Un 

model stohastic de simulare are una sau mai multe variabile aleatoare ca variabile de intrare.
Intrările aleatoare conduc la ieșiri aleatoare. Deoarece ieșirile sunt aleatoare, ele pot fi considerate doar
ca estimații ale caracteristicilor adevărate ale sistemului. Un model stohastic furnizează o relație între
caracterizări de tip probabilistic ale mărimilor utilizate pentru descrierea matematică.

Sistemele pot fi categorisite și ca sisteme discrete sau continue. Un sistem discret este cel în care

variabilele de stare se modifică numai într-un set discret de puncte în timp. Un sistem continuu este cel
în care variabilele de stare se modifică continuu în timp.

Modelele discrete și continue sunt definite analog cu sistemele respective. Alegerea între utilizarea unui
model de simlare discret sau continuu este funcție de caracteristicile sistemului și de obiectivele
studiului. Astfel, un canal de comunicare ar putea fi modelat în mod discret, dacă sunt considerate
importante caracteristicile și deplasarea fiecărui mesaj. Dimpotrivă, dacă fluxul de mesaje agregate pe
canal este important, modelarea sistemului utilizând simularea continuă ar putea fi mai adecvată.

La utilizarea simulării, schimbările potențiale (organizaționale și de mediu) în sistem pot fi simulate

pentru a prognoza impactul lor asupra performanțelor sistemului. Simularea poate fi folosită, de
asemenea, pentru studierea sistemelor în faza de proiectare, înainte ca sistemele să fie construite.
Așadar, modelarea sistemelor prin simulare poate fi folosită atât ca un instrument de analiză pentru
predicția efectului schimbărilor asupra sistemului existent, cât și ca un instrument de proiectare pentru
a prezice performanțele noilor sisteme ce se proiectează, în diferite seturi de condiții.

Simularea constituie un demers științific care a adus deja rezultate notabile, mai ales în domenii ca
industria automobilelor, industria aeronautică și în general, pentru comportarea sistemelor de fabricație
în timp. Simularea numerică pe calculator permite să se determine și să se cerceteze indicatori tehnico-
economici ai funcționării sistemelor de fabricație cum sunt : coeficientul de încărcare a utilajelor
tehnologice, durata ciclului de fabricație și optimizarea acestuia, volumul producției neterminate,
dimensiunile loturilor de piese ce vor fi lansate în fabricație, graficul de lansare a semifabricatelor,
graficul de livrare a produselor finite, graficul de deplasare a pieselor în sistem.

H.M.Paynter (1961)[8] a propus metoda Bond-Graph pentru modelarea și simularea sistemelor fizico-

tehnice. Metoda Bond-Graph propune, ca principiu fundamental pentru elaborarea modelelor,
investigarea modului de procesare a energiei, ce se consideră furnizată de una sau mai multe surse și
transferată spre toate componentele participante la funcționarea sistemului fizic real.[8] Bond
Graph este o modalitate de desenare grafică a sistemelor dinamice.

Construirea modelelor sistemelor[modificare | modificare sursă]

Construirea unui model este o analiză sistematică prin care este elaborată o reprezentare conceptuală
(abstractă) a unui sistem sau este descrisă o reprezentare a unui răspuns (output) așteptat al sistemului.
Într-o altă formulare, construirea modelului este procesul (de obicei iterativ) prin care cercetătorii
încearcă să elaboreze un model adecvat al unui sistem fizic sau biologic.[9] O parte esențială a acestui
proces constă în verificarea unui model-candidat în comparație cu datele (care ajustează datele
experimentale), pentru a determina dacă există o inadecvanță serioasă. Modelele pot fi discutate, în
special, dacă sunt fie empirice (bazate pe date empirice), fie mecaniciste, sau un amestec al acestora.
Modelele mecaniciste se bazează pe fizica și chimia care guvernează procesul, pe "mecanismul
desfășurării procesului". Sunt utilizate pentru a proiecta procese, de exemplu în industrii de
proces. Modelarea mecanicistă utilizează legile fundamentale ale sistemelor fizice pentru a construi o
descriere a proceselor, adică ecuații de continuitate.[10] Acestea sunt ecuații de echilibru care descriu
conservarea masei și conservarea energiei în procese fizice. Sistemele fizice, menționate mai înainte,
reprezintă un ansamblu de elemente fizice concrete sau idealizate (obiect, punct material, fluid, gaz
perfect, câmp electromagnetic,...) pentru care se încearcă a se cunoaște dinamica proprie.
Fazele construirii modelului unui sistem (cu aplicare la sisteme de producție) sunt următoarele:

 definirea problemei. Se stabilesc caracteristicile factorilor sau elementelor care compun

sistemul.

 construirea modelului sistemului. Se elaborează un model care cuprinde elementele sau

subsistemele componente , stabilindu-se modul de interacțiune al elementelor/subsistemelor
între ele. În această fază se impune alegerea unui criteriu/unor criterii de performanță al(e)
sistemului modelat.

 stabilirea soluției. Modelul este folosit într-un proces de proiectare a sistemului, urmat de
analize și încercări care conduc la proiecte îmbunătățite. Se obține o soluție atunci când se
consideră că răspunsul obținut la un moment dat este "cel mai bun" în raport cu criteriile de
performanță stabilite.

 omologarea modelului sistemului. Omologarea modelului implică supunerea modelului unor

anumiți parametri de intrare (input-uri) și compararea mărimilor de ieșire (output-uri) obținute
pe baza modelului cu cele ale sistemului real. Ambele mărimi de ieșire trebuie să aibă valori
comparabile, printr-o diferență minim admisă, pentru ca modelul să fie acceptat ca o
reprezentare valabilă a sistemului.

 realizarea sistemului. Cuprinde o fază preliminară de experimentare (prin funcționare, instalație

pilot, prototip, serie zero etc.), urmată de realizarea integrală când se trece la construcția
sistemului modelat.

Cerințe pentru modelele matematice[modificare | modificare sursă]

Modelele matematice ale sistemelor trebuie să îndeplinească anumite cerințe după cum urmează:

 Realismul modelului. Sunt utile modele matematice care să reprezinte sistemul cât mai realist
posibil, cât mai complet și mai exact. Totuși, dacă un model este excesiv de realist, acesta poate
fi netratabil matematic, datorită complexității sale.

 Ierarhia modelelor. Pentru orice situație de modelare se poate concepe o ierarhie de modele,
fiecare fiind mai realist decât precedentul și fiecare fiind urmat, probabil, de un model mai bun.

 Precizia relativă a modelului. Diferitele modele diferă în ceea ce privește precizia lor și
concordanța cu observațiile. Precizia modelului se estimează prin gradul de concordanță al
valorilor performanțelor sistemului calculate cu modelul matematic cu valorile acelorași
performanțe ale sistemului real.

 Robustețea modelului. Un model matematic este robust dacă este puțin sensibil la variațiile
parametrilor perturbatori.

 Self-consistența modelelor. Un model matematic implică ecuații și inecuații, iar acestea trebuie
să fie consistente (consecvente). Uneori, inconsistența rezultă din inconsistența ipotezelor de
bază.

 Simplitatea sau complexitatea excesivă. Un model poate să nu reprezinte satisfăcător modelul

real, atunci când este prea simplu. Pe de altă parte, o complexitate excesivă înseamnă un model
capabil să furnizeze soluții cu precizie ridicată; totuși, complexitatea modelului nu trebuie să
depășească pe cea necesară pentru a realiza scopurile pentru care modelul este destinat. Este
necesar să se păstreze numai caracteristicile esențiale ale sistemului real.
  Adecvanța modelului cu sistemul real depinde de scopul modelării. Verificarea adecvanței
constă în compararea unui set de performanțe obținute cu ajutorul modelului, cu performanțele
colectate experimental.

 Modelarea parțială pentru subsisteme. Înainte de a elabora un model pentru întregul sistem,
poate fi convenabil să se conceapă modele parțiale pentru subsisteme, să se testeze
valabilitatea lor, apoi să se integreze aceste modele parțiale într-un model complet.

 Perfectibilitatea modelului. Nici un model matematic nu este perfect și orice model este
perfectibil, pentru a se obține o aproximare utilă. Totuși, orice perfecționare poate necesita
consumuri suplimentare de timp și bani, de aceea trebuie să fie justificată.

 Posibilitatea estimării parametrilor. Orice model matematic poate conține parametri ale căror
valori trebuie estimate. Estimarea necesită experimente sau observații precum și metode de
prelucrare a datelor experimentale.

Pentru detalii asupra modelării matematice, vezi[11]

Elemente ale modelelor matematice[modificare | modificare sursă]

Se pot identifica următoarele elemente ale modelelor matematice:[12]

Variabilele sistemului. Acestea sunt mărimi care caracterizează diferite stări ale sistemului, luând diferite
valori (dintr-un domeniu de valori tehnic posibile).

Parametrii sistemului. Acestea sunt mărimi care au o valoare specifică dată, pentru o formulare
particulară a modelului. Pentru modele de simulare, parametrii rămân ficși în timpul unei rulări unice pe
calculator a simulării.

Constantele sistemului. Sunt mărimi invariabile, dependente de fenomenul studiat (de exemplu,
constanta gazelor).

Relații matematice. Sunt ecuații sau inecuații care descriu interacțiunea dintre variabile, parametri și
constante. Relațiile matematice încearcă să descrie funcționarea sistemului în condițiile impuse de
mediul său înconjurător, adică în condițiile variabilelor perturbatoare care descriu factorii exteriori
sistemului.

În etapa de modelare este foarte importantă distincția dintre variabile și parametri, ceea ce constituie o
decizie subiectivă, dictată de opțiunile în nivelul ierarhic al definirii sistemului și de utilizarea
intenționată a modelului sistemului.

Construirea modelelor matematice[modificare | modificare sursă]

Modelarea matematică constă,în esență, în reprezentarea problemelor lumii reale prin probleme
matematice, rezolvarea problemelor matematice și interpretarea acestor soluții prin limbajul
natural, verbal.

Există două moduri de abordare a construirii unui model matematic pentru un sistem fizic:

 modelarea bazată pe principii fizice, care face apel la legile cunoscute din fizică, ce sunt aplicate
subsistemelor ce compun sistemul considerat;

 identificarea sau modelarea bazată pe date experimentale, obținute prin teste, care constă în

alegerea unui model ce ajustează cât mai bine datele experimentale, conform unui anumit
criteriu impus pentru sistemul considerat.

Întocmirea modelelor matematice ale sistemelor include următoarele etape:

  formularea problemei în limbajul problemei;

 stabilirea variabilelor și parametrilor implicați;

 construirea modelului matematic al sistemului prin traducerea problemei în limbaj matematic;

 stabilirea algoritmului de rezolvare a modelului matematic, adică de rezolvare a ecuațiilor

modelului. Metodele de rezolvare pot fi analitice, numerice sau prin simulare;

 rezolvarea problemei;

 verificarea experimentală a modelului prin compararea predicțiilor cu observațiile sau datele

disponibile și îmbunătățirea modelului și a metodelor de rezolvare;

 deducerea concluziilor pe baza modelului și testarea concluziilor în comparație cu datele

anterioare sau cu datele suplimentare care pot fi colectate.

Modelarea și simularea pentru fabricație[modificare | modificare sursă]

Modelarea și simularea (M&S) sunt tehnologii moderne pentru suportul fabricației în secolul 21. M&S
prezintă oportunități remarcabile pentru îmbunătățirea produselor, perfecționarea proceselor de
fabricație, reducerea timpului pe ciclul concepție-fabricație și reducerea cheltuielilor de fabricație. Prin
definiție, simularea este un proces de utilizare a modelelor matematice prin timpi simulați, în care unul
sau mai multe modele pot fi rulate cu diferite valori ale parametrilor de intrare pentru a evalua efectele
interacțiunii dintre variabile. Simularea funcționării unui sistem permite aprecierea modului în care
acesta va evolua în diferite condiții sau în urma conducerii acestuia după un anumit set de reguli.
Modelarea și simularea sistemelor și proceselor de producție a fost dezvoltată pe larg în lucrarea
elaborată de conferențiar Tom Savu de la Universitatea POLITEHNICA din București.[13]

Dezvoltarea produselor și proceselor s-a realizat, pe plan istoric, prin testarea proiectelor pentru a
constata cum vor funcționa produsele, apoi modificarea proiectului (construcției proiectate) și o nouă
testare. Această succesiune testare/evaluare/modificare consumă cantități disproporționate de timpi și
costuri, necesare pentru a promova produsul de la concepție până la livrare. Aceste costuri pot fi reduse
semnificativ prin utilizarea instrumentelor M&S în proiectare, pentru optimizarea produselor și
proceselor în domeniul virtual, înainte de angajarea resurselor pentru producția fizică. În industria
electronică, modelele precise ale procesului de creștere epitaxială ajută la maximizarea productivității
producției de fabricare a plăcuțelor semiconductoare (wafers) pentru microcipuri.

Avionul Boeing 777 și automobilul de sport Dodge Viper sunt exemple remarcabile ale modului în care
instrumentele M&S pot reduce considerabil costurile și timpul necesare pentru aducerea produselor pe
piață. Primul avion de linie cu reacție Boeing 777 a fost proiectat în întregime prin modelare 3D, a
utilizat preasamblarea digitală și ingineria concurentă pentru a elimina necesitatea unor prototipuri la
scara 1:1, a îmbunătăți calitatea și a reduce modificările și erorile de proiectare. Programul U.S. Air
Force's Joint Strike Fighter aplică tehnologii avansate M&S pentru reducerea costurilor de dezvoltare a
forțelor aeriene cu 50%.[14]

Simularea are multe avantaje, după cum urmează:

 Noi proceduri de operare, reguli de decizie, fluxuri de informații, proceduri organizaționale etc.
pot fi explorate, fără perturbarea operațiilor în curs de desfășurare ale sistemului real.

 Pot fi testate noi construcții hardware, amplasări fizice, sisteme de transport etc., fără angajarea
de resurse pentru achiziția acestora.

 Se pot obține cunoștințe asupra interacțiunii variabilelor și importanței acestora în privința

performanțelor sistemului.
  Poate fi efectuată analiza "locurilor înguste" pentru a indica punctele în care producția
neterminată, materialele etc. sunt excesiv de mult întârziate.

 Pot fi obținute răspunsuri la întrebări de tipul "ce s-ar întâmpla dacă" (engleză what-if), fapt
deosebit de util la proiectarea noilor sisteme.

Ca dezavantaje se pot menționa:

 Rezultatele simulării pot fi dificil de interpretat. Deoarece multe output-uri ale simulării sunt
variabile aleatoare, poate fi dificil să se determine dacă o observație este rezultatul relațiilor din
sistem sau al caracterului aleatoriu.

 Modelarea și analiza simulării pot fi scumpe și consumatoare de timp. Limitarea resurselor

pentru modelare și analiză poate conduce la un model de simulare sau analiză care nu este
suficient pentru sarcina dată.

Note[modificare | modificare sursă]

1. ^ The Free Dictionary.com [1]

2. ^ Pidwirny, M.(2006). Fundamentals of Physical Geography. 2nd Edition, Chapter 4: Introduction

to Systems Theory

3. ^ Ludwig von Bertalanffy (1945). Zu einer allgemeinen Systemlehre, Blatter fur deutsche
Philosophie 3/4 (Extract in : Biologia Generalis,19 (1949), 139-164

4. ^ Brăgaru, A. ș.a. (1996). Optimizarea proceselor și echipamentelor tehnologice. Editura

Didactică și Pedagogică, R.A., București