Reglarea timpului Săptămâna Eficienţa vânzărilor

agenţilor comerciali
Low High
Lung
Mediu
Scurt Livrări întârziate
= 48
Cărţi comandate

= 18,823
=50 Timp
Întârzieri
Rezerve

Retribuţia agenţilor
comerciali / săptămână Costul unitar de vânzare
Timp

= 37,81265
= 2,000 = 10

Fig.1.12. Reprezentarea grafică a interacţiunilor dintre forţele de vânzare şi piaţa

comercială.

1.1. Legile de distribuţie utilizate în simulare

În aplicarea tehnicilor de simulare, una dintre problemele decisive
constă în alegerea legilor de distribuţie celor mai potrivite desfăşurării
evenimentelor care apar în funcţionarea elementelor şi în sistemele de
producţie. În acest sens, cea mai largă aplicabilitate o au legile de distribuţie
aleatorii. Afirmaţia este justificată prin faptul că toate fenomenele care însoţesc
funcţionarea sistemelor de producţie se supun legilor de natură aleatorie. Durata
funcţionării maşinilor între două defecţiuni MTBF (Media Timpului de Bună
Funcţionare) şi durata de reparare a acestora depind de un număr mare de factori,
iar suprapunerea efectelor lor conduce la o rezultantă a cărei descriere se face cel
mai corect printr-o funcţie aleatorie.
Pentru numeroase exemple, fenomenele aleatorii influenţează de o manieră
semnificativă asupra comportării sistemelor de producţie şi prezintă consecinţe
majore asupra validităţii modelelor de studiu. În aceste cazuri, utilizarea
distribuţiilor corespunzătoare funcţiilor aleatorii este indispensabilă în modelarea
derulării fenomenelor cu variaţie aleatorie. Distribuţiile aleatorii au o observaţie
îndelungată şi se recunoaşte unanim utilitatea lor în rezolvarea problemelor de
2 SI M U LAR E A SI ST EME LO R D E P R OD U C Ţ IE

simulare. Dacă nici una dintre distribuţiile teoretice cunoscute nu se poate adapta în
rezolvarea unei probleme de simulare, dar, în schimb, există date reale acumulate
asupra acestei probleme, atunci se poate crea o lege de distribuţie specifică a cărei
aplicabilitate conduce la rezultate mai apropiate realităţii. Vor fi prezentate
principalele legi de distribuţie utilizate în simularea funcţionării sistemelor de
producţie.

1.1.1. Repartiţia binomială sau Bernoulli B (n,p)

Repartiţia binomială exprimă numărul de apariţii ale evenimentului A la

efectuarea a n experimente independente. Numărul de apariţie a evenimentului A
este o variabilă aleatorie discretă, cu valorile numere întregi 0,1,2,3,…n. Funcţia de
repartiţie F(x)=P(x  n) are următoarea expresie:
 0 pentru x  0
 m  n 

F ( x)     p i (1  p)n i pentru m  x  m  1, cu m  0,1,2 ... n  1 (1.1)
 i 1  i 
 1 pentru n  x
Densitatea de probabilitate f(x)=P(X=x), exprimând probabilitatea P(A) = p
(0<p<1) cu care apare evenimentul A într-un experiment aleatoriu, se exprimă
astfel:
 n  x
  p (1  p) n  x pentru x  0,1, ... n;
f ( x)   x  (1.2)

 0 in rest.
Pentru comparaţie, în figurile 1.13 şi 1.14 se prezintă spectrele densităţilor
de probabilitate B(n, p) în cazurile particulare B (10; 0,5) şi B (10; 0,1).
f(x)

n=10
p=0,5

Fig. 1.13. Spectrul densităţii de probabilitate B (10; 0,5).

 P RO CE SU L D E SIM U LA R E 3

f(x) n=10
p=0,1

Fig. 1.14. Spectrul densităţii de probabilitate B (10; 0,1).

Media repartiţiei binomiale B(x) este exprimată prin:

B(x)=np, (1.3)
iar dispersia var(x) este:
var(x)= np(1-p). (1.4)

Repartiţia binomială se aplică la stabilirea frecvenţei unei caracteristici de

control prin sondaj, în definirea numărului de produse defecte într-un lot
determinat sau a numărului de obiecte necesar într-un depozit etc.

1.1.2. Repartiţia Poisson Ps() .

Această lege de distribuţie, numită legea evenimentelor rare, se aplică în

cazul în care probabilitatea p de apariţie a evenimentului A este foarte mică la
efectuarea unui număr n foarte mare de experimente, astfel încât în repartiţia
binomială produsul pn =  = constant . În acest caz, funcţia de repartiţie f (x) =
=P(X  x) are expresia:
0 pentru x0
m x
f ( x)    

(1.5)
e pentru m  x  m  1, cu m  0,1, 2 ...

 i 1 x
Densitatea de probabilitate f (x) = P (X  x) are expresia:
  x 
 e pentru x  0,1, 2 ...
f ( x)   x (1.6)
0 in rest

Spectrele densităţii de probabilitate a funcţiei Poisson pentru =1 şi =6
sunt prezentate în figura 1.15, respectiv 1.16.
4 SI M U LAR E A SI ST EME LO R D E P R OD U C Ţ IE

f(x)
 =1

Fig. 1.15. Spectrul densităţii de probabilitate pentru Ps (1).

f(x)
=6

Fig. 1.16. Spectrul densităţii de probabilitate pentru Ps (6).

Repartiţia Poisson este un caz limită al repartiţiei binomiale pentru x  

şi p  0 . Repartiţia Poisson este definită numai de constanta pn = . Pentru acest
tip de repartiţie, valoarea medie B(x) şi dispersia var(x) au valori egale, adică:
B(x) =  şi var(x) =  (1.7)
Repartiţia Poisson se aplică şi în cazul unor evenimente rare într-un
interval de timp mare, în exprimarea mărimii loturilor de piese, a numărului
de piese executate de o maşină-unealtă, al apariţiei unor eventuale accidente în
sistemele de producţie etc. De asemenea, repartiţia Poisson se aplică şi pentru
aproximarea repartiţiei binomiale. De menţionat că pentru n suficient de
mare şi p foarte mic, aceste două tipuri de repartiţii se suprapun.

1.1.3. Repartiţia normală (Gauss) N ( , 2)

Repartiţia Gauss apare drept însumare a unui număr mare de variabile

aleatorii, arbitrar repartizate. Funcţia de repartiţie F(x)=P(X  x) are expresia:
 P RO CE SU L D E SIM U LA R E 5

x
 1 1   2 

1 1
F ( x)  exp   dt (1.8)
2    2    

iar densitatea de probabilitate f(x)=P(X=x) se scrie astfel:

1 1  1  x   2 
f ( x)  exp    (1.9)
2   2    
Valoarea medie  şi dispersia 2 descriu complet repartiţia normală:
B( x)   si var(x)   2 (1.10)
Pentru exemplificare, în figurile 1.17 şi 1.18 s-au trasat graficele
densităţilor a două funcţii de distribuţie normală cu dispersii diferite 1=0,6 şi
2=1,0.

f(x)

 1  0,6

x
Fig. 1.17. Graficul densităţii unei distribuţii normale cu 1 = 0,6.

f(x)

 2 = 0,1


x

Fig. 1.18. Graficul densităţii unei distribuţii normale cu 2 = 1,0.

Curbele din figurile 1.17 şi 1.18 au formă de clopot şi sunt simetrice faţă
de verticala ce trece prin vârful lor. Vârful acestor curbe are abscisa , iar punctele
lor de inflexiune se află la distanţa   de medie. Influenţa pe care o are dispersia
6 SI M U LAR E A SI ST EME LO R D E P R OD U C Ţ IE

asupra formei curbei reiese din graficele din figurile 1.17 şi 1.18. Cu cât  este mai
mare, cu atât curbele devin mai plate şi mai întinse.
Repartiţia normală se bucură de o proprietate deosebit de interesantă: dacă
x1, x2 sunt normal repartizate N1 ( 1 ,  1 2 ) şi N2 (  2 ,  2 2 ) , atunci x = x1 + x2 este o
funcţie normal repartizată cu parametrii   1   2 şi  2   12   2 2 , adică
N (1   2 ,  1 2   2 2 ) .
Repartiţia normală are cea mai largă aplicabilitate în practică, fiind
indispensabilă în simularea preciziei dimensionale, în evaluarea erorilor de
măsurare, a duratei ciclurilor etc.

1.1.4. Repartiţia log-normală

Repartiţia de acest tip se obţine prin logaritmarea valorilor repartiţiei

normale, adică pentru o variabilă aleatorie X, lnX reprezentând N (,2) normal
distribuită. Astfel produsul X= X1X2....Xn a n variabile aleatoare arbitrar repartizate
Xi(i=1,2 ....n) furnizează aproximativ o variabilă aleatorii log-normal repartizată,
deoarece lnX= lnX1+lnX2+...+lnXn este o funcţie normal repartizată. Funcţia de
repartiţie are expresia:
 0 pentru x  0
x  (ln t   ) 2  d t , pentru x  0
F ( x)  

1 1 (1.11)
exp 
 t 2
 2
2
 
iar distribuţia de probabilitate se scrie astfel:
 0 pentru x  0
  (ln x   ) 2 , pentru x  0
f ( x)   1 1 (1.12)
exp 
 2 x 2 2
  
Graficul funcţiei log-normale este prezentat în figura 1.19, evidenţiindu-se
influenţa parametrilor definitorii, şi anume, ai mediei şi ai dispersiei asupra formei
curbelor repartiţiei log-normale.
f(x) f(x)

 = 3,0 ;   3
 = 1 ;  =1

x
x

Fig. 1.19. Graficele funcţiei log-normale pentru două perechi de valori ale
parametrilor definitorii  şi  .

Aceşti parametri au expresiile:

 P RO CE SU L D E SIM U LA R E 7

 2
media : B( x)  exp    (1.13)
 2 
    
dispersia : var(x)  exp 2   2 exp  2  1 (1.14)

Repartiţia log-normală se aplică în tehnicile de simulare pentru

evaluarea duratei de viaţă a unui echipament după solicitări limită, a duratei
de reparare a unei maşini, a duratei de efectuare a unui service etc.

1.1.5. Repartiţia uniformă

Această lege de repartiţie variabilă continuă se caracterizează prin aceea

că pe intervalul [a,b] toate valorile variabilei sunt echiprobabile. Funcţia de
repartiţie uniformă pe intervalul [a,b] are expresia:

0 pentru x  a
x  a
F ( x)   pentru x  a, b (1.15)
b  a
1 pentru x  b

Densitatea de probabilitate se exprimă prin:

1
, pentru x[a,b]
ba
f(x)= (1.16)
0 , pentru x  [a,b]

Graficul densităţii de probabilitate este prezentat în figura 1.20.

f(x)

1
b-a

x
a  b
Fig. 1.20. Graficul densităţii de probabilitate a repartiţiei uniforme.

Principalii indicatori statistici ai repartiţiei uniforme sunt:

ab
media B(x) 
2
(1.17)
dispersia var (x) 
a  b
2

12
8 SI M U LAR E A SI ST EME LO R D E P R OD U C Ţ IE

În simulare, repartiţia uniformă se utilizează frecvent ca o primă

aproximare de estimare a unei mărimi reale care variază între două limite, dar
valorile intermediare nu sunt cunoscute.

1.1.6. Repartiţia exponenţială Exp().

Repartiţia exponenţială reprezintă un complement al distribuţiei Poisson.

Funcţia de repartiţie are expresia:
0 , pentru x<0;
F(x)= (1.18)
1-exp(-x) , pentru x 0; >0,

Densitatea de probabilitate se exprimă prin:

0 , pentru x<0;

f(x)= (1.19)
 exp(-x) , pentru x  0; >0.

Parametrul de bază al repartiţiei exponenţiale este . Influenţa valorii

acestui parametru asupra formei curbei densităţii de probabilitate este prezentată în
figura 1.21, a şi b.
Media repartiţiei exponenţiale este:
E(x)=1/ (1.20)
iar dispersia are expresia:
var(x)= 1/2 (1.21)

Repartiţia exponenţială se aplică în tehnicile de simulare pentru

evaluarea duratei de viaţă a unui echipament în stare de funcţionare, înainte
de uzura fizică, pentru exprimarea timpilor între evenimente etc.

f(x) f(x)

2.0

1.0  1
  2.0

x x
a b
Fig. 1.21. Graficele densităţii de probabilitate a repartiţiei exponenţiale.
 P RO CE SU L D E SIM U LA R E 9

1.1.7. Repartiţia Beta 

Legea de repartiţie beta se construieşte pe baza integralei Euler de speţa

I , numită şi integrala  :
1

 ( p, q)  x p 1 1  x q 1 d x
 (1.22)
0
Formula de recurenţă a integralei are forma:
  p  1q  1 
 ( p.q)     ( p  1, q  1) (1.23)
  p  q  1 
pentru p şi q în corpul numerelor reale există relaţia:
 ( p, q ) 
 p  1!q  1! (1.24)
[( p  q  1)!]
Unul dintre punctele particulare, remarcabile ale funcţiilor  este
(1/2,1/2)=.
Funcţia de repartiţie a variabilei X cu distribuţie  are expresia:
0 , pentru x  0
1
F ( x)  
 t a 1 1  t  , pentru x  0,1
1 b 1 (1.25)
  ( a, b)
0
Densitatea de probabilitate se exprimă prin:
 1
x a 1 1  x  , pentru x  0,1
b 1

f ( x)    a, b  ; (1.26)

 0, pentru x  0 , x  1.
Pentru comparaţie, în figura 1.22 se prezintă graficele densităţii de
probabilitate ale repartiţiilor (1,5 , 5) şi (5 , 1,5).

f(x) f(x)

a = 1,5 a=5
b=5 b = 1,5

x x
a b
Fig. 1.22. Graficele comparative ale densităţii de probabilitate a două repartiţii  cu
parametri diferiţi.

Repartiţia Beta prezintă o varietate de forme, ceea ce se şi ilustrează prin

cele două grafice din figura 1.22.
Media repartiţiei beta este:
10 SI M U LAR E A SI ST EME LO R D E P R OD U C Ţ IE

a
E ( x)  (1.27)
ab
iar dispersia are expresia:
ab
var(x)  (1.28)
a  b a  b  1
2

În cadrul tehnicilor de simulare, repartiţia Beta se utilizează pentru

evaluarea grosieră a defecţiunilor, în cazul în care datele acumulate asupra unor
evenimente sunt limitate. Spre exemplu, această repartiţie se aplică pentru
exprimarea proporţiei articolelor defecte într-un lot, a timpului necesar efectuării
unei operaţii etc.

1.1.8. Repartiţia Gamma 

Acest tip de repartiţie se construieşte pe baza integralei Euler de speţa II,

numită şi integrala :



( p)  x p 1e  x dx dx
0
(1.29)

Formula de recurenţă a integralei  are forma:

(p)=(p-1) (p-1) (1.30)
Pentru pN se poate scrie:
(p)=(p-1)! , respectiv (p+1)=i! (1.31)
Punctele particulare ale funcţiei Gamma sunt:
(1/2)= ; (1)=1 ; (2)=1 ; (3)=2 ; (4)=6; (1.32)
lim ( p)   . (1.33)
p 
Funcţia de repartiţie a variabilei X cu distribuţie Gamma are expresia:
x 1 
x


a 1
 t e b x  0 unde a, b  0,
F ( x)   a b a (1.34)
0
 0, pentru x  0.
Densitatea de probabilitate se exprimă prin:
 1 
x
 a 1 b x  0 unde a, b  0,
f ( x)   a b a x e (1.35)
 0, pentru x  0.


Graficele densităţii de probabilitate sunt prezentate în figura 1.23.

Media repartiţiei Gamma este:
E(x)=ab , (1.36)
iar dispersia are expresia:
var(x)=ab2 . (1.37)
Repartiţia Gamma se aplică în simulare pentru evaluarea duratei
penelor maşinilor, instalaţiilor şi echipamentelor.
 P RO CE SU L D E SIM U LA R E 11

f(x) f(x)

a=2 a=1
b=1 b=1

x x
a b

Fig. 1.23. Graficele densităţilor de probabilitate ale repartiţiilor Gama cu parametri

diferiţi.

1.1.9. Repartiţia Weibull

Legea de distribuţie exprimă durata de viaţă a produselor supuse unui

proces de îmbătrânire.
Parametrii definitorii ai repartiţiei Weibull sunt  (starea),  >0(măsura ) şi
 >0 (configuraţia), care au valori reale, deci ,,R.
Funcţia de repartiţie Weibull are expresia:
 0 pentru x  
   x      pentru x  
F ( x)   (1.38)
1  exp   
     


f(x) f(x)

 =5,5
 = 2,0  = 1,0
 = 1,0
=1
x- x-
 
a b

Fig. 1.24. Graficele densităţilor de probabilitate ale repartiţiei Weibull pentru

parametrii diferiţi.
12 SI M U LAR E A SI ST EME LO R D E P R OD U C Ţ IE

Densitatea de probabilitate se exprimă prin:

 0 pentru x  
  1
  x      pentru x  
f ( x)     x    (1.39)
  exp   
         

Curbele corespunzătoare densităţii de probabilitate a repartiţiei Weibull
sunt prezentate în figura 1.24.
Media repartiţiei Weibull are expresia:
 1
E (x)   1     . (1.40)
 
Dispersia se stabileşte cu expresia:
 2   1  
2
2  
var(x)   1    1    . (1.41)
         
 
Repartiţia Weibull se aplică în simulare pentru evaluarea duratei de viaţă a
echipamentelor, rulmenţilor, roţilor dinţate etc. Această lege de repartiţie este
indispensabilă în studiile de fiabilitate a maşinilor, sistemelor de producţie şi
componentelor lor, în studiile de oboseală a materialelor etc.

1.2. Prezentarea rezultatelor simulării

Pentru a fabrica un produs P sunt necesare două maşini-unelte M1 şi M2
între care se plasează un depozit tampon D (fig. 1.25). Se presupune ca produsul P
trebuie să fie prelucrat succesiv pe maşina-unealtă M1 timp de 2 min şi pe maşina
M2 timp de 2.5 min.

M1 D M2
P
Fig. 1.25. Sistem de prelucrare cu doua maşini-unelte şi un depozit tampon.

În general, rezultatele obţinute în urma simulării reprezintă media

aritmetica şi abaterea de la valorile normale ale parametrilor caracteristici ai
sistemului studiat. De asemeni, pentru fiecare dintre resurse (maşini, utilaje,
operatori etc) se evidenţiază ponderea procesului de utilizare, iar pentru depozite,
conveioare, robocare, nivelul lor de încărcare.
Este foarte util ca rezultatele simulării să se prezinte sub formă sintetică,
uşor de interpretat. În acest sens, forma grafică, mai ales atunci când se prezintă în
culori, constituie mijlocul cel mai eficace de a furniza informaţiile. În figura 1.26.
s-au imaginat patru modalităţi distincte de prezentare a rezultatelor ce s-ar obţine în
urma simulării funcţionării sistemului de producţie din figura 1.25.
Spre exemplu, în figura 1.26,a s-a prezentat sub forma diagramei
“Camanbert” ponderea duratei stărilor proprii maşinii M2 , adică a stărilor de
funcţionare , de defecţiune, reglare şi aşteptare, ultima stare fiind cauzată de lipsa
pieselor din depozitul temporar D.
 P RO CE SU L D E SIM U LA R E 13

În figura 1.26,b s-a imaginat sub formă de grafic nivelul încărcării

depozitului dintre cele doua maşini, acesta având rolul de a asigura fluxul necesar
de piese pentru funcţionarea normală a celor două maşini, cea de-a doua maşină
fiind afectată de eventuala absenţă a pieselor din depozit. Capacitatea depozitului s-
a propus a fi de 5 piese.
În figura 1.26,c s-a prezentat sub formă de histogramă ponderea încărcării
pe parcursul unui ciclu a resurselor R1 şi R2 - maşinile M1 şi M2 şi R3 , R4 -
operatorii maşinilor M1 şi M2. Pentru diversitate s-a considerat că operatorul
maşinii M1, simbolizat prin R3, va efectua toate operaţiile de reparaţie şi reglaje ale
ambelor maşini. Astfel se explică încărcarea total diferită a celor doi operatori .
Nivelul încărcării
depozitului
Capacitatea
15% depozitului
Astept depozitului
are 5%
Regie
60%
Functi
onare 20%
Repar
atii
Timp

a b
Ponderea
funcţionării utile Cantitate

90%

70%
60% 55%

Resursele Timp
R1 R2 R3 R4 T 1 T2 T3 T4 T5 T6

c. d.
Fig. 1.26. Histograme de încărcare ale sistemului.

În figura 1.26,d, tot sub formă de histogramă se prezintă încărcarea orară a

întregului sistem, materializată prin numărul de piese furnizate în unitatea orară la
ieşirea acestuia. Încărcarea neuniformă a sistemului, în diferite perioade de timp,
sugerează o importantă rezervă în îmbunătaţirea activităţii de utilizare a sistemului.
Analiza amănunţită a cauzelor pentru care în perioadele T1, T2, T3, T4, T5 încărcarea
sistemului nu se afla la nivelul perioadei T6, dar mai ales al perioadei T3, ar
evidenţia măsurile ce urmează a fi întreprinse pentru ca rezultatele activităţii
sistemului să fie net superioare.
Simularea poate fi folosită atât ca un instrument de analiză pentru a
prevedea efectele schimbărilor asupra unui sistem existent cât şi ca mijloc de
14 SI M U LAR E A SI ST EME LO R D E P R OD U C Ţ IE

proiectare în realizarea performanţei unor noi sisteme în altfel de circumstanţe. În

concluzie, aceasta poate fi folosită în următorele scopuri:
 studierea şi experimentarea acţiunilor interne ale unui sistem complex
sau ale unui subsistem;
 evaluarea schimbărilor informaţionale, organizatorice şi de mediu
asupra comportamentului modelului;
 experimentarea unor proiecte noi sau metode anterioare de
implementare, astfel încât să pregătească sistemul pentru evenimentele ulterioare;
 verificarea soluţiilor analitice.
Simularea prezintă atât avantaje cât şi dezavantaje. Avantajele sunt:
 exploatarea fără funcţionarea sistemului a noi metode, proceduri
funcţionale, reguli de decizie, fluxuri informaţionale, proceduri organizatorice;
 testarea fezabilităţii asupra unor ipoteze explicative privind cauzele
apariţiei unor fenomene cu consecinţe negative în funcţionarea sistemului;
 analizarea interacţiunilor dintre variabilele sistemului şi a
performanţelor acestuia în anumite circumstanţe;
 testarea noilor procedee, aranjamente fizice, sisteme de transport fără a
se angaja resurse pentru achiziţionarea lor;
 identificarea blocajelor şi a zonelor în care activităţile în proces,
informatiile, materialele sunt întârziate excesiv.
Dezavantajele sunt:
 construirea modelului cere experienţă. Două modele construite de doua
persoane diferite pot avea similitudini, dar e puţin probabil că vor fi aceleaşi;
 rezultatele simulării pot fi dificil de interpretat;
 analiza simulării şi modelării cere mult timp şi produsele software
utilizabile sunt scumpe;
 simularea prezintă oarecare riscuri în aplicare.
Aria de aplicaţie a simulării este foarte vastă. Poate fi folosită pentru:
sistemele de fabricaţie (sisteme de transport, manipulare, asamblare), sisteme
publice (sănătate, armată), construcţii etc.
Metodele principale de simulare pentru sistemele de producţie se împart în
două categorii: simularea sistemelor cu evenimente discrete şi cea grafică.
Simularea evenimentelor discrete este potrivită pentru studierea fluxurilor în timpul
unei operaţii de fabricare, pentru determinarea capacităţii sistemului, observarea
distribuţiei pieselor şi a posturilor de lucru. Obiectele pot fi reprezentate prin
simboluri său grafic.
La simularea grafică sistemul de producţie poate fi animat direct pe ecran
şi vizualizat în timpul ciclului de lucru. Este folositoare pentru că se pot vedea
fluxul resurselor, prelucrarea pieselor şi asamblarea produselor. Aceasta poate fi
văzută într-un timp real şi se poate interveni pentru a realiza şi alte funcţii. Acest
timp de simulare poate fi folosit pentru roboţii industriali sau pentru selectarea unui
sistem ce trebuie configurat . Există pe piaţă o mare varietate de produse software
care pot fi utilizate în diferite faze ale proiectarii şi exploatarii sistemelor CIM,
cum ar fi planificarea proiectelor, modelare, analiza funcţională şi simularea.
Limbajele de simulare facilitează dezvoltarea şi executarea simulării unor sisteme
reale şi complexe.