Modulbeschreibung

Leitidee: Das Modul "Modeling and Simulation" (MOSIM) zielt darauf ab, Studierenden ein Verständnis von (u.a. simulierbaren) Modellen und Modellierungsprozessen zu vermitteln. Aufbauend auf mathematischen und programmiertechnischen Grundlagen werden die Studierenden befähigt, mithilfe geeigneter Modelle, anwendungsbezogene Fragestellungen qualitativ u./o. quantiativ zu untersuchen und geeignete Lösungsvorschläge abzuleiten.
 
Ausbildungsziel: Ziel des Moduls ist es, Studierende in die Lage zu versetzen, reale Systeme (im unternehmerischen Kontext) durch geeignete Modelle zu beschreiben und diese im gegebenen Kontext sinnstiftend anzuwenden. Dies umfasst die Wahl einer (zur Fragestellung passenden) Modellierungs-Methode, die Anwendung eines zielgerichteten Modellierungsprozesses (= Modellierungskreislauf inkl. Modell-Validierung) sowie die Erarbeitung von (zur Fragestellung passenden) Lösungsvorschlägen. 

 

Vision: Studierende werden zu kompetenten "Modellierern / Modelliererinnen" ausgebelidet, die sowohl die theoretischen als auch die praktischen Aspekte des Modellierens beherrschen und in der Lage sind, diese Fähigkeiten in verschiedenen beruflichen Kontexten anzuwenden. Die Studierenden haben ein Bewusstsein dafür, was Modelle leisten können / sollen - und was nicht. Dadurch sind sie in der Lage, die iterative Natur eines Modellierungsprozess anzuerkennen und den eigenen Modellierungsprozess stets kritisch zu hinterfragen. 

Rapperswil-Jona, St. Gallen (Standard)

Workload [h]

Vorlesung: 28

Übungen: 28

Selbststudium: 64

Total: 120  

Note von 1 - 6

Schriftliche Prüfung, 60 Minuten

Projektarbeit

40% Projektarbeit

60% schriftliche Prüfung während der Prüfungssession

Schriftliche Prüfung:

60 Minuten, Gewichtung 60%

 

Erlaubte Hilfsmittel:

• eigene Zusammenfassung auf 1 A4 Blatt, beidseitig beschrieben
• Taschenrechner (keine kommunikationsfähigen Geräte)

 

 

Projektarbeit:

Gewichtung 40%

Fachkompetenzen

Die Teilnehmenden:

• können Systeme analysieren und modellieren
• können mit Modellen experimentieren und Szenario-Analysen und/oder Optimierungen durchführen
• können Simulationsergebnisse statistisch untersuchen, auswerten und interpretieren

 

Methodenkompetenzen

Die Teilnehmenden:

• kennen die Vor- und Nachteile der wichtigsten Modellierungs- und Simulationsparadigmen und können für eine konkrete Aufgabenstellung eine passende Modellklasse bestimmen
• können Modelle validieren

Selbstkompetenzen

Die Teilnehmenden:

• können Aufwand, Kosten und Nutzen von Simulationen einschätzen
• können die eigenen Stärken und Schwächen im Simulationsprozess erkennen

 

Sozialkompetenzen 

Die Teilnehmenden:

• können im Rahmen der Projektarbeit effektiv zusammenarbeiten
• können durch gezieltes Nachfragen aus unvollständigen Angaben und vagen Zielvorstellungen eine adäquate Aufgabenstellung herleiten

Teil1 - Einführung: 
- Problemstellungen realer Systeme (Dynamik, Stochastik, Korrelation & Abhängigkeiten, ...)
- Modellandschaft (Übersicht & ggf. Klassifizierung von Modellierungs- & Simulations-Methoden)

 

Teil2 - Zentrale Wissensstruktur des Moduls:
- Modellierungskreislauf mit Fokus auf: 
  --> Problemverständnis & -definition (ggf. P'HAPI-Modell?) 
  --> System- bzw. Modellgrenzen ("Was muss wirklich modelliert/simuliert werden?")
  --> Effektive Modellierung (Abstraktion +  "Daten auf das richtige Format bringen" )
  --> Validierung (kritisches Hinterfragen) 
  --> Simulation / Anwendung des Modells (Szenarien-Analyse)
  --> Darlegung von Erkenntnissen (Ergebnisvisualisierung) 

 

Teil3 - Anwendung der Wissensstruktur in verschiedenen Modellierungs-Kontexten:

1. Simulationsmodelle (White Box - theoriegeleitet) : 
   - Diskrete Ereignissimulation (quantiativ, mit Programmieren)
   - AgentBasedSimulation (qualitativ für Abgrenzung zu DES)
   - Systemdynamik (qualitativ für Abgrenzung zu DES)
   - ... 
2. Mathematische Modelle (White Box - theoriegeleitet): 
   - Formeln & Gleichungssysteme (z.B. EOQ-Modell) 
   - Taylor 
   - LP/ILP 
   - MonteCarlo (Probability Calculus)  
   - ...
3. Datenbasierte/statistische Modelle (Black Box): 
   - Regression
   - DecisionTrees 
   - Classification 
   - ... 
4. Physikalische Modelle 
   - ... 

 

Teil4 - Projektarbeit (individuell / ggf. in 2er Gruppen)

 

Pflichtliteratur wie Skript, Bücher

• Folienskript
• Zusammengestellte Unterlagen

 

Weiterführende Literatur (Empfehlung an Studierende) 

• Hedtstück, U. (2013). Simulation diskreter Prozesse: Methoden und Anwendungen; Springer. ISBN 978-3-642-34871-6
• Duda, R., Hart, P., Stork, E. (2000). Pattern Classification; Wiley & Sons. ISBN 978-0-471-05669-0