2.6 Računalniška simulacija
2.6.6 Izvajanje simulacijskega procesa in analiziranje rezultatov
Izvajanje simulacijskega procesa pomeni izvajanje računalniško podprtih eksperimentov na simulacijskem modelu z namenom opisovanja, razlaganja in napovedovanja obnašanja realnega sistema. Poleg eksperimentiranja na realnih sistemih je to edina razpoložljiva tehnika analiziranja dinamičnega obnašanja opazovanega sistema [3]. Vse bolj izpodriva fizično eksperimentiranje predvsem zato, ker je običajno stroškovno ugodnejše in ima možnost v zelo kratkem času (v nekaj sekundah, minutah ali urah) prikazati stanje sistema po dolgotrajnejšem (večdnevnem, večmesečnem ali večletnem) izvajanju procesov znotraj opazovanega sistema. Ker simulacijsko eksperimentiranje poteka v virtualnem okolju, realni material, sredstva in energijo nadomeščajo virtualni objekti in podatki simulacijskega modela. Tovrstno eksperimentiranje upošteva potrebne vhodne podatke in vire ter lastnosti in omejitve, ki so prisotne v realnem sistemu. Je tudi najprimernejši način izvajanja »kaj-če«
scenarijev, saj se različne variante sistemov ali poteka procesov lahko preizkuša vnaprej in razišče optimalno rešitev [12]. Simulacijski proces se izvaja za izpolnitev enega od treh sledečih ciljev [25]:
- razumeti principe delovanja sistema in njegove značilnosti, ki so s formalnimi analizami težko razpoznane,
- olajšati sprejemanje odločitev, ki so vezane na delovanje sistema,
- usposobiti ljudi za sprejemanje odločitev, ki so vezane na delovanje sistema.
Cilj simulacijskega procesa igra pomembno vlogo že v fazi izdelave modela. Modeli so zgrajeni na uporabniku prijazen način, da je izvajanje simulacijskega procesa in analiziranje rezultatov enostavno in pregledno. V začetnih fazah računalniške simulacije se z vidika metodologije modeliranja sistemov tudi določi vrsta simulacijskega eksperimentiranja, in sicer [3]:
- zvezna simulacija ali
- simulacija diskretnih dogodkov.
Zvezna simulacija je simulacija, pri kateri se spremenljivke stanja spreminjajo zvezno glede na čas. Modeli za izvajanje zvezne simulacije običajno vključujejo diferencialne enačbe, ki podajajo povezavo stopnje spremembe spremenljivk stanja s časom [1]. Zvezna simulacija je primerna za simuliranje sistemov, pri katerih se spremembe spremenljivk opazuje zvezno glede na časovno skalo. Na podlagi lastnosti sistema v vsaki točki časovnega intervala simulacije se določa stanje sistema. Za simulacijo diskretnih dogodkov velja, da so pomembne tiste spremembe spremenljivk, ki se zgodijo v diskretnih časih, tj. točno določenih trenutkih, ko določeni dogodki sprožijo spremembo stanja sistema [3, 32]. Kot navaja vir [31] se torej s simulacijo diskretnih dogodkov spremljajo dogodki le v tistih časovnih točkah, v katerih se spremenijo lastnosti opazovanih predmetov in procesov znotraj sistema. Zaradi tega se pri tovrstni simulaciji lahko v zelo kratkem času (npr. v nekaj minutah) izvede simulacija obnašanja sistema skozi daljše (npr. večmesečno) časovno obdobje [31].
Kosovna proizvodnja, montažni in strežni sistemi so z vidika toka materiala in sredstev izrazito diskretni sistemi, saj se stanje materiala in sredstev spremeni le na začetku in koncu izdelovalnega, montažnega, strežnega procesa ali transporta ter pri ostalih diskretnih dogodkih kot so okvare in zastoji [31]. Ker obravnavana prototipna pametna tovarna
Teoretične osnove in pregled literature
izbralo simulacijo diskretnih dogodkov in bo zato le-ta v nadaljevanju podrobneje predstavljena.
Simulacija diskretnih dogodkov se obravnava kot stohastični sistem stohastičnih dogodkov, kar pomeni, da naključni dejavniki sistema in dogodkov v sistemu niso zanemarljivi [3, 30].
Njeno osnovno strukturo lahko popišemo s primarnimi in najpogosteje uporabljenimi komponentami [30]:
- entitete
- dogodki in aktivnosti
- globalne in spremenljivke stanja sistema - viri in delovna sredstva
- koledar
- generator naključnih številk - zbiralci statistike
V primeru simulacije materialnega toka proizvodnega sistema entitete predstavljajo elemente (npr. sestavni deli, obdelovanci ipd.), ki so kreirani ob določenem terminu in potujejo preko modela od enega delovnega sredstva do drugega ter se običajno na koncu skladiščijo kot izdelki. Dogodki so trenutki v času, ko se spremeni stanje sistema. Dogodek se na primer zgodi, ko se spremeni stanje delovnega sredstva iz »zasedeno« v »prosto«, medtem, ko med samimi dogodki poteka aktivnost. Torej aktivnost sproži in jo zaključi dogodek [3]. Globalne spremenljivke so tiste spremenljivke, ki pripadajo celotnemu modelu v vseh trenutkih simulacije z namenom spremljanja za opazovalca še posebej zanimivih rezultatov. Spremenljivke stanja sistema se nanašajo na trenutno stanje simulacije, kar pomeni, da se tekom izvajanja simulacije njihove vrednosti vseskozi spreminjajo oziroma posodabljajo. Ena izmed tovrstnih spremenljivk je simulacijski čas. Med vire in delovna sredstva spada pravzaprav vse (delavci, stroji ipd.), kar ima v sistemu omejeno kapaciteto in zmožnost opravljanja določenih aktivnosti z namenom prikazovanja realističnega izvajanja dela in obnašanja strojev. Realistično obnašanje sistema pri simulaciji diskretnih dogodkov je mogoče predvsem zaradi sposobnosti vključevanja stohastičnih formul, katere so generirane preko generatorjev naključnih številk. Koledar predstavlja seznam planiranih dogodkov, ki se izvedejo ob začetku ali med samim izvajanjem simulacije. Zbiralci statistike se uporabljajo za zbiranje statističnih podatkov simulacijskega modela. Pogosta spremenljivka za spremljanje in statistično analizo obnašanja modela je izkoriščenost delovnega sredstva [30].
Simulacijski proces je skupek simulacijskih eksperimentov, ki so v predhodni aktivnosti računalniške simulacije skrbno načrtovani. Simulacijski eksperiment je v viru [33] razložen kot test ali niz testov, pri katerih se smiselno spreminja vhodne spremenljivke simulacijskega modela z namenom, da se lahko opazuje in razpozna razloge za spremembe v izhodnih spremenljivkah. Na sliki 2.10 je z blokovno shemo prikazan splošen simulacijski model, ki vsebuje n vhodnih spremenljivk (x1, x2,..., xn) in m izhodnih spremenljivk (y1, y2,..., ym) [33].
Teoretične osnove in pregled literature
Slika 2.10: Shematični prikaz splošnega simulacijskega modela [33].
Med simulacijskim eksperimentiranjem se običajno poizkuša najti optimalne nastavitve vhodnih spremenljivk, kar privede do optimalnih izhodnih spremenljivk. Proces iskanja najprimernejših vrednosti vhodnih spremenljivk med vsemi možnostmi, brez da se pri tem izrecno oceni vsako možnost, se imenuje simulacijska optimizacija. Njen cilj je s simulacijskim eksperimentom pridobiti čim več informacij s čim manj porabljenimi sredstvi.
Potek optimizacije simulacijskega modela je prikazan na sliki 2.11 [33].
Slika 2.11: Povratna zanka optimizacije simulacijskega modela [33].
Za učinkovite rezultate simulacijske optimizacije je potrebno izbrati modelu primerno optimizacijsko strategijo, na podlagi katere se pridobiva ustrezne informacije posameznega optimizacijskega cikla in oceni napredek simulacijske optimizacije. Informacije o napredku se potem posreduje v nov cikel eksperimentiranja, da se ustrezno prilagodi vhodne spremenljivke simulacijskega modela in izvede nov eksperiment.
Med simuliranjem se opazuje kopičenje produktnih objektov v ali pred procesnimi objekti v simulacijskem modelu, premike produktnih objektov, neželene zakasnitve v izdelavi izdelkov, čakanje na transport ipd. Na ta način se odkriva lastnosti, ki so o procesu še neznane in njihov vpliv oziroma prispevek k učinkovitemu ali neučinkovitemu izvajanju procesa. S simulacijskim eksperimentiranjem se tudi dokaj enostavno odkrije pomanjkljivosti (razne potrate, ozka grla ipd.) opazovanega sistema, ki se nato v realnem sistemu odpravijo ob načrtovanih zastojih, da proizvodni proces poteka čim bolj nemoteno.
Iz slike 2.9 je razvidno, da po simulacijskem eksperimentiranju in optimizaciji sledi interpretacija oziroma analiza rezultatov. Ta korak je pomemben predvsem zato, da se oceni ali je simulacija ponudila uporabne rezultate za rešitev zastavljenega problema ali ne. Če se ugotovi slednje, se je potrebno vrniti v prejšnje korake računalniške simulacije (slika 2.9) in ustrezno nadgraditi model [27]. Pri simulacijski analizi se primerja rezultate različnih
Teoretične osnove in pregled literature
simulacijskih eksperimentov, da se lahko izbere najboljšo možno varianto sistema ali procesa, naročniku simulacije predstavi podlago za odločanje o nadaljnjih ukrepih na realnem sistemu in podobno. Znotraj programskega simulacijskega okolja so uporabniku simulacije na voljo določena orodja in pripomočki za enostavnejšo in učinkovitejšo analizo rezultatov. Analiza izkoriščenosti in zasedenosti sredstev je tako lahko podprta z orodjem za samodejni prikaz izkoriščenosti in zasedenosti sredstev in orodjem za časovni prikaz izvrševanja nalogov in zasedenosti sredstev. Pogosto se uporablja tudi orodje za prikaz gostote toka materiala med procesi in analizo ozkih grl ter integracija genetskih algoritmov v model za samodejno iskanje najugodnejšega zaporedja naročil ali proizvodnih nalogov [31].
Rezultate se običajno predstavi v obliki grafov, podatkovnih tabel, slikovnega gradiva in komentarjev, ki jih zahteva naročnik simulacije. S tega vidika je pomembno, da simulacijsko programsko okolje omogoča tudi izvoz rezultatov simulacijskih eksperimentov za njihovo naknadno obdelavo in prikaz [31]. Če rezultati simulacijskega eksperimentiranja izpolnijo na začetku zastavljena pričakovanja in cilje, pomeni, da so primerni za nadaljnje odločanje o aktivnostih na realnem sistemu in implementacijo z računalniško simulacijo pridobljenih potencialnih rešitev za izboljšanje stanja realnega sistema. Kot je razvidno iz slike 2.9 se v tem primeru izdela še dokumentacija novih rešitev, načrtovanih aktivnosti oziroma sprememb realnega sistema [27].