Spelling suggestions: "subject:"bransformation (amathematical)"" "subject:"bransformation (dmathematical)""
1 |
Uma aplicação da algebra geometrica a mecanica classica = a transformação de Kustaanheimo-Stiefel / An application of the geometric algebra to the classical mechanic : the Kustaanheimo-Stiefel transformationSouza, Jose Vicente Cipriano de, 1964- 15 August 2018 (has links)
Orientador: Jayme Vaz Jr. / Dissertação (mestrado profissional) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-15T04:12:56Z (GMT). No. of bitstreams: 1
Souza_JoseVicenteCiprianode_M.pdf: 1091003 bytes, checksum: 9c23a3d5fde13a39b607a4ada7ade738 (MD5)
Previous issue date: 2010 / Resumo: Nessa dissertação apresentamos a Álgebra Geométrica do Espaço Euclidiano e estudamos algumas de suas propriedades. Para exemplificar suas aplicações, estudamos a Transformação Kustaanheimo-Stiefel em termos de Álgebra Geométrica. Para isso apresentamos inicialmente a Transformação KS, que regulariza o movimento de Kepler em três dimensões removendo uma singularidade na origem, da forma como foi originalmente formulada, baseando-se em álgebra de matrizes. Feito isso, a Transformação KS é apresentada com Álgebra Geométrica, o que torna o seu entendimento geométrico mais claro e seu desenvolvimento mais simplificado. Para tal o uso do conceito de spinors é de grande importância / Abstract: In this dissertation we presented the Geometric Algebra of Euclidean Space and studied some of its properties. To exemplify its applications, we studied the Kustaanheimo-Stiefel Transformation in terms of Geometric Algebra. This purpose we presented initially the KS Transformation which regularizes the Kepler motion in three dimensions by removing a singularity at the origin, as it was originally formulated, based on matrix algebra. Done, the KS transformation is presented with Geometric Algebra, making clearer its geometric understanding and its development more simplified. With this goal the spinors concept use is of great importance / Mestrado / Fisica-Matematica / Mestre em Matemática Aplicada
|
2 |
Strategische Planung technischer Kapazität in komplexen Produktionssystemen: mathematische Optimierung grafischer Modelle mit der Software AURELIEHochmuth, Christian Andreas 28 May 2020 (has links)
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
|
Page generated in 0.1519 seconds