Computer-Simulation: Ereignisdiskrete & Hybride Systeme

Hochschulkurs zu Computer-Simulation an der FH OÖ: Stochastische Modellierung, Discrete-Event-Engines in C#, DGL-Löser und statistische Validierung.

#simulation#manufacturing-systems#teaching
🌐GermanGitHub RepositorySponsor Courseware

Rechnergestützte Simulation ist eine Kernkompetenz zur Analyse, Validierung und Optimierung komplexer technischer Systeme. Der Kurs vermittelt die mathematischen Grundlagen, algorithmischen Paradigmen und die objektorientierte Programmierung diskreter und kontinuierlicher Simulatoren in C#.

Target Audience

Bachelor- und Master-Studierende der Fachrichtung Informatik, Mechatronik und Automatisierungstechnik sowie Simulationsingenieure.

Course Prerequisites

  • Solide Kenntnisse in objektorientierter Programmierung (vorzugsweise C# oder Java)
  • Grundlagen der Wahrscheinlichkeitsrechnung und Statistik
  • Verständnis elementarer Datenstrukturen (Queues, Prioritätswarteschlangen, Graphen)

Learning Goals

  • Taxonomie & Paradigmen: Klassifikation statischer vs. dynamischer und kontinuierlicher vs. diskreter Simulationssysteme.
  • Simulations-Engine Entwicklung: Eigenständige Implementierung eines Next-Event Time Advance Simulators in C#.
  • Zufall & Stochastik: Pseudozufallsgeneratoren, Inversionsmethode und Modellierung stochastischer Prozesse.
  • Verifikation & Validierung: Statistische Absicherung von Simulationsergebnissen, Konfidenzintervalle und Sensitivitätsanalyse.

Course Syllabus

  1. Grundlagen & Taxonomie der Simulation: Systemtheoretische Grundlagen der Computer-Simulation: Modellbegriff, Zustandsräume, Zeitfortschrittsmechanismen und Taxonomie nach Law/Kelton.
  2. Stochastische Modellierung & Zufallsvariablen: Stochastische Systemmodellierung: Linearer Kongruenzgenerator, Inversionsmethode, Verteilungsanpassung sowie Chi-Quadrat- und Kolmogorow-Smirnow-Tests.
  3. Architektur einer Discrete-Event-Engine: Objektorientierter Entwurf einer ereignisdiskreten Simulations-Engine (DES) in C#: Future Event List (PriorityQueue), Simulationsuhr und Statistikzähler.
  4. Kontinuierliche & Hybride Systeme: Simulation kontinuierlicher und hybrider dynamischer Systeme: Explizites Euler-Verfahren, Runge-Kutta-Integration (RK4) und Nulldurchgangserkennung.
  5. Verifikation, Validierung & Experimentalanalyse: Verifikation, Validierung und statistische Experimentalanalyse: Einschwingphasen-Korrektur nach Welch, Replikationen, Konfidenzintervalle und Varianzanalyse.

Course Modules

Structured learning units covering theoretical foundations, practical implementations, and industry tooling.

Module 01

Grundlagen & Taxonomie der Simulation

Systemtheoretische Grundlagen der Computer-Simulation: Modellbegriff, Zustandsräume, Zeitfortschrittsmechanismen und Taxonomie nach Law/Kelton.

Read More
Module 02

Stochastische Modellierung & Zufallsvariablen

Stochastische Systemmodellierung: Linearer Kongruenzgenerator, Inversionsmethode, Verteilungsanpassung sowie Chi-Quadrat- und Kolmogorow-Smirnow-Tests.

Read More
Module 03

Architektur einer Discrete-Event-Engine

Objektorientierter Entwurf einer ereignisdiskreten Simulations-Engine (DES) in C#: Future Event List (PriorityQueue), Simulationsuhr und Statistikzähler.

Read More
Module 04

Kontinuierliche & Hybride Systeme

Simulation kontinuierlicher und hybrider dynamischer Systeme: Explizites Euler-Verfahren, Runge-Kutta-Integration (RK4) und Nulldurchgangserkennung.

Read More
Module 05

Verifikation, Validierung & Experimentalanalyse

Verifikation, Validierung und statistische Experimentalanalyse: Einschwingphasen-Korrektur nach Welch, Replikationen, Konfidenzintervalle und Varianzanalyse.

Read More