Sprungmarken

Servicenavigation

Hauptnavigation

Sie sind hier:

Hauptinhalt

Abschlussarbeiten

aus dem Bereich "Modellierung und Simulation":

Im folgenden werden mehrere Themen stichwortartig skizziert. Eine genauere Festlegung der Inhalte erfolgt nach Absprache mit dem Ansprechpartner/Betreuer.
Bei vielen Themen ist es sinnvoll die Vorlesung Modellgestützte Analyse und Optimierung gehört zu haben!

Für Themen aus dem Bereich Rechnernetze und verteilte Systeme

Wenden Sie sich bitte an bzw. schauen auf dieser Webseite.

Robotik/ Simulation/ Digitaler Zwilling

Abschlussarbeiten im Forschungsbereich von Herrn Puzicha finden Sie auf der Projektwebseite.

Verteilungen/Prozesse


1 Sammlung von Traces (Bachelorarbeit; Ansprechpartner: Dr. Bause)
   • Sammlung von Traces aus Internetquellen mit Schwerpunkt auf Performance-relevanten Daten.
   • Festlegung eines Standardformats inkl. Konvertierungstools zur Nutzung in anderen Tools.
   • Fitten der Verteilung/Prozess mit ein bis zwei Verfahren aus ProFiDo.
   • Klassifizierung/Einschätzung der Traces aus Sammlung in leicht/mittel/schwer zu ”fittende” Traces.


2 Analyse der Anpassungsgüte in ProFiDo (Masterarbeit; Ansprechpartner: Prof. Dr. Buchholz)
   • Graphische Darstellung der Anpassungsgüte theoretischer Verteilungen an empirische Daten durch QQ-, PP- oder Box-Plots.
   • Integration von Anpassungstest wie χ2 -, KS- oder AD-Test.
   • Falls möglich Nutzung von Standardsoftware wie R oder Python-Bibliotheken zur Realsierung der Komponenten.
   • Unterstützung bei der vergleichenden Bewertung mehrerer angepasster Verteilungen.

3 Untersuchung von Korrelationen in Fehlertraces und ihrer Modellierung durch MAPs (Masterarbeit; Ansprechpartner: Prof. Dr. Buchholz)
   • Analyse von Fehlertraces auf inhomogene und korrelierte Ausfallzeiten.
   • Visualisierung der Abhängigkeiten.
   • Anpassung von MAPs an die Daten mit Hilfe von ProFiDo.
   • Test der Anpassungsgüte.

4 Methoden zur Parameterschätzung von Standardverteilungen und ihre Integration in ProFiDo (Bachelorarbeit; Ansprechpartner: Prof. Dr. Buchholz)
   • Implementierung der ML-Schätzer für Standardverteilungen aus Law [1].
   • Bestimmung der Verteilungsparameter anhand ausgewählter Traces.
   • Vergleich verschiedener Verteilungen untereinander und mit angepassten Phasenverteilungen auf Basis ausgewählter Kennzahlen (Momente, Quantile, Histogramme).

     [1] A. Law, W. Kelton. Simulation modeling and analysis. 5th ed., McGraw Hill, 2014.

5 Erweiterung eines Brute Force-Ansatzes zum Fitten von Verteilungen (Masterarbeit; Dr. Bause)

   • Fitting-Methode aus [1] erweitern auf Mischungen von allgemeinen Verteilungen  (z.B. Normalverteilungen, deterministische Verteilungen etc.)
   •  Integration der Implementation in die Softwareumgebung ProFiDo
   • experimentelle Bewertung der Erweiterung

       [1] F. Bause. An Efficient Brute Force Approach to Fit Finite Mixture Distributions. In: Hermanns H. (eds) Measurement, Modelling and Evaluation of Computing Systems. MMB 2020.
            Lecture Notes in Computer Science, vol 12040. Springer, Cham, 2020, pp. 208--224.

6 Erweiterung eines Brute Force-Ansatzes zum Fitten von Normalverteilungen (Bachelorarbeit; Dr. Bause)

   • Fitting-Methode aus [1] erweitern auf Mischungen von Normalverteilungen
   • experimentelle Bewertung der Erweiterung

     [1] F. Bause. An Efficient Brute Force Approach to Fit Finite Mixture Distributions. In: Hermanns H. (eds) Measurement, Modelling and Evaluation of Computing Systems. MMB 2020.
           Lecture Notes in Computer Science, vol 12040. Springer, Cham, 2020, pp. 208--224.


Analytische/Numerische Modelle/Verfahren


7 M/M/1 oder G/G/1 Resultate (Bachelorarbeit; Ansprechpartner: Dr. Bause)
   • umfassende Darstellung der Resultate aus der Literatur. Die Resultate sollten neben stationären auch transiente Ergebnisse beinhalten.
   • Tool zur M/M/1 od. G/G/1-Analyse erstellen, welches alle theoretischen Resultate anzeigt bzw. visualisiert.


8 Analyse von M/M/1 Modellen mit Korrelation (Bachelorarbeit, Ansprechpartner: Prof. Buchholz)
    •  Vorstellung des M/M/1 System und der Berechnung von Leistungsgrößen für dieses Modell  (siehe z.B. https://www.win.tue.nl/~iadan/que/h4.pdf)
    •  Einführung von Korrelationen in den Ankunfts- und Bedienprozessen und zwischen Ankunfts- und Bedienprozessen, wie in [1,2,3] beschrieben.
    •  Experimentelle Analyse des Einflusses der verschiedenen Möglichkeiten von Korrelation auf die Leistungsgrößen des Systems.

[1]       Miron Livny, Benjamin Melamed, Athanassios K. Tsiolis: The Impact of Autocorrelation on Queuing Systems. Management Science , Mar., 1993, Vol. 39, No. 3 (Mar., 1993), pp. 322-339.

[2]       Peter Buchholz. On the Representation of Correlated Exponential Distributions by Phase Type Distributions. arXiv 2021 (https://arxiv.org/abs/2108.12223).

[3]       Peter Buchholz, Jan Kriege: Fitting correlated arrival and service times and related queueing performance. Queueing Syst. Theory Appl. 85(3-4): 337-359 (2017)


9 Schrankenberechnung für Concurrent MDPs (Masterarbeit; Ansprechpartner: Prof. Dr. Buchholz)
    • Vorstellung der Modelle aus [1] und [2].
    • Beschreibung deterministischer und zyklischer Politiken für CMDPs.
    • Berechnung von Schranken für deterministische stationäre Politiken mit Hilfe von ILPs und Schnittebenen (als Erweiterung des Ansatzes aus [1]).

      [1] P. Buchholz, D. Scheftelowitsch Computation of weighted sums of rewards for concurrent MDPs. Math. Meth. of OR 89(1): 1-42 (2019).

      [2] Lauren N. Steimle, David L. Kaufman, Brian T. Denton. Multi-model Markov Decision Processes Under revision, available at http://www.optimization-online.org/DB HTML/2018/01/6434.html

Simulation


10  Generierung von stochastischen Eingabedaten mit generativen neuronalen Netzen (Bachelor/Masterarbeit Ansprechpartner: Prof. Buchholz)

    •  Einarbeitung in den NIM (Neural Input Modeling) Ansatz aus [1,2]) und Beschreibung der zugrundeliegenden Methode
    •  Umsetzung des Ansatzes in Python [3] (für unabhängig identisch verteilte Daten im Rahmen einer Bachelorarbeit, für Zeitreihen im Rahmen einer Masterarbeit)
    •  Experimentelle Evaluierung des Ansatzes

[1]       Wang Cen, Emily A. Herbert, Peter J. Haas: NIM: Modeling and Generation of Simulation Inputs Via Generative Neural Networks. WSC 2020: 584-595.

[2]       Carl Doersch: Tutorial on Variational Autoencoders. CoRR abs/1606.05908 (2016)

[3]       https://keras.io


  
11 Ansätze zum Screening von Parametern in Simulationsstudien (Masterarbeit; Ansprechpartner: Prof. Dr. Buchholz)
      • Vorstellung von Ansätzen zum Faktorscreening aus der Literatur [1,2,3].
      • Implementierung der Verfahren in C++ oder Java zur Nutzung in Kombination mit einem Simulationswerkzeug (z.B. OMNeT++, AnyLogic).
      • Empirische Bewertung der Verfahren anhand einiger Beispielmodelle.

      [1] Russell C. H. Cheng. Searching for Important Factors: Sequential Bifurcation under Uncertainty. Winter Simulation Conference 1997: 275-280.

      [2] Hong Wan, Bruce E. Ankenman, Barry L. Nelson. Controlled Sequential Bifurcation: A New Factor-Screening Method for Discrete-Event Simulation. Operations Research 54(4): 743-755 (2006).

      [3] Reza Yaesoubi, Stephen D. Roberts, Robert W. Klein. A modification of Cheng’S method: An alternative Factor Screening method for stochastic simulation models. Winter Simulation Conference 2010: 1034-1047.


Auswertung


12 Bestimmung von Konfidenzintervallen für Quantile in stochastischen Simulationsmodellen (Bachelorarbeit Ansprechpartner: Prof. Buchholz)

      •  Einarbeitung in die Methodik zur Berechnung von Konfidenzintervallen für Quantile [1,2,3,4] und Beschreibung der zugehörigen Methoden
      •  Prototypische Implementierung der Verfahren
      •  Experimentelle Evaluierung der Ansätze

[1]       A. M. Law. Simulation, Modeling and Analysis. Mc Graw Hill 2015.

[2]       Johann Christoph Strelen: The Accuracy of a New Confidence Interval Method. WSC 2004: 654-662

[3]       Johann Christoph Strelen: A New Confidence Interval Method for the Estimation of Quantiles. Proceedings of the 5th St. Petersburg Workshop on Simulation, pages 677-682, St. Petersburg, Rußland, 2005  (https://net.cs.uni-bonn.de/fileadmin/ag/strelen/staff/strelen/publikationen/5xStP.pdf

[4]       Mirko Eickhoff: Steady-state quantile estimation. MMB 2006: 155-172

13 Bootstrapping Ansätze zur Bestimmung von Konfidenzbändern für Verteilungsfunktionen (Bachelorarbeit; Ansprechpartner: Prof. Dr. Buchholz)
      • Vorstellung des Bootstrapping-Ansatzes zzur Bestimmung von Konfidenzbändern von Verteilungsfunktionen (z.B. der Verweilzeit in einem System) [1,2].
      • Implementierung der Verfahren im Kontext von OMNeT++.
      • Empirische Bewertung der Konfidenzbänder auf Basis einfacher Beispiele.

       [1] Russell C. H. Cheng. Bootstrapping simultaneous confidence bands. Winter Simulation Conference 2005: 240-247.

       [2] Russell Cheng. Bootstrap confidence bands and goodness-of-fit tests in simulation input/output modelling. Winter Simulation Conference 2015: 16-30.


Tools


14 Realisierung von Analyse des Network oder SLA Calculus in Python (Bachelorarbeit/Masterarbeit Ansprechpartner Prof. Buchholz)

      •  Einarbeitung in die Basisoperationen des Network und SLA Calculus [1,2] sowie deren effizienten Implementierung [3,4] und Beschreibung der Algorithmen
      •  Prototypische Implementierung der Basisfunktionen in Python (die zu realisierenden Funktionen werden danach ausgewählt, ob es sich um eine Bachelor- oder Masterarbeit handelt)
      •  Experimentelle Bewertung der Python-Implementierungen mit vorhandenen Matlab Implementierungen

[1]       Jean-Yves Le Boudec, Patrick Thiran: Network Calculus: A Theory of Deterministic Queuing Systems for the Internet. Lecture Notes in Computer Science 2050, Springer 2001, ISBN 3-540-42184-X.

[2]       Peter Buchholz, Sebastian Vastag: Toward an analytical method for SLA validation. Softw. Syst. Model. 17(2): 527-545 (2018)
(http://ls4-www.cs.tu-dortmund.de/download/buchholz/sla.pdf)

[3]       Anne Bouillard Marc Boyer Euriell Le Corronc: Deterministic Network Calculus - From Theory to Practical Implementation. Wiley 2018
(in der UniBib als elektronisches Buch verfügbar)

[4]       Kai Lampka, Steffen Bondorf, Jens B. Schmitt, Nan Guan, Wang Yi: Generalized finitary real-time calculus. INFOCOM 2017: 1-9
(https://disco.cs.uni-kl.de/discofiles/publicationsfiles/LBSGY17.pdf)


15 SLA-Tool : Validierung/Vergleich mit Simulation (Bachelorarbeit; Ansprechpartner: Dr. Bause)
      • Validierung: Werden die Grenzen eingehalten?
      • Vergleich: Wie ”brauchbar” sind die Grenzen in der Praxis?
      • ”typische” kleinere Modelle verwenden, hierzu Literatursichtung.
       • Einschätzung der Abbildbarkeit bzw. approximativen Darstellung der Modelle in SLA.


16 Realisierung von Analysealgorithmen für PH-Graphen in Python (Bachelorarbeit/Masterarbeit; Ansprechpartner: Prof. Dr. Buchholz)
      • Einführung in PH-Graphen und deren Analyse [1].
      • Realisierung einiger Algorithmen zur Bestimmung kürzester Wege in PH-Graphen [1,2] in Python
      • Vergleich der Python-Implementierung mit der vorhandenen MATLAB-Implementierung

        [1] Peter Buchholz, Iryna Felko. PH-graphs for analyzing shortest path problems with correlated traveling times. Computers & OR 59: 51-65 (2015).

        [2] Peter Buchholz, Iryna Dohndorf. Optimal Decisions in Stochastic Graphs with UNcorrelated and Correlated Edge Weights.


Parallelisierung


17 Parallelisierung iterativer Lösungsalgorithmen für Markov Ketten mit OpenMP (Masterarbeit; Ansprechpartner: Prof. Dr. Buchholz)
      • Untersuchung von Parallelisierungsstrategien für Vektor-Matrix-Multiplikationen und weitere Basisoperationen iterativer Lösungsmethoden.
      • Prototypische Implementierung der Verfahren im Kontext von USENUM auf Mehrkernprozessoren.
      • Vergleich sequentieller und paralleler Implementierung anhand ausgesuchter Beispielmodelle.


18 GPU-Implementierung von Operationen auf HTDs (Masterarbeit; Ansprechpartner: Prof. Dr. Buchholz)
      • Beschreibung der hierarchsichen Tucker Dekomposition und der zugehörigen Operationen [2].
      • Parallelisierung der C-Implementierung aus [1] mit Hilfe von CUDA.
      • Vergleich sequentieller und GPU-Implementierung.

        [1] Peter Buchholz, Tugrul Dayar, Jan Kriege, M. Can Orhan. On compact solution vectors in Kronecker-based Markovian analysis. Perform. Eval. 115: 132-149 (2017).

        [2] Daniel Kressner, Christine Tobler. Algorithm 941: htucker - A Matlab Toolbox for Tensors in Hierarchical Tucker Format. ACM Trans. Math. Softw. 40(3): 22:1-22:22 (2014).



Weitere Themen: (Ansprechpartnerin: Frau Schumacher)

BA/MA: Literatur- und Marktanalyse zu Maschinenbelegungsplanungssoftware
BA: Literaturanalyse zu Hyperheuristiken in der Maschinenbelegungsplanung
BA: Implementierung von Iterated Local Search und Variable Neighborhood Search für die Maschinenbelegungsplanung eines Automobilzulieferers
MA: Entwicklung einer Hyperheuristik auf Basis implementierter Heuristiken der Maschinenbelegungsplanung für einen Automobilzulieferer
BA: Darstellung der Ergebnisse einer existierenden Schedulingsoftware in html-basierten Gantt Charts sowie Erweiterung von Auswertungsmöglichkeiten mit JavaFX
BA/MA: Stochastische Optimierung der Auslastung der Logistikmittel in einem Produktionsprozess eines Automobilzulieferers