Advertisement

ProC/B: Eine Modellierungsumgebung zur prozessketten-orientierten Beschreibung und Analyse logistischer Netze

  • Falko Bause
  • Heinz Beilner
  • Jan Kriege

Heutige Logistik-Systeme und -Netze sind menschgeschaffene („künstliche“) Systeme beträchtlicher Größe und Komplexität. Entwurf, Realisierung, Betrieb komplexer künstlicher Systeme (nicht nur des Logistik-Bereichs) sind ohne Einsatz geeigneter Beschreibungen, geeigneter „Modelle“, kaum vorstellbar: Beschreibungen/Modelle betrachteter Teilsysteme und Systeme sind Grundlage der Kommunikation und kritischen Diskussion von Realisierungs-Vorschlägen und -Varianten, sind Mittel der Fixierung und Weitergabe getroffener Entscheidungen. Zu dieser – wesentlichen – „deskriptiven“ Rolle von Beschreibungen/Modellen gesellt sich ihre Rolle als Ausgangspunkt „analytischer“ Betrachtungen, in deren Rahmen Untersuchungen von Systemeigenschaften (wie etwa von Korrektheit, Effektivität, Effizienz, Kosten, u. a. m.) bereits anhand eines beschreibenden Modells und nicht erst anhand des de fakto realisierten Systems – angestrebt und durchgeführt werden.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Arns M, Bause F (2001) An instructive example for pitfalls in simulation of logistic networks. ESS'2001, Marseilles, Frankreich, 18.–20. Oktober 2001Google Scholar
  2. Arns M, Eickhoff M, Fischer M, Tepper C, Völker M (2003) New features in the ProC/ B toolset. Performance Tools 2003, Illinois International Multiconference on Measurement, Modelling, and Evaluation of Computer-Communication Systems, Urbana-Champaign, IL, USA, 2.–7. September 2003Google Scholar
  3. Bause F (2003) Simulation logistischer Netze. In: Rüdiger Hohmann (Hrsg) Tagungsband 17. Symposium Simulationstechnik ASIM 2003 an der Otto-von-Guericke-Universität Magdeburg, Magdeburg, 16.–19. September 2003, SCS-Europe BVBA, ISBN 3-936150-27-3, S 27–34Google Scholar
  4. Bause F, Beilner H (1999) Intrinsic problems in simulation of logistic networks. 11th European Simulation Symposium and Exhibition (ESS99), Simulation in Industry, Erlangen, Germany, 26.–28. October 1999Google Scholar
  5. Bause F, Beilner H, Fischer M, Kemper P, Völker M (2002) The ProC/B Toolset for the modelling and analysis of process chains. Tools 2002, London (Großbritannien), 14.–17. April 2002Google Scholar
  6. Bause F, Buchholz P, Kemper P (1998) A toolbox for functional and quantitative analysis of DEDS. Quantitative Evaluation of Comp. and Comm. Sys. Springer LNCS 1469, pp 356–359Google Scholar
  7. Bause F, Buchholz P, Tepper C (2004) The ProC/B-approach: From informal descriptions to formal models. Proceedings of the 1st International Symposium on Leveraging Applications of Formal Methods, Paphos, Cyprus, 30. Oktober-2. November, Technical Report TR-2004–6, University of Cyprus, Department of Computer Science, S 328–334Google Scholar
  8. Bause F, Buchholz P (2006) Modellierung von Supply Chains unter Berücksichtigung variierender Organisationsstrukturen. In: Wenzel S (Hrsg) Simulation in Produktion und Logistik 2006, ASIM, 12. Fachtagung, Kassel, 26.–27. September, SCS Publishing House e.V., ISBN 3-936150-48-6Google Scholar
  9. Baskett F, Chandy KM, Muntz RR, Palacios FG (1975) Open, closed and mixed networks of queues with different classes of customers. J ACM 22(2):248–260zbMATHCrossRefMathSciNetGoogle Scholar
  10. Bause F, Eickhoff M (2002) Initial transient period detection using parallel replications. In: Verbraeck A, Krug W (eds) ESS'2002, Dresden, Germany, 23.–26. October 2002, in Simulation in Industry, 14th European Simulation Symposium and Exhibition, SCS-Europe BVBA Ghent, pp 85–92Google Scholar
  11. Bause F, Eickhoff M (2003) Truncation point estimation using multiple replications in parallel. 2003 Winter Simulation Conference, New Orleans, LA, USA, 7.–10. DecemberGoogle Scholar
  12. Bolch G, Greiner S, de Meer H, Trivedi KS (2006) Queueing networks and Markov chains: Modeling and performance evaluation with computer science applications, 2nd edn. Wiley, ISBN 978-0-471-56525-3Google Scholar
  13. Bause F, Kaczmarek M (2001) Modellierung und Analyse von Supply Chains. Wirtschaftsinformatik 6:569–578Google Scholar
  14. Buchholz P, Katoen J-P, Kemper P, Tepper C (2003) Model-checking large structured Markov chains. J Log Algebr Program 56(1-2):69–97zbMATHCrossRefMathSciNetGoogle Scholar
  15. Bause F, Kritzinger PS (2002) Stochastic petri nets. Vieweg VerlagGoogle Scholar
  16. Bause F, Kriege J (2007) Detecting non-ergodic simulation models of logistics networks. Proc. of 2nd International Conference on Performance Evaluation Methodologies and Tools (ValueTools)Google Scholar
  17. Beilner H, Mäter J, Wysocki C (1994) The hierarchical evaluation tool HIT. Short Papers and Tool Descriptions of the 7th International Conference on Modelling Techniques and Tools for Computer Performance EvaluationGoogle Scholar
  18. Buchholz P (1996) A framework for the hierarchical analysis of discrete event dynamic systems, Habilitation, Universität DortmundGoogle Scholar
  19. Cassandras C, Lafortune S (1999) Introduction to discrete event systems. KluwerGoogle Scholar
  20. Cox DR (1955) A use of complex probabilities in the theory of stochastic processes. Proc Camb Philos Soc 51Google Scholar
  21. Dilling C, Völker M (2003) Beispielmodellierung eines Güterverkehrszentrums im ProC/ B-Paradigma. SFB-Bericht 03016Google Scholar
  22. Kemper P (2000) Logistic processes go petri nets. In: Philippi S (Hrsg) 7. Workshop Algorithmen und Werkzeuge für Petri Netze, Universität Koblenz-Landau, Koblenz, S 69–74Google Scholar
  23. Kleinrock L (1975) Queueing systems vol 1 – theory. WileyGoogle Scholar
  24. Kowalk W (1989) Operationale Wartetheorie, Bd 196. Springer IFBGoogle Scholar
  25. Kriege J (2007) Konsistenzprüfung von ProC/B-Modellen zur Vorbereitung einer simulativen Analyse. In: Schulze T, Prein B, Schumann H (Hrsg) Proceedings of the 18th Conference on Simulation and Visualization (SimVis 2007), Magdeburg, 8.–9. März, SCS Publishing House e.V., ISBN 3-936150-50-8, S 69–82Google Scholar
  26. Kelton WD, Sadowski RP, Sturrock DT (2003) Simulation with Arena, 3. Ausg. McGraw-HillGoogle Scholar
  27. Kuhn A (1995) Prozessketten in der Logistik – Entwicklungstrends und Umsetzungsstrategien. Verlag Praxiswissen, DortmundGoogle Scholar
  28. Kuhn A (1999) Prozesskettenmanagement – Erfolgsbeispiele aus der Praxis. Verlag Praxiswissen, DortmundGoogle Scholar
  29. Law AM, Kelton WD (2000) Simulation modeling and analysis, 3rd edn. McGraw-Hill, Boston, ISBN 0-07-059292-6Google Scholar
  30. Lazowska ED, Zahorjan J, Graham GS, Sevcik KC (1984) Quantitative system performance – computer system analysis using queueing network models. Prentice HallGoogle Scholar
  31. Marsan MA, Balbo G, Conte G, Donatelli S, Franceschinis G (1995) Modelling with generalized stochastic petri nets. WileyGoogle Scholar
  32. Pooley RJ (1987) An introduction to programming in SIMULA. BlackwellGoogle Scholar
  33. Stewart WJ (1997) Numerical solution of Markov chains. Marcel DekkerGoogle Scholar
  34. Sieke H, Völker M (2005) Process-oriented simulation of air cargo flows within an airport network. In: Rimane R (Hrsg) Frontiers in Simulation – Simulationstechnique. ASIM 2005, 18th Symposium, Friedrich-Alexander Universität, Erlangen, 12.–15. September, SCS Publishing House e.V., ISBN 3-936150-41-9, S 248–253Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2009

Authors and Affiliations

  • Falko Bause
    • 1
  • Heinz Beilner
  • Jan Kriege
  1. 1.Fakultät für Infomatik, Informatik IVTechnische Universität DortmundDortmundDeutschland

Personalised recommendations