Publications - Complete List as of 2007 (without theses)

Results: 126
Created on: Mon, 27 May 2024 23:03:08 +0200 in 0.0859 sec


Morlang, Frank; Straßburger, Steffen
On the role of HLA-based simulation in New Space. - In: 2022 Winter Simulation Conference (WSC), (2022), S. 430-440

This paper discusses High Level Architecture (HLA) based simulation in the context of the emergence of the private spaceflight industry called New Space. We postulate that distributed simulation plays a fundamental role in facilitating new opportunities of a cost efficient access to space. HLA defines a simulation system's architecture framework with a focus on reusability and interoperability. The article will therefore discuss the impact of its usage on the potential of affordable new aerospace systems developments. Future possibilities with an increased level of loose component coupling are presented.



https://doi.org/10.1109/WSC57314.2022.10015338
Bergmann, Sören;
Optimization of the design of modular production systems. - In: 2022 Winter Simulation Conference (WSC), (2022), S. 1783-1793

The desire for more flexibility in manufacturing systems, especially when different products or many product variants are manufactured in one production system is leading to a move away from the manufacturing principle of classic line production to more flexible and workshop-oriented production systems, particularly in the automotive industry. One of the challenges in these so-called modular assembly or production systems is the system design, especially the allocation of activities to the individual production cells. One approach to improve this allocation is offered by simulation-based optimization. In this paper, a concept for simulation-based optimization of the design of modular production systems is presented and demonstrated by means of a small academic case study. Classical genetic algorithms and additionally the NSGA-II algorithm, which also allows multi-objective optimization, are used.



https://doi.org/10.1109/WSC57314.2022.10015350
Feldkamp, Niclas; Genath, Jonas; Straßburger, Steffen
Explainable AI for data farming output analysis: a use case for knowledge generation through black-box classifiers. - In: 2022 Winter Simulation Conference (WSC), (2022), S. 1152-1163

Data farming combines large-scale simulation experiments with high performance computing and sophisticated big data analysis methods. The portfolio of analysis methods for those large amounts of simulation data still yields potential to further development, and new methods emerge frequently. Among the most interesting are methods of explainable artificial intelligence (XAI). Those methods enable the use of black-box-classifiers for data farming output analysis, which has been shown in a previous paper. In this paper, we apply the concept for XAI-based data farming analysis on a complex, real world case study to investigate the suitability of such concept in a real world application, and we also elaborate on which black-box classifiers are actually the most suitable for large-scale simulation data that accumulates in a data farming project.



https://doi.org/10.1109/WSC57314.2022.10015304
Genath, Jonas; Bergmann, Sören; Feldkamp, Niclas; Spieckermann, Sven; Stauber, Stephan
Development of an integrated solution for data farming and knowledge discovery in simulation data. - In: Simulation Notes Europe, ISSN 2164-5353, Bd. 32 (2022), 3, S. 121-126

Simulation is an established methodology for planning and evaluating manufacturing and logistics systems. In contrast to classical simulation studies, the method of knowledge discovery in simulation data uses a simulation model as a data generator (data farming). Subsequently, hidden, previously unknown and potentially useful cause-effect relationships can be uncovered on the generated data using data mining and visual analytics methods. So far, however, there was a lack of integrated, easy-to-use software solutions for the application of the data farming in operational practice. This paper presents such an integrated solution, which allows generating experiment designs, implements a method to distribute the necessary experiment runs, and provides the user with tools to analyze and visualize the result data.



https://dx.doi.org/10.11128/sne.32.tn.10611
Straßburger, Steffen;
Die ereignisdiskrete Simulation und ihr Verhältnis zu informationstechnischen Modetrends. - In: Drei Dutzend Jahre Simulationstechnik, (2022), S. 5-6

Dem Motto dieses Festkolloquiums entsprechend schaut dieser Beitrag auf die Methode der ereignisdiskreten Simulation und ihr Verhältnis zu informationstechnischen Modetrends im Betrachtungszeitraum. Im Grunde argumentieren wir, dass sich an der Methode der ereignisdiskreten Simulation im Betrachtungszeitraum - also in den letzten 36 Jahren - nichts Wesentliches geändert hat. Dies ist nicht als Kritik an der ereignisdiskreten Simulation zu werten, sondern könnte heute als Resilienz bezeichnet werden. Die ereignisdiskrete Simulation ist weiterhin hochrelevant und zeigt im Zusammenspiel mit informationstechnischen Neuerungen ihr nach wie vor großes Nutzenpotential.



Hafner, Anke;
Mobile Assistenzsysteme in der Intralogistikplanung der Automobilindustrie - Gestaltung, Nutzen und Akzeptanz Augmented Reality-basierter Mensch-Maschine-Schnittstellen. - Ilmenau : Universitätsverlag Ilmenau, 2022. - 1 Online-Ressource (XVII, 245 Seiten, Seite XIX-LXVI)
Technische Universität Ilmenau, Dissertation 2022

Steigende Herausforderungen, wie z.B. ein intensiver Wettbewerbsdruck hinsichtlich Innovationen und eine damit einhergehende Individualisierung der Produkte sowie eine steigende Internationalisierung führen zu einem Wandel in der Automobilbranche. Die Kombination der Faktoren führt zu einem Anstieg der Komplexität in der Fahrzeugherstellung sowie einem Anstieg der Komplexität des Produktionssystems. Eine wichtige Rolle in der Automobilindustrie wird u. a der Intralogistik zugeschrieben. Die Intralogistik, ausgehend von der Komplexität der Automobilindustrie, steht ebenso gewissen Herausforderungen gegenüber. Um der steigenden Komplexität entgegen zu wirken, besteht der Bedarf an innovativen Lösungen seitens der Logistikplanung. Eine Möglichkeit in der Intralogistikplanung kann der Einsatz von innovativen Mensch-Maschine Schnittstellen in Form von mobilen Assistenzsystemen mit Augmented Reality sein. Der Technologie Augmented Reality werden zahlreiche positive Eigenschaften zugesagt. Im Bereich der Intralogistik, bezogen auf Augmented Reality, wird vermehrt die operative Intralogistik, wie z. B. die Kommissionierung und das Picken, betrachtet. Obwohl auf dem Markt zahlreiche Technologien bestehen und diese in verschiedenen Anwendungsbereichen eingesetzt werden, existieren in der Intralogistikplanung keine flächendeckenden Anwendungen im Sinne eines mobilen Assistenzsystems mit Augmented Reality in einer Produktionshalle. Ausgehend davon wird in diesem Buch ein Use Case und darauf basierende Prototypen für eine Augmented Reality -basierte Intralogistikplanung in der Automobilindustrie entwickelt. Dabei liegt der Fokus auf der Schaffung eines mobilen Assistenzsystems, welches eine durchgängige Augmented Reality -basierte Intralogistikplanung in der Endmontage der Automobilindustrie unterstützt. Für die Ausgestaltung des Use Cases erfolgt die Durchführung einer systematischen Literaturanalyse und das Analysieren von vorhandenen intralogistischen Planungsprozessen mit dem Ziel, die relevanten Planungsprozesse für den Einsatz des mobilen Assistenzsystems zu definieren. Auf Basis von funktionalen und nicht-funktionalen Anforderungen werden zwei Prototypen implementiert. Die prototypische Umsetzung erfolgt sowohl nach einem SLAM-basierten als auch nach einem hybriden Trackingansatz. Ferner werden die Prototypen anhand eines Feldexperiments validiert. Darüber hinaus wird für die Evaluation der Akzeptanz von Augmented Reality in der Intralogistikplanung das Technology Acceptance Model empirisch ausgewertet.



https://doi.org/10.22032/dbt.53078
Wörrlein, Benjamin; Straßburger, Steffen
Hochaufgelöste Energieprofile durch hybride Simulation. - In: ASIM SST 2022 Proceedings Langbeiträge, (2022), S. 243-251

The price of a commodity, as electricity, is determined on a commodity market. A market is efficient when the supply and demand in the market are at an equilibrium. Efficient markets run on information. Information can cause a spontaneous and instantaneous change within the supply and demand in a market. The market communicates this new equilibrium through the change of the price of a commodity. In the electricity market the supplier and consumer communicate through electrical load profiles. A load profile signals when and how much energy should be consumed within a certain time frame without causing a change in the price of electricity. Creating such load profiles is commonly done by the supplier of energy by means of standard load profiles. Here we propose a data-driven simulation-based method that allows for the consumer to create its own specific load profile, which potentially will bring down the cost of energy consumed.



https://dx.doi.org/10.11128/arep.20.a2004
Feldkamp, Niclas; Bergmann, Sören; Straßburger, Steffen
Simulationsbasiertes Deep Reinforcement Learning für Modulare Produktionssysteme. - In: ASIM SST 2022 Proceedings Langbeiträge, (2022), S. 65-72

Modulare Produktionssysteme sollen die traditionelle Fließbandproduktion in der Automobilindustrie ablösen. Die Idee dabei ist, dass sich hochgradig individualisierte Produkte dynamisch und autonom durch ein System flexibler Arbeitsstationen bewegen können. Dieser Ansatz stellt hohe Anforderungen an die Planung und Organisation solcher Systeme. Da jedes Produkt seinen Weg durch das System frei und individuell bestimmen kann, kann die Implementierung von Regeln und Heuristiken, die die Flexibilität des Systems zur Leistungssteigerung ausnutzen, in diesem dynamischen Umfeld schwierig sein. Transportaufgaben werden in der Regel von fahrerlosen Transportsystemen (FTS) ausgeführt. Daher bietet die Integration von KI-basierten Steuerungslogiken eine vielversprechende Alternative zu manuell implementierten Entscheidungsregeln für den Betrieb der FTS. In diesem Beitrag wird ein Ansatz für den Einsatz von Reinforcement Learning (RL) in Kombination mit Simulation vorgestellt, um FTS in modularen Produktionssystemen zu steuern. Darüber hinaus werden Untersuchungen zu dessen Flexibilität und Skalierbarkeit durchgeführt.



https://dx.doi.org/10.11128/arep.20.a2007
Bergmann, Sören;
Optimierung des Designs modularer Montagesysteme. - In: ASIM SST 2022 Proceedings Langbeiträge, (2022), S. 15-22

Der Wunsch nach mehr Flexibilität in Fertigungssystemen, insbesondere, wenn verschiedene Produkte bzw. viele Produktvarianten in einem Produktionssystem gefertigt werden, führt, besonders in der Automobilindustrie, zur Abkehr vom Fertigungsprinzip der klassischen Linienfertigungen hin zu eher flexiblen und werkstattorientierten Produktionssystemen. Eine der Herausforderungen in diesen so genannten modularen Montage- bzw. Produktionssystemen ist das Systemdesign, insbesondere die Zuordnung der Tätigkeiten auf die einzelnen Fertigungsinseln. Ein Ansatz, diese Zuordnung zu verbessern bietet die simulationsbasierte Optimierung. In diesem Beitrag wird ein Konzept zur simulationsbasierten Optimierung des Designs modularer Montagesysteme vorgestellt und anhand einer Fallstudie demonstriert. Zum Einsatz kommen hierbei genetische Algorithmen, speziell der NSGA-II-Algorithmus, welcher auch mehrkriterielle Optimierung ermöglicht.



https://dx.doi.org/10.11128/arep.20.a2006
Genath, Jonas; Bergmann, Sören; Straßburger, Steffen; Spieckermann, Sven; Stauber, Stephan
Data farming and knowledge discovery in simulation data : development of an integrated solution
Data Farming und Wissensentdeckung in Simulationsdaten : Entwicklung einer integrierten Lösung. - In: Zeitschrift für wirtschaftlichen Fabrikbetrieb, ISSN 2511-0896, Bd. 117 (2022), 3, S. 144-150

Simulation als Methode der Digitalen Fabrik hat sich seit langem zur Unterstützung der Planung von Produktions- und Logistiksystemen etabliert. In Ergänzung zu bisher vorherrschenden Simulationsstudien wird bei der hier vorgestellten Methode der Wissensentdeckung in Simulationsdaten ein Simulationsmodell als Datengenerator verwendet. Dadurch können mittels Data-Mining- und Visual-Analytics-Methoden versteckte und potenziell nützliche Ursache-Wirkungs-Beziehungen in den generierten Daten aufgedeckt werden. Bislang fehlte es jedoch an integrierten Softwarelösungen für die Praxis.



https://doi.org/10.1515/zwf-2022-1032