Grundlagen der Computersimulation

Einführung in die Computersimulation

Wenn jemand die Verantwortung für die Führung eines Systems trägt – wie etwa einer Bank, einer Stadt oder eines Verkehrssystems –, müssen ständig Entscheidungen über die Aktionen innerhalb dieses Systems getroffen werden. Diese Entscheidungen sollten so beschaffen sein, dass das resultierende Verhalten des Systems die bestmöglichen Ziele erfüllt.

Um richtige Entscheidungen zu treffen, muss man wissen, wie das System auf eine bestimmte Handlung reagiert. Dies könnte durch Experimente mit dem System selbst durchgeführt werden, doch Kostenfaktoren, Sicherheitsbedenken und andere Gründe machen diese Option in der Regel unmöglich. Um diese Nachteile zu überwinden, wird das reale System in den meisten Fällen durch ein anderes System ersetzt: eine vereinfachte Version, das sogenannte Modell. Dieses wird verwendet, um die nötige Erfahrung zu sammeln, ohne die oben beschriebenen Nachteile in Kauf nehmen zu müssen.

• Simulation: Der Prozess des Experimentierens mit einem Modell.
• Optimierung: Der Prozess der Gestaltung eines experimentellen Plans, um die beste Entscheidung zu treffen.
• Ausbildung: Wenn der experimentelle Plan mit dem alleinigen Zweck des Lernens oder zum Antrieb des Systems durchgeführt wird.

Definitionen

System: Ein Set von Objekten oder Ideen, die miteinander verknüpft sind, um als Einheit ein Ziel zu erreichen (Shannon, 1988). Es kann auch als der Teil des Universums definiert werden, der simuliert werden soll.

Modell: Ein Objekt X ist ein Modell für ein Objekt Y und einen Beobachter Z, wenn Z das Objekt X verwenden kann, um Fragen zu beantworten, die das Interesse an Y betreffen (Minsky).

Simulation: Der Prozess der Entwicklung eines Modells eines realen Systems und die Durchführung von Versuchen mit ihm, um das Verhalten des Systems zu erlernen oder verschiedene Strategien für den Betrieb des Systems zu evaluieren (Shannon, 1988).

Anwendungen der Simulation

Die Simulation ist hilfreich, wenn:

• Keine analytisch lösbare mathematische Formel existiert.
• Eine mathematische Formel existiert, aber eine analytische Lösung schwierig zu erhalten ist.
• Kein reales System existiert (z. B. bei der Entwicklung neuer Systeme).
• Experimente aufgrund ökonomischer Zwänge, Sicherheit, Qualität oder Ethik unmöglich sind.
• Das System sich sehr langsam oder zu schnell entwickelt.

Nachteile der Simulation

• Die Entwicklung eines Modells kann teuer, umständlich und langsam sein.
• Es besteht die Möglichkeit von Fehlern, da das Experiment mit einem Modell und nicht mit dem realen System durchgeführt wird.
• Der Grad der Ungenauigkeit der Ergebnisse ist oft schwer zu bestimmen.

Einsatzgebiete

• Fertigungsverfahren: Identifikation von Engpässen und Personalverteilung.
• Industrieanlagen: Optimale Betriebsbedingungen und Notfallverfahren.
• Öffentliche Anlagen: Prognose von Energiebedarf und Krankheitsverbreitung.
• Transportsysteme: Stau-Identifikation und Nachfrageprognose.
• Konstruktion: Stabilitätsanalysen bei Wind und Erdbeben.
• Design: Auswahl von Materialien und Formen.
• Bildung & Training: Risikofreies Lernen durch Versuch und Irrtum.

Arten der Simulation

Je nach Art des Modells unterscheidet man:

• Identität: Exakte Nachbildung (z. B. Crashtests mit realen Autos).
• Quasi-Identität: Leicht vereinfachte Version (z. B. militärische Übungen).
• Labor-Modelle: Unter kontrollierten Bedingungen.
• Operative Spiele: Mensch-Mensch-Interaktion mit Computerunterstützung.
• Mensch-Maschine: Untersuchung der Beziehung zwischen Mensch und Maschine (z. B. Flugsimulator).
• Computersimulation: Das Modell ist vollständig symbolisch in einem Computer umgesetzt (digital oder analog).

Etappen einer Simulation

1. Formulierung des Problems
2. Systemdefinition
3. Modellformulierung
4. Datenerfassung
5. Umsetzung des Computermodells
6. Nachweis (Debugging)
7. Validierung
8. Experimentelles Design
9. Experimentieren
10. Interpretation
11. Umsetzung
12. Dokumentation