Peter Buchholz – författare

Containing a summary of several recent results on Markov-based input modeling in a coherent notation, this book introduces and compares algorithms for parameter fitting and gives an overview of available software tools in the area. Due to progress made in recent years with respect to new algorithms to generate PH distributions and Markovian arrival processes from measured data, the models outlined are useful alternatives to other distributions or stochastic processes used for input modeling. Graduate students and researchers in applied probability, operations research and computer science along with practitioners using simulation or analytical models for performance analysis and capacity planning will find the unified notation and up-to-date results presented useful. Input modeling is the key step in model based system analysis to adequately describe the load of a system using stochastic models.

The goal of input modeling is to find a stochastic model to describe a sequence of measurements from a real system to model for example the inter-arrival times of packets in a computer network or failure times of components in a manufacturing plant. Typical application areas are performance and dependability analysis of computer systems, communication networks, logistics or manufacturing systems but also the analysis of biological or chemical reaction networks and similar problems. Often the measured values have a high variability and are correlated. It’s been known for a long time that Markov based models like phase type distributions or Markovian arrival processes are very general and allow one to capture even complex behaviors. However, the parameterization of these models results often in a complex and non-linear optimization problem. Only recently, several new results about the modeling capabilities of Markov based models and algorithms to fit the parameters of those models have been published.​

Logistik spielt eine entscheidende Rolle für das Funktionieren unserer modernen Volkswirtschaft. Moderne Netze in der Logistik sorgen für die Verfügbarkeit von Waren und Gütern, werden aber auf Grund steigender Anforderungen immer größer, komplexer und schwerer zu planen und zu beherrschen. Um heutige und zukünftige Netze der Logistik aufzubauen und zu betreiben, müssen moderne Methoden der Analyse, Planung und Optimierung eingesetzt werden, die in unterschiedlichen Wissenschaftsbereichen entwickelt wurden.

Das Buch fasst wesentliche Resultate aus den Forschungsarbeiten im Sonderforschungsbereich 559 zusammen. In diesem von der deutschen Forschungsgemeinschaft seit 1998 finanzierten Forschungsprojekt arbeiteten Wissenschaftler aus der Logistik, der Informatik, der Betriebswirtschaftslehre, der Statistik und der Soziologie zusammen, um neue Methoden zur Planung und zum Betrieb großer Netze der Logistik zu entwickeln und auf praxisnahe Beispiele anzuwenden.

Das Buch gliedert sich in 4 Teile, die jeweils unterschiedliche Aspekte beleuchten. Im ersten Teil steht die Analyse und Simulation großer Netze der Logistik im Mittelpunkt. Es werden Methoden und Softwarewerkzeuge vorgestellt. Der zweite Teil beleuchtet die Optimierung und Verbesserung von Netzen. Neben Ansätzen zur Optimierung statischer Modelle werden auch Algorithmen zur Optimierung von Simulationsmodellen vorgestellt. Teil 3 ist der Planung von großen Netzen gewidmet. Zentrale Aspekte sind die Einbeziehung des Menschen in die Planung, die Weiterentwicklung der Netzwerk-Balanced-Scorecard zur Einbeziehung betriebswirtschaftlicher Aspekte und die Entscheidungsunterstützung durch Assistenzsysteme. Der letzte Teil beschreibt die Anwendung der entwickelten Verfahren auf reale Probleme. Diese wurden aus den Bereichen Redistributionsnetze, Lufttransportnetze und Seehafenhinterlandverkehre gewählt.