Adaptive Modellierung und Simulation - Adaptive Systemarchitektur ...

5.4.3 Modellintegration realen Systemverhaltens
Der Simulationsrahmen 5-41
Für eine sachgerechte Modellierung ist es notwendig, die Beziehungen und
Wechselwirkungen der einzelnen Objekte des Systems untereinander zu messen.
Typischerweise können wir dies durch eine Regression erreichen (s. Kapitel 2 und
4), bei der wir die Einflüsse der verschiedenen Variablen testen und bewerten.
Typische messbare Eingabegrößen einer diskreten, ereignisorientierten Simulation
sind
• die Frequenz oder der Zeitabstand auftretender Ereignisse, etwa zwischen
verschiedenen Eingabeereignissen oder zwischen der Eingabe und der
Ausgabe
• eine nachgefragte Menge (Ausgabe) pro Zeiteinheit
• die Zeitdauern für die Dienstleistung in Warteschlangen, etwa bei der Bedienung
von Menschen oder der Fertigung von Waren
Haben wir Warteschlangen im System, so müssen wir ermitteln, ob und welche
Abweichung von dem klassischen Warteschlangenmodell hier vorliegt:
• Gibt es eine zentrale Warteschlange für mehrere Bedienstationen, oder hat
jede Station ihre eigene?
• Ist es möglich, sich vorzudrängeln (cheating), die Warteschlange plötzlich
zu wechseln (swopping), das Warten vorzeitig abzubrechen (reneging) oder
angesichts einer vollen Warteschlange sich gar nicht erst anzustellen (balking)?
Beachtete man diese Nebenbedingungen nicht, so schätzt man den Durchsatz
vollkommen falsch ein.
Modellierung der Eingabeverteilungen
Zur Bestimmung der Verteilung der Eingabegrößen können wir auf eine Vielzahl
möglicher Verteilungen zurückgreifen. Dabei sollten wir nicht nur die Verteilung
wählen, die sich am Besten den gemessenen Daten anpassen lässt, sondern bei
gegebener Auswahl diejenige wählen, deren Annahmen inhaltlich am Besten dem
Modell entspricht:
• Beobachten wir eine reelle Variable, die als Summe von unabhängigen Zufallsgrößen
entsteht, so ist eine Normalverteilung angebracht.
• Ist die beobachtete Variable x als Produkt unabhängiger Zufallsgrößen yi
zustande gekommen, so ist der Logarithmus der beobachteten Variablen
m
ln x = ln ∏ yi
= ∑ ln yi
=
i= 1
m
i= 1
n
∑
i= 1
X
i
(5.78)