Simulacija

Question 1

Što je simulacijsko modeliranje i na što se odnosi?

Answer 1

Modeliranje dinamičkih sustava, tj. sustava koji se mijenjaju u vremenu.
Odnosi se na modele koje nije moguće opisati i rješavati matematičkim sredstvima (koriste se računarski i konceptualni modeli).

Question 2

Koji su primjeri modela za koje se izrađuje simulacijsko modeliranje?

Answer 2

Redovi čekanja, proizvodni procesi, promet, ekonomski problemi, populacija, upravljanje…

Question 3

Koji su osnovni zahtjevi za simulacijske modele?

Answer 3

1. izvođenje pomaka vremena (ispravno, efikasno)
2. opis paralelnog (istovremenog) odvijanja aktivnosti
3. opis procesa koji konkuriraju za iste resurse

Question 4

Kakvi su to deterministički modeli?

Answer 4

Potpuno predvidivo ponašanje.

Question 5

Kakvi su to stohastički modeli?

Answer 5

Modeli u kojima se ponašanje ne može potpuno predvidjeti, ali se mogu odrediti vjerojatnosti promjene stanja (postojanje slučajnih veličina).

Question 6

Kakvi su to diskretni modeli?

Answer 6

Modeli u kojima se promjena događa samo u nekim vremenskim točkama, dakle obilježena je vremenskim događajem (npr završetak obrade jednog dijela na stroju)

Question 7

Kakvi su to kontinuirani modeli?

Answer 7

Modeli u kojima se događa kontinuirana promjena varijabli stanja u vremenu (npr promjena položaja i brzine aviona u letu)

Question 8

Kakvi su to miješani kontinuirano diskretni modeli? Navedi jedan primjer.

Answer 8

Modeli koji sadrže kontinuirane i diskretne varijable. Npr dolazak auta na pumpu diskretni događaj, ulijevanje goriva kontinuirani.

Question 9

Objasni interakciju diskretnih i kontinuiranih varijabli i daj primjer.

Answer 9

1. Diskretni događaj aktivira promjenu kontinuirane varijable
2. diskretni događaj aktivira promjenu načina razvoja kontinuirane varijabe
3. promjena kontinuirane varijable ispod ili iznad praga aktivira pokretanje diskretnog događaja

Primjer: ako je rezervoar pun, zaustavlja se punjenje, ako je temperatura u kotlu preniska, prekida se proizvodni proces i počinje grijanje

Question 10

Objasni slučajne brojeve u simulacijskim eksperimentima.

Answer 10

1. Odnosi se na generiranje velikog broja vrijednosti slučajnih varijabli iz razdioba vjerojatnosti (vremena međudolazaka, trajanje posluživanja).
2. Niz generiranih vrijednosti: uzorak iz razdiobe vjerojatnosti.
3. Generatori moraju biti brzi i točni.
4. Slučajne veličine omogućuju opis nepravilnog ponašanja u komprimiranom obliku (bez detaljnog opisa ponašanja).

Question 11

Kako se mogu generirati slučajni brojevi? Navedi primjere i nedostatke.

Answer 11

1. fizički pribori - kocka, rulet - komplicirani su, mijenjaju razdiobe i nemoguće je ponoviti isti niz slučajnih brojeva
2. korištenje iracionalnih brojeva - znamenke konstanti pi, e - dosta slabe karakteristike slučajnosti
3. aritmetički procesi - iako deterministički, daju najbolje rezultate, determiniranost - pseudoslučajni generatori, niz se generira na temelju jednog ili više prethodnika

Question 12

Koja su potrebna svojstva dobrih aritmetičkih generatora?

Answer 12

1. nezavisnost (nekoreliranost) tj slučajni redoslijed (unificirana razdioba)
2. reproducibilnost (zbog mogućnosti usporedbe alternativnih konfiguracija u istim uvjetima)
3. što duži period ponavljanja
4. brzina generiranja
5. mali zahtjevi za memorijom

Generatori imaju cikluse u kojima se serije slučajnih brojeva i ponavljaju - dužina ciklusa se naziva period p generatora (p <=m)

Question 13

Objasni scenarij simulacije s ulaznim podacima.

Answer 13

Razvoj adekvatnog modela ulaznih podataka:
1. sakupljanje ulaznih podataka
2. postavljanje hipoteze o porodici razdiobe vjerojatnosti ulaznih podataka
3. procjena vrijednosti parametara odabrane razdiobe
4. testiranje slaganja odabrane razdiobe i ulaznih podataka (testovi slaganja - neformalna vizualna procjena, Hi kvadrat test, Kolmogorov-Smirnov test)

Question 14

Što je problematično kod ulaznih podataka?

Answer 14

Proces sakupljanja ulaznih podataka je dugotrajan i skup i treba ga planirati:
1. što će se mjeriti - izbor varijabli
2. način mjerenja - ne smije se utjecati na proces
3. točnost mjerenja - minute, sekunde…
4. veličina uzorka - broj mjerenja
5. u kojim vremenskim periodima se mjerenja izvode - vršna opterećenja
6. gdje se mjeri - mjesto opažanja
7. tko izvodi mjerenja - veličina i sastav ekipe

Preporuča se izvođenje pilot mjerenja zbog boljeg planiranja i stjecanja prethodnog iskustva.

Question 15

Što treba napraviti s ulaznim podacima nakon mjerenja?

Answer 15

1. unos podataka
2. čišćenje podataka
3. transformacija podataka
4. vizualni prikaz podataka (npr histogrami)
5. postavljanje hipoteze o porodici razdiobe (histogrami - grafička procjena oblika funkcija vjerojatnosti, ili se odrede relativne frekvencije po intervalima i uspoređuju s grafom teorijske razdiobe (softver StatFit), važnost vizualne kontrole podataka)

Question 16

Koji se testovi slaganja mogu provesti?

Answer 16

1. neformalna vizualna procjena
2. Hi-kvadrat test
3. Kolmogorov-Smirnov test

Question 17

Nabroji skupove resursa i daj primjer.

Answer 17

Ime, veličina (broj resursa u skupu), vrijeme troška po jedinici resursa, kalendar raspoloživosti resursa.
Službenik, 25€/h, pon-pet, 9-17
Menadžer, 35€/h, pon-pet, 9-17

Question 18

Objasni početak i kraj simulacije.

Answer 18

Pokretanjem simulacije pokreće se i simulacijski sat koji mjeri trajanje simulacije. Postoje različiti oblici definiranja završetka simulacije (vrijeme od početka simulacije u danima, satima, tjednima, na određeni datum/sat ili kad završi određen broj instanci tipa 1000 narudžbi kupaca). Zaustavljanje simulacije može biti bezuvjetno (prema definiranom roku, datumu…) ili uvjetno (kad završe sve pokrenute instance npr kada svi kupci u trgovini završe s kupnjom i izađu van).

Question 19

Objasni analizu izlaznih rezultata.

Answer 19

Slučajni karakter ulaznih varijabli dovodi do slučajnog karaktera izlaznih varijabli (ulazna dolazak, atribut entiteta, posluživanja - izlazna redovi čekanja, iskorištenje opreme). Posljedica su eksperimenti s različitim nizovima slučajnih varijabli koji daju različite vrijednosti izlaznih varijabli.

Zato je nužna statistička analiza izlaza.

Question 20

Objasni alternativne scenarije i ponavljanje eksperimenta.

Answer 20

Što ako analiza i mijenjanje parametara modela:
1. što ako međufrekvencija dolazaka entiteta u sustav bude manja ili veća?
2. što ako povećamo kapacitet resursa u sustavu?
3. što ako promijenimo politiku repova čekanja - FIFO, LIFO?
Eksperiment se može ponavljati, a softver bilježi verzije. Rezultati se uspoređuju ručno ili pomoću softvera, a softver i sam može tražiti najbolje rješenje.

Question 21

Objasni diskretnu simulaciju.

Answer 21

1. kvantitativna metoda
2. opisuje promjene stanja koje se odvijaju diskontinuirano u vremenu (promjene stanja su posljedica interakcije objekata koje sustav sadrži)
3. prati veliki broj instanci procesa koje se izvode istovremeno
4. prikazuje dinamiku procesa
5. uključuje utjecaj slučajnih varijabli
6. omogućuje ponavljanje eksperimenta
7. rezultate iskazuje kvantitativnim parametrima
8. prikuplja podatke o performansama procesa - trošak vrijeme,, korištenje resursa
9. statistički obrađuje prikupljene podatke
10. omogućuje animaciju i vizualizaciju procesa

Question 22

Gdje se koristi diskretna simulacija u projektima BPM-a?

Answer 22

1. za analizu postojećeg stanja - AS-IS analysis - dužine repova čekanja, iskorištenost resursa, uska grla u procesu…
2. što ako analiza - što ako poraste potražnja za proizvodom, ako se stroj u pogonu pokvari, koliko šaltera treba neka poslovnica…

Question 23

Što su Petrijeve mreže?

Answer 23

Grafički i matematički alat za modeliranje primjenjiv na različite vrste sustava i podloga za notaciju BPMN. Osnovni su simboli sadržani su u temeljnom modelu (mjesto, prijelaz, usmjereni lukovi, značka).
Modeliraju se događaji i aktivnosti (prijelazi) i uvjeti (mjesta).
Dinamika se prikazuje značkama (entitetima) koje se kreću grafom.
Prijelaz se može pokrenuti (tj. događaj pokretanja aktivnosti može nastupiti) onda kada su svi ulazni uvjeti ispunjeni - kada svako ulazno mjesto prijelaza ima u sebi barem jednu
značku.
Aktiviranje prijelaza pomiče jednu značku iz svakog ulaznog mjesta.
Nakon završetka prijelaza moguća je promjena ukupnog broja značaka u sustavu.
Svako izvođenje prijelaza uzrokuje novo stanje i novo označavanje mreže.

Question 24

Postupak simulacije?

Answer 24

1. modelirati proces
2. definirati scenarij
3. pokrenuti simulaciju
4. analizirati rezultate
5. ponavljati simulaciju za alternativne scenarije

Question 25

Elementi scenarija simulacije?

Answer 25

1. Vrijeme trajanja aktivnosti (Processing times of activities) o Fiksne vrijednosti o Distribucije vjerojatnosti (stohastika), slučajne vrijednosti, računalno generirani slučajni efekti 2. Vjerojatnosti grananja tijeka procesa 3. Vrijeme dolazaka instanci procesa i distribucije vjerojatnosti o Tipično: eksponencijalna distribucija, sa srednjom vrijednosti međudolazaka o Kalendar: pon-pet, 9-17 ili 24/7 4. Skupovi resursa (resource pools) 5. Pridruživanje resursa aktivnostima 6. repovi čekanja o Uska grla o Entiteti čekaju na početak aktivnosti o Zauzetost resursa, resursi su „ idle ” (primjer: službenik na pauzi), resursi su „u kvaru”, kraj radnog vremena,.. o Poslovna pravila utječu na politiku repova čekanja - primjer: skladište Kraša i politika izuzimanja artikala (prema datumu proizvodnje, tržištu...)

Question 26

Navedi primjere distribucija.

Answer 26

1. fiksna 2. eksponencijalna 3. normalna

Question 27

Objasni fiksnu distribuciju.

Answer 27

Vrijeme trajanja aktivnosti je isto ili gotovo isto za sve iteracije. Rijetko, samo kod potpuno automatiziranih aktivnosti.

Question 28

Objasni eksponencijalnu distribuciju.

Answer 28

Vrijeme trajanja aktivnosti je najčešće oko srednje vrijednosti, ali ponekad je značajno duže – složene aktivnosti koje uključuju analizu ili odlučivanje.

Question 29

Objasni normalnu distribuciju.

Answer 29

Vrijeme trajanja aktivnosti je uglavnom oko srednje vrijednosti, ali devijacija je simetrična – repetitivne aktivnosti.

Question 30

Koja su ograničenja simulacije?

Answer 30

1. stohastika 2. kvaliteta podataka 3. pojednostavljenje

Question 31

Objasni stohastiku kao ograničenje.

Answer 31

Rezultati simulacije mogu biti različiti kod višekratnog ponavljanja eksperimenta (utjecaj generatora slučajnih brojeva –„korak” generatora slučajnih brojeva). Potrebno je simulirati dovoljno dugačko vremensko razdoblje, tako da budu obuhvaćene sezonske i tjedne varijacije rada promatranog sustava. Ponoviti više uzastopnih eksperimenata zbog izračuna prosječnih rezultata.

Question 32

Objasni kvalitetu podataka kao ograničenje.

Answer 32

Točnost rezultata simulacije ovisi o točnosti ulaznih podataka. Potrebno je analizirati ulazne podatke korištenjem statističkog softvera za procjenu distribucija vjerojatnosti. AS IS scenarij i rezultati simulacije AS IS modela moraju odgovarati funkcioniranju stvarnog sustava.

Question 33

Objasni pojednostavljenje kao ograničenje.

Answer 33

U modelu nema iznimki/odstupanja, osim onih koji su predviđeni stohastikom modela. Resursi nikada ne rade različite poslove (aktivnosti) istovremeno. Svaki dan je isti, resursi nikada nisu umorni.

Question 34

Koji su nedostaci, problemi i pitanja što se tiče ograničenja simulacije?

Answer 34

1. Multidisciplinarnost članova tima 2. Visoki troškovi projekta (novac, vrijeme) 3. Otežano prikupljanje podataka 4. Složeni modeli (modeliranje svih ključnih procesa, interakcija procesa) 5. Simulacija ne pronalazi optimalno rješenje 6. Održavanje simulacijskog modela 7. Odabir programskog alata: specijalizirani simulacijski alat vs. Simulacijski modul integriran u alat za BPM

Question 35

Navedi kakvi sve simulacijski softveri postoje.

Answer 35

1. integrirani u BPM platformu - ARIS, Bizagi, Oracle BPA, Signavio... 2. samostalan, low code-no code - SIMUL8, ARENA 3. simulacijski programski jezik - GPSS