Master Thesis MSTR-2020-88

BibliographyWeiß, Tobias: Entwicklung und Implementierung eines selbstlernenden Dimensionierungstools zum Abbilden und zur konstruktiven Auslegung eines Bahnkörpers von Eisenbahnstrecken im (E)DCC-Modellansatz.
University of Stuttgart, Faculty of Computer Science, Electrical Engineering, and Information Technology, Master Thesis No. 88 (2020).
99 pages, german.
Abstract

Durch eine Vielzahl von komplexen Schritten, ist die Dimensionierung eine anspruchsvolle Aufgabe. Die Umsetzung der Anforderungen aus Richtlinien und Gesetzen ist langwierig und anstrengend. In dieser Arbeit wird sich mit der Digitalisierung des Dimensionierungsprozesses und den grundlegenden technischen Voraussetzungen beschäftigt. Dabei werden die Regeln und Methodiken aus Richtlinien anhand einer Modellierungssprache abgebildet, sodass die Software in der Lage ist, diese zu nutzen und den Planer aktiv zu unterstützen. Zusätzlich wird sich damit beschäftigt, durch Anwendung eines selbstlernenden Empfehlungssystem dem Nutzer aktiv Vorschläge für Aktionen in der Dimensionierung zu machen. Diese Arbeit zeigt, dass durch eine solche Umsetzung auch komplexe Abhängigkeiten einfach zu modellieren und warten sind. Durch den Ausbau dieser Konzepte kann die Dimensionierung so großen Teilen von der Software PULTrack unterstützt oder sogar übernommen werden.

Department(s)University of Stuttgart, Institute of Parallel and Distributed Systems, Parallel Systems
Superviser(s)Simon, Prof. Sven; Martin, Prof. Ullrich; Schuk, Vitali; Kieß, Steffen
Entry dateNovember 3, 2021
   Publ. Computer Science