2 ARENA für P&L Einfaches Beispiel. Machine (Server) Departing Finished Parts. Arriving Blank Parts Queue (FIFO) Part in Service

Größe: px
Ab Seite anzeigen:

Download "2 ARENA für P&L Einfaches Beispiel. Machine (Server) Departing Finished Parts. Arriving Blank Parts Queue (FIFO) Part in Service"

Transkript

1 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen Einfaches Beispiel Allgemeine Modellelemente Entitäten Warteschlangen und Ressourcen 2.2 Bestimmte und unbestimmte Verzögerungen 2.3 Entitätenbewegung, Animation und Plots Thomas Schulze Einfaches Beispiel Arriving Blank Parts Queue (FIFO) Machine (Server) Departing 4 Finished Parts Part in Service Was soll ermittelt werden? Der zu erwartende Ausstoß Wartezeiten der Teile vor der Maschine Warteschlangenlänge vor der Maschine Auslastung der Maschine Thomas Schulze 2

2 2.1.1 Einfaches Beispiel Festlegungen Einheit für die Simulationszeit: Minuten Zustand beim Start: idle & empty Wie lange soll simuliert werden? Thomas Schulze 3 Messgrößen Anzahl der gefertigten Teile P Einfache Summenbildung Ziel : großer Wert Mittlere Wartezeit in der Warteschlange WQi - Wartezeit des i-ten Teiles in der Warteschlage N Anzahl der Teile, die die Warteschlange verlassen haben Mittelwert ( discrete-time oder discrete-parameter Statistik ) N i=1 WQ N i Ziel: kleiner Wert Thomas Schulze 4

3 Messgrößen Maximale Wartezeit in der Warteschlange Ziel: kleiner Wert maxwq i i=1,..., N Mittlere Warteschlangenlänge Mit der Zeit gewichteter Mittelwert Q(t) sei die Anzahl von Teilen in der Warteschlange zum Zeitpunkt t T Q t) 0 T dt ( Statistik ist time-persistent Aussagen über den Bedarf an Pufferplätzen? Thomas Schulze 5 Messgrößen Maximale Anzahl von Teilen in der Warteschlange Abschätzung der Puffergröße max 0 t T Q( t) Durchlaufzeit Durchlaufzeit TS (Time in System) ist die Zeitdifferenz zwischen der Austrittszeit und der Eintrittszeit in das System. TS i bezeichnet die Durchlaufzeit des i-ten Teils. P bezeichnet die Anzahl der produzierten Teile Mittelwert: P i=1 TS P i Ziel : kleiner Wert Maximalwert max TS i=1,..., P Thomas Schulze 6 i

4 Messgrößen Auslastung der Maschine Anteil der Zeit für den Zustand arbeitend an der Gesamtzeit der Simulation B(t) ist die sog. Busy-Funktion 1 B( t) = 0 if the machine is busy at time t if the machine is idle at time t T B ( t) 0 T dt Mittelwert als time-persistante Statistik Thomas Schulze 7 Messgrößen Identifikator Maschinenauslastung: Je höher die Auslastung der Maschine, je höher ist die mittlere Warteschlangenlänge Die Wahrscheinlichkeit, dass ein ankommendes Teil warten muss ist höher Mittlere WSL ,8 0,82 0,84 0,86 0,88 0,9 0,92 0,94 0,96 0,98 Auslastung Thomas Schulze 8

5 Meßgrößen System 7 6 Clock B(t) 1 Q(t) 1 Arrival times of custs. in queue (19.39) Event calendar [6, 23.05, Dep] [8, 34.91, Arr] Number of completed waiting times in queue 6 Total of waiting times in queue Area under Q(t) Area under B(t) Q(t) graph B(t) graph Time (Minutes) Interarrival times 1.73, 1.35, 0.71, 0.62, 14.28, 0.70, 15.52, 3.15, 1.76, 1.00,... Service times 2.90, 1.76, 3.39, 4.52, 4.46, 4.36, 2.07, 3.36, 2.37, 5.38,... Thomas Schulze Allgemeine Modellelemente Entität Globale Variable Ressourcen und Server Queues oder Warteschlangen Sammler für Statistiken Ereignisse Thomas Schulze 10

6 Entitäten Entität : Wesen, Dasein, Ding, Dateneinheit,... Dynamische Objekte Dynamisch : Entitäten werden erzeugt und auch wieder vernichtet Gegensatz Statisch : Statische Objekte existieren während der gesamten Simulation. Allgemein: Entitäten werden erzeugt, verweilen im System und werden wieder vernichtet Entitäten sind aktive Objekte Verändern andere Entitäten und andere Objekte Nur die Entitäten ändern den Systemzustand Abbildung von Werkstücken, Aufträgen und Werkern Thomas Schulze 11 Entitäten Entitätstyp : eine Klasse von Entitäten Zu jeder Klasse existieren dann unterschiedliche Objekte In einem Modell können unterschiedliche Entitätstypen gleichzeitig existieren Beispiel Lager: Entitätstypen Einlagerungsauftrag und Auslagerungsauftrag. Die Entitätstypen unterscheiden sich über ihre Attribute Objekte einer Klasse unterscheiden sich über unterschiedliche Attributwerte Thomas Schulze 12

7 Entitäten Entitätstyp Einlagerungsauftrag Gutnummer 4711 Anlieferungsdatum Gewicht 45 Anzahl Thomas Schulze 13 Entitäten Entitätstyp Auslagerungsauftrag Gutnummer 0815 Bestelldatum Kundennummer Anzahl Thomas Schulze 14

8 Globale Variable Sind nicht an Entitäten gebunden Gelten im gesamten Modell und reflektieren häufig Systemzustände Anzahl der Teile im System, die Transportzeiten von A nach B Können nur durch Entitäten verändert werden Standardisierte globalen Variablen aktuelle Simulationszeit, die Nummer der aktuellen Replikation, die Anzahl der wartenden Entitäten in einer Wartschlange, usw. Nutzerdefinierte Variablen Thomas Schulze Ressourcen und Server Engl.: Resource Deutsch: Ressource Ressourcen stellen eine bestimmte Menge von Einheiten (Units) zur Benutzung bereit Anwendungen: Pool von Werkern (mehrere Einheiten) eine Maschine (eine oder mehrere Einheiten) Speicherplätze in einem Hochregallager. Entitäten versuchen die Einheiten einer Ressource zu belegen (seize) Verlassen einer Ressource (release) Beispiel: Ressource, mit nur einer Einheit Thomas Schulze 16

9 Ressourcen und Server Server: Ressource mit einer Einheit (kein Standard) Eine Ressource kann dann auch als eine Gruppe von einzelnen Servern betrachtet werden Beispiel für diese Gruppe: zwei identische Montagearbeitsplätze in einem Fertigungsbereich Typisch für Ressourcen: die Anzahl der verfügbaren Einheiten ändert sich über der Zeit Frühschicht: 2 Werker Spätschicht: 3 Werker Thomas Schulze 17 Ressourcen und Server nub : Anzahl der belegten Einheiten zum Zeitpunkt t nua : Anzahl der verfügbaren Einheiten zum Zeitpunkt t dann wird die Busy-Funktion B(t) wie folgt definiert nub( t) B ( t) = nua( t) Thomas Schulze 18

10 Queues oder Warteschlangen Queues sind Aufnahmeplätze für wartende Entitäten Entität kann eine Ressource nicht belegen, dann wird diese Entität in eine Warteschlange eingeordnet Vereinfachung: Entitäten können die Warteschlange nicht vorzeitig verlassen Kapazität einer Warteschlange Allgemein: unbegrenzt Bei begrenzter Kapazität muss ein alternativer Weg für die Entität aufgezeigt sein Wartschlangendisziplin: FIFO (First in First Out), LIFO(Last In Last Out), Prioritäten oder Sortierungen nach bestimmten Merkmalen Thomas Schulze 19 Queues oder Warteschlangen 1 Warteschlange : 1 Ressource Eine Warteschlange ist einer Ressource zugeordnet 1 Warteschlange : n Ressourcen Eine Warteschlange ist mehreren Ressourcen zugeordnet Arbeitsgang für ein Teil kann von mehreren Maschinen ausgeführt werden n Warteschlangen : 1 Ressource Entitäten warten in unterschiedlichen Warteschlangen um eine Ressource belegen zu können Aufträge werden in unterschiedliche Kategorien eingeteilt und jeder Kategorie wird eine eigenen Warteschlange zugeteilt n Warteschlangen : m Ressourcen Aufträge warten in unterschiedlichen Warteschlangen und können auf unterschiedlichen Maschinen bearbeitet werden Thomas Schulze 20

11 Sammler für Statistiken Statistik-Sammler beobachten Ergebnisgrößen und werten diese statistisch aus. Standard-Sammler laufen automatisch mit Beobachtung von Warteschlangen Nutzerdefinierte Sammler müssen extra angestoßen werden Standard für eine Warteschlange: Anzahl der Eintritte Anzahl der Eintritte, deren Wartezeit > 0 Mittlere und maximale Wartezeit Mittlere und maximale Warteschlangenlänge Aktuelle Länge Thomas Schulze Ereignisse Ereignis (Engl. Event) Aktionen, die Zustandsänderungen am Modell hervorrufen Diese Zustandsänderungen erfolgen zeitlos Aktionen wird der Zeitpunkt der Ausführung (Ereigniszeitpunkt) zugewiesen Nach der Ausführung eines Ereignisses Es wird vernichtet und es können neue Ereignisse generiert werden Ereignis-Kalender zur Verwaltung Der Simulator arbeitet die Ereignisse aus dem Kalender ab und stellt damit die Simulationsuhr Thomas Schulze 22

12 2.1.3 Entitäten in ARENA Erzeugen: Flowchart-Modul Create Vernichten Flowchart-Modul Dispose Standardattribute CreateTime Erzeugungszeitpunkt StartTime Zeitpunkt, an dem die Entität eine Aktivität gestartet hat VATime Summe aller Zeiten, bei Value Added -Aufenthalten NVATime Summe aller Zeiten, bei Non-Value Added -Aufenthalten Thomas Schulze 23 Attribute von Entitäten WaitTime Summe aller Verzögerungs(Warte)zeiten und Zeiten bei Wait - Aufenthalten TranTime Summe aller Transportzeiten und Zeiten bei Transfer - Aufenthalten OtherTimes Summe aller Zeiten bei den Other -Aufenthalten Picture Nummer oder Name des entsprechenden Animationsbildes Jobstep, Sequence, Station Für Jobsequenzen Thomas Schulze 24

13 Attribute von Entitäten Attribut Entity Type Verweis auf eine entity type Variable Eine Variable dieses Typs repräsentiert eine Gruppe (Klasse) von Entitäten Diese Variable (Klasse) hat wiederum einzelne Attribute Attributwerte der Entitäten könne unterschiedlich sein Attributwerte einer entity type Variablen sind identisch für alle Entitäten dieser Gruppe Attribute von entity type Variablen: EntitiesIn : Anzahl der in das Modell eingetretenen Entitäten EntitiesOut : Anzahl der aus dem Modell ausgetretenen Entitäten EnittiesWIP : Anzahl der aktuell im Modell existierenden Entitäten Thomas Schulze 25 Create und Dispose ARENA Basic Process Panel Thomas Schulze 26

14 Create Erzeugen mit Create Thomas Schulze 27 Dispose Vernichten mit Dispose Thomas Schulze 28

15 Assign General-Purpose-Attribute Attribute gelten für alle Entitäten Der Datentyp ist grundsätzlich real Definition dieser Attribute nicht explizit Definition beim erstmaligen Gebrauch Mit Assign werden neue Werte zugewiesen Thomas Schulze 29 Assign Thomas Schulze 30

16 Einfaches Modell Modell1: Quelle mit exponentiell-verteilten Zwischenankunftszeiten (Mittelwert = 1 min) für Entitäten der Entitätsgruppe Entity 1 Senke vernichtet die Entitäten sofort Die Simulation wird nach 10 Minuten beendet. Thomas Schulze 31 Standardausgabe für die Entitäten Thomas Schulze 32

17 1.2.4 Wartschlangen und Ressourcen Resource eine oder mehrere identische resource units werden definiert, die dann den Entitäten zugeordnet werden können Anzahl der resource units wird als Kapazität capacity bezeichnet Belegen mittels SEIZE Freigeben über RELEASE Definition mit dem Resource Data Module Thomas Schulze 33 Definition einer Resource Type Fixed Capacity: Kapazität ist konstant Based on Schedule : Kapazität wird verändert über der Simulationszeit definiert Busy/Hour Kosten pro Stunde, wenn die Ressource genutzt wird (Zustand busy) Idle/Hour Kosten pro Stunde, wenn die Ressource frei ist (Zustand idle) Per Use Kosten, die bei jeder Nutzung durch eine Entität zusätzlich entstehen (Setup-Kosten) Thomas Schulze 34

18 Definition einer Resource StateSetName Standardmäßig werden einer Ressource die folgen Zustände (States) zugeordnet.» IDLE : Keine Ressourceneinheit ist belegt (frei)» BUSY : Ressourceneinheit ist belegt» INACTIVE : Die Kapazität ist 0.» FAILED : Die Ressource ist gestört Failures Beaschreibung des Ausfalls Thomas Schulze 35 Standardausgabe für Ressourcen NumberBusy Statistik über die Anzahl der Busy Kapazitätseinheiten (NR) NumberScheduled Statistik über die Anzahl der definierten (vorhandenen) Kapazitätseinheiten (MR) Utilization Auslastung der Ressource. Verhältnis NR/MR TimeUsed Anzahl der Belegungen für die einzelnen Kapazitätseinheiten ScheduledUtilization Verhältnis Mittelwert (NumberBusy) zu Mittelwert (NumberScheduled) Thomas Schulze 36

19 Definition von Queues Nachbilden des Wartens von Entitäten mittels Warteschlangen (Queues) Reihefolgenregeln (Sortierkriterium und die Reihenfolge) Sortierkriterium Eintrittszeitpunkt; Reihenfolge steigend : FIFO (First In First Out) Sortierkriterium Eintrittszeitpunkt; Reihenfolge fallend : LIFO (Last In First Out) Sortierkriterium ein Attribut; Reihenfolge steigend :Lowest Attribute Value, (Sortierung nach Verfallsdatum) Sortierkriterium ein Attribut; Reihenfolge fallend :Highest Attribute Value, (Sortierung nach Gewicht) Thomas Schulze 37 Definition von Queues Definition im QUEUE-Data-Modul: Type Sortierregeln (siehe obige Tabelle) Shared Warteschlange kann mehreren Ressourcen zugeordnet sein Thomas Schulze 38

20 Standardausgabe für Queues WaitingTime Statistik über die Wartezeit einer Entität in der Queue Waiting Cost Statistik über die Wartekosten Number Waiting Statistik über die Anzahl der wartenden Entitäten Typischer Prozess zum Bearbeiten eines Teiles Belegen einer Ressource (SEIZE) Verarbeitung auf der Ressource (DELAY) Verlassen der Ressource (RELEASE) Thomas Schulze 39 Belegen mit Seize Thomas Schulze 40

21 Parameter für Seize Allocation Festlegung der Kosten-Kategorie Priority Priorität für die wartenden Entitäten an diesem SEIZE-Modul, wenn die Ressource auch über einen anderen SEIZE-Modul belegt werden kann. Type Seize erlaubt das Belegen einer einzelnen Resource oder einer Gruppe von Ressourcen Resource Name Name der definierten Ressource Quantity Anzahl der zu belegenden Kapazitätseinheiten Resource State Status der Ressource, nach der Belegung Queue Type Spezifikation des Ortes, wo die Entitäten warten sollen Thomas Schulze 41 Delay Thomas Schulze 42

22 Parameter für Delay Allocation Festlegung der Kosten-Kategorie Delay Time Bestimmung der Zeitspanne Units Zeiteinheit für die Zeitspanne Thomas Schulze 43 Release Thomas Schulze 44

23 Parameter für Release Type Mit Release kann eine einzelne Ressource oder eine einzelne Ressource aus einer Gruppe von Ressourcen frei gegeben werden Resource Name Name der entsprechenden Ressource Quantity Anzahl der zu belegenden Kapazitätseinheiten Damit sind alle Module zur Modellierung eines Single-Servers vorhanden. Die einzelnen Module werden miteinander verbunden. Die Simulation wird nach 1000 Minuten beendet. (Modell1) Thomas Schulze 45 Ergebnisse für Entities Thomas Schulze 46

24 Ergebnisse für Queues Thomas Schulze 47 Ergebnisse für die Ressource Thomas Schulze 48

25 Ergebnisse für die Ressource (Kapazität = 2) Thomas Schulze Bestimmte, bedingungsabhängige und unbestimmte Verzögerungen Bestimmte Verzögerung Die Verweilzeit ist definiert, d.h. der Endzeitpunkt der Bearbeitung ist bekannt Bedingungsabhängige Verzögerung Die Dauer der Verzögerung ist beim Beginn des Wartens nicht bekannt. Das Ende des Wartens ist durch eine Bedingung gekennzeichnet Unbestimmte Verzögerung (Totale Blockierung) Keine Bedingung, die das Ende des Aufenthaltes beschreibt Entität schläft bis diese von einer anderen Entität geweckt wird Thomas Schulze 50

26 2.2.1 Bestimmte und ressourcenabhängige Verzögerung Modul Process: Nachbildung von bestimmten und ressourcenabhängigen Verzögerungen Delay Einfaches Verzögern ohne die Berücksichtigung von Ressourcen Seize Delay Eine Ressource wird belegt, die Belegungszeit wird angeben Seize Delay Release Eine Ressource wird belegt, nach der entsprechenden Bearbeitungszeit wird die Ressource wieder frei gegeben Delay Release Ein schon belegte Ressource wird nach der entsprechenden Bearbeitungszeit wieder frei gegeben Thomas Schulze 51 Modell 3 Teile treffen mit exponentiell-verteilten Zwischenankunftszeiten (Mittelwert = 1 min) an der Maschine 1 ein. Können diese nicht sofort bearbeitet werden, so warten sie in einem unbegrenzten Eingangspuffer. Die Bearbeitungszeit auf der Maschine ist ebenfalls exponential-verteilt (Mittelwert = 0.9 min). Anschließend werden die Teile in einer Senke vernichtet. Die Simulation wird nach 1000 Minuten beendet. Maschine 1 Quelle Senke Queue (FIFO) Thomas Schulze 52

27 Modell 3 Thomas Schulze 53 Ergebnisse Model 3 Thomas Schulze 54

28 Modell 4 Teile treffen mit exponentiell-verteilten Zwischenankunftszeiten (Mittelwert = 1 min) an der Maschine 1 ein. Können diese nicht sofort bearbeitet werden, so warten sie in einem unbegrenzten Eingangspuffer. Die Bearbeitungszeit auf der Maschine ist ebenfalls exponential-verteilt (Mittelwert = 0.9 min). Anschließend werden die Teile an eine Maschine 2 weitergeleitet. Die Bearbeitungszeit auf der Maschine 2 ist konstant mit 0.5 min. Zwischen beiden Maschinen ist kein Puffer, so dass ein Teil die Maschine 1 erst verlassen kann, wenn die Maschine 2 frei ist. Anschließende werden die Teile in einer Senke vernichtet. Die Simulation wird nach 1000 Minuten beendet Maschine 1 Maschine 2 Quelle Queue (FIFO) Senke Thomas Schulze 55 Modell 4 Der gesamte Prozess wird in die folgenden Teile zergliedert Belege Maschine1; Verbleibe die notwendige Bearbeitungszeit Belege Maschine 2 erst, wenn diese bereit ist Freigabe der Maschine 1 Verbleibe auf der Maschine 2 die notwendige Bearbeitungszeit mit anschließender Freigabe der Maschine 2 Thomas Schulze 56

29 Modell 4 Bearbeitung auf Maschine 1 Thomas Schulze 57 Modell 4 Belege Maschine 2 Thomas Schulze 58

30 Modell 4 Freigabe Maschine 1 Thomas Schulze 59 Modell 4 Bearbeitung auf Maschine 2 Thomas Schulze 60

31 Ergebnisse Modell 4 Thomas Schulze Bedingungsabhängige Verzögerung Entitäten, die auf eine bestimmte Bedingung warten, werden in speziellen Warteschlangen aufgehalten. Arena unterscheidet zwei Formen der bedingungsabhängigen Verzögerung: a) Warten auf das Erfüllen einer beliebigen Bedingung b) Warten auf das Empfangen eines bestimmten Signals Beide Formen werden mit dem Hold-Modul aus dem Advanced Process Panel modelliert. Dieser Modul hält eine Entität in der Bewegung auf, bis eine bestimmte Bedingung erfüllt ist oder ein definiertes Signal eingetroffen ist. Thomas Schulze 62

32 Modell 5 Aus einem Lager werden in unregelmäßigen zufälligen Zeitabständen unterschiedliche Mengen entnommen. Die Zeitabstände unterliegen einer Exponential-Verteilung mit einem Mittelwert von 0,9 Stunden. Die Entnahmemenge unterliegt einer Poisson-Verteilung mit einem Mittelwert von 20 Stück. Ein Sensor überwacht den Lagerbestand. Sobald der Lagerbestand die Marke von 50 unterschritten hat, wird das Lager mit der Menge von 50 Teilen gefüllt. Die Simulation wird nach 1000 Stunden beendet. Zu ermitteln sind der mittlere Lagerbestand und der mittlere Zeitabstand zwischen zwei Einlagerungen. Thomas Schulze 63 Modell 5 Sensor Teilprozess Thomas Schulze 64

33 Modell 5 - Sensor Teilprozess Thomas Schulze 65 Modell 5 Sensor Teilprozess Erhöhung des Lagerbestandes Thomas Schulze 66

34 Modell 5 Entnahme Teilprozess Eintreffen der Kunden Thomas Schulze 67 Modell 5 - Entnahmemenge Bestimmung der Entnahmemenge, Variable Menge Thomas Schulze 68

35 Modell 5 Resultate - Lagerbestand Thomas Schulze 69 Modell 5 Resultate Zeit zwischen zwei Einlagerungen Thomas Schulze 70

36 Modell 6 Vier Lieferanten beliefern ein Lager, in dem vier verschiedene Güter gelagert werden. Die Zeit zwischen zwei Anlieferungen eines Guttyps ist exponential-verteilt mit einem Mittelwert von 4 Stunden. Bei jeder Lieferung wird nur 1 Palette eingelagert. Der entsprechende Guttyp ist gleichverteilt über alle Güter. Aus dem Lager werden in zufälligen Zeitabständen alle Paletten eines Guttyps entnommen. Die Zeit zwischen den Entnahmen ist ebenfalls exponential-verteilt mit einem Mittelwert von 8 Stunden. Der entsprechende Guttyp ist wieder gleichverteilt über alle Guttypen. Die Simulation soll über einen Zeitraum von 1000 Tagen erfolgen. Zu berechnen sind der Lagerbestand und die Verweildauer je Guttyp. Thomas Schulze 71 Modell 6 Einlagerungsprozess Für jeden Gutstrom wird eine eigene Quelle verwendet Jedem Gutstrom wird ein eigener Entitätstyp zugeordnet Diese Lösung ist nur für wenige Güterströme geeignet Nicht flexibel hinsichtlich der Anzahl der Güterströme Der Wert des Guttyps wird im Attribut Guttyp eingetragen Entitäten werden in einem HOLD-Modul mit der Option Signal verzögert Verlassen des Lagers Thomas Schulze 72

37 Modell 6 Einlagerungsprozess Thomas Schulze 73 Modell 6 Einlagerungsprozess Warten im Lager auf das Signal zum Verlassen Signal ist spezifisch für den entsprechenden Guttyp Thomas Schulze 74

38 Modell 6 - Entnahmeprozess Entsprechend der vorgegebenen Verteilung wird eine Entnahmeprozess gestartet Der Guttyp wird aus einer entsprechenden Gleichverteilung entnommen Thomas Schulze 75 Modell 6 - Entnahmeprozess Auslösen des Guttyp-spezifischen Signals für die Entitäten im Lager Thomas Schulze 76

39 Modell 6 - Ergebnisse Verweilzeiten im Lager je Guttyp Thomas Schulze 77 Modell 6 - Ergebnisse Lagerbestand je Guttyp Thomas Schulze 78

40 2.2.3 Unbestimmte Verzögerung Bei der unbestimmten Verzögerung werden die Entitäten in einen passiven Zustand versetzt ( schlafen ) Nur eine andere Entität kann eine schlafende Entität aus dieser Wartschlange heraus lösen. Die unbestimmte Verzögerung ist eine sehr laufzeiteffektive Variante Sie wird häufig zur Synchronisation von Prozessen eingesetzt Hold-Modul mit Option Infinite Hold ordnet die Entität in eine entsprechende Warteschlange ein. Eine andere Entität löst mittels des Remove-Moduls die schlafende Entität wieder heraus Konsequenz: Die aufzuweckende Entität muss identifiziert werden! Thomas Schulze 79 Modell 7 In einem Lager werden Güter mit einem Verfallsdatum eingelagert. Die Zeit zwischen zwei Einlagerungen ist exponential-verteilt mit einem Mittelwert von 0.3 Stunden. Das Verfallsdatum berechnet sich aus der aktuellen Zeit plus einer Verfallszeit (Exponential-Verteilung mit einem Mittelwert von 3 h) Eine automatische Verfallskontrolle veranlasst ein Entfern alle Güter, die das Verfallsdatum erreicht haben. Die Auslagerung erfolgt in ein Sonderlager. Eine automatische Anzeige informiert einen Lagerarbeiter, wenn sich Güter in dem Sonderlager befinden. Der Lagerarbeiter entsorgt diese Güter einzeln, wobei die Zeit zur Entsorgung einer Exponential-Verteilung mit einem Erwartungswert von 0,1 Stunden entspricht. Geben Sie Angaben über die Lagerbestände in dem Hauptlager und in dem Sonderlager sowie über die Durchlaufzeiten der Güter. Thomas Schulze 80

41 Modell 7 Teilprozess Einlagern Thomas Schulze 81 Modell 7 Teilprozess Einlagern Einlagern mit einem Hold-Modul Automatische Übergang in das Sonderlager mittels Option Scan for Condition Thomas Schulze 82

42 Modell 7 Teilprozess Einlagern Aus dem Sonderlager werden die Entitäten durch einen anderen Prozess herausgeholt. Aus diesem Grund werden die Entitäten passiv. (Hold-Modul mit der Option Infinite Hold ) Thomas Schulze 83 Modell 7 Teilprozess Lagerarbeiter Eine Entität vom Entitätstyp Lagerarbeiter Wartet in einem Hold-Modul mit der Option Scan for Condition auf das Eintreten der Bedingung ( NQ(Sonderlager.Queue)>1 ) Thomas Schulze 84

43 Modell 7 Teilprozess Lagerarbeiter Wenn diese Bedingung eingetreten ist, dann entnimmt er die erste Entität mit dem Remove-Modul aus dem Sonderlager Thomas Schulze 85 Modell 7 Teilprozess Lagerarbeiter In einem Hold-Modul wird die Lagerarbeiter-Entität verzögert Thomas Schulze 86

44 Modell 7 Ergebnisse Lagerbestände Thomas Schulze 87 Modell 7 Ergebnisse Durchlaufzeiten und WIP Thomas Schulze 88

45 2.3 Entitätenbewegung Zeitlose Bewegung mittels Connect Zeitbehaftete Bewegung, aber ohne Randbedingungen, mittels Route Bewegung unter Verwendung von Ressourcen bzw. Transporteinrichtungen (erfolgt in einem späteren Kapitel) Thomas Schulze Zeitloses Bewegen mit Connect Bisherige Modellierung: Bewegung der Entitäten von einem Modul zum nächsten Modul erfolgt zeitlos erfolgt Die Module waren mittels der Connection Option graphisch direkt verbunden Auf diesen Verbindungen bewegen sich die Entitäten zeitlos während der Animation. Dieser Verbindungstyp wird gewählt, wenn die Entitäten keine realen räumlichen Entfernungen zu überbrücken haben. Typische Anwendung ist die Verbindung von Modulen zur Beschreibung von Steuerungen, die zeitlos arbeiten. Thomas Schulze 90

46 Connect Thomas Schulze 91 Zeitbehaftete Entitätenbewegung Zur Modellierung von Transportvorgängen in offeriert ARENA das sog. Station bzw. Station Transfer Konzept. Station Platz, an dem Prozesse ablaufen Lagerplatz für ankommende Teile (Wo dann ein Bearbeitungsprozess startet) eine Rampe für ankommende LKW s. Station Transfer Senden einer Entität von einer Station zu einer anderen (Route) Die physische Verbindung zur Animation der Bewegung zwischen zwei Stationen wird als Path bezeichnet. Thomas Schulze 92

47 Route Route positive Zeit für die Bewegung der Entitäten Zeit ist unabhängig von möglichen anderen Randbedingungen Beim Verlassen eines Moduls mittels Route einen Modul Entität wird ein neuer Ereigniszeitpunkt zugewiesen Entität wird aus der Liste der aktiven Entitäten entfernt (Delay) Wird dieser neue Ereigniszeitpunkt aktuell wird, dann wird die Entität wieder in die Liste der aktuellen Entitäten übernommen Im Gegensatz dazu wird bei dem Connect-Konzept, die Entität nicht aus der Liste der aktiven Entitäten entfernt. Thomas Schulze 93 Modell 8 In einem Tagebau übernehmen spezielle LKW s den Transport der Erze von der Beladestation zur Entladestation. Sowohl an der Be- und Entladestation kann jeweils nur ein LKW bedient werden. Nach dem Entladen müssen die LKW s von den Fahrern gereinigt werden. Dieses Reinigen findet auf einem speziellen Waschplatz statt, der keine Kapazitätsbeschränkungen hat. Nach dem Reinigen fahren die LKW wieder zur Beladestation. Transportzeiten Vom Beladen zum Abladen: Gleichverteilung, 8 bis 12 Minuten Vom Abladen zum Reinigen: Exponentialverteilung, 3 Minuten Vom Reinigen zum Beladen: Normalverteilung, 8 und 2 Minuten Prozesszeiten pro LKW Beladen: Normalverteilung, 10 und 2 Minuten Abladen: Normalverteilung, 10 und 2 Minuten Reinigen: Dreiecksverteilung, 1, 3 und 5 Minuten Nach einer Simulation mit 5 LKW s über 100 Tage sollen Aussagen zur Auslastung der Be- und Entladestationen und zu den Wartezeiten für die LKW s erfolgen. Thomas Schulze 94

48 Modell 8 - LKW Die LKW s werden durch Entitäten nachgebildet, die sich durch das Modell bewegen. Thomas Schulze 95 Modell 8 - Beladestation Der Beladestation wird eine Station zugeordnet. Stationen werden aus dem Advanced Tranport Panel angeordnet. Thomas Schulze 96

49 Modell 8 - Route Das Fahren zur Abladestation wird mit dem Route-Modul, ebenfalls aus dem Advanced Tranport Panel modelliert. Thomas Schulze 97 Modell 8 - Gesamtmodell Thomas Schulze 98

50 Modell 8 - Resultate Thomas Schulze 99 Modell 8 - Resultate Thomas Schulze 100

51 Modell 8 - Animation Aus der AnimateTransfer Toolbar Stationen zur Animation ableiten Thomas Schulze 101 Modell 8 - Animation Thomas Schulze 102

1. Aufgaben zur Übung Einfache Systeme

1. 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.

Mehr

ARENA Tutorial -1. Example 1. Basiselemente. Create

ARENA 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

Mehr

4 Modellierungskonzepte für Transportvorgänge

4 Modellierungskonzepte für Transportvorgänge 4 Modellierungskonzepte für Transportvorgänge 4.1 Modellierung mittels Ressourcen 4.2 Modellierung mittels Transporter 4.3 Modellierung mittels Conveyors Otto-von-Guericke-Universität Magdeburg Thomas

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

Modellgestützte Analyse und Optimierung Übungsblatt 4

Modellgestützte Analyse und Optimierung Übungsblatt 4 Fakultät für Informatik Lehrstuhl 4 Peter Buchholz, Jan Kriege Sommersemester 2015 Modellgestützte Analyse und Optimierung Übungsblatt 4 Ausgabe: 27.04.2015, Abgabe: 04.05.2015 (12 Uhr) Aufgabe 4.1: Verteilungsfunktionen

Mehr

Einführung in die Simulation mit Arena 5.0

Einführung 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

Mehr

Fachhochschule Osnabrück

Fachhochschule Osnabrück Fachhochschule Osnabrück University of Applied Sciences Arena Handbuch zur Hausarbeit Version 2.1a (03.12.2007) Fachhochschule Osnabrück Prof. Dr.-Ing. E. Wißerodt Dipl.-Ing. Martin Nardmann Labor für

Mehr

Modellgestützte Analyse und Optimierung Übungsblatt 8

Modellgestützte Analyse und Optimierung Übungsblatt 8 Fakultät für Informatik Lehrstuhl 4 Peter Buchholz, Jan Kriege Sommersemester 2015 Modellgestützte Analyse und Optimierung Übungsblatt 8 Ausgabe: 25.05.2015, Abgabe: 01.06.2015 (12 Uhr) Aufgabe 8.1: Berechnung

Mehr

BPMN Kategorien und Elementgruppen. Flussobjekte

BPMN Kategorien und Elementgruppen. Flussobjekte BPMN Kategorien und Elementgruppen Flussobjekte Business Process BP... Activity1 Activity Eine Activity ist die generischer Ausdruck für in Unternehmen anfallende Tätigkeiten. Das Element Activity kann

Mehr

Beispielklausur B MPGI 3

Beispielklausur B MPGI 3 Technische Universität Berlin Institut für Softwaretechnik und Theoretische Informatik FG Softwaretechnik Franklinstr. 28/29 10587 Berlin Helke Mertgen Beispielklausur B MPGI 3 Prüfen Sie zunächst, ob

Mehr

Weitere Blöcke am Beispiel. des Frisörgeschäftes

Weitere 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

Mehr

2 Prozessanalyse I: Zeiten und Bestände

2 Prozessanalyse I: Zeiten und Bestände Prozessanalyse I: Zeiten und Bestände.1 Prozessorientierte Betrachtung von Warte- und Bediensystemen Bislang haben wir uns Wertschöpfungsprozesse nur sehr abstrakt als Kombinationsprozesse.1 für Produktionsfaktoren

Mehr

Warteschlangenmodelle. Prof. Dr. Helmut Dietl

Warteschlangenmodelle. Prof. Dr. Helmut Dietl Warteschlangenmodelle Prof. Dr. Helmut Dietl Lernziele Nach dieser Veranstaltung sollten Sie, die strategische Bedeutung von Serverkapazitätsentscheidungen kennen die wichtigsten Warteschlangenmodelle

Mehr

Prozesse und Prozessmanagement des BS. 1 Unterschied Prozess, Threads. 1.1 Prozess. 1.2 Threads

Prozesse und Prozessmanagement des BS. 1 Unterschied Prozess, Threads. 1.1 Prozess. 1.2 Threads Prozesse und Prozessmanagement des BS 1 Unterschied Prozess, Threads 1.1 Prozess Bei jedem Programm muss gespeichert werden, welche Betriebsmittel (Speicherplatz, CPU- Zeit, CPU-Inhalt,...) es benötigt.

Mehr

Stochastik und Statistik für Ingenieure Vorlesung 4

Stochastik und Statistik für Ingenieure Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Stochastik und Statistik für Ingenieure Vorlesung 4 30. Oktober 2012 Quantile einer stetigen Zufallsgröße Die reelle Zahl

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

Übungen Softwaretechnik I

Übungen Softwaretechnik I Universität Stuttgart Institut für Automatisierungstechnik und Softwaresysteme Prof. Dr.-Ing. M. Weyrich Übungen Softwaretechnik I Übung 5: Objektorientierte Analyse Einführung Objektorientierung in der

Mehr

Verteilte Systeme. Verteilte Systeme. 5 Prozeß-Management SS 2016

Verteilte Systeme. Verteilte Systeme. 5 Prozeß-Management SS 2016 Verteilte Systeme SS 2016 Universität Siegen rolanda.dwismuellera@duni-siegena.de Tel.: 0271/740-4050, Büro: H-B 8404 Stand: 31. Mai 2016 Betriebssysteme / verteilte Systeme Verteilte Systeme (1/14) i

Mehr

Statistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe

Statistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe Kapitel 4 Statistische Tests 4.1 Grundbegriffe Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe X 1,..., X n. Wir wollen nun die Beobachtung der X 1,...,

Mehr

Dieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen.

Dieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen. Dieses Quiz soll Ihnen helfen, Kapitel 2.5-2. besser zu verstehen. Frage Wir betrachten ein Würfelspiel. Man wirft einen fairen, sechsseitigen Würfel. Wenn eine oder eine 2 oben liegt, muss man 2 SFr zahlen.

Mehr

Datentechnik. => Das Rechenergebnis ist nur dann sinnvoll, wenn es rechtzeitig vorliegt. Die Zeit muß daher beim Programmdesign berücksichtigt werden.

Datentechnik. => Das Rechenergebnis ist nur dann sinnvoll, wenn es rechtzeitig vorliegt. Die Zeit muß daher beim Programmdesign berücksichtigt werden. 5. Steuerung technischer Prozesse 5.1 Echtzeit (real time) Im Gegensatz zu Aufgabenstellungen aus der Büroumgebung, wo der Anwender mehr oder weniger geduldig wartet, bis der Computer ein Ergebnis liefert

Mehr

Inhaltsverzeichnis. Antworten zu den Repetitionsfragen. 1 Sockets 2. 2 Event Driven Architecture 4. 3 Warteschlangen 6

Inhaltsverzeichnis. Antworten zu den Repetitionsfragen. 1 Sockets 2. 2 Event Driven Architecture 4. 3 Warteschlangen 6 Inhaltsverzeichnis 1 Sockets 2 2 Event Driven Architecture 4 3 Warteschlangen 6 4 Input Datenanalyse 7 4.1 Zufallsvariablen................................... 8 5 Output Datenanalyse 9 5.1 Testverfahren....................................

Mehr

Exponentialverteilung

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

Mehr

Zur Konfiguration werden hierbei das Setup-Tool und die Shell verwendet.

Zur Konfiguration werden hierbei das Setup-Tool und die Shell verwendet. 1. Konfiguration von Event Scheduler 1.1 Einleitung Im Folgenden wird die Konfiguration von Event Scheduler beschrieben. Sie erlauben den Zugriff auf das Internet werktags von 8-17:00 Uhr. Da Sie eine

Mehr

VHDL Verhaltensmodellierung

VHDL Verhaltensmodellierung VHDL Verhaltensmodellierung Dr.-Ing. Matthias Sand Lehrstuhl für Informatik 3 (Rechnerarchitektur) Friedrich-Alexander-Universität Erlangen-Nürnberg WS 2008/2009 VHDL Verhaltensmodellierung 1/26 2008-10-20

Mehr

Vorgehensweise bei der Lösung der Aufgabe 1 mit em-plant

Vorgehensweise bei der Lösung der Aufgabe 1 mit em-plant Vorgehenswee bei der Lösung der Aufgabe 1 mit em-plant 1. Beschreibung der Aufgabe Zu simulieren t ein Warteschlangensystem, das in Abb. 1 dargestellt t. Die Beschreibung der Simulationsaufgabe besteht

Mehr

Übungen Teil 1: ER-Modelle. Dozent: Stefan Maihack Dipl. Ing. (FH)

Übungen Teil 1: ER-Modelle. Dozent: Stefan Maihack Dipl. Ing. (FH) Übungen Teil 1: ER-Modelle Dozent: Stefan Maihack Dipl. Ing. (FH) Die (min, max) - Notation Bei der Verwendung der Funktionalität ist für einen Entity-Typen nur die maximale Anzahl der Beziehungen mit

Mehr

Redwood Cronacle und REALTECH theguard! Integration

Redwood Cronacle und REALTECH theguard! Integration Redwood Cronacle und REALTECH theguard! Integration Einleitung Redwood Software und REALTECH haben gemeinsam eine Lösung entwickelt, die die Systemverfügbarkeit von SAP und mysap Systemen signifikant erhöht.

Mehr

CS2101 Nebenläufige und Verteilte Programme Bachelor of Science (Informatik)

CS2101 Nebenläufige und Verteilte Programme Bachelor of Science (Informatik) Prof. Dr. Th. Letschert CS2101 Nebenläufige und Verteilte Programme Bachelor of Science (Informatik) Vorlesung 7 Th Letschert FH Gießen-Friedberg Ressourcen Verwaltung passive Ressourcen aktive Ressourcen

Mehr

Fachhochschule Osnabrück

Fachhochschule 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

Mehr

Parallele Prozesse. Prozeß wartet

Parallele Prozesse. Prozeß wartet Parallele Prozesse B-66 Prozeß: Ausführung eines Programmes in seinem Adressraum (zugeordneter Speicher) Parallele Prozesse: gleichzeitig auf mehreren Prozessoren laufende Prozesse p1 p2 verzahnte Prozesse:

Mehr

Analyse von Eingabedaten

Analyse von Eingabedaten Analyse von Eingabedaten 5.1 Deterministische und Stochastische Eingabedaten 5.2 Sammlung der Daten 5.3 Verwendung der Daten 5.4 Keine Daten? Otto-von-Guericke-Universität Magdeburg Thomas Schulze 1 5

Mehr

Verwendung des OPC-Clients von Softing

Verwendung des OPC-Clients von Softing Automatisierungstechnik OPC-Client Seite 1 / 10 Verwendung des OPC-Clients von Softing Die nachfolgende Anleitung beschreibt die Verwendung des OPC-Clients von Softing. Der Demo OPC Client stellt ein einfaches

Mehr

Domänenmodell: Fadenkommunikation und -synchronisation

Domänenmodell: Fadenkommunikation und -synchronisation Domänenmodell: Fadenkommunikation und -synchronisation Alexander Humphreys, Reinhard Rösch, Fabian Scheler 15. Mai 2003 Inhaltsverzeichnis 1 Domänendefinition 1 2 Domänenlexikon 1 3 Konzeptmodelle 4 4

Mehr

Inhaltsverzeichnis. 4.1 Systemmodell und notwendige Bedingungen. 4.2 Gegenmaßnahmen

Inhaltsverzeichnis. 4.1 Systemmodell und notwendige Bedingungen. 4.2 Gegenmaßnahmen Inhaltsverzeichnis 4.1 Systemmodell und notwendige Bedingungen Was sind Deadlocks? Darstellungsarten von Prozessabhängigkeiten Notwendige Bedingungen für Deadlocks 4.2 Gegenmaßnahmen Deadlock-Prevention

Mehr

Systeme 1. Kapitel 5. Scheduling

Systeme 1. Kapitel 5. Scheduling Systeme 1 Kapitel 5 Scheduling Scheduling Verteilung und Zuweisung von begrenzten Ressourcen an konkurrierende Prozesse Beispiel: -> Zeitablaufsteuerung Zwei Prozesse zur gleichen Zeit rechenbereit auf

Mehr

Welche der folgenden Aussagen gelten? a) Im allgemeinen gilt: ein Deadlock tritt auf gdw. der Resource-Allocation Graph einen Zykel

Welche der folgenden Aussagen gelten? a) Im allgemeinen gilt: ein Deadlock tritt auf gdw. der Resource-Allocation Graph einen Zykel Aufgabe 1 (5 Punkte) (Multiple Choice) Beantworten Sie folgende Fragen durch Ankreuzen der richtigen Antwort. Für jede falsche Antwort wird ein Punkt abgezogen (es werden minimal 0 Punkte vergeben). Welche

Mehr

Warteschlangentheorie und Callcenter

Warteschlangentheorie und Callcenter Warteschlangentheorie und Callcenter Vortrag im Rahmen der Lehrerfortbildung Stochastik und Matrizen: von Markov-Ketten bis zu Callcentern 23 September 2009, Wo treten Warteschlangen auf und warum? Kunden,

Mehr

Super. Sub1. Sub2 State2. Sub3. Sub4. Super. State2. Sub4

Super. Sub1. Sub2 State2. Sub3. Sub4. Super. State2. Sub4 Sub1 Super Sub3 H Sub2 State2 Sub4 Super State2 Sub4 $FWLYLW\'LDJUDPV Aktivitätsdiagramme beschreiben spezielle Zustandsautomaten. Transitionen werden hier grundsätzlich durch die Beendigung von Aktionen

Mehr

Anpassungstests VORGEHENSWEISE

Anpassungstests VORGEHENSWEISE Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel

Mehr

Anleitung zum Java - Applet

Anleitung zum Java - Applet Anleitung zum Java - Applet Stetige Verteilungen Visualisierung von Wahrscheinlichkeit und Zufallsstreubereich bearbeitet von: WS 2004 / 2005 E/TI 7 betreut von: Prof. Dr. Wilhelm Kleppmann Inhaltsverzeichnis

Mehr

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind

Mehr

Übungsaufgaben UML Zertifizierung Fundamental-Level

Übungsaufgaben UML Zertifizierung Fundamental-Level Übungsaufgaben UML Zertifizierung Fundamental-Level Kapitel 15: Sequenzdiagramm Die folgenden Aufgaben behandeln die Inhalte aus Kapitel 15 von UML 2 glasklar (4. Auflage), die die OMG für die Zertifizierung

Mehr

Dämon-Prozesse ( deamon )

Dämon-Prozesse ( deamon ) Prozesse unter UNIX - Prozessarten Interaktive Prozesse Shell-Prozesse arbeiten mit stdin ( Tastatur ) und stdout ( Bildschirm ) Dämon-Prozesse ( deamon ) arbeiten im Hintergrund ohne stdin und stdout

Mehr

Betriebssystembau (BSB)

Betriebssystembau (BSB) Betriebssystembau (BSB) 6. Übung http://ess.cs.tu-.de/de/teaching/ws2013/bsb/ Olaf Spinczyk olaf.spinczyk@tu-.de http://ess.cs.tu-.de/~os AG Eingebettete System Informatik 12, TU Dortmund Agenda Vorstellung

Mehr

bintec Workshop Konfiguration von Event Scheduler Copyright 8. November 2005 Funkwerk Enterprise Communications GmbH Version 0.9

bintec Workshop Konfiguration von Event Scheduler Copyright 8. November 2005 Funkwerk Enterprise Communications GmbH Version 0.9 bintec Workshop Konfiguration von Event Scheduler Copyright 8. November 2005 Funkwerk Enterprise Communications GmbH Version 0.9 Ziel und Zweck Haftung Marken Copyright Richtlinien und Normen Wie Sie Funkwerk

Mehr

Ausarbeitung im Rahmen der PG Autolab zum Thema: OSEK 1 -OS. geschrieben von Oliver Botschkowski

Ausarbeitung im Rahmen der PG Autolab zum Thema: OSEK 1 -OS. geschrieben von Oliver Botschkowski Ausarbeitung im Rahmen der PG Autolab zum Thema: OSEK 1 -OS geschrieben von Oliver Botschkowski 1 Offene Systeme und deren Schnittstelle für die Elektronik im Kraftfahrzeug 1 Oliver Botschkowski - OSEK-OS

Mehr

2. Datenvorverarbeitung

2. Datenvorverarbeitung Kurzreferat Das Ziel beim Clustering ist es möglichst gleich Datensätze zu finden und diese in Gruppen, sogenannte Cluster zu untergliedern. In dieser Dokumentation werden die Methoden k-means und Fuzzy

Mehr

Universität Stuttgart Institut für Automatisierungstechnik und Softwaresysteme Prof. Dr.-Ing. M. Weyrich

Universität Stuttgart Institut für Automatisierungstechnik und Softwaresysteme Prof. Dr.-Ing. M. Weyrich Universität Stuttgart Institut für Automatisierungstechnik und Softwaresysteme Prof. Dr.-Ing. M. Weyrich WS 02/03 Warum muss ein Objekt wissen, zu welcher Klasse es gehört? Damit die Klassenzugehörigkeit

Mehr

Monitore. Klicken bearbeiten

Monitore. Klicken bearbeiten Sascha Kretzschmann Institut für Informatik Monitore Formatvorlage und deren Umsetzung des Untertitelmasters durch Klicken bearbeiten Inhalt 1. Monitore und Concurrent Pascal 1.1 Warum Monitore? 1.2 Monitordefinition

Mehr

Prüfung aus Statistik 1 für SoziologInnen. Musterlösung

Prüfung aus Statistik 1 für SoziologInnen. Musterlösung Prüfung aus Statistik 1 für SoziologInnen Gesamtpunktezahl =80 1) Wissenstest (maximal 20 Punkte) Prüfungsdauer: 2 Stunden Musterlösung Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort

Mehr

Tutorial EPC-Analyser

Tutorial EPC-Analyser Tutorial EPC-Analyser Version.0 Seite von 39 Einleitung Die Anwendung EPC-Analyser baut auf den an der TH Wildau entwickelten EPC-Simulator auf und soll dazu verwendet die Simulationsdaten eines Prozessmodells

Mehr

Advanced Programming in C

Advanced Programming in C Advanced Programming in C Pointer und Listen Institut für Numerische Simulation Rheinische Friedrich-Wilhelms-Universität Bonn Oktober 2013 Überblick 1 Variablen vs. Pointer - Statischer und dynamischer

Mehr

Modul 5: TCP-Flusskontrolle

Modul 5: TCP-Flusskontrolle Modul 5: TCP-Flusskontrolle M. Leischner Internetkommunikation Folie 1 Prinzip des Sliding-Window: Zuverlässigkeit + Effizienz A B A B A B A B unbestätigtes Senden Stop-and-Wait Sliding-Window Sliding

Mehr

3. Das Reinforcement Lernproblem

3. Das Reinforcement Lernproblem 3. Das Reinforcement Lernproblem 1. Agierender Agent in der Umgebung 2. Discounted Rewards 3. Markov Eigenschaft des Zustandssignals 4. Markov sche Entscheidung 5. Werte-Funktionen und Bellman sche Optimalität

Mehr

Theoretische Informatik 1 WS 2007/2008. Prof. Dr. Rainer Lütticke

Theoretische Informatik 1 WS 2007/2008. Prof. Dr. Rainer Lütticke Theoretische Informatik 1 WS 2007/2008 Prof. Dr. Rainer Lütticke Inhalt der Vorlesung Grundlagen - Mengen, Relationen, Abbildungen/Funktionen - Datenstrukturen - Aussagenlogik Automatentheorie Formale

Mehr

Geschäftsprozessanalyse

Geschäftsprozessanalyse Geschäftsprozessanalyse Prozessmodellierung weitere Begriffe: workflow business process modelling business process (re-)engineering 2 Was ist ein Prozess? Prozesse bestehen aus Aktionen / Ereignissen /

Mehr

Klausur zur Veranstaltung "Wirtschaftsinformatik I" Wintersemester 2007/2008

Klausur zur Veranstaltung Wirtschaftsinformatik I Wintersemester 2007/2008 Dr. Axel Kalenborn BWL-Wirtschaftsinformatik Klausurtermin: 29.02.2008 Klausur zur Veranstaltung "Wirtschaftsinformatik I" Wintersemester 2007/2008 Vorbemerkungen: 1. Die Klausur umfasst insgesamt 9 Seiten.

Mehr

OSEK-OS. Oliver Botschkowski. oliver.botschkowski@udo.edu. PG AutoLab Seminarwochenende 21.-23. Oktober 2007. AutoLab

OSEK-OS. Oliver Botschkowski. oliver.botschkowski@udo.edu. PG AutoLab Seminarwochenende 21.-23. Oktober 2007. AutoLab OSEK-OS Oliver Botschkowski oliver.botschkowski@udo.edu PG Seminarwochenende 21.-23. Oktober 2007 1 Überblick Einleitung Motivation Ziele Vorteile Einführung in OSEK-OS Architektur Task Management Interrupt

Mehr

Allgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum)

Allgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum) Allgemeine diskrete Wahrscheinlichkeitsräume I Allgemeine diskrete Wahrscheinlichkeitsräume II Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete Wahrscheinlichkeitsräume Ω endlich

Mehr

Übungen zu Rechnerkommunikation Wintersemester 2010/2011 Übung 8

Übungen zu Rechnerkommunikation Wintersemester 2010/2011 Übung 8 Übungen zu Rechnerkommunikation Wintersemester 2010/2011 Übung 8 Mykola Protsenko, Jürgen Eckert PD. Dr.-Ing. Falko Dressler Friedrich-Alexander d Universität Erlangen-Nürnberg Informatik 7 (Rechnernetze

Mehr

Algorithmen & Programmierung. Steuerstrukturen im Detail Selektion und Iteration

Algorithmen & Programmierung. Steuerstrukturen im Detail Selektion und Iteration Algorithmen & Programmierung Steuerstrukturen im Detail Selektion und Iteration Selektion Selektion Vollständige einfache Selektion Wir kennen schon eine Möglichkeit, Selektionen in C zu formulieren: if

Mehr

Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert

Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir

Mehr

GloboFleet. Bedienungsanleitung CardControl V2

GloboFleet. Bedienungsanleitung CardControl V2 GloboFleet Bedienungsanleitung CardControl V2 Bedienungsanleitung CardControl V2 Vielen Dank, dass Sie sich für die GloboFleet CC Software entschieden haben. Mit der GloboFleet CC Software erhalten Sie

Mehr

Das Modellierungstool Scitor Process 3.0

Das 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/

Mehr

Dynamische Geometrie

Dynamische Geometrie Dynamische Geometrie 1) Die Mittelsenkrechten, die Seitenhalbierenden, die Höhen und die Winkelhalbierenden eines beliebigen Dreiecks schneiden sich jeweils in einem Punkt. a) Untersuchen Sie die Lage

Mehr

Programme werden durch den Ablauf eines oder mehrerer Prozesse (engl.: process, task) von einem Rechner abgearbeitet.

Programme werden durch den Ablauf eines oder mehrerer Prozesse (engl.: process, task) von einem Rechner abgearbeitet. Prozessverwaltung Prozesse Programme werden durch den Ablauf eines oder mehrerer Prozesse (engl.: process, task) von einem Rechner abgearbeitet. Prozesse sind Abfolgen von Aktionen, die unter Kontrolle

Mehr

1. Ziehg.: N M. falls nicht-rote K. in 1. Ziehg. gezogen

1. Ziehg.: N M. falls nicht-rote K. in 1. Ziehg. gezogen 6.4 Hyergeometrische Verteilung Gegeben ist eine Urne, die mit N Kugeln gefüllt ist. Es seien M dieser Kugeln rot und N-M Kugeln nicht rot. Wir entnehmen n Kugeln, d.h. eine Stichrobe des Umfangs n. Dabei

Mehr

VHDL Verhaltensmodellierung

VHDL Verhaltensmodellierung VHDL Verhaltensmodellierung Dr.-Ing. Volkmar Sieh Lehrstuhl für Informatik 3 (Rechnerarchitektur) Friedrich-Alexander-Universität Erlangen-Nürnberg SS 2013 VHDL Verhaltensmodellierung 1/18 2013-01-11 Inhalt

Mehr

5. Clusteranalyse. Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften

5. Clusteranalyse. Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften 5. Clusteranalyse Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften benennen und anwenden können, einen Test auf das Vorhandensein einer Clusterstruktur kennen, verschiedene

Mehr

Scheduling-Theorie. Mathematische Modelle und Methoden für deterministische Scheduling-Probleme. LiSA - A Library of Scheduling Algorithms

Scheduling-Theorie. Mathematische Modelle und Methoden für deterministische Scheduling-Probleme. LiSA - A Library of Scheduling Algorithms Scheduling-Theorie Mathematische Modelle und Methoden für deterministische Scheduling-Probleme LiSA - A Library of Scheduling Algorithms Otto-von-Guericke Universität Magdeburg/FMA/Heidemarie Bräsel &

Mehr

Kapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente

Kapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente Mehrstufige Zufallsexperimente Inhalt 6.1 6.1 Mehrstufige Experimente 6.2 6.2 Bedingte Wahrscheinlichkeiten Seite 2 6.1 Mehrstufige Experimente Grundvorstellung: Viele Viele Experimente werden der der

Mehr

9. Eine einfache Warteschlangen-Simulation.

9. Eine einfache Warteschlangen-Simulation. SS 2006 Arbeitsblatt 4 / S. 1 von 9 9. Eine einfache Warteschlangen-Simulation. A) Allgemeine Bemerkungen. Die Warteschlange aus 8., wie auch solche mit nur endlich grossem Warteraum, können auf einfache

Mehr

Leitfaden Energiekostenorientierte Fertigungssteuerungsverfahren

Leitfaden Energiekostenorientierte Fertigungssteuerungsverfahren Leitfaden Energiekostenorientierte Fertigungssteuerungsverfahren Der vorliegende Leitfaden dient zur einfachen Einführung und Anwendung der entwickelten energiekostenorientierten Fertigungssteuerungsverfahren.

Mehr

OOA-Dynamische Konzepte

OOA-Dynamische Konzepte Proseminar UML im SS 2005 OOA-Dynamische Konzepte Teil 2 von Benjamin Daeumlich 1 Übersicht Szenario Definition Interaktionsdiagramme Sequenzdiagramm Kommunikationsdiagramm Sequenz- vs. Kommunikationsdiagramm

Mehr

Optionale Übung Hardware Konfiguration mit HCD

Optionale Übung Hardware Konfiguration mit HCD Optionale Übung Hardware Konfiguration mit HCD Erstellen Sie eine Hardware Konfiguration via HCD für folgende Konstellation. 2064-106 in Basic Mode - CPCA Type CHPID BL BL CNC CNC - - - CNC CNC CNC BL

Mehr

Gruppe B Angabe. Di, 13.02.2007 Aushang an den Instituten Grün, Jammernegg, Kummer

Gruppe B Angabe. Di, 13.02.2007 Aushang an den Instituten Grün, Jammernegg, Kummer Beschaffung, Logistik, Produktion I Klausur 24.01.2007 Gruppe B Angabe Name Matrikelnummer Prüfungsdauer Ergebnisse Punkte 60 min Di, 13.02.2007 Aushang an den Instituten Grün, Jammernegg, Kummer max.

Mehr

Kapitel DB:III. III. Konzeptueller Datenbankentwurf

Kapitel DB:III. III. Konzeptueller Datenbankentwurf Kapitel DB:III III. Konzeptueller Datenbankentwurf Einführung in das Entity-Relationship-Modell ER-Konzepte und ihre Semantik Charakterisierung von Beziehungstypen Existenzabhängige Entity-Typen Abstraktionskonzepte

Mehr

Mathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung

Mathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester ARBEITSBLATT Erwartungswert, Varianz und Standardabweichung Die Begriffe Varianz und Standardabweichung sind uns bereits aus der Statistik bekannt

Mehr

Die Zukunft steuern mit CONTROL-M/Forecast 6.3. ron_preedy@bmc.com Ditzingen, Juni 2007

Die Zukunft steuern mit CONTROL-M/Forecast 6.3. ron_preedy@bmc.com Ditzingen, Juni 2007 Die Zukunft steuern mit CONTROL-M/Forecast 6.3 ron_preedy@bmc.com Ditzingen, Juni 2007 Der Bedarf Vorhersage Ich habe einen Job definiert. An welchen Tagen wird er laufen? Wie kann ich meine Definitionen

Mehr

Hausübung 2. Konzepte und Methoden der Systemsoftware. Aufgabe 1: Einfache Schedulingstrategien. SoSe bis

Hausübung 2. Konzepte und Methoden der Systemsoftware. Aufgabe 1: Einfache Schedulingstrategien. SoSe bis Universität Paderborn Fachgebiet Rechnernetze SoSe 2014 Konzepte und Methoden der Systemsoftware Hausübung 2 2014-05-12 bis 2014-05-23 Hausübungsabgabe: Format: Lösungen in schriftlicher oder gedruckter

Mehr

Programmteil Kapazitätsplanung

Programmteil Kapazitätsplanung Programmteil Kapazitätsplanung Version: 5.06 Datum: 29.06.2009 Modul: Kapazitätsplanung (setzt Modul Mitarbeiterkalender voraus) Programmaufruf: Stammdaten - Grunddaten - Konten Belege - Aufträge - Auftrag

Mehr

PThreads. Pthreads. Jeder Hersteller hatte eine eigene Implementierung von Threads oder light weight processes

PThreads. Pthreads. Jeder Hersteller hatte eine eigene Implementierung von Threads oder light weight processes PThreads Prozesse und Threads Ein Unix-Prozess hat IDs (process,user,group) Umgebungsvariablen Verzeichnis Programmcode Register, Stack, Heap Dateideskriptoren, Signale message queues, pipes, shared memory

Mehr

Berechnung des LOG-RANK-Tests bei Überlebenskurven

Berechnung des LOG-RANK-Tests bei Überlebenskurven Statistik 1 Berechnung des LOG-RANK-Tests bei Überlebenskurven Hans-Dieter Spies inventiv Health Germany GmbH Brandenburger Weg 3 60437 Frankfurt hd.spies@t-online.de Zusammenfassung Mit Hilfe von Überlebenskurven

Mehr

Task A Zündung. Task B Einspritzung. Task C Erfassung Pedalwert. J. Schäuffele, Th. Zurawka: Automotive Software Engineering, Vieweg, 2003

Task A Zündung. Task B Einspritzung. Task C Erfassung Pedalwert. J. Schäuffele, Th. Zurawka: Automotive Software Engineering, Vieweg, 2003 Task! evt. parallel zu bearbeitende Ausführungseinheit! Beispiel: Task A Zündung Task B Einspritzung Task C Erfassung Pedalwert Zeit t J. Schäuffele, Th. Zurawka:, Vieweg, 2003 Echtzeitbetriebssysteme

Mehr

Übung zu Grundlagen der Betriebssysteme. 10. Übung 18.12.2012

Übung zu Grundlagen der Betriebssysteme. 10. Übung 18.12.2012 Übung zu Grundlagen der Betriebssysteme 10. Übung 18.12.2012 Aufgabe 1 a) Was versteht man unter einem kritischen Abschnitt oder kritischen Gebiet (critical area)? b) Welche Aufgabe hat ein Semaphor? c)

Mehr

Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen

Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen Wichtige Tatsachen und Formeln zur Vorlesung Mathematische Grundlagen für das Physikstudium 3 Franz Embacher http://homepage.univie.ac.at/franz.embacher/

Mehr

A closer look at the M/G/R PS model for TCP traffic

A closer look at the M/G/R PS model for TCP traffic A closer look at the M/G/R PS model for TCP traffic July 23, 2001 Institute of Communication etworks Munich University of Technology 1 Outline Simulation Scenario Sojourn Time Formulas Investigated Scenarios

Mehr

Projektierung und Betrieb von Rechnernetzen

Projektierung und Betrieb von Rechnernetzen Projektierung und Betrieb von Rechnernetzen Versuch : Router-Konfiguration Vorbetrachtungen Im Rahmen des Praktikums sind einige Begriffe bzw. Fragen zum Thema Router zu klären: Was ist ein Router? Router

Mehr

Kapitel 5. Univariate Zufallsvariablen. 5.1 Diskrete Zufallsvariablen

Kapitel 5. Univariate Zufallsvariablen. 5.1 Diskrete Zufallsvariablen Kapitel 5 Univariate Zufallsvariablen Im ersten Teil dieses Skriptes haben wir uns mit Daten beschäftigt und gezeigt, wie man die Verteilung eines Merkmals beschreiben kann. Ist man nur an der Population

Mehr

OSEK / OSEKtime Ausgewählte Kapitel eingebetteter Systeme

OSEK / OSEKtime Ausgewählte Kapitel eingebetteter Systeme OSEK / OSEKtime Ausgewählte Kapitel eingebetteter Systeme Wilhelm Haas Wilhelm.Haas@informatik.stud.uni-erlangen.de Friedrich-Alexander-Universität Erlangen-Nürnberg Institut für Informatik Lehrstuhl 4

Mehr

Objektorientierte Analyse (OOA) OOA-Pattern

Objektorientierte Analyse (OOA) OOA-Pattern OOA-Muster (Architektur Pattern) Ein Pattern (Entwurfsmuster) ist ein Problem mit seiner Lösung in einem Kontext. Der Kontext enthält in der Regel Zielkonflikte, die der Designer lösen muss, z.b. Performance

Mehr

6 Speicherorganisation

6 Speicherorganisation Der Speicher des Programms ist in verschiedene Speicherbereiche untergliedert Speicherbereiche, die den eigentlichen Programmcode und den Code der Laufzeitbibliothek enthalten; einen Speicherbereich für

Mehr

Anwendung A_0801_Quantile_Minimum_Maximum

Anwendung A_0801_Quantile_Minimum_Maximum 8. Lageparameter 63 8.3 Interaktive EXCEL-Anwendungen (CD-ROM) Anwendung A_080_Quantile_Minimum_Maimum Die Anwendung besteht aus einem Tabellenblatt Simulation : In der Simulation wird aus einer Urliste

Mehr

Sequentielle Programm- / Funktionsausführung innerhalb eines Prozesses ( thread = Ausführungsfaden )

Sequentielle Programm- / Funktionsausführung innerhalb eines Prozesses ( thread = Ausführungsfaden ) Threads Sequentielle Programm- / Funktionsausführung innerhalb eines Prozesses ( thread = Ausführungsfaden ) Ein thread bearbeitet eine sequentielle Teilaufgabe innerhalb eines Prozesses Mehrere nebenläufige

Mehr

RTOS Einführung. Version: Datum: Autor: Werner Dichler

RTOS Einführung. Version: Datum: Autor: Werner Dichler RTOS Einführung Version: 0.0.1 Datum: 20.07.2013 Autor: Werner Dichler Inhalt Inhalt... 2 RTOS... 3 Definition... 3 Anforderungen... 3 Aufgaben... 3 Eigenschaften... 4 Einteilung der Betriebssysteme...

Mehr

15. Algorithmus der Woche Das Rucksackproblem Die Qual der Wahl bei zu vielen Möglichkeiten

15. Algorithmus der Woche Das Rucksackproblem Die Qual der Wahl bei zu vielen Möglichkeiten 15. Algorithmus der Woche Das Rucksackproblem Die Qual der Wahl bei zu vielen Möglichkeiten Autoren Rene Beier, MPI Saarbrücken Berthold Vöcking, RWTH Aachen In zwei Monaten startet die nächste Rakete

Mehr

Prüfungsvorbereitungskurs Höhere Mathematik 3

Prüfungsvorbereitungskurs Höhere Mathematik 3 Prüfungsvorbereitungskurs Höhere Mathematik 3 Wahrscheinlichkeitstheorie (Klausuraufgaben) Marcel Bliem Marco Boßle Jörg Hörner Mathematik Online Herbst 2010 Bliem/Boßle/Hörner (MO) PV-Kurs HM 3 1 / 7

Mehr

Inhaltsüberblick. I. Grundbegriffe - Objekte und Klassen. Organisatorisches. I. Grundbegriffe - Objektorientierte Konzepte

Inhaltsüberblick. I. Grundbegriffe - Objekte und Klassen. Organisatorisches. I. Grundbegriffe - Objektorientierte Konzepte Grundkonzepte Objektorientierter Programmierung Nicole Himmerlich FSU Jena mit Java, Oberon-2, Object-Pascal und Python Inhaltsüberblick I. Grundbegriffe 1) Kopplung 2) Datenkaspelung 3) Konstruktor 4)

Mehr