Predavanje 1

Uvod u simulaciju

Simulacija se odnosi na širok skup metoda i tehnika koje se koriste za oponašanje stvarnih
sistema. Zahvaljujući razvoju tehnike, a posebno računarskih i upravljačkih sistema, simula-
cija se poslednjih godina sve više primenjuje u različitim oblastima, počevši od simulacije rada
proizvodnih pogona, banaka, osiguravajućih društava, prodajnih objekata, preko simulacije le-
tenja, vožnje, pa sve do simulatora sportskih igara, borbi i sl. u video igricama.

Simulacija omogućuje da se ponašanje sistema kao celine predvidi tako da se mogu dobiti
potrebne informacije. Pored toga, korišćenjem simulacije može se obučiti osoblje bez ometanja
rada stvarnog sistema što je posebno značajno kada je eksperimentisanje sa stvarnim sistemom
nemoguće ili neekonomično.

1.1 Kompjuterska simulacija

Definicija 1.1.1 Simulacija [1] je tehnika imitiranja ponašanja nekog sistema (ekonomskog,
mehaničkog, računarskog, itd.) pomoću analogne situacije, modela ili aparata sa ciljem da se
dode do odredenih informacija ili u svrhu obučavanja osoblja.

Definicija 1.1.2 Simulator [1] je aparat koji se koristi za reprodukovanje ponašanja nekog
sistema koji daje iluziju korisniku da radi sa stvarnim sistemom.

Simulacija je prilično opšt termin jer se ona primenjuje u mnogim poljima i industrijama.
Svaki simulator se kreira tako da služi u specifične, najčešće ograničene svrhe. Na primer, za
obučavanje osoblja bez ometanja rada stvarnog sistema i uz minimizaciju troškova (npr. simu-
lacija letenja) ili za teleoperacije u okruženjima koja su štetna za čoveka (npr. u nuklearnim
elektranama) koriste se mehatronski simulatori. Uloga ovih simulatora je da operateru obez-
bede iskustva/opažanja koja su ista sa iskustvima koja bi operater imao u realnom svetu.

Kompjuterska simulacija se odnosi na metode proučavanja širokog spektra modela realnih

sistema pomoću numeričke evaluacije korišćenjem softvera kreiranog tako da imitira rad sistema
ili neke njegove karakteristike u toku vremena. S praktičnog stanovišta, simulacija je proces
kreiranja kompjuterskog modela realnog ili predloženog sistema sa ciljem izvodenja numeričkih
eksperimenata koji treba da daju bolje razumevanje ponašanja modeliranog sistema za dati
skup uslova. Iako se kompjuterska simulacija može koristiti i za proučavanje rada jednostavnih
sistema, njena snaga naročito dolazi do izražaja pri proučavanju kompleksnih sistema.

1
Ž. Jakovljević, Kompjuterska simulacija u automatizaciji proizvodnje - izvodi sa predavanja 2

1.2 Ciljevi i svrha simulacije

Motivacija za kreiranje simulacije je najčešće ekonomske prirode, mada ne treba zanemariti ni
efekte koje pojedini dogadaji mogu imati u odnosu na životnu sredinu i zdravlje ljudi. Najčešći
razlozi za sprovodenje simulacije se mogu svrstati u sledeće grupe:

Procena performansi sistema u uobičajenim i neuobičajenim scenarijima: Često je nemoguće

proceniti performanse promenljivih ili kompleksnih (ili oboje odjednom) sistema; Simulacija
može biti neophodna ukoliko se rutinski rad sistema koji se razmatra ne može prekinuti bez ne-
gativnih posledica (npr. provera efekata zanavljanja ili proširenja kapaciteta delova proizvodne
linije dok je rad u toku); Postoje slučajevi kada se modelira ekstremni scenario koji je potrebno
izbeći po svaku cenu (npr. havarija u jezgru nuklearnog reaktora) ili kada je jednostavno ne-
moguće igrati se sa realnim sistemom.

Predvidanje performansi sistema koji se kreira: Kada se projektuje novi sistem (npr. lejaut fa-
brike) često je daleko jeftinije i sigurnije izvršiti simulaciju nego kreirati realni sistem ili njegov
prototip.

Rangiranje i analiza prednosti i mana različitih projekata: Ovaj slučaj je sličan prethodnom,
samo su ekonomski efekti još značajniji (npr. pitanje kom ponudaču prepustiti izradu skupog
projekta).

Pomoć menadžmentu u svakodnevnom radu: Terminiranje proizvodnje, scenariji u slučaju ot-

kaza mašina, razumevanje rada sistema...

U suštini, korišćenjem simulacije niko se ne može povrediti, troškovi su relativno mali, a sloboda
u isprobavanju širokog spektra novih ideja može otkriti atraktivne alternative koje nikada ne
bi mogle biti isprobane u realnom sistemu.

Simulacija je našla primenu u rešavanju velikog broja problema, a naročito u:

• Proizvodnim sistemima, na primer pri projektovanju proizvodnih linja ili lansiranju serija
(npr. koliku seriju lansirati i kada)

• Javnim sistemima: zdravstvo, vojska, prirodni resursi, na primer raspodela antibiotika,

vakcina i sl. u različite ustanove; koliki kapacitet treba da ima hitna služba i sl.

• Transportnim sistemima i komunikacijama, na primer koliki kapaciteti treba da budu na

terminalima na aerodromima; kako organizovati sletanje i poletanje aviona...

• Gradevini

• Merenju performansi kompjuterskih sistema

• Uslugama (bankarstvo, ugostiteljstvo, industrija zabave...), na primer koliko šaltera pos-

taviti u ekspozituri; koliko novca (gotovine) doneti u ekspozituru i sl.

• Menadžmentu

• Preradi hrane
Ž. Jakovljević, Kompjuterska simulacija u automatizaciji proizvodnje - izvodi sa predavanja 3

ulazi izlazi
SIMULACIONI
MODEL

interakcija i eksperimentisanje

Slika 1.1: Simulacija kao eksperiment

Korišćenjem kompjuterske simulacije moguće je vršiti eksperimentisanje sa kompjuterskim mo-

delom sistema bez velikih troškova. Ovo eksperimentisanje (slika 1.1) se najčešće vrši metodom
pokušaja i greške kako bi se ispitali uticaji različitih ulaza na izlaz sistema koji se ispituje.

1.3 Prednosti i mane simulacije

Pored simulacije, za analizu i poboljšanje rada sistema mogu se koristiti i druge metode, kao
što su izvodenje eksperimenata nad realnim sistemom ili druge vrste modeliranja sistema (npr.
fizički ili analitički model). U ovom odeljku se ukratko navode prednosti i mane simulacije u
odnosu na alternativne pristupe.

1.3.1 Simulacija vs. direktni eksperiment

Umesto simulacije za analizu performansi sistema moguće je koristiti eksperimente. Na primer,
moguće je eksperimentisati sa različitim veličinama serija i vremenom njihovog lansiranja u
proizvodnju, što može trajati mesecima i dovesti do loših ekonomskih efekata. U odnosu na
eksperimentalni pristup simulacija ima niz prednosti:

Cena: Vrlo je verovatno da je eksperimentisanje sa realnim sistemom skupo. Troškovi pre-

kidanja svakodnevnog rada sistema kako bi se isprobale nove ideje su veliki. Može se desiti da
dode do poremećaja u radu sistema i da se kao posledica smanji zadovoljstvo potrošača ili da
se čak neki od njih i izgube.

Vreme: Puno je vremena potrebno za eksperimentisanje sa realnim sistemom. Često je po-

trebno da produ meseci, pa čak i godine dok se iz realnog sistema ne dobiju rezultati eksperi-
menta. Simulacija se s druge strane vrši veoma brzo. U zavisnosti od kompleksnosti modela i
brzine računara moguće je dogadaje koji u realnom sistemu traju i po nekoliko meseci simulirati
za nekoliko sati ili čak minuta. Ovo omogućuje da se brzo isproba veliki broj ideja.

Upravljanje uslovima izvodenja eksperimenata: Prilikom poredenja alternativa vrlo je značajno

da eksperimenti budu izvršeni pod istim uslovima. U realnom sistemu, a naročito u komplek-
snim sistemima vrlo je teško sve uslove držati pod kontrolom. Na primer, teško je pustiti istu
seriju pod istim uslovima (isti dobavljači, operateri/radnici, kupci...) u proizvodnju. U simu-
laciji, uslovi pod kojima se vrši eksperiment mogu biti ponovljeni mnogo puta.

Realan sistem ne postoji : Ovde je prednost simulacije nad izvodenjem direktnog eksperimenta
očigledna - direktan eksperiment nije moguće izvršiti.

Ponašanje sistema u ekstremnim scenarijima: Iz sigurnosnih razloga neke eksperimente, kao u

Ž. Jakovljević, Kompjuterska simulacija u automatizaciji proizvodnje - izvodi sa predavanja 4

slučaju već navedenog primera havarije u jezgru nuklearnog reaktora, nije moguće izvršiti.

1.3.2 Simulacija vs. druge vrste modela

Za proveru rada sistema mogu se koristiti i druge vrste modela, a ne samo simulacija. U druge
pristupe modeliranju ubrajaju se fizički modeli, jednostavni proračuni, analitički modeli, ali
i kompleksne heurističke i metode kompleksnog matematičkog programiranja u koje spadaju
linearno i dinamičko programiranje, genetski algoritmi, itd. Prednosti simulacije u odnosu na
ove vrste modela se pre svega ogledaju u:

Promenljivost modela: Za razliku od navedenih metoda, moguće je formirati simulacioni model

sa promenljivom strukturom, bez značajnog povećanja njegove kompleksnosti.

Restriktivne pretpostavke: Simulacija zahteva veoma mali broj ili ne zahteva nikakve pret-
postavke. Veliki broj drugih metoda zahteva korišćenje često veoma grubih aproksimacija.

Transparentnost: Menadžment često ne može lako da razume, pa ni da poveruje u rezultate

dobijene iz skupa matematičkih jednačina. Simulacija je s druge strane intuitivna i daje ani-
maciju sistema koji se simulira.

Cena: Iako ni cenu izvršavanja simulacije ne treba zanemariti (neophodno je angažvanje vi-
sokostručnog kadra i posedovanje odgovarajućih softvera), cena fizičkih modela može biti vrlo
visoka.

1.3.3 Mane simulacije

Naravno, korišćenje simulacije ima i mane koje se pre svega ogledaju u:

Cena: Softver koji se koristi za simulaciju može biti skup, a kreiranje simulacije podrazu-
meva angažovanje visokokvalifikovanih stručnjaka ili konsultanata

Vreme: Vreme potrebno za kreiranje i izvršavanje simulacije može biti veliko u zavisnosti od
kompleksnosti simulacionog modela

Potreba za velikom količinom podataka: Simulacioni modeli zahtevaju veliku količinu poda-
taka koji nisu baš uvek na raspolaganju

Preveliko poverenje: Postoji opasnost da se apsolutno veruje u sve što se kompjuterski ge-
neriše, pa je moguće prevideti da korišćeni model nije validan

1.4 Faze u izradi kompjuterske simulacije

Kompjuterska simulacija se izvršava kroz sledeća četiri koraka:

1. Izgradnja apstraktnog logičkog modela sistema koji opisuje unutrašnje ponašanje njegovih
komponenata i njihovih meduzavisnosti uključujući i stohastičke promene - konceptualno
modeliranje
Ž. Jakovljević, Kompjuterska simulacija u automatizaciji proizvodnje - izvodi sa predavanja 5

2. Implementacija razvijenog modela u izabranom programskom jeziku (programiranje mo-

dela) - kompjutersko modeliranje

3. Relizacija simulacionih eksperimenata

4. Interpretacija rezultata eksperimenata

Izgradnja
konceptualnog modela

Izgradnja
Validacija
kompjuterskog modela

Eksperimentisanje

Slika 1.2: Faze u izgradnji kompjuterske simulacije

Navedene faze u izgradnji kompjuterske simulacije u praksi nisu precizno odvojene, ove aktiv-
nosti su isprepletane. Teško je napisati program bez odgovarajućeg modela, a eksperiment je
nemoguće izvršiti bez ispravnog programa. Kako bi se izvršila validacija programa, neophodno
je sprovodenje eksperimenata i interpretacija njihovih rezultata. Stoga, neophodna su odredena
preklapanja i veze izmedu navedenih faza - slika 1.2.

1.5 Modeliranje
Definicija 1.5.1 Model je pojednostavljeni ili idealizovani opis sistema, situacije ili procesa,
često u matematičkom obliku, formiran da bi omogućio proračune i predvidanja

Osnovna podela modela je na fizičke i logičke ili matematičke. Fizički modeli predstavljaju
fizičku repliku ili skalirani model sistema. To su na primer makete zgrada ili mašina prilikom
postavljanja lejauta fabrike (iz ovakvog modela fabrike ne dobija se informacija o tome kako
pogon radi). Logički ili matematički modeli podrazumevaju uvodenje niza aproksimacija i
pretpostavki (strukturnih i kvantitativnih) o tome kako sistem radi. Ukoliko je model dovoljno
jednostavan za njegovo kreiranje se mogu koristiti tradicionalni matematički alati kao što su
diferencijalne jednačine, regresiona analiza, linearno programiranje i sl.

1.5.1 Vrste simulacionih modela

Postoji veliki broj načina na koji se mogu klasifikovati simulacioni modeli. Ovde se navodi
klasifikacija simulacionih modela po tri dimenzije.
Ž. Jakovljević, Kompjuterska simulacija u automatizaciji proizvodnje - izvodi sa predavanja 6

Statički ili dinamički modeli

Kod statičkih modela vreme ne igra nikakvu ulogu, dok je ono značajan element dinamičkih
modela. Sistemi koji se koriste u automatizaciji proizvodnje su dinamički sistemi, pa je potrebno
kreiranje dinamičkih modela.

Kontinualni ili diskretni modeli

U diskretnim modelima promene se dogadaju samo u odredenim trenucima vremena. Kompo-
nente sistema su u nekom od svojih diskretnih stanja u svakom trenutku vremena, a promena
iz jednog u drugo stanje se vrši trenutno. Na primer, mašina može biti u dva stanja: ”u radu”
ili ”slobodna”. U trenutku kada ude u operaciju, mašina svoje stanje iz ”slobodna” menja u
”u radu”. Ona ostaje u stanju ”u radu” sve dok se operacija ne završi. U trenutku završetka
operacije ona svoje stanje menja u ”slobodna”. Dva osnovna elementa diskretne simulacije su:
• pravila koja odreduju kada će se sledeći dogadaj desiti

• pravila koja menjaju stanje modela kada se dogadaj desi

Na primer, jedno od pravila pri modeliranju proizvodne linije može biti:

Ako je dogadaj ”kraj operacije”

onda
stavi radni predmet u red čekanja za sledeću operaciju
i
ako nema radnih predmeta koji čekaju na mašinu
onda postavi mašinu u stanje ”slobodna”
u suprotnom odaberi radni predmet koji čeka na mašinu
i zakaži novi dogadaj ”kraj operacije”

U diskretnim modelima se smatra da se mnogi dogadaji dešavaju trenutno iako je u realnosti

za njih potreban kratak period vremena.

U kontinualnim modelima stanje sistema se menja kontinualno u toku vremena (u svakom

trenutku). Primer može biti promena nivoa tečnosti u rezervoaru tokom isticanja. Za mode-
liranje kontinualnih sistema često se koriste matematičke jednačine. Na slici 1.3. je prikazan
jednomaseni oscilator zajedno sa diferencijalnom jednačinom koja ga opisuje.

x
Kontinualni (analitièki)
K model:
.. .
F(t) mx+bx+Kx=F(t)
m

Slika 1.3: Model jednomasenog oscilatora

U istom modelu mogu postojati i elementi koji imaju i diskretnu i kontinualnu promenu. Ovakvi
modeli se nazivaju kombinovani diskretno kontinualni modeli. Proizvodni sistemi najčešće
imaju obe vrste promene. Pored diskretnih promena kakva je početak i kraj obrade, ili zamena
alata, postoje i kontinualne promene kao što je habanje alata. Habanje alata se modelira kao
Ž. Jakovljević, Kompjuterska simulacija u automatizaciji proizvodnje - izvodi sa predavanja 7

Tabela 1.1: Karakteristike različitih vrsta modela

VRSTA MODELA
Kontinualni Digitalni Diskretni
Vremenski korak: infinitezimalni mali deo vremena skok sa jednog
dogadaja na
sledeći
Metod: analitičke numeričke logička pravila
jednačine jednačine
Komponente: ukupan iznos ukupan iznos posebni entiteti
Promenljive: nivoi nivoi redovi čekanja,
stanja, atributi
Promena: stope stope dogadaji

kontinualna promenljiva, a kretanje radnog predmeta kroz liniju (sa mašine na mašinu) kao
diskretna promenljiva. Dok mašina radi, alat je u zahvatu i njegovo habanje se menja po za-
konu definisanom nekom jednačinom. Kada mašina ne radi, stepen habanja alata je jednak
nuli. Kada habanje alata dostigne neku vrednost, neophodno je zaustaviti rad mašine kako bi
se pohabani alat zamenio. Dakle, kada nivo kontinualne promenljive (u ovom slučaju habanja
alata) dostigne odredenu vrednost - prag, pokreće se diskretna promena u modelu (u ovom
slučaju zaustavljanje rada mašine i zamena alata).

Kada je najveći broj promena u sistemu koji se modelira diskretne prirode, koristi se diskretna
simulacija, dok se za sisteme u kojima su dominantne kontinualne promene koristi kontinaulna
simulacija.

Kao što je opisano, promene u kontinualnom modelu se dešavaju u svakom trenutku vremena,
dok se u diskretnom modelu one dešavaju samo u pojedinim trenucima. Problem rukovanja
vremenom je izuzetno značajan kada je kompjuterska simulacija u pitanju. Ovo je posebno
problematično u slučaju kontinualnih modela. Naime, računar je digitalna mašina i u njoj
nije moguće sprovesti kontinualnu (sa infinitezimalno malim inkrementom δx) promenu neke
promenljive x, pa ni vremena t. Najbliže što se može prići kontinualnoj promeni vremena na
računaru je promena vremena za najmanji inkrement ∆t koji računar dozvoljava. Dakle, vred-
nost promenljive se ažurira u tenutku t, zatim u trenutku t + ∆t, pa t + 2∆t... Na taj način
se kontinualni model zamenjuje svojim digitalnim ekvivalentom najčešće korišćenjem raznih
numeričkih metoda. Na primer diferencijalne jednačine se zamenjuju diferencnim jednačinama.

Kod diskretnih modela protokom vremena se može upravljati na dva načina:

• Podela vremena na intervale

• Tehnika narednog dogadaja

U podeli vremena na intervale pomeranje časovnika se vrši za male vremenske intervale ∆t

(ti+1 = ti + ∆t). U svakom od ovako dobijenih trenutaka ti se proverava da li je potrebno
izvršiti promenu stanja u nekom od elemenata modela. Medutim, pošto se promene dešavaju
samo u pojedinim vremenskim trenucima ovaj metod je prilično neefikasan.

Primenom tehnike narednog dogadaja kreira se lista dogadaja koji će se desiti. U listi se
Ž. Jakovljević, Kompjuterska simulacija u automatizaciji proizvodnje - izvodi sa predavanja 8

identifikuje prvi naredni dogadaj, časovnik se pomera do trenutka njegovog dešavanja i u mo-
delu se sprovode promene stanja koje nakon tog dogadaja slede.

U tabeli 1.1 su prikazane karakteristike navedenih vrsta modela.

Deterministički ili stohastički modeli

Treći način podele modela koji će ovde biti naveden je na stohastičke i determinističke. De-
terministički modeli nemaju na svom ulazu slučajne promenljive. Ponašanje determinističkog
sistema je u potpunosti predvidivo. Stohastički modeli, s druge strane, rade sa slučajnim ula-
zima. Model može imati istovremeno i slučajne i determinističke ulaze, što je i najčešće u
praksi. Koji će se elementi modelirati kao stohastički, a koji kao deterministički zavisi od kon-
kretnog sistema. Deterministička simulacija ne sadrži stohastičke elemente, dok se stohastička
simulacija primenjuje za sisteme koji sadrže stohastičke elemente. Stohastika se u modele uvodi
korišćenjem raspodele verovatnoće dogadaja. Uzorci se uzimaju na osnovu funkcije raspodele
verovatnoće kako bi se obezbedilo stohastičko ponašanje.

1.5.2 Komponovanje/dekomponovanje sistema

Prilikom modeliranja nekog sistema, a naročito kompleksnih sistema kakvi su najčešće sistemi
u proizvodnom mašinstvu, a i u mašinstvu uopšte, potrebno je izvršiti njegovu dekompoziciju
na sastavne podsisteme. Nivo do koga će se vršiti dekompozicija sistema zavisi od željenih
rezultata simulacije. U ovom odeljku se, pre uvodenja osnovnih operatora koji se koriste za
komponovanje/dekomponovanje sistema, daju osnovne definicije iz opšte teorije sistema.

Sistem, uopšte, predstavlja deo fizičkog ili apstraktnog prostora koji je izdvojen graničnom
površi koja deli čitav prostor na sistem i njegovo okruženje. U sistemu se vrši transformacija
ulaza (informacije, energija, materija) u izlaz. U literaturi postoji veliki broj definicija sistema.
U opštoj teoriji sistema [2] sistem se definiše na sledeći način:

Definicija 1.5.2 Sistem (opšti) predstavlja relaciju nad nepraznim (apstraktim) skupovima

S ⊂ ×{Vi : i ∈ I} (1.1)

gde × označava Dekartov proizvod, a I skup indeksa. Komponentni skup Vi predstavlja objekat
sistema. Kada je skup I konačan (1.1) se može prikazati u obliku:

S ⊂ V1 × . . . × Vn (1.2)

Definicija 1.5.3 Neka su Ix ⊂ I i Iy ⊂ I delovi I, tj. Ix ∩ Iy = ∅, Ix ∪ Iy = I.

Skup X = ×{Vi : i ∈ Ix } predstavlja ulazni, a Y = ×{Vi : i ∈ Iy } izlazni objekat. Sistem S je
onda
S ⊂X ×Y (1.3)
i naziva se ulazno-izlazni sistem
Ako je S funkcija :
S:X→Y (1.4)
S se naziva funkcionalni sistem.
Ž. Jakovljević, Kompjuterska simulacija u automatizaciji proizvodnje - izvodi sa predavanja 9

Vremenski sistem je sistem kod koga su ulazni X i izlazni objekti Y funkcije vremena.

Gotovo svaki sistem u proizvodnom mašinstvu, bilo da se radi o proizvodnom sistemu, li-
niji za proizvodnju, mašini alatki, robotu . . . predstavlja izuzetno složen sistem. On se sastoji
od čitavog niza podsistema koji sa svim svojim složenostima u medusobnoj interakciji dovode
do ispunjavanja funkcije sistema. Radi lakšeg sagledavanja, modeliranja i upravljanja složenih
sistema, vrši se njihovo razlaganje (dekomponovanje) na medusobno povezane proste sisteme
koje je lakše sagledati i upravljati.

Za povezivanje prostih sistema u složene definisana su tri osnovna operatora:

- Kaskadni operator ◦

- Paralelni operator +

- Operator povratne sprege τ

Pri tom se izlazi jednog podsistema povezuju sa ulazima drugog.

Definicija 1.5.4 Neka je ◦ preslikavanje takvo da je S1 ◦ S2 = S3 gde je:

S1 ⊂ X1 × (Y1∗ × ZY1 ), S2 ⊂ (X2∗ × ZX2 ) × Y2 ,
(1.5)
S3 ⊂ (X1 × X2 ) × (Y1 × Y2 ), ZY1 = ZX2 = Z
∗ ∗

i
((x1 , x2 )(y1 , y2 )) ∈ S3 ⇔ (∃z)((x1 , (y1 , z)) ∈ S1 &((x2 , z), y2 ) ∈ S2 ) (1.6)
◦ se naziva kaskadni operator povezivanja (slika 1.4.).

Slika 1.4: Kaskadni operator

Pri tom je sa X1 označen ulaz u sistem S1 , sa Y1∗ izlaz iz sistema S1 koji se ne povezuje sa
sistemom S2 , sa ZY1 izlaz iz sistema S1 koji se povezuje sa sistemom S2 , sa X2∗ ulaz u sistem
S2 koji se ne povezuje sa S1 , sa ZX2 ulaz u sistem S2 koji se povezuje sa sistemom S1 i sa Y2
izlaz iz sistema S2 .

Definicija 1.5.5 Neka je + preslikavanje takvo da je S1 + S2 = S3 gde je:

S1 ⊂ (X1∗ × ZX1 ) × Y1 , S2 ⊂ (X2∗ × ZX2 ) × Y2 ,
(1.7)
S3 ⊂ (X1∗ × X2∗ × Z) × (Y1 × Y2 ), ZX1 = ZX2 = Z
Ž. Jakovljević, Kompjuterska simulacija u automatizaciji proizvodnje - izvodi sa predavanja 10

i
((x1 , x2 , z)(y1 , y2 )) ∈ S3 ⇔ ((x1 , z), y1 ) ∈ S1 &((x2 , z), y2 ) ∈ S2 ) (1.8)
+ se naziva paralelni operator povezivanja (slika 1.5.).

Slika 1.5: Paralelni operator

Pri tom X1∗ i X2∗ predstavljaju ulaze u sisteme S1 i S2 koji se ne povezuju, ZX1 = ZX2 = Z
zajednički ulaz u sisteme S1 i S2 , a Y1 i Y2 izlaze iz sistema S1 i S2 .

Treći operator koji se koristi za komponovanje sistema je operator povratne sprege.

Definicija 1.5.6 Neka je τ preslikavanje takvo da je:
τ (S1 ) = S2 , S1 ⊂ (X ∗ × ZX ) × (Y ∗ × ZY ),
(1.9)
S2 ⊂ X ∗ × Y ∗ , ZX = ZY = Z
i
(x, y) ∈ S2 ⇔ (∃z)(((x, z), (y, z)) ∈ S1 ) (1.10)
τ se naziva operator povratne sprege (slika 1.6.)

Slika 1.6: Operator povratne sprege

Pri tom su sa X ∗ i Y ∗ označeni ulazi i izlazi sistema S1 koji ne učestvuju u povratnoj sprezi, a
sa ZX = ZY = Z ulazi i izlazi sistema S1 koji u njoj učestvuju.

Prilikom komponovanja i dekomponovanja sistema koriste se razne kombinacije navedenih ope-

ratora. Jedna od struktura dobijenih kombinovanjem datih operatora je tipa S = τ (S1 ◦ S2 ).
Naime, sistemi S1 i S2 su dati sa:
S1 ⊂ (X ∗ × ZX1 ) × (Y ∗ × ZY1 ), S2 ⊂ X2 × Y2
(1.11)
ZY1 = X2 = ZY , ZX1 = Y2 = ZX
Ž. Jakovljević, Kompjuterska simulacija u automatizaciji proizvodnje - izvodi sa predavanja 11

S
X1 * Y1* X1* Y1 *
Zx1
S1 Zy1 S1

Zx Zy
S2
X2 S2 Y2

Slika 1.7: Struktura upravljačkih sistema

Rezultujući sistem (slika 1.7.) S je dat sa:

S ⊂ (X1∗ × Y1∗ ) (1.12)

Navedena struktura sistema predstavlja strukturu upravljačkih sistema.