IPEM Seminarski

Univerzitet u Novom Sadu Fakultet tehničkih nauka Departman za industrijsko inženjerstvo i menadžment

SEMINARSKI RAD IZ INTELIGENTNOG PRIVREĐIVANJA

I EFEKTIVNOG MENADŽMENTA

Modeliranje i simulacije kao Sistemi podrške u odlučivanju i

Upravljanje znanjem u poslovnim procesima

Student: Nenad Bulatović, I2-230/2013

Profesor: Prof. dr Zdravko Tešić Asistent: M. Eng Nemanja Tasić

Novi Sad, Januar 2014.


___________________________________________________________________________

2

S A D R Ž A J

UVOD .................................................................................................................................. 3

Šta je to "upravljanje znanjem"? ................................................................................... 3

Potreba za znanjem ..................................................................................................... 3

KnoVa faktor ................................................................................................................. 4

Radnici znanja .............................................................................................................. 4

Modeliranje i simulacije ................................................................................................ 5

Pojam simulacija i modela ............................................................................................ 5

Značaj simulacija .......................................................................................................... 6

Nastanak simulacija ..................................................................................................... 6

Nastanak računarskih simulacija .................................................................................. 7

Polja primene računarskih simulacija kao alata Poslovne inteligencije ........................ 7

Šta simulacije mogu i koji se zahtevi postavljaju pred njih? ......................................... 9

Počeci primene simulacija u industriji i poslovanju ..................................................... 10

Razvoj specijalizovanih simulacionih paketa i programskih jezika ............................. 11

Programski jezici i simulacioni paketi u upotrebi ........................................................ 12

Modeliranje, simulacije i upravljanje znanjem ............................................................. 13

Poslovno modeliranje i simulacije ............................................................................... 13

Tri moda praktičnih izvedbi simulacija ........................................................................ 14

Različiti pristupi modeliranju ....................................................................................... 15

Faze u razvoju simulacije .......................................................................................... 17

Razvoj konceptualnog modela ................................................................................... 18

Kompleksnost simulacija ............................................................................................ 18

Prednosti i mane korišćenja Modeliranja i Simulacija ................................................. 18

Validacija i verifikacija rezultata dobijenih simuliranjem ............................................. 19

Zaključak ........................................................................................................................... 20

LITERATURA .................................................................................................................... 22


___________________________________________________________________________

3

UVOD

Šta je to "upravljanje znanjem"?

Neizvesnost modernog života je postala svakodnevnica. Menadžeri su suočeni sa činjenicom da je donošenje odluka sve složenije i da će biti još složenije u vremenima koja dolaze. U ekonomiji znanja od ključnog značaja je da se pravovremeno i efikasno odgovori na neočekivane i neuobičajene zahteve tržišta i da se zadovolje interesi svih strana [1]. Brzina reakcije na tržištu je postala ključna komponenta uspostavljanja razlike među dobavljačima proizvoda i usluge na tržištu. Pred menadžment se postavlja zadatak ne samo kako da osmisli nove proizvode već i kako što pre da ih plasira na tržište [2]. Upravlјanje znanjem (Knowledge management) je proces snimanja, razvijanja, delјenja i efikasnog korišćenja organizacionih znanja [1]. To se odnosi na multidisciplinaran pristup postizanju organizacionih cilјeva tako što na najbolјi način iskoriste znanja [2]. Upravljanje znanjem omogućava da se pravovremeno odgovori na sve dinamičnije zahteve tržišta a samim tim i internih procesa unutar organizacija. Više nije dovoljno samo proizvesti proizvod jeftinije, brže i efikasnije od drugih, potrebno je služiti se i drugim sredstvima da bi se ostvarila prednost u tržišnoj utakmici. Budućnost leži u fokusu na inovacije a ne u optimizacijama gotovog proizvoda. Tržište je svedok dramatičnog zaokreta od proizvoda ka uslugama [3].

Potreba za znanjem

Da bi se uspešno nosili sa složenošću i da bi pružili usluge sa dodatnom vrednošću i podstakli nove inovacije potrebno je mnogo znanja. Usled toga se sve više kompanije u udružuje i dele međusobno svoja znanja i iskustva. U takvim uslovima se šire i konsultantske mreže. Sve češće menadžment traži usluge konsultanata u složenim projektima. U takvim uslovima znanje postaje proizvod. Futuristi predviđaju da će korporativna intelektualna svojina u 21 veku biti vrednija od materijalnih resursa, gde intelektualni kapital predstavljaju patenti, znanja o procesima, tehnologije, veštine upravljanja, marketinške i tržišne informacije, obaveštenja o konkurentima, koncepti novih proizvoda, istraživanja o kupcima i dobavljačima, konkurentski analitički patenti, licence, prava, ideje za unapređenje procesa ili procedura. Ključan faktor u ovome je obezbeđivanje znanja koje uvećava vrednost. Nije dovoljno samo proizvesti znanje potrebno je da se to znanje i učini dostupnim. Znanje kojim se uvećava vrednost kompanije je fundamentalno različito od pukog snabdevanje informacijama. U tome leži ključna razlika.


___________________________________________________________________________

4

KnoVa faktor

Sposobnost koju neka kompanija ima za stvaranje dodatne vrednosti znanja naziva se "KnoVa" - faktor vrednosti znanja (The KnoVa - Knowledge Value). Iz ovoga se vidi da ta sposobnost u ekonomiji znanja zavisi od dva elementa: - nivoa usluga koje pruža kompanija i intenziteta korišćenja znanja kompanije; - nivoa u kom kompanija koristi svoje znanje da bi kreirala proizvod ili usluge [1]. Značaj KnoVa faktora se ogleda u tome što on ukazuje na to da neće biti dovoljno da se kompanija fokusira samo na poboljšanje nivoa usluga ili na unapređenje znanja o aktivnostima koje nudi. Za uspeh je potrebno da budu povećani i nivo usluga i sadržaj znanja. Potreba za upravljanjem znanjem je podstaknuta svakodnevnim problemima iz poslovnog okruženja. Znanje unutar kompanije može biti skriveno ili nedostupno svima kojima je potrebno što redovno dovodi do toga da se iznova izmišljaju stvari koje su zapravo već od ranije poznate. To dovodi do sniženja produktivnosti i smanjenja efikasnosti. Nova rešenja starih problema možda čak i neće biti rešena na pravi način i možda u kompaniji već postoje procedure za efikasnije rešenje tih problema. Menadžeri u kompaniji možda preferiraju svoj lični uspeh u odnosu na uspeh cele kompanije te svoja znanja i iskustva ljubomorno čuvaju samo za sebe jer im ona omogućavaju sticanje prednosti u odnosu na druge zaposlenike kompanije. Najveći otpor stvaranju atmosfere u kojoj se znanje deli dolazi od uverenja da je znanje moć. Zaposleni koji poseduju znanje su moćniji od drugih. Znanje se usled toga koristi kao oružje za uspeh i lični napredak pojedinaca a ne za uspeh cele kompanije.

Radnici znanja

Radnici znanja postaju dominantan faktor u ekonomiji znanja, kao što su zemljoradnici bili dominantni u poljoprivrednom dobu a radnici u industrijskom dobu. U industrijskom dobu, radnici su bili traženi zbog ruku i zbog snage. Ali kako je proizvodnja postajala u sve većoj meri industrijalizovana, mehanizovana a u novije vreme i osvremenjena upotrebom elektronskih uređaja, radnici su sve više postajali traženi zbog njihove svesti odnosno sposobnosti da razmišljaju i da rešavaju probleme koji onda mogu da se odrade upotrebom programbilnih mašina ili robota. Kada je ovaj proces dobio na zamahu, počele su da blede granice između rukovodstva koji je tradicionalno bio zadužen da "misli" i radnika zaduženih "da rade ono što im je rečeno". Period kada su radnici bili gledani samo kao oruđe za rad je prošao. Prema Džoelu Barkeru, "Korporativna intelektualna svojina će u XXI veku biti vrednija od fizičkih resursa" [4]. I što više kompanije razviju svoju svest o sopstvenom intelektualnom kapitalu, to će upravljanje njime zahtevati dodatnu obuku zaposlenih kao i konstatan nadzor nad tim istim kapitalom.


___________________________________________________________________________

5

Postavlja se pitanje kako obučiti zaposlene da prihvate novu paradigmu upravljanja znjanjem i što je još bitnije, kako se u akademskim institucijma studenti odnosno poslovni ljudi u poslovnim školama (kao što je npr. Harvard Busines School) mogu obučiti i pripremiti da "uskoče u sedlo" sa što je manje moguće pripreme u realnom okruženju, odnosno one koji su već obučeni za rad "podići" na viši nivo bez ugrožavanja integriteta realnog sistema. Često se simulacije u društvenim procesima (odnosno Simulacije i sistemi za podršku u odlučivanju) porede sa Simulatorom letenja u kome se piloti treniraju za savladavanje kritičnih situacija bez ugrožavanja njihovih života i materijalno tehničkih sredstava. Greške u savremenom poslovanju se isuviše skupo plaćaju i malo kompanija je spremno da ljudima bez puno praktičnih znanja dodeli bilo kakve izvršne funkcije na kojima bi donosioci odluka mogli da naprave pogrešne poteze koji bi kompaniju skupo koštali. Akcenat je na novom vidu obuke koji bi sa što manje obuke u realnom okruženju (tzv. "pripravničkim stažom"), osposobio zaposlene za samostano izvršenje zadataka, a da u isto vreme ta vrsta obuke pruži prenošenje u što je mogućoj većoj meri i eksplicitnih i tacitnih znanja od eksprerata koji bi učestvovali u izgradnji takvih sistema za obuku. Kao rešenje postojećeg problema predlaže se uvođenje računarskih simulacija za društvene procese, odnosno DSS - decision support sistema kao sistema za podršku u odlučivanju [5].

Modeliranje i simulacije

Modeliranje i simulacije (M&S) su disciplina sa svojom sopstvenom oblašću znanja, teorije i istraživačke metodologije u čijoj je osnovi fundamentalna postavka da su modeli aproksimacije realnog sveta [6]. Prvo se kreira model koji što je moguće približnije opisuje neki događaj. Nakon modela se zatim kreira simulacija koja omogućava ponavljanje posmatranja modela. Nakon jedne ili više simuliranja modela nastupa treći korak: analiza. Uloga analize je da se izvuku zaključci, verifikuje i validira celokupno istraživanje i da bi se načinile preporuke bazirane na različitim iteracijama ili simulacijama modela. Ovi osnovni koncepti ukombinovani sa vizualizacijom čine modeliranje i simuliranje problemski orijentisanu disciplinu koja omogućava višestruko ponavljanje testiranja hipoteze. Učenje ovih pravila i koncepata i mogućnost istraživanja i razvoja čine osnovu edukacije modeliranja i simuliranja, a takođe služe i kao alat koji proširuje sposobnost analiziranja i komuniciranja novih istraživanja ili saznanja [6].

Pojam simulacija i modela

Simulacija je prema Šenonu (Shanon, 1975) „proces dizajniranja modela realnog sistema i sprovođenje eksperimenata sa tim modelom radi razumevanja ponašanja sistema ili razvijanja različitih strategija (u okviru granica zadatih kriterijumima ili setom kriterijuma)“ [7]. Drugi autori kao što je Banks (2000) navode da je „…simulacija imitacija operacija procesa ili sistema iz realnog sveta, i da posmatranje te veštačke istorije služi prikazu interferenca koje se tiču operativnih karakteristika realnog sistema koji je prikazan.“ [8].


___________________________________________________________________________

6

U skladu sa navedenom definicijom mogli bismo je dalje proširiti u smislu da Poslovne simulacione igre predstavljaju aktivnosti oponašanja realnosti spoljašnjeg sveta a u zaštićenoj kontrolisanoj sredini učionice ili laboratorije, sa ciljem upoznavanja sa poslovnim procesima ili eksperimentisanjem sa tokovima i krajnjim rezultatima. Pri tome valja uzeti u obzir da je model reprezentacija aktuelnog sistema, koja pokušava da reprezentuje komponente sistema i njihove interakcije do nivoa na kome će ciljevi postavljeni pred studiju biti ispunjeni. Model bi trebao da bude dovoljno kompleksan da realno opiše sistem i odgovori na zadatke postavljene pred simulaciju, ali opet ne previše kompleksan da ne bi izazvao zagušenja u izvršavanju simulacije i probleme vezane za praktičnu implementaciju modela [8]. Modeli diskretnih događaja su dinamični, odnosno protok vremena ima ključnu ulogu. Najveći broj matematičkih i statističkih modela su statični zbog toga što predstavljaju sistem u fiksnoj tački u vremenu. Uzmimo, primera radi, godišnji izveštaj budžeta kompanije koji se nalazi u vidu elektronske tabele za unakrsna izračunavanja. Mogu se praviti promene u budžetu i tabela može biti svaki put nanovo izračunavana, ali protok vremena uglavnom nije od ključnog značaja niti se može verodostojno prikazati.

Značaj simulacija

Modeliranje i simulacije sve češće postaju jedan od izbornih predmeta kako na postdiplomskim studijama, tako i na dodiplomskim studijama širom sveta [9]. Korišćenje simulacija a naročito njihovo kreiranje omogućava studentima, istraživačima i poslovnim ljudima (najčešće operativnim i top menadžerima) dublji i potpuniji uvid u poslovne procese. U nekim slučajevima se ne može u potpunosti simulirati poslovni proces ili društveni proces, kao recimo u slučajevima analize Kubanske raketne krize, jer je ceo sistem izuzetno kompleksan, a mnoga vrednosna merila su intrinzična i nisu bila poznata u trenutku izbijanja krize (a neka su ostala nepoznata i do dana današnjeg) osim samim direktnim učesnicima. Međutim i tada kreiranje i analiza neosporno omogućavaju dublje razumevanje problematike simuliranih situacija što povratno daje svrsishodan alat analitičarima u kvalitativnim analizama. Izveštaj iz 2006 god. Panela „Plava Traka“ Nacionalne Naučne Zajednice SAD-a (NSF – National Science Foundation) je nazvao simulacije strategijski ključnom tehnologijom za očuvanje pozicije SAD kao svetskog tehnološkog lidera. Tom prilikom je takođe upozoreno da su investicije u razvoj tehnologije u mnogim zemljama širom sveta jedan od faktora koji su doveli do toga da SAD počne da gubi primat na polju simulacija i da je od vitalne važnosti da se to liderstvo povrati. U pomenutom izveštaju NSF [10], je navedeno da: „Retko ima toliko nezavisnih studija koje su toliko složne: simulacije su ključni element za postizanje progresa u inženjerstvu i nauci.“

Nastanak simulacija

Početkom simulacija se može smatrati način na koji je Rimska vojska obučavala svoje vojskovođe i vojnike za borbu na bojnom polju [9]. Od crtanja bojišta u pesku i pravljenja (po današnjim merilima) nezgrapnih i simboličnih maketa, pa sve do preteče vojnih


___________________________________________________________________________

7

manevara kada su vojskovođe prenosili svoje znanje u komandovanju i strategiji a takođe i isprobavali i nove taktike, dajući instrukcije vojnicima koji su „ratovali“ podeljeni na crvene i plave timove. Zahvaljujući svojim treninzima, između ostaloga, Rimska vojska je vekovima bila najmoćnija vojna sila na svetu. Milenijumi su prošli ali je vojska i dalje zadržala ovaj sistem analize bojnog polja – sto sa mapom bojišta i malim modelima vojnih jedinica i naoružanja što zajedno sa pravim manevrima – ostaje nezaobilazna lekcija u učenju vojnih strategija i taktika na vojnim akademijama i u vojskama širom sveta. Na isti način, savremene simulacije opisuju realne ili hipotetičke situacije, a ponekad i situacije iz prošlosti dajući pre svega učesnicima u simulaciji uvid u razvoje događaja i podstičući ih na kreativno razmišljanje.

Nastanak računarskih simulacija

Sovjetski Savez je 1949. god. izvršio svoju prvu atomsku probu i time narušio do tada neprikosnoveni autoritet SAD-a kao jedine nuklearne sile. Ovo je bio podsticaj za vladu SAD-a da odobri Ministarstvu odbrane (Department of Defence) dodatna sredstva za razvoj odbrambenih sistema. Do zime iste godine digitalni kompjuteri su već bili uključeni u kreiranje simuliranih bitaka. Ratno vazduhoplovstvo SAD-a (U.S. Air Force) je razvila SAGE – simuliranu bitku iz perspektive više od jednog učesnika. Ova vrsta simulacije je omogućila novi pristup treningu u protiv-vazdušnoj odbrani [6]. Tokom ’60-tih, vojne igre odnosno simulacije su postajale sve naprednije i polako se pomeralo težište sa striktno taktičke ka strategijskoj komandi. Ovaj razvoj će, kako ćemo to kasnije videti, doprineti upotrebi simulacija u vremenima koja su usledila u svrhu učenja strategijskog menadžmenta kao i za mnoge analize iz te oblasti. Vojne igre su postepeno razvile mogućnost simuliranja lidera kao i političkih situacija dajući time i društvenu komponentu inače prevashodno kvantitativnim metodama korišćenim u ranim igrama. 1970-te godine donose još brži razvoj simulacija, jer je veća brzina rada računara kao i sveopšti razvoj elektronike i informacionih sistema omogućio njihovu efikasnu upotrebu u visokozahtevnim okruženjima kao što su simulacije u ratnom vazduhoplovstvu i aerokosmotehnici uopšte [11].

Polja primene računarskih simulacija kao alata Poslovne inteligencije

Računarski simulacioni metodi za simuliranje poslovnih procesa su razvijeni početkom ’60-tih i verovatno su najčešće korišćeni od svih analitičkih alata u nauci o menadžmentu. Osnovni princip je vrlo jednostavan: analitičar kreira model sistema interesa, piše računarski program koji je otelotvorenje modela i koristi računar da imitira ponašanje sistema koje je izloženo varijetetu operativnih politika. Nakon analize, najbolja operativna politika može biti odabrana [11]. Na taj način se direktno doprinosi podizanju nivoa ili proizvoda koji se nude klijentima, razmeni znanja među menadžerima i radnicima a time i posledično do uvećanja KnoVa faktora. Primera radi, kompanija koja se bavi prometom prehrambenih proizvoda može da poželi da poveća promet u jednom od svojih regionalnih distributivnih centara. Proizvodi stižu od proizvođača u velikim kamionima i viljuškarem se istovaruju sa kamiona i prenose u


___________________________________________________________________________

8

skladišta gde se slažu na paletne regale. Po potrebi, a u skladu za porudžbinama kupaca, proizvodi se zatim sa regala utovaruju u kombije i razvoze pojedinačnim kupcima. Da bi se povećao protok robe u i iz skladišta menadžmentu se mogu predložiti sledeća rešenja:

- povećanje broja dokova za utovar ili istovar robe - povećanje broja viljuškara - povećanje broja manipulativnih radnika - korišćenje viljuškara integrisanih sa paletnim regalima - korišćenje novih tehnologija za skladištenje i utovar i istovar robe

Isprobavanje svih ovih tehnika ili menjanje njihovih vrednosti u pravom operativnom skladištu bi moglo da bude veoma skupo naročito u slučaju da izazove zagušenja u distribuciji ili čak i prekid rada. Takođe, ukoliko bi se recimo, kupovina nove opreme kasnije pokazala kao nepotrebna ili neadekvatna, to bi predstavljalo čist trošak. Iz tog razloga je mnogo jeftinije, efikasnije i efektnije koristiti računarsku simulaciju. Dobro modeliran sistem na osnovu kojeg je napisana računarska simulacija, može u kratkom vremenu, bez remećenja stvarnih procesa, promenom svih željenih parametara pronaći najoptimalniju metodu za postizanje zadatog cilja. Premda navedeni primer nije iz striktno proizvodnog okruženja, ovakva vrsta simulacija je poznata pod nazivom MRP (Material Requirements Planning). Zajedno sa MRPII (Manufacturing Resource Planning) one su preteče Enterprise Resource Planning (ERP) veoma poznatog poslovnog integrativnog IT rešenja koji je danas u širokoj upotrebi u brojnim kompanijama širom sveta. Na ovaj način se takođe studentima može veoma plastično prikazati kakve su konsekvence dobrih ili loših odluka i zbog toga predstavlja izvrsno sredstvo za razvoj strategijskog i operativnog (u zavisnosti od kompleksnosti simulacije) načina razmišljanja. Na isti način u poslovnom okruženju skraćuje se vreme potrebno da se radnici ili menadžeri upoznaju i novim radnim mestima, zadacima ili projektima, a očigledno je mnogostruko olakšano prenošenje znanja iskusnijih kolega. Polja primene za računarske simulacije su praktično neograničena a za sada su najčešća u oblastima:

- proizvodnje - zdravstvene nege - reinženjeringa poslovnih procesa - transportnih sistema - nacionalne odbrane i druge vojne primene - edukativne svrhe

Postavlja se pitanje da li su simulacije neophodne i da li bi se mogli koristiti, recimo, čisto matematički modeli? U vezi sa tom pretpostavkom postoji nekoliko problema. Prvo, većina matematičkih modela ne može na zadovoljavajući način da izađe na kraj sa dinamičkim ili tranzijentnim efektima i umesto toga operišu sa srednjim vrednostima. U svakom dinamičnom sistemu vrednosti stabilnih stanja mogu biti veoma zavaravajuća, naročito ako se traži statistička varijacija. Iako se uspeva pronaći srednja vrednost, to ne mora predstavljati i krajnje vrednosti. Računarske simulacije u takvim situacijama mogu biti poslednje utočište, ali je iznenađujuće koliko često je takvo rešenje potrebno [12].


___________________________________________________________________________

9

Jednom kada se model napravi, na njemu se mogu isprobati dobro osmišljene pretpostavke kao što su ako menadžer uradi ovo, da li će ovo biti rezultat? Međutim, sa koliko se sigurnosti to može ustvrditi? Može doći do neočekivanih promena modela – neko od radnika se razboli, mašine se pokvare, dođe do nestanka električne energije ili drugih energenata itd. Postavlja se pitanje šta menadžment može uraditi da bi se prilagodio i na vreme pripremio za nepredviđene ili ekstremne okolnosti? Modelar može pomoći menadžeru time što će napraviti brojne simulacije ili iteracije modela sa puno uslovnih grananja tipa „šta ako?“ da bi se dokučili mogući odgovori. Pritom treba obratiti pažnju na to da je model reprezentacija događaja ili sistema koji su realni, a zasnovani su na studiji slučaja. Sa druge strane, simulacija je primenjena metodologija koja može da opiše ponašanje tog sistema korišćenjem matematičkog ili simboličkog modela [6]. Može se izvesti zaključak da se simulacije najčešće koriste kada se ne mogu vršiti probe na realnom sistemu usled:

1) nedostupnosti realnog sistema 2) opasnosti da se eksperimentiše na realnom sistemu 3) neprihvatljivosti da se vrše bilo kakve promene ili probe na realnom sistemu 4) realni sistem ni ne postoji već tek treba da bude napravljen 5) troškovi eksperimenata na realnom sistemu bi bili previsoki 6) bilo bi potrebno previše vremena za probe na realnom sistemu

Iz navedenog se uočava da su tri osnovne namene modeliranja i simulacija: - analiza, - eksperimenti i - trening. Pod analizom se podrazumeva istraživanje ponašanja modela. Eksperimenti predstavljaju promene na modelu koje prevazilaze granice i uslove za koje je inicijalno model projektovan. Trening je unapređenje znanja i razvoj sposobnosti i veština koje se stiču tokom upravljanja sistemom koji je predstavljen modelom.

Šta simulacije mogu i koji se zahtevi postavljaju pred njih?

Simulacije mogu da oponašaju dinamičko ponašanje sistema. To je ono zbog čega su prvenstveno i stvorene. Bez obzira koliko sistem može biti kompleksan, vrlo je verovatno da će ekspert za simulacije biti sposoban da kreira model koji će opisivati predmetni sistem. Naravno, što je sistem kompleksniji, više će vremena biti potrebno da se sistem napravi, izvršava, otklone greške i utvrdi efikasnost modela. Osoba koja analizira sistem mora imati dobro poznavanje statističkih metoda koje se koriste u simulacijama i modeliranju. Isto tako, osoba mora posedovati sve potrebne veštine i znanja za analiziranje sistema koji predmet studije ili mora imati tim koji poseduje sve tražene kvalitete. Veoma je važno da se prilikom kreiranja modela prenesu valjani podaci kao ulazi u model, kao i da se primene odgovarajuće funkcije distribucije verovatnoće. Prilikom analize rezultata neophodno je da oni ne budu pogrešno


___________________________________________________________________________

10

protumačeni i podvrgnuti neodgovarajućim statističkim analizama. Greške u podacima koji se prikupljaju za ulaze i podatke koji se analiziraju na izlazima mogu ceo model i simulaciju učiniti neadekvatnom. Da bi se uspešno analizirao sistem, simulacija se koristi da bi se isprobali različiti scenariji. Simulacija sama po sebi ne bira najbolji scenario za modelara ili krajnjeg korisnika. Ovo možda izgleda kao problem na prvi pogled, međutim većina menadžera ima izobilje scenarija spremnih za probu. Ono što je dobro u ovoj situaciji je to što se analizira dinamika sistema a ne samo srednje vrednosti i prosečno ponašanje [13].

Počeci primene simulacija u industriji i poslovanju

Uporedo sa razvojem vojnih igara i simulacija razvila se i primena simulacija u operativnom menadžmentu, pa po Holoksu (B.W. Hollocks) [14], najraniji počeci datiraju još od 1930-tih sa pojavom Monte Karlo metoda koji je omogućavao korišćenje prikladnih statističkih metoda uzorkovanja da bi se rešili problemi inače neobradivi za analitičke metode. Naziv Monte Karlo je nastao tokom Menhetn Projekta (projekat razvoja atomske bombe). Ovaj metod je korišten da bi se pospešilo razumevanje kompleksnih oblika potrebnih za razvoj takvog oružja. Striktno govoreći Monte Karlo metod je način izvođenja numeričkih integracija funkcija koje su nemoguće za direktan analitički pristup [12], odnosno numerička metoda rešavanja matematičkih zadataka uz pomoć modeliranja slučajnih veličina [15] i kao takva odnosi se na široki spektar matematičkih modela i algoritama. Zbog velikog broja operacija i ponavljanja ove metode dobijaju na značaju tek sa razvojem digitalnih računara, a danas predstavljaju jednu od najrasprostranjenijih metoda u računarskim simulacijama. Uopšteno govoreći, da bi eksperiment bio okarakterisan kao Monte Karlo eksperiment, potrebno je koristiti slučajne brojeve da bi se mogao ispitati širok spektar mogućnosti rezultata eksperimenata. Širom grana industrije ručne simulacije su bile uobičajeno sredstvo u Operativnim istraživanjima (Operational research) tokom ’50 i ’60-tih, koristeći tablice pre-generisanih slučajnih brojeva kao osnovu [14]. Kao razvoj prvih uspešnih računarskih modela u poslovanju i industriji bi se mogao smatrati razvoj tokom ’50-tih simulacionog modela za potrebe čeličana – General Steelplant Program – GSP. Verovatno najznačajniju ulogu u tom dobu za razvoj simulacija je imao kreator GSP-a: Kit Daglas Točer (Keith Douglas Tocher). K.D. Točer je pred kraj 1957 god. razvio koncept sistema koji se sastoji od individualnih komponenti koje je on nazivao „mašinama“ koje sa prolaskom vremena prolaze kroz „stanja“ koja se menjaju samo pri diskretnim „događajima“. Ovo je bio osnov za „trofazni proces“ [14]:

A) „Napredovanje vremena“ (Advancing the time) sve do sledećeg zakazanog događaja, od kojih su jedan ili više vezani za odigravanje u tačno unapred određeno vreme.


___________________________________________________________________________

11

B) „Vezani događaji“, odnosno obrada B-događaja (Bound events) koji su predodređeni da se dogode u određeno vreme gde je protok vremena određen sa A.

C) Procesiranje budućih „Uslovljenih događaja“ (Conditional activity) čije je

odigravanje uslovljeno određenim definisanim događajima – što može biti i tek završena B-faza. Događaji tipa C zavise od događaja tipa A (protoka vremena) ali i do drugih uslova čijim se ispunjenjem omogućava odigravanje događaja C.

Dalje, po Točeru B i C faze predstavljaju faze Događaja (Event) i Aktivnosti (Activity), respektivno. Realni svet bi se dakle mogao opisati Aktivnošću/Događajem pod kontrolom „Izvršnog“ upravljanja trofaznim procesom. Ovaj trofazni pristup u izvršavanju simulacija je ostao do današnjih dana u upotrebi. Kako je ova ideja bila primenjena, postalo je jasno da je GSP od početnog „General Steelplant Program“ prerastao u „General Simulation Program“. Premda je trofazni sistem kao i ceo GSP-u bio revolucionaran za to vreme, kad se uzmu u obzir softverske i hardverske mogućnosti računara onog doba, sam Točer je izjavljivao da „je prvi korak u pisanju simulacija priprema dijagrama toka“ [14]. K.D. Točer je takođe napisao prvu knjigu iz ove oblasti, 1963. god. pod nazivom „The Art of Simulation“. Simulacije diskretnih događaja (Discrete-event simulations) sadrže aktivnosti koje prouzrokuju promicanje vremena. Najčešće, simulacije diskretnih događaja takođe sadrže pauze ili kašnjenja u vidu entiteta u stanju čekanja. Početak i završetak neke aktivnosti je jedan događaj (event). Simulacioni model diskretnih događaja se sprovodi tokom vremena od strane mehanizma koji pomera vreme unapred. Stanje sistema se osvežava tokom svakog događaja sa zaokupljivanjima ili oslobađanjima resursa koji mogu nastupiti u tim momentima [8].

Razvoj specijalizovanih simulacionih paketa i programskih jezika

Rad na simulacionim paketima i jezicima je u SAD-u počeo tokom ’60-tih i tada je razvijen GPSS (1962) od strane IBM-a koji se isporučivao zajedno sa ostalim softverskim paketima sa IBM računarima, a do danas je u upotrebi u raznim varijacijama osnovnog jezika. Sredinom ’70-tih GSP baziran na FORTRAN-u, kasnije poznat kao FORSS, a implementiran na IBM 360, postao je početkom ’80-tih baza za nastanak simulacionog paketa FORSSIGHT koji je predstavljao Vizuelni Interaktivni Simulacioni paket (Visual Interactive Simulation package). VIS (Visual Interactive Simulation) je svakako predstavljao revolucionarni pomak u praksi simulacija, a blisko je vezan i sa praksom DSS (Decision Support Systems), mada na tom polju ostaje još mnogo toga da se uradi. U svakom slučaju današnja praksa modeliranja i simulacija bila bi nezamisliva bez modernih VIMS paketa koji omogućavaju Vizuelno Interaktivno Modeliranje i Simulaciju. Naravno, kada se radi o simuliranju jednostavnijih sistema, onda simuliranja poslovnih procesa ne služe samo kao alat za razvoj konceptualnog razmišljanja, već pružaju detaljan uvid u procese i omogućavaju da se istraže i potencijalne mogućnosti van čisto teorijskog domena, te da se ista rešenja i praktično implementiraju. Simulacije se često koriste da bi


___________________________________________________________________________

12

se predvideo ishod određenog scenarija, ali i da se tačno produbi razumevanje određenog procesa.

Programski jezici i simulacioni paketi u upotrebi

Više od stotinu različitih simulacionih jezika je dostupno za potrebe simuliranja i modeliranja. Najveći broj njih su komercijalne prirode a neki su i besplatni. Kao dodatak tome, stotine drugih jezika, lokalno razvijenih po kompanijama u ovome poslu i univerzitetima, su takođe u upotrebi. Po ovom pitanju postoje tri generička izbora [16]:

- kreiranje modela u jeziku opšte namene - kreiranje modela u simulacionom jeziku opšte namene - kreiranje modela putem simulacionih paketa specijalizovane namene

Iako se programski jezici opšte namene kao što su FORTRAN, C++, Visual Basic, JAVA ili Pascal mogu koristiti, oni se danas veoma retko koriste. Korišćenje simulacionih paketa opšte ili specijalne namene ima niz prednosti u smislu lakoće, efektivnosti i efikasnosti korišćenja. Neke od prednosti korišćenja simulacijskih paketa su [16]:

- smanjenje obima programiranja - pružanje konceptualnih smernica - povećanja fleksibilnost pri promeni modela - manje grešaka u programiranju - automatsko prikupljanje statističkih podataka

Cilj svakog simulacionog paketa je da premosti jaz između korisnikove konceptualizacije modela i izvršne forme modela (računarska implementacija modela). Simulacioni paketi se najčešće dele u dve kategorije: a) simulacioni jezici opšte namene i b) simulacioni paketi specijalne namene. U prvu kategoriju se spadaju oni kojima se može razrešiti gotovo bilo koji problem diskretnih simulacija. Najpoznatiji među njima su: ARENA®, AweSim®, GPSS/H™, Simscript II.5®, Extend™ itd. Neki sistemi se koriste za simulaciju proizvodnje i problema rukovanje materijalom, i predstavljaju specijalizovane pakete. Najistaknutiji među njima su: SimFactory®, ProModel®, AutoMod™, Taylot II® i Witness®, od kojih je poslednji verovatno najpoznatiji, a takođe je u najširoj i najčešćoj upotrebi [16]. Neki drugi su simulacioni paketi su dizajnirani sa namerom da se sa njima obavljaju studije Reinžinjeringa poslovnih procesa (Business Process Reengineering). Poznati paketi iz ove grupe su: BPSimulator™, ProcessModel™, SIMPROCESS®, i Extend+BPR. Vredni spomena su aplikacije za simuliranje u domenu zdravstva - MedModel® i komunikacionih mreža COMNET II.5 [16].


___________________________________________________________________________

13

Modeliranje, simulacije i upravljanje znanjem

Dobro koncipiran model podržan računarskom simulacijom bi predstavljao osnovu za obuku u okviru unapređenja KnoVa faktora kod radnika i menadžera u kompaniji, a takođe bi se uspešno mogao koristiti na visokim školama kako za učenje tako i za upoznavanje sa sistemima u kojima će jednoga dana studenti raditi. Iz navedenog se može izvesti zaključak da bi pravilan spoj koncepata Upravljanja znanjem i Računarskih simulacija i modeliranja u poslovnim procesima bio dobitna kombinacija, kako u akademskim krugovima, kao nastavni predmet ili kao naučni metod izučavanja poslovnih procesa, tako i u samoj privredi, kao sredstvo ne samo unapređenja i već deljenja već postojećeg znanja što i jeste jedan od osnovnih koncepata Upravljanja znanjem, a samim tim i Poslovne inteligencije. Predavači ili iskusni menadžeri bi uz pomoć eksperata modelirali sisteme, na osnovu njih bi se pravile simulacije, i na njima bi vežbali studenti ili zaposleni, te bi se na taj način znanje veoma efikasno širilo i oplemenjivalo. Pri tome valja istaći da osim prenesenog znanja putem modela, takođe dolazi i do stvaranja novih znanja jer simulacije omogućavaju nebrojeno ponavljanja i isprobavanja novih scenarija, kojih čak ni kreatori modela nisu bili svesni.

Poslovno modeliranje i simulacije

Poslovno modeliranje i simulacije (Business M&S) su takođe poznate pod imenom Sistemi podrške odlučivanju (Decision Support Systems) ili kao Inženjering preduzeća (Enterprise Engineering), i kao takve mogu biti definisane kao sistem poslovnih nastojanja u okviru određenog okruženja stvorenog da bi se pružili proizvodi i usluge klijentima [9]. Većina preduzeća su sastavljeni od poslova, procesa, infrastrukture, resursa i znanja. Modeliranje i Simulacije (M&S) može pomoći u istraživanju, dizajniranju i implementiranju rešenja kompleksnih poslovnih situacija kao što je optimalno alociranje retkih resursa u isto vreme uzevši u obzir stohastička i loše postavljena okruženja. Da bi se razrešili višedimenzionalni kompleksni problemi poslovnih procesa i okruženja potrebno je sastaviti multidisciplinarne timove koji poseduju stručnost u oblastima operativnog menadžmenta, operativnog istraživanja, industrijskog inženjeringa, modeliranja i simulacija, marketinga, ekonomije, nauke o odlučivanju i matematike. Ovaj problem se najlakše savladava implementacijom metodologija Poslovne inteligencije, konkretno putem koncepata Upravljanja znanjem, a na prvom mestu zahtevom za deljenjem znanja, koje će se koristiti za ostvarenje uspeha cele kompanije i podizanja KnoVa faktora, a samim tim i do stvaranja radnika znanja na celokupnom nivou, umesto stvaranja zasebnih krugova moći koji čuvaju svoja znanja i iskustva za sebe. Neka od osnovnih oblasti istraživanja su [9]:

1. Modeliranje i simulacije u Inženjeringu proizvodnog preduzeća (M&S-MEE) koje se bavi istraživanjima dizajniranja, planiranja i kontrole operacija u proizvodnom preduzeću.


___________________________________________________________________________

14

2. Modeliranje i simulacije u Operativnom menadžmentu (M&S-OR) koje se bavi istraživanjima progresa u strukturi i osobinama modela i procedura dobijenih iz proučavanja operacija.

3. Modeliranje i simulacije u Inženjeringu preduzeća (M&S-SEE) koje se bavi

istraživanjima dizajniranja, planiranja i kontrole operacija i procesa u komercijalnim i institucionalnim uslužnim preduzećima.

Tri moda praktičnih izvedbi simulacija

Jedna od podela simulacija na koju nailazimo u literaturi [17] je podela po modalitetima prakse u simulaciji, i podrazumeva: 1. simulacije kao softverski inženjering 2. simulacije kao proces društvene promene 3. simulacije kao olakšice (ili kao sredstvo u debati) Simulacije kao softverski inženjering su karakteristične za velike projekte, koje sprovode timovi specijalista za modeliranje. Njihov prevashodni cilj u takvim projektima je precizna reprezentacija stvarnog sveta. Ponekad se ovakvi modeli prave i bez konkretnog problema koji treba rešiti pa se tek po završetku modela traži primena za odgovarajuće probleme. U ovom pristupu model se razvija sa namerom da se koristi višekratno, od strane brojnih različitih korisnika, i vrlo verovatno i za različite probleme. Model potvrđuju sami modelari, a umešanost krajnjih korisnika je minimalna. Zbog ovih osobina, preovlađujuća veština potrebna za ovakvo modeliranje je veština u razvoju softvera [17]. Simulacije kao proces društvene (socijalne) promene su simulacione studije u kojima je uloga modelara simulacije da pomogne korisniku simulacije da bolje sagleda i obavlja svoj posao. Ovakvi projekti obično traju nekoliko nedelja, obavlja ih jedan modelar koji blisko sarađuje sa klijentom da bi se sagledala suština problema i pronašli načini da se isti uklone. Moglo bi se reći da modelar u ovom slučaju zapravo ima ulogu konsultanta. Prevashodni cilj ovakvih simulacionih projekata je razumevanje i rešavanje problema. U osnovi ova vrsta modela je za jednokratnu upotrebu jer je najčešće svaki problem jedinstven. Validnost modela potvrđuje modelar zajedno sa krajnjim korisnicima. Preovlađujuće potrebna veština za modelara je poznavanje procesa modeliranja, pre nego veštine u razvoju softvera [17]. Upotrebom ovog modela se značajno podiže nivo kvaliteta usluga i proizvoda a takođe deli i unapređuje znanje, što je osnovna pretpostavka kvalitetnog Upravljanja znanjem. Simulacije kao olakšice ili sredstvo u debati se mogu posmatrati kao poseban, naročito izražen slučaj ranije spomenutog procesa socijalne promene. U ovoj vrsti projekta model se razvija i koristi u interaktivnom smislu na grupnim sastancima kao sredstvo za razumevanje stvarnog sveta i zarad podsticanja diskusija u cilju unapređenja simuliranog sistema. Preciznost modela nije od velikog značaja sve dok model služi svojoj svrsi pomoćnog sredstva. Osnovna motivacija je razumevanje i provociranje debate o problematičnoj situaciji zato što su često i sama pitanja na koja treba odgovoriti veoma nedefinisana.


___________________________________________________________________________

15

Valjanost modela se ocenjuje prvenstveno na osnovu toga da li je koristan sa malo obzira prema preciznosti. Rezultati i stečena saznanja se ne dobijaju iz rezultata samog modela koliko iz debate koja se odigrava tokom samog procesa modelovanja. Ovakva vrsta kreiranja modela prouzrokuje brojne iteracije između učesnika u procesu i zahteva od modelara veliku veštinu u upravljanju procesima [17]. Zbog toga bi se ovu vrsta simulacija mogla klasifikovati i pod nazivom „simulacije kao sredstvo učenja“. Ova vrsta simulacije je dakle izuzetno pogodna za Upravljanje znanjem u smislu distribucije znanja, kao i njegovim podizanjem na viši kvalitativni nivo. Pregledom literature dolazi se do očiglednog zaključka da je mod 1 predominantan u vojnim simulacijama. Najveći broj modela se razvija dugi niz godina, jer je potrebno da model bude prenosiv i iznova korišćen za različite probleme tokom dugog niza godina. Vojni projekti su često veoma skupi i zbog toga su i visoke cene simulacija, kao i dugo vreme potrebno za njihov razvoj, opravdani. Nasuprot ovome, poslovne simulacije se često razvijaju pod (mod 2), kao procesi društvenih promena. Modeli su znatno manji, i potrebno je mnogo kraće vreme i manja sredstva za njihov razvoj. Pretpostavlja se da će se u budućnosti zbog sve bržih računarskih platformi, po sve pristupačnijim cenama, sve više koristiti i mod 3 za razvoj poslovnih simulacija. Ponekad se poslovni modeli izvode i u (mod 1) kao što su na primer detaljni modeli kompanija ili simulacije poslovnih procesa u realnom vremenu [17].

Različiti pristupi modeliranju

U zavisnosti od problema koji se postavlja pred analitičara on treba da odabere osnovne elemente pre nego što počne sa kreiranjem modela i pisanjem računarskog programa. Kako bi pravilno odredio elemente trebalo bi da obrati pažnju na dve stvari:

- priroda samog sistema koji treba simulirati (neki pristupi modeliranju su prikladniji od drugih pristupa)

- priroda studije koja se sprovodi (koji su ciljevi studije, šta je poenta simulacije, koji su očekivani rezultati)

Razmatranjem oba navedena gledišta, dobiće se odgovori na pitanja koliko detalja i koja preciznost su podesne za simulacioni model. Praktične odluke se odnose na [12]: 1) upravljanje vremenom 2) stohastički ili deterministički pristup 3) diskretne ili kontinualne promene 1) sa stanovišta upravljanja vremenom razlikujemo dva pristupa: a) metod „seckanja“ vremena (time slicing) b) metod „sledećeg događaja“ Ova dva pristupa predstavljaju takozvane „okidače“ za napredovanje simulacije i u prvom slučaju izazivaju skok vremena simulacionog sata u pravilnim predefinisanim vremenskim


___________________________________________________________________________

16

razmacima. U drugom slučaju se vreme pomera od događaja do događaja, gde izvršavanja događaja izazivaju pomeranje sata – protok vremena. Ovaj drugi način upravljanja vremenom je zapravo ranije prikazani pristup „trofaznog procesa“ [18]. 2) Sa stanovišta predvidljivosti ponašanja sistem može biti predvidljiv ili nepredvidljiv te stoga možemo kreirati dve vrste modela: a) determinističke b) stohastičke Pri tome pod determinističkim sistemima podrazumevamo sisteme čije je ponašanje u potpunosti predvidljivo. Ako se sistem u potpunosti razume, onda je moguće i precizno predvideti šta će se desiti na izlazu iz modela. Suprotno od toga sistem se smatra stohastičkim ako njegovo ponašanje ne može biti u potpunosti predviđeno, premda može biti okvirno određen [12]. Usled ove osobine stohastičkih sistema, u njihovom simuliranju se koriste distribucije verovatnoće. Primera radi, službenik u banci može posluživati klijente sa prosečnom dužinom trajanja usluge od 5 minuta, ali svako pojedinačno pružanje usluge varira u rasponu od +/- 2 minuta. I pored toga što možemo naslutiti koliko će usluge prosečno trajati, ipak ne možemo sa sigurnošću predvideti koliko će trajati svaka pojedinačna usluga, već samo možemo odrediti verovatnoću da će usluga trajati neko određeno vreme. 3) U simulacija se mogu posmatrati promene sistema iz jednog u drugo stanje kroz promene u odnosu na vreme, pa se modeli mogu podeliti i na [12]: a) diskretne b) kontinualne Promene stanja sistema posmatrano kroz tok vremena bismo mogli najlakše objasniti slikovitim primerom: gradski autobus putuje od stanice do stanice, primajući i ostavljajući putnike na svakoj od njih. Sa stanovišta diskretnih promena postoje vrlo očigledne promene stanja sistema: autobus se zaustavlja na stanici, vrata se otvaraju, putnici ulaze, putnici izlaze, vrata se zatvaraju, autobus ponovo polazi. Pri simulaciji ovog sistema korišćenjem diskretnog modela, vreme koje autobus provodi na putu između dve stanice bi se utvrdilo deterministički ili čak pre na osnovu odgovarajuće distribucije verovatnoće [12]. Međutim, sa stanovišta diskretne simulacije nije potrebno da se prati ceo tok polaska autobusa, ubrzanje, putovanje, kočenje i zaustavljanje na stanici, kao i sve promene ubrzanja i brzine kretanja autobusa. Isto tako, nije potrebno da se prate pojedinačne akcije ukrcavanja ili iskrcavanja putnika. Dovoljno je da sistem prati kao događaj, stanje da je autobus pristigao na stanicu, ili da provodi određeno vreme u putu, kao i koliko je putnika ušlo u autobus ili koliko je izašlo. Kod primene kontinualnog modela na ovaj sistem, promene bi se pratile na drugačiji način: umesto početnih i završnih stanja sistema (autobus putuje, stiže na stanicu, prima i ostavlja putnike, odlazi sa stanice), varijable koje prate navedene promene stanja sistema bi kontinualno menjale svoju vrednost. Varijabla koja prati putovanje autobusa bi, recimo, kontinualno menjala svoju vrednost mereći dužinu pređenog puta ili odstojanje od odlazne


___________________________________________________________________________

17

stanice ili razdaljinu do sledeće stanice, ili bi čak i sadržala informaciju o brzini kretanja autobusa. Varijabla koja prati broj putnika bi menjala vrednost za svakog pojedinačnog putnika koji uđe ili izađe u autobus u trenutku kada on to čini, a ne bi samo pokazivala ukupan broj putnika u autobusu ili brojeve putnika koji su izašli ili ušli. Dakle, ukoliko je potrebno pratiti kontinualne promene u sistemu tada treba upotrebiti kontinualni a ne diskretni model. Ukoliko je odabran kontinualni model, treba uočiti da digitalni računari mogu da rade samo sa diskretnim vrednostima. Usled toga se ne može postići pravo merenje kontinualnih vrednosti, već se u odgovarajućim mnogobrojnim vremenskim razmacima trebaju uzimati uzorci iz merenih kontinualnih promenljivih [12]. Ovaj postupak je poznat pod nazivom „semplovanje“ (sampling), i najčešće pruža dobru aproksimaciju kontinualnih promena. Naučnici koji proučavaju menadžment češće posmatraju sisteme koji se opisuju diskretnim modelima, za razliku od predmeta izučavanja ekonomista, koji modeliraju svoje sisteme putem diferencijalnih jednačina ili pak proizvodnih inženjera, koji konstruišu raznoraznu namensku opremu. Međutim, u praksi se veoma često ova dva modela mešaju i uporedo koriste pa tako i proizvođači mnogih simulacijskih paketa nude diskretni, kontinualni i mešani mod.

Faze u razvoju simulacije

Modeliranje u studijama računarskih simulacija obično podrazumeva [12]: - konceptualno modeliranje - računarsku implementaciju - validiranje - eksperimentisanje. Slično kao i u strukturiranju problema, modeliranje je proces koji se uči i razvija postepeno. Osnovna ideja je da bi se model trebao razvijati postepeno, počevši od jednostavnih aspekata koji se dobro poznaju, napredujući korak po korak prema sveobuhvatnijoj reprezentaciji sistema koji se opisuje. U svakoj fazi, analitičar sprovodi delimičnu validaciju modela i pronalaskom najadekvatnijeg modela postepeno proširuje model dodatnim mogućnostima. Pri tome često se dešava da eksperimenti tokom razvojnih faza pokažu da je modelu potreban dalji razvoj [12]. Pored tehničke strane posla, analitičar se mora upustiti i u projektni deo studije kojim se definiše redosled i način obavljanja zadataka kao i njihov raspored, ako u projektu učestvuje više osoba. Većina velikih organizacija već ima svoje sopstvene procedure za menadžment projekta i one se najčešće sastoje od sledećih elemenata [12]:

- inicijalni pregovori i definicija projekta - menadžment projekta i kontrola - kompletiranje projekta.


___________________________________________________________________________

18

Razvoj konceptualnog modela

Konceptualno modeliranje je ključna faza procesa modeliranja u simulacijama, pa ipak velika većina modelara joj ne posvećuje dovoljno pažnje. Robinson (2004) definiše konceptualno modeliranje na sledeći način: „Konceptualni model je ne-softverska specifična deskripcija simulacionog modela koji se razvija, opisujući ciljeve, ulazne vrednosti, izlazne vrednosti, sadržaj, pretpostavke i pojednostavljenje modela.“ [18][19]. Konceptualno modeliranje prema tome uključuje odabir načina na koji će virtuelni svet simulacije funkcionisati. Law A.M. je smatrao da je za simulacione projekte „najteži aspekt cele studije utvrđivanje odgovarajućeg nivoa detalja modela.“. Međutim i pored toga veoma malo pažnje je posvećeno konceptualnom modeliranju u najvećem broju knjiga. Osnovni razlog za ovo pomanjkanje pažnje je verovatno zbog toga što je konceptualno modeliranje više „umetnost“ nego „nauka“ i usled toga je teško definisati metode i procedure. Kao takva, umetnost konceptualnog modeliranja se uglavnom uči iskustveno [18]. Autori kao što je Robinson predlažu da osnovno pravilo za odluku o tome šta treba uključiti u model bude korišćenje minimalnog broja komponenti potrebnih da se postigne cilj projekta. Ovakav princip modeliranja takođe podržavaju i autori kao što npr. su Pidd, Ward i Salt [19].

Kompleksnost simulacija

Mnogi autori i praktičari modeliranja i simulacija zastupaju stav da je kompleksnost simulacija njihov sopstveni najveći neprijatelj [20]. Nadalje, uočava se da profesionalci u simulacijama prihvataju trend smanjivanja kompleksnosti i da, ukoliko se ne može pojednostaviti kompleksnost modela i simulacije, onda se ona barem mora držati pod kontrolom. Deceniju unazad je primećena tendencija, naročito u industriji softvera, da programski paketi postaju neopravdano i neobuzdano kompleksni što prouzrokuje mnogobrojne probleme od vremena potrebnog za učenja rada na takvim programskim paketima pa do vremena njihovog izvršavanja, njihove efikasnosti uopšte, sklonosti greškama, probleme pri izradi tehničke dokumentacije i sl.

Prednosti i mane korišćenja Modeliranja i Simulacija

1998. god. je Institut industrijskih inženjera (IIE) napravio listu prednosti i mana korišćenja modeliranja i simulacija. Iz ove liste lako se uočava zašto mnogi biraju da upotrebe R&S na istraživanja i obuku. Navodimo spisak nekih prednosti korišćenja modeliranja i simulacija [9]:

- mogućnost da se izvrši pravilni odabir putem testiranja svakog aspekta predložene promene bez da se obavežu dodatni resursi

- komprimovanje i ekspanzija vremena da bi se dozvolilo korisnicima da ubrzaju ili uspore ponašanje il fenomen u cilju olakšavanja detaljnijih istraživanja

- razumevanje procesa konstruisanjem scenarija i ispitivanjem scenaria izbliza putem kontrole sistema

- istraživanje mogućnosti u kontekstu poslovnih politika, operativnih procedura i metoda bez ometanja aktuelnog ili stvarnog sistema


___________________________________________________________________________

19

- dijagnoza problema putem razumevanja interakcije među promenljivama koje sačinjavaju kompleksan sistem

- identifikovanje ograničenja putem promatranja kašnjenja u procesima, informacijama, materijalima da bi se utvrdilo da li su ograničenja uzroci ili posledice

- razvoj razumevanja kako sistem funkcioniše putem posmatranja pre nego pretpostavke o tome kako će sistem raditi ili kako bi trebao da radi

- vizualizacija plana korišćenjem animacija radi posmatranja kako sistem ili organizacija zapravo radi

- stvaranje konsenzusa za objektivno mišljenje zato što M&S može da pomogne u izbegavanju nejasnoća, nesuglasica, i različitih tumačenja

- priprema za promene odgovarajući na pitanje „šta ako“ u dizajnu ili modifikaciji sistema

- mudro investiranje zato što simulirana studija košta mnogo manje nego stvarni troškovi zamene ili modifikovanja sistema

- bolji trening može biti obavljen jeftinije i sa manje ometanje nego trening na samom poslu ili lokalitetu

- specificiranje zahteva za dizajn sistema koji se mogu modifikovati da bi se postigao željeni cilj.

Validacija i verifikacija rezultata dobijenih simuliranjem

Kompajliranje, izvršavanje i generisanje izlaznih rezultata ne predstavlja potvrdu da su rezultati tačni kao ni da oni predstavljaju realno sistem koji se simulira. Nakon faze modeliranja potrebno je ustanoviti [16]:

a) da li model radi na način na koji je analitičar (modelar) to zamislio i b) da li se model ponaša na način kako se ponaša ili će se ponašati realni sistem

Odgovor na ovo pitanje se dobija putem validacije i verifikacije. Verifikacija ima za zadatak da pokaže da se računarski program (računarska implementacija modela) ponaša na očekivani i nameravani način [16]. Drugim rečima, verifikacija je proces uveravanja da je dizajn modela (konceptualni model) transformisan u računarski model sa dovoljno tačnosti [16]. Validacija ima za zadatak da pokaže da li ponašanje modela korektno reprezentuje ponašanje realnog sistema koji se simulira [16]. Validacija bi se takođe mogla opisati i kao proces osiguranja da je model dovoljno precizan za namenu za koju je stvoren [16].


___________________________________________________________________________

20

Zaključak

Istorija modeliranja i simulacija je poprilično duga, pogotovo ako se uzmu u obzir počeci koji datiraju od modela bojnih polja i ratnih igara antičkog doba. Model je aproksimacija događaja ili realnog događaja i predstavlja centralni element kompleksnog sistema simulacije, koja podrazumeva i prikupljanje podataka, analizu rezultata, prevođenje modela u računarski kod, validaciju i verifikaciju itd. Osnovna namena simulacija je da oponašaju dinamičko ponašanje sistema. Analitičari odnosno modelari, stvaraju modele iz podataka i zbog toga istraživanje događaja ili detalja koji će biti uključeni u studiju slučaja moraju biti dovoljno precizni da omoguće da je model jasan, ali opet da ne bude previše kompleksan, jer što je sistem kompleksniji više će vremena biti potrebno da se sistem napravi, izvršava, otklone greške i utvrdi efikasnost modela, te je usled toga poželjno praviti model što je moguće jednostavnijim. Modelar sistema mora dobro poznavati statističke metode koje se koriste u simulacijama i modeliranju. Takođe mora posedovati sve potrebne veštine i znanja za analiziranje sistema koji je predmet studije ili mora imati tim koji poseduje sve tražene kvalitete. Veoma je važno da se prilikom kreiranja modela prenesu valjani podaci kao ulazi u model, i da se primene odgovarajuće funkcije distribucije verovatnoće. Prilikom analize rezultata neophodno je da oni ne budu pogrešno protumačeni i podvrgnuti neodgovarajućim statističkim analizama. Greške u podacima koji se prikupljaju za ulaze i podatke koji se analiziraju na izlazima mogu ceo model i simulaciju učiniti neadekvatnom. Da bi se uspešno analizirao sistem, simulacija se koristi da bi se isprobali različiti scenariji. Simulacija sama po sebi ne bira najbolji scenario za modelara ili krajnjeg korisnika. Sa pouzdanim modelom, analitičari mogu da razviju hipoteze ili istraživačka pitanja koja zahtevaju posmatranje modela. Model se posmatra putem simulacije i simulacija može biti modifikovana i ponavljana. Često, modeli uključuju sisteme ili kolekcije različitih elemenata koji zajedno proizvode rezultate koji se ne mogu dobiti samo iz elemenata. Analitičar zatim sprovodi analizu simulacija da bi izvukao zaključak, ili da bi verifikovao i validirao istraživanje. Sposobnost da se primene vizualizacije elemenata (VIS/VIMS) i odnosa između elemenata modela olakšava rad sa modelom, kao i razumevanje i prezentaciju modela i to predstavlja primenu koncepta učenja kroz rad. Modeliranje i simulacije su već decenijama unazad nezaobilazno sredstvo pomoći pri odlučivanju, kako u poslovnim procesima tako i u drugim delatnostima, uključujući ali ne i ograničavajući se samo na sledeće oblasti:

- proizvodnja - zdravstvena nega - reinženjering poslovnih procesa - transportni sistemi - nacionalna odbrane i druge vojne primene - edukacija.


___________________________________________________________________________

21

Iz navedenog se može uočiti da simulacije predstavljaju pogodan alat Poslovne inteligencije za implementaciju koncepata Upravljanja znanjem, a posebno za podizanje KnoVa faktora na viši kvalitativni nivo, jer direktno utiču na deljenje i prenošenje znanja i iskustava, zatim na unapređenje proizvoda i usluga kroz bolje razumevanje problema i mogućnost višestrukog rešavanja i sagledavanja problema na nove načine. Imajući u vidu stalan napredak računarske tehnologije u pogledu sve veće brzine i sve nižih cena, u doglednoj budućnosti može se očekivati da će modeliranje i simuliranje postati sve rasprostranjeniji, kao i da će se njima simulirati i rešavati sve kompleksniji sistemi, kao i da će se sve više proširiti i na za sada ne toliko zastupljeno polje društvenih nauka, a samim tim i da će se postići veća integracija sa konceptima Upravljanja znanjem. Samim tim Poslovne simulacije dobijaju još više na značaju kao jednog od alata Poslovne inteligencije i Inteligentnog privređivanja uopšte.


___________________________________________________________________________

22

LITERATURA

[1] R. Tisen, D. Andriesen and F. L. Depre, Dividenda znanja, Novi Sad: Graph style, 2006.

[2] R. D'Aveni, Hypercompetition: Managing the dynamics of strategic manoeuvering, The Free

Press, 1994.

[3] K. Kelly, "New rules for the new economy," Wired, September 1997.

[4] G. Petrash, "Dow's Journey to a knowledge value management culture," European

management journal, August 1996.

[5] N. Bulatović, T. Kaurin and D. Anucojić, "Modeliranje i simulacije kao sistemi podrške u

odlučivanju," in Zbornik radova, Međunarodna Konferencija i Izložba, Vrnjačka Banja, Maj

2011.

[6] J. A. Sokolowski and C. M. Banks, "What is modeling and Simulation?,," in Principles of

modeling and simulation: a multidisciplinary approach, New Jersey, Wiley, 2009.

[7] R. Shannon, Systems Simulation – The Art and Science, Englewood Cliffs, NJ : Prentice-Hall,

1975.

[8] J. Banks, "Introduction to simulation," in Winter Simulation Conference, 2000.

[9] C. Banks, "What is modeling and Simulation?," in Principles of modeling and simulation: a

multidisciplinary approach, New Jersey, Wiley, 2009.

[10] National Science Foundation, "A Report of the National Science Foundation, Blue Ribbon

Panel on Simulation-Based Engineering Science, Revolutionizing Engineering Science through

Simulation," May 2006.

[11] J. Sokolowsky and C. M. Banks, Modeling and Simulation for Analyzing Global Events, NJ:

Wiley, 2009.

[12] M. Pidd, Computer Simulation in Management Science 5e, West Sussex, England: Wiley,

2004.

[13] G. I. Ricki, in Winter Simulation Conference, 2008.

[14] B. Holloks, "Intelligence, innovation and integrity – KD Tocher and the dawn of simulation,"

Journal of Simulation 2, Palgrave Journals, Operational Research Society Ltd., p. 128 – 137,

2008.

[15] M. Bertolino, Numerička analiza, Beograd: Naučna Knjiga, 1977, pp. 1. Bertolino, M., 1977,

Numerička analiza, Univerzitet u Beogradu, Naučna Knjiga, Beograd.

[16] R. Shannon, "Introduction to the art and science of simulation," in Winter Simualtion

Conference, 1998.

[17] S. Robinson, " Modes of simulation practice in business and the military," in 1. Robinson, S.,

2001, Modes of simulation practice in business and the military, in Preceedings ofWinter

Simulation Conference, 2001.

[18] S. Robinson, Simulation: the practice of model development and use, West Sussex : Wiley,

2004.

[19] W. Wang and R. Brooks, "Improving the understanding of conceptual modelling," Palgrave

Journals, Operational Research Society Ltd., pp. 153-158, 2007.

[20] J. Henriksen, "Taming the Complexity Dragon," Journal of Simulation 2, Palgrave Journals ,


___________________________________________________________________________

23

Operational Research Society Ltd., pp. 3-17, 1. Henriksen, J., 2008, Taming the Complexity

Dragon, Journal of Simulation (2008) 2, 3-17, Palgrave Journals , Operational Research

Society Ltd. 1. Henriksen, J., 2008, Taming the Complexity Dragon, Journal of Simulation

(2008) 2, 3-17, Palgrave Journals , Operational Research Society Ltd. 2008.

[21] "Manufacturing resource planning," 26 8 2010. [Online]. Available:

http://en.wikipedia.org/wiki/Manufacturing_resource_planning, 26.08.2010, 14:53h. [Accessed

26 8 2010].

[22] J. Sokolowski and B. C.M., Principles of modeling and simulation: a multidisciplinary

approach, Willey: New Jersey , 2009.

IPEM Seminarski

Documents

Transcript of IPEM Seminarski