simulering

Køresimulering 2008

Køretøjssimulator

Simuleringen eller simulation er simulering af virkelige verden scenarier for uddannelsesformål ( flysimulator , patientsimulator ), underholdning ( flysimulator , Train Simulator ) eller analyse af systemer , hvis adfærd for den teoretiske, omkvæd behandling kompleks er. Simuleringer bruges til mange praktiske problemer. Kendte anvendelsesområder er flow, trafik, vejr ^[1] og klimasimulering, tekniske systemer ^[2] , biofysiske og kemiske processer, men også udøvelsen af ​​færdigheder (færdigheder ^[3] ) eller teamsamarbejde (krisressourcestyring CRM ^{[ 4]} , Crew Resource Management ) og det finansielle marked ^[5] .

I simuleringen udføres eksperimenter eller træning på en model for at få viden om det virkelige system. Modellen er udsat for forskellige påvirkningsfaktorer; z. B. operatørinput, miljøpåvirkninger, fejltilfælde og de påtænkte anvendelsessager . ^[2] I forbindelse med simulering taler man om det system, der skal simuleres og om en simulator som en implementering eller realisering af en simuleringsmodel . Sidstnævnte repræsenterer en abstraktion af systemet, der skal simuleres (struktur, funktion, adfærd). Simulatorens proces med konkrete værdier ( parameterisering ) omtales som et simuleringseksperiment. Dens resultater kan derefter fortolkes og overføres til det system, der skal simuleres.

Det første trin i en simulering er altid at finde en model. Hvis der udvikles en ny model, taler man om modellering . Hvis en eksisterende model er egnet til at fremsætte udsagn om det problem, der skal løses, skal kun parametrene for modellen indstilles. Simuleringsresultaterne kan derefter bruges til at drage konklusioner om problemet og mulige løsninger. Dette kan efterfølges af statistiske evalueringer - forudsat at stokastiske processer er blevet simuleret. ^[6]

Lungesimulator LuSi

Underinddeling

Der kan skelnes mellem simuleringer med og uden informationsteknologi . En simulering er en "som om" gennemløb af processer; du kan gøre det uden en computer.

Uden informationsteknologi

Fysiske forsøg kaldes også simuleringer: En bilulykkestest er for eksempel en simulering af en reel trafiksituation, hvor en bil er involveret i et trafikuheld . Ulykkens tidligere historie, trafiksituationen og den nøjagtige karakter af den anden part, der var involveret i ulykken, er meget forenklet. Ingen mennesker er også involveret i den simulerede ulykke; i stedet bruges crash test dummies , som har visse mekaniske egenskaber tilfælles med rigtige mennesker. En simuleringsmodel har kun meget specifikke aspekter tilfælles med en reel ulykke. Hvilke aspekter disse er, afhænger i høj grad af det spørgsmål, der skal besvares med simuleringen.

Test i flowvindtunneler falder også ind under denne kategori. Her kan for eksempel udsagn om luftmodstand og løft af fly afgives på en nedskaleret model. Det samme gælder for brandsimuleringer: Farlige situationer som brande i lukkede rum eller køretøjer simuleres og trænes med ægte personale til uddannelsesformål i redning eller slukning eller nye materialer testes for deres brandsikringsegenskaber.

Med informationsteknologi

Når "simulering" er nævnt i dag, er elektronisk databehandling næsten altid involveret, altså mere eller mindre komplekse IT -systemer . Grundlæggende kan simuleringen opdeles i statisk vs. dynamisk og stokastisk vs. deterministisk simulering. I den statiske simulering spiller tiden ikke en rolle som en dynamisk variabel og er ikke en del af systemet. Den deterministiske simulering udelukker tilfældige (stokastiske) hændelser. Ved hjælp af specielle algoritmer eller kunstig intelligens kan simuleringer også køre mere eller mindre autonomt, dvs. de reagerer derefter uafhængigt af miljøpåvirkninger. For deres del er disse algoritmer "kun" simuleringer af de feedback -systemer, der forekommer i virkeligheden.

Opkald

Der kan være flere grunde til at bruge simuleringer:

• En undersøgelse af det virkelige system ville være for tidskrævende, for dyr, etisk uberettiget eller for farlig. Eksempler:
  • Køresimulator (for farlig i virkeligheden).
  • Flyvesimulator til pilottræning, genindførelse af kritiske scenarier (motorfejl, nødlanding - for farligt i virkeligheden).
  • Medicinsk simulering til uddannelse og avanceret uddannelse af klinisk personale, især nødsituationer eller komplikationer
  • Simulatorer i medicinsk uddannelse (uddannelse i rigtige patienter er ikke etisk forsvarlig på nogle områder).
  • En kraftværkssimulator , hvor især atomkraftværkernes driftsteam træner styringen af ​​hændelser op til og med GAU (for farligt i virkeligheden).
  • Crash test (for farlig eller for kompleks i virkeligheden).
  • Simulering af produktionssystemer før en konvertering (flere konverteringer af systemet i virkeligheden ville være for tidskrævende og dyre).
  • Simuleringsmodeller kan ændres meget lettere end det virkelige system. Eksempel: biosimulering .
  • I de sidste to nævnte tilfælde kommer en simulering også til resultatet meget hurtigere, end produktionen af ​​en reel testopsætning tager.
• Det virkelige system eksisterer ikke (endnu). Eksempel: Vindtunneleksperiment med flymodeller, før flyet fremstilles
• Det virkelige system kan ikke observeres direkte:
  • På grund af systemet. Eksempel: Simulering af individuelle molekyler i en flydende , astrofysiske processer.
  • Det virkelige system fungerer for hurtigt. Eksempel: simulering af kredsløb .
  • Det virkelige system fungerer for langsomt. Eksempel: simulering af geologiske processer.
• Det virkelige system er ikke forstået eller er meget komplekst. Eksempel: Big Bang .
• Det virkelige system forstås i sin elementære dynamik, men udviklingen over tid er for kompleks, eller en præcis løsning af bevægelsesligningen er (endnu) ikke mulig. Eksempler: tre-kropsproblem , dobbelt pendul , molekylær dynamik , generelt ikke-lineære systemer .
• Simuleringer er reproducerbare (undtagelse: randomiserede algoritmer ).

Anvendelsesområder

Fra applikationssynspunktet kan der skelnes mellem forskellige former for simulering:

1. Tekniske simuleringer, f.eks. Til styrkeberegning (FEM) , strømningssimulering , af fabriksprocesser og komplekse logistiske systemer , til virtuel idriftsættelse eller kredsløbssimulering
2. Videnskabelig databehandling med applikationer inden for fysik , kemi , biologi , meteorologi
3. Simuleringer til træning og videreuddannelse, for eksempel forretningssimuleringsspil eller medicinske simuleringer
4. Simuleringsspil , f.eks. Flyvesimuleringer , racersimuleringer , forretningssimuleringer

Simuleringsarbejdsgruppen (ASIM) i Gesellschaft für Informatik GI skelner mellem følgende anvendelsesområder, for hvilke der er nedsat en specialistgruppe:

 1. Grundlæggende og metoder inden for modellering og simulering
   2. Simulering inden for miljø og geovidenskab
   3. Simulering af tekniske systemer
   4. Simulering i produktion og logistik
   5. Uddannelse og simulering

Grænser

Enhver form for simulering er også underlagt grænser, der altid skal overholdes. Den første grænse følger af den begrænsede karakter af midlerne, det vil sige energiens endelighed (f.eks. Også computerkapacitet), tid og sidst men ikke mindst penge. På grund af disse begrænsninger skal en model være så enkel som muligt. Dette betyder igen, at de anvendte modeller ofte repræsenterer en grov forenkling af virkeligheden . Disse forenklinger påvirker naturligvis også nøjagtigheden af ​​simuleringsresultaterne.

Den anden grænse følger heraf: En model leverer kun resultater i en bestemt kontekst, der kan overføres til virkeligheden. I andre parameterområder kan resultaterne simpelthen være forkerte. Derfor er validering af modellerne for den respektive applikation en vigtig del af simuleringsteknologien. Mulige yderligere grænser er unøjagtigheder i outputdata (f.eks. Målefejl) og subjektive forhindringer (f.eks. Utilstrækkelig informationsstrøm om produktionsfejl).

I logisk forstand er hver simulering en deduktiv konklusion , dvs. dens resultater giver ikke nogen ny information, der ikke allerede er indeholdt i de indledende data. Dets implementering repræsenterer en konkretisering af en videnskabelig teori . Hvis teorien er forkert, ufuldstændig eller ikke gyldig for den respektive applikation, leverer simuleringen også forkerte resultater. Af denne grund kan der ikke opstilles nye teorier med simuleringer, men kun eksisterende kan anvendes og forfines. Kun virkelige eksperimenter kan bidrage til etablering af nye teorier.

Se også

• emulator
• Hardware i sløjfen
• Monte Carlo -simulering
• Numerisk simulering
• Fysik motor
• For et filosofisk og æstetisk begreb om simulering se medieteorien om den franske filosof Jean Baudrillard og det tilhørende begreb om simulacrum .

litteratur

• FE Cellier: Kontinuerlig systemmodellering. Springer, New York 1991 ISBN 0-387-97502-0
• RM Fujimoto: Parallelle og distribuerede simuleringssystemer. Wiley-Interscience, New York 1999, ISBN 0-471-18383-0
• BP Zeigler, H. Praehofer, TG Kim: Teori om modellering og simulering. 2. udgave. Academic Press, San Diego 2000, ISBN 0-12-778455-1

Weblinks

Commons : Simulation - samling af billeder, videoer og lydfiler

Wiktionary: Simulation - forklaringer på betydninger, ordoprindelse, synonymer, oversættelser

Wiktionary: Simulator - forklaringer på betydninger, ordoprindelse, synonymer, oversættelser

• Litteratur om simulering i kataloget over det tyske nationalbibliotek
• Arbejdsgruppesimulering af informationssamfundet
• Link katalog om emnet simulering på curlie.org (tidligere DMOZ )

Individuelle beviser

1. ↑ GÖNNERT, G. / Grassl, H. / KELLETAT, D. / KUNZ, H. / PROBST, B. / VON STORCH, H. / Sundermann, J:. Simulering af ekstremt højvande vejrforhold i Nordsøen og deres statistisk analyse . Red .: Forskningscenter for Vandforvaltning og Miljø. University of Siegen 1. februar 2004 ( researchgate.net [PDF]).  
2. ↑ ^{a b} Thomas Sauerbier: Teori og praksis med simuleringssystemer . 1999, doi : 10.1007 / 978-3-322-90773-8 ( springer.com [adgang 12. juli 2021]).  
3. ^ Medicinsk simulering - et bidrag til at øge patientsikkerheden. Hentet 19. november 2020 .  
4. ↑ InPASS - Institut for Patientsikkerhed og Teamtraining GmbH: Hjem. Hentet 19. november 2020 .  
5. ↑ Ralf Remer: Teori og simulering af tidsserier med applikationer om aktiekursdynamikken . 2008, doi : 10.18453 / rosdok_id00000277 ( uni-rostock.de [adgang 12. juli 2021] University of Rostock. Matematisk-naturvidenskabeligt fakultet).  
6. ↑ Ulrich Hedtstück: Simulering af diskrete processer . I: eXamen.press . 2013, ISSN 1614-5216 , doi : 10.1007 / 978-3-642-34871-6 ( springer.com [adgang 12. juli 2021]).