Module und Plug-ins > 2manage > SimClient

Inhalt des Kapitels

Methoden der Experimentgenerierung

In diesem Abschnitt werden die einzelnen Methoden, die für die Experimentgenerierung verwendet werden, beschrieben.

Allgemeine Auswahl der Experimentdesignmethoden:

Bei der Auswahl der entsprechenden Experimentdesignmethode sollte immer die resultierende Anzahl an Experimenten berücksichtigt werden, da die faktoriellen Designs alle einen exponentiellen Term (siehe Tabelle weiter unten) besitzen.

Daher sollte bei sehr hohen Faktor- und Ausprägungskombinationen auf Space-Filling-Designs wie das Latin Hypercube Sampling zurückgegriffen werden.

Die nachfolgende Abbildung gibt ein einfaches Beispiel für zwei bis 6 Faktoren mit nur 3 Ausprägungen und liefert bereits einen groben Einblick in das exponentielle Wachstum der Experimentanzahl.

Allgemeine_Auswahl_der_Experimentdesignmethoden

Abbildung 1 - exponentielles Wachstum der Experimentanzahl

Die Auswahl des verwendeten Experimentdesigns für die Data-Farming-Studie sollte nach dem folgenden Schema durchgeführt werden (siehe auch Abbildung 2).

Ein gekreuztes Design (Latin Hypercube Sampling Crossed) wird nur bei der Analyse von verschiedenen Szenarien benötigt, welche sich strukturell deutlich unterscheiden.

Dazu zählen beispielsweise Szenarien in denen unterschiedliche Maschinen oder Fahrzeuge beteiligt sind.

Für einen ersten Einblick (Screening) in eine Simulationsstudie empfehlen sich das Central Composite Design (CCD) oder das 2k-Design.

Dadurch können die Ränder des Experimentplans betrachtet und erste Rückschlüsse gezogen werden.

Für eine umfangreiche Data-Farming-Studie hängt der Experimentplan von der Anzahl der Faktoren sowie dessen Ausprägungen ab.

Bei einer geringen Menge an Faktoren mit wenigen Ausprägungen kann ein vollfaktorieller Experimentplan (nk) verwendet werden, bei umfangreicheren Faktoren bzw. Faktorausprägungen

sollte jedoch auf ein Latin-Hypercube-Sampling (LHS) oder Nearly-Orthogonal-Latin-Hypercube-Sampling (NOLH) zurückgegriffen werden.

Experimentdesignmethoden

Abbildung 2 - Auswahl der Experimentdesignmethoden

Experimentdesignmethode	Formel	Beschreibung
Vollfaktorielles Experimentdesign		k: i-ter Faktor, n: Anzahl der Ausprägungen des Faktors i
2k-Design	2k	k: Anzahl Faktoren
Central Composite Design	2k + 2k + 1	k: Anzahl Faktoren
Latin Hypercube Sampling	n	n: Anzahl Experimente
Latin Hypercube Sampling Crossed	n * s	n: Anzahl Experimente, s: Szenariofaktorausprägungen