Simulacija Flashcards

1
Q

Što je simulacijsko modeliranje i na što se odnosi?

A

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).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Koji su primjeri modela za koje se izrađuje simulacijsko modeliranje?

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Koji su osnovni zahtjevi za simulacijske modele?

A
  1. izvođenje pomaka vremena (ispravno, efikasno)
  2. opis paralelnog (istovremenog) odvijanja aktivnosti
  3. opis procesa koji konkuriraju za iste resurse
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Kakvi su to deterministički modeli?

A

Potpuno predvidivo ponašanje.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Kakvi su to stohastički modeli?

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Kakvi su to diskretni modeli?

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Kakvi su to kontinuirani modeli?

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

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

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Objasni interakciju diskretnih i kontinuiranih varijabli i daj primjer.

A
  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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Objasni slučajne brojeve u simulacijskim eksperimentima.

A
  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).
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

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

A
  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
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Koja su potrebna svojstva dobrih aritmetičkih generatora?

A
  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)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Objasni scenarij simulacije s ulaznim podacima.

A

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)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Što je problematično kod ulaznih podataka?

A

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.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Što treba napraviti s ulaznim podacima nakon mjerenja?

A
  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)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Koji se testovi slaganja mogu provesti?

A
  1. neformalna vizualna procjena
  2. Hi-kvadrat test
  3. Kolmogorov-Smirnov test
17
Q

Nabroji skupove resursa i daj primjer.

A

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

18
Q

Objasni početak i kraj simulacije.

A

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).

19
Q

Objasni analizu izlaznih rezultata.

A

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.

20
Q

Objasni alternativne scenarije i ponavljanje eksperimenta.

A

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.

21
Q

Objasni diskretnu simulaciju.

A
  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
22
Q

Gdje se koristi diskretna simulacija u projektima BPM-a?

A
  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…
23
Q

Što su Petrijeve mreže?

A

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.

24
Q

Postupak simulacije?

A
  1. modelirati proces
  2. definirati scenarij
  3. pokrenuti simulaciju
  4. analizirati rezultate
  5. ponavljati simulaciju za alternativne scenarije
25
Q

Elementi scenarija simulacije?

A
  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…)
26
Q

Navedi primjere distribucija.

A
  1. fiksna
  2. eksponencijalna
  3. normalna
27
Q

Objasni fiksnu distribuciju.

A

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

28
Q

Objasni eksponencijalnu distribuciju.

A

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

29
Q

Objasni normalnu distribuciju.

A

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

30
Q

Koja su ograničenja simulacije?

A
  1. stohastika
  2. kvaliteta podataka
  3. pojednostavljenje
31
Q

Objasni stohastiku kao ograničenje.

A

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.

32
Q

Objasni kvalitetu podataka kao ograničenje.

A

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.

33
Q

Objasni pojednostavljenje kao ograničenje.

A

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.

34
Q

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

A
  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
35
Q

Navedi kakvi sve simulacijski softveri postoje.

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