Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

Sveuilite u Zagrebu
Fakultet strojarstva i brodogradnje

MODELIRANJE I SIMULACIJE
Ak. god. 2013/2014
Smjer: Inenjerstvo materijala

Zavod za materijale
Prof. dr. sc. Darko Landek

1. UVOD U SIMULACIJSKO MODELIRANJE

Metode opisa fenomena i prikupljanja podataka
Analiza i razumijevanje podataka
Priprema podataka
Definicije modela
Zadaci modeliranja
Svojstva modela
Modeli u tehnikim sustavima
Eksperimentalni i apstraktni modeli

Definicije simulacije

Klasifikacija procesa i modela

Simulacijsko modeliranje

Matematiko modeliranje i simulacije proizvodnih procesa

Matematiko modeliranje ponaanja i svojstava materijala

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.1. Podaci informacije (novo) znanje

Literatura i tehnika dokumentacija

Istraivanje trita
(ankete, WEB stranice,...)
Izvjetaji o ponaanju u proizvodnji
i eksploataciji

Laboratorijska ispitivanja i analize

PODACI

analiza i povezivanje podataka

teorijskim modelima

upotpunjavanje
fonda podataka o poznatim
injenicama i sluajevima

upotreba podataka u
predvianju nepoznatih
injenica i sluajeva

INFORMACIJE

klasifikacija informacija razmatranjem teorijskih

modela i iskustva iz koritenja informacija
Pohrana i prijenos znanja (knjige,
obrazovni sustav, e-knjige, internet,
raunalni programi, ekspertni sustavi)

ZNANJE

Podatak: injenica, fakt. U informacijskim znanostima, injenica na osnovi koje se

oblikuje informacija, te sama ta informacija. U raunalima, podaci se
pohranjuju i povezuju u datoteke te se strukturiraju i obrauju raznim
sustavima obrade baze podataka.

Metode prikupljanja podataka:

1. Ope: opaanje, introspekcija (psihologija), eksperiment, prouavanje
dokumentacije, metoda uzoraka
2. Posebne : anketa, intervju, analiza sadraja

Informacija: obavijest 1. Izvjetaj, priopenje, podatak, novost koju prenosi neki medij;
karakter i. ovisi o vrsti iskaza (zvunom, slikovnom, tekstualnom, mjernom
obliku i sl.). 2. Element znanja ili podatak koji se, zahvaljujui kodu, moe
prenijeti i sauvati (Morseova abeceda, genetski kod i sl.). Teorija
informacija, razvila se 1940-ih god. u vezi s potrebama telekomunikacijske
tehnike, definira kao osnovne veliine jedinicu informacije i koliinu
informacije.
4

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

Znanje: 1. teoretsko i/ili praktino poznavanje nekog podruja ili predmeta;

2. upuenost u neto;
3. spoznaja o neemu,
4. injenice, informacija i vjetine koje je osoba stekla iskustvom ili
obrazovanjem;
5. teoretsko ili praktino razumijevanje nekog predmeta,
6. ukupnost svega poznatog u nekom polju;
7 injenice i informacije,
8 svjesnost ili familijarnost steena iskustvom neke injenice ili situacije.
Filozofske debate openito zapoinju Platonovom formulacijom znanja kao "opravdanog
istinskog vjerovanja". Ne postoji, meutim, opeprihvaena definicija znanja, niti
se neka nazire, i ostaju mnogobrojne natjeue teorije.
Stjecanje znanja involivira sloene kognitivne procese: percepciju, uenje, komunikaciju,
asocijaciju i zakljuivanje.
Termin znanje se takoer koristi za oznaavanje pouzdanog razumijevanja nekog predmeta,
uz potencijalnu sposobnost koritenja za specifinu svrhu.

1.1.1 Primjer: Diplomski rad od podataka do novog znanja

Zadatak rada:
Kako primjena dubokog hlaenja utjee na krivulju poputanja kaljenog brzoreznog elika
PM S390 MC ?

Rjeavanje zadatka izrada rada

1.

PRIKUPLJANJE PODATAKA
1.1 Analiza literature i rezultata
prijanjih pokusa
Informacija o utjecaju
DH za odreene specifine
temperature poputanja, ali
nedovoljno podataka za
cijelu krivulju poputanja

1.2 Provedba vlastitih pokusa

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.1.1 Primjer: Diplomski rad od podataka do novog znanja

1.2 Provedba vlastitih pokusa
Podaci o tvrdoi nakon
kaljenja,
dubokog
hlaenja i poputanja
elika PM S390 MC
prema zadanom planu
pokusa

2.

STVARANJE
INFORMACIJE:
analiza i otkrivanje zakonitosti iz
podataka npr. pomou grafikog
prikaza eksperimentalnih vrijednosti
(, HRC) za razliita polazna stanja
elika
Informacija o utjecaju DH
na krivulju poputanja

1.1.1 Primjer: Diplomski rad od podataka do novog znanja

3.

STVARANJE NOVOG ZNANJA

povezivanje i usporedba informacija iz
vlastitih pokusa s informacijama iz
literature i zakljuivanje o dobivenim
rezultatima, njihovim posljedicama i
tehnikoj primjeni
3.1 Diskusija rezultata i zakljuak o
provedenim ispitivanjima
3.2 Objava rada u pisanoj ili
elektronikoj formi
3.3

Prijenos znanja usmenim

izlaganjem ili posterom

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.1.2 Primjena analize i sinteze zakonitosti iz podataka

Analiza poslovanja, proizvodnje, trita

Analiza poslovnih partnera, stranaka
Predvianje izvanrednih dogaaja
Trgovina, marketing, vojne analize, ...
Znanstvena istraivanja i razvoj:

materijali
proizvodni procesi
medicina (dijagnostika, prognoza, odluivanje)
farmacija (procesi, planiranje lijekova)
genetika (odreivanje funkcija i mree gena)
ekologija, ...

Brojna druga podruja:

internet (npr. Google...), ...
obrazovni sustav (npr. studentska anketa),...

1.1.3 Analiza i razumijevanje podataka

TO ? KAKO ? ZATO ?
to znae pojedinani podaci i njihove vrijednosti?
Da li je ureaj/osoba za prikupljanje podataka pouzdan/uvjeban?
Jesu li podaci toni i precizni? Koliki je um?
Kakva je raspodijela podataka? Da su podaci iz iste raspodjele?
Jesu li podaci meusobno povezani?
Kakva je povezanost ulaznih i izlaznih podatka (varijabli) sustava?
to znae nepoznate vrijednosti?
Je li uzorak podataka statistiki dovoljno velik?
Imaju li podaci isto znaenje? Koji podaci se signifikantno razlikuju?
Ako sastavljamo model predvianja: to elimo predviati i iz ega?
to moemo, a to ne moemo primjeniti u modelu? Zato ne moemo?
10

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.1.3 Analiza i razumijevanje podataka

Primjer 1.
a) Precizni ali netoni podaci mjerenja elektrinog napona

b) Toni ali neprecizni podaci

mjerenja elektrinog napona
Tona vrijednost

11

1.1.3 Analiza i razumijevanje podataka

Primjer 2.
Pogreka raunske veliine c, ako su poznate pogreke mjerenja veliina a i b

Raunska veliina, c

c c

c
c

Apsolutna pogreka

Relativna pogreka

12

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.1.3 Analiza i razumijevanje podataka

Primjer 3.
Prilagoavanje normalne razdiobe f(xi) skupu eksperimentalnih podataka xi
f(x)

Normalna (Gauss-ova) razdioba

13

1.1.3 Analiza i razumijevanje podataka

Primjer 4
Izbor matematikog modela ovisno o grupiranju eksperimentalnih rezultata i koeficijentu
korelacije (r)

14

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.1.3 Analiza i razumijevanje podataka

Primjer 5
Primjeri polinomnih regresijskih modela za eksperimentalne rezultate s r > 0,95

Parabolni model (II. reda)

Linearni model

15

Hiperbolni model

Parabolni model (III. reda)

1.1.3 Analiza i razumijevanje podataka

Primjer 6
Ovisnost modula elastinosti o gustoi metalne aluminijske pjene

Koji matematiki model izabrati za konkretnu metalnu pjenu ?

16

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.1.4 Otkrivanje zakonitosti iz podataka

otkrivanje zakonitosti iz podataka

strojno
uenje

statistika

vizualizacija

17

1.1.4 Otkrivanje i tumaenje zakonitosti iz podataka statistikim metodama

Primjer 1.
odreivanje ovisnosti
debljine boridnog sloja
o temperaturi i trajanju
boriranja regresijskom
analizom (MS Excell
2003, linearna
regresija)

Tablica 1. Debljine boridnog sloja na eliku AISI H13 u ovisnosti o

temperaturi i trajanju boriranja
DEBLJINA SLOJA, [m]
AISI H13

1h

3h

5h

T1=1073 K

11

T2=1173 K

15

24

30

T3=1273 K

48

65,6

76

Jednadba izvedena
iz matematikog
modela difuzijskog
rasta boridnog sloja:

d = K0(T) t = K(T)t
Regresijska jednadba iz
analize postignutih debljina
boridnog sloja:

?
d* = K * t + const.
Slika 1. Dijagram ovisnosti debljine sloja o trajanju boriranja elika AISI H13 (W.Nr. 1.2343)

18

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.1.4 Otkrivanje zakonitosti iz podataka strojnim uenjem

Primjer 2.

Kontinuirani TTT dijagram

analiza
podataka
neuronskom
mreom

Izotermiki TTT dijagram

Analogija biolokog neurona i umjetne neuronske mree

Predvianje izotermikog TTT dijagrama primjenom neuronske mree

( __ eksperimentalni podaci; ,,... krivulje izraunate primjenom neuronske mree)

19

1.1.4 Otkrivanje zakonitosti iz podataka strojnim uenjem

Prikaz iz raunalnog programa Mat-World za predvianje kontinuiranih TTT

dijagrama elika na temelju rezultata uenja neuronske mree

20

10

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.1.4 Otkrivanje zakonitosti iz podataka strojnim uenjem

Primjer 3.
analiza podataka
genetikim
algoritmom

Optimalna putanja robota u prostoru sa

zadanim preprekama

Optimalna putanja s najmanje udaljenosti kao rjeenje problema trgovakog

putnika koji treba samo jednom obii 25 sluajno smjetenih trgovina u
zadanom prostoru 100 x 100 km

21

1.1.4 Otkrivanje zakonitosti iz podataka

Statistika
matematika disciplina
ogranien izbor modela (po znaajnosti, ne po broju!)
zna provjeriti unaprijed sastavljene hipoteze, ne zna ih sastavljati

Strojno uenje
neuronske mree, genetiki algoritmi, genetiko programiranje
zamreniji modeli (po izraajnosti, ne po tumaenju ili provedbi)
sastavlja (trai) hipoteze, ne zna ih provjeriti

Vizualizacija
prikazuje podatke na ovjeku razumljiv oblik (tablice, dijagrami, karte
svojstava, crtei, mape, sheme, animacije, raunalne simulacije, virtualna
stvarnost)
ne sastavlja modele i ne provjerava ih
najprostija, najuinkovitija i najlake zavaravajua tehnika
22

11

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.1.5 Osnova naela priprema podataka

Koji atributi nas zanimaju?
Odstrani atribute, koji nisu povezani s problemom
Odstrani atribute, koje nije mogue upotrijebiti
Odstrani atribute, koji su nepouzdano mjereni, imaju previe
manjkavih vrijednosti...
Po potrebi odstrani duplikate atributa
Moemo li odgonetnuti nepoznate ili pogrene vrijednosti?
Umjesto nepoznatih vrijednosti umetnimo najvjerojatnije vrijednosti
ili vrijednosti predskazane iz drugih vrijednosti
Pogrene vrijednosti lako otkrijemo vizualno
Koji primjeri nas zanimaju?
Odstrani nerelevantne primjere
Odstrani nepouzdane primjere (um, manjkajue vrijednosti)
Uvijek oblikuj im objektivniji kriterij odabira ispred odabiranja.
23

1.2 Modeli i modeliranje

Definicije modela
Zadaci modeliranja
Svojstva modela
Ocjenjivanje modela

Osnovne vrste modela

Modeli u tehnikim sustavima
Eksperimentalni i apstraktni modeli
Osnovne vrste procesa u tehnikim sustavima
24

12

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.2.1 Definicije modela

Model je ....
svjesno konstruirana predodba stvarnosti, oponaanje;
uzorak, predodba, obrazac po kojem se neto planira ili radi;
nadomjestak nekog konkretnog sustava ili objekta (opreme);
reprodukcija ili shema (ureaja, stroja, graevine...); za razvoj
objekata ili procesa (poveanih, umanjenih ili u prirodnoj
veliini);

idealizacija kojom se najee uzima u obzir povezanost malog

broja najutjecajnijih imbenika;

idealizirani (simboliki) objekt ili koncept u kojem je realnost

prenesena u neki upotrebljiv i razumljiv oblik.
25

1.2.1 Definicije modela

Model je ....
zapis kojim se odnosi izmeu procesnih veliina,
geometrijskih i fizikalnih svojstava prostora u kojem se odvija
proces preslikavaju u matematiku strukturu;
matematikim simbolima opisana hipoteza o tijeku i
svojstvima promatranog procesa

pojednostavljeni opis nekih aspekata realnog objekta ili

fizikalnog sustava s namjerom da se obuhvate bitni aspekti
sustava u to je mogue jednostavnijem obliku i da se po
mogunosti matematiki rijee u cilju razumijevanja,
optimizacije, predvianja ponaanja ili voenja sustava.

26

13

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.2.2 Zadaci modeliranja

Svrha primjene modela:

Predodba ideja, ovisnosti i sl.

Objanjenje stanja, fenomena
Uvid u ponaanje nekog sustava
Predvianje ili prognoziranje stanja ili ponaanja sustava
Analize varijantnih rjeenja objekta ili procesa u fazi projektiranja
Regulacija rada ili voenje sustava
Optimiranje strukture, ponaanja i funkcije sustava traenje optimalne
varijante. (optimum najpovoljnije u postojeim uvjetima)
Skraenje vremena rjeavanja problema nakon postavljanja i simulacije
modela
Uteda na eksperimentiranju u realnom svijetu

27

1.2.3 Svojstva dobrog modela

Preslikavanje: model je uvijek slika izvornika, tj. mora predstavljati
bitne karakteristike izvornika i omoguiti zakljuivanje o njegovim
svojstvima.

Analogija: izvornik i model moraju biti matematiki analogni.

Smanjenje i pojednostavljenje: model mora biti to jednostavniji, jer

je razvoj univerzalnog modela nemogu, a razvoj prekompleksnog
modela nepraktian i neekonomian.
Pragmatinost: model mora predstaviti nae znanje o izvorniku u
primjerenom obliku (najrazumljivijem korisniku) na prenosivim
medijima (papir, raunalni zapis).

28

14

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.2.3 Svojstva dobrog modela

Preslikavanje

Primjer raspodjele temperaturnog polja u disku konice 1,8 s nakon

naglog koenja primjer preslikavanja geometrije konice, rubnih i
29
poetnih uvjeta u raunalni model

1.2.3 Svojstva dobrog modela

Analogija
L

c
m

F(t)

e (t)

d y
m
c y ky F ( t )
dt

Masa m
Konstanta opruge 1/k
Priguenje c

analogije

di
1 t
Ri
idt e ( t )
dt
C 0
Indukcija L
Kapacitet C
Otpor R

Primjer preslikavanja i analogije mehanikog i elektrinog sustava

kao podloge za modeliranje i simulaciju
30

15

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.2.3 Svojstva dobrog modela

Smanjenje i pojednostavljenje

3D matematiki model
(1 zub zupanika)

3D matematiki model
(cijeli zupanik)

2D matematiki
model (presjek zuba)

Primjer pojednostavljenja u matematikom modelu za odreivanje

zaostalih (uzdunih) naprezanja u zupaniku nakon cementiranja
31

1.2.3 Svojstva dobrog modela

Aerodinamiki (fiziki)
model vakuumske komore

2D matematiki
model vakuumske
komore

3D matematiki model
vakuumske komore

Primjer izrade matematikog i fizikog modela radne komore u

suvremenoj vakuumskoj pei

32

16

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.2.4 Ocjenjivanje modela

Tonost modela
Koja je tonost podatka prihvatljiva?
Da li su podaci izraeni u istom sustavu mjernih jedinica?
Kakva je propagacija pogreaka (raunanja i zaokruivanja)?

Stabilnost modela
Kako se model ponaa u graninim i ekstremnim situacijama?
Kako model prihvaa standardne promjene vrijednosti podataka?
Kako model prihvaa sluajne smetnje i umove?

Upotrebljivost modela
Je li model upotrebljiv u praksi?
Je li za to dovoljno precizan ili je previe pojednostavljen?
Pretskazuje, to trebamo a to imamo?

Smislenost modela
Je li model sukladan s prije poznatim djelovanjima i zakonitostima?
Ako nije - zato:
pogreni podaci ?
pogrena interpretacija modela ?
33
pogrena znana djelovanja i zakonitosti?

1.2.5 Elementi tehnikog sustava

Primjer elemenata i organizacije (blok shema) tehnikog sustava

34

17

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.2.5 Elementi tehnikog sustava

Serijska veza

Povratna veza

Paralelna veza

Centralizirane veze

Kombinirana veza

Decentralizirane veze

Osnovni tipovi funkcijskih veza elemenata tehnikog sustava

35

1.2.6 Modeli u tehnikim sustavima

(EKSPERIMENTALNI)

(TEORIJSKI)

36

18

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.2.7 Eksperimentalni i teorijski modeli u tehnikim sustavima

EKSPERIMENTALNI
(FIZIKI) MODELI

APSTRAKTNI (TEORIJSKI ) MODELI

identifikacija svojstava i tehnikih

karakteristika

(matematiko) modeliranje

postavljaju se eksperimentom uz
primjenu mjerenih signala ulaza i izlaza
stvarnog procesa i njegovog modela;
greku izmeu veliina stvarnog procesa
i njegova modela treba uiniti to
manjom (promjenom parametara ili
strukture modela).

postavljaju
se
teoretskim
razmatranjima
uz
primjenu
osnovnih
prirodnih
zakona
ouvanja mase, energije i koliine
gibanja;

OKOLI

SUSTAV

Q>0

W>0

Granica sustava

m = konst.
Q<0

W<0

37

1.2.7 Eksperimentalni i teorijski modeli u tehnikim sustavima

EKSPERIMENTALNI MODELI
zahtijevaju
pretpostavljanje
strukture unaprijed;
reproduciraju samo veze ulaza i
izlaza (model tipa crne kutije);
daju parametre koji su brojani
podaci nepovezani s fizikalnim
veliinama;
vrijede samo za konkretnu
kombinaciju radnih parametara u
konkretnom procesu u kojem je
izvedeno mjerenje;

TEORIJSKI MODELI
imaju strukturu izgraenu na temelju
prirodnih zakona (i eventualno nunih
aproksimacija u fazi formalnog
zapisa)
reproduciraju veze izmeu ulaznih,
izlaznih i internih varijabli procesa;
imaju parametre izravno povezane s
fizikalnim veliinama, svojstvima
materijala i karakteristikama procesa;
upotrebljivi su za niz kombinacija
radnih parametara procesa i sline
procese (ali esto s nepotpunim
podacima o veliinama procesa);
38

19

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.2.7 Eksperimentalni i teorijski modeli u tehnikim sustavima

EKSPERIMENTALNI MODELI

TEORIJSKI MODELI

mogu se postaviti samo na

postojeim
ureajima
i
postrojenjima;

mogu se postaviti i analizirati u fazi

planiranja i projektiranja procesa ili
proizvoda ;

primjenjuju se kad nisu poznati

ili matematiki opisivi interni
procesi u promatranom sustavu;

mogu se primijeniti samo ako su

poznati i matematiki opisivi svi bitni
interni procesi;

jednom pripremljen program za

prikupljanje i obradu rezultata
mjerenja moe se lako i brzo
primijeniti na razliite proces.

za novi proces postavljaju se svaki put

iz poetka i na njih se uobiajeno
mora
utroiti vie vremena za
pripremu od pripreme za postavljanje
eksperimentalnih modela.

Obje vrste modela se meusobno nadopunjuju !

39

1.2.8 Osnovne vrste procesa u tehnikim sustavima

40

20

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.2.8 Osnovne vrste procesa u tehnikim sustavima

LINEARNI NELINEARNI (prema meusobnoj povezanosti varijabli);

u1, u2

Primjeri linearnih procesa

y1, y2

Kod linearnih procesa vrijedi princip superpozicije !

41

1.2.8 Osnovne vrste procesa u tehnikim sustavima

KONTINUIRANI ISPREKIDANI DISKRETIZIRANI)

(prema nainu promjene parametara tijekom vremena postojanja procesa);
2. Diskretizirani procesi

1. Kontinuirani procesi

zavisna
varijabla

z a v is na
va r ija b la

vr ije m e

3. Kontinuirano-diskretizirani procesi

dogaaj

vrijeme

zavisna
varija bla

vr ije m e
do gaaj

42

21

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.2.8 Osnovne vrste procesa u tehnikim sustavima

VREMENSKI NEPROMJENJIVI PROMJENLJIVI

(prema ovisnosti parametara procesa o vremenu);
u(t)

Promjena izlazne varijable kod vremenski nepromjenjivog i

vremenski promjenjivog procesa

y(t)

43

1.2.8 Osnovne vrste procesa u tehnikim sustavima

KONCENTRIRANI RAZDIJELJENI PARAMETRI (prema

ovisnosti parametara procesa o prostornim koordinatama);

Prostorno koncentrirani procesi

Prostorno raspodijeljeni procesi

44

22

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.2.8 Osnovne vrste procesa u tehnikim sustavima

DETERMINISTIKI STOHASTIKI
(prema stupnju jakosti veza izmeu varijabli procesa);
u(t)

y(t)

Vremenski tijek izlazne varijable deterministikih i stohastikih procesa

45

1.3 Simulacije i simulacijsko modeliranje

OPIS
FENOMENA
Procesa,
Objekta,
Sustava

RAZVOJ
MODELA

Logika,podaci,
znanje

SIMULACIJA

Metode, raunalni
jezici i alati

Sustavni pristup modeliranju i simulacijama

46

23

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.3.1 Definicije simulacije

Simulacija je:
oponaanje stvarnih pojava u svrhu njihova ispitivanja koje se
obavlja se na modelima zbog jednostavnije, jeftinije, sigurnije ili
jedino mogue izvedbe;
tijek specijalnog programa (raunalna simulacija), kojeg je
rezultat vremenski odziv modela i opis ponaanja modeliranog
procesa;
metoda, koja omoguuje prouavanje ponaanja sustava
eksperimentiranjem na prikladnom modelu u realnom,
skraenom ili produljenom vremenu;
metoda, koja omoguuje zamjenu realnog procesa s
jednostavnim i jeftinim raunalom, na kojem je mogue
eksperimentiranje bez rizika uz ilustrativne rezultate.
47

1.3.2 Simulacijsko modeliranje

Ne postoji jedinstvena, jaka definicija simulacijskog modeliranja.
Jedna od moguih definicija glasi:
Simulacijsko modeliranje i simulacije predstavljaju irok skup
aktivnosti vezanih uz izgradnju modela nekog realnog sustava i
njegove simulacije - uobiajeno primjenom raunala.
Problemi
Deterministiki
Stohastiki

Metode
Deterministike
Numerika analiza
Proraun vjerojatnosti

Stohastike
Monte Carlo metoda
Simulacijske tehnike

Primjer popularnih komentara vezanih uz simulacijsko modeliranje:

You Cannot Study a System by Stopping It
dinamike sustave nuno je promatrati u gibanju;
Run it again.
stohastiki sustavi zahtijevaju planiranje pokusa i ponavljanje simulacija;
Is that some kind of game youre playing?
simulatori leta zrakoplova, dugometrani filmovi, raunalne igre, ...
48

24

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.3.2 Simulacijsko modeliranje

Prednosti:

Nedostaci:

provjera modela u kratkom

vremenu;

simulacija ne moe dati

tone rezultate ako su ulazni
podaci pogreni;

primjena specijaliziranih
raunalnih programa - ne
zahtijeva se visokostruno
znanje numerikih metoda i
programiranja
jednostavna (vizualna,
animacijska) demonstracija
modela.

rjeenja sloenih problema

uobiajeno su sloena;
simulacija ne moe
otkloniti problem, ve samo
ukazati na njegovo rjeenje.

49

1.3.2 Simulacijsko modeliranje

Realni
sustav

Model
(apstraktni,

Pokusi
na modelu

matematiki,)

Preslikavanje

Implementacija
rezultata u
realni sustav

Provjera
rezultata
(verifikacija,
validacija)

Osnovne faze simulacijskog modeliranja

50

25

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.3.2 Simulacijsko modeliranje

Dobar raunalni znanstvenik trebao bi imati neke od sljedeih
sposobnosti:
Teorijski razviti nove pristupe i rjeavati nove probleme;
Primijenjeni matematiar, sposoban prevesti teoriju u
matematiki oblik prikladan za razvoj na raunalu;
Raunalni znanstvenik/programer treba napisati novi kod ili
promijeniti postojei u skladu s stanjem softvera i hardvera;
Eksperimentator treba biti sposoban odabrati i definirati
bitan dio modela za eksperimentiranje koji dovodi do
verifikacije fizikalnog fenomena;
Vrlo zahtjevne zadae!
51

1.4 Simulacijsko modeliranje proizvodnih procesa i

procesa u materijalu

Matematiko modeliranje i simulacije

proizvodnih procesa

Matematiko modeliranje ponaanja i

svojstava materijala

52

26

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.4.1 Simulacijsko modeliranje proizvodnih procesa

Ciljevi:
- poveanje proizvodnosti,
ekonominosti, kvalitete
proizvoda;
- smanjenje utroka materijala,
energije, vremena obrade,
jedininih trokova obrade;
- regulacija i/ili voenje
proizvodnih postupaka ili
tehnikih sustava;
- znanstvena istraivanja.

Aktivnosti :
- simulacije varijantnih rjeenja,
analize i prognoziranja stanja
procesa u fazi projektiranja;
- definiranje matematikih modela za
optimizaciju procesa i traenje
optimalnih rjeenja;
- definiranje
modela
voenja
pojedinog proizvodnog procesa ili
itavog tehnikog sustava;
- razvoj i primjena eksperimentalnih
metoda u proizvodnim postupcima i
sustavima kao osnove za definiranje
stohastikih modela i provjeru
analitikih i numerikih modela;
53

1.4.1 Simulacijsko modeliranje proizvodnih procesa

54

Konvencionalni (a) i suvremeni-optimizirani (b) proces obrade

27

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

1.4.2 Simulacijsko modeliranje ponaanja i svojstava materijala

Jedan od glavnih ciljeva projektiranja materijala je postizanje optimalne mikrostrukture i svojstava
tijekom izrade proizvoda i zaustavljanje njihovog daljnjeg mijenjanja tijekom eksploatacije.

55

56

28

Fakultet strojarstva i brodogradnje

2013/2014

Modeliranje i simulacije

57

1.4.2 Simulacijsko modeliranje ponaanja i svojstava materijala

Metode
kontinuuma

Razine modeliranja
Inenjerstvo

Vrijeme,s

100
Metode atomskih
simulacija

(ms) 10-3

Mezoskale metode

Materijali

Termodinamika
Metoda konanih
elemenata

(s) 10-6
Semi-empirike
metode

Kemija

(ns) 10-9

(ps) 10-12

Monte Carlo
Molekularna dinamika

Ab initio

Fizika

metode

Tijesne veze

(fs) 10-15

10-10

10-9
(nm)

10-8

10-7

10-6

10-5

10-4

(mm)

Duljina, m

58

29