simulering

Simuleringen eller simuleringen er simulering av virkelige scenarioer for treningsformål ( flysimulator , pasientsimulator ), underholdning ( flysimulator , tog simulator ) eller analyse av systemer hvis virkemåte for den teoretiske, formel behandling kompleks er. Simuleringer brukes til mange praktiske problemer. Velkjente anvendelsesområder er flyt, trafikk, vær ^[1] og klimasimulering, tekniske systemer ^[2] , biofysiske og kjemiske prosesser, men også praktisering av ferdigheter (ferdigheter ^[3] ) eller teamarbeid (krise ressursstyring CRM ^{[ 4]} , Crew Resource Management ) og finansmarkedet ^[5] .

I simuleringen utføres eksperimenter eller trening på en modell for å få kunnskap om det virkelige systemet. Modellen er utsatt for forskjellige påvirkningsfaktorer; z. B. operatørinngang, miljøpåvirkning, feiltilfeller og de tiltenkte bruksområdene . ^[2] I forbindelse med simulering snakker man om systemet som skal simuleres og om en simulator som en implementering eller realisering av en simuleringsmodell . Sistnevnte representerer en abstraksjon av systemet som skal simuleres (struktur, funksjon, oppførsel). Prosessen med simulatoren med konkrete verdier ( parameterisering ) omtales som et simuleringseksperiment. Resultatene kan deretter tolkes og overføres til systemet som skal simuleres.

Det første trinnet i en simulering er alltid å finne en modell. Hvis en ny modell utvikles, snakker man om modellering . Hvis en eksisterende modell er egnet for å komme med uttalelser om problemet som skal løses, må bare parameterne til modellen angis. Simuleringsresultatene kan deretter brukes til å trekke konklusjoner om problemet og mulige løsninger. Dette kan følges av statistiske evalueringer - forutsatt at stokastiske prosesser er simulert. ^[6]

Underavdeling

Det kan skilles mellom simuleringer med og uten informasjonsteknologi . En simulering er en "som om" gjennomgang av prosesser; du kan gjøre det uten datamaskin.

Uten informasjonsteknologi

Fysiske eksperimenter er også kjent som simuleringer: En bilulykkestest er for eksempel en simulering for en reell trafikksituasjon der en bil er involvert i en trafikkulykke . Uhellets tidligere historie, trafikksituasjonen og den eksakte arten til den andre parten som var involvert i ulykken er sterkt forenklet. Ingen mennesker er også involvert i den simulerte ulykken; i stedet brukes kollisjonstest dummies , som har visse mekaniske egenskaper til felles med virkelige mennesker. En simuleringsmodell har bare veldig spesifikke aspekter som er felles med en ekte ulykke. Hvilke aspekter dette er avhenger i stor grad av spørsmålet som skal besvares med simuleringen.

Tester i flytvindtunneler faller også inn i denne kategorien. Her kan for eksempel uttalelser om luftmotstand og løft av fly gjøres på en nedskaleret modell. Det samme gjelder brannsimuleringer: Farlige situasjoner som branner i lukkede rom eller kjøretøyer blir simulert og opplært med ekte personell for opplæringsformål i redning eller slukking eller nytt materiale er testet for sine brannbeskyttelsesegenskaper.

Med informasjonsteknologi

Når "simulering" er nevnt i dag, er elektronisk databehandling nesten alltid involvert, dvs. mer eller mindre komplekse IT -systemer . I utgangspunktet kan simuleringen deles inn i statisk vs. dynamisk og stokastisk vs. deterministisk simulering. I den statiske simuleringen spiller ikke tiden en rolle som en dynamisk variabel og er ikke en del av systemet. Den deterministiske simuleringen utelukker tilfeldige (stokastiske) hendelser. Ved hjelp av spesielle algoritmer eller kunstig intelligens kan simuleringer også kjøre mer eller mindre autonomt, det vil si at de deretter reagerer uavhengig av miljøpåvirkninger. For deres del er disse algoritmene "bare" simuleringer av tilbakemeldingssystemene som forekommer i virkeligheten.

Samtaler

Det kan være flere grunner til å bruke simuleringer:

• En undersøkelse av det virkelige systemet ville være for tidkrevende, for dyrt, etisk uforsvarlig eller for farlig. Eksempler:
  • Kjøresimulator (for farlig i virkeligheten).
  • Flysimulator for pilottrening, re -enactment av kritiske scenarier (motorsvikt, nødlanding - for farlig i virkeligheten).
  • Medisinsk simulering for opplæring og avansert opplæring av klinisk personale, spesielt nødssituasjoner eller komplikasjoner
  • Simulatorer i medisinsk opplæring (opplæring i virkelige pasienter er ikke etisk forsvarlig på noen områder).
  • En kraftanleggssimulator , der driftsteamene til atomkraftverk spesielt trener kontrollen over hendelser til og med GAU (for farlig i virkeligheten).
  • Crash test (for farlig eller for kompleks i virkeligheten).
  • Simulering av produksjonssystemer før en konvertering (flere konvertering av systemet i virkeligheten ville være for tidkrevende og dyrt).
  • Simuleringsmodeller kan endres mye lettere enn det virkelige systemet. Eksempel: biosimulering .
  • I de to siste tilfellene nevnt, kommer en simulering også til resultatet mye raskere enn produksjonen av et reelt testoppsett tar.
• Det virkelige systemet eksisterer ikke (ennå). Eksempel: Vindtunneleksperiment med flymodeller før flyet produseres
• Det virkelige systemet kan ikke observeres direkte:
  • På grunn av systemet. Eksempel: Simulering av individuelle molekyler i en flytende , astrofysiske prosesser.
  • Det virkelige systemet fungerer for fort. Eksempel: simulering av kretser .
  • Det virkelige systemet fungerer for sakte. Eksempel: simulering av geologiske prosesser.
• Det virkelige systemet er ikke forstått eller er veldig komplekst. Eksempel: Big Bang .
• Det virkelige systemet er forstått i sin elementære dynamikk, men utviklingen over tid er for kompleks, eller en eksakt løsning på bevegelsesligningen er (ennå) ikke mulig. Eksempler: tre-kroppsproblem , dobbel pendel , molekylær dynamikk , generelt ikke-lineære systemer .
• Simuleringer er reproduserbare (unntak: randomiserte algoritmer ).

Bruksområder

Fra applikasjonssynspunktet kan forskjellige typer simulering skilles:

1. Tekniske simuleringer, for eksempel for styrkeberegning (FEM) , strømningssimulering av fabrikkprosesser og komplekse logistikksystemer , for virtuelle igangsetting eller kretssimulering
2. Vitenskapelig databehandling , med applikasjoner innen fysikk , kjemi , biologi , meteorologi
3. Simuleringer for opplæring og videreutdanning, for eksempel forretningssimuleringsspill eller medisinske simuleringer
4. Simuleringsspill , for eksempel flysimuleringer , racingsimuleringer , forretningssimulasjoner

Simuleringsarbeidsgruppen (ASIM) i Gesellschaft für Informatik GI skiller mellom følgende anvendelsesområder, for hver av dem er det opprettet en spesialistgruppe:

 1. Grunnleggende og metoder innen modellering og simulering
   2. Simulering innen miljø og geofag
   3. Simulering av tekniske systemer
   4. Simulering i produksjon og logistikk
   5. Utdanning og simulering

Grenser

Enhver form for simulering er også underlagt grenser som alltid må overholdes. Den første grensen følger av middelets begrensede natur, det vil si energiens endelighet (for eksempel også datakapasitet), tid og, men ikke minst, penger. På grunn av disse begrensningene må en modell være så enkel som mulig. Dette betyr igjen at modellene som brukes ofte representerer en grov forenkling av virkeligheten . Disse forenklingene påvirker naturligvis også nøyaktigheten av simuleringsresultatene.

Den andre grensen følger av dette: En modell leverer bare resultater i en bestemt kontekst som kan overføres til virkeligheten. I andre parameterområder kan resultatene ganske enkelt være feil. Derfor er validering av modellene for den respektive applikasjonen en viktig del av simuleringsteknologien. Mulige ytterligere grenser er unøyaktigheter i utdataene (f.eks. Målefeil) og subjektive hindringer (f.eks. Utilstrekkelig informasjonsflyt om produksjonsfeil).

I logikkens forstand er hver simulering en deduktiv konklusjon , det vil si at dens resultater ikke gir noen ny informasjon som ikke allerede finnes i de første dataene. Implementeringen representerer en konkretisering av en vitenskapelig teori . Hvis teorien er feil, ufullstendig eller ikke gyldig for den respektive applikasjonen, gir simuleringen også uriktige resultater. Av denne grunn kan ingen nye teorier settes opp med simuleringer, men bare eksisterende kan brukes og foredles. Bare virkelige eksperimenter kan bidra til etablering av nye teorier.

Se også

• emulator
• Maskinvare i løkken
• Monte Carlo -simulering
• Numerisk simulering
• Fysikk motor
• For et filosofisk og estetisk simuleringsbegrep, se medieteorien til den franske filosofen Jean Baudrillard og det relaterte konseptet om simulacrum .

litteratur

• FE Cellier: Kontinuerlig systemmodellering. Springer, New York 1991 ISBN 0-387-97502-0
• RM Fujimoto: Parallelle og distribuerte simuleringssystemer. Wiley-Interscience, New York 1999, ISBN 0-471-18383-0
• BP Zeigler, H. Praehofer, TG Kim: Theory of Modeling and Simulation. 2. utgave. Academic Press, San Diego 2000, ISBN 0-12-778455-1

weblenker

• Litteratur om simulering i katalogen til det tyske nasjonalbiblioteket
• Arbeidsgruppesimulering av samfunnet for informatikk
• Lenke katalog om emnet simulering på curlie.org (tidligere DMOZ )

Individuelle bevis

1. ↑ GÖNNERT, G. / Grassl, H. / KELLETAT, D. / KUNZ, H. / Probst, B. / VON STORCH, H. / Sundermann, J.: Simulering av ekstrem storm overspennings værforhold i Nordsjøen og sin statistisk analyse . Red .: Forskningssenter for vannforvaltning og miljø. University of Siegen 1. februar 2004 ( researchgate.net [PDF]).  
2. ↑ ^{a b} Thomas Sauerbier: Teori og praksis for simuleringssystemer . 1999, doi : 10.1007 / 978-3-322-90773-8 ( springer.com [åpnet 12. juli 2021]).  
3. ^ Medisinsk simulering - et bidrag til å øke pasientsikkerheten. Hentet 19. november 2020 .  
4. ↑ InPASS - Institute for Patient Safety and Teamtraining GmbH: Home. Hentet 19. november 2020 .  
5. ↑ Ralf Remer: Teori og simulering av tidsserier med applikasjoner om aksjekursdynamikken . 2008, doi : 10.18453 / rosdok_id00000277 ( uni-rostock.de [åpnet 12. juli 2021] University of Rostock. Fakultet for matematikk og naturvitenskap).  
6. ↑ Ulrich Hedtstück: Simulering av diskrete prosesser . I: eXamen.press . 2013, ISSN 1614-5216 , doi : 10.1007 / 978-3-642-34871-6 ( springer.com [åpnet 12. juli 2021]).