Zusammenfassung
Wissensbasierte Systeme können helfen, die Simulation für eine breitere Anwenderschicht nutzbar zu machen. Dazu werden Klassifikationen nach der Architektur und nach der Aufgabenteilung vorgestellt Letztere unterscheidet Programme zur automatischen Generierung von Modellen, Systeme, die den Benutzer bei der Interaktion unterstützen, und Expertensysteme, die Simulation zur Wissensakquisition nutzen. Als Beispiel wird SIMULEX vorgestellt, das durch Koppelung von Expertensystemen, Simulation und einem PPS-System die Umdisposition in der Fertigungsplanung unterstützen soll.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Becker B D, Dangelmaier W (1986) EXCON - An Expert System to Construct Control Strategies for Simulation Systems in Manufacturing. In: Crosbie R, Luker P (Hrsg.) Proceedings of the 1986 Summer Computer Simulation Conference. Reno. 731–736
Ford D R (1988) Combining Simulation and Artificial Intelligence: A Practical Example. In: Barnett C C, Holmes W M (Hrsg.) Proceedings of the 1988 Summer Computer Simulation Conference. Seattle. 648–652
Frank U (1989) Meta-Wissen, Analogieschließen und maschinelles Lernen Anwendungsvoraussetzungen und Grenzen. AI 3: 103–112
Goldsman, D (1984) On Selecting the Best of K Systems: Expository Survey of Indifference-Zone Multinomial Procedures. In: Sheppard S, Pooch U Pegden D (Hrsg.), Proceedings of the 1984 Winter Simulation Conference, 107–112
Goldsman, D (1984) A Multinomial Ranking And Selection Procedure: Simulation And Applications. In: Sheppard S, Pooch U, Pegden D (Hrsg.), Proceedings of the 1984 Winter Simulation Conference, 259–264
Mellichamp J M, Park Y H (1989) A Statistical Expert System for Simulation Analysis. Simulation 4: 134–139
Mertens P, Helmer J, Rose H, Wedel Th (1989) Ein Ansatz zu kooperierenden Expertensystemen bei der Produktionsplanung und -Steuerung. In: Kurbel K, Mertens P, Scheer A W (Hrsg.) Interaktive betriebswirtschaftliche Informations– und Steuerungssysteme. De Gruyter, Berlin New York. 13–40
O’Keefe R (1986) Simulation and Expert Systems - A Taxonomy and some Examples. Simulation 1: 10–16
Pierreval H (1988) Data Analysis Oriented Techniques for Learning about Manufacturing Control with Simulation. In: Muller H, Reddy R,Takaba S (Hrsg.) Proceedings of the European Simulation Multiconference: Simulation in the Factory of the Future and Simulation in Traffic Control. Rome. 61–66
Schank R C (1985) The Cognitive Computer. On Language, Learning and Artificial Intelligence. Reading (Mass. )
Schroer B J, Tseng F T, Zhang S X, Wolfsberger J W (1988) Automatic Programming of Manufacturing Simulation Models. In: Barnett C C, Holmes W M (Hrsg.) Proceedings of the 1988 Summer Computer Simulation Conference. Seattle. 569–574
Simon H A (1984) Why should machines learn? In: Michalsky R S, Carbonell J G (Hrsg.) Machine Learning. An Artificial Approach. Springer, Berlin Heidelberg New York. 25–37
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1991 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Belz, R., Ringlstetter, T. (1991). Verbindung von Wissensbasierten Systemen und Simulation Überblick und Beispiel der Umdisposition. In: Busch, R. (eds) Operations Research und Wissensbasierte Systeme. Betriebs-und Wirtschaftsinformatik, vol 49. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-76726-5_8
Download citation
DOI: https://doi.org/10.1007/978-3-642-76726-5_8
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-54203-2
Online ISBN: 978-3-642-76726-5
eBook Packages: Springer Book Archive