Die IEC 62559 Use Case-Methodik und das SGAM Framework sind etablierte Methoden des Requirements Engineering in energiebezogenen Forschungs- und Entwicklungsprojekten zur Beschreibung komplexer Systemlandschaften. Unterschiedliche Interpretationen des betrachteten Systems durch heterogene Stakeholder können bei der Erstellung von Use Case- Beschreibungen und SGAM-Modellen zu Fehlern führen, die in späteren Projektphasen erhebliche Kosten verursachen. Diese Dissertation untersucht daher den Einsatz intelligenter Systeme zur Unterstützung dieser Methoden mit dem Ziel, die Qualität der Artefakte zu erhöhen, den Erstellungsprozess zu vereinfachen und ein gemeinsames Systemverständnis zu fördern. Im Rahmen der Design Science Research Methodology werden KI-basierte Prototypen entwickelt. Hierzu werden Qualitätseigenschaften und Metriken entwickelt und im Rahmen einer randomisierten Kontrollgruppenstudie eingesetzt. Die Ergebnisse leisten einen Beitrag zur effizienteren Entwicklung zuverlässiger und interoperabler Smart Grid-Lösungen sowie zur Weiterentwicklung der toolgestützten Modellierung.
The IEC 62559 use case methodology and the SGAM framework are established requirements engineering methods in energy-related research and development projects for describing complex system landscapes. Divergent interpretations of the system under consideration by heterogeneous stakeholders can lead to errors in use case descriptions and SGAM models, which may result in significant costs in later project phases. This dissertation therefore investigates the use of intelligent systems to support these methods, aiming to improve artifact quality, simplify the creation process, and foster a shared understanding of the system. Within the Design Science Research Methodology, AI-based prototypes are developed. To this end, quality attributes and metrics are defined and applied in a randomized controlled study. The results contribute to a more efficient development of reliable and interoperable smart grid solutions as well as to the advancement of tool-supported modeling.
Intelligent Information Systems 1st ed. 2024. Cham : Springer Nature Switzerland, 2024 (2024), Seite 38-46 1 Online-Ressource(X, 168 p. 52 illus., 43 illus. in color.)
Seit den 1960er-Jahren wird an der Optimierung von Fabriklayouts geforscht. Gängige Praxis ist die iterative Neuanordnung von Fabrikeinheiten, da Algorithmen als ungeeignet zur Ermittlung realistischer Lösungen gelten. Diese Dissertation widmet sich dem Einsatz von künstlicher Intelligenz zur Layoutoptimierung. Ein wesentlicher Ansatzpunkt ist die simulationsbasierte Bewertung von Layouts, die sowohl einen maßgebenden als auch limitierenden Faktor darstellt. Maßgebend durch die Definition der Randbedingungen und limitierend aufgrund des Bedarfs an Rechenkapazitäten. Diese Arbeit trägt zur Forschung durch die Konzeptionierung einer KI-Architektur bei, die Layouts mit einer vergleichbaren Güte wie eine Simulation bewerten kann. Dies gelingt durch die Kombination eines faltenden neuronalen Netzwerks zur Verarbeitung beliebiger Layouts in Bildform mit einem mehrschichtigen Perzeptron zur Wissensextraktion aus tabellarischen Daten.
Since the 1960s, research has been conducted to optimize factory layouts. Iterative rearrangement of factory units remains common, as algorithms are deemed unsuitable for generating realistic solutions. This dissertation explores the use of artificial intelligence (AI) in factory layout optimization, aiming to enhance the applicability of existing methods while reducing computational demands. A key focus lies on the simulation-based evaluation of layouts, which is both a determining and limiting factor - determining due to the definition of constraints and limiting due to the computational resources required. This research contributes to the field by developing an AI architecture capable of evaluating layouts with quality comparable to simulation. The architecture combines a convolutional neural network for processing arbitrary layouts in image form and a multilayer perceptron for extracting knowledge from tabular information.
Seit den 1960er-Jahren wird an der Optimierung von Fabriklayouts geforscht. Gängige Praxis ist die iterative Neuanordnung von Fabrikeinheiten, da Algorithmen als ungeeignet zur Ermittlung realistischer Lösungen gelten. Diese Dissertation widmet sich dem Einsatz von künstlicher Intelligenz zur Layoutoptimierung. Ein wesentlicher Ansatzpunkt ist die simulationsbasierte Bewertung von Layouts, die sowohl einen maßgebenden als auch limitierenden Faktor darstellt. Maßgebend durch die Definition der Randbedingungen und limitierend aufgrund des Bedarfs an Rechenkapazitäten. Diese Arbeit trägt zur Forschung durch die Konzeptionierung einer KI-Architektur bei, die Layouts mit einer vergleichbaren Güte wie eine Simulation bewerten kann. Dies gelingt durch die Kombination eines faltenden neuronalen Netzwerks zur Verarbeitung beliebiger Layouts in Bildform mit einem mehrschichtigen Perzeptron zur Wissensextraktion aus tabellarischen Daten.
Since the 1960s, research has been conducted to optimize factory layouts. Iterative rearrangement of factory units remains common, as algorithms are deemed unsuitable for generating realistic solutions. This dissertation explores the use of artificial intelligence (AI) in factory layout optimization, aiming to enhance the applicability of existing methods while reducing computational demands. A key focus lies on the simulation-based evaluation of layouts, which is both a determining and limiting factor - determining due to the definition of constraints and limiting due to the computational resources required. This research contributes to the field by developing an AI architecture capable of evaluating layouts with quality comparable to simulation. The architecture combines a convolutional neural network for processing arbitrary layouts in image form and a multilayer perceptron for extracting knowledge from tabular information.
Diese Arbeit untersucht die Forschungsfrage, wie sozialwissenschaftliche Primärforschung zu Akzeptanz und Nutzung von Mobilitätsangeboten mit einem entsprechend zu entwickelnden Mobilitätssimulationssystem unterstützt werden kann. Nach der Analyse des Stands der Technik werden Anforderungen an das zu entwickelnde Mobilitätssimulationssystem erhoben und ein entsprechendes Konzept erstellt. Dazu wird auf Grundlage verkehrsplanerischer, technisch-informatischer sowie sozialwissenschaftlicher Ansätze eine agentenbasierte Architektur als Simulationsmodell formuliert und ein auf Fuzzyinferenz basierendes generisches Inferenzmodell für das nutzenbasierte Entscheidungsverhalten der Agenten entwickelt. Das Mobilitätssimulationssystem wird prototypisch als Multiagentensystem implementiert und hinsichtlich der Forschungsfrage evaluiert. Es kann gezeigt werden, dass der Prototyp zur Simulation von Akzeptanz und Nutzung von Mobilitätsangeboten geeignet ist und eingesetzt werden kann.
This thesis investigates the research question of how socio-scientific field research on acceptance and use of mobility services can be supported with an accordingly developed mobility simulation system.After the analysis of the state of the art, requirements for the mobility simulation system to be developed are determined and a corresponding concept is developed. For this purpose and based on fundamentals from traffic planning, computer science and the social sciences, an agent-based architecture to be used as the simulation model is formulated and a generic inference model based on fuzzy inference to be used for the utility-based decision making of the agents is developed. A prototype of the mobility simulation system is implemented and evaluated with regard to the research question.It can be shown that the prototype is suitable and can be used to simulate the acceptance and use of mobility services.
