Operations Research Veranstaltung: System Dynamics Software

Transkript

1 9. Veranstaltung: System Dynamics Software Cornelius Köpp 27. Mai 2009

2 Feedback aus KW20 [keins] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 2

3 Cornelius Köpp Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 3

4 Überblick Was können Sie von uns und der Veranstaltung erwarten? Eine Reihe spannender Probleme und Anwendungen: System Dynamics, Modellierung und Simulation (4 Veranstaltungen) Künstliche Intelligenz, Neuronale Netze (4 Veranstaltungen) Computational Finance (4 Veranstaltungen) Hausarbeiten in 2er Teams mit spannenden, aktuellen Forschungsthemen Vergabe in der letzten Veranstaltung Mathematische Zusammenhänge erschließen sich bisweilen nicht von selbst. Wir wollen für Ihre Fragen da sein. Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 4

5 WIEDERHOLUNG Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 5

6 Was ist System Dynamics? System Dynamics ist eine Methode zur Untersuchung komplexer, dynamischer Probleme. Sie bietet die Möglichkeit, aus einer Analyse der Problemstruktur und des von ihr verursachten Verhaltens Einsichten über langfristig wirksame Entscheidungsregeln abzuleiten. [Beispielbild und Definition: Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 6

7 SD-geeignete Probleme Nicht alle Probleme sind SD-geeignet Ungeeignet für statische Probleme Zeitverhalten Interesse an langfristigem Verhalten Nichtlineares Verhalten typisch Grundmuster von SD-geeignetem Verhalten Auch Linearkombinationen [Quelle: Strohhecker (2008), S.28 ] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 7

8 Modelle - Wiederholung Ein Modell ist ein vereinfachtes (isomorphes oder homomorphes) Abbild eines realen Systems oder Problems. graphisch anschaulich darstellen Entwicklung und Verwendung von Modellen für die Begründung wirtschaftlicher Entscheidungen Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 8

9 Modelle Problembezogen Unterschiedliche Modelle für unterschiedliche Probleme Kein Supermodell für alle Probleme Vereinfachung Modelle nur ein Ausschnitt der Realität Verzicht auf nicht relevante Komponenten Komplexe Modelle sind nicht automatisch besser Das Wesentliche gerät leicht aus dem Blickfeld Motivation Konsequenzen einzelner Alternativen untersuchen Spielwiese - Was wäre wenn? Warum zeigt ein System das beobachtete Verhalten? Vorhersage von zukünftigen Entwicklungen Zur Informationsgewinnung Suche nach einer (besseren) Handlungsempfehlung Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 9

10 Mentale Modelle [Warum Modellierungssoftware nutzen?] Vorteile Einfache und schnelle Durchführung Das menschliche Gehirn Nachteile mentaler Modelle Nur für kleine Systeme geeignet Schwierige Weitergabe und Kommunikation Fehlende Dokumentation Schlecht Reproduzierbar Verändern sich leicht und u.u. unbewusst Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 10

11 Simulation Ziel Gesetzmäßigkeiten und Wirkzusammenhänge erkennen Hypothesen zur Erklärung von Sachverhalten Formales Modell Simulation auf Computer Überprüfen Verschiedene Strategien / Umweltszenarien Langfristiges Verhalten Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 11

12 Qualitative und Quantitative Analyse Qualitative Analyse Keine Zahlen - Nur Wirkzusammenhänge Wie verhält sich ein System? Verschiedene Szenarien Langfristige Tendenzen Einfluss einzelner Faktoren Quantitative Analyse Prognosen durch Simulation Konkrete Zahlenwerte Reale Daten zur Eingabe verwenden [Vorsicht: Nicht von vermeintlich exakten Ergebnissen blenden lassen!] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 12

13 Schlüsselvariablen Die wichtigsten Größen eines Problems Teilweise auch Konstanten Qualitative und Quantitative Größen Qualitative Größen oft besonders wichtig für nachhaltige Lösung Wichtige Variablen identifizieren Schwierige Entscheidung kein Standardvorgehen Hinterher ist man immer schlauer Wird oft erst im laufe des Prozesses deutlich Redundanzen vermeiden Ausgewogenheit Harte einfach messbare und weiche schwierig messbare Größen Verschiedene Perspektiven Z.B. mit Balanced-Scorecard-Ansatz Vorarbeit für spätere Schritte im SD-Prozess Einheiten festlegen Ggf. Beschreibung oder Definition [Quelle: Strohhecker (2008), S. 58ff] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 13

14 Referenz-Zeitverlauf-Diagramme Behavior Over Time Graph (en) Abkürzung: RZD bzw. BOT (en) Zeitverhalten der Schlüsselvariablen Gemeinsame Darstellung in einem Diagramm Einfacher direkter Vergleich Unterstützung beim Aufstellen kausaler Hypothesen Skalierung der dargestellten Werte erforderlich Referenz für Modelltests Prüfung des Zeitverhaltens Vergleich mit Ergebnissen der Simulation Zeitverlauf Vergangenheit bekannt bei Problemen mit Vorgeschichte Gegenwart Zukunft befürchteter Zeitverlauf (bei Verzicht auf Änderungen) Erwünschte Entwicklung kennzeichnen [Quelle: Strohhecker (2008), S. 61] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 14

15 Feedback-Diagramme Ursache-Wirkungs-Beziehungen Gleich- oder gegengerichtete Beziehung Auch: positive und negative Kopplung Gleichgerichtete/positive Kopplung von X und Y Symmetrisch Notation: + Symbol am Ursache-Wirkungs-Pfeil Andere Notation (Systems Thinking): S same direction Gegengerichtete/negative Kopplung von X und Y Asymmetrisch Notation: - Symbol am Ursache-Wirkungs-Pfeil Andere Notation (Systems Thiking): O opposite direction [Quelle: Strohhecker (2008), S. 76f] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 15

16 Feedback-Diagramme Verzögerungen Notation: Doppelstrich, oder Kasten mit Verzögerung bzw. Delay Nur relevante zeitliche Verzögerungen Relevanz abhängig vom Zeithorizont Bemerkungen Bei empirisch-kausalen Beziehungen existiert immer eine (zumindest kleine) Verzögerung Verzögerungen werden durch Bestandsgrößen verursacht [Quelle: Strohhecker (2008), S. 79f] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 16

17 Feedback-Diagramme Feedback-Schleifen Selbstverstärkende ( Reinforcing Loop ) und Zielsuchende ( Balancing Loop ) Feedbackschleifen Notation: 270 Kreisbogen mit Pfeil in Drehrichtung mit Symbol R (en) B (en) [Quelle: Strohhecker (2008), S. 81] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 17

18 Bestands- und Flussgrößen-Diagramme Motivation und Idee Bestände und Flüsse zentrale Bedeutung für Verständnis der Dynamik von Systemen Atome von SD-Modellen Notwendig und hinreichend zur Darstellung komplexer Zusammenhänge Schwachstelle von Feedback-Diagrammen Keine Unterscheidung von Bestands- und Flussgrößen Bestands- und Flussgrößen-Diagramme Problemrelevante Bestände Zu- / Ab- / Verbindungsflüsse Ursachen für Veränderung der Flussgrößen in Informationsnetzwerk darstellen [Quelle: Strohhecker/Fischer (2008), S. 106f] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 18

19 Bestands- und Flussgrößen Bestände Bestände sind das materielle oder immaterielle Ergebnis von Akkumulationsprozessen Ressourcen [ ], die den Erfolg oder Misserfolg eines Unternehmens bestimmen. Charakterisieren den Systemzustand Gedächtnis und Trägheit des Systems Zeitpunktbezogen Flüsse Verändern Bestandsgrößen Zuflüsse: erhöhen Bestandsgröße Abflüsse: vermindern Bestandsgröße Zeitraumbezogen [Quelle: Strohhecker/Fischer (2008), S. 106] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 19

20 Quellen und Senken Systemgrenzen Nicht mehr Bestandteil der relevanten Feedbackschleifen Spezielle Bestandsgrößen mit unbegrenzter Kapazität / Aufnahmefähigkeit In Realität existieren keine unendlichen Kapazitäten Vereinfachung wenn Flüsse klein sind im Vergleich zum Bestand Beispiel: Kleines Unternehmen sucht Arbeiter in größerer Stadt [Quelle: Strohhecker/Fischer (2008), S. 107f] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 20

21 Bestands- und Flussgrößen-Diagramme Generische Struktur Bestandsgröße, Zufluss, Abfluss Zufluss erhöht Bestand Abfluss senkt Bestand Abfluss wird von Bestand beeinflusst Notation der Wirkungsweise (+/-) optional [Quelle: Strohhecker/Fischer (2008), S. 108] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 21

22 Bestands- und Flussgrößen-Diagramme Konstanten (Heute verbreitete Notation) (Klassische Notation von Forrester) Konstanten Sonderfall von Bestandsgrößen Keine (relevante) Veränderung innerhalb des problemrelevanten Zeithorizonts Zufluss = Abfluss = 0 Falls doch: Umwandeln in Bestandsgröße (oder auch umgekehrt) Notation: Variablenname [Quelle: Strohhecker/Fischer (2008), S. 110f] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 22

23 Bestands- und Flussgrößen-Diagramme Hilfsgrößen Hilfsgrößen sind optional Eigenständiger Informationswert lässt es sinnvoll erscheinen sie im BFD zu zeigen Sorgen für besseres Verständnis des BFD Erfahrung: Viele Hilfsgrößen erhöhen die Modellqualität (weniger Fehler) [Einfachere Modellierung, einfachere Formeln] Verschiedene verwendete Notationen: [Quelle: Strohhecker/Fischer (2008), S. 111ff] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 23

24 Variablentypen des SD-Modells Elementare Variablentypen des SD- Modell: Bestandsgrößen Flussgrößen Hilfsvariablen Konstanten Charakteristische Gleichungen Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 24

25 SOFTWAREPRODUKTE FÜR MODELLIERUNG UND SIMULATION MIT SYSTEM DYNAMICS Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 25

26 Anylogic System Dynamics Software xj technologies ylogic/ Multimethodenmodellierung : System Dynamics Discrete Event Agent Based Eclipse/Java Basis Windows, Linux, MacOS Export als Java-Applet fürs Internet Preise (Einzelplatz, excl. MwSt, zzgl. Support): Advanced Edition: Professional Edition: ~ Educational: 330 [Bildquelle ] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 26

27 Consideo Modeler Consideo GmbH Java 1.5 (Windows, Mac, Linux) Brainstorming Qualitative Analyse, Wirkzusammenhänge Preis (Einzelplatz, incl. Umsatzsteuer) Vollversion: ab 595 OLAP Modeler / Process Modeler: 1785 Kostenloser Einsatz für Bildungszwecke Studentenlizenz: 79 Freeware (mit Funktionsbeschränkung) [Bildquelle ] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 27

28 ithink und STELLA isee systems ithink / STELLA Auszeichnung 1987 mit Forrester Preis als erste graphische Modellierungs- und Simulationssoftware Modellierung von mehrdimensionalen Größen z.b. verschiedenen Rohstoffarten NETSIM Internetpräsentation von Modellen Windows und Mac Preise (Einzelplatz, incl. 1 Jahr Support): Professional User: 1899US$ Educational User: 649US$ [Bildquelle: Screenshots der Tutorials ] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 28

29 Powersim Powersim Studio 8 modeling tools / end-user tools Powersim Software (Norwegen) Studio 8 GIS: Anbindung an Geoinformationssysteme SDK Einbindung in eigene Anwendungen Preis: nur auf Anfrage [Bildquelle: ] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 29

30 Vensim Ventana Systems, Inc Windows und Mac (Nur PowerPC-Architektur) Preis (Einzelplatz, incl. 1 Jahr Updates): Vensim PLE Evaluation or Educational: kostenlos Kommerzieller Einsatz: 50 US$ (PLE Plus 169 US$) DSS 1995 US$ Model Reader: kostenlos [Bildquelle: Eigener Screenshot ] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 30

31 Consideo Modeler Nutzer (Referenzen) und Einsatzbeispiele OTTO: Strategische Einkaufssteuerung mit CONSIDEO OTTO setzt auf CONSIDEO, um das Zusammenwirken von unterschiedlichsten Katalog- und Werbemaßnahmen für die einzelnen Warenabteilungen simulieren und optimieren zu können. Mit direkter, innovativer Anbindung an die OLAP-Datenbank werden die Vergangenheitsdaten hinter die Faktoren gelegt und mit Entwicklungsfaktoren somit Prognosewerte für die Zukunft generiert. Die einzelnen Werbemaßnahmen können dann mit hinterlegter Kalenderlogik auf der Zeitachse verschoben und in Was-Wäre-Wenn-Szenarien optimiert werden. Kreis Segeberg: Kreisentwicklung mit CONSIDEO Im Rahmen eines bundesweiten Pilotprojektes erstellt CONSIDEO ein dynamisches Kreisentwicklungsmodell für den Kreis Segeberg (Schleswig-Holstein) als zukünftige, dauerhafte Entscheidungsgrundlage. [ ] Hintergrund: Mit den richtigen Maßnahmen lässt sich der Kreis nachhaltig entwickeln (z.b. die regionale Wirtschaft fördern, Arbeitsplätze schaffen, den Wohlstand der Bevölkerung und den Erhalt der natürlichen Potentiale sichern), aber... was genau bringen diese Maßnahmen (langfristig) eigentlich? welche Maßnahmen wirken wie? welche Zusammenhänge/Rückkopplungen bestehen zwischen den Bereichen? wie können Netzwerke mobilisiert werden? und wo liegen in Zeiten knapper Kassen mit kleinen Maßnahmen die größten Hebel? Die Beantwortung der o.g. Fragestellungen erfordert die Abbildung und Erweiterung des Kreisentwicklungskonzeptes in Form eines Simulationsmodells. Hierbei werden die Systemzusammenhänge zwischen den einzelnen Bereichen ebenso berücksichtigt wie die Systemdynamik. Das dynamische Kreisentwicklungsmodell dient somit als zukünftige, dauerhafte Entscheidungsgrundlage, um die knappen finanziellen Mittel möglichst noch zielführender und effizienter einsetzen zu können. Unter Berücksichtigung unterschiedlichster Was-wäre-Szenarien können verschiedene Strategien und Maßnahmen spielerisch erprobt, miteinander verglichen und bewertet werden. [Quelle ] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 31

32 EINFÜHRUNG & VORFÜHRUNG CONSIDEO MODELER Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 32

33 Einführung Consideo Modeler 5 Registerkarten Beschreiben Dokumentation Zeithorizont Kreativ Brainstorming und Sammeln von Faktoren Qualitativ Wirkzusammenhänge Quantitativ Formale Definition (Formeln) Simulieren Eingabelemente Verschiedene Ausgabeformen Faktoren zur Darstellung der Größen Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 33

34 Consideo Modeler Tipps Fehleranzeige Graphik Größe/Platzbedarf der Faktoren [Bildquelle: Eigene Screenshots ] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 34

35 Modellierung eines bekannten Beispiels (vgl. Vorlesung 4, ) Variable und Gleichung Einheit Variablen-Typ Wasservolumen = IW_Wasservolumen - Abfluss [m³] Bestandsgröße Abfluss = Hydrostatischer_Druck / Strömungswiederstand [m³/s] Flussgröße Hydrostatischer_Druck = Wichte_des_Wassers * Wasserstand [kg/(m*s²)] Hilfsvariable Wasserstand = Wasservolumen / (Radius_des_Tanks² * ) [m] Hilfsvariable Radius_des_Tanks = 1 [m] Konstante Strömungswiederstand = 50 [kg/(m 4 s)] Konstante Wichte_des_Wassers = 9,801 [kg/(m² s²)] Konstante IW_Wasservolumen = 10 [m³] Konstante [Quelle: Strohhecker/Fischer (2008), S. 143ff] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 35

36 Consideo Modeler Qualitative Analyse Ansicht / Schleifen Abbildung: Wassertankbeispiel Ansicht / Ursache- Wirkungs-Matrix Abbildung: Beispiel ConsideoStrategie.xml [Bildquelle: Eigene Screenshots ] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 36

37 Consideo Modeler Analyse Ansicht / Wirkungsket te Abbildung: Beispiel ConsideoStrat egie.xml [Bildquelle: Eigene Screenshots ] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 37

38 Consideo Modeler Analyse Ansicht / Ursachenkette Anzeige direkter und indirekter Einflüsse Abbildung: Beispiel ConsideoStrate gie.xml [Bildquelle: Eigene Screenshots ] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 38

39 Consideo Modeler Darstellungsarten Feedback- Diagramm Bestands- und Flussgrößen- Diagramm [Bildquelle: Eigene Screenshots ] Michael H. Breitner, Cornelius Köpp, Hans-Jörg v. Mettenheim # 39