 1 Wahrscheinlichkeitstheorie und Stochastische Prozesse Übungsblatt 2 22. 11. 2005 Familienname Vorname Matrikelnummer Familienname Vorname Matrikelnummer

Mehr

Stetige Verteilungen Rechteckverteilung

Stetige Verteilungen Rechteckverteilung Stetige Verteilungen Rechteckverteilung Die Längenabweichungen X produzierter Werkstücke von der Norm seien gleichmäßig verteilt zwischen a = mm und b = 4mm. Die Dichtefunktion lautet also f(x) = für a

Mehr

Qualifikationsphase (Q2) Leistungskurs

Qualifikationsphase (Q2) Leistungskurs Qualifikationsphase (Q2) Leistungskurs Unterrichtsvorhaben I Thema: Von stochastischen Modellen, Zufallsgrößen, Wahrscheinlichkeitsverteilungen und ihren Kenngrößen (Q2-GK-S1) Inhaltlicher Schwerpunkt:

Mehr

i =1 i =2 i =3 x i y i 4 0 1

i =1 i =2 i =3 x i y i 4 0 1 Aufgabe (5+5=0 Punkte) (a) Bei einem Minigolfturnier traten 6 Spieler gegeneinander an. Die Anzahlen der von ihnen über das gesamte Turnier hinweg benötigten Schläge betrugen x = 24, x 2 = 27, x = 2, x

Mehr

Zuverlässigkeitstheorie

Zuverlässigkeitstheorie 3. Grundbegriffe der Wahrscheinlichkeitsrechnung Prof. Jochen Seitz Fachgebiet Kommunikationsnetze 20. November 2008 Übersicht Gesetz der großen Zahlen von Bernoulli 1 Gesetz der großen Zahlen von Bernoulli

Mehr

7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen

7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen 7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen 7.7.1 Die Laplace-Verteilung Sei X eine gleich verteilte Zufallsvariable mit den Werten in der Menge Ω X = {x i R : i = 1,...,n}, d.h. f (x i = 1

Mehr

1 Grundprinzipien statistischer Schlußweisen

1 Grundprinzipien statistischer Schlußweisen Grundprinzipien statistischer Schlußweisen - - Grundprinzipien statistischer Schlußweisen Für die Analyse zufallsbehafteter Eingabegrößen und Leistungsparameter in diskreten Systemen durch Computersimulation

Mehr

17. Oktober 2006 (überarbeitete Version)

17. Oktober 2006 (überarbeitete Version) Universität Mannheim Lehrstuhl für Praktische Informatik Prof. Dr. Felix C. Freiling Dipl.-Inform. Martin Mink Dipl.-Inform. Thorsten Holz Vorlesung Angewandte IT-Sicherheit Herbstsemester 2006 Übung 2

Mehr

Qualifikationsphase (Q2) Grundkurs

Qualifikationsphase (Q2) Grundkurs Qualifikationsphase (Q2) Grundkurs Unterrichtsvorhaben I Thema: Von stochastischen Modellen, Zufallsgrößen, Wahrscheinlichkeitsverteilungen und ihren Kenngrößen (Q2-GK-S1) Inhaltlicher Schwerpunkt: Kenngrößen

Mehr

untersuchen Lage- und Streumaße von Stichproben

untersuchen Lage- und Streumaße von Stichproben Qualifikationsphase Leistungskurs 1 QII 2.1.2 Konkretisierte Unterrichtsvorhaben auf der Basis des Lehrwerks Buch: Elemente der Mathematik, Qualifikationsphase NRW Leistungskurs, Braunschweig 2015, Westermann

Mehr

8 Verteilungsfunktionen und Dichten

8 Verteilungsfunktionen und Dichten 8 Verteilungsfunktionen und Dichten 8.1 Satz und Definition (Dichten) Eine Funktion f : R R heißt Dichtefunktion, kurz Dichte, wenn sie (Riemann-) integrierbar ist mit f(t) 0 für alle t R und Setzt man

Mehr

Projektieren von Getränkeabfüllanlagen. Lehrstuhl für Lebensmittelverpackungstechnik

Projektieren von Getränkeabfüllanlagen. Lehrstuhl für Lebensmittelverpackungstechnik Projektieren von Getränkeabfüllanlagen - Lehrstuhl für Lebensmittelverpackungstechnik Dr.-Ing. Tobias Voigt 1 Projektieren von Getränkeabfüllanlagen Planung und Auslegung Projektierung komplexer Linien

Mehr

Statistische Methoden in den Umweltwissenschaften

Statistische Methoden in den Umweltwissenschaften Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal

Mehr

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II, Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter

Mehr

Statistik für Ingenieure Vorlesung 5

Statistik für Ingenieure Vorlesung 5 Statistik für Ingenieure Vorlesung 5 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 28. November 2017 3.4 Wichtige stetige Verteilungen 3.4.1 Exponentialverteilung Parameter:

Mehr

Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)

Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Prof. Dr. P. Embrechts ETH Zürich Winter 2012 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Lehrstuhl für Lebensmittelverpackungstechnik Stufenlose Regelung von Materialflusssystemen am Beispiel von Behältertransporteuren in Getränkeabfüllanlagen André Sorgatz Vollständiger

Mehr

Statistik für Bachelorund Masterstudenten

Statistik für Bachelorund Masterstudenten Walter Zucchini Andreas Schlegel Oleg Nenadic Stefan Sperlich Statistik für Bachelorund Masterstudenten Eine Einführung für Wirtschaftsund Sozialwissenschaftler 4y Springer 1 Der Zufall in unserer Welt

Mehr

Exponentialverteilung

Exponentialverteilung Exponentialverteilung Dauer von kontinuierlichen Vorgängen (Wartezeiten; Funktionszeiten technischer Geräte) Grenzübergang von der geometrischen Verteilung Pro Zeiteinheit sei die Eintrittswahrscheinlichkeit

Mehr

Produktionsprozesse in der Pharmazie

Produktionsprozesse in der Pharmazie r r Produktionsprozesse in der Pharmazie Statistische Regelung und Analyse Werner Altenschmidt 1^ Heribert Häusler EDITIO CANTOR VERLAG AULENDORF Inhaltsverzeichnis Gleitwort 9 Vorwort 10 Einleitung 11

Mehr

Teil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation

Teil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle Patric Müller ETHZ Teil VIII Zentraler Grenzwertsatz und Vertrauensintervalle WBL 17/19, 29.05.2017 Wahrscheinlichkeit

Mehr

Analyse, Modellierung und Simulation der visuell-räumlichen Kognition bei der Mensch-Maschine-Interaktion

Analyse, Modellierung und Simulation der visuell-räumlichen Kognition bei der Mensch-Maschine-Interaktion Schriftenreihe Rationalisierung und Humanisierung Band 82 Carsten Winkelholz Analyse, Modellierung und Simulation der visuell-räumlichen Kognition bei der Mensch-Maschine-Interaktion D 82 (Diss.RWTH Aachen)

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de

Mehr

Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können.

Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können. 2 Zufallsvariable 2.1 Einführung Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können. Eine Zufallsvariable X ordnet jedem elementaren Versuchsausgang

Mehr

Bem. 6 Die charakterische Funktion existiert.

Bem. 6 Die charakterische Funktion existiert. 4.4 Charakteristische Funktionen Def. 2.14 Sei X Zufallsvariable mit Verteilungsfunktion F X und Dichte f X (falls X stetig) oder Wkt.funktion p i (falls X diskret). Die Funktion φ X (t) := Ee itx = eitx

Mehr

Makrem Kadachi. Kriterien für eine simulationskonforme Abbildung von Materialflusssystemen. Herbert Utz Verlag München

Makrem Kadachi. Kriterien für eine simulationskonforme Abbildung von Materialflusssystemen. Herbert Utz Verlag München Makrem Kadachi Kriterien für eine simulationskonforme Abbildung von Materialflusssystemen Herbert Utz Verlag München Zugl.: München, Techn. Univ., Diss., 2003 Bibliografische Information Der Deutschen

Mehr

Statistics, Data Analysis, and Simulation SS 2017

Statistics, Data Analysis, and Simulation SS 2017 Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Mainz, May 29, 2017 Dr. Michael O. Distler

Mehr

j K j d j m j h j f j

j K j d j m j h j f j Für eine stetige Zufallsvariable X in einem Intervall [ a ; b ] kann X jeden beliebigen Wert annehmen. Die Wahrscheinlichkeiten werden in diesem Fall nicht mehr wie bei einer diskreten Zufallsvariable

Mehr

Grundlegende Eigenschaften von Punktschätzern

Grundlegende Eigenschaften von Punktschätzern Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur

Mehr

10 Statistisches Schätzen

10 Statistisches Schätzen 10 Statistisches Schätzen 620 10 Statistisches Schätzen 10.1 Punktschätzung 623 10.1.1 Schätzer und ihre Gütekriterien 623 10.1.2 Erwartungstreue 627 10.1.3 Erwartete quadratische Abweichung (MSE) 634

Mehr

Vorbetrachtungen zum Mobilfunkkanal

Vorbetrachtungen zum Mobilfunkkanal Vorbetrachtungen zum Mobilfunkkanal Übungsaufgabe 3 Walter Tiessen(10039111) Studiengang: Master-Elektrotechnik Modul: Modellierung und Simulation1 Eingereicht bei: Prof. Dr. rer. nat. Henrik Schulze Datum:

Mehr

Elementare Wahrscheinlichkeitsrechnung

Elementare Wahrscheinlichkeitsrechnung Johann Pfanzagl Elementare Wahrscheinlichkeitsrechnung 2., überarbeitete und erweiterte Auflage W DE G Walter de Gruyter Berlin New York 1991 Inhaltsverzeichnis 1. Zufallsexperimente und Wahrscheinlichkeit

Mehr

Stochastische Petrinetze

Stochastische 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

Mehr

Stochastik in den Ingenieu rwissenschaften

Stochastik in den Ingenieu rwissenschaften ---_..,.'"--.---------- Christine Müller Liesa Denecke Stochastik in den Ingenieu rwissenschaften Eine Einführung mit R ~ Springer Vieweg 1 Fragestellungen........................................... Teil

Mehr

Übungen zur Vorlesung Statistische Methoden Kapitel 1-2

Übungen zur Vorlesung Statistische Methoden Kapitel 1-2 TECHNISCHE UNIVERSITÄT DORTMUND Sommersemester 2011 FAKULTÄT STATISTIK Dr. M. Arnold Dipl.-Stat. R. Walter Übungen zur Vorlesung Statistische Methoden Kapitel 1-2 Aufgabe 1: Gegeben ist eine diskrete Zufallsvariable

Mehr

Der Mythos des Mittelwertes

Der Mythos des Mittelwertes Der Mythos des Mittelwertes Neue Methodenlehre der Statistik Von o. Universitätsprofessor Dr. Friedrich Sixtl 2., überarbeitete und erweiterte Auflage R. Oldenbourg Verlag München Wien Inhaltsübersicht

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 8. Dezember 2010 Teil V Schließende Statistik 1 Parameterschätzung Erwartungstreue und Konsistenz Maximum-Likelihood

Mehr

1. Übung Zuverlässigkeit

1. Übung Zuverlässigkeit Grundlagen der Automatisierungstechnik (Automatisierungstechnik ). Übung Zuverlässigkeit Übersicht Lehrstuhl für Automatisierungstechnik und Energiesysteme Prof. Dr.-Ing. Georg Frey, M.Sc. Universität

Mehr

Einsatz von Simulationswerkzeugen beim Entwurf feinwerktechnischer Systeme. Beispiele aus der Forschung am IFTE

Einsatz von Simulationswerkzeugen beim Entwurf feinwerktechnischer Systeme. Beispiele aus der Forschung am IFTE Fakultät Elektrotechnik, Institut für Feinwerktechnik und Elektronik-Design Einsatz von Simulationswerkzeugen beim Entwurf feinwerktechnischer Systeme Beispiele aus der Forschung am IFTE Dr.-Ing. J. Gaßmann

Mehr

Praktischer Einsatz von Materialflusssimulationen in Verkauf, Planung und Produktion

Praktischer Einsatz von Materialflusssimulationen in Verkauf, Planung und Produktion Praktischer Einsatz von Materialflusssimulationen in Verkauf, Planung und Produktion HÖRMANN-RAWEMA GmbH Aue 23-27 D-09112 Chemnitz Telefon: (0371) 6512 227 Telefax: (0371) 6512 347 E-Mail: bangsow@rawema.de

Mehr

Zufallszahlen in Testbetten und Simulationen

Zufallszahlen in Testbetten und Simulationen Zufall Wofür brauchen wir Zufallszahlen? Zufall Wofür brauchen wir Zufallszahlen? Simulation von Dingen, die wir nicht genau beschreiben wollen Zufall Wofür brauchen wir Zufallszahlen? Simulation von Dingen,

Mehr

2. Stochastische Prozesse.

2. Stochastische Prozesse. SS 2006 Arbeitsblatt 2 / S. 1 von 7 2. Stochastische Prozesse. Warteschlangen treten als Erscheinungsformen von in der Zeit ablaufenden Prozessen auf, von denen wie oben erwähnt mindestens einer nicht

Mehr

Statistische Inferenz

Statistische Inferenz Statistische Inferenz Prinzip der statistischen Inferenz Datensätze = Stichproben aus einer Gesamtpopulation (meistens) Beispiel : Messung der Körpertemperatur von 106 gesunden Individuen man vermutet,

Mehr

Statistische Grundlagen

Statistische Grundlagen Statistische Grundlagen 2 2.1 Motivation Dieses Kapitel gibt eine kurze Übersicht über die im weiteren Verlauf des Buches benötigten mathematischen und statistischen Grundlagen. Zu Beginn wird der Begriff

Mehr

Fakultät Bauingenieurwesen, Institut Stadtbauwesen und Straßenbau, Lehrstuhl Stadtbauwesen

Fakultät Bauingenieurwesen, Institut Stadtbauwesen und Straßenbau, Lehrstuhl Stadtbauwesen Fakultät Bauingenieurwesen, Institut Stadtbauwesen und Straßenbau, Lehrstuhl Stadtbauwesen Alterungsmodelle für Abwasserkanäle Typologie und Ansatz einer vergleichenden Untersuchung Prof. Dr.-Ing. R. Herz

Mehr

7.2 Theoretische Kennwerte

7.2 Theoretische Kennwerte 7.2 Theoretische Kennwerte Theoretische Varianz und Standardabweichung Definition und Notation Verschiebungsformel für die theoretische Varianz 391 7.2 Theoretische Kennwerte Interpretation der theoretischen

Mehr

Lineare Algebra, Optimierung, Wahrscheinlichkeitsrechnung und Statistik

Lineare Algebra, Optimierung, Wahrscheinlichkeitsrechnung und Statistik Siegfried Fuchs Monika Lutz Lineare Algebra, Optimierung, Wahrscheinlichkeitsrechnung und Statistik VERLAG HARRI DEUTSCH Inhaltsverzeichnis I Lineare Algebra 1 1 Determinanten 1 1.1 Einführendes Beispiel

Mehr

Naturgefahrenmodelle. Geophysikalische Simulationsmodelle. Mathematische Struktur eines geophysikalischen Modells

Naturgefahrenmodelle. Geophysikalische Simulationsmodelle. Mathematische Struktur eines geophysikalischen Modells Naturgefahrenmodelle Die weitaus größten Risiken in der Schadenversicherung gehen weltweit auf regelmäßig wiederkehrende Naturkatastrophen wie Stürme, Überschwemmungen oder Erdbeben zurück. Erstversicherungsunternehmen

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike

Mehr

Taschenbuch der Zuverlässigkeits- und Sicherheitstechnik

Taschenbuch der Zuverlässigkeits- und Sicherheitstechnik Taschenbuch der Zuverlässigkeits- und Sicherheitstechnik Quantitative Bewertungsverfahren Bearbeitet von Arno Meyna, Bernhard Pauli 1. Auflage 2002. Taschenbuch. XX, 484 S. Paperback ISBN 978 3 446 21594

Mehr

4. Übungsserie: Stetige Zufallsgrößen 8 < ax 2 =100 0 < x < sonst

4. Übungsserie: Stetige Zufallsgrößen 8 < ax 2 =100 0 < x < sonst Stochastik f ur ET SS Juliane.Schuetze@fh-jena.de 4. Übungsserie: Stetige Zufallsgrößen a =. Es sei f() = a( 3) =4 3 : sonst a) Bestimmen Sie a so, dass f eine Verteilungsdichte ist. b) Bestimmen Sie die

Mehr

Wahrscheinlichkeitstheorie und Stochastische Prozesse

Wahrscheinlichkeitstheorie und Stochastische Prozesse Wahrscheinlichkeitstheorie und Stochastische Prozesse Univ.-Prof. DI Dr. Ernst Stadlober Institut für Statistik Steyrergasse 17/IV Technische Universität Graz stadlober@stat.tu-graz.ac.at www.cis.tugraz.at/stat/stadl/

Mehr

7.5 Erwartungswert, Varianz

7.5 Erwartungswert, Varianz 7.5 Erwartungswert, Varianz Def. 7.5.: a) X sei eine diskrete ZV, die bei unendl. vielen Werten x k folgende Zusatzbedingung erfüllt: x k p k

Mehr

Numerische Methoden und Algorithmen in der Physik

Numerische Methoden und Algorithmen in der Physik Numerische Methoden und Algorithmen in der Physik Hartmut Stadie, Christian Autermann 15.01.2009 Numerische Methoden und Algorithmen in der Physik Christian Autermann 1/ 47 Methode der kleinsten Quadrate

Mehr

Leistungsverfügbarkeit als neue Kenngröße zur Abnahme von Maschinen und Anlagen

Leistungsverfügbarkeit als neue Kenngröße zur Abnahme von Maschinen und Anlagen Leistungsverfügbarkeit als neue Kenngröße zur Abnahme von Maschinen und Anlagen Erste Ergebnisse des VDI-FML-Fachbereichs A3 Gliederung 2 Der Fachbereich A3: Zuverlässigkeit in der Intralogistik Verfügbarkeit

Mehr