Titelaufnahme

Titel
Hybrid modeling of production systems: co-simulation and DEVS-based approach / by Bernhard Heinzl
VerfasserHeinzl, Bernhard
Begutachter / BegutachterinKastner, Wolfgang
ErschienenWien 2016
Umfangvi, 107 Seiten : Illustrationen, Diagramme
HochschulschriftTechnische Universität Wien, Univ., Diplomarbeit, 2016
Anmerkung
Zusammenfassung in deutscher Sprache
SpracheEnglisch
DokumenttypDiplomarbeit
Schlagwörter (DE)Produktionssysteme / Hybride Modellierung / Co-Simulation / DEVS / hyPDEVS / Discrete Event System Specification
Schlagwörter (EN)Production Systems / Hybrid Modeling / Co-simulation / DEVS / hyPDEVS / Discrete Event System Specification
URNurn:nbn:at:at-ubtuw:1-8611 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Hybrid modeling of production systems: co-simulation and DEVS-based approach [3.26 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Die Untersuchung technisch-physikalischer Systeme erfordert es heutzutage immer komplexere und interdisziplinäre Computersimulationen durchzuführen, wodurch wiederum geeignete Verfahren zur Beschreibung von hybriden Simulationsmodellen mit kontinuierlicher und diskreter Zeitdynamik erforderlich werden. Beispielsweise soll ein Simulationsmodell eines industriellen Produktionsbetriebes in der Lage sein, sowohl Produktionseinheiten (diskret) als auch Energieströme (kontinuierlich) zu modellieren. Die Implementierung derartiger heterogener Simulationsmodelle ist allerdings noch immer eine große Herausforderung. Zwei alternative Ansätze für dieses Problem, die beide unterschiedliche Vor- und Nachteile versprechen, werden in dieser Arbeit untersucht. Der erste Ansatz verfolgt die Kopplung mehrerer Simulationswerkzeuge als Teil einer Co-Simulation. Diese Möglichkeit wird verglichen mit einem zweiten Ansatz basierend auf einer formalen Beschreibung von hybriden Modellen mittels DEVS (Discrete Event System Specification). Zwei umfassende Fallstudien aus dem Bereich der interdisziplinären Simulation von Produktionsbetrieben demonstrieren diese Modellierungsansätze in der Praxis. Beide Fallstudien umfassen sowohl diskrete als auch kontinuierliche Aspekte in Form von Produktionsanlagen, Energiesysteme, Gebäudetechnik und Gebäudehülle. Zur Implementierung werden State-of-the-Art-Simulationswerkzeuge eingesetzt: BCVTB (Building Controls Virtual Test Bed) stellt eine Middleware-Lösung für die Co-Simulation zur Verfügung, während die MatlabDEVS-Toolbox einen hybriden DEVS-Simulator implementiert. Basierend auf den Fallstudien werden relevante Modellierungsaspekte verglichen, speziell die Modellierung diskreter persistenter Entitäten, Kommunikation zwischen Komponenten und Handhabung von Differentialgleichungen. Eine anschließende Evaluierung liefert einen direkten Vergleich beider Ansätze in Bezug auf relevante Kriterien, die aus der Forschungsliteratur bezogen werden, u.a. Wiederverwendbarkeit, Modularität, Unterstützung von einschlägigen Simulationsalgorithmen und Modellierungsaufwand. Im Vergleich zur Co-Simulation ermöglicht der DEVS-basierte Ansatz eine Integration von kontinuierlichen und diskreten Aspekten nicht nur auf der Datenebene sondern auch auf der Modellebene, was wesentliche Vorteile für die Modellentwicklung mit sich bringt, einschließlich verbesserter Modularität von hybriden Komponenten sowie Wiederverwendbarkeit. Allerdings fehlt es einer DEVS-basierten Modellierung an Unterstützung von spezialisierten Modellcharakteristiken, womit ein deutlich höherer Aufwand seitens der Modellentwickler für die Erstimplementierung erforderlich wird.

Zusammenfassung (Englisch)

When investigating physical systems, there is a growing need to perform increasingly complex and cross-domain computer simulations, which require suited methods to describe hybrid simulation models with both continuous and discrete-time dynamics. For example, a simulation model of a production facility should be able to incorporate production entities (discrete) as well as energy flows (continuous). However, implementing heterogeneous hybrid simulation models is still a challenge. Two alternative approaches for this problem, both of which promise different advantages and drawbacks, are investigated and evaluated in this thesis. The first and more common approach pursues coupling of several simulation tools as part of a co-simulation. This is compared to a novel approach that uses a formal model description based on DEVS (Discrete Event System Specification). Two comprehensive case studies in the context of interdisciplinary simulation of production facilities for energy efficiency investigations are implemented to demonstrate both modeling approaches in practical application. Both case study models include discrete as well as continuous aspects, reflecting components for production equipment, energy system, building services and the building hull. For implementation, modern state-of-the-art simulation tools from research literature are employed: BCVTB (Building Controls Virtual Test Bed) provides a middleware solution for co-simulation, while the MatlabDEVS Toolbox implements a hybrid DEVS simulator. Based on the case studies, relevant modeling aspects are examined and compared how these can be implemented using co-simulation and the DEVS-based approach, such as modeling of discrete persistent entities, communication between components and handling of differential equations. A subsequent evaluation provides a direct comparison of both approaches with regard to relevant criteria derived from state-of-the-art literature, including reusability of model components, modularity, support of simulation algorithms and overall modeling effort. Compared to co-simulation, the DEVS-based approach is able to provide integration of continuous and discrete modeling aspects not just on the data level, but also on the modeling level, which entails several major benefits for model development, including improved modularity of hybrid components, model maintainability and ultimately better reusability. However, DEVS-based modeling currently lacks support for high-level specialized modeling features, thus requiring more effort from model developers for initial implementation.