Inputdaten
Die Daten für die Korrelationsanalyse müssen in die drei Kategorien Stellgrößen, kategorische Stellgrößen und Zielgrößen eingeteilt werden.
Zu den Stellgrößen gehören die Faktoren, welche im Simulationsmodell eingestellt werden können bzw. variabel sind.
Ein Spezialfall sind die kategorischen Stellgrößen, welche nicht numerische Stellgrößen sind – zum Beispiel Klassen wie: Szenarien oder Sortierstrategien.
Zu den Zielgrößen gehören die Daten, welche von dem Simulationsmodell generiert werden und die Ergebnisse des Experimentlaufs wiedergeben.
Zählergrößen wie unter anderem die Experimentnummer werden nicht als Eingabe verwendet. In Abbildung 1 ist das Eingabefeld der Größen für ein Beispiel dargestellt
Abbildung 1 - Beispieleingabe der Korrelationsanalyse
Interpretationsbeispiel
Die Korrelationsmatrix wird genutzt, um einen ersten Einblick über einfache Beziehungen zwischen Parametern zu bekommen. Die Werte in den Zellen geben an, in welchem Bezug die Parameter sich zueinander verhalten.
Das bedeutet bei einem Wert von „1“, dass der eine Wert größer wird, wenn auch der andere sich erhöht.
Bei einem Wert von „-1“ verhält es sich umgekehrt, hier sinkt der Wert des einen Parameters, wenn der andere steigt, und umgekehrt.
Zum Beispiel in dem schwarz markierten Bereich in Abbildung 2 besitzt die KPI „ZykluszeitÜberschritten“ eine negative Korrelation in Bezug auf die Stellgröße „Anlieferzyklus_LKW_Bmin“.
Das bedeutet, aus einem hohen Anlieferzyklus resultiert eine durchschnittlich niedrige überschrittene Zykluszeit.
Der blau markierte Bereich stellt die Beziehung zwischen dem Parameter „Anlieferzyklus_LKW_Bmin“ und der KPI „TruckB_Stapelhöhe_min“ dar. Hier ist beispielsweise eine leichte positive Korrelation zu erkennen.
Ein größerer Abstand zwischen dem Eintreffen der LKWs führt zu einer durchschnittlich höheren minimalen Beladung dieser LKWs.
Über diese Beziehungen können aus der Korrelationsmatrix erste, einfache Rückschlüsse auf das System gezogen werden.
Dadurch ist es möglich logisches Systemverhalten zu validieren (blauer Bereich), aber auch unerwartetes (schwarzer Bereich) zu entdecken.
Abbildung 2 - Ausschnitt Korrelationsmatrix
Die Korrelationsanalyse kann auch zur Überprüfung des Experimentdesigns verwendet werden.
Aufgrund der Anforderung, dass ein gutes Experimentdesign orthogonal sein soll, dürfen die Stellgrößen nur minimal untereinander korrelieren.
Dies lässt sich überprüfen, indem die Korrelation in dem Quadranten der Stellgrößen betrachtet wird.
Abbildung 3 zeigt ein Beispiel für ein gutes Experimentdesign, da jede Korrelation zwischen den Stellgrößen nahe 0 liegt.
Abbildung 3 - Überprüfen des Experimentdesign
© SimPlan AG - AG Hanau HRB 6845 - info@simplan.de - www.simplan.de