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!

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