Beschleunigte Erstellung von Simulationsmodellen für Produktions- und Logistikprozesse mithilfe von GPT-basierten Large Language Models
Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
Authors
In dieser Arbeit wird die beschleunigte Erstellung von Python Code für Simulationsmodelle für Discrete Event Simulations (DES) mithilfe des Large Language Models (LLM) ChatGPT von OpenAI am Beispiel von Produktions- und Logistikprozessen demonstriert. Die Implementierung und Ausführung der Simulation erfolgt in einer Python-Umgebung unter Nutzung des quelloffenen Frameworks „SimPy“. Es werden notwendige Schritte aufgezeigt, um reproduzierbare Ergebnisse in einer nicht-datengenerierenden Produktionsumgebung zu erzeugen. Möglichkeiten und Aufwand mit quelloffenen und frei verfügbaren Mitteln, ad hoc Simulationsmodelle zu erstellen und Simulationen als Entscheidungshilfe zu nutzen, werden betrachtet. Die Potenziale und Limitierungen sowie mögliche Lösungen werden anhand einer exemplarischen sequenziellen Fertigungslinie aufgezeigt.
Originalsprache | Deutsch |
---|---|
Titel | ASIM SST 2024 Tagungsband Kurzbeiträge : 27. ASIM Symposium Simulationstechnik, 4.9.-6.9.2024, Universität der Bundeswehr München |
Herausgeber | Oliver Rose, Tobias Uhlig |
Anzahl der Seiten | 4 |
Erscheinungsort | Wien |
Verlag | ARGESIM Verlag |
Erscheinungsdatum | 01.09.2024 |
Seiten | 21 - 24 |
ISBN (elektronisch) | 978-3-903347-64-9 |
DOIs | |
Publikationsstatus | Erschienen - 01.09.2024 |
Veranstaltung | 27. ASIM Symposium Simulationstechnik - Universität der Bundeswehr München, München, Deutschland Dauer: 04.09.2024 → 06.09.2024 |
- Ingenieurwissenschaften