INTERNACIONALNI UNIVERZITET TRAVNIK

U TRAVNIKU
FAKULTET POLITEHNIKIH NAUKA
TRAVNIK
ODSJEK: MAINSTVO

ZAVRNI RAD

MODELIRANJE KAO FAKTOR DEFINISANJA

UTICAJNIH FAKTORA NA REALNI SISTEM I
NJIHOV MEUSOBNI ODNOS

Mentor: Student:
Doc. dr. Muhamed Sarvan Igor Lavri

Travnik, 2014. godine

3
 SADRAJ

1. UVOD 3

2. MODELIRANJE 4
2.1.Osnovni pojmovi 4
2.2.Fiziki modeli 4
2.3.Apstraktni modeli 4
2.3.1. Opisni modeli 5
2.3.2. Analogni modeli 5
2.3.3. Matematski modeli 5
2.4.Modeliranje proizvodnosg sistema 6
2.5.Fleksibilni simulacioni modeli 13

3. SIMULACIJA 16
3.1.Osnovni pojmovi 16
3.2.Podjela metoda simulacije 19
3.2.1. Simulacija kontinuiranih sistema 21
3.2.2. Simuliranje disrektnih sistema kontinuiranim modelima 22
3.3.Simuliranje diskretnih sistema 22
3.4.Simulacija sluajnih dogaaja 23
3.5.Matematski modeli simulacija u teoriji redova ekanja 28
3.6.Primjeri simulacije primjenom modela SimProd 30
3.7.Simulacija rada CIM proizvodnog sistema 45

ZAKLJUAK 51

LITERATURA

4
 1. UVOD

Modelima je mogue poboljati performanse sistema u eksploataciji. Modelom se uprotava

opisivanje i analiza sistema u cjelini ili njegovih segmenata, tako to je mogue zasebno
posmatrati svaki od segmenata sistema, utjecajnih na donoenje odluka.
Postoje razliite podjela modela, a uvrijeena je ona na fizike i apstraktne. Fiziki modeli
mgu biti statiki i dinamiki, a apstraktni se nadalje dijele na opisne, analogne i matematske .
Osnovni cilj modeliranja sastoji se u tome da se podaci o ponaanju nekog sistema dobiju ne
prouavanjem samog sistema, nego se ponaanje sistema prouava tako da se napravi (kreira)
model, pa se zatim, eksperimentiranjem na takvom modelu dolazi do saznanja o ponaanju
postojeeg sistema.

Relacija modeliranja odnosi se na validnost modela. Validnost ili valjanost modela opisuje
koliko vjerno jedan model predstavlja simulirani sistem. Proces utvrivanja stepena slaganja
podataka o realnom sistemu sa podacima modela naziva se validacija modela.
Metode modeliranja usavrene su razvojem primijenjene matematike, matematike statistike,
operacionih istraivanja, eksperimentalnih i informatikih metoda. Danas se u modrenoj nauci
primjenjuju brojne metode modeliranja koje se u osnovi mogu podijeliti na deterministike i
stohastike.

Rije simulacija u svakodnevnoj upotrebi moe da oznai vei broj razliitih aktivnosti,
meutim, kada rije koriste raunarski strunjaci, inenjeri, menaderi ili statistiari, obino
pod simulacijom, u irem smislu, podrazumijevaju niz aktivnosti koje su vezane za
eksperimentalno odreivanje efekata koji nastaju u sistemu, ili procesu ili na modelu koji ih
imitira pri promjeni parametara tih modela

Osim toga simulacija se moe definirati i kao tehnika rjeavanja odreenih problema
imitacijom problema odgovarajuim rjeivim modelom. Da bi model bio koristan, od
sutinske je vanosti to da se za dati ogranieni skup njegovih opisnih promjenljivih, njegovo
ponaanje moe odrediti na praktian nain: analitiki, numeriki ili putem eksperimenta, gdje
se za izvjesne, uglavnom sluajne ulaze, posmatraju odgovarajui izlazi.

5
 2. MODELIRANJE
2.1. Osnovni pojmovi
Pod pojmom "model", podrazumijeva se interpretacija bilo kojeg realnog sistema. Model se
koristi za definiranje utjecajnih faktora na realni sistem i njihov meusobni odnos. Modelom
se uprotava opisivanje i analiza sistema u cjelini ili njegovih segmenata, tako to je mogue
zasebno posmatrati svaki od segmenata sistema, utjecajnih na donoenje odluka.
Modelima je mogue poboljati performanse sistema u eksploataciji, na taj nain da se
modeliraju izabrani dijelovi sistema i na osnovu tako postavljenih modela vri analiza i
donose zakljuci o aktivnostima koje treba poduzeti na realnom sistemu.
Postoje razliite podjela modela; prema [40], formirana je podjela modela, prikazana na slici
1., blok emom.

MODEL

FIZIKI APSTRAKTNI

STATIKI DINAMIKI OPISNI ANALOGNI MATEMATSKI

Slika 1. Osnovna podjela modela

2.2. Fiziki modeli

Fiziki modeli sistema predstavljaju srazmjerno umanjenu kopiju realnog sistema sa njegovim
fizikim i funkcionalnim karakteristikama. Koritenje fizikih modela je ogranieno radi
visokih trokova izrade, dugog vremena trajanja izrade itd.

2.3. Apstraktni modeli

Jedna od osnovnih podjela apstraktnih modela (slika 16.1), moe se izvriti na:
- opisne,
- analogne,
- matematske.

6
 2.3.1. Opisni modeli

Osnovna karakteristika ove vrste modela je u tome, to se razmatranja sistema ili njegovih
dijelova vre opisno. Analiza problema, postavljanje ogranienja u okviru kojih se razmatra
problem itd., takoer se vre opisivanjem u vidu teksta. Opisni modeli su iroko primijenjeni i
koriste se u svakidanjim aktivnostima. Osnovni nedostaci ovog modela i pored
rasprostranjene primjene, su ogranienost u rjeavanju kompleksnih problema i mogunosti
razliitog interpretiranja problema zbog razlika u pristupu i razumijevanju teksta, isticanju
manje znaajnih faktora, zanemarivanju znaajnijih itd.

2.3.2. Analogni modeli

Primjena analognih modela, zasnovana je na fizikoj slinosti sa nekom od karakteristika

fizikog realnog sistema, gdje se putem analogije, analizom i razumijevanjem razmatranih
utjecaja prisutnih u realnom sistemu, dolazi do postavljenog cilja tj., rjeenja istraivanog
problema.

2.3.3. Matematski modeli

Matematskim modelom se pomou odgovarajuih matematskih postupaka i operacija, na

osnovu odreenih podataka, opisuje ponaanje sistema. Da bi matematski model sluio svrsi,
mora da bude koncepcijski definiran, da je jednostavan za koritenje, da se moe stalno
dograivati odnosno razvijati u skladu novih saznanja i zahtjeva.
Osnovna svrha primjene matematskih modela je opisivanje ponaanja realnog sistema u
cjelini ili njegovim pojedinim segmentima u odreenim uvjetima. Primjena matematskih
modela omoguava definiranje odnosa promjenljivih za odreeni problem.
Matematski modeli se mogu podijeliti na:
statike,
dinamike,
deterministike,
stohastike,
diskretne,
kontinuirane.

Statikim modelom se vri analiza sistema za odreeni vremenski termin.

7
Dinamikim modelom se analizira stanje sistema u razliitim vremenskim periodima, u
kojima se mijenjaju i promjenljive.
Deterministiki model podrazumijeva determinisane vrijednosti promjenljivih, iji su
meusobni odnosi kvantitativno definirani i uvijek jednaki, za istu bazu podataka.
Stohastikim modelom se analizira stanje sistema, kada promjenljive nisu unaprijed poznate i
sluajnog su karaktera. Na osnovu statistike matematike i teorije vjerovatnoe, utvruje se
zakonitost ponaanja sluajnih promjenljivih, kao i njihovi meusobni odnosi. Utvrivanjem
zakona raspodjele, moe se predviati njihovo ponaanje; pri vie puta koritenim istim
podacima, dobiveni rezultati nisu uvijek isti.
Diskretnim modelom se analizira stanje sistema za odreeni vremenski interval, u kome je
stanje sistema nepromijenjeno.
Kontinuiranim modelima se analiziraju promjenljive, kod sistema ije se stanje mijenja
kontinuirano s vremenom.

Primjenom matematskih modela i pored niza dobrih strana, pri rjeavanju kompleksnih
problema, veoma je teko ili nemogue opisati pojedina stanja sistema radi velikog broja
faktora, koji su od utjecaja u realnom sistemu. Mnogi od tih faktora nisu mjerljivi, radi ega
se ne mogu uzeti u obzir. Zbog toga se moraju uvoditi odgovarajua ogranienja. Ako se pri
tome sistem pretjerano idealizira, mogu se dobiti elegantna matematska rjeenja, ali malo
korisna, jer ne predstavljaju u dovoljnoj mjeri sistem koji se analizira.
Modeli pomou kojih se mogu izvoditi eksperimenti na raunaru, za odreeni vremenski
interval, pripadaju grupi apstraktnih modela: matematski model (dinamiki, diskretni,
stohastiki).

2.4. Modeliranje proizvodnog sistema

Osnovni cilj modeliranja sastoji se u tome da se podaci o ponaanju nekog sistema dobiju ne
prouavanjem samog sistema, nego se ponaanje sistema prouava tako da se napravi (kreira)
model, pa se zatim, eksperimentiranjem na takvom modelu dolazi do saznanja o ponaanju
postojeeg sistema.

Kako bi se to bolje moglo izvriti modeliranje odreenog proizvodnog sistema neophodno je

poznavati njegovu sutinu. Prilikom istraivanja ponaanja nekog sistema na njegovu modelu,
tada treba definirati pitanja na koja se trai odgovor simuliranjem na modelu. Obzirom da
pitanja mogu biti veoma razliita, takoer i modeli mogu biti razliiti i pored injenice da se
radi o istom. Pri tome je vano da se u model ukljue samo oni aspekti sistema koji su bitni za
8
dobivanje traenih odgovora na postavljena pitanja. Svi ostali aspekti se zanemaruju koliko
god je to mogue, kako bi model bio to jednostavniji i to lake rjeiv. Naime, modeliranje i
simuliranje se najee upotrebljava za prouavanje sloenih sistema, pa je bitno da se
iskljue svi oni elementi koji ine model sloenijim, a ne doprinose znaajnije kvalitetu
dobivenih odgovora. Imajui u vidu injenicu da proces modeliranja "lei" u osnovi svake
raunarske simulacije, neophodno je definisati ovaj proces sa posebnom panjom. Osnovna
svrha modeliranja procesa i sistema je definiranje matematikih modela i drugih prikaza, koji
e u odgovarajuem stepenu tanosti adekvatno opisati prouavani proces/sistem u cilju [27]:
- simulacije varijantnih rjeenja, analize i prognoziranja stanja procesa/sistema jo u fazi
projektovanja;
- definiranja matematikih modela i drugih prikaza koji su neophodni za optimizaciju
procesa/sistema i iznalaenje optimalnih rjeenja;
- izgradnje modela upravljanja za dati sistem, odnosno objekt optimizacije i
- nauna istraivanja i/ili praktine primjene u realnim procesima.
Relacija modeliranja odnosi se na validnost modela. Validnost ili valjanost modela opisuje
koliko vjerno jedan model predstavlja simulirani sistem. Proces utvrivanja stepena slaganja
podataka o realnom sistemu sa podacima modela naziva se validacija modela. Proces
validacije je veoma znaajan, jer se na osnovu njega donose odluke o upotrebljivosti rezultata
simulacije, izmjeni modela, izmjeni podataka (ulaznih promjenljivih, parametara), daljem
nastavku simulacije, ponavljanju simulacije, itd.

Metode modeliranja usavrene su razvojem primijenjene matematike, matematike statistike,

operacionih istraivanja, eksperimentalnih i informatikih metoda. Danas se u modrenoj nauci
primjenjuju brojne metode modeliranja koje se u osnovi mogu podijeliti na deterministike i
stohastike. Na slici 2., prikazana je blok ema deterministikog i stohastikog metoda
modeliranja.

9

z
i

x y x y
i i i i
SISTEM
SISTEM

Bi = const
Bi = const

Fsi ( x, y) 0 , i=1, 2, 3, ... Fsi ( x, y, z ) 0 , i=1, 2, 3, ...

ogranienje: Fgi ( x, y) 0 , i=1, 2, 3, ... ogranienje: Fgi ( x, y, z) 0 , i=1, 2, 3, ...
a) b)

Slika 2. Blok ema deterministikog (a) i stohastikog (b) metoda modeliranja

Deterministike metode zasnivaju se na primjeni razliitih matematikih struktura

(algebarske, diferencijalne, parcijalne integralne i druge jednaine), to implicira jednoznanu
zavisnost izlaznih od ulaznih veliina, bez utjecaja poremeajnih veliina. Ove metode u
sutini predstavljaju priblian i pojednostavljen matematiki opis realnog procesa/sistema.

Stohastike metode se koriste na osnovu statistike obrade eksperimentalnih rezultata to

rezultira generisanjem stohastikog modela prouavanog sistema. Temeljno matematiko
polazite za prouavanje i analizu stohastikih procesa je teorija matematike vjerovatnoe s
teorijom stohastikih procesa.
Rezultat modeliranja je model. Model, kao i svaki realni sistem, ima svoje objekte koji se
opisuju atributima ili promjenljivim, te predstavlja apstraktni prikaz realnog sistema, daje
njegovu strukturu, njegove komponente i njihovo uzajamno djelovanje s tim da on ne moe da
obuhvati sve njegove aspekte nego je uprotena i idealizovana slika realnosti. On omoguava
suoavanje sa realnim sistemom na pojednostavljen nain, izbjegavajui njegovu
kompleksnost i ireverzibilnost, kao i sve opasnosti koje mogu proistei iz eksperimenta nad
samim realnim sistemom. Drugim rijeima, model je prikaz bitnih aspekata nekog stvarnog
sistema (ili sistema koji e se sagraditi) koji reprezentira osobine toga sistema u upotrebljivom
obliku To zapravo znai da je u procesu modeliranja potrebno izvriti izbor izmeu onih
elemenata i karakteristika sistema koje su od znaaja za istraivanje i koje e biti obuhvaene
modelom i preostalih irelevantnih, koje model nee sadrati. Stoga se moe rei da model kao

10
uprotena sliku realnog sistema ne sadri samo objekte i atribute realnog sistema, ve i
odreene pretpostavke o uslovima njegove validnosti [67]. Cilj modela nije, naravno, da
precizno reprodukuje stvarnost u svoj njenoj sloenosti nego da na vidljiv, esto formalan
nain, uoblii ono to je sutinsko za razumijevanje nekog aspekta njegove strukture ili
ponaanja.
Na slici 3., prikazana je blok ema algoritma razrade stohastikog modela.

Slika 3. Opta blok ema algoritma razrade stohastikog modela

Nivo apstrakcije u procesu modeliranja utie na validnost modela, odnosno na uspjenost

predstavljanja realnog sistema modelom. Problem validacije modela javlja se u svakom
procesu modeliranja, a proistie iz injenice da je model uvijek pojednostavljeni pogled na
realni sistem koji je predmet posmatranja. Suvie sloeni ili savreni modeli koji imaju
sposobnost da za isti skup ulaznih veliina proizvode iste izlazne vrijednosti kao i realni
sistemi, ak iako su ostvarivi, po pravilu su preskupi i neadekvatni za eksperimentisanje. S
druge strane, suvie pojednostavljeni modeli ne oslikavaju na pravi nain posmatrani sistem, a
rezultati koji se dobijaju njihovom primjenom mogu da budu neadekvatni i pogreni. Stoga,
opredjeljujui se za nivo apstrakcije u posmatranju realnog sistema, potrebno je u odreenom
trenutku povui granicu u realnom sistemu i to tako da rezultujui model to vjernije oslikava
posmatrani sistem, ali i da, s druge strane, njegova sloenost i cijena ne budu ograniavajui
faktori.

Odnos izmeu modela i realnosti ocjenjuje se slijedeim parametrima:

11
 Stepenom apstraktnosti - poveanjem stepena apstraktnosti dolazi do gubitka
informacija i pojedinosti o sistemu,
Tanosti - tanost je odluujua je za upotrebu modela, jer se model koristi na
konkretne aspekte,
Jednoznanost opisa sistema.

Modeli se koriste za razliite zadatke kao to su:

formuliranje i prikaz novih ideja,

pojanjenje nekog stanja ili fenomena. Ovakav model se gradi na kraju istraivanja i
sadri rezultate,
dobivanje uvida o odnosima u nekom sistemu. Ovakvi tipovi modela prikazuju
veinom prethodna znanja o sistemu,
pretpostavke odnosa u nekom sistemu. Ovakvi modeli pokuavaju tono preslikati
statistike aspekte ili dinamiki tijek sistema, te potvrditi postavljene pretpostavke o
odnosima u sistemu,
optimiranje strukture sistema ili njegovih parametara. U sluaju da je razvijeno vie
varijanti sistema, koji se mogu prikazati odgovarajuim matematikim modelom,
mogue je na osnovu postavljenih kriterija odrediti optimalnu varijantu.

Proces modeliranja je iterativan postupak, koji obino sadri slijedee aktivnosti:

odreivanje ciljeva i granica sistema,

definiranje naine promatranja za strukturiranje sistema,
identifikacija i modeliranje elemenata i njihovih svojstava,
identifikacija i modeliranje vanjskih veza,
identifikacija i modeliranje unutarnjih veza izmeu elemenata,
verifikacija odnosa u sistemu,
analiza odnosa u sistemu.

Prema (Gordon-u, 1969.) pri izradi modela znaajne su slijedee preporuke:

Granica sistema s okolinom mora biti odabrana tako da sistem, odnosno njegov model,
obuhvata samo fenomene od interesa. Okolina sistema modelira se tako da se ne

12
 opisuju detalji fenomena i uzrona veza meu njima, ve se daje samo njihov saeti
prikaz.

Modeli ne smiju biti suvie sloeni ni detaljni, ve trebaju sadravati samo relevantne
elemente sistema - suvine, sloene i detaljne modele gotovo nije mogue vrednovati
ni razumjeti, to znai da su i njihov razvoj i koritenje teki i neizvjesnog kvaliteta.

Model ne smije ni suvie pojednostavniti problem, npr. izbacivanjem vanih varijabli

potrebnih za adekvatan opis sistema ili suvie velikim stupnjem agregiranja
komponenti sistema.

Model je razumno rastaviti na vie dobro definiranih i jednostavnijih modula s tano

odreenom funkcijom, koje je lake i izgraditi i provjeriti.

U razvoju modela preporuuje se koritenje neke od provjerenih metoda za razvoj

algoritma i programa. Tako se npr. u metodi analize u koracima (tzv. pristup odozgo
prema dolje, engl. top-down) polazi od prve verzije modela koja se sastoji od
nekoliko modula s vie funkcija, zatim se u slijedeem koraku ti moduli rastavljaju na
nekoliko jednostavnijih modula itd., sve dok se ne dostigne eljeni stepen detaljnosti
modela. Pri tome je mogue razumjeti model i njegove module u svim fazama razvoja
modela. S druge strane, kod sinteze se polazi obratno od sastavljanja detalja prema
gradnji ukupnog modela (tzv. pristup odozdo prema gore, engl. bottom-up).

Potrebna je provjera logike i kvantitativne ispravnosti modela, i to kako pojedinanih

modula, tako i cijelog modela. Kod modela koji ukljuuju sluajne varijable to znai i
primjenu odgovarajuih statistikih tehnika.
Prema [66] cilj projektovanja i razvoja bilo koje vrste proizvodnog sistema je stvaranje
sistema koji ispunjava eljene funkcije uz postizanje najviih performansi sistema po
najmanjoj moguoj cjeni. U cilju ispunjavanja ovoga zadatka potrebno je detaljno prouiti
karakteristike posmatranog sistema. Za prouavanje sistema postoje brojne mogunosti kao
to su eksperimentiranje na samom sistemu, analiza sistema "na papiru", matematiko
rjeavanje problema, te rjeenja koja posljednjih godina doivljavaju ekspanziju, raunarsko
modeliranje i simulacija eljenog sistema i razvoj i izrada prototipa proizvodnog sistema.

Jedan od naina prouavanja ponaanja sistema, koji je sve rjee u upotrebi, je

eksperimentiranje na samom sistemu. Ovakav nain praenja ponaanja sistema je veoma
neprikladan jer se kao prvo oekuje da realni sistem ve postoji, a osim toga remeti se i
normalan rad samog sistema, pa je takvo eksperimentiranje veoma skupo. S druge strane, ako

13
realni sistem ne postoji nego se tek treba graditi, tada se ne mogu razmatrati razliita
varijantna rjeenja sistema koji e se graditi.

Za prouavanje rada jednostavnijih sistema koristi se matematika analiza rada sistema.

Ovakav nain prouavanja rada sistema daje dobre rezultate, a rjeenja koja se dobiju mogu
biti korisna, jer su uoptena, a ne parcijalna kao ona koja se dobiju modeliranjem i
simuliranjem. Zbog toga je dobro koristiti matematiko modeliranje uvijek kad se sistem
moe s dovoljno realizma prikazati matematikim metodama.
Kod sloenih sistema primjena matematikog modeliranja obino nije mogua zbog
matematikih tekoa koje se javljaju pri modeliranju ove vrste sistema. Iz ovog razloga sve
vie su razvijane metode simuliranja s raunarima.

Raunarska simulacija predstavlja jednu od tri glavne tehnike koje se danas obino koriste pri
projektovanju i razvoju sistema:
1. Kao alat za bolje razumijevanje i optimizaciju performansi sistema, raunarska simu-
lacija se iroko koristi i za potvrivanje tanosti projekata, a posebno je vana u ranim
fazama projektovanja, jer trokovi popravljanja greaka rastu dramatino ako se
greke otkriju u kasnijim fazama ivotnog ciklusa proizvoda. Simulirati se mogu
realni sistemi tj. oni koji ve postoje, pa se pokuavaju pronai naini za poboljavanje
njihovog rada, kao i sistemi koji se planiraju graditi, pa se modeliranjem i
simuliranjem (ili na neki drugi nain) razmatraju alternative za konstrukciju sistema.
Takva okruenja su dinamika i njima se moe manipulirati kao da su stvarna, pri
emu se pretpostavlja da e realni sistem, kad se sagradi, u osnovi biti upravo onakav
kakva je najbolja varijanta dobivena modelom. S druge strane, kod postojeih sistema
model reprezentira samo neke aspekte realnog sistema i to one koji su bitni za
dobivanje odgovora na postavljena pitanja. Ovom eksperimentalnom tehnikom
dobivaju se rezultati koji su za praksu veoma korisni, iako nisu uopteni, nego su
parcijalni. Osnovna prednost ove metode jeste realizam.
2. Ovim pristupom upotreba matematikih modela slui za karakterizaciju ponaanja
sistema. Ovaj pristup ima prednost jer je jeftiniji i zahtijeva manje vremena od
simulacije, ali je sa druge strane ozbiljno ogranien, jer izvoenje matematikog
rjeenja modela esto zahtijeva veoma kompleksne predpostavke.
3. Ovim pristupom se podrazumijeva razvoj prototipa sistema koji se ispituje. Prototipski
sistemi su konstruisani tako da obezbijeuju izvjesnu fleksibilnost u ispitivanju

14
 razliitih projektantskih zamisli, ali ipak su ogranieni u mjeri dovoljnoj za izvoenje
potrebnih eksperimenata. Ovakav pristup ima prednost jer obezbjeuje veoma
realistian "model" sistema koji se istrauje. Meutim, pored toga to je donekle
nefleksibilan, on je i skuplji od prethodna dva pristupa. U mnogo sluajeva razvoj
prototipa u punoj razmjeri moe da bude nepraktian ili opasan, na primer,
projektovanje velike fabrike.

Simulacija obezbeuje koristan srednji pristup izmeu analitikog modeliranja i izrade

prototipa koji, kada se ispravno upotrebljava, daje razumno precizne modele po umjerenoj
cjeni.
Iako raunarski modeli danas ine najvanije podruje u modeliranju i simuliranju, oni nisu
jedina vrsta modela. Kreiranje modela ima svoje poetke mnogo ranije od pojave prvih
digitalnih raunara. Modeli bi se mogli podijeliti u dvije osnovne grupe:
- fiziki modeli i
- simboliki modeli.
Kod fizikih modela se stvarni sistem prouava na nekom fizikom modelu za koji vrijede
iste zakonitosti, kao i za stvarni sistem, bilo onaj koji ve postoji ili onaj koji se planira
graditi.
Drugu kategoriju ine modeli koji se mogu prikazati pomou odgovarajuih simbola. Veoma
esto su to matematiki simboli, bez obzira na to da li e se model rjeavati matematiki ili na
neki drugi nain. Zbog toga se ponekad poistovjeuju simboliki modeli s matematikim. No
to nije u redu, jer matematiki prikazani modeli ine samo dio simbolikih modela.

Kao to je naglaeno savremeno modeliranje je nezamislivo bez raunara. Pri modeliranju

raunari se koriste u dvije svrhe: u razvoju modela i u izvoenju prorauna na osnovu
stvorenog modela. Na taj nain, modeliranje pomou raunara postaje disciplina kojom se
mogu adekvatno i efikasno prikazivati sloeni sistemi i oblikovati i ispitivati njihovo
ponaanje.

2.5. Fleksibilni simulacioni modeli

Cilj razvoja fleksibilne simulacije je smanjenje vremena i trokova koritenjem istog
simulacionog modela za vie aplikacija.
Kod primjene fleksibilnog simulacionog modela, koriste se iste simulacione sekvence
prethodnih dogaaja. Izrada novog modela poinje sa potrebnom identifikacijom,

15
skupljanjem podataka, kreiranjem modela, verifikacijom, i validnou, koritenjem
dokumentiranih koraka.
Poslije toga se vri kreiranje interfejsa, nakon ega slijede inenjerske i tehnike linije koje
dizajniraju eksperimente, pokreu simulaciju, analiziraju rezultate i primjenjuju rjeenja. U
sluaju da neki od parametara modela treba biti promijenjen (npr. eli se simulirati odreena
aktivnost na pojedinanoj opremi), isti model moe biti koriten i bez prolaska kroz sve
korake za kompletiranje novog modela.

Sa fleksibilnim simulacionim modelom je lake i bre raditi ; analizu moe izvriti i

nedovoljno obuen strunjak. Fleksibilni simulacioni model (FSM) stvara alate sa irokom
rasprostranjenou, produuje ivotni vijek modela i ponovnu upotrebu modela za sline
simulacije u budunosti (Mazziotti, 1996).

Sivakumar i Sadagopan (1994) su prouavali koncept ponovne upotrebljivosti u

simulacionom modeliranju. Oni su ciljali na iznalaenje podesnih paradigmi za modeliranje
malih promjena u strukturi sistema i primjeni pouzdanih metoda za ponovno koritenje
informacija generiranih simulacijom za promjene u poloaju datog sistema. Oni su predstavili
listu od etiri razliite popularne paradigme u razvoju simulacionih modela:

- proceduralno programiranje,
- logiko programiranje,
- paralelno programiranje i
- objektno orjentirane programirne paradigme.

Meu etiri pomenute paradigme, objektno orjentirano programiranje je najvie okrenuto ka

viekratnosti i produenju.

Prednosti koritenja ovih programskih paradigmi se poinje realizirati u podruju simulacija,

posebno sve brim razvojem softverske industrije.
Skup ogranienja kao to su : realnost, tanost i efikasnost, veliki je problem u svim
softverskim projektima; posebno u podruju simulacija.
Poveanje realnosti i tanosti simulacije, zahtijeva vei i kompleksniji model. Vei i
kompleksniji model je vie sklon grekama, to je kontradiktorno sa ogranienjima realnosti i
tanosti.

16
Najefikasniji put za postizanje visoke realnosti, tanosti i efikasnosti izbjegavanjem
kontradiktornosti kako navodi Schoeckle (1996) je maksimalna ponovna upotreba dijelova
modela. ak i kompleksni modeli mogu biti postavljeni mnogo efikasnije.

Simulaciona aplikacija iji je okvir predstavljen od strane Lin et al. (1995) obezbjeuje
mehanizam za realizaciju koncepta ponovnog iskoritenja objektno orjentiranog dizajna u
simulacionom modelu. Ovo doputa ponovnu upotrebu raspoloive biblioteke gradivnih
blokova (objekata) kroz novo definirani gradivni blok za eksperimentiranje sa
raknofigurisanim sistemom. Takoer, doputa irenje granica opisa sistema za laku
integraciju novog subsistema bez promjena raspoloivih gradivnih blokova postojeeg
sistema.

Sa aplikacijom okvira, dizajnirani sistem je saet u skup apstraktnih razreda gdje je njegova
implementaciona logika dijelimino specificirana.
Apstraktna baza razreda na aplikacionom okviru predstavlja opcije za metodsko definiranje
aplikacija.
Ovaj pristup ima dvije prednosti:
a) Osobine u objektu razreda mogu biti naslijeene iz njegove izvorne klase. Osobine
mogu biti naslijeene ukljuujui simulacionu logiku, lanove podataka i interfejs, za
korisniku kontrolu. Stvarni sistem moe biti modeliran odgovarajuom selekcijom
baznog razreda iz biblioteke razreda i naknadno modificiran da se prilagodi problemu.
Ovo smanjuje obim konstruiranja simulacionog programa.
b) Komplikovani sistemi mogu biti modelirani rastavljanjem orginalnog sistema na
nekoliko manjih podsistema. Ovo pojednostavljuje zadatak modeliranja svakog
podsistema odvojeno.
U modeliranju proizvodnih sistema, gradivni blokovi sadre opte elemente naene u
proizvodnom okruenju, kao to su: maine, vozila za prenos materijala, konvejeri itd. Kako
se mogunosti sistema poveavaju, naslijeene odlike objektno orijentiranih paradigmi mogu
biti koritene za stvaranje podrazreda tih generiranih objekata koje u potpunosti definiraju
ponaanje modela. (Mize et al,1992).

17
 3. SIMULACIJA
3.1. Osnovni pojmovi
Rije simulacija u svakodnevnoj upotrebi moe da oznai vei broj razliitih aktivnosti,
meutim, kada rije koriste raunarski strunjaci, inenjeri, menaderi ili statistiari, obino
pod simulacijom, u irem smislu, podrazumijevaju niz aktivnosti koje su vezane za
eksperimentalno odreivanje efekata koji nastaju u sistemu, ili procesu ili na modelu koji ih
imitira pri promjeni parametara tih modela [D.Lipovac; D. Leti1999.]. Pored toga, simulacija
obuhvata i analize dobivenih rezultata na osnovu razvijenih kriterija: provjere (verifikacije) i
valjanosti (validnosti) modela [V.eri1984.]. Da bi se pribavila iskustva u vezi realiteta
odnosno njegovih karakteristika, simulacija se koristi kao pomono sredstvo, upravo za
pribavljanje tog iskustva posrednim eksperimentiranjem na simulacionom modelu, s obzirom
da eksperimentiranje u stvarnosti sa realitetom iz raznih razloga esto nije mogue. Dakle,
polaznu osnovu simulacije ini izrada modela kao pojednostavljenog ili idealiziranog opisa
sistema kojim se opisuje ponaanje realiteta i objanjava ponaanje sistema u uslovima
razliitim od onih za koje je model napravljen. Neke od prednosti simulacije u odnosu na
postupke eksperimentiranja sa realnim sistemom ili modelom su:
Simulacijom se u znatnoj mjeri moe smanjiti rizik u zavisnosti od realiteta koji se
posmatra (ekonomski rizik, rizik kanjenja isporuke roba, itd.). U tome sluaju
donosilac odluke moe numerikom simulacijom, u realnom vremenu, da stvori
osnovne podloge (informacije) za donoenje pravovremene i kvalitetne odluke,
neophodne za upravljanje;
Uteda u vremenu koja je omoguena na osnovu brze procjene ponaanja jednog
realiteta, s obzirom na proces u stvaranim uslovima traje relativno dugo;
Velika prednost simulacije predstavlja dobivanje jasne slike o procesu, strukturama i
funkcijama sistema koji se analizira;
Simulacijom se omoguava da se pravilnije analiziraju sloeniji industrijski i drugi
sistemi, gdje se javljaju: redovi ekanja, vjerovatnoe realizacije toka materijala u
planiranom roku, planiranje, otkazi i pouzdanost tehnikih sistema, transport resursa,
upravljanje zalihama, kanjenje vieg reda, odravanje sistema, utjecaj povratnih
sprega na ponaanje sistema i sl. To su problemi za ije modeliranje tee moe doi u
obzir primjena analitikih metoda tip: matematikog programiranja, mrenog
planiranja itd.

18
Modelom se prikazuje statiko stanje sistema, odnosno stanje u jednom momentu prikazom
stanja bitnih veliina sistema (parametara). Pa se shodno tome, moe rei, da simulacija
pretpostavlja praenje stanja sistema u vremenu. To znai da je potrebno napraviti vremenski
slijed, odnosno, hronologiju stanja sistema. Postoje brojni naini za predstavljanje hronologija
stanja sistema kao npr. grafike metode, te niz metoda zasnovanih na klasinim proraunima
itd. Meutim, digitalni raunari, zahvaljujui svojim radnim karakteristikama, omoguavaju
izvoenje procesa simulacija na nain, koji je neizvediv drugim metodama.
Osim toga simulacija se moe definirati i kao tehnika rjeavanja odreenih problema
imitacijom problema odgovarajuim rjeivim modelom. Da bi model bio koristan, od
sutinske je vanosti to da se za dati ogranieni skup njegovih opisnih promjenljivih, njegovo
ponaanje moe odrediti na praktian nain: analitiki, numeriki ili putem eksperimenta, gdje
se za izvjesne, uglavnom sluajne ulaze, posmatraju odgovarajui izlazi.
Relacija simulacije odnosi se na provjeru da li simulacioni program vjerno prenosi model na
raunar kao i tanost kojom raunar izvrava instrukcije modela. Prije poreenja stvarnih
podataka sa podacima koje generie raunar (simulator), mora se utvrditi tanost, odnosno
korektnost simulatora. Proces procjene korektnosti simulatora naziva se verifikacija
[Radenkovi, Stanojevi, Markovi, 1999]. Verifikacija vodi novom eksperimentisanju nad
realnim sistemom i moe da zahtjeva dodatne modifikacije ili ak odbacivanje i
reinicijalizaciju prvobitnog modela. U tom procesu, kao rezultat nedostatka podataka u bazi
znanja mogu se formulisati novi ili izmijeniti postojei ciljevi. Na kraju, kao rezultat javlja se
jedan ili vie modela koji vode ka ispunjenju eksternih ciljeva (ukoliko proces ne upadne u
petlju iz koje ne moe da izae). Kreirane modele koristi donosilac odluke. Pored toga, oni se
mogu memorisati u bazi modela i koristiti u nekoj narednoj fazi aktivnosti.
Simulacioni proces je struktura rjeavanja stvarnih problema pomou simulacionog
modeliranja. Proces se moe prikazati u obliku niza koraka koji opisuju pojedine faze
rjeavanja problema ovom metodom (ivotni ciklus simulacije). Struktura simulacionog
procesa nije strogo sekvencijalna, ve je mogu i povratak na prethodne korake procesa,
zavisno od rezultata dobivenih u pojedinim fazama procesa. Broj faza i redoslijed njihovog
obavljanja zavisi od svake konkretne situacije, ali je ipak mogue navesti jedan opti, ureen
skup procedura. Na slici 4., prikazan je dijagram simulacionog procesa.

19
 Slika 4. Dijagram toka simulacionog procesa

Na osnovu prethodno iznesenog moe se zakljuiti da je najvanija stvar za svaki simulacioni

eksperiment da se dobiju rezultati to sliniji onima koji bi se dobili od samog (realnog)
sistema. Osim toga, simulacijom se ne dobiva optimalno rjeenje problema, nego se njome, na
temelju niza dobivenih statistikih podataka, moe izvesti vie varijanti rjeenja i izabrati
najbolja, bez garancije da je postignut optimum. Naravno, u krajnjem sluaju postoji i
mogunost prihvaanja pretpostavki koje nisu sasvim tane, s tim da se dobiju rezultati koji
to bolje opisuju posmatrani sistem. Procjena kvaliteta rezultata je najee subjektivna, ali
kao osnovni kriterij za procjenu rezultata bi mogla posluiti injenica da se modeliranjem i
simulacijom dobiju bolji rezultati nego od drugih naina prouavanja sistema, naravno uz
razumne trokove simulacije. Bitno je napomenuti da u najveem broju sluajeva simulacioni
eksperimenti zahtevaju vie od jednog simulacionog prolaza, odnosno simulacija je esto
ugraeni metod za eksperimentisanje.
Prednosti koritenja simulacije proizvodnih sistema su slijedee:
- simulacija je relativno vjeran prikaz realnog sistema;
- moe se koristiti za analizu velikih i kompleksnih realnih problema koji se ne mogu
rijeiti konvencionalnim modelima;
- simulacija dozvoljava rad sa bilo kojom raspodjelom vjerovatnoa;
- zahvaljujui simulaciji efekti moguih promjena u sistemu su odmah vidljivi;
- simulacija doputa "ta-ako" analize;
- simulacija ne remeti realan sistem, to je velika prednost jer je nemogue
eksperimentisati sa pravim fabrikama, bolnicama ili aerodromima.

20
 SIMULACIJA

CILJEVI BAZA BAZA

MODELA PODATAKA

EKSPERIMENTIRANJE

Slika 5. Odnos procesa modeliranja i simulacije

Simulacija ima i nedostatke kao to su:

- dobri simulacioni modeli su skupi;
- simulacija ne garantuje nalaenje optimalnog rjeenja problema;
- simulacioni modeli ne daju odgovore bez adekvatnih, realnih ulaznih podataka;
- svaki simulacioni model je jedinstven i obino se ne moe primijeniti na druge
probleme.
Osim navedenih nedostataka, za simulaciju se veu i problemi koji uzrokuju tekoe u njenoj
upotrebi, kao to su trokovi simulacije i prikupljanje podataka.
Trokovi simulacije su, zbog nekoliko razloga, relativno visoki. Naime, kvalitetni simulacijski
softveri su dosta skupi. Uz to, rijetki su strunjaci koji su u stanju izraditi i koristiti kvalitetne
modele simulacije. Usprkos tome, s obzirom na visoku cijenu proizvodnih sistema, jedan od
bitnih uslova za njihovo uvoenje i voenje je dobro planiranje, tj. koritenje simulacijskih
programa kod projektiranja i upravljanja sistemima.
Prikupljanje podataka za provoenje simulacije je vrlo dugotrajno i teko, jer rijetko o sistemu
postoje ve pripremljeni potrebni podaci. Radi toga je potreban opsean i skup rad na
prikupljanju podataka, mjerenju i obradi prije nego to se pristupi modeliranju. Trokovi
prikupljanja podataka esto izazivaju zastoje, a ponekad i odustajanje od projekta simulacije.
Usprkos navedenim potekoama, simulacija je najee jedina mogua metoda koja se moe
primijeniti u uslovima nesigurnosti, nelinearnosti ili vremenskih varijacija elemenata sistema,
kada se sistemi ne mogu matematiki obraditi. Osim toga, simulacija raunarom prua
korisniku mogunost kontrole nad vremenom, koje se moe po elji skratiti ili poveati.

3.2. Podjela metoda simulacije

Prema A. Munitiu, sa stanovita implementacije, simulacija se dijeli na: kontinualnu i
diskretnu.
Kontinualna simulaciju, koristi modele koji imaju oblik algebarskih ili diferencijalnih
jednaina ili sistema jednaina, pri emu se posmatraju postepene promjene, tokom izvjesnog
vremena, uz praenje njihovog progresa u vremenu;

21
Diskretna simulacija, koristi modele posmatranog realiteta opisanih nizom brojeva, tzv.
varijabli stanja, pri emu se sve znaajnije promjene stanja simuliranog sistema posmatraju
kao izdvojeni-diskretni dogaaji koji nastaju u odreenim trenutcima vremena. U tom sluaju,
neko ponaanje sistema ili procesa postie se imitacijom modeliranjem toka njegovih
dogaaja, uz pojedinanu obradu svakog od njih. Protok vremena u diskretnom modelu moe
se realizirati na dva naina: metodom kritinog dogaaja (kada se sat pomie na trenutak
kritinog dogaaja) i metodom jednakog vremenskog intervala (kada se sat pomie u
jednakim intervalima.
Rezultati simulacionog pokusa su statistike prirode zasnovani na informacijama prikupljenim
u toku izvoenja eksperimenta, a mogu biti:
- brojai koji daju broj elemenata ili broj ponavljanja dogaaja odreenog tipa;
- zbirni izvjetaji s ekstremnim i srednjim vrijednostima, te standardnom devijacijom;
- iskoristivost kao uee u ukupnoj raspoloivosti;
- okupiranost kao prosjena vrijednost zauzetosti;
- raspodjela interesantnih izlaznih varijabli i prolazna vremena kao vremenski intervali
potrebni da neka jedinica u sustavu prijee put od jednog do drugog dijela sustava.
Osnovni elementi diskretne simulacije su: entiteti (objekti), aktivnosti, dogaaji, redovi,
obiljeja (atributi), skupovi i stanja.
Entiteti su elementi sistema kao to su maine, predmeti rada, oprema za rukovanje, itd.
Postoje stalni i privremeni entiteti. Stalni entiteti su oni koji se nalaze u modelu za vrijeme
trajanja cijelog simulacijskog eksperimenta. Privremeni su entiteti oni koji mogu ui u model
u svakom trenutku, prou kroz model, te ga zatim napuste nakon nekog vremena. U modelu
proizvodog sistema maine i ureaji su stalni entiteti, a zadaci su privremeni entiteti.
Aktivnosti slue za definiranje zadataka koje entiteti trebaju obaviti. Svaki entitet prividno
ukljuuje vie aktivnosti, te onda jedna aktivnost moe biti definirana kao zajednika za dva
ili vie entiteta za neki period vremena. Karakteristika je aktivnosti da se zna koliko e dugo
ona trajati. U sluaju nepoznavanja trajanja aktivnosti, potpomae se uzorkovanjem
vrijednosti kao u stohastikoj simulaciji. Pretpostavlja se da aktivnosti poinju i zavravaju
trenutano. U tehnolokom procesu primjer aktivnosti je obradni proces na mainama.
Dogaaji su trenutci vremena kada neka promjena zauzme mjesto u modelu, odnosno kada
poinje ili zavrava jedna ili vie aktivnosti. Stanje itavog modela kao i svakog od njegovih
entiteta mijenja se samo kada se dogaaj pojavi. Za vrijeme trajanja aktivnosti stanje entiteta
smatra se konstantnim. Vie aktivnosti moe zapoinjati ili zavravati s jednim dogaajem.

22
Redovi su pasivna stanja entiteta dok ekaju da se uslovi promjene tako da slijedea aktivnost
moe zapoeti. Poto maine jedan drugog ne mogu fiziki preskoiti unutar reda, logino je
da nema razlika izmeu reda zadataka koji ekaju na mainu i reda maina koji ekaju na
zadatak.
Obiljeja (atributi) su karakteristike entiteta, kao to je tip maina ili broj zadatka. S pomou
njih se mogu meusobno razlikovati tipovi entiteta. Selekcija entiteta jednog reda esto zavisi
o obiljejima entiteta u redu.
Skup predstavlja glavni koncept simulacije. Moe se govoriti o skupu zadataka unutar reda. U
stvari, razliiti simulacijski jezici uporabljuju rije skup za opis redova u modelu. Skupovi
takoer mogu biti uporabljivi za grupiranje entiteta na bilo koji klasini nain.
Stanje je izraz koji se koristi da bi se ukazalo na stanje entiteta, odnosno cijelog modela, tako
da se na taj nain mogu testirati neke akcije koje mogu ili moraju biti poboljane, ili izabrati
izmeu moguih akcija. Ukazuje se na postojanje entiteta bez obzira da li je u pasivnom ili
aktivnom stanju, to ovisi da li je angairan ili eka u redu.
Izbor izmeu dva navedena tipa simulacije, u svakom sluaju, odreen je ciljem koji se eli
postii u prirodnom sistemu ili procesu kojeg je potrebno simulirati.

3.2.1. Simulacija kontinuiranih sistema

Stanje kontinuiranih sistema se, kako je prethodno naglaeno, mijenja u svakom momentu, a
vrijeme u realnom sistemu tee stalno, odnosno kontinuirano. Simulacija ovakvih sistema
mogua je na analognim i digitalnim raunarima. Ukoliko se kontinuirani sistem simulira
analognim raunarom ili uopteno analognim sklopovima, onda se stanje sistema prikazano
modelom prati kontinuirano, a i simulirano vrijeme tee kontinuirano kao u realnim
sistemima. S druge strane analogni raunari imaju razliitih nedostataka i ogranienja. Tako je
tanost analognih raunara ograniena kako zbog ograniene tanosti elektronikih
komponenti, tako i zbog naina realizacije matematikih operacija s analognim sklopovima.
Ukoliko se stanje sistema prati na digitalnom raunaru, onda se stanje sistema pomou
modela izraunava u odreenim diskretnim koracima, iako se promjene u sistemu mogu
dogoditi bilo kada. Simulacijski programski jezici omoguavaju korisnicima da u skladu sa
sistemom koji se simulira, odabere korak, odnosno izraunavanja stanja sistema na
vremenskoj skali simuliranog vremena dovoljno gusto, da ne bi na modelu promakla nikakva
promjena u sistemu, koja bi se mogla dogoditi izmeu dvaju takvih koraka. Na ovaj nain se
znaajno poveavaju trokovi simulacije, rezultati su manje pregledni, jer su zatrpani

23
nekorisnim podacima, "informacijsko smee", a ne dobiva se nikakva poboljana informacija
o sistemu.

3.2.2. Simuliranje diskretnih sistema kontinuiranim modelima

Neki diskretni sistemi se mogu prouavati pomou kontinuiranih modela ako se napravi tzv.
agregacija-zdruivanje pojedinih diskretnih dogaaja. Razloga za izvoenje ovakve simulacije
ima vie kao to su: kontinuirani modeli su mnogo jednostavniji, te za kontinuirane sisteme
postoje razvijene i provjerene metode razvijene za druga podruja, pa se one mogu koristiti.
Posebno se primjenjuju metode analize sistema s povratnom vezom, koji mogu biti stabilni ili
oscilirati. Takve metode najvie su razvijene i upotrebljavaju se u elektrotehnikim,
ekonomskim, biolokim, medicinskim i mehanikim sistemima. Naravno, postavlja se pitanje
mogunosti simulacije diskretnih sistema kao kontinuiranih. Kao to je ve ranije naglaeno u
simuliranju se smije uiniti sve ono sto daje dobre rezultate tj. takve da se od modela dobiju
isti ili slini podaci kao to se dobiju od samog sistema, a sve drugo je manje vano ime se
opravdava simulacija diskretnih sistema kontinuiranim modelima.

Na slici 6., dat je grafiki prikaz diskretnog sistema u kojem se promjene dogaaju samo u
diskretnim vremenskim takama, a u modelu se izraunava stanje sistema koje se odnosi
samo na te take.
Stanje parametara
sistema

Vrijeme

Slika 6. Promjene dogaaja u diskretnim vremenskim

takama

3.3. Simuliranje diskretnih sistema

Pri simuliranju diskretnih sistema pretpostavlja se da se promjene u sistemu i u njegovu
modelu (dogaaji) mogu dogoditi samo u tano odreenim momentima - vremenskim
takama. Ako digitalni raunar izraunava stanje sistema ba za te momente, onda su
modelom obuhvaene sve promjene u sistemu, budui da se izmeu tih momenata ne
dogaaju nikakve promjene, slika 17.3. Kretanje sata u modelu moe se realizirati na dva
naina: metodom kritinog dogaaja, kada se sat pomjera u trenutku kritinog dogaaja i
metodom jednakog vremenskog intervala, kada se sat pomjera u jednakim vremenskim
intervalima, pa se za sve potencijalne dogaaje provjera da li su kritini u tom vremenskom

24
intervalu. U nekim simulacijskim modelima i jezicima pomie se sat simuliranog vremena, ali
se ne izraunava stanje sistema za svaki takav korak, nego samo za onaj u kojem dolazi do
promjene stanja sistema. Naime, simulacijski program nakon pomaka sata simuliranog
vremena, najprije provjerava da li u tom asu dolazi do promjene stanja sistema, pa ako dolazi
onda se izraunava to novo stanje sistema, a ako ne dolazi, onda se ne izraunava jer je ono
ostalo nepromijenjeno. Na taj se nain postiu velike utede u radu raunara, to je posebno
vano, jer se za simuliranje diskretnih sistema najee upotrebljavaju moni (i prema tome
skupa) digitalni raunari.
Diskretna simulacija se izvodi ili u okviru zadanog broja kritinih dogaaja odreene vrste ili
u okviru zadanog simulacionog vremena. Dok izabrani kriterij zavretka simulacionog
eksperimenta ne bude ostvaren, stalno se ponavljaju procesi: generisanja dogaaja i vremena
njegovog trajanja, ispitivanja vremena kritinog dogaaja i uslova koji ga omoguavaju,
promjena stanja sistema prouzrokovanim kritinim dogaajem i obraunavanja statistika.
Izlazni rezultati zasnovani su na podacima koji su prikupljeni u toku simulacionog
eksperimenta. Osnovni tipovi izlaznih rezultata su: brojai ponavljanja dogaaja odreenog
tipa, sumarni izvjetaji u obliku ekstremnih i srednjih vrijednosti, iskoritenje pojedinih
statikih elemenata u modelu, raspodjele izlaznih promjenjivih i raspodjela vremenskih
intervala kroz pojedine take sistema za dinamike jedinice.

3.4. Simulacija sluajnih dogaaja

Veliki broj dogaaja koji su predmet prouavanja prirodnih nauka esto se ne moe egzaktno
opisati tj. predstaviti na zadovoljavajui nain nizom matematskih obrazaca. Ovakvi dogaaji
najee su posljedica sluaja, pa ih zbog toga i nazivamo sluajnim dogaajima. Posmatranje
takvih " sluajnih " dogaaja ostvarenih pri velikom broju ponovljenih uslova njihove
realizacije, ukazuje na injenicu da iako ne postoji mogunost predvianja u kojem smislu i u
kolikoj e mjeri djelovati sluaj u konkretnom primjeru, ipak se djelovanje sluaja pokorava
odreenim zakonitostima, koji vrijede za skup dogaaja kao cjelinu. Prouavanje zakona koji
vladaju izmeu sluajnih dogaaja kao cjeline vri se pomou matematike obrade podataka
dobivenih na osnovu mjerenja masovnih pojava.
U cilju izvoenja simulacije sluajnih dogaaja, u razliitim podrujima istraivanja,
najee se koriste sluajni brojevi i brojne razvijene metode za njihovo generisanje. Za
potrebe simulacionih eksperimenata na raunarima generisanje sluajnih brojeva se vri brzim
algebarskim raunarskim algoritmima [V. iljak]. Jasno je da za iste ulazne podatke i isti
algoritam, raunar uvijek dajeidentian i determinisan niz brojeva. Ako ovaj niz brojeva na

25
nekom intervalu zadovolji statistike testove o ravnomjernost raspodjele tada se nazivaju
pseudosluajni. Kvalitet pseudosluajnog generatora brojeva se ocjenjuje na osnovu duine
ciklusa poslije koga dolazi do ponavljanja.
Kako je ve navedeno, simulacija predstavlja postupak imitiranja sistema (proizvodnog
sistema, transportnog sistema, vojnog sistema itd.) ili nekih stanja putem modela,
analiziranjem analognih stanja itd. Openito gledano, mogue je simulirati ne samo sisteme i
stanja, ve i odreene situacije i dogaaje, vriti obuku osoblja za rad na odreenim ureajima
(npr. za kosmiki program upravljanje razliitim ureajima u razliitim situacijama).
Svrha simulacije je dobivanje informacija na osnovu kojih se mogu analizirati stvarna stanja
realnog sistema.
Neki od ciljeva simulacije proizvodnih sistema su:
- definiranje proizvodnog sistema ili njegovih segmenata,
- odreivanje kapaciteta,
- utvrivanje naina osiguranja moguih nedostataka u sistemu transporta u odreenim
situacijama,
- komparacija parametara alternativnih proizvodnih i transportnih sistema,
- utvrivanje uskih grla,
- utvrivanje stepena iskoritenja proizvodnog sistema, proizvodnih linija u okviru
sistema, pojedinanih proizvodnih maina, transportnih sredstava itd.

Da bi se analizirao odreeni proizvodni sistem, potrebno je prethodno izraditi njegov model.

Pojedina stanja proizvodnog sistema, mogu se analizirati odgovarajuim matematskim
metodama, meutim, s obzirom na kompleksnost sistema i dinamiku promjene stanja u
vremenu, nije mogue utvrditi sve odnose u sistemu. Jedan od osnovnih faktora koji
ograniava primjenu matematskog modela je promjena nekih parametara sistema s
vremenom, jer je svaki sistem na koji utjee ovjek, izloen nepredvienim utjecajima i
promjenama. Zbog promjene stanja sistema s vremenom, razliita su i trajanja tih promjena i
nemaju konstantnu vrijednost. Te vrijednosti se dobivaju pomou generatora sluajnih
brojeva, ime se u model ukljuuju i stanja ije predvianje nije mogue zbog stohastinosti
njihovog pojavljivanja u realnom sistemu.
Na slici 7., prikazan je redoslijed generiranja (stablo) sluajnih brojeva.

26
 Slika 7. Stablo sluajnih brojeva

Za potrebe simuliranja stanja realnog sistema koji je izloen razliitim promjenama, postoje
standardne statistike raspodjele, kojima se mogu analizirati pojedina stanja sistema.
U situacijama kada se analiza stanja sistema ne moe vriti standardnim statistikim
raspodjelama, tada se empirijskim putem dobivaju podaci o nekom stanju. Na bazi tih
podataka, utvruje se zakonitost promjena tog stanja. Prikupljeni podaci se koriste za analizu i
donoenje zakljuaka o posmatranim pojavama (transportni proces, dijelovi transportnog
procesa itd.).
Statistike metode omoguavaju da se na osnovu podataka dobivenih posmatranjem
(praenjem, mjerenjem i sl.), donesu odreeni zakljuci o posmatranom procesu ili dijelovima
tog procesa. Za izvoenje relevantnih zakljuaka o posmatranim pojavama, vano je da se
obezbijedi reprezentativan uzorak koji sadri osobine skupa iz kojega je uzet.
Statistiki skup se definira kao skup vrijednosti nekog obiljeja tj., sluajne promjenljive (x),
sa funkcijom raspodjele F(x) i zakonom vjerovatnoe raspodjele f(x). Za bilo koji statistiki
skup postoji prekidni ili neprekidni raspored sa zakonom vjerovatnoe po kome su
rasporeeni elementi tog skupa. Podruje definiranosti sluajne promjenljive (x), je osnovni
statistiki skup, a to znai da je svaki element statistikog skupa, vrijednost sluajne
promjenjive (x).
Svaki statistiki skup u odnosu na posmatrano obiljeje (x), moe se opisati pomou funkcije
raspodjele F(x), odnosno zakona vjerovatnoe raspodjele f(x).
Pod pojmovima: normalna raspodjela, eksponencijalna raspodjela itd., podrazumijevaju se
statistiki skupovi iji elementi predstavljaju vrijednost sluajne promjenljive (x), koja ima
normalnu raspodjelu, eksponencijalnu raspodjelu itd.
Prilikom praenja i snimanja stanja realnog sistema, registriraju se frekvencije i vjerovatnoe
sluajnih veliina (ciklusi proizvodnih i transportnih sredstava, ulaz u sistem i izlaz iz sistema
itd.), tj., registriraju se njihove raspodjele. Podaci se mogu prikazati tabelarno i histogramima.
Iskustva ukazuju na znaajna odstupanja i neravnomjernosti raspodjele frekvencija i
raspodjele vjerovatnoe sluajnih veliina u realnim sistemima.

27
Sa poveanjem broja opaanja (mjerenja-praenja), te neravnomjernosti odnosno odstupanja
se smanjuju i pri odgovarajuem broju opaanja, krive histograma, umjesto poligonalnog
dobivaju izgled neprekidne linije.
Prouavanje raspodjela dobivenih empirijskim putem, pojednostavljuje se zamjenom sa
teoretskim raspodjelama koje ih najbolje opisuju. U primjeni je vei broj teoretskih raspodjela
koje odgovaraju empirijskim i obino se koriste kod modeliranja. Naprimjer, pri modeliranju
transporta materijala u proizvodnim sistemima, esto se primjenjuju: normalna raspodjela,
eksponencijalna raspodjela, ravnomjerna raspodjela, Poasonova raspodjela, Erlangova
raspodjela i sl., a pri modeliranju pojave otkaza proizvodnih maina i ureaja primjenjuju se
najee eksponencijalna odn. Weibull-ova raspodjela itd.
Za ocjenu adekvatnosti hipoteze o pretpostavljenoj teoretskoj raspodjeli, vri se njeno
testiranje na osnovu podataka iz uzorka. U tom cilju vri se izbor pogodne sluajne veliine,
koja zavisi od posmatranih vrijednosti i iji se zakon raspodjele zna ili pretpostavlja.
Za analizu pojave i uzroka otkaza pojedinih maina i ureaja u proizvodnom sistemu,
znaajna je provjera hipoteza o pretpostavljenoj raspodjeli, posebno kada je rije o zakonu
raspodjele vremenskih parametara, koji su utjecajni na pojavu otkaza.
Za testiranje hipoteza postoji vie raznih postupaka, od kojih su najei u primjeni:
Kolmogorov-Smirnovljev test (d-test), Studentov test, 2 test itd.

Na slici 8., prikazan je algoritam raunarskog programa IMMF-TEST, za statistiku obradu

podataka (uzoraka), sa testiranjem hipoteza o raspodjelama vremenskih parametara procesa.

28
 UITAVANJE PODATAKA
(UZORAK)

TESTIRANJE

- BINOMNA - ERLANGOVA
- POASONOVA - NORMALNA
- GEOMETRIJSKA - EKSPONENCIJALNA
- HIPERGEOMETRIJSKA - RAVNOMJERNA

ODREIVANJE STATISTIKIH
PARAMETARA UZORKA:
- OBIM UZORKA
- MATEMATSKO OEKIVANJE ODREIVANJE STATISTIKIH
- DISPERZIJA
PARAMATARA UZORKA:
- MIN., MAX. LAN
- SREDNJA VRIJEDNOST
- OBIM UZORKA
- BROJ,DUINA I GRANICE
IZRAUNAVANJE VJEROVATNOE I INTERVALA

VRIJEDNOSTI 2 PO INTERVALIMA RASPODJELA UZORKA PO INTERVALIMA

IZRAUNAVANJE VJEROVATNOE PO

INTERVALIMA I IZRAUNAVANJE 2

UITAVANJE VRIJEDNOSTI ZA TEORETSKU 2 RASPODJELU

U ZAVISNOSTI OD PARAMETARA n I

UPOREIVANJE IZRAUNATE I TEORETSKE VRIJEDNOSTI ZA 2

U ZAVISNOSTI OD n I ; USVAJANJE ILI ODBACIVANJE HIPOTEZE

DISKRETNA RASP. KONTINUIRANA RASP.

CRTANJE DIJAGRAMA CRTANJE DIJAGRAMA

RELATIVNIH UESTALOSTI I TEORETSKE KRIVE I
TEORETSK. VJEROVATN. HISTOGRAMA RELATIVNIH
UESTALOSTI

TAMPANJE
REZULTATA
KRAJ

Slika 8. Algoritam raunarskog programa IMMF-TEST

29
 3.5. Matematski modeli i simulacija u teoriji redova ekanja
Svaki element transportnog sistema se moe posmatrati kao stanica opsluivanja, a transportni
sistem kao sistem opsluivanja.
Osnovni problem koji se javlja pri planiranju sistema za unutranji transport i skladitenje je
stvaranje redova ekanja na mjestima gdje se eka transport. Njegove karakteristike su
slijedee:
- dolazak materijala je u optem sluaju sluajan dogaaj. Za dolazak, odnosno interval
vremena izmeu dolazaka postoji vjerovatnoa koja se moe iskazati sa odreenom
sigurnou.
- proces opsluivanja deava se u jednom vremenskom intervalu koji slijedi zadatu
statistiku raspodjelu,
- mora se definirati mehanizam opsluivanja,
- sistem je oznaen sa jednim od dva stanja: nastaju redovi ekanja ili je broj ureaja (ili
ljudi) za opsluivanje na datom mjestu tako veliki da su nedovoljno zaposleni.

Za prouavanje ovog problema mogu se koristiti matematiki modeli redova ekanja. Iako
nisu mnogo korisni za rjeavanje kompleksnih praktinih problema oni omoguuju stvaranje
osnovnog koncepta za rjeavanje kompleksnih problema.
Osnovni pojmovi vezani za sisteme opsluivanja su:
a) distribucija vremena dolazaka korisnika,
b) distribucija vremena opsluivanja,
c) kapacitet sistema,
d) redoslijed opsluivanja korisnika (disciplina ekanja),
e) broj mjesta za opsluivanje.

Osnovne veliine kojima se opisuje sistem opsluivanja su brzina dolaenja i brzina

usluivanja.
Brzina dolaenja se definira kao broj korisnika koji uu u sistem u jedinici vremena. Njena
prosjena vrijednost se u teoriji redova oznaava sa .
Brzina opsluivanja se definira kao broj korisnika koji su opslueni u jedinici vremena.
Faktor iskoritenja sistema () predstavlja omjer brzine opsluivanja i brzine dolaenja.

U teoriji redova je usvojen opti nain oznaavanja, standardiziran 1971. godine, po kojem se
sistem redova oznaava sa pet karaktera ABXYZ, gdje:

30
A - definira raspodjelu vremena dolazaka korisnika,
B - definira raspodjelu vremena opsluivanja,
X - definira broj mjesta za opsluivanje,
Y - definira kapacitet sistema opsluivanja, i
Z - definira redoslijed opsluivanja.

(u literaturi se moe nai i oznaka ABcNk, gdje sve oznake imaju isto znaenje kao i u
prethodnom nainu oznaavanja, osim k koja definira veliinu populacije koja moe biti
konana ili beskonana).
Karakteristikama A, B, X, Y i Z pridruene su standardizirane oznake za niz tipinih situacija
(tab. 1). Npr. MD15FIFO oznaava sistem ukupnog kapaciteta 5, sa 1 uslunim
kanalom koji radi sa konstantnim vremenom usluivanja, u koji korisnici dolaze po
eksponencijalnoj raspodjeli i usluuju se po redoslijedu kojim dolaze.

Tabela 1. Oznake i njihovo znaenje

Karakteristika Oznaka Znaenje oznake
D deterministika
distribucija vremena dolazaka M eksponencijalna
(A) Ek Erlangova k-tog reda (k = 2, 3, ...)
GI opta nezavisna
D deterministika
distribucija vremena usluivanja M eksponencijalna
(B) Ek Erlangova k-tog reda (k = 2, 3, ...)
G opta
broj mjesta za usluivanje (X) 1, 2, ...
kapacitet sistema usluivanja 1, 2, ...
(Y)
FIFO prvi doao prvi usluen
LIFO posljednji doao prvi usluen
redoslijed usluivanja (Z) SIRO sluajni redoslijed usluivanja
PRI usluivanje prema prioritetima
GD opti redoslijed

U proizvodnim sistemima je uglavnom zastupljen FIFO redoslijed usluivanja.

Pregledih ostalih oznaka (ne svih), koje su bitne za ove sisteme, dat je u tabeli 2.

Tabela 2. Oznake parametara

Pn Stacionarnavjerovatnoa da je n korisnika u
sistemu
Intenzitet dolaska
Intenzitet posluivanja za jednog posluitelja
L Prosjean broj korisnika u sistemu
LQ Prosjean broj korisnika u redu ekanja
w Prosjeno vrijeme u sistemu po jednom
korisniku
wQ Prosjeno vrijeme u redu ekanja po jednom
korisniku

31
Analitika rjeenja u teoriji redova ekanja poznata su samo za jednostavne sluajeve i odnose
se uglavnom za eksponencijalnu i Erlangovu raspodjelu dolazaka. Stacionarni parametri za
sisteme ekanja sa eksponencijalnom i Erlangovom raspodjelom dolazaka, odnosno
konstantnom raspodjelom opsluivanja dati su u tabelama 3. i 4.

Tabela 3. MEk1; Matematski izrazi

1k 2 1 k 2
L
2k ( ) 2k 1

1 1k 1 k 1
w 1
2k ( ) 2k 1

1k 1 k 1
wQ
2k ( ) 2k 1

opsluivanje 1k 2 1 k 2

LQ 2k ( ) 2k 1

Tabela 4. Matematski izrazi

1 2 1 2
L
2 ( ) 2 1

1 1
1
1 1
w
2 ( ) 2 1

1 1 1
wQ
2 ( ) 2 1

1 1 2
LQ
2 ( ) 2 1

Nema analitikog rjeenja npr. za dolazak elemenata u sistem u nejednakim grupama ili za
sistem u kojima broj aktivnih kanala zavisi od broja elemenata (korisnika), itd.
Koritenjem simulacije u primjeni teorije redova ekanja i opsluivanja mogu se od
eksperimenta do eksperimenta mijenjati raspodjele vremena dolazaka elemenata i raspodjele
vremena opsluivanja. Parametri tih raspodjela (srednja vrijednost, standardna devijacija,
podruje definiranosti, itd.) mogu se mijenjati u toku izvoenja eksperimenta u trenutku kad
su postignuta neka posebna stanja modela. Jo jedna mogunost kod upotrebe simulacije je
jednostavna promjena logikih i operacionih naredbi od eksperimenta do eksperimenta. Na taj
nain se jednakim naporom rjeavaju modeli MM1 kao i modeli GIGXnYnGD
viekanalni, s vie redova ekanja i sa ogranienim brojem elemenata (korisnika).

3.6. Primjeri simulacije primjenom modela SimProd

Primjer a.
U ovom primjeru je simulacijom analiziran kapacitet obradnih maina za zadano vrijeme
(400 vremenskih jedinica: kom/minut, kom/sat, kom/smjena itd.), pri zadanoj brzini kretanja
transportnih kolica od 30 jedinica ( m/s, m/min itd.).
32
Simulirane situacije prikazane su u tabeli 5.:

Tabela 17.5. Simulirane situacije

Situacija Broj strojeva Broj
kolica
I 1 1
II 1 3
III 2 1
IV 2 2
V 2 3
VI 3 3

Na slijedeim slikama, dat je prikaz nekih karakteristinih stanja, koja se deavaju prilikom
simuliranja pojedinih situacija datih u tabeli 5.
Na slici 9, je prikazano poetno stanje procesa simulacije (prije poetka transportiranja tj.
obrade).

Prvi konvejer

Na stroju nema
predmeta obrade

Drugi konvejer

Trei konvejer
Kolica nisu
pristigla

Slika 9. Prikaz stanja prije poetka simuliranja

Na slici 10., prikazana je jedna od faza koje se deavaju u procesu simulacije prema (situaciji
I)

Situacija I. (1 obradni stroj; 1 transportna kolica)

Kolica idu po novi Stroj vri

pripremak (prazna) obradu

Obraeni komad
eka
preuzimanje

Slika 10. Prikaz toka jedne faze simulacije-situacija I.

33
 Situacija II. (1 obradni stroj; 3 transportna kolica)

Transport novog 3 pripremka ekaju

pripremka na obradu

Transport obraenog
komada Stroj vri obradu

Kolica ekaju na predaju

obratka konvejeru br. 3

Slika 11. Prikaz toka jedne faze simulacije- situacija II.

Iz slike 11., se vidi da je stroj vrlo iskoriten, jer za vrijeme dok traje izrada jednog
obradaka, dva su ve zavrena, od kojih jedan eka na predaju treem konvejeru,a drugi se
transportira prema mjestu predaje (takoer treem konvejeru). Za to vrijeme na obradu ekaju
3 pripremka koji se nalaze na prvom konvejeru, a etvrti pripremak eka na kolicima radi
pretovara na prvi konvejer.
Moe se zakljuiti da transportna kolica nisu u dovoljnoj mjeri iskoritena, jer njihov
kapacitet znatno premauje proizvodne mogunost stroja za obradu.

Situacija III. (2 obradna stroja; 1 transportna kolica)

Slika 12. Prikaz toka jedne faze simulacije-situacija III.

Iz slike 12., se vidi da je angairan jedan obradni stroj,a drugi nije. Kolica su predala zavreni
obradak konvejeru br. 3, i kreu se prema mjestu preuzimanja pripremka. Moe se zakljuiti
da jedna kolica nisu dovoljna da opslue dva stroja za obradu.

34
 Slika 13. Prikaz toka jedne faze simulacije-situacija IV.

Situacija IV. (2 obradna stroja; 2 transportna kolica)

Iz slike 9., se vidi da su angairana oba stroja u ovoj fazi simulacionog toka, a da prazna
kolica idu ka mjestu preuzimanja pripremka. Moe se zakljuiti da je u ovoj fazi simuliranja
izbalansiran odnos izmeu strojeva i kolica.
U slijedeim simulacionim koracima stanje je znatno drugaije u odnosu na prethodnu sliku
(13.).
Iz slike 14., se vidi da obradni strojevi ekaju na pripremke, a dva zavrena komada ekaju na
konvejeru br. 2, da budu preuzeti kolicima i predati konvejeru br. 3. Istovremeno oba kolica
dolaze natovarena pripremcima radi predaje na konvejer br. 1. Iz ove situcije moe se izvui
zakljuak, da je broj kolica nedovoljan i da su proizvodne mogunosti strojeva neiskoritene.

Slika 14. Prikaz toka jedne faze simulacije-situacija IV.

Situacija V. (2 obradna stroja; 3 transportna kolica)

Na osnovu situacije na slici 15, moe se konstatovati da su oba stroja angairana; jedan
pripremak eka na obradu, a sva kolica idu prema mjestu preuzimanja pripremaka.
Na slici 16., (u okviru simulirane situacije V) se vidi da su oba stroja angairana i da su
zavrena dva obradna komada, od kojih se jedan nalazi na konvejeru br. 2, a drugi komad
transportiraju kolica radi predaje konvejeru br. 3.

35
 Slika 15. Prikaz toka jedne faze simulacije-situacija V

Ostala kolica su preuzela pripremke i transportiraju ih prema prijemnom konvejeru br.1.

Moe se izvesti zakljuak da su transportni i obradni kapaciteti relativno dobro usaglaeni.

Slika 16. Prikaz toka jedne faze simulacije-situacija V.

Situacija VI. (3 obradna stroja; 3 transportna kolica)

Slika 17. Prikaz toka jedne faze simulacije-situacija VI.

Iz slike 17., se vidi da su svi obradni kapaciteti angairani, a jedan zavreni komad na
kolicima eka pretovar na konvejer br. 3. Na jedna kolica se utovara pripremak, a druga
prazna dolaze na preuzimanje novog pripremka. Moe se zakljuiti da je usaglaenost
transportnih i obradnih kapaciteta zadovoljavajua.
Na osnovu prikazanih situacija simuliranja, i pojedinih faza u okviru tih situacija, jasno je, da
je mogue simulirati vrlo veliki broj razliitih situacija. Prikazane situacije simuliranja ne daju
odgovore na mnoga pitanja (npr. % iskoritenja obradnih i transportnih kapaciteta), ali je na
osnovu njih mogue donijeti ocjenu pogodnosti pojedinih kombinacija. Treba naglasiti da su
vrijeme trajanja procesa i brzina kolica uzete kao konstantne veliine. Ovi simulacionim

36
modelom mogue je takoer simulirati razliite vrijednosti ovih veliina, na osnovu ega bi se
izvodili zakljuci s drugog aspekta.
U tabeli 17.6., prikazani su podaci broja izraenih obradaka u odreenom vremenu, za
razliite situacije simuliranja.

Tabela 6. Rezultati simulacije

SITUACIJA ZADANE VELIINE SIMULIRANE REZULTAT NAPOMENA
VELIINE
Terminiranje Brzina Broj Broj Broj Trajanje
kolica strojeva kolica izraenih procesa
obradaka
I 1 1 9 370 -
II 1 3 25 400 eka na istovar
III 2 1 10 402 Preko terminiranog
400 30 vremena
IV 2 2 20 400 Obradci 19 i 20 nisu
preuzeti
V 2 3 25 366 -
VI 3 3 25 365 -

Na osnovu dobivenih rezultata simulacije prikazanih u tabeli 6., ako se kao vaei kriterijum
uzme izraeni broj obradaka i angairani broj strojeva i kolica, moe se zakljuiti da je
najpovoljnija situacija II, jer je bio angairan samo jedan stroj. Ako bi se kao kriterijum uzeo
procent iskoritenja, tada bi kod kolica bio nizak. U sluaju da se kao vaei kriterijum uzme
vrijeme trajanja procesa, tada bi se moglo zakljuiti da je situacija V prihvatljivija od situacije
VI, jer je za skoro isto vrijeme proizvedena jednaka koliina obradaka uz jedan stroj manje.

Primjer b.

Primjenom simulacionog modela prikazanog na slici 18., potrebno je definirati optimalne

parametre proizvodnih strojeva i transportnih sredstava (automatiziranih kolica AGV).
Simuliran je proces obrade vratila.

1 2
5 4

1 7
1
' 1

6 3

1
1

8
1
0 9

Slika 18. Simulacioni model proizvodnog sistema

37
Obrada vratila se vri na:
- strugu 1 (poz. 1),
- strugu 1' (poz. 1'),
- glodalici (poz. 2),
- builici (poz. 3).

Ulaz pripremaka u proizvodni sistem, kretanje pripremaka i obradaka izmeu obradnih

strojeva ostvaruje se transportnim sistemom:
- automatizirana kolica - prazna (poz. 4),
- automatizirana kolica - puna (poz. 5),
- valjkasti konvejer - prazan (poz. 6 ),
- valjkasti konvejer sa zavrenim obradcima koji ekaju prazna kolica radi otpreme
(7),
- mjesto predaje zavrenih obradaka (poz. 8),
- ulaz praznih kolica u sistem (poz. 9),
- doprema pripremaka za obradu (poz. 10),
- transportna staza za kretanje kolica (poz. 11).

Broj automatiziranih kolica (AGV) je promjenljiv, a broj konvejera se ne mijenja. Na

valjkaste konvejere se odlau palete sa zavrenim obradcima. Sa konvejera zavrene obradke
preuzimaju kolica i odvoze ih na predajno mjesto na kojem se vri izlazna kontrola.
Redoslijed tehnolokih operacija obrade i prosjena vremena potrebna za izvoenje pojedinih
tehnolokih operacija data su u tabeli 7.
Tabela 7. Redoslijed izvoenja i vrijeme trajanja obrade na strojevima
Redoslijed Vrijeme trajanja
operacija obrade Naziv maine Vrsta operacije operacije -
obrade (min)
urezivanje
I glodalica lijeba 28
urezivanje
II glodalica lijeba 28
Buenje rupa za
III builica osiguranje spoja 20

Kod svake operacije je mogue stvaranje redova ekanja, sa najvie tri radna komada u redu.
Za izvoenje prve operacije predviena su dva struga; jedan prioritetni (glavni) i drugi
pomoni. To znai da se radni komad uvijek upuuje prvo na glavni strug (strug 1), i samo u

38
sluaju da ve postoje tri radna komada koja ekaju obradu na tom strugu, radni komad se
upuuje na pomoni strug (strug 1').
Obradci (vratila) ulaze u pogon pojedinano, po eksponencijalnoj raspodjeli u intervalima od
10 min, izmeu dva uzastopna dolaska na stanicu (poz. 7) gdje se vri postavljanje radnog
komada na automatski voena kolica, koja dolaze svakih 15 minuta, takoer pojedinano.
Kolica prenose radni komad do slijedee stanice za izmjenu gdje se radni komad prebacuje na
valjkasti transporter. Zavisno od broja radnih komada koji ekaju ispred glavnog struga, radni
komad se upuuje ili na glavni ili na pomoni strug. Poslije zavrene obrade radni komad se
skida sa struga i na stanici za izmjenu eka nailazak prvih slobodnih kolica koja e ga
transportirati do slijedee stanice za izmjenu, gdje se komad ponovo postavlja na valjkasti
transporter i tako prenosi do glodalice. Po zavrenoj obradi komad se skida sa glodalice i
transporterom prenosi do transportne staze automatski voenih kolica, odnosno stanice za
izmjenu, gdje se komad postavlja na prva slobodna kolica. Transport na sljedeu operaciju
obrade se vri istim postupkom. Kada, poslije zavrene obrade na builici, automatski voena
kolica preuzmu radni komad, prenose ga do radnog mjesta kontrole, koje ujedno predstavlja
izlaz iz sistema (poz.8).
Ovo je etverofazni viekanalni sistem sa ogranienim redovima ekanja. U prvoj fazi
automatski voena kolica predstavljaju tri kanala opsluivanja, u drugoj fazi strugovi
predstavljaju dva kanala opsluivanja, a u treoj i etvrtoj fazi nalazi se po jedan kanal
opsluivanja. Redovi ekanja su sa FIFO disciplinom i u drugoj, treoj i etvrtoj fazi su
ogranieni na tri mjesta.
U simulacionom modelu ovog proizvodnog sistema razlikuju se slijedei dogaaji:
- ulazak radnog komada u sistem,
- ulazak automatski voenih kolica u sistem,
- ekanje radnog komada na transport,
- postavljanje radnog komada na AGV,
- transport radnog komada AGV-om do valjkastog transportera,
- prebacivanje radnog komada na valjkasti transporter,
- kretanje AGV-a do slijedee stanice, tj. preuzimanja slijedeeg radnog komada,
- transport radnog komada transporterom do obradnog stroja,
- postavljanje radnog komada na obradni stroj,
- obrada,

39
 - skidanje radnog komada sa obradnog stroja,
- ekanje radnog komada na transport AGV-om do slijedeeg obradnog stroja,
- izlaz radnog komada iz sistema,
- zaustavljanje AGV-a.

Ulazni podaci za ovaj primjer su:

- raspodjele vremena i srednje vrijeme obrade za pojedine operacije,
- raspodjele dolazaka elemenata u sistem i interval izmeu dolaska dva uzastopna
komada,
- broj komada koji e se obraditi,
- brzina valjkastog transportera,
- broj automatski voenih kolica i raspodjele vremena njihovih ulazaka u sistem,
- brzina automatski voenih kolica.

Ovi podaci se unose u program pokretanjem odgovarajuih ikonica.

Nain dolazaka radnih komada u sistem odreuje i tip raspodjele. U praksi se pokazalo da
pojedinanim dolascima u sistem, u odreenim vremenskim intervalima odgovara
eksponencijalna raspodjela, a grupnim dolascima obino Poasonova. Isto vai i za automatski
voena kolica.
Jezgro simulacionog software-a za ovaj primjer procesa obrade je SimProd simulacioni paket
realiziran u programskom jeziku Java.
Ulazne forme su objekti koji objedinjuju sve parametre potrebne objektima proizvodnog
sistema.
U ovom sluaju modeliranje struga, glodalice i builice, te valjkastog transportera, uraeno je
koritenjem objekta pod nazivom Workstation.

Automatski voena kolica i stanica za ulaz radnih komada u sistem, odnosno izlaz iz sistema,
su modelirane koritenjem objekata Transporter, Generator i Sink, redom.
Objekat Input Forms (ulazne forme) je koriten za definiranje konfiguracije pojedinih
strojeva.
Informacije koje se odnose na protok i iskoritenje maina prezentiraju se koritenjem
objekata CardList i TableList, a dijagrami pomou objekta Plotter.

40
Za generiranje radnih komada koriten je objekat Generator. Ako je naredna pozicija na koju
radni komad treba da se premjesti blokirana, zauzeta ili biljei kvar, Generator nee dati
novu jedinicu. Umjesto toga stanje generatora bie ''blokiran''. Tek kada zahtijevana pozicija
bude slobodna Generator e dati radni komad i pomjeriti ga na narednu poziciju.

Za generiranje automatski voenih kolica koriten je objekat TransGenerator. Kao i kod

Generator-a, ako je naredna pozicija na koju automatski voena kolica treba da se pomjere
blokirana, zauzeta ili biljei kvar, TransGenerator nee dati novu jedinicu. Umjesto toga,
stanje TransGenerator-a bie ''blokiran''. Tek kada naredna pozicija bude slobodna
TransGenerator e pustiti automatski voena kolica i pomjeriti ih na narednu poziciju.

Objekat Transporter je koriten kako bi se dobio tok kretanja automatski voenih kolica.
Njegov kapacitet je jedna jedinica, tj. automatski voena kolica mogu da prenesu samo jedan
radni komad u vremenu. Ako je naredna pozicija na koju automatski voena kolica treba da se
pomjere blokirana, zauzeta ili biljei kvar, Transporter nee premjestiti radni komad.
Umjesto toga stanje Transporter-a bie ''stop''. Tek kada zahtijevana pozicija bude slobodna
radni komad u Transporter-u e biti premjeten na tu poziciju.
Za modeliranje toka radnih komada koriten je objekat Workstation. Njegov kapacitet je
jedna jedinica, tako da u vremenu moe procesirati samo jedan radni komad. Kao i
Generator, ni Workstation nee pomjeriti radni komad ako je slijedea stanica na koju radni
komad treba da se transportuje blokirana, zauzeta ili biljei kvar. Umjesto toga stanje objekta
Workstation bie ''blokiran''. Radni komad e biti pomjeren na slijedeu stanicu tek kada
zahtijevana stanica bude slobodna. Tokom izvoenja simulacije mogue je na odreeno
vrijeme izazvati i prekid na Workstation, tj. moe se eksperimentisati sa pojavom kvara na
jednoj od obradnih maina. U toku tog perioda nijedan radni komad nee biti obraen dok
Workstation ponovo ne bude u funkciji. Poetak, kraj, trajanje i intervali pojave kvara se
definiraju zajedno sa vremenom obrade na pojedinom stroju.

Objekat Sink je koriten za brisanje radnih komada iz modela. Ovaj objekt se obino koristi
za terminale ili krajnja odredita elemenata koji se kreu kroz sistem.
Simulacija ovog proizvodnog pogona realizirana je metodom kritinog dogaaja. To znai
da se simulacija zavrava kada i posljednji radni komad napusti sistem.

41
Kao izlazni rezultat ove simulacije dobiveni su podaci zauzetosti pojedinih radnih strojeva. Ti
prikazani dijagramima, posluili su za analizu utjecaja transportnog sistema na zauzetost
obradnih strojeva (npr. utjecaj poveanja broja AGV-a na iskoritenost strojeva). Na
slijedeim slikama prikazane su krive zauzetosti za: glavni i pomoni strug, glodalicu i
builicu, kao i radno mjesto kontrole na izlazu iz pogona.

Zauzetost
%

50

00 Vrijeme

500 Vrijeme

Slika 19. Dijagram zauzetosti glavnog struga

Zauzetost
%

40
500

20

Vrijeme

500

Slika 20. Dijagram zauzetosti glodalice

Zauzetost
%

15

0 Vrijeme

200 400 600

Slika 21. Dijagram zauzetosti pomonog struga

42
 Zauzetost
%

30

500

20

10

Vrijeme
0

500

Slika 22. Dijagram zauzetosti builice

Zauzetost
%
50
0
15

10

0 Vrijeme

Vrijeme
500

Slika 23. Dijagram zauzetosti kontrole na izlazu

Kako se vidi na dijagramu za glavni strug (sl. 19.), kriva zauzetosti generalno raste sa
vremenom, odnosno sa poveanjem broja radnih komada u sistemu. Meutim, vidljivi su i
padovi krive, to znai da strug u odreenim vremenskim intervalima ne vri obradu. Zastoj
struga moe uslijediti ili zbog nedolaska radnih komada na obradu ili usljed ekanja
obraenog komada na transport. Tokom izvoenja eksperimenta uoeno je da je u pitanju
ovaj drugi sluaj. Taj nedostatak se moe umanjiti usklaivanjem dolazaka AGV-a sa
vremenima zavretka obrade na strugu ili poveanjem broja AGV-a. I pored toga stepen
zauzetosti glavnog struga je znatno vei od stepena zauzetosti ostalih maina i ima znatno bri
rast u vremenu.
Nizak procenat zauzetosti pomonog struga (sl. 21.) je u neku ruku i opravdan jer ovaj strug
preuzima komad na obradu samo kada je popunjen red ekanja na glavnom strugu. Procenat
zauzetosti pomonog struga bi se mogao poveati ako se smanji broj mjesta ekanja u redu
ispred glavnog struga.
Zauzetost glodalice (sl. 20.) je znatno nia od zauzetosti struga, ali kriva zauzetosti ima manje
padove to znai da se manje vremena gubi na zastoje.

43
Isti sluaj je i za krivu zauzetosti builice (sl. 22.), samo to kriva zauzetosti ove obradne
maine ima neto vee padove. Padovi krivih zauzetosti kod svih maina se smanjuju sa
poveanjem radnih komada u sistemu.
Padovi krivih zauzetosti kod svih strojeva, u sklopu izvedene simulacije mogu se smanjiti
poveanjem kapaciteta sistema tj. planiranjem veeg broja radnih komada za obradu.

Pored grafikih podataka o zauzetosti pojedinih strojeva, primjenom ovog simulacionog

modela dobivene su vrijednosti:
- stepena iskoritenja strojeva,
- satni kapacitet proizvodnje dijelova-obradaka i
- godinja proizvodnja obradaka.

Dobivene vrijednosti su prikazane u tabeli 8.

Tabela 17.8. Rezultati simulacije
Vrsta stroja Iskoritenost (%)
Strug 1 82,84024
Strug 1' 17,778486
Glodalica 64,541916
Builica 46,68872
Satni kapacitet-protok
[kom/sat] 81,89263
Godinji kapacitet
[kom/god] 340.673,34

Analiziranjem dobivenih vrijednosti (tabela 8.), moe se zakljuiti, da je stepen iskoritenja

strojeva nizak, posebno kod pomonog struga (strug 1'). Ovako realiziran nivo iskoritenja
strojnog parka i sredstava za transportiranje, odrazio se na proizvodni kapacitet, koji bi bio
povoljniji sa viim stepenom iskoritenja proizvodne i transportne opreme.
Za poboljanje dobivenih vrijednosti tj. za povienje kapaciteta proizvodnje, uz istovremeno
bolje iskoritenje strojeva, potrebno je ponoviti postupak simulacije sa drugaijim polaznim
(zadanim) veliinama. Ponavljanje simulacije vri se vie puta; do dobijanja izlaznih podataka
koji e u najveoj mjeri ispuniti postavljene kriterije. Prethodno je naglaeno da simulacioni
modeli ne daju optimalna rjeenja, ve se zadovoljavajua rjeenja dobivaju nakon niza
izvrenih simulacija, od kojih se izabire ona varijanta, ija su rjeenja najblia postavljenoj
funkciji cilja.
Algoritam simulacionog modela obrade vratila prikazan je na slici 24.

44
 1

Odreivanje broja radnih

komada LQg

L Qg< 3

DA

AGV
slobodna
ekanje dolaska
slijedeih AGV

DA

Postavljanje radnog
komada na AGV i
transport do slijedee
stanice za izmjenu

Prebacivanje radnog
komada na valjkasti
transporter i transport
do glodalice

Glodalica
slobodna
DA
Postavljanje radnog komada
na glodalicu i obrada

Odreivanje radnih komada u red

ekanja na AGV i glodalice LQgi

LQgi<3

DA
Prebacivanje radnog komada sa
glodalice na transporter i transport do
stanice za izmjenu

Odreivanje broja radnih komada u

redu ekanja ispred builice LQb

Lqb<3

45
 2

AGV ekanje dolaska

slobodna slijedeih AGV
3
DA
Postavljanje radnog komada na AGV i
transport do stanice za izmjenu

Prebacivanje radnog komada na

transporter i transport do builice

Builica
slobodna

DA
Postavljanje radnog komada na
builicu i obrada

Odreivanje broja radnih komada u redu

ekanja na AGV iza builice LQbi<3

LQbi<3

DA
Prebacivanje radnog naloga sa
builice na transporter i transport do
stanice za izmjenu

AGV ekanje dolaska

slobodna slijedeih AGV

DA
Postavljanje radnog komada na
AGV i transpot do mjesta kontrole

Prebacivanje radnog komada na

transporter i transport do kontrole

i<n

NE
Prestanak kretanja AGV

Prikaz
rezultata

KRAJ

Slika 24. Algoritam simulacionog modela obrade vratila

46
 3.7. Simulacija rada CIM proizvodnog sistema
Mnogi tehniki proizvodi sainjeni su od razliitih komponenata/dijelova, iji broj varira od
nekoliko jedinica do nekoliko stotina i vie. Broj i kompleksnost funkcija pojedinih proizvoda
je u stalnom usponu, to iziskuje due vrijeme proizvodnje i vie proizvodne trokove.
Razvoj informacionih tehnologija i sa njima povezanih "alata" (CAD, CAM, CAQ, CAP,...)
omoguio je povienje produktivnosti, a takoer i fleksibilnosti suvremenih proizvodnih
sistema. CIM (Computer Integrated Manufacturing) proizvodni sistem zasnovan je na
mrenoj kompjuterskoj kontroli proizvodnih maina, robota i ureaja za kontrolu kvaliteta.
CIM koncept organizacije i rada proizvodnog sistema ima niz prednosti:
- kompjuterskom integracijom informacija omoguava se svim odjelima tvornice
brz pristup potrebnim proizvodnim podacima to rezultira brim odzivom na
promjene;
- skraenje vremena proizvodnje, povienu osjetljivost prema zahtjevima kupaca i
konkurencije, to se manifestuje poveenom pouzdanosti rada proizvodno-
poslovnog sistema;
- kompjuterski podranim planiranjem optimizira se sistem dobave, to takoer utie na
povienje efikasnosti sistema;
- proizvodni podaci dostavljeni u realnom vremenu uz primjenu odreenih tehnika
(statistika kontrola procesa i optimizacija), poveavaju sveukupnu kvalitetu;
- kompjuterska analiza i predvianje potreba za materijalom smanjuje vrijeme dopreme
materijala, a integracija na relaciji dobavlja-kupac rezultira dodatnim pogodnostima;
- transfer instrukcija za rad maina, npr. zamjenu alata iz CAM (Computer Aided
Manufacturing) sistema u CNC (Computer Numerically Controlled) maine kroz
kompjutersku mreu - downloading, reducira vrijeme pripreme maina i poveava
ukupni stepen iskoritenja sistema.
Na slici 25., prikazan je CIM (Computer Integrated Manufacturing) proizvodni sistem.

Slika 25. Izgled proizvodnog CIM sistema

47
Primjer simulacija rada virtualnog CIM sistema

U datom primjeru je prikazana simulacija rada virtualnog proizvodni sistem (CIM), slika 26,
koji se sastoji od: jednog kruog konvejera, pet robomanipulatora, etiri CNC maine (strug,
2 glodalice i builica) sa prethodno definiranim parametrima rada kao i tehnologijom izrade
zadanih dijelova, robotiziranog skladita paleta, pripremaka i gotovih proizvoda, pet PC
radnih stanica, sistemskog servera, sistema za kontrolu kvaliteta (mjerni stol, lasersko i
optiko skeniranje), zavarivake proizvodne elije, elije za farbanje, elije za montau za
nezavisnim sistemom optike kontrole, odgovarajueg broja meuskladita i pretovarnih
stanica.

VSN 2 JIG 1 PLM1000_1 PLM3000_1 SERVER PLC PCMILL_1 PCTURN_1

Podsistem za
montau

Radna Robotizirano
stanica skladite

Pretovarna
WELDST 1
mjesta

Konvejer

Podsistem
zavrne kontrole

PROCESS1 CMM1 LSCN1 VSN 1 Radna stanica

Slika 26. Virtualni CIM proizvodni sistem

Kao ulazni parametri simulacije usvojeni su: prostorni raspored svih podsistema i maina koji
je uslovljen radnim prostorom (dimenzija 1210 m), tehnoloki parametri rada pojedinih
maina i ureaja kao i redoslijed izvoenja operacija proizvodnje svake pojedine skupine
dijelova definiranih radnim nalogom. Kako bi se mogli uskladiti svi dijelovi iji se rad
simulira izvreno je njihovo povezivanje na virtualni PLC kontroler ime je omogueno
uspjeno voenje cjelokupnog procesa i praenje izvoenja pojedinih dogaaja u toku same
simulacije.

48
 Tabela 9. Pregled procesa definiranih unutar CIM sistema
Radna kart
Trajanje [s] Operacija Robot
Naziv Proces stanica [%]
PROCESS1 Proces 2:30 WS4 Proces Da 2
PCTURN1 Struganje velika maina 1:25 WS1 CNC Da 2
PCMILL1 Glodanje velika maina 0:55 WS1 CNC Da 2
PLT3000_1 Struganje mala maina 0:33 WS2 CNC Da 3
PLM1000_1 Buenje 0:18 WS2 CNC Da 2
Zavrna kontrola
CMM1 0:10 WS6 QC Da 1
koordinatna maina
Zavrna kontrola lasersko
LSCN1 0:15 WS6 QC Da 1
skeniranje
Zavrna kontrola optiko
VSN1 0:17 WS6 QC Da 1
mjerenje
JIG1 Montaa 0:18 WS3 Montaa Da 3
Kontrola sklopa nakon
VSN2 0:18 WS3 QC Da 1
montae
WELDST1 Zavarivanje CO2 postupkom 0:25 WS4 Proces Da 2

U tabeli 9., prikazan je pregled procesa definiranih unutar promatranog virtualnog CIM
sistema sa tehnolokim vremenima trajanja pojedinih operacija, radnim stanicama koje
upravljaju odgovarajuim segmentima CIM-a, operacijama koje se izvode na pojedinim
mainama, potrebnim angaovanjam robota na pojedinim segmentima CIM-a kao i procentom
karta koji se javlja u svakom pojedinanom proizvodnom procesu CIM sistema.
Funkcijom cilja definirano je simuliranje rada virtualnog proizvodnog CIM sistema, na nain
da se sve tehnoloke aktivnosti izvre u najkraem vremenu to podrazumijeva maksimalno
angaovanje svih segmenata proizvodnog sistema CIM, tako da nakon zavretka obrade ili
procesa na nekom od segmenata CIM-a, upravljaki softwer "trai" slijedei slobodan
predmet obrade za odgovarajui segment CIM sistema, s ciljem ostvarenja veeg broja
efektivnih sati rada.

Za definiranje i izvoenje simulacije koriten je softverski paket OpenCIM v.3.0 u sklopu

koga su integrirani sljedei segmenti:
- OpenCIM Virtual Setup v.3.0 za pozicioniranje gotovih predloaka komponenti
unutar CIM sistema (konvejer, pretovarne stanice, skladita, CNC maine, roboti,
sistemi kontrole, PC, ...), i definiranje njihovih meusobnih interakcija.
- OpenCIM Manager v.3.0 kompjuterski softwer koji koordinira funkcioniranje svih
ureaja unutar CIM-a, koritenjem kompjuterske mree. U sklopu ovoga segmenta
nalaze se integrirani sljedei moduli:
- CIM Machine Definition modul u kome se definiu radne karakteristike maina
ukljuenih i CIM sistem (naziv procesa, trajanje procesa na svakoj maini, tip maine,
postotak karta, broj programa koje maina moe da izvodi, ... );

49
 - CIM Part Definition modul u kojem se definiu parametri vezani za dijelove koji se
proizvode (snabdijeva, kod, stanje na skladitu, cijena pripremaka, kataloki broj,
kretanje dijela kroz CIM sistem, ...);
- CIM Storage Manager - modul za definiranje rada skladita, te rasporeda pripremaka
i gotovih proizvoda u skladitu;
- CIM MRP modul za obradu narudbe kupca, narudbe snabdjevau pripremaka i
slanje naloga u proizvodnju;
- CIM Report Generator modul za definiranje eljenog izgleda izvjetaja;
- CIM Scheduler modul za definiranje i pregled vremenskog odvijanja procesa u CIM
proizvodnom sistemu.

Rezultati simulacije:
Nakon definiranja potrebnih parametara, vezanih za rad cjelokupnog proizvodnog sistema i
izvrene simulacije rada virtualnog CIM proizvodnog sistema, dobiveni su rezultati: ukupnog
vremena trajanja procesa, broj, vrsta i efektivno vrijeme trajanja pojedinih operacija na
predmetima obrade (tabela 10.). Pored toga, dobiveni su podaci: efektivnog vremena obrade
pojedinano za svaki komad, broja predmeta koji se obrade u toku trajanja procesa, efektivno
vrijeme obrade pojedinih komada po pojedinim operacijama i procenat zauzetosti pojedinih
maina i ureaja na kojima se izvode predvieni procesi (tabela 11.).

Tabela 17.10. Pregled efektivnih vremena rada na mainama-ureajima u CIM sistemu

Vrijeme trajanja procesa [s] 7017
Efektivno vrijeme trajanja
Broj komada koji se operacija
Maina
obrauju
[s] [%]
PCTURN1- struganje na veem strugu 7 1080 15,39
PROCES1 - proces 6 900 12,86
VSN1 - optiko skeniranje nakon zavr. proc. 13 130 1,85
PLM1000_1 - buenje 13 260 3,71
LSCN1 - lasersko skeniranje nakon buenja 13 260 3,71
PCMILL1 - glodanje na veoj glodalici 4 300 4,28
JIG1- stanica za montau 5 90 1,29
VSN2 - optiko skeniranje nakon montae 5 50 0,71
WELDST1 - zavarivanje CO2 postupkom 5 150 2,14
CMM1 - koordinatno mjerenje zavr. kontr. 5 100 1,43
PLM3000_1 - struganje na manjem strugu 7 280 3,99

50
 Tabela 11. Pregled efektivnih vremena (pojedinano i ukupno) obrade komada
Vrijeme trajanja procesa [s]: 7017
Ukupno
Ukupno
Efektivno vrijeme Broj komada efektivno
Komad efektivno vrijeme
obrade 1 komada [s] koji se obrauju vrijeme obrade
rada maine [%]
svih komada [s]
ST_VM_PROCES 250 6 1500 21,38
ST_VM_BUENJE 130 6 760 10,83
GL_VM_SKLOP_ZAV 138 5 690 9,83
ST_MM_BU_MM 90 7 630 8,99
Efektivno vrijeme rada svih maina [s]: 3580 51,01

Na osnovu podataka prikazanih u tabelama 10. i 11. (ukupno vrijeme trajanja procesa,
efektivno vrijeme trajanja pojedinih operacija, efektivno vrijeme obrade pojedinih komada,
broj komada, procenat zauzetosti obradnih maina i ureaja za vrenje predvienih procesa),
omogueno je sagledavanje stanja i ponaanja sistema u razliitim realnim uvjetima
eksplatacije, ime su stvorene mogunosti optimiranja rada svake od pojedinanih
komponenti proizvodnog sistema.
Takoer je softverskim paketom OpenCIM v.3.0 omogueno konstruisanje dijagrama
intervala angaovanja pojedinih maina u promatranom CIM sistemu (slika 27.).

Slika 27. Pregled intervala angaovanja pojedinih maina u CIM

sistemu

Takoer je omogueno konstruiranje dijagrama aktivnosti na svakoj pojedinoj maini u CIM

sistemu (slika 28.).

[
s
]
Slika 28. Pregled aktivnosti na maini, PCTURN1

51
Isto tako softverskim paketom OpenCIM v.3.0, je omoguen pregled vremena obrade
(pojedinano, ukupno efektivno vrijeme ciklusa itd.) za svaki komad koji se obrauje unutar
CIM sistema, te je omogueno konstruisanje dijagrama aktivnosti za svaku promatranu grupu
obraivanih dijelova.

U sadanje vrijeme, da bi se mogla organizirati proizvodnja iji bi proizvodi bili konkurentni

na zapadnoevropskim tritu i ire, neophodno je uvoenje savremenih tehnologija i
proizvodne opreme. Nagli razvoj komjuterske tehnike stvorio je nove mogunosti
automatizacije, to je posebno izraeno kod alatnih strojeva. Ovim je utrt put razvoju
fleksibilnih tehnologija. Znaajan poticaj razvoju fleksibilnih tehnologija poinje 1962.
godine, kada su predloena osnovna naela integracije u istraivanju proizvodnje i prvi put
uveden pojam "proizvodni sistem". Iz navedenog, jasno se vidi da je za upravljanje
savremenim proizvodnim sistemima neophodne primjena informacionih tehnologija -
softwera. Danas postoje brojna softwerska rjeenja, a jedno od njih je i prezentirani softwerski
paket OpenCIM v3.0 koji omoguava 3D interaktivnu simulaciju rada cjelokupnog CIM
sistema, te efikasnu kontrolu svih njegovih komponenti.
Na osnovu prezentiranog primjera, gdje je izvrena optimizacija modula po kriterijumu
minimalnih transportnih tokova materijala, lako se moe zakljuiti da se pravilnim
oblikovanjem modula u znaajnoj mjeri mogu smanjiti trokovi transportnog toka materijala.
Prezentirani softwerski paket OpenCIM v3.0 omoguava 3D interaktivnu simulaciju rada
cjelokupnog CIM sistema, te efikasnu kontrolu svih njegovih komponenti pomou
programskog koda. Upravo ove karakteristike prezentiranog simulacionog softverskog paketa
omoguavaju modeliranje i izbor optimalnih parametara rada pojedinih lanova CIM sistema
u virtualnom okruenju kao i optimiranje CIM sistema u cjelini, a u skladu sa eljenim
kriterijumima optimizacije.

52
ZAKLJUAK
Pod pojmom "model", podrazumijeva se interpretacija bilo kojeg realnog sistema.

Osnovni cilj modeliranja sastoji se u tome da se podaci o ponaanju nekog sistema dobiju ne
prouavanjem samog sistema, nego se ponaanje sistema prouava tako da se napravi (kreira)
model, pa se zatim, eksperimentiranjem na takvom modelu dolazi do saznanja o ponaanju
postojeeg sistema.

Kako bi se to bolje moglo izvriti modeliranje odreenog proizvodnog sistema neophodno je

poznavati njegovu sutinu. Prilikom istraivanja ponaanja nekog sistema na njegovu modelu,
tada treba definirati pitanja na koja se trai odgovor simuliranjem na modelu. Obzirom da
pitanja mogu biti veoma razliita, takoer i modeli mogu biti razliiti i pored injenice da se
radi o istom. Pri tome je vano da se u model ukljue samo oni aspekti sistema koji su bitni za
dobivanje traenih odgovora na postavljena pitanja.

Osnovna svrha modeliranja procesa i sistema je definiranje matematikih modela i drugih

prikaza, koji e u odgovarajuem stepenu tanosti adekvatno opisati prouavani proces/sistem
u cilju:
- simulacije varijantnih rjeenja, analize i prognoziranja stanja procesa/sistema jo u fazi
projektovanja;
- definiranja matematikih modela i drugih prikaza koji su neophodni za optimizaciju
procesa/sistema i iznalaenje optimalnih rjeenja;
- izgradnje modela upravljanja za dati sistem, odnosno objekt optimizacije i
- nauna istraivanja i/ili praktine primjene u realnim procesima.

Pored toga, simulacija obuhvata i analize dobivenih rezultata na osnovu razvijenih kriterija:
provjere (verifikacije) i valjanosti (validnosti) modela [V.eri1984.]. Da bi se pribavila
iskustva u vezi realiteta odnosno njegovih karakteristika, simulacija se koristi kao pomono
sredstvo, upravo za pribavljanje tog iskustva posrednim eksperimentiranjem na simulacionom
modelu, s obzirom da eksperimentiranje u stvarnosti sa realitetom iz raznih razloga esto nije
mogue. Dakle, polaznu osnovu simulacije ini izrada modela kao pojednostavljenog ili
idealiziranog opisa sistema kojim se opisuje ponaanje realiteta i objanjava ponaanje
sistema u uslovima razliitim od onih za koje je model napravljen.

53
LITERATURA

[1] Adiga, S.: "SOFTWARE MODELING OF MANUFACTURING SYSTEMS: A

CASE FOR AN OBJECT ORIENTED PROGRAMMING
APPROACH",
Annals of Operation Research 17, 363 378, 1989.
[2] Jaeger, H.: Projektiranje proizvodnih procesa i automatizacija proizvodnje,
Fakultet tehnikih nauka, Novi Sad, 1980.
[3] Ammons,J.C.: "A LARGE SCALE MACHINE LOADING PROBLEM IN
Lofgren,C.B. FLEXIBLE ASSEMBLY",
McGinnis,L.F. Annals of OR 3, 319 332, 1985.
[4] A. Kusiak.: "FLEXIBLE MANUFACTURING SYSTEM",
North Holland,1996.
[5] Majdandi N.: ''Upravljanje proizvodnjom ,, Strojarski fakultet u Slavonskom Brodu,
Slavonski Brod 2001,
[6] Klarin M.: ''Organizacija i planiranje proizvodnih procesa'' Mainski fakultet u
Beogradu, Beograd 1996,
[7] Amoako, K.: " A KOMPARASION OF TOOL MANAGEMENT STRATEGIES
Meredith, J.R. AND PART SELECTION RULES FOR A FLEXIBLE
Raturi, A. MANUFACTURING SYSTEM",
IJPR 30, 733 748, 1992.
[8] Bilger, W.: "CIM FR MITTELSTNDISCHE UNTERNEHMEN",
Verlag Heidelberg, 1991.
[9] Bikov, V.P.: "METODUESKOE OBESPEENIE SAPR V
MAINOSTVORENII",
Mainostvorenie, Leningrad, 1989.
[10] Beni, D.: "INTELLIGENT MANUFACTURING THE EXSUSE FOR
USING ARTIFICAL INTELLIGENCE TEHNIQUES", CIM '97,
Opatija, 12 13 jun, E 1 13.
[11] Beni, D.: "INTELLIGENT FRAMEWORK FOR MANUFACTURING
PLANNING AND SCHEDNLING", 13th International Conference,
BIAM '96, Zagreb.
[12] Banks, J. "DISCRETE EVENT SYSTEM SIMULATION", Englewood,
Carson, J.S. Cliffs, 1984.
[13] Ben-Arich, D.: "KNOWLEDGE BASED CONTROL SYSTEM FOR AUTOMATED
PRODUCTION AND ASSEMBLY",
Amsterdam, (Elsevier) 1986, 347 368.
[14] Buzacott, J.A.: "DESIGN OF MANUFACTURING SYSTEMS USING QUEUEING
Shanthikumar, MODELS",
Queueing Systems 12, 135 214, 1992
[15] Bronson, R.: "COMPUTER SIMULATION",
Byte, March 1984.
[16] Zrni, .: "SIMULACIJA PROCESA UNUTRANJEG TRANSPORTA",
Savi, D. Mainski fakultet, Beograd 1987.
Skladitenje u industriji - Rukovanje materijalom, Fakultet strojarstva
[17] Olui, .: i brodogradnje Sveuilita u Zagrebu, Zagreb, 1997.

54
[18] Oluji, .: "RUKOVANJE MATERIJALOM KLASIKA I
AUTOMATIZACIJA",
X nauno struni skup o transportnim procesima u industriji,
SMEITS, 11 18, Beograd, 1988.
[19] Oluji, .: "TRANSPORT U INDUSTRIJI RUKOVANJE MATERIJALOM",
I. dio, Sveuilite u Zagrebu, 1991.
[20] Kekez F.: ''Proizvodni sustavi'' Strojarski fakultet u Slavonskom Brodu,
Slavonski Brod 2002,
[21] Buss, A.H.: "DISCRETE EVENT SIMULATION ON THE WORLD WIDE WEB
Stork K.A. USING JAVA",
Department of Operation Research,Naval Postgraduate School,
Monterey, CA,USA, 1996.
[22] Fishwick, P. F.: "WEB-BASED SIMULATION: SOME PERSONAL
OBSERVATIONS",
Proceedings of the 1996 Winter Simulation Conference, Coronado,
CA, 8 -11 December 1996.
[23] Sivakumar,T.V.: "REUSABILITY CONCEPT IN SIMULATION",
Sadagopan, S. Proceedings of WORKSIM 94, Asian Institute of Technology,
Thailand, 9-11 November 1994.
[24] Schelasin,R.E.A.: "CREATING FLEXIBLE SIMULATION MODELS", IIE Solutions,
Mauer, J.L 50-55. May 1995:
[25] Miller, J.: "OBJECT-ORIENTED SIMULATION"
Potter, W. Languages and Environment: A Four-Level Architecture
Kochut, K. Object Oriented Simulation IEEE Press. 1996.
Tufeki, D.:. ''FLEKSIBILNI PROIZVODNI SISTEMI''
[26] Jurkovi, M. Mainski fakultet, Tuzla, 1999.

[27] MATEMATIKO MODELIRANJE; Mainski fakultet,Biha ,1999

[28] . Oluji "SKLADITENJE U INDUSTRIJI"
Fakultet strojarstva i brodogradnje, Zagreb, 1997.
[29] Zelenovi D.: ''Projektovanje proizvodnih sistema-Prirunik za vjebe,'' Fakultet
tehnikih nauka, Novi Sad 2003,
[30] Zelenovi D.: ''Projektovanje proizvodnih sistema Tokovi materijala'',Fakultet
tehnikih nauka, Novi Sad 2003,
[31] Zelenovi D.: ''Projektovanje proizvodnih sistema'' Fakultet tehnikih nauka, Novi
Sad, 1987.
[32] Zelenovi D.: ''Projektovanje proizvodnih sistema-Pojedinani prilaz'',Fakultet
tehnikih nauka, Novi Sad 2003,
[33] Dragutin
Zelenovi, Ilija PROJEKTOVANJE PROIZVODNIH SISTEMA PRIRUNIK ZA
osi, Rado VJEBE; Novi Sad, 2003
Maksimovi;
[34] L. J. Liinski.: "STRUKTURNI I PARAMETRIESKII SINTEZ GIBKIH
PROIZVODSTVENIIH SISTEM", Mainostroenie, Moskva, 1990.
Projektiranje proizvodnih procesa, FESB, Sveuilite u Splitu, Split,
[35] Vea, I.: 1994.
[36] Vea, I.: Osnovni principi vrijednosne analize, Seminar: Upravljanje
proizvodnjom, str. 94-95, FESB, Split, 1993.

55
[37] Vea, I.; Rovan, Idejni projekt proirenja proizvodnog sustva Brodograevna industrija
M.: Split, Mehanika, Fakultet elektrotehnike, strojarstva i brodogradnje,
Split, 1986.
[38] J.M.Solomancev. "UPRAVLENIE GIBKIMI PROIZVODSTVENNIMI
V. L. Sosonkin. SISTEMAMI" Mainostroenie, Moskva, 1988.
[39] WarneckE, H.: Fabrikplanung, Teil II, Materialfluss, Universitt Stuttgart, 1984.
[40] WarneckE, H.- Die Fraktale Fabrik, Springer Verlag, Berlin Heidelberg - New York
J.: London - Paris - Tokyo - Hong Kong - Barcelona - Budapest, 1992
[41] H. Williams.: "AUTOMATSKO UPRAVLJANJE SISTEMA"
Mikroknijga, Beograd, 1999.
[42] Rai F.: ''Upravljanje, voenje i kontrola proizvodnih procesa'' Via kola za
Slepevi, . organizaciju rada-Novi Sad 1975,
Methoden der Fabrikplanung II, Institut fr Industrielle Fertigung und
[43] VOLLMER, E.: Fabrikbetrieb, Stuttgart, 1993.
[44] Osman Hatuni: PROJEKTOVANJE ORGANIZACIJE PROIZVODNJE; Tuzla, 1994.
[45] R. elo, " Fleksibilni transport ", JU Univerzitet u Tuzli, Tuzla, 2002. godine
D. Tufeki:
[46] R. elo, Systems Analysis of transport System Influence on Coefficient of
D. Tufeki, Utilization of Work Machines Using Simulation Model",
A. Topi: 8thInternational Conference MMA 2003, Zbornik, stranice (159160),
Novi Sad, Srbija i Crna gora , juni 2003. godine
[47] A. Topi, "Analiza parametara rada tranog transportera primjenom softwerskog
R. elo, D. paketa", Istraivanje i razvoj mainskih elemenata i sistema IRMES'04,
Tufeki, H. Zbornik, stranice (189194), Kragujevac, Srbija i Crna gora, 16. i 17.
Avdi: septembar 2004. godine
[48] A. Topi, R. "Simulation of virtual flexible manufacturing cell work", Scientific
elo, D. Conference with International Participation, Manufacturing and
Tufeki, management in 21st century, Ohrid, Makedonija, septembar 2004.
M. Mehmedovi: godine.
[49] Alan Topi, SIMULACIJA RADA CIM PROIZVODNOG SISTEMA;
Ramiz elo, 5thMeunarodna konferencija o proizvodnom inenjerstvu, Biha,
Demo Tufeki, 1417. Septembar 2005
Edin Cerjakovi;
[50] Cebalo, R.: "FLEKSIBILNI OBRADNI SUSTAVI",
Zagreb, prosinac 1995.

[51] S. Brdarevi: "Projektovanje fabrika projektovanje proizvodnih sistema", Travnik

1996.
[52] Dragan ovi , POSLOVNI SUSTAVI; Mostar Vienna, 2001
Vlado
Majstorovi ,
Vojo Viekruna:
[53] Zrni, .: "STOHASTIKI PROCESI U TRANSPORTU"
Petrovi, D. Univerzitet u Beogradu, Mainski fakultet, Beograd,1994.

[54] Tufeki, D.:

Jurkovi, M. "PROGRAMIRANJE NA CNC MAINAMA"Univerzitet u Tuzli,
elo, R. Tuzla, 2001.
Osmanovi, J.

56
[55] Toi, S.B.: "TRANSPORTNI UREAJI", Mehanizacije transporta,
Univerzitet u Beogradu, Mainski fakultet, Institut za mehanizaciju,
Beograd 1999.
[56] SRIA, V.: Uvod u sistemski inenjering, Informator, Zagreb, 1988.
[57] . Zrni, D. Simulacija procesa unutranjeg transporta ", Mainski fakultet
Savi: - Beograd, Beograd, 1997. godine
[58] Systems Analysis of transport System Influence on Coefficient of
R. elo, D. Utilization of Work Machines Using Simulation Model",
Tufeki, A. 8thInternational Conference MMA 2003, Zbornik, stranice (159160),
Topi: - Novi Sad, Srbija i Crna gora , juni 2003. godine
[59] Analiza parametara rada tranog transportera primjenom softwerskog
A. Topi, R. paketa", Istraivanje i razvoj mainskih elemenata i sistema
elo, D. IRMES'04, Zbornik, stranice (189194), Kragujevac, Srbija i Crna
Tufeki, H. gora, 16. i 17. septembar 2004. godine
Avdi: -
[60] A. Topi : "Optimizacija rada primopredajnih segmenata sistema unutarnjeg
transporta" doktorska disertacija, mainski fakultet, Tuzla, 2007."
[61] "FLEXIBLE AUTOMATION",
- Fertigung, montage, transport, 2/2001. Germany.
[62] "FACTORY AUTOMATION",
Eine Sonderpublikation der Fachzeitschrift
- Flexible Automation. Verlagshaus Gilching,
Germany , 2001.
[63] A. Topi, R. "Simulation of virtual flexible manufacturing cell work", Scientific
elo, D. Conference with International Participation, Manufacturing and
Tufeki, M. management in 21st century, Ohrid, Makedonija, septembar 2004.
Mehmedovi: godine.
[64] Niko
Majdandi, UPRAVLJANJE PROIZVODNJOM; Slavonski Brod, 2001
Roberto Luji ,
Gordana
Matievi, Goran
imunovi, Igor
Majdandi;
[65] V. R. Milai; PROIZVODNI SISTEMI II; Mainski fakultet Beograd, 1989
[66] Ruth Silverman: "Uvod u probleme simulacije raunarskih sistema i komunikacionih
mrea", University of the District of Columbia, prevod Radomir
Jankovi, 2000.].
[67] Radenkovi B., " Raunarska simulacija", Fakultet organizacionih nauka, Beograd,
Stanojevi M., 1999.
Markovi A.:
[68] Eversheim, W.; Betriebshtte: Produktion und Management, Springer Verlag, Berlin
Schuh, G.: Heidelberg New York, 1996.
[69] A. Muniti: Kompjuterska simulacija uz pomo sistemske dinamike",
Brodograevna industrija "Split", Split, 1990
[70] Ismet Demirdi: "Numerika matematika", Svjetlost Sarajevo, 1997
[71] Milivoj Klarin: "Industrijsko inenjerstvo I - Organizacija i planiranje proizvodnje",
Beograd 1996. godine

57