It is widely recognised that information and communication technologies development is a risky activity. Despite the advances in software engineering, many software development projects fail to satisfy the clients' needs, to deliver on time or to stay within budget. Among the various factors that are considered to cause failure, an inadequate requirements practice stands out. Model-driven development is a relatively recent paradigm with the potential to solve some of the dragging problems of software development. Models play a paramount role in model-driven development: several modelling layers allow defining views of the system under construction at different abstraction levels, and model transformations facilitate the transition from one layer to the other. However, how to effectively integrate requirements engineering within model-driven development is still an open research challenge. This thesis integrates Communication Analysis, a communication-oriented business process modelling and requirements engineering method for information systems development, and the OO Method, an object-oriented model-driven software development method provides automatic software generation from conceptual models. We first provide a detailed specification of Communication Analysis intended to facilitate the integration; among other improvements to the method, we build an ontology-based set of concept definitions in which to ground the method, we provide precise methodological guidelines, we create a metamodel for the modelling languages included in the method, and we provide tools to support the creation of Communication Analysis requirements models. Then we perform the integration by providing a technique to systematically derive OO-Method conceptual models from Communication Analysis requirements models. The derivation technique is offered in two flavours: a set of rules to be manually applied by a human analyst, and an ATL model transformation that automates this task. / España Cubillo, S. (2011). METHODOLOGICAL INTEGRATION OF COMMUNICATION ANALYSIS INTO A MODEL-DRIVEN SOFTWARE DEVELOPMENT FRAMEWORK [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/14572

XML (eXtensible Markup Language)已經快速成為網際網路上資料交換的標準，其架構適合用來描述複雜的資料結構並提供XML文件驗證的機制。要交換XML文件，就必須使用綱要語言來制定XML語彙，因而由此衍生出XML綱要設計之問題。在本篇研究中，將研究UML資料模型與XML綱要之間轉換的議題並發展一個可進行雙向轉換的模型。此轉換模型包含二部份，一是從UML資料模型結構轉換為XML綱要結構，一是從XML綱要結構反向轉換為UML資料模型結構；這二個模型將分別探討XML DTD (Data Type Definition)及 W3C XML Schema二個主題，將這二個子模型分別從語法及語意轉換之層面切入進行一連串結構轉換規則之延伸及建立。在XML綱要結構反向轉換為UML資料模型結構之模型中亦包含二個子模型，分別由XML綱要結構建立轉換之規則。我們建立此轉換模型之目的在於使UML資料模型結構及XML綱要結構間之轉換方法更為明確、簡單及容易使用，並透過系統實作來驗證其可行性。 / The (eXtensible Markup Language) XML is fast becoming the standard data exchange across the Internet. It is suitable to describe complex-structured data. It also provides a validation mechanism to validate vocabulary used in the XML document. In order to exchange XML document, XML vocabulary needs to be defined. As a result spread out the issues of XML schema design from here. In the research, UML data model and XML schema transformation issue have been studied to develop a bi-directional mapping and transformation model. We design the bidirectional mapping and transformation model in two parts. One is from UML data model to XML schema; another is from XML Schema to UML data model. Each part has two explored subject, including XML DTD (Data Type Definition) and W3C XML Schema. We develop a sequence of transformation rules from the viewpoints of syntactic and semantic transformation. These are also two parts in the transformation model of mapping from XML schema to UML data model. We develop transformation rules from the viewpoints of generic XML constructs step by step. We build up the transformation model to make transformation method more generic, genuine, systematic, explicit, simple and easy to use. Besides, we implement a transformation editor to validate the bi-directional transformation model.

La stratégie de l’Union Européenne pour atteindre les objectifs climatiques, est d’augmenter progressivement la part d’énergies renouvelables dans le mix énergétique et d’utiliser l’énergie plus efficacement de la production à la consommation finale. Cela implique de mesurer les performances énergétiques du bâtiment et des systèmes associés, indépendamment des conditions climatiques et de l’usage, pour fournir des solutions efficaces et adaptées de rénovation. Cela implique également de connaître la demande énergétique pour anticiper la production et le stockage d’énergie (mécanismes de demande et réponse). L’estimation des besoins énergétiques et des performances énergétiques des bâtiments ont un verrou scientifique commun : l’identification expérimentale d’un modèle physique du comportement intrinsèque du bâtiment. Les modèles boîte grise, déterminés d’après des lois physiques et les modèles boîte noire, déterminés heuristiquement, peuvent représenter un même système physique. Des relations entre les paramètres physiques et heuristiques existent si la structure de la boîte noire est choisie de sorte qu’elle corresponde à la structure physique. Pour trouver la meilleure représentation, nous proposons d’utiliser, des simulations de Monte Carlo pour analyser la propagation des erreurs dans les différentes transformations de modèle et, une méthode de priorisation pour classer l’influence des paramètres. Les résultats obtenus indiquent qu’il est préférable d’identifier les paramètres physiques. Néanmoins, les informations physiques, déterminées depuis l’estimation des paramètres, sont fiables si la structure est inversible et si la quantité d’information dans les données est suffisante. Nous montrons comment une structure de modèle identifiable peut être choisie, notamment grâce au profil de vraisemblance. L’identification expérimentale comporte trois phases : la sélection, la calibration et la validation du modèle. Ces trois phases sont détaillées dans le cas d’une expérimentation d’une maison réelle en utilisant une approche fréquentiste et Bayésienne. Plus précisément, nous proposons une méthode efficace de calibration Bayésienne pour estimer la distribution postérieure des paramètres et ainsi réaliser des simulations en tenant compte de toute les incertitudes, ce qui représente un atout pour le contrôle prédictif. Nous avons également étudié les capacités des méthodes séquentielles de Monte Carlo pour estimer simultanément les états et les paramètres d’un système. Une adaptation de la méthode de prédiction d’erreur récursive, dans une stratégie séquentielle de Monte Carlo, est proposée et comparée à une méthode de la littérature. Les méthodes séquentielles peuvent être utilisées pour identifier un premier modèle et fournir des informations sur la structure du modèle sélectionnée pendant que les données sont collectées. Par la suite, le modèle peut être amélioré si besoin, en utilisant le jeu de données et une méthode itérative. / The European Union strategy for achieving the climate targets, is to progressively increase the share of renewable energy in the energy mix and to use the energy more efficiently from production to final consumption. It requires to measure the energy performance of buildings and associated systems, independently of weather conditions and user behavior, to provide efficient and adapted retrofitting solutions. It also requires to known the energy demand to anticipate the energy production and storage (demand response). The estimation of building energy demand and the estimation of energy performance of buildings have a common scientific: the experimental identification of the physical model of the building’s intrinsic behavior. Grey box models, determined from first principles, and black box models, determined heuristically, can describe the same physical process. Relations between the physical and mathematical parameters exist if the black box structure is chosen such that it matches the physical ones. To find the best model representation, we propose to use, Monte Carlo simulations for analyzing the propagation of errors in the different model transformations, and factor prioritization, for ranking the parameters according to their influence. The obtained results show that identifying the parameters on the state-space representation is a better choice. Nonetheless, physical information determined from the estimated parameters, are reliable if the model structure is invertible and the data are informative enough. We show how an identifiable model structure can be chosen, especially thanks to profile likelihood. Experimental identification consists of three phases: model selection, identification and validation. These three phases are detailed on a real house experiment by using a frequentist and Bayesian framework. More specifically, we proposed an efficient Bayesian calibration to estimate the parameter posterior distributions, which allows to simulate by taking all the uncertainties into account, which is suitable for model predictive control. We have also studied the capabilities of sequential Monte Carlo methods for estimating simultaneously the states and parameters. An adaptation of the recursive prediction error method into a sequential Monte Carlo framework, is proposed and compared to a method from the literature. Sequential methods can be used to provide a first model fit and insights on the selected model structure while the data are collected. Afterwards, the first model fit can be refined if necessary, by using iterative methods with the batch of data.

Benutzungsschnittstellen (UIs) dienen in der Domäne der industriellen Automatisierungstechnik der Bedienung und Beobachtung technischer Prozesse. Das sogenannte Model-based User Interface Development (MBUID) stellt ein vielversprechendes Konzept zur automatischen Erzeugung solcher UIs dar. Allerdings erfordert die Umsetzung dieses Konzeptes für einen spezifischen Anwendungsfall jeweils die Entwicklung einer oder mehrerer Modell-zu-Modell-Transformationen (M2M). Hierbei handelt es sich unter Verwendung aktueller Ansätze für Transformations-Frameworks um einen aufwändigen, fehleranfälligen und daher kostenintensiven Prozess. Dies gilt vor allem für Entwickler ohne tiefgreifendes Wissen über modellbasierte Technologien und kann unter Umständen sogar die durch die MBUID propagierten Vorteile aufwiegen. Zur Erleichterung des Prozesses der Entwicklung von Modelltransformationen schlägt diese Arbeit eine spezielle Methodik sowie deren prototypische Implementierung in Form des PAMTraM-Frameworks vor. Die Methodik greift dabei die speziellen Rahmenbedingungen bei der UI-Entwicklung in der Domäne der industriellen Automatisierungstechnik auf und basiert auf drei Hauptkonzepten: Die Basis stellt die Konfiguration von M2M-Transformationen in mehrdeutigen, bedingten Abbildungsmodellen dar. Diese Abbildungsmodelle beschreiben dabei lediglich Zuordnungen zwischen Elementen der Quell- und Ziel-UI-Beschreibungssprache einer durchzuführenden Transformation. Im Gegensatz zu existierenden Ansätzen erlaubt die entwickelte Methodik die explizite Berücksichtigung mehrdeutiger Abbildungen, die in der Domäne der UI-Entwicklung häufig auftreten. Darüber hinaus können explizite Kontextbedingungen formuliert werden, die die Notwendigkeit der Anpassung bzw. Neu-Erstellung eines Abbildungsmodells bei Vorliegen eines geänderten Nutzungskontextes (z.B. einer neuen Hardware-Plattform) verhindern. Konkrete Transformationen für ein oder mehrere Quell- und Kontextmodelle können anschließend auf Basis eines konfigurierten Abbildungsmodells durchgeführt werden. Hierzu wird ein spezieller generischer Transformations-Algorithmus vorgestellt. Dieser ist in der Lage, basierend auf einer selbstständigen Analyse der Ziel-UI-Beschreibungssprache auch unvollständige Abbildungsmodelle auszuführen. Hierdurch muss der Entwickler eines Abbildungsmodells weniger Informationen in dieses integrieren. Allerdings führt dieses Vorgehen auch dazu, dass im Rahmen der Durchführung einer Transformation an verschiedenen Stellen Mehrdeutigkeiten auftreten können. Zur Auflösung dieser Mehrdeutigkeiten stellt diese Arbeit unterschiedliche Strategien wie z.B. die Konsultation des Nutzers vor. Das dritte Hauptkonzept wird durch zwei Ansätze für sog. Higher-Order Transformations gebildet. Diese ermöglichen die teilweise semi-automatische Erstellung bzw. Vervollständigung von Abbildungsmodellen u.a. im Rahmen iterativer Entwicklungsprozesse. Dadurch wird die Entwicklung von Abbildungsmodellen weiter vereinfacht und die während einer Transformation auftretenden Mehrdeutigkeiten können schrittweise soweit notwendig reduziert werden. Ein Nachweis über die Funktionalität der entwickelten Methodik sowie deren prototypischer Implementierung erfolgt zum einen anhand repräsentativer Fallstudien aus der betrachteten Domäne und zum anderen auf Basis einer Analyse hinsichtlich allgemeiner Kriterien zur Bewertung von Transformations-Frameworks. Eine abschließende Bewertung zeigt, dass die entwickelte Methodik die speziellen Anforderungen in Bezug auf die UI-Entwicklung in der Domäne der industriellen Automatisierungstechnik erfüllt und zur Vereinfachung der Entwicklung von Modelltransformationen geeignet ist. / User Interfaces (UIs) in the domain of industrial automation serve the operation and monitoring of technical processes. The Model-based User Interface Development (MBUID) represents a promising concept for the automatic generation of such UIs. However, the realization of this concept for a specific use case requires the development of one or multiple model-to-model (M2M) transformations. Using existing transformation frameworks, this represents a complex, error-prone, and thus costly task. This applies especially to developers without deep knowledge of model-based technologies and can in some circumstances even cancel out the advantages promised by MBUID. In order to simplify the process of developing model transformations, this thesis proposes a specific methodology as well as its prototypic implementation by means of the PAMTraM framework. This methodology addresses the special underlying conditions of UI development in the domain of industrial automation and is based on three main concepts: The basis is formed by the configuration of M2M transformations in ambiguous, conditional mapping models. These only capture mappings between elements of the source and the target UI modeling language of a transformation. In contrast to existing approaches, the developed methodology explicitly takes into account the possibility for ambiguous mappings that are common in the domain of UI development. Furthermore, developers can specify explicit context conditions that prevent the necessity of a modification or redevelopment of a mapping model in case of a changed context of use (e.g. a new hardware platform). Individual transformations for one or multiple source and context models can be executed based on a configured mapping model. Therefore, a special generic transformation algorithm is presented. By autonomously analyzing the target UI modeling language, this algorithm is even capable of executing incomplete mapping models. As a result of this, the developer has to integrate less information in the mapping model. However, due to this approach, ambiguities may occur at various points during the course of a transformation. In order to be able to resolve these ambiguities, various strategies like the consultation of the user are presented in this thesis. The third main concept is formed by two approaches for higher-order transformations that allow the partial semi-automatic generation resp. completion of mapping models among others in the context of iterative development processes. This further simplifies the development of mapping models and allows for the step-wise reduction of occurring ambiguities as far as necessary. Representative case studies from the considered domain as well as an analysis with regard to general criteria for the assessment of transformation frameworks prove the functionality of the proposed methodology and its prototypical implementation. A concluding evaluation shows that the developed methodology satisfies the specific requirements concerning UI development in the domain of industrial automation and is suited to simplify the development of model transformations.

Benutzungsschnittstellen (UIs) dienen in der Domäne der industriellen Automatisierungstechnik der Bedienung und Beobachtung technischer Prozesse. Das sogenannte Model-based User Interface Development (MBUID) stellt ein vielversprechendes Konzept zur automatischen Erzeugung solcher UIs dar. Allerdings erfordert die Umsetzung dieses Konzeptes für einen spezifischen Anwendungsfall jeweils die Entwicklung einer oder mehrerer Modell-zu-Modell-Transformationen (M2M). Hierbei handelt es sich unter Verwendung aktueller Ansätze für Transformations-Frameworks um einen aufwändigen, fehleranfälligen und daher kostenintensiven Prozess. Dies gilt vor allem für Entwickler ohne tiefgreifendes Wissen über modellbasierte Technologien und kann unter Umständen sogar die durch die MBUID propagierten Vorteile aufwiegen. Zur Erleichterung des Prozesses der Entwicklung von Modelltransformationen schlägt diese Arbeit eine spezielle Methodik sowie deren prototypische Implementierung in Form des PAMTraM-Frameworks vor. Die Methodik greift dabei die speziellen Rahmenbedingungen bei der UI-Entwicklung in der Domäne der industriellen Automatisierungstechnik auf und basiert auf drei Hauptkonzepten: Die Basis stellt die Konfiguration von M2M-Transformationen in mehrdeutigen, bedingten Abbildungsmodellen dar. Diese Abbildungsmodelle beschreiben dabei lediglich Zuordnungen zwischen Elementen der Quell- und Ziel-UI-Beschreibungssprache einer durchzuführenden Transformation. Im Gegensatz zu existierenden Ansätzen erlaubt die entwickelte Methodik die explizite Berücksichtigung mehrdeutiger Abbildungen, die in der Domäne der UI-Entwicklung häufig auftreten. Darüber hinaus können explizite Kontextbedingungen formuliert werden, die die Notwendigkeit der Anpassung bzw. Neu-Erstellung eines Abbildungsmodells bei Vorliegen eines geänderten Nutzungskontextes (z.B. einer neuen Hardware-Plattform) verhindern. Konkrete Transformationen für ein oder mehrere Quell- und Kontextmodelle können anschließend auf Basis eines konfigurierten Abbildungsmodells durchgeführt werden. Hierzu wird ein spezieller generischer Transformations-Algorithmus vorgestellt. Dieser ist in der Lage, basierend auf einer selbstständigen Analyse der Ziel-UI-Beschreibungssprache auch unvollständige Abbildungsmodelle auszuführen. Hierdurch muss der Entwickler eines Abbildungsmodells weniger Informationen in dieses integrieren. Allerdings führt dieses Vorgehen auch dazu, dass im Rahmen der Durchführung einer Transformation an verschiedenen Stellen Mehrdeutigkeiten auftreten können. Zur Auflösung dieser Mehrdeutigkeiten stellt diese Arbeit unterschiedliche Strategien wie z.B. die Konsultation des Nutzers vor. Das dritte Hauptkonzept wird durch zwei Ansätze für sog. Higher-Order Transformations gebildet. Diese ermöglichen die teilweise semi-automatische Erstellung bzw. Vervollständigung von Abbildungsmodellen u.a. im Rahmen iterativer Entwicklungsprozesse. Dadurch wird die Entwicklung von Abbildungsmodellen weiter vereinfacht und die während einer Transformation auftretenden Mehrdeutigkeiten können schrittweise soweit notwendig reduziert werden. Ein Nachweis über die Funktionalität der entwickelten Methodik sowie deren prototypischer Implementierung erfolgt zum einen anhand repräsentativer Fallstudien aus der betrachteten Domäne und zum anderen auf Basis einer Analyse hinsichtlich allgemeiner Kriterien zur Bewertung von Transformations-Frameworks. Eine abschließende Bewertung zeigt, dass die entwickelte Methodik die speziellen Anforderungen in Bezug auf die UI-Entwicklung in der Domäne der industriellen Automatisierungstechnik erfüllt und zur Vereinfachung der Entwicklung von Modelltransformationen geeignet ist. / User Interfaces (UIs) in the domain of industrial automation serve the operation and monitoring of technical processes. The Model-based User Interface Development (MBUID) represents a promising concept for the automatic generation of such UIs. However, the realization of this concept for a specific use case requires the development of one or multiple model-to-model (M2M) transformations. Using existing transformation frameworks, this represents a complex, error-prone, and thus costly task. This applies especially to developers without deep knowledge of model-based technologies and can in some circumstances even cancel out the advantages promised by MBUID. In order to simplify the process of developing model transformations, this thesis proposes a specific methodology as well as its prototypic implementation by means of the PAMTraM framework. This methodology addresses the special underlying conditions of UI development in the domain of industrial automation and is based on three main concepts: The basis is formed by the configuration of M2M transformations in ambiguous, conditional mapping models. These only capture mappings between elements of the source and the target UI modeling language of a transformation. In contrast to existing approaches, the developed methodology explicitly takes into account the possibility for ambiguous mappings that are common in the domain of UI development. Furthermore, developers can specify explicit context conditions that prevent the necessity of a modification or redevelopment of a mapping model in case of a changed context of use (e.g. a new hardware platform). Individual transformations for one or multiple source and context models can be executed based on a configured mapping model. Therefore, a special generic transformation algorithm is presented. By autonomously analyzing the target UI modeling language, this algorithm is even capable of executing incomplete mapping models. As a result of this, the developer has to integrate less information in the mapping model. However, due to this approach, ambiguities may occur at various points during the course of a transformation. In order to be able to resolve these ambiguities, various strategies like the consultation of the user are presented in this thesis. The third main concept is formed by two approaches for higher-order transformations that allow the partial semi-automatic generation resp. completion of mapping models among others in the context of iterative development processes. This further simplifies the development of mapping models and allows for the step-wise reduction of occurring ambiguities as far as necessary. Representative case studies from the considered domain as well as an analysis with regard to general criteria for the assessment of transformation frameworks prove the functionality of the proposed methodology and its prototypical implementation. A concluding evaluation shows that the developed methodology satisfies the specific requirements concerning UI development in the domain of industrial automation and is suited to simplify the development of model transformations.

Aktuelle Entwicklungen führen zu komplexeren Produktionssystemen, insbesondere in der variantenreichen Serienfertigung. Als Folge bestehen erhebliche Herausforderungen darin, die technische Kapazität mit strategischem Zeithorizont effizient, transparent und flexibel zu planen. Da zahlreiche Abhängigkeiten berücksichtigt werden müssen, ist in der Praxis festzustellen, dass sich Vollständigkeit und Verständlichkeit der Modelle ausschließen. Zur Lösung dieses Zielkonflikts wird ein softwaregestützter Workflow vorgeschlagen, welcher in der neu entwickelten Software AURELIE realisiert wurde. Der Workflow basiert auf der grafischen Modellierung eines geplanten Systems von Wertströmen, der automatischen Validierung und Transformation des grafischen Modells und der automatischen Optimierung des resultierenden mathematischen Modells. Den Ausgangspunkt bildet ein grafisches Modell, das nicht nur verständlich ist, sondern auch das System in seiner Komplexität vollständig widerspiegelt. Aus Sicht der Forschung liegt der wesentliche Beitrag neben einer formalen Systembeschreibung und dem Aufzeigen der Forschungslücke in der Entwicklung der notwendigen Modelle und Algorithmen. Der Neuheitsgrad ist durch den ganzheitlichen Lösungsansatz gegeben, dessen Umsetzbarkeit durch die Software AURELIE belegt wird. Aus Sicht der Praxis werden die Effizienz, Transparenz und Flexibilität im Planungsprozess signifikant gesteigert. Dies wird durch die weltweite Einführung der Software AURELIE an den Standorten der Bosch Rexroth AG bestätigt.:Vorwort Referat Abbildungsverzeichnis Tabellenverzeichnis Algorithmenverzeichnis 1 Einführung 1.1 Ausgangssituation: Potenziale in der Planung 1.2 Problembeschreibung und Einordnung der Dissertation 1.3 Lösungsansatz: softwaregestützter Workflow 1.4 Forschungsfragen und Aufbau der Arbeit 2 Lösungsvorbereitung: Systemanalyse 2.1 Kontext: strategische Planung technischer Kapazität in der Serienfertigung 2.2 Systemstruktur: rekursive Zusammensetzung von Wertströmen 2.2.1 Prozessschritte, Stückzahlverteilung und Verknüpfungstypen 2.2.2 Prozesse und Wertströme 2.3 Systemschnittstelle: Funktionen der Eingaben und Ausgaben 2.3.1 Materialfluss: Bereitstellung von Komponenten für Produkte 2.3.2 Informationsfluss: Planung der Produktion 2.4 Grundlagen der Kalkulation: einfacher Fall eines Prozessschritts 2.4.1 Taktzeiten, Nutzungsgrad und Betriebsmittelzeit 2.4.2 Kapazität, Auslastung und Investitionen 2.5 Erweiterung der Kalkulation: allgemeiner Fall verknüpfter Prozessschritte 2.5.1 Sequenzielle Verknüpfung Beispiel SQ1 Beispiel SQ2 Beispiel SQ3 2.5.2 Alternative Verknüpfung Beispiel AL1 Beispiel AL2 Beispiel AL3 2.5.3 Selektive Verknüpfung Beispiel SL1 Beispiel SL2 2.6 Anforderungen in Bezug auf die Modellierung und die Optimierung 2.6.1 Kategorisierung möglicher Anforderungen 2.6.2 Formulierung der essenziellen Anforderungen 3 Stand der Technik 3.1 Auswahl zu evaluierender Softwaretypen 3.2 Software zur Erstellung von Tabellenkalkulationen 3.2.1 Beispiel: Microsoft Excel 3.2.2 Erfüllungsgrad der Anforderungen 3.3 Software zur Materialflusssimulation 3.3.1 Beispiel: Siemens Plant Simulation 3.3.2 Erfüllungsgrad der Anforderungen 3.4 Software für Supply Chain Management 3.4.1 Beispiel: SAP APO Supply Network Planning 3.4.2 Erfüllungsgrad der Anforderungen 3.5 Software zur Prozessmodellierung 3.5.1 Beispiel: BPMN mit idealem Interpreter und Optimierer 3.5.2 Erfüllungsgrad der Anforderungen 3.6 Fazit: Bedarf nach einer neuen Entwicklung 4 Lösungsschritt I: grafische Modellierung und Modelltransformation 4.1 Kurzeinführung: Graphentheorie und Komplexität 4.1.1 Graphentheorie 4.1.2 Komplexität von Algorithmen 4.2 Modellierung eines Systems durch Wertstromgraphen 4.2.1 Grafische Modellstruktur: Knoten und Kanten 4.2.2 Modellelemente: Quellen, Senken, Ressourcen und Flusspunkte 4.3 Validierung eines grafischen Modells 4.3.1 Ziel, Grundidee und Datenstrukturen 4.3.2 Beschreibung der Algorithmen 4.3.3 Beweis der Zeitkomplexität 4.4 Transformation eines grafischen Modells in ein mathematisches Modell 4.4.1 Mathematische Modellstruktur: Matrizen und Folgen 4.4.2 Ziel, Grundidee und Datenstrukturen 4.4.3 Beschreibung der Algorithmen 4.4.4 Beweis der Zeitkomplexität 4.5 Umsetzung in der Software AURELIE 4.5.1 Funktionsübersicht und Benutzerführung 4.5.2 Erfüllungsgrad der Anforderungen 4.6 Fazit: Erreichen des vorgegebenen Entwicklungsziels 5 Lösungsschritt II: mathematische Optimierung 5.1 Kurzeinführung: lineare Optimierung und Korrektheit 5.1.1 Lineare Optimierung 5.1.2 Korrektheit von Algorithmen 5.2 Maximierung der Kapazitäten 5.2.1 Ziel, Grundidee und Datenstrukturen 5.2.2 Beschreibung des Algorithmus 5.2.3 Beweis der Korrektheit und Zeitkomplexität 5.3 Minimierung der Investitionen 5.3.1 Ziel, Grundidee und Datenstrukturen 5.3.2 Beschreibung des Algorithmus 5.3.3 Beweis der Korrektheit und Zeitkomplexität 5.4 Optimierung der Auslastung 5.4.1 Ziel, Grundidee und Datenstrukturen 5.4.2 Beschreibung des Algorithmus 5.4.3 Beweis der Korrektheit und Zeitkomplexität 5.5 Umsetzung in der Software AURELIE 5.5.1 Funktionsübersicht und Benutzerführung 5.5.2 Erfüllungsgrad der Anforderungen 5.5.3 Wesentliche Erweiterungen 5.5.4 Validierung der Optimierungsergebnisse 5.6 Fazit: Erreichen des vorgegebenen Entwicklungsziels 6 Schluss 6.1 Zusammenfassung der Ergebnisse 6.2 Implikationen für Forschung und planerische Praxis 6.3 Ausblick: mögliche Weiterentwicklungen A Technische Dokumentation A.1 Algorithmen, Teil I: grafische Modellierung und Modelltransformation A.1.1 Nichtrekursive Breitensuche von Knoten in einem Graphen A.1.2 Rekursive Breitensuche von Knoten in einem Graphen A.1.3 Nichtrekursive Tiefensuche von Knoten in einem Graphen A.1.4 Rekursive Tiefensuche von Knoten in einem Graphen A.1.5 Traversierung der Kanten eines grafischen Modells A.1.6 Validierung eines grafischen Modells A.1.7 Traversierung der Knoten eines grafischen Modells A.1.8 Transformation eines grafischen Modells A.2 Algorithmen, Teil II: mathematische Optimierung A.2.1 Minimierung einer allgemeinen linearen Zielfunktion A.2.2 Maximierung der technischen Kapazitäten A.2.3 Minimierung der Überlastung (Komponenten größer als eins) A.2.4 Optimierung der Auslastung (alle Komponenten) Abkürzungsverzeichnis Symbolverzeichnis Index Literaturverzeichnis / Recent developments lead to increasingly complex production systems, especially in the case of series production with a great number of variants. As a result, considerable challenges exist in planning the technical capacity with strategic time horizon efficiently, transparently and flexibly. Since numerous interdependencies must be considered, it can be observed in practice that completeness and understandability of the models are mutually exclusive. To solve this conflict of objectives, a software-based workflow is proposed, which was implemented in the newly developed software AURELIE. The workflow relies on the graphical modeling of a planned system of value streams, the automated validation and transformation of the graphical model and the automated optimization of the resulting mathematical model. The starting point is a graphical model, which is not only understandable, but also reflects the system completely with respect to its complexity. From a research perspective, the essential contribution, besides a formal system description and the identification of the research gap, lies in the development of the required models and algorithms. The degree of novelty is given by the holistic solution approach, which is proven feasible by the software AURELIE. From a practical perspective, efficiency, transparency and flexibility in the planning process are significantly increased. This is confirmed by the worldwide implementation of the software AURELIE at the locations of Bosch Rexroth AG.:Vorwort Referat Abbildungsverzeichnis Tabellenverzeichnis Algorithmenverzeichnis 1 Einführung 1.1 Ausgangssituation: Potenziale in der Planung 1.2 Problembeschreibung und Einordnung der Dissertation 1.3 Lösungsansatz: softwaregestützter Workflow 1.4 Forschungsfragen und Aufbau der Arbeit 2 Lösungsvorbereitung: Systemanalyse 2.1 Kontext: strategische Planung technischer Kapazität in der Serienfertigung 2.2 Systemstruktur: rekursive Zusammensetzung von Wertströmen 2.2.1 Prozessschritte, Stückzahlverteilung und Verknüpfungstypen 2.2.2 Prozesse und Wertströme 2.3 Systemschnittstelle: Funktionen der Eingaben und Ausgaben 2.3.1 Materialfluss: Bereitstellung von Komponenten für Produkte 2.3.2 Informationsfluss: Planung der Produktion 2.4 Grundlagen der Kalkulation: einfacher Fall eines Prozessschritts 2.4.1 Taktzeiten, Nutzungsgrad und Betriebsmittelzeit 2.4.2 Kapazität, Auslastung und Investitionen 2.5 Erweiterung der Kalkulation: allgemeiner Fall verknüpfter Prozessschritte 2.5.1 Sequenzielle Verknüpfung Beispiel SQ1 Beispiel SQ2 Beispiel SQ3 2.5.2 Alternative Verknüpfung Beispiel AL1 Beispiel AL2 Beispiel AL3 2.5.3 Selektive Verknüpfung Beispiel SL1 Beispiel SL2 2.6 Anforderungen in Bezug auf die Modellierung und die Optimierung 2.6.1 Kategorisierung möglicher Anforderungen 2.6.2 Formulierung der essenziellen Anforderungen 3 Stand der Technik 3.1 Auswahl zu evaluierender Softwaretypen 3.2 Software zur Erstellung von Tabellenkalkulationen 3.2.1 Beispiel: Microsoft Excel 3.2.2 Erfüllungsgrad der Anforderungen 3.3 Software zur Materialflusssimulation 3.3.1 Beispiel: Siemens Plant Simulation 3.3.2 Erfüllungsgrad der Anforderungen 3.4 Software für Supply Chain Management 3.4.1 Beispiel: SAP APO Supply Network Planning 3.4.2 Erfüllungsgrad der Anforderungen 3.5 Software zur Prozessmodellierung 3.5.1 Beispiel: BPMN mit idealem Interpreter und Optimierer 3.5.2 Erfüllungsgrad der Anforderungen 3.6 Fazit: Bedarf nach einer neuen Entwicklung 4 Lösungsschritt I: grafische Modellierung und Modelltransformation 4.1 Kurzeinführung: Graphentheorie und Komplexität 4.1.1 Graphentheorie 4.1.2 Komplexität von Algorithmen 4.2 Modellierung eines Systems durch Wertstromgraphen 4.2.1 Grafische Modellstruktur: Knoten und Kanten 4.2.2 Modellelemente: Quellen, Senken, Ressourcen und Flusspunkte 4.3 Validierung eines grafischen Modells 4.3.1 Ziel, Grundidee und Datenstrukturen 4.3.2 Beschreibung der Algorithmen 4.3.3 Beweis der Zeitkomplexität 4.4 Transformation eines grafischen Modells in ein mathematisches Modell 4.4.1 Mathematische Modellstruktur: Matrizen und Folgen 4.4.2 Ziel, Grundidee und Datenstrukturen 4.4.3 Beschreibung der Algorithmen 4.4.4 Beweis der Zeitkomplexität 4.5 Umsetzung in der Software AURELIE 4.5.1 Funktionsübersicht und Benutzerführung 4.5.2 Erfüllungsgrad der Anforderungen 4.6 Fazit: Erreichen des vorgegebenen Entwicklungsziels 5 Lösungsschritt II: mathematische Optimierung 5.1 Kurzeinführung: lineare Optimierung und Korrektheit 5.1.1 Lineare Optimierung 5.1.2 Korrektheit von Algorithmen 5.2 Maximierung der Kapazitäten 5.2.1 Ziel, Grundidee und Datenstrukturen 5.2.2 Beschreibung des Algorithmus 5.2.3 Beweis der Korrektheit und Zeitkomplexität 5.3 Minimierung der Investitionen 5.3.1 Ziel, Grundidee und Datenstrukturen 5.3.2 Beschreibung des Algorithmus 5.3.3 Beweis der Korrektheit und Zeitkomplexität 5.4 Optimierung der Auslastung 5.4.1 Ziel, Grundidee und Datenstrukturen 5.4.2 Beschreibung des Algorithmus 5.4.3 Beweis der Korrektheit und Zeitkomplexität 5.5 Umsetzung in der Software AURELIE 5.5.1 Funktionsübersicht und Benutzerführung 5.5.2 Erfüllungsgrad der Anforderungen 5.5.3 Wesentliche Erweiterungen 5.5.4 Validierung der Optimierungsergebnisse 5.6 Fazit: Erreichen des vorgegebenen Entwicklungsziels 6 Schluss 6.1 Zusammenfassung der Ergebnisse 6.2 Implikationen für Forschung und planerische Praxis 6.3 Ausblick: mögliche Weiterentwicklungen A Technische Dokumentation A.1 Algorithmen, Teil I: grafische Modellierung und Modelltransformation A.1.1 Nichtrekursive Breitensuche von Knoten in einem Graphen A.1.2 Rekursive Breitensuche von Knoten in einem Graphen A.1.3 Nichtrekursive Tiefensuche von Knoten in einem Graphen A.1.4 Rekursive Tiefensuche von Knoten in einem Graphen A.1.5 Traversierung der Kanten eines grafischen Modells A.1.6 Validierung eines grafischen Modells A.1.7 Traversierung der Knoten eines grafischen Modells A.1.8 Transformation eines grafischen Modells A.2 Algorithmen, Teil II: mathematische Optimierung A.2.1 Minimierung einer allgemeinen linearen Zielfunktion A.2.2 Maximierung der technischen Kapazitäten A.2.3 Minimierung der Überlastung (Komponenten größer als eins) A.2.4 Optimierung der Auslastung (alle Komponenten) Abkürzungsverzeichnis Symbolverzeichnis Index Literaturverzeichnis