Wissensentdeckung im Kontext der Produktionssimulation

Feldkamp, Niclas GND

Klassische Simulationsstudien im Kontext von Produktionssystemen zielen üblicherweise darauf ab, typische, vorab definierte Fragestellungen zu beantworten. Wirkzusammenhänge, die über diesen definierten Projektrahmen hinausgehen, bleiben eventuell unentdeckt. Mit steigender Rechenleistung und der Verfügbarkeit von Big-Data-Infrastrukturen entstehen neue Möglichkeiten zur Durchführung groß angelegter Simulationsstudien, um das Verhalten des Modells möglichst vollständig abzudecken und auszuwerten. Dies wird allgemein als Data Farming bezeichnet. In diesem Buch wird die Methode des Data Farming für die Wissensentdeckung in Produktionssimulationen weiterentwickelt. Dazu wird ein Konzept ausgearbeitet, welches die Auswahl geeigneter Experimentdesignmethoden, die Anwendung und Ausgestaltung von geeigneten Data-Mining-Verfahren sowie Visualisierungs- und Interaktionsmethoden beinhaltet. Das Konzept wird dann in insgesamt vier Fallstudien angewendet.

Discrete simulation is an important and established method for the investigation of the dynamic behavior of complex production and logistic systems. Simulation is therefore an essential tool for planning, operating, and controlling those systems, for example in the automotive or semiconductor industries. In this context, typical simulation studies aim at answering pre-defined questions about these systems. This is often accompanied by the simulation and analysis of a few pre-defined scenarios. Relations and effects outside of those predefined project scopes may therefore remain undiscovered. On the other hand, with increasing computing power and the general availability of big data infrastructures, new possibilities arise for carrying out very large bandwidths of simulation experiments in order to cover the behavior of the model as completely as possible and analyze the output data in an automated way. This is generally referred to as data farming. The goal of this work was to transfer and enhance the concept of data farming for the application on knowledge discovery in manufacturing simulations. For this purpose, a holistic concept was created for finding unknown, hidden, and useful knowledge in massive amounts of simulation data. The concept contains the selection of suitable experiment design methods, the application and elaboration of suitable data mining methods in an appropriate and targeted analysis process, as well as the definition of suitable visualization and interaction methods for an iterative and user-focused analysis of large amounts of simulation output data. Furthermore, the concept was prototypically implemented in an integrated software framework. The applicability of the concept was shown and validated in four case studies including two academic and two real-world case studies.

Die diskrete Simulation stellt eine wichtige und etablierte Methode zur Untersuchung des dynamischen Verhaltens von komplexen Produktions- und Logistiksystemen dar. Sie ist daher zur Planung, Steuerung und Kontrolle solcher Systeme unerlässlich, beispielsweise in der Automobilindustrie oder in der Halbleiterfertigung. Klassische Simulationsstudien zielen in diesem Kontext üblicherweise darauf ab, typische, vorab definierte Fragestellungen zu beantworten. Dies geht oftmals einher mit der Simulation und Analyse einiger weniger vorab definierter Szenarien. Wirkzusammenhänge, die über diesen definierten Projektrahmen hinausgehen, bleiben daher eventuell unentdeckt. Auf der anderen Seite erwachsen mit steigender Rechenleistung und der allgemeinen Verfügbarkeit von Big-Data-Infrastrukturen neue Möglichkeiten zur Durchführung von sehr großen Bandbreiten von Simulationsexperimenten, um das Verhalten des Modells möglichst vollständig abzudecken und automatisiert auszuwerten. Dies wird allgemein als Data Farming bezeichnet. Ziel dieser Arbeit war es, die Methode des Data Farming für die Nutzung zur Wissensentdeckung in Produktionssimulationen zu übertragen und weiterzuentwickeln. Dazu wurde ein ganzheitliches Konzept ausgearbeitet, um unbekannte, versteckte und potenziell nützliche Wirkzusammenhänge in großen Mengen von Simulationsdaten entdecken zu können. Das Konzept beinhaltet hierzu die Auswahl geeigneter Experimentdesignmethoden, die Anwendung und Ausgestaltung von geeigneten Data-Mining-Verfahren in einem dafür zweckmäßigen und zielgerichteten Analyseprozess sowie die Definition geeigneter Visualisierungs- und Interaktionsmethoden zur iterativen, anwenderorientierten Analyse großer Mengen von Simulationsdaten. Darüber hinaus wurde das Konzept in einem ganzheitlichen Softwareframework prototypisch implementiert. Die Anwendbarkeit des Konzeptes wurde anhand von vier Fallstudien aufgezeigt und validiert. Die Fallstudien beinhalteten hierbei zwei akademische Laborstudien sowie zwei Industrieanwendungsfälle.

Cite

Citation style:
Feldkamp, N., 2020. Wissensentdeckung im Kontext der Produktionssimulation.
Could not load citation form. Default citation form is displayed.

Rights

Use and reproduction:
All rights reserved

Export