Vorlesung Simulation technischer Systeme - ByteLABS

8. Versuchsplanung (Exerimental Design) und
Datenanalyse
Bereits das Simulationsziel gibt vor wie man die Simulationsläufe gruppieren soll um möglichst
viel Information aus möglichst wenig Simulationsläufen filtern zu können.
Annahme: Wir vermuten, dass folgende 3 Einflussfaktoren auf den Verbrauch eines Fahrzeugs
(LKW) wirken:
- Straßenbelag
- Oktanzahl
- Reifenqualität
Dann muss schon das Simulationsexperiment so angelegt werden, dass jeder Straßenbelag mit
jeder Oktanzahl mit jeweils jeder Reifenqualität getestet wird. Wir werden dies in unserem
letzten Beispiel sehen.
Im umgekehrten Fall kann aber auch getestet werden, ob Auffälligkeiten, die in einem Simulationsergebnis
erkennbar sind, statistisch signifikant sind (Datenanalyse).
Wir werden im folgenden Modelle mit bis zu 3 Einflussfaktoren (bzw. Auffälligkeiten) kennenlernen
(Näheres dazu in der Literatur über Experimental Design).
Wir nehmen wieder unser Beispiel aus Kapitel 4.4. (Ob die Daten aus einer Datenerhebung
oder Ergebnisse einer Simulation sind, spielt für den statistischen Test keine Rolle.)
Tag
Sequenz Montag Dienstag Mittw. Donnerst. Freitag Samstag
Zeilensummen
1 23.9 23.8 23.3 24.4 23.3 22.9 141.6
2 22.0 22.8 22.9 22.8 22.9 22.3 135.7
3 23.8 23.5 23.8 23.1 24.1 24.0 142.3
4 21.5 23.1 22.9 22.5 23.0 22.0 135.0
5 24.6 23.4 23.5 22.6 23.3 23.2 140.6
6 21.7 23.0 23.3 21.6 23.2 22.8 135.6
7 23.9 23.3 23.5 23.4 23.8 23.7 141.6
8 23.1 23.0 22.3 22.5 21.8 23.0 135.7
Analysiert man das Datenmaterial, so sieht man, dass an jedem Tag sequentiell einer „hohen“
Bearbeitungszeit immer eine „niedere“ folgt (pulsierende Bearbeitungszeiten). Dieser Effekt
ist auch in den Zeilensummen erkennbar. Da ein derartiger Puls einen starken Einfluss auf die
Wartenschlagenlänge hat, untersuchen wir mittels Varianzanalyse, ob dieser Effekt signifikant
ist.
50