2.

SIMULAREA SISTEMELOR INTEGRATE DE

FABRICAŢIE

2.1. Definirea conceptului de simulare

Simularea reprezintă un instrument de analiză având drept scop
stabilirea efectelor schimbărilor operate asupra unui sistem existent, cât şi
evaluarea performanţelor unor noi sisteme în altfel de circumstanţe. Simularea
este unul dintre cele mai puternice mijloace de analiză, folosit pentru proiectarea
sistemelor complexe, pentru planificarea şi controlul acestora. Ea se defineşte ca
fiind procesul de proiectare şi realizare ale unui model, ale unui experiment în
scopul înţelegerii comportamentului sistemului şi al evaluării unui număr
mare de strategii posibile pentru funcţionarea acestuia. În acest caz, modelul
operează în paralel cu sistemul de producţie, iar parametrii planificaţi sunt
identificaţi şi folosiţi în derularea modelului după un altgoritm sau o strategie de
optimizare urmărindu-se mărirea performanţelor sistemului.
Proiectarea tradiţională şi metodele analitice s-au arătat inadecvate pentru
studierea interacţiunilor complexe din cadrul sistemelor flexibile de producţie.
Simularea se aplică pentru analiza dinamică anterioară implementării, astfel
încât costurile şi stocurile să fie mult reduse. Tehnicile de modelare şi simulare
ale fabricaţiei pot contribui esenţial la elaborarea unor sisteme de fabricaţie
cu indici de performanţă ridicaţi. Validarea soluţiei presupune stabilirea unor
modele, analiza proprietăţilor acestora şi simularea funcţionării. În urma analizei
rezultatelor se obţin date privind eficienţa economică, informaţii funcţionale etc.
Astfel, se pot analiza caracteristicile producţiei după numărul de piese prelucrate,
timpul de execuţie, se poate aproxima costul procesului pentru a folosi ulterior
strategii de optimizare pentru realizarea unei mai bune precizii şi eficienţe
economice.
În general, promovarea ştiinţei presupune o activitate de cercetare intensă.
Lupta dintre metodele tradiţionale şi cele noi este tot mai frecvent discutată în
articole jurnalistice şi în sesiunile conferinţelor internaţionale din domeniu. Chiar
dacă noţiunea de simulare este veche, ea reflectă modul în care se va realiza în
secolul următor o bună împărţire a ştiinţei. Oamenii de ştiinţă vor îmbunătăţi
experimentele pe calculator în concordanţă cu crearea ipotezelor ştiinţifice şi vor
dezvolta experimente pentru obţinerea rezultatelor empirice. Noţiunea de
simulare implică interpretări multe şi diferite ce depind de domeniul abordat.
Se poate spune că simularea reprezintă o disciplină fundamentală
independentă de aplicaţiile specializate. În figura 1.1 este reprezentat rolul
central pe care îl joacă simularea în câteva domenii specificate în continuare.
În esenţă, simularea poate avea un rol potenţial în fiecare domeniu al
ştiinţei.
 Informatica: Simularea este lingua franca pentru informatică.
Domeniul informaticii implică folosirea calculatorului (supercalculatoarelor)
pentru vizualizarea şi simularea fenomenelor complexe şi la scară largă.
2

 Sisteme haotice şi complexe: Observarea complexităţii unor fenomene

prin modele deterministe simplu structurate trezeşte un interes tehnic fundamental
şi o preocupare continuă.
Informatică

Sisteme Realitate
Complexe Virtuală
Supercalculatoare

paralelism interfaţă grafică

Simulare implementată
pe
Calculator
teoria grafică şi animaţie
biologică pe calculator

Viaţă Artificială Modelare Fizică de Bază

Fig. 2.1. Schematizarea rolului simulării.

Cele mai multe modele ce expun comportări haotice conţin analize statistice.
Deşi caracteristicile spaţiale de fază topologice calitative ale sistemelor liniare pot
fi determinate statistic, simularea trebuie folosită şi pentru sistemele neliniare.
Metodele iterative trebuie să lucreze simultan cu determinarea unor caracteristici
speciale cum ar fi: puncte fixe, valori şi puncte ale hiperbolelor. Într-o abordare
mai largă, limbajele de simulare viitoare vor fi în relaţii de interdependenţă cu
rutinele de manipulare simbolică şi limbaje, astfel încât un sistem să poată fi
analizat cu orice instrument disponibil (static şi iterativ). Combinarea metodelor
statice şi iterative în simulare determină simularea hibridă.
 Realitatea virtuală: Obiectivul realităţii virtuale constă în
introducerea analistului în interiorul universului simulat. De asemenea,
realitatea virtuală este deseori văzută ca fiind sinonimă cu interfaţa hardware dintre
maşină şi om, tehnologia trebuind să încorporeze metode pentru construcţii în
universul digital (sau virtual).
 Viaţa artificială: Relativitatea vieţii artificiale este o ramură a ştiinţei
calculatorului care provoacă ceea ce poartă numele de experiment. Un
experiment în viaţa artificială este acela în care se concepe un program de simulare
a formelor vieţii artificiale.
 Modelarea pe baze fizice şi animaţia pe calculator: În grafica pe
calculator din prezent, mişcarea este realizată mai mult pentru a mări
interesul faţă de tehnica modelării şi mai puţin faţă de modelarea pe baze
fizice. În prezent s-au realizat progrese impresionante în sfera animaţiei. S-au creat
modele mult mai bune, animaţia având la bază tipuri de modele mult mai complexe
cum ar fi modelarea evenimentelor, modelarea funcţională sau modelarea
 3

condiţionată. Noţiunea de "baze fizice" se referă, în mod normal, la constrângeri de

bază, sub formă de ecuaţii, modelele derivând din legile fizicii. Oricum, mişcarea a
ceea ce se numeşte modelarea pe baze fizice este un pas în direcţia utilizării
modelelor de simulare pentru înlocuirea modelelor automate – inerente în
simularea pe bază de cadre – cu modele de sisteme mult mai inteligente.
Simularea reprezintă o etapă intermediară între proiectare şi
fabricaţie. Astfel, în condiţiile economiei de piaţă, cu o concurenţă fără
menajamente, se cere să se asigure performanţele impuse de client, la un preţ
rezonabil şi la termene de livrare foarte stricte. Satisfacerea acestor condiţii se
realizează cu dificultate, dar nu este imposibilă. În acest sens, soluţiile se evaluează
după criterii de natură tehnică, economică sau durată de materializare. Astfel, se
realizează o optimizare la nivelul întregului sistem pe baza criteriilor de
natură tehnico-economică. Ipotezele adoptate în simulare au la bază date tehnice,
experimentale şi teoretice acumulate din experienţa anterioară, ceea ce conferă
rezultatelor lor o foarte bună concordanţă cu realitatea. Vizualizarea rezultatelor
cercetărilor efectuate prin metode teoretice exacte sau aproximative permite
simulării optimizarea elementelor de structură ale maşinilor-unelte ce compun
sistemul. În acest mod, anumite caracteristici pot fi imbunătăţite continuu prin
varierea sistematică a parametrilor de dependenţă.

2.2. Definirea conceptului de optimizare prin

simulare
Optimizarea este construită pe algoritmi în care proprietăţile pot fi
exprimate cantitativ sub forma unei funcţii. Algoritmii de optimizare permit de
obicei minimizarea unei funcţii, un exemplu în acest sens fiind costul care
utilizează tipuri de variabile cum ar fi resursele. Procesul de optimizare utilizează
mai multe seturi de valori iniţiale şi soluţii corespunzătoare care sunt definite de
utilizator sau sunt generate aleatoriu în program. Un set impune, de exemplu,
variabilele de proiectare – resursele, variabilele de stare – atributele şi funcţia
obiectiv – cost minim. Algoritmul de optimizare generează apoi succesiv astfel de
seturi, conducând către un set optim.
Ca o regulă generală, atunci când sunt posibile mai multe variante, apare
necesitatea de a alege cea mai bună cale posibilă. Această idee a omniprezenţei
problemelor de optimizare se reflectă în toate domeniile de activitate.
Tehnicile de optimizare sunt, în esenţă, instrumente practice, folosite în primul
rând de nematematicieni. În contrast cu această idee, marea majoritate a lucrărilor
de specialitate din domeniul optimizării sunt scrise într-un mod accesibil doar
matematicienilor. Iată de ce, obiectivul acestei cărţi este şi prezentarea sistematică
a metodelor de optimizare numerică, precum şi posibilităţile lor de aplicare, în cele
mai diverse domenii de activitate.
Optimizarea este acţiunea de obţinere a celor mai bune rezultate în
anumite circumstanţe date. În proiectarea şi întreţinerea oricărui sistem, inginerii
trebuie să ia o serie de decizii tehnologice şi manageriale la diferite niveluri, scopul
acestor decizii fiind de minimizare a oricăror eforturi necesare sau de maximizare a
4

beneficiului. Deoarece în orice situaţie practică efortul cerut şi beneficiul dorit pot
fi exprimate printr-o funcţie cu variabile de decizie bine stabilite, optimizarea
poate fi definită ca procesul de găsire a condiţiilor în care funcţia respectivă
are valori minime sau maxime. Pentru aceasta, nu există o singură metodă
disponibilă pentru rezolvarea eficientă a problemelor de optimizare. Astfel, s-au
dezvoltat o serie de metode de optimizare pentru a putea rezolva diferite tipuri de
probleme de optimizare.
Metodele de căutare optimă sunt cunoscute ca tehnici de programare
matematică şi sunt studiate în general ca parte a cercetării operaţionale.
Cercetarea operaţională este o ramură a matematicii care se ocupă de aplicarea
metodelor ştiinţifice şi tehnice în problemele de decizie şi de găsire a celor mai
bune soluţii sau chiar a celor optime. Se pot menţiona cateva tehnici de programare
matematică în diferite sfere ale cercetării operaţionale:
 metode de calcul;
 calculul variaţiilor;
 programare liniară;
 programare neliniară;
 programare geometrică;
 programarea ecuaţiilor de gradul doi;
 programare dinamică;
 programare integrală;
 teoria jocurilor;
 metode reţea;
 programare stocastică etc.
Existenţa metodelor de optimizare poate fi urmărită începând cu Newton,
Lagrange şi Cauchy. Dezvoltarea metodelor de calcul diferenţial pentru optimizare
a fost posibilă datorită contribuţiilor lui Newton şi Leibnitz. Formularea calculului
variaţional a fost făcută de Bernoulli, Euler, Lagrange şi Weiestrass. Metoda de
optimizare pentru problemele cu constrângeri, care implică introducerea unor
multiplicatori necunoscuţi, a devenit cunoscută sub numele creatorului său, adică
metoda Lagrange. Cauchy a realizat prima aplicaţie a metodei genealogiei în
trepte (metoda iterativă), pentru rezolvarea problemelor de minimizare fără
constrângeri. În spiritul acestor contribuţii premergătoare, s-au înregistrat prea
puţine progrese în acest domeniu până la mijlocul secolului 20, când, apariţia
calculatoarelor digitale de mare viteză a făcut posibilă implementarea procedurilor
de optimizare şi a stimulat cercetările în vederea obţinerii unor metode noi. În acest
moment, literatura de specialitate în sfera tehnicilor de optimizare a luat un avans
spectaculos şi au apărut câteva noi domenii în teoria optimizării.
În 1947, Dantzig dezvoltă metoda simplă de programare liniară a
problemelor şi, în 1957, Bellman enunţă principiul optimumului pentru problemele
de programare dinamică. Aceste noi realizări au pus bazele dezvoltării metodelor
de optimizare condiţionată. Efortul depus în 1951 de către Kuhn şi Tucker în sfera
condiţiilor necesare şi suficiente pentru obţinerea soluţiei optime a pus baza
cercetărilor ulterioare în programarea neliniară. La începutul anilor ’60,
Zoutendijk şi Rosen au adus contribuţii semnificative în sfera programării
neliniare. Totuşi, nu s-a găsit o tehnică cu aplicabilitate generală în problemele de
 5

programare neliniară. Cercetările efectuate de Carroll, Fiacco şi McCromick au

făcut ca multe probleme dificile să poată fi rezolvate cu uşurinţă prin folosirea
tehnicilor de optimizare necondiţionată existente şi cunoscute.
Programarea geometrică a fost dezvoltată în anii ’60 de Duffin, Zener şi
Peterson. Gomory a efectuat o muncă de pionierat în programarea numerelor
întregi, care este una dintre cele mai emoţionante şi mai rapide direcţii de
dezvoltare a optimizării. Motivul acestui fapt este acela că cele mai multe aplicaţii
reale eşuează în aceste categorii de probleme. Dantzing, Charnes şi Cooper au
dezvoltat tehnici de programare stocastică şi au rezolvat problemele prin
considerarea parametrilor de proiectare ca independenţi şi distribuiţi normal.
Cerinţa de optimizare a mai multor obiective sau scopuri cu satisfacerea unor limite
fizice a dus la dezvoltarea metodelor de programare multiobiectiv. Metodele de
analiză în reţea sunt tehnici esenţiale de control administrativ (managerial) şi au
fost dezvoltate în anii 1957 şi 1958. Fundamentarea teoriei jocurilor a fost făcută
de von Neumann în 1928 şi, de atunci, această teorie a fost aplicată în rezolvarea
multor probleme matematice în economie şi în domeniul militar. În ultimele două
decenii, teoria jocurilor a fost aplicată în rezolvarea multor probleme de proiectare
în inginerie.
În linii mari, optimizarea poate fi aplicată în rezolvarea oricăror probleme
inginereşti. Pentru a indica scopul său, enumerăm câteva domenii de aplicaţii tipice
sistemelor de fabricaţie:
 alegerea condiţiilor de prelucrare în procesele de aşchiere a metalelor
pentru reducerea costurilor de fabricaţie;
 proiectarea echipamentelor de manipulare a materialelor, cum ar fi:
conveioare, camioane şi macarale pentru reducerea costurilor;
 proiectarea optimă a maşinilor electrice (motoare, generatoare şi
transformatoare);
 determinarea drumului cel mai scurt între punctele de lucru pe care
trebuie să îl parcurgă semifabricatul;
 planificarea, controlul şi programarea optime ale producţiei;
 analiza datelor statistice şi construcţia de modele empirice din
rezultatele experimentale, pentru obţinerea unei reprezentări cât mai
corecte a fenomenelor fizice;
 proiectarea optimă a maşinilor şi utilajelor şi proiectarea uzinelor;
 alegerea plasamentului unei firme productive;
 planificarea menţinerii şi înlocuirii echipamentului pentru reducerea
costurilor de funcţionare;
 controlul stocurilor;
 alocarea de resurse sau servicii în câteva activităţi pentru maximizarea
beneficiului;
 monitorizarea timpilor de aşteptare şi de inactivitate şi supravegherea
cozii de aşteptare în liniile de producţie, pentru reducerea costurilor de
fabricaţie;
 planificarea celei mai bune strategii de obţinere a unui profit maxim în
prezenţa concurenţei pe piaţa economică;
 proiectarea optimă a sistemelor de control.
6

Problemele de optimizare conţin trei elemente de bază, şi anume:

 Funcţia obiectiv - minimă sau maximă. De exemplu, în procesele de
fabricaţie, se tinde către maximizarea profitului sau minimizarea costului. La
transformarea datelor experimentale într-un model definit de utilizator, se poate
minimiza diferenţa dintre rezultatele experimentale şi datele prognozate pe baza
modelului.
 Un set de necunoscute sau variabile care influenţează valoarea pe
care o ia funcţia obiectiv. În procesele de fabricaţie, variabilele pot include
cantitatea de resurse folosite sau durata fiecărei activităţi. În problema ajustării
datelor, necunoscutele sunt parametrii ce definesc modelul.
 Un set de condiţii (constrângeri) care permit necunoscutelor să ia
anumite valori, excluzând altele. În procesele de fabricaţie, toate variabilele “timp”
sunt pozitive.
Astfel, problema de optimizare constă în găsirea valorilor variabilelor
care minimizează sau maximizează funcţia obiectiv şi care satisfac anumite
condiţii.

Funcţia obiectiv. Aproape toate problemele de optimizare au o singură funcţie

obiectiv (când au mai multe funcţii obiectiv, acestea trebuie reformulate). Există
două excepţii interesante, şi anume:
 Nici o funcţie obiectiv – în unele cazuri (de exemplu, proiectarea
circuitelor integrate), scopul este de a găsi un set de variabile care să satisfacă
condiţiile modelului. Utilizatorul nu doreşte în mod special să optimizeze ceva şi,
deci, nu există nici un motiv pentru a defini o funcţie obiectiv. Acest tip de
probleme se numesc probleme de fezabilitate.
 Funcţii multiobiectiv – deseori, utilizatorul doreşte să optimizeze
simultan unul sau mai multe obiective diferite. De exemplu, în proiectarea
elementelor de structură, ar fi bine să se minimizeze greutatea şi să se maximizeze
rigiditatea simultan. De obicei, obiectivele diferite nu sunt compatibile. Variabilele
care optimizează un obiectiv pot să fie departe de valoarea optimă pentru celălalt
obiectiv. În practică, problemele cu obiective multiple se reformulează ca probleme
cu un singur obiectiv, prin formarea unei combinaţii complexe între diferitele
obiective, sau prin înlocuirea câtorva dintre ele prin constrângeri. Aceste metode şi
altele fac obiectul optimizării multiobiectiv.

Variabilele. Dacă nu există variabile, nu se pot defini funcţia obiectiv şi

condiţiile problemei.

Constrângerile. Constrângerile nu sunt esenţiale. De fapt, sfera

optimizării necondiţionate este una extinsă şi importantă, pentru care sunt
disponibile o mulţime de algoritmi şi soft-uri. Este cert că, în realitate, aproape
toate problemele au constrângeri. De exemplu, orice variabilă care indică numărul
de obiecte din sistem poate fi utilă numai dacă este mai mică decât numărul de
particule elementare din universul cunoscut. În practică, deseori, se pot obţine
răspunsuri bune în limita problemelor de bază din fizică sau economie, fără a
constrânge variabilele.
 7

2.3. Simularea sistemelor şi proceselor

Simularea este o disciplină prin care se proiectează un model pentru
un sistem fizic teoretic sau actual, se execută modelul pe un calculator digital
şi se analizează rezultatele obţinute. Este o sferă interdisciplinară deoarece este
folosită la scară largă pentru toate aspectele industriei, de guvernare şi academice.
În fiecare departament academic din domeniul economiei şi ştiinţei sociale se pot
găsi procese de învăţare prin simulare. Prin tematica sa generală, simularea
urmăreşte descrierea modelului, realizarea efectivă a modelului sau analiza
acestuia. În continuare vor fi prezentate metodele de descriere a modelului unui
sistem şi realizarea acestuia pentru simulare pe calculator.
Mach, în lucrarea sa intitulată "Natura economică a obiectelor" afirmă:
"Comunicarea cunoştinţelor ştiinţifice întotdeauna implică descrierea, care
este o reproducere, o imitaţie a evenimentelor gândite, obiectul care
înlocuieşte şi salvează problemele apărute în experienţe noi. Mai precis, se
urmăreşte salvarea efortului de instruire şi achiziţie. Acestea sunt cerinţele
reale ale legilor naturii".
În timp ce Mach vorbeşte despre aspectul economic al legilor fizice, este
natural să se extindă acest concept la aria lărgită a modelării sistemelor. Scopul
creării diferitelor tipuri de modele este de a încuraja economia în reprezentarea
informaţiilor despre sistemele dinamice. Se doreşte înţelegerea modului în care
operează fenomenele reale variabile în timp prin folosirea unui model.
În general, simularea pretinde a fi aceea care se bazează pe obiecte
reale şi foloseşte imitaţii. În cercetarea operaţiilor imitaţia este un model pe
calculator ce simulează realitatea.
Folosind o interpretare generală corectă, simularea este iterativă şi are trei
etape (fig. 1.2):
 descrierea modelului;
 execuţia efectivă a modelului;
 efectuarea analizei.
Primul pas în construirea unui model de simulare pentru un sistem real este
găsirea informaţiilor despre sistem. Aceste informaţii pot fi în formă simbolică sau
numerică. Modelul se realizează pe baza informaţiilor şi cunoştinţelor
dobândite în experienţele anterioare.
Creşterea dimensiunilor sistemelor şi proceselor necesită strategii de
simulare mult mai eficiente pentru accelerarea procesului de simulare. Metodele de
simulare paralelă şi discretizată par a fi căi promiţătoare în această direcţie.
Topicile cercetate cu intensitate în prezent sunt:

 sincronizarea, distribuirea, administrarea memoriei, algoritmii

întâmplători şi de reacţie / adaptivi, partiţionarea şi echilibrarea încărcărilor;
 sincronizarea simulării distribuite pe mai mulţi utilizatori, a mediilor
realităţii virtuale, HLA şi interoperabilitatea;
 modelarea sistemului pentru simularea realizată în paralel, listarea,
reutilizarea modelelor / codului şi realizarea simulărilor în parallel;
8

 limbajul şi rezultateale implementate, modele ale simulării în paralel,

medii de execuţie şi biblioteci;
 studii teoretice şi empirice, predicţii şi analize, modele de cost, cote de
nivel şi studii comparative;
 arhitecturi de calculator, reţele de telecomunicaţie, sisteme dinamice şi
de fabricaţie, obiecte implementate şi sisteme biologice / sociale;
 simulare partiţionată pe baze web, cum ar fi aplicaţiile multimedia şi în
timpi reali, lipsa de toleranţă, obiecte implementate, utilizarea mediilor de
programare Java şi CORBA.

Modele conceptuale
Modele declarative
Descrierea Modele funcţionale
modelului Modele de constrângere
Modele spaţiale
Modele multiple

Analiza datelor de intrare-ieşire

Algoritmi în serie
Descrierea experimentului
Algoritmi paraleli
Execuţia Tehnici de răspuns
Analiză Vizualizarea datelor
modelului
Verificare
Validare
a) modelare şi analiza modelului

Cerinţe
Requirements

Simulare
Analiză
Verificare

Evaluare

Cunoaştere
Knowledge

b) evaluarea modelului

Fig. 2.2. Etapele procesului de simulare.

 9

Terminologie utilizată în simulare

 Stare: o variabilă ce caracterizează un atribut în sistem, cum ar fi
nivelul stocului în inventar sau numărul de posturi de aşteptare pentru procesare.
 Eveniment: o întâmplare la un anumit moment care poate schimba
starea sistemului, cum ar fi sosirea unui client sau intrarea în funcţiune a unui punct
de lucru.
 Entitate: un obiect care trece prin sistem, cum ar fi semifabricatul în
postul de lucru sau comenzile dintr-o fabrică. Deseori un eveniment (ex. sosirea)
este asociat unei entităţi (ex. semifabricat).
 Coadă de aşteptare: o listă de sarcini, un buffer sau bunuri de consum
ce aşteaptă să fie transportate, sau orice loc unde entităţile aşteaptă să se producă o
întâmplare, un eveniment din orice motiv.
 Creare: cauza sosirii unei noi entităţi în sistem la un anumit moment.
 Planificare: repartizarea unui nou eveniment în viitorul unei entităţi
existente.
 Variabilă aleatorie: o mărime incertă, cum ar fi intervalul de timp
dintre două zboruri sau numărul de piese returnate dintr-o expediţie.
 Variaţie aleatoare: o variabilă aleatorie creată artificial.
 Distribuţia: o lege matematică care guvernează caracterul probabilistic
al unei variabile aleatorii.

2.3.1. Simularea amplasării componentelor unui atelier

În cursul analizei de fezabilitate a unui atelier, simularea serveşte la

justficarea şi cuantificarea investiţiilor necesare. În acest caz, simularea
reprezintă un instrument de evidenţiere a costurilor şi performanţelor
aşteptate. Simularea serveşte de asemenea la specificarea şi definitivarea caietului
de sarcini în fazele de precontractare şi contractare. În faza de precontractare,
primele simulări permit stabilirea caracteristicilor globale ale atelierului şi alegerea
celei mai bune variante a proiectelor ofertate. Cu această ocazie se va urmări
dimensionarea atelierului, asfel încât prin acesta să se satisfacă pachetul de
comenzi previzionale. Cu alte cuvinte, în aceasta fază se determină:
 numărul de maşini şi tipul acestora;
 natura şi mărimea depozitelor (stocatoare, magazine, sisteme de
alimentare, suprafeţe de depozitare etc);
 natura şi dimensiunile sistemului de manipulare al pieselor, sculelor,
semifabricatelor etc;
 volumul forţei de muncă necesar.
Caracteristicile statistice obţinute creează, spre exemplu, posibilitatea de a
diagnostica zonele de strangulare ale fluxului de producţie şi de a definitiva
soluţiile de evitare ale acestora. În fazele mai avansate ale concepţiei atelierului,
simulări mai complicate permit detalierea soluţiilor adoptate şi validarea lor. Între
altele, unele rezultate ale simulării permit în această fază a concepţiei definirea
caracteristicilor de pilotaj ale fluxului tehnologic: alegerea tipului de flux, tras sau
împins; regulile de gestionare ale fluxului de aşteptare; algoritmul deplasării
robocarelor etc. De asemeni, cu această ocazie se evidenţiază o serie întreagă de
10

informaţii indispensabile conducerii fluxului de fabricaţie. Prin simulare se poate

studia influenţa penelor asupra performanţelor atelierului.

2.3.2. Simularea funcţionării unui atelier

Simularea, în acest caz, reprezintă un instrument de diagnostic. Astfel,

simularea pe un model existent al atelierului permite detectarea punctelor “slabe”
ale acestuia: existenţa zonelor de strangulare, întreruperile fluxului de piese
asigurate de către sistemul de transport, număr insuficient de palete etc. Analiza
prin simulare a diverselor propuneri de modificare, deduse pe baza diagnosticului
efectuat, permite evaluarea acestora, reducerea termenelor de livrare, a producţiei
neterminate etc.
Soluţia cea mai bună va fi asfel evidenţiată, reţinută şi pentru aceasta se
calculează durata de recuperare a investiţiei.

2.3.3. Simularea gestionării unui atelier

Simularea permite conducerea corectă a atelierului prin prevederea

termenelor de fabricaţie, evaluarea costurilor, minimizarea producţiei neterminate,
diminuarea rebuturilor etc. În cazul apariţiei unei comenzi urgente, simularea
permite prevederea perturbaţiilor inevitabile, ceea ce va permite conducătorilor
atelierului să modifice ordinea îndeplinirii comenzilor sau să redistribuie resursele
asfel încât să se minimizeze consecinţele asupra rezultatelor activităţii atelierului.
Simularea permite evaluarea şi compararea diferitelor strategii de conducere
a atelierului, în scopul de a adopta soluţia cea mai performantă. Spre exemplu,
la sfârşitul fiecărei săptămâni se pot compara mai multe planuri de conducere
posibile pentru săptămâna următoare. Pentru fiecare dintre aceste planuri, prin
simulare, se evidenţiază strangulările şi dezechilibrele de sarcini, ceea ce permite
adoptarea soluţiei celei mai bune. În acest sens, pot fi evaluate şi comparate diverse
soluţii privind:
 planificarea producţiei;
 regulile de prioritate acordate produselor sau variantelor tehnologice;
 strategiile de distribuţie a resurselor (maşini, linii de fabricaţie,
operatori etc);
 campaniile de lansare a produselor pe piaţă.
Este cunoscut faptul că există aplicaţii complexe ale simulării , destinate
îmbunătăţirii continue a rezultatelor productive, plecând de la modificarea zilnică a
planului de conducere, astfel încât capacităţile fizice, resursele umane şi materiale
să fie utilizate la maximum.

2.4. Clasificarea sistemelor

Sistemele cu evenimente discrete pot fi clasificate după mai multe criterii:
sisteme secvenţiale faţă de cele concurente, deterministe faţă de nedeterministe,
sincrone faţă de asincrone etc. Dar, o clasificare deosebit de utilă este dată de Harel
în 1987, şi anume sisteme transformaţionale şi sisteme reactive.
 11

Un sistem transformaţional este caracterizat prin faptul că are o

transformare definită care se aplică pe intrarea sa şi generează ieşirea. Un astfel
de sistem poate fi văzut ca o cutie neagră, în care intrarea este transformată în
ieşire, când o astfel de acţiune este declanşată. Un exemplu de astfel de sistem
poate fi procesarea în serie a unui chestionar de baze de date. În acest caz, toată
informaţia de la intrare este adunată şi, o dată ce este procesată, nici o intrare nu
mai este acceptată.
Sistemele reactive, spre deosebire de primele, sunt sisteme care
reacţionează în mod constant la semnalele de intrare. Componentele sistemului
sunt active în mod constant şi fiecare schimbare la intrare cauzează o schimbare în
starea sistemului. Majoritatea sistemelor din practică sunt reactive; totuşi, din cauza
dificultăţilor de modelare, unele sunt privite ca transformaţionale.
Modelarea sistemelor reactive este în mod inerent dificilă, din următoarele
motive:
 nu există nici o transformare simplă care poate reprezenta sistemul;
 sistemul reactiv este de obicei ierarhic şi componentele sale sunt
concurente şi active în mod asincron;
 comunicaţia dintre componente este dificil de reprezentat;
 varietatea de stări în care sistemul se poate afla este prea mare pentru a
putea fi enumerată.
Din nefericire, sistemele de producţie aparţin acestei categorii şi, în
consecinţă, apare nevoia de strategii de modelare mai avansate.
Metodele de modelare a sistemelor conţin o varietate mare de metode
interdisciplinare, incluzând metode matematice, tehnici grafice, limbaje formale,
strategii de conducere etc. Oricum, nici una dintre aceste strategii nu este destul de
expresivă pentru a modela toate cele trei aspecte ale sistemelor de producţie
reactive.
Una dintre cele mai eficiente metode pentru modelarea sistemelor
reactive este creată pe baza reţelelor Petri (Peterson 1981; Reisig 1982).
Reţelele Petri reprezintă o metodă analitică şi grafică pentru modelarea sistemelor
şi analiza lor, şi o mare parte din acţiunea de modelare este condusă folosind
această strategie (Dubois 1983; Ben-Arieh 1991).
Structura reţelelor Petri, N, este definită ca un cvadruplu (P, T, I, O); P este
setul de locaţii, T este setul de tranziţii, I reprezintă funcţiile de intrare şi O
reprezintă funcţiile de ieşire care definesc reţeaua.
În mod tipic, locaţiile descriu condiţii sau fapte cum ar fi “o misiune este în
aşteaptare” sau “maşina este pregătită”. Tranziţiile stabilesc acţiunile sau procesele
cum ar fi “defineşte următoarea acţiune” sau “paleta încărcată aşteaptă”. Funcţiile
de intrare şi ieşire descriu locaţii şi tranziţii din cadrul modelului.
Intrările şi ieşirile unei tranziţii din cadrul unui model Petri sunt definite ca
jetoane de locaţii. Utilizând teoria jetoanelor în locul teoriei seturilor, se permit
multiple folosiri ale unei anumite locaţii ca intrare sau ieşire într-o tranziţie.
Strategia de modelare cu reţele Petri a fost dezvoltată prin includerea
unor variabile cantitative (reţele Petri cronometrate) (Morasca şi alţii 1991)
precum şi a unor variabile calitative folosind reţele Petri colorate (Heuser şi
Richter 1992, Jensen 1987). Totuşi, abilitatea reţelelor Petri de a descrie în mod
adecvat un mediu reactiv este restricţionată încă foarte mult. În cazul reţelelor
12

Petri nu se poate accepta activarea de reguli ale unei combinaţii de condiţii sau
activarea simbolurilor.
O strategie diferită faţă de sistemele reactive este aplicată prin metodologia
de modelare cu ajutorul hărţilor de stare (Harel 1987). Hărţile de stare sunt o
continuare a muncii duse pentru un concept mai general, numit “higraph” (Harel
1988). Hărţile de stare separă sistemele reactive în stări şi tranziţii, folosind cutii
şi săgeţi. Separarea în astfel de entităţi este bazată pe relaţii din cadrul modelului
care formează setul de stări.
Legăturile dintre diferite seturi de stări pot fi reprezentate în mod grafic
folosind dreptunghiuri drept stări şi săgeţi drept tranziţii. Săgeţile reprezintă
evenimente care cauzează sistemului schimbarea de la o stare la alta. Aceste
evenimente pot fi condiţionale sau necondiţionale.
Această metodologie este ierarhică şi acceptă aspectele funcţional,
comportamental şi structural faţă de sistem. Totuşi, nu reprezintă fluxul de
informaţii din sistem.
Alte strategii de modelare includ limbaje de explicare grafică, folosite în
special pentru proiectarea şi verificarea informaţiei în sistem. Există multe
asemenea metodologii, incluzând SAS (Lissander 1985), SADT (Ross 1985)
SARA (Estrin 1986) şi SREM (Alford 1977).
O strategie diferită este dată de modelarea sistemelor bazată pe reguli. În
această strategie sistemul este descris în termeni de reguli fizice sau operaţionale
(Murray, 1988, Ben-Arieh, 1988). Această strategie este utilă când detaliile
sistemului nu sunt cunoscute, astfel accentuându-se aspectul funcţional asupra
sistemului, dar lipsesc descrieri clare ale structurii şi comportamentului.
Limbajele de programare ale calculatorului sunt folosite foarte mult la
simularea şi modelarea sistemului. Pe lângă limbajele de simulare tradiţionale cu
evenimente discrete (care nu sunt reactive faţă de natură), se poate apela la
limbaje orientate pe obiecte (Antonelli 1986, Bezivin 1987), limbaje de
simulare concurente (Ben-Arieh 1991) şi strategie de simulare distribuită
(Misra 1986). Aceste strategii nu acceptă modelarea cunoscută a interacţiunilor
complexe dintre componentele sistemului.
Simularea distribuită sau limbajele de control sunt bazate pe o reţea de
procese asincrone, comunicând cu ajutorul unor mesaje fixe în timp. Unele
exemple sunt COSL (Pathak 1989) şi DISS (Melman 1984). O strategie diferită
pentru modelarea unor astfel de sisteme a fost obţinută folosind programarea logică
concurentă (Dotan şi Ben-Arieh 1991) şi un limbaj de modelare cu bază grafică
(Ben-Arieh 1991).
Este important de observat că modelele analitice, cum ar fi reţelele în
aşteptare, nu sunt reactive prin natura lor şi, de aceea, nu sunt considerate potrivite
pentru modelare, aşa cum ar fi necesar. În mod similar, tehnicile de simulare
folosind evenimente discrete nu înglobează natura reactivă a sistemelor modelate,
fluxul de informaţii şi regulile interne.
În literatura de specialitate este des utilizată noţiunea de simulare
sinonimă noţiunii de simulare pe calculator. Simularea este o metodologie
aplicată în descrierea comportării sistemelor complexe prin folosirea
modelelor matematice sau simbolice. Modelul reprezintă o "teorie" sau o
"ipoteză" şi descrie comportarea în timp a sistemului studiat. De asemenea, se
 13

pot simula sisteme artificiale folosind parametri variabili, condiţii iniţiale şi

prezumţii asupra modelului. Simularea fictivă este foarte des utilizată în crearea
jocurilor pe calculator, permiţând utilizatorului să cunoască noul mediu prin studiu
interactiv, în urma căruia se face cunoştinţă cu mediul în cauză, existând totuşi
posibilitatea modificării regulilor după necesităţi.
 Simularea evenimentelor distincte (discontinue): se foloseşte
exemplul unei staţii de benzină. Drumul maşinilor este doar orizontal şi vertical, pe
măsură ce maşinile sosesc sau pleacă la un anumit moment. Între două evenimente
succesive nu se întâmplă nimic – graficul este orizontal. Când numărul de
evenimente este finit, avem de-a face cu simularea evenimentelor discrete.
 Simularea evenimentelor continue: evenimentele continue sunt cele
care se schimbă continuu în timp. De exemplu, nivelul apei din rezervor poate să
crească sau să scadă prin intrarea sau ieşirea unui flux de apă. În asemenea cazuri,
se foloseşte simularea continuă, deşi se poate folosi şi cea discretă.

2.5. Dezvoltarea simulării sistemelor

Sistemele discrete DES (Discret event systems) sunt sisteme dinamice care
evoluează în timp prin apariţia întâmplătoare a unor evenimente la intervale de
timp neregulate. DES sunt frecvente în aplicaţiile reale, cum ar fi: sistemele de
trafic, sistemele flexibile de fabricaţie, sistemele de comunicare cu calculatorul,
linii de fabricaţie, sisteme de funcţionare coerentă şi reţele de flux. Cele mai multe
din aceste sisteme pot fi modelate în limita evenimentelor discrete a căror apariţie
modifică starea sistemului. În proiectarea, analiza şi operarea unor astfel de sisteme
complexe, interesul nu este numai de a evalua performanţa, ci, mai ales, de
analizare şi optimizare a sensibilităţii.
Un sistem stocastic tipic are un număr mare de parametri de control care
influenţează performanţa sistemului. Pentru a cunoaşte sistemele ai căror parametri
variază şi pentru a estima importanţa relativă a parametrilor de intrare, analiza
sensibilităţii are nevoie de modificarea valorilor nominale ale parametrilor de
intrare. Pentru simularea sistemelor, variaţia valorii parametrilor de intrare nu poate
fi micşorată oricât. De aceea, măsurarea sensibilităţii performanţei cu respectarea
parametrului de intrare este definită ca derivată (parţială).
Analiza sensibilităţii este specializată în evaluarea sensibilităţii (panta,
Hessian etc.) pentru măsurarea performanţei respectând parametrii impuşi. Aceasta
determină conducerea proiectării şi decizionării operaţionale şi are un rol principal
în identificarea celor mai mulţi parametri semnificativi ai sistemului, ca şi
întreruperile subsistemelor. Până acum s-au făcut cercetări în direcţia analizei
sensibilităţii şi optimizării stocastice a sistemelor discrete, punând accentul pe
modelele simulării pe calculator.
Această parte a lucrării este dedicată estimării tuturor aspectelor
răspunsurilor din sistemele discrete complexe pentru un singur exemplu (simulare),
cum ar fi timpul presupus de aşteptare al clientului într-o reţea de cozi de aşteptare,
respectând parametrii de control ai sistemului (ritmul de deservire, mărimea
bufferului şi probabilităţile obişnuite). Având la dispoziţie răspunsul sistemului
14

(fig. 1.3), se poate face analiza sensibilităţii şi optimizarea unui sistem discret cu o
singură simulare, pentru obţinerea parametrilor optimi ai sistemului şi sensibilitatea
acestora (derivate), respectând parametrii sistemului neverificaţi (ritmul sosirilor
într-o reţea de cozi de aşteptare).

date de intrare date de ieşire

SISTEMUL
verificabile

date de intrare
necontrolabile

Fig. 2.3. Circulaţia datelor în procesul de simulare.

Astfel, se pot identifica trei procese distincte (fig.1.4), şi anume:

1. Analiza descriptivă, care conţine:
 identificarea şi formularea problemei;
 colectarea informaţiilor şi analizarea lor;
 dezvoltarea modelului de simulare;
 validarea;
 verificarea şi reglarea;
 evaluarea performanţei.
2. Analiza prescriptivă, care conţine:
 optimizarea;
 selectarea obiectului de analizat.
3. Analiza post-prescriptivă, care conţine:
 analiza sensibilităţii;
 analiza scenariilor what-if.
Primele două tipuri de analiză sunt imperativ necesare realizării analizei
post-prescriptive. Simularea prescriptivă încearcă să folosească simularea pentru
prescrierea deciziilor necesare obţinerii rezultatelor specifice. Este divizată în două
topici: selectarea obiectului ce se va analiza şi optimizarea. Dezvoltarea recentă a
algoritmilor rulaţi o singură dată, pentru a satisface cerinţele sensibilităţii (gradient,
Hessian etc.) determină fezabilitatea simulării prescriptive.
Formularea problemei: Aceasta constă în identificarea datelor de intrare
verificabile şi neverificabile; identificarea constrângerilor aplicate variabilelor
decizionare; definirea măsurării performanţei sistemului şi funcţia obiectiv;
dezvoltarea structurală a modelului preliminar pentru corelarea datelor de intrare cu
măsurarea performanţei.
Colectarea informaţiilor şi analizarea lor. Decizionarea cantităţii de
informaţii colectate este o schimbare între cost şi precizie, indiferent de metoda de
colectare a informaţiilor.
 15

Dezvoltarea modelului de simulare. Cea mai dificilă sarcină a analizei

simulării este cunoaşterea suficientă a sistemului în scopul dezvoltării unor
concepte logice corespunzătoare şi apoi a modelului de simulare.

1. Analiza descriptivă
Validarea şi Verificarea Modelului de Bază

2. Analiza prescriptivă

Problema găsirii Problema de

obiectului de optimizat
analizat

3. Analiza post-prescriptivă

Analiza what-if şi de stabilitate

Fig. 2.4. Tipuri de analiză.

Validarea modelului, verificarea şi reglarea. În general, verificarea pune

accentul pe consistenţa internă a modelului, iar validarea urmăreşte corespondenţa
dintre model şi realitate. Termenul de validare este folosit pentru procesele de
determinare a corectitudinii simulării cu respectarea sistemului real.
Validarea - procesul de comparare a rezultatelor modelului cu comportarea
fenomenului. Cu alte cuvinte, compararea execuţiei modelului cu realitatea (fizică
sau de alt tip).
Verificarea - procesul de comparare a codului de calculator cu modelul
pentru a ne asigura că acest cod este o realizare corectă a modelului.
Reglarea - procesul de extimare a parametrilor modelului. Reglarea
reprezintă acordarea parametrilor existenţi şi, deseori, nu implică introducerea unor
parametri noi şi nici modificarea structurii modelului. În contextul optimizării,
reglarea este o procedură de optimizare implicată în identificarea sistemului sau în
timpul descrierii experimentului.
Analiza datelor de intrare şi de ieşire. În general, modelele de simulare
discretă au componente stocastice care mimează realitatea probabilă a sistemului
considerat. Modelarea cu succes a datelor de intrare necesită o corespondenţă
strictă între model şi mecanismul probabilistic fundamental asociat sistemului.
Analiza datelor de intrare este necesară pentru a modela un element (ex. procesul
de sosire, timpul de deservire) într-o simulare discretă, oferind un set de informaţii
colectate pentru elementul studiat. Această stare determină verificarea intensă a
erorilor datelor de intrare, inclusiv a celor externe, a politicii, a întâmplărilor şi
variabilelor deterministe. Experimentul de simulare a procesului/sistemului
16

presupune cunoaşterea comportamentului acestuia. Planificarea corectă sau

proiectarea experimentelor de simulare este, în general, de mare ajutor, salvând
timp şi efort prin furnizarea căilor eficiente de estimare a modificărilor datelor de
intrare şi a rezultatelor modelului.
Evaluarea performanţei şi analiza what-if. Analiza what–if este
“miezul” modelelor de simulare.
Estimarea sensibilităţii. Dacă înţeleg care relaţii de dependenţă sunt
importante în modelele complicate, utilizatorii trebuie să dispună de tehnicile
necesare pentru analiza sensibilităţii.
Optimizarea. Ca şi analiza sensibilităţii, metodele curente de optimizare
necesită o simulare intensă pentru construirea unei funcţii de răspuns aproximative.
Aplicaţii de estimare a gradientului. Există un mare număr de aplicaţii
care măsoară sensibilitatea, informaţiile locale, proprietăţile structurale, generarea
răspunsurilor, problema căutării ţintei, optimizarea, problema what–if şi modelarea.
Generarea rapoartelor. Generarea rapoartelor este o operaţie importantă
în procesul de comunicare între model şi utilizator.
Dinamica sistemului este un studiu riguros al problemelor apărute în
comportarea sistemului, folosind principiile feed–back–ului, dinamica şi simularea.
Dinamica sistemului se caracterizează prin:
 căutarea soluţiilor utile pentru problemele reale, în special în sistemele
sociale (afaceri, şcoli, guvernare etc.) şi în mediul înconjurător;
 folosirea modelelor de simulare pe calculator pentru înţelegerea şi
îmbunătăţirea unor astfel de sisteme;
 modele de simulare sau modele mentale, cunoştinţe calitative şi
informaţii numerice;
 îmbunătăţirea metodelor de transpunere a rezultatelor ştiinţifice în
perfecţionarea acestora.

1.5.1. Simularea bazată pe Web

Simularea Web a apărut cu repeziciune ca o arie de mare interes pentru

cercetătorii din domeniul simulării şi pentru cei ce o practică. Interesul în web-
based simulation este facilitat de proliferarea World-Wide Web şi de tehnologiile ce
o însoţesc (HTML, HTTP, CGI etc.), precum şi de creşterea popularităţii sale şi
sprijinirea simulării pe calculator ca o rezolvare a problemelor şi ca un instrument
decizionar.
Apariţia limbajelor de programare accesibile în reţea, Java, şi a tehnicilor
obiectelor distribuite precum CORBA (Common Object Request Broker
Architecture) şi OLE/COM (Object Linking and Embedding / Component Object
Model) au influenţat profund starea simulării. Cercetătorii din domeniul simulării
pe baze Web sunt preocupaţi de topici ca metodologiile de dezvoltare a modelelor
web, colaborarea în perfecţionarea modelelor în Internet, modelarea şi simularea cu
Java, modelarea şi simularea ierarhizate prin folosirea tehnicilor web şi a noilor
aplicaţii.
Sistemele dinamice moderne – inclusiv sistemele de informaţii, reţelele de
calculatoare, hardware şi software şi procesele economice – se comportă în moduri
 17

diferite care sunt greu de înţeles. Această dificultate determină apariţia multor erori
şi nepotriviri în dezvoltarea şi planificarea utilizării unor astfel de sisteme. O dată
cu creşterea în timp a cheltuielilor cu corecţia erorilor creşte şi valoarea detectării
şi corectării problemelor apărute. Simularea furnizează o cale practică de detectare
a unor astfel de probleme şi permite corecţia lor timpurie. Neutilizarea simulării
duce la mărirea riscului şi la eşecuri.
Modelarea procesului şi modelarea simulării procesului pot fi folosite la
mărirea calităţii şi acurateţei deciziilor individuale şi de grup ca făcând parte din
Perfecţionarea Procesului Operaţional (Reingineria Procesului Economic),
Planificarea Strategică şi alte tipuri de decizii. Modelarea procesului permite o
reprezentare grafică simplă a procesului complex. Modelarea simulării procesului
dă amploare duratei şi posibilităţii de analiză a proceselor organizatorice.
Un model de proces include informaţii despre relaţiile secvenţiale dintre
diferiţi paşi/activităţi dintr-un proces; el reprezintă orice ramificaţie, procese
paralele şi bucle reacţie/reutilizare, similar cu logica schemelor - bloc. Modelarea
procesului este similară metodei IDEF3 de captare a procesului, dar modelarea
procesului tinde să fie mult mai flexibilă şi mai adaptabilă la necesităţile
utilizatorului.