Brückner, Sven: Return From The Ant Synthetic Ecosystems for Manufacturing Control
Return From The Ant
Synthetic Ecosystems for Manufacturing Control
DISSERTATION

zur Erlangung des akademischen Grades
doctor rerum naturalium
(Dr. rer. nat.)
im Fach Informatik

eingereicht an der
Mathematisch-Naturwissenschaftlichen Fakultät II

Humboldt-Universität zu Berlin


von Herr Dipl.-Inf Sven Brückner ,
geboren am 04.10.1971 in Bad Saarow-Pieskow

Präsident der Humboldt-Universität zu Berlin:
Prof. Dr. Dr. h.c. Hans Meyer

Dekan der Mathematisch-Naturwissenschaftlichen Fakultät II:
Prof. Dr. sc. nat. Bodo Krause

Gutachter:
1. Prof. Dr. Hans Dieter Burkhard
2. Priv.-Doz. Dr. Kurt Sundermeyer
3. Van Dyke Parunak, Ph.D.

eingereicht: 22.01.2000

Tag der mündlichen Prüfung: 21.06.2000


II

Zusammenfassung

Die vorliegende Dissertation hat einen technologischen und einen anwendungsbezogenen Schwerpunkt. Technologisch ordnen sich die präsentierten Forschungsergebnisse in das Gebiet der “Swarm Intelligence“ (dt.: Schwarm-Intelligenz) ein. Swarm Intelligence ist ein Teilbereich der Informatik, der sich an der Überschneidung zwischen der Multi-Agenten Systeme Forschung der Künstlichen Intelligenz und dem Forschungsgebiet “Artificial Life“ (dt.: Künstliches Leben) befindet. Im Gegensatz zur Swarm Intelligence im allgemeinen, überträgt der spezielle Ansatz “Synthetic Ecosystems“ (dt.: synthetische Ökosysteme) nicht nur Koordinationsmechanismen aus biologischen Multi-Agenten Systemen, wie zum Beispiel Insekten Kolonien, in den Entwurf künstlicher Systeme. Vielmehr sollen die grundlegenden Prinzipien “natürlich“ entstandener komplexer Systeme, also auch zum Beispiel einer Aktienbörse, übernommen werden.

Als anwendungsbezogener Hintergrund der Dissertation wurde die verteilte Steuerung moderner industrieller Fertigungsanlagen gewählt. Die Fertigungssteuerung ist ein geeignetes Anwendungsfeld für die Technologien, die im Rahmen der Forschungsarbeiten entwickelt wurden. Damit dient die Präsentation eines synthetischen Ökosystems für die Fertigungssteuerung der Demonstration des neuartigen Ansatzes zum Entwurf, Realisierung und Evaluierung komplexer, industriell relevanter Systeme. Gleichzeitig leistet die vorgestellte Architektur der Fertigungssteuerung und die darin verwandten Koordinationsverfahren einen Beitrag zur Weiterentwicklung holonischer Produktionssysteme. Der holonische Ansatz zur Produktionsplanung und -steuerung genießt derzeit große Aufmerksamkeit sowohl in der Forschung als auch in der Industrie. Als Teilgebiet der Entwicklung intelligenter Fertigungssysteme (engl.: IMS - Intelligent Manufacturing Systems), propagiert der holonische Ansatz eine Abkehr von der traditionell zentralistischen und hierarchischen Planung und Steuerung hin zu selbst-organisierenden Systemen autonom (inter-)agierender Individuen (“Holone“). Bei der praktischen Umsetzung holonischer Systeme werden sehr häufig Technologien aus der Multi-Agenten Systeme Forschung angewandt. Mit dieser Dissertation rücken auch synthetische Ökosysteme in das Blickfeld holonischer Systeme.

Natürliche Agentensysteme im allgemeinen und Kolonien sozialer Insekten im besonderen faszinieren durch ihre Robustheit, ihre Flexibilität und ihre Anpassungsfähigkeit. Solche Systeme bestehen häufig aus sehr vielen, sehr einfachen Individuen und doch weisen sie ein komplexes und koordiniertes Gesamtverhalten auf. Es gibt mehrere Zweige in unterschiedlichen Wissenschaften, zum Beispiel in der Biologie, Physik, Ökonomie oder in der Informatik, die sich mit verteilten Systemen lokal interagierender Individuen beschäftigen. Ihre Erforschung resultiert in einer Reihe wiederholt beobachteter grundlegender Eigenschaften. Um künstlich erschaffene Systeme mit ähnlichen Eigenschaften auszustatten werden Entwurfsprinzipien für das Design von Multi-Agenten Systemen in dieser Dissertation vorgeschlagen. Jedes Entwurfsprinzip wird systematisch eingeführt, motiviert und in seinen Konsequenzen für Anwendungen in der Fertigungssteuerung diskutiert.

Stigmergie ist ein grundlegendes Konzept der Koordination einer großen Anzahl von Individuen unter anderem in Kolonien sozialer Insekten. Die Formulierung dieses Konzepts ist auf den Biologen Grassè zurückzuführen, welcher in der Mitte des zwanzigsten Jahrhunderts das Schwarmverhalten von Termiten untersuchte. Stigmergie beruht auf der Tatsache, daß das Verhalten eines jeden Individuums durch die aktuelle Konfiguration seiner lokalen Umwelt bestimmt wird. Die Umwelt wiederum, wird durch die Aktivitäten der Individuen verändert. Diese Wechselwirkung führt in Verbindung mit


III

entsprechend ausgelegten individuellen Verhaltensmustern zur Emergenz einer global koordinierten Erfüllung der anstehenden Aufgaben der Kolonie. Im Detail wird sematektonische von marker-basierter Stigmergie unterschieden, wobei bei sematektonischer Stigmergie der Zustand der Aufgabenerfüllung selbst (z.B. Stand des Nestbaus) das Individualverhalten beeinflußt, während marker-basierte Stigmergie aufgabenunabhängige Marker (z.B. Pheromone) in der Umwelt platziert.

Multi-Agenten Systeme finden ihre Realisierung in Software, welche gegebenenfalls an physische Aktuatoren gekoppelt ist. Im allgemeinen besteht diese Software aus einer Laufzeitumgebung und den darin ausgeführten Agenten. Die vorliegende Dissertation präsentiert eine Erweiterung von Laufzeitumgebungen um eine anwendungsunabhängige Pheromon Infrastruktur (PI). Die PI ermöglicht es den Softwareagenten des jeweiligen synthetischen Ökosystems, künstliche Pheromone als Datenstrukturen in einem virtuellen Raum abzulegen und wahrzunehmen. Diese Datenstrukturen dienen als Marker in stigmergetischen Koordinationsmechanismen. Die Algorithmen der PI operieren auf diesen künstlichen Pheromonen und emulieren die natürlichen Vorgänge der räumlichen Ausbreitung und Verdunstung von Pheromonen auf abstrakter Ebene. Zusätzlich wird das natürliche Vorbild um eine automatische Aufbereitung von Informationen erweitert.

Die Funktionalität der PI wird in dieser Dissertation spezifiziert. Des weiteren wird ein formales Modell erstellt, welches die Grundlage einer numerischen Analyse der Eigenschaften der PI bildet. Die Analyse liefert Vorhersagen für das Entstehen von räumlichen Mustern von Pheromonkonzentrationen in der PI. Diese Vorhersagen können dann in der Feineinstellung und der Evaluierung von Koordinationsmechanismen verwendet werden. Außerdem dient das formale Modell als Grundlage für den Beweis der globalen Stabilität der PI. Damit ist gesichert, daß unabhängig von der gewählten räumlichen Struktur und den von der jeweiligen Anwendung generierten Pheromonen die Konzentrationen der Pheromone immer in ihrer Stärke begrenzt sind. Der Beweis der globalen Stabilität ist eine wichtige Voraussetzung für die Verwendung der PI in praktischen Anwendungen.

Die Spezifikation einer verteilten Realisierung der PI bildet den Abschluß der allgemeinen Betrachtung. Die Agenten, welche die (virtuelle) räumliche Struktur der PI widerspiegeln, werden im Detail spezifiziert. Auf der Basis dieser Spezifikation ist im Rahmen der Dissertation ein Prototyp der PI realisiert worden. Dieser Prototyp diente dem Nachweis des vorhergesagten Verhaltens der Infrastruktur und der späteren Evaluierung des entwickelten Fertigungssteuerungssystems.

Im weiteren Verlauf der vorliegenden Dissertation wird ein neuartiger Ansatz zur Fertigungssteuerung betrachtet. Die absehbaren Veränderungen der äußeren Bedingungen der industriellen Produktion, ausgelöst durch den globalen Übergang von Anbieter- zu Verbrauchermärkten, erfordert die Fertigung immer komplexerer und variantenreicherer Produkte in ständig schwankenden Stückzahlen und deutlich verkürzten Lebenszyklen bei gleichzeitig sinkenden Kosten. Zur Erfüllung dieser Anforderungen in der Massenproduktion wandelt sich die traditionell starr verkettete Strangfertigung (z.B. Transferstraßen) zur flexiblen Fließfertigung (z.B. flexible Bearbeitungszentren). Die Steuerung einer flexiblen Fließfertigung erfordert neue Herangehensweisen. In einer holonischen Fertigung, zum Beispiel, organisiert sich die Produktionsplanung und Produktionssteuerung selbst um die Erfüllung der aktuellen Aufträge. Dabei werden in der Steuerung verteilte, reaktive Verfahren verwendet, welche eine deutlich gesteigerte Robustheit und Flexibilität gegenüber Störungen und Veränderungen aufweisen.

Der Übergang zur flexiblen Fließfertigung bedeutet die Einführung von Flexibilität in


IV

der Bearbeitung aber auch im Transport des Materials. Es ist eine grundlegende Eigenschaft dieser Fertigungssysteme, daß zu einem beliebigen Zeitpunkt eine Reihe möglicher Transportwege und damit eine Vielzahl möglicher Muster im Materialfluß zur Verfügung stehen. Dabei führt aber nur eine kleine Menge dieser Muster zu einer bestmöglichen Erfüllung der globalen Produktionsziele (z.B. hoher globaler Durchsatz). Es ist also die Aufgabe der Fertigungssteuerung in jeder Situation das bestmögliche Materialflußmuster zu erreichen. Ist ein verteilter Ansatz für die Steuerung gewählt worden, so muß diese Optimierung nach globalen Produktionszielen in die lokalen Steuerungsentscheidungen integriert werden, ohne die Autonomie der lokalen Einheiten zu verletzen.

Die Dissertation präsentiert ein sogenanntes geführtes Fertigungssteuerungssystem (GFSS), welches einen verteilten und reaktiven Steuerungsansatz mit einer Flußoptimierung unter Beachtung globaler Produktionsziele in neuartiger Weise verbindet. Der Entwurf des GFSS folgte den vorgeschlagenen Prinzipien für synthetische Ökosysteme und die Agenten im GFSS werden mit Hilfe der Pheromon Infrastruktur koordiniert. Die Agenten und Pheromone des GFSS werden detailliert spezifiziert und in einem realistischen Beispiel aus der Automobilindustrie evaluiert. In der Evaluierung wird von den Ergebnissen der Analyse der PI Gebrauch gemacht. Die dabei gewählte numerische Beschreibung des Einzelverhaltens und die darauf aufbauende Betrachtung des emergierenden Gesamtverhaltens weist den Weg zu einer systematischen Evaluierung von emergenten Systemeigenschaften in synthetischen Ökosystemen.

In einem abschließenden Kapitel werden die drei inhaltlichen Schwerpunkte der Dissertation noch einmal betrachtet. Vor dem Hintergrund des GFSS werden die vorgeschlagenen Entwurfsprinzipien für synthetische Ökosysteme systematisch auf ihre Anwendbarkeit und praktische Bedeutung hin überprüft. Außerdem wird die allgemeine Verwendung der PI für den Austausch von Informationen zwischen Agenten untersucht. Und schließlich wird die Fertigungssteuerung aus der Sicht abstrakter Zustandsräume diskutiert.

Die vorliegende Dissertation weist den Weg für eine Reihe weiterführender Forschungsarbeiten. So werden zum einen detaillierte Konzepte für die Erweiterung des GFSS um eine automatische Strategiebewertung und -generierung und um ein Visualisierungssystem vorgestellt. Zum anderen werden aber auch notwendige Ergänzungen der Entwurfsprinzipien und mögliche Verbesserungen der PI und des darauf basierenden Evaluierungsansatzes vorgeschlagen.

Schlagwörter:
Multi-Agenten Systeme, Produktionssteuerung, Koordination, Stigmergie, Swarm Intelligence, Emergenz, Selbst-Organisation


V

Abstract

The synthetic ecosystems approach attempts to adopt basic principles of natural ecosystems in the design of multiagent systems. Natural agent systems like insect colonies are fascinating in that they are robust, flexible, and adaptive. Made up of millions of very simple entities, these systems express a highly complex and coordinated global behavior.

There are several branches in different sciences, for instance in biology, physics, economics, or in computer science, that focus on distributed systems of locally interacting entities. Their research yields a number of commonly observed characteristics. To supply engineered systems with similar characteristics this thesis proposes a set of principles that should be observed when designing synthetic ecosystems. Each principle is systematically stated and motivated, and its consequences for the manufacturing control domain are discussed.

Stigmergy has shown its usefulness in the coordination of large crowds of agents in a synthetic ecosystem. Sign-based stigmergy through synthetic pheromones is supported by an extension to runtime environments for software agents called the pheromone infrastructure. In this thesis the operation of the pheromone infrastructure is specified, formally modeled and analyzed, and an implementation is presented.

The guided manufacturing control system for flexible flow shops is designed following the proposed principles and it uses the pheromone infrastructure to coordinate its agents. It comprises two subsystems. The control (sub)system, which enables production, is distributed and reactive. The advisory (sub)system observes the operation of the control system and advises the manufacturing execution under global considerations. This thesis specifies the guided manufacturing control system and evaluates its operation in a simple but realistic example adapted from the automotive industry. The applicability of the design principles, the usage of the pheromone infrastructure, and the operation of manufacturing control in abstract state spaces are considered on the basis of the guided manufacturing control system.

Keywords:
Multi-Agent Systems, Manufacturing Control, Coordination, Stigmergy, Swarm Intelligence, Emergence, Self-Organization


Pages: [II] [III] [IV] [V] [IX] [X] [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89] [90] [91] [92] [93] [94] [95] [96] [97] [98] [99] [100] [101] [102] [103] [104] [105] [106] [107] [108] [109] [110] [111] [112] [113] [114] [115] [116] [117] [118] [119] [120] [121] [122] [123] [124] [125] [126] [127] [128] [129] [130] [131] [132] [133] [134] [135] [136] [137] [138] [139] [140] [141] [142] [143]

Table of Contents

Front pageReturn From The Ant Synthetic Ecosystems for Manufacturing Control
Acknowledgements
Abbreviations Abbreviations
1 Introduction
1.1Introduction
1.1.1Motivation and Background
1.1.2Goal and Structure of the Thesis
2 Background
2.1Concepts and Techniques
2.1.1Equilibrium Statistical Physics
2.1.2Cellular Automata
2.1.3Population Biology and Ecological Modeling
2.1.4Artificial Life
2.1.5Multi-Agent Systems
2.1.5.1Design Methodology
2.1.6The Artificial Life Road to Artificial Intelligence
2.1.6.1Swarm Intelligence
2.1.6.1.1Collective Intelligence
2.1.6.1.2Stigmergy
2.1.6.1.3Ant Colony Optimization
2.1.6.1.4Synthetic Ecosystems
2.1.7General Concepts
2.1.7.1Emergence
2.1.7.2Self-Organization
2.1.8Summary
2.2Manufacturing Control
2.2.1Manufacturing Control in Context
2.2.1.1Production Processes
2.2.1.2Characterizing Manufacturing Systems
2.2.2Requirements of Tomorrow‘s Manufacturing Control
2.2.3Distributed Architectures for Manufacturing Control
2.2.3.1Holonic Systems
2.2.3.2Dimensions of Control Architectures
2.2.3.2.1Individuals and Types
2.2.3.2.2Interaction Structure
2.2.3.2.3Interaction Contents
2.2.4Summary
3 Adopting Nature‘s Principles
3.1Synthetic Ecosystems in Manufacturing Control
3.1.1Single-Agent Principles
3.1.2System-Architecture Principles
3.1.3Interaction Principles
3.1.4Go to the Ant
3.1.5Return from the Ant
3.1.6Summary
3.2Analyzing the Pheromone Infrastructure
3.2.1A Formal Model
3.2.2Proof of Stability
3.2.2.1Local Stability
3.2.2.2Propagation Stability
3.2.2.3Conclusion
3.2.3Single-Pheromone Analysis
3.2.3.1Single-Place Scenarios
3.2.3.1.1One-Agent Regular-Refresh Scenario
3.2.3.1.2Equilibrium
3.2.3.1.3Distance to Equilibrium
3.2.3.1.4Time to Equilibrium
3.2.3.1.5Sampling under Regular Refresh
3.2.3.1.6Multi-Agent Scenarios
3.2.3.1.6.1Distance between two Equilibria
3.2.3.1.6.1Time between two Equilibria
3.2.3.1.7Providing Regularity in a Different Way
3.2.3.1.7.1Visibility of Load Changes
3.2.3.1.7.1Visibility of Perturbations
3.2.3.2Multi-Place Environments
3.2.3.2.1Sequential Topologies
3.2.3.2.2Cyclic Topology
3.2.4Multi-Pheromone Analysis
3.2.5Load Balance - A Real-World Example
3.2.5.1Capacity Restricted Flow
3.2.5.2Predicted Flow Control
3.3Implementing the Pheromone Infrastructure
3.3.1Two Practical Extensions
3.3.1.1Direction Specific Aggregation
3.3.1.2Application Specific Filtering
3.3.2Agent-Based Implementation
3.3.2.1Knowledge and Responsibilities
3.3.2.2Service: Access and Topology
3.3.2.3Service: White Pages
3.3.2.4Service: Pheromones
3.3.2.5Service: Notification
3.3.3The Agent Runtime Environment
4 Guided Manufacturing Control
4.1Domain, Structure, and Architecture
4.1.1The Paint Shop
4.1.2The Spatial Structure
4.1.3The Architecture
4.1.4Performance Evaluation
4.2Control System: The Reactive Layer
4.2.1Entities and their Behavior
4.2.1.1The Loader-Agent Type
4.2.1.2The Switch-Agent Type
4.2.1.3The Processing-Agent Type
4.2.1.4The Unloader-Agent Type
4.2.1.5The Workpiece-Agent Type
4.2.2The Emerging Behavior
4.3The Interface Layer
4.3.1Information for the Advisory System
4.3.1.1Emergence of the Current Flow-Pattern
4.3.1.2Emergent Prediction of the Future
4.3.2Integrating Advice
4.3.2.1Delaying the Transport
4.3.2.2Guidance Pheromones
4.3.2.3Extending the Workpiece-agent
4.3.2.4Guiding the Inflow
4.4Advisory System: Strategy Implementation Layer
4.4.1The Policy-Agent Type
4.4.2Context Dependence
4.5Demonstration and Evaluation
4.5.1From Reality to the PI
4.5.2Reactive Layer Operation
4.5.3Pattern Generation in the Interface Layer
4.5.4Heeding Advice
4.5.5Strategy Implementation
5 Future Research I
5.1Automatic On-Line Optimization
5.1.1Strategy Evaluation Layer
5.1.1.1The Tollbooth-Agent Type
5.1.1.2The Strategy-Agent Type
5.1.1.3Extended Agent Behavior
5.1.2Strategy Ranking and Generation Layer
5.1.2.1Strategy-Ranking-Net
5.1.2.2Evolutionary Strategy Generation
5.2Visualization
6 Synthesis
6.1Re-Visiting the Design Principles
6.1.1Single-Agent Principles
6.1.2System-Architecture Principles
6.1.3Interaction Principles
6.2The PI - Agent System and Environment
6.2.1Analyzing Emergent Features
6.2.2Modes of Information Sharing
6.3The GMC System in State Space
6.3.1Manufacturing Control in State Space
6.3.1.1Parameters, State Space, and Trajectories
6.3.1.2Performance-Evaluation
6.3.1.3Structures in State Space
6.3.1.4Levels of Sophistication in Control
6.3.2Observing the State Space
7 Conclusion
7.1Summary
7.2Future Research II
7.2.1Quantitative Design Principles
7.2.2Extending the Pheromone Infrastructure
7.2.3Improving Tuning and Evaluation
Bibliography Bibliography
Vita
Declaration

Table of Tables

Table 3.1. Translation Approaches in
the Multi-Agent Scenario
Table 4.1. The Current Pattern of Load-Values.
Table 4.2. Prediction of the Pattern of PS Pheromones.
Table 4.3. The Predicted Pattern of Load-Values.
Table 4.4. Prediction of the Pattern of PP Pheromones.
Table 4.5. The Predicted (Current) Pattern for a 66/34 Split.
Table 4.6. The Predicted (Predictive) Pattern for a 66/34 Split.

Table of Figures

Figure 1.1. Layout of Router-agents with a High Batching Quality
Figure 2.1. Straight Pheromone Trail
Figure 2.2. Obstacle Introduced
Figure 2.3. Two Options are Explored
Figure 2.4. Shortest Path Dominates
Figure 2.5. “Trajectories“ of Research into Distributed Systems
Figure 2.6. Production Management and Control
Figure 2.7. Linking Business Trends with Control Requirements
Figure 3.1. Pheromone Strength under Regular Refresh - A=2, T=5, E=0.99
Figure 3.2. Pheromone Strength under Regular Refresh - Equilibrium
Figure 3.3. The Deterministic and the Statistical View on a Refresh Scenario
Figure 3.4. Location of the Predicted Equilibrium
Figure 3.5. Sampling the Equilibrium Range
Figure 3.6. Approaches to Scenario Translation
Figure 3.7. Changing the Number of Agents
Figure 3.8. Multi-Agent Mobility Scenario
Figure 3.9. Effect of a Perturbation
Figure 3.10. Diminished Effects of Distant Refreshes
Figure 3.11. Infinite Cycles of one Refresh Event
Figure 3.12. Problem Description
Figure 3.13. Solution to the Load-Balance Problem
Figure 3.14. The Structure of the Knowledge of a Place-agent
Figure 3.15. The Services of the Place-agent
Figure 4.1. Process Graph of the Paint Shop Segment
Figure 4.2. Components and their Agents
Figure 4.3. Reactive Layer Agents as Derived from PROSA
Figure 4.4. The Behavior of the Workpiece-agent in the Reactive Layer
Figure 4.5. The Activities of a Workpiece-agent Trigger Resource-agents
Figure 4.6. The Process Graph of the Ghost-agent
Figure 4.7. PF Biased Probabilistic Selection of the Exit Direction
Figure 4.8. Extended Behavior of the Workpiece-agent
Figure 4.9. PF Biased Probabilistic Loading
Figure 4.10. Distributed Representation of a Material Flow Strategy
Figure 4.11. Two Processes of a Policy-agent
Figure 4.12. Local Context in the Manufacturing System
Figure 4.13. Example of Context-Filtering
Figure 4.14. The PI in the Demonstration
Figure 4.15. Spatial PA Pattern
Figure 4.16. Simulated PS Pattern
Figure 4.17. PS at “P1“ with Different Evaporation Parameters (E)
Figure 4.18. Simulated PP Pattern
Figure 4.19. Probability Function for Workpiece-Delay
Figure 4.20. Probability Function for Exit-Selection
Figure 4.21. PF Pattern
Figure 5.1. Feedback Loop in the Resource-Based Strategy Evaluation
Figure 5.2. Strategy-Ranking-Net Model
Figure 5.3. Pheromone-Based Focusing in the Visualization System
Figure 6.1. A System in State Space
Figure 6.2. Predicting an Attractor in State Space
Figure 6.3. Perceived Workpiece Count at Place “P1“ over Time

© Die inhaltliche Zusammenstellung und Aufmachung dieser Publikation sowie die elektronische Verarbeitung sind urheberrechtlich geschützt. Jede Verwertung, die nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung. Das gilt insbesondere für die Vervielfältigung, die Bearbeitung und Einspeicherung und Verarbeitung in elektronische Systeme.

DiML DTD Version 2.0
Zertifizierter Dokumentenserver
der Humboldt-Universität zu Berlin
HTML - Version erstellt am:
Fri Jun 15 12:30:34 2001