Zusammenfassung
Dank der rasanten Entwicklung im Hardware- und Softwaresektor ist die Simulation ein bedeutsames Instrument zur Unterstützung bei der Entscheidungsfindung geworden. Dies insbesondere deshalb, weil praxisrelevante Problemstellungen sehr schnell durch ein hohes Mass an Komplexität geprägt sind, sodass der Einsatz von mathematischen Optimierungsverfahren im Rahmen von Entscheidungsmodellen allenfalls nicht mehr gegeben ist. Dies ist vor allem bei vielen dynamischen, stochastischen Systemen mit gegenseitigen Abhängigkeiten zwischen den einzelnen Prozessen der Fall. In derartigen Situationen sind einzig noch Simulationsmodelle einsetzbar, obwohl damit eine „Rückstufung“ von der Ebene der Optimierungsmodelle auf jene der Erklärungsmodelle („wenn-dann“-Kausalbeziehungen) in Kauf genommen werden muss. Die Simulation beinhaltet indessen im Gegensatz zur weitverbreiteten Meinung mehr als nur Experimentieren am Modell. Neben der Modellentwicklung und Modellimplementierung gewinnt die effektive und effiziente Planung und Durchführung der Simulationsexperimente zentrale Bedeutung; andernfalls wird das Arbeiten mit Simulationsmodellen sowohl in zeitlicher als auch kostenmässiger Hinsicht sehr aufwendig, einer der Hauptgründe dafür, dass viele entwickelte Simulationsmodelle nicht genutzt bzw. eingesetzt werden. Im Rahmen der Planung von stochastischen Simulationsexperimenten tritt somit die Frage in den Vordergrund, welche Parameterkonstellationen wie lange simuliert werden müssen, um aus den Ergebnissen Schlussfolgerungen ziehen zu können. Die Frage nach der Effektivität, also nach der Auswahl geeigneter, wichtiger oder „richtiger“ Parameterkonstellationen, wird im Rahmen der Versuchsplanung beantwortet. Die Frage nach der Effizienz, d.h. nach der optimalen Anzahl der Simulationsläufe je Parameterkonstellation wird im Rahmen der taktischen Planung von Simulationsexperimenten behandelt. Diese Anzahl erforderlicher Simulationsläufe wird durch die Rechengenauigkeit bestimmt, die ihrerseits auf die Daten- und Modellgenauigkeit auszurichten ist.
*
Für Anregungen sind die Autoren den Herren Franz Ferschl, Universität München, sowie Winfried Stier und Christoph Wahl, Universität St. Gallen, verbunden.
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
Banks, J., Carson, J. S.: Discrete-Event System Simulation, Prentice Hall (1984)
Biethahn, J.: Simulation-eine Methode zur Findung betriebswirtschaftlicher Entscheidungen?, Simulation als betriebliche Entscheidungshilfe Hrsg.: Biethahn, J./ Schmidt, B., Springer Verlag Berlin, Heidelberg (1987), S. 79–91
Booth, K. H., Cox, D. R.: Some Systematic Supersaturated Designs, Technometrics Volume 4 (1962), S. 489–495
Bratley, P., Fox, B. L., Schräge, L. E.: A Guide to Simulation, Springer-Verlag New York (1987) Third Edition
Cook, T. M., Russell R. A.: Introduction to Management Science, Prentice Hall (1985) Third Edition
Dieter, U.: Probleme bei der Erzeugung gleichverteilter Zufallszahlen, Kolloquium über Zufallszahlen und Simulationen, Hrsg.: Afflerbach, L., Lehn, J. Teubner Verlag (1986), S. 7-20
Dieter, U.: Erzeugung gleichverteilter Zufallszahlen, Jahrbuch Überblicke Mathematik 1993, Hrsg.: Chaterji, S. D., Fuchssteiner, B., Kulisch, U., Liedl., R. Vieweg Verlag (1993), S. 25-44
Fahrmeir, L., Hamerle, A.: Multivariate statistische Verfahren, De Gruyter (1984)
Fishman, G. S.: Principles of Discrete Event Simulation, John Wiley & Sons New York (1978)
Freiburghaus, M.: Methodik und Werkzeuge in der Simulation betriebswirtschaftlicher Systeme, Dissertation Nr. 1445 HSG (1993)
Geiselhart, W.: Effizientes Simulieren in stochastischen Systemen, Dissertation Nr. 1432 HSG (1993)
Goldsman, D., Schruben, L. W.: Asymptotic Properties of Some Confidence Interval Estimators for Simulation Output, Management Science Volume 30 (1984), S. 1217–1225
Gould, F. J., Eppen, G. D., Schmidt, C. P.: Introductory Management Science, Prentice Hall (1991) Third Edition
Härtel F.: Zufallszahlen für Simulationsmodelle, Dissertation Nr. 1600 HSG (1994)
Hillier, F. S., Lieberman, G. J.: Introduction to Operations Research, Holden Day (1986) Fourth Edition
Heidelberger, P., Welch, P. D.: Adaptive Spectral Method for Simulation Output Analysis, IBM Journal of Research and Development Volume 25 (1981), S. 860–876
Heidelberger, P., Welch, P. D.: A Spectral Method for Confidence Interval Generation and Run Length Control in Simulations, Communications of the Association for Computing Machinery Volume 24 (1981), S. 233–245
Hines, W. W., Montgomory, D. C: Probability and Statistics in Engineering and Management Science, John Wiley & Sons New York (1990) Third Edition
Ho, Y. C.: Perturbation Analysis: Concepts and Algorithms, Proceedings of the 1992 Winter Simulation Conference
Ho, Y. C., Cao, X. R.: Perturbation Analysis of Discrete Event Dynamic Systems, Kluwer Academic Publishers Bosten (1991)
Jobsen, J. D.: Applied Multivariate Data Analysis, I: Regression and Experimental Design, Soringer Verlag (1991)
Kleijnen, J. P. G: Statistical Tools for Simulation Practitioners, textbooks and monograhps NewYork (Marcel Dekker) Volume 76 (1975)
Kleijnen, J. P. G: Statistical Techniques in Simulations (in two parts): Survey of Recent Progress, European Journal of Operational Research Volume 17 (1984), S. 150–162
Kleijnen, J. P. C.: Simulation with too many Factors: Review of Random and Group Designs, European Journal of Operations Research Volume 31 (1987), S. 31–36
Koch, B. H.: Effiziente Simulation in komplexen stochastischen Modellen, Dissertation Nr. 1571 HSG (1994)
Law, A. M.: Confidence Intervals in Discrete Event Simulation: A Comparison of Replication and Batch Means, Naval Research Logistics Quarterly Volume 24 (1977), S. 667–678
Law, A. M., Kelton, W. D.: Simulation Modeling and Analysis, McGraw-Hill Series in Industrial and Management Science, McGraw-Hill New York (1991) Second Edition
Law, A. M., Kelton, W. D., Koenig, L. W.: Relative Width Sequential Confidence Intervals for the Mean, Communications in Statistics-Simulation and Computation Volume 10 (1981), S. 29–39
Li, C. H.: A Sequential Method for Screening Experimental Variables, Journal of the American Statistical Association Volume 57 (1962), S. 455–477
Liebl, F.: Simulation, Oldenbourg Verlag München (1992)
Markland, R. E.: Topics in Management Science, John Wiley & Sons New York (1989) Third Edition
Markland, R. E, Sweigart, J. R..: Quantative Methods: Applications to Managerial Decision Making, John Wiley & Sons New York (1987)
Mauro, C. A., Burns, K. C.: A Comparison of Random Balance and Two-Stage Group Screening Designs, Comunications in Statistics-Theory and Methods Volume 13 (1984), S. 2625–2648
Morrice, D.J., Schruben, L. W.: Simulation Sensitivity Analysis Using Frequency Domain Experiments, Proceedings of the 1989 Winter Simulation Conference, S. 367-373
Neumann, K., Morlock, M.: Operations Research, Hanser Verlag (1993)
Nissen, V.: Evolutionäre Algorithmen, Deutscher Universitäts-Verlag (1994)
Patel, M. S.: Group-Screening with More Than Two Stages, Technometrics Volume 4 (1962), S. 209–217
Rachlitz, B.: Die Planung von Simulationsexperimenten, Dissertation Nr. 1480 HSG (1993)
Render, B., Stair jr., R. M.: Quantative Analysis for Management, Allyn and Bacon (1991) Fourth Edition
Schmidt, B.: SIMPLEX-II: Ein integriertes Simulationssystem-Benutzerhandbuch-Society for Computer Simulation International Ghent (1995)
Schruben, L. W.: Confidence Interval Estimation Using Standardized Time Series, Operations Research Volume 31 (1983), S. 1090–1108
Stähly, P.: Simulation Models for the Analysis of Hospitals in Regard to their Emergency Infrastructur; Management Problems in Health and Care, Springer Verlag Berlin, Heidelberg (1988), S. 263–296
Stähly, P.: Simulationsmodelle im Hinblick auf die Bewältigung von medizinischen Notfallsituationen, Output Jg. 18 (1989), S. 77–82
Stähly, P.: Einsatzplanung für Katastrophenfälle mittels Simulationsmodellen auf der Basis von SIMULA, OR Spektrum Jg. 11 (1989), S. 231–237
Tiede, M.: Statistik-Regressions-und Korrelationsanalyse, Oldenbourg Verlag München (1987)
Welch, P.D.: The Statistical Analysis of Simulation Results, The Computer Performance Modeling Handbook, Academic Press New York (1983), S. 268–328
Zimmermann, W.: Operations Research, Oldenbourg Verlag (1989)
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1999 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Küll, R., Stähly, P. (1999). Zur Planung und effizienten Abwicklung von Simulationsexperimenten. In: Biethahn, J., Hummeltenberg, W., Schmidt, B., Stähly, P., Witte, T. (eds) Simulation als betriebliche Entscheidungshilfe. Physica, Heidelberg. https://doi.org/10.1007/978-3-642-58671-2_1
Download citation
DOI: https://doi.org/10.1007/978-3-642-58671-2_1
Publisher Name: Physica, Heidelberg
Print ISBN: 978-3-7908-1178-0
Online ISBN: 978-3-642-58671-2
eBook Packages: Springer Book Archive