2.

Zadatak
U drugom zadatku trebalo je odraditi Monte Carlo simulaciju za procjenu različitih defekata
na različitim proizvodima. U zadatku je bilo zadano da je događaj A ishod u kojemu je proizvod
potpuno defektan, te se kao takav odbacuje, za to je vjerojatnost bila 0,15. Ishod B je manji defekt za
koji je vrijeme popravka bilo 15 minuta, a vjerojatnost 0,2. Na kraju, zadan je bio i ishod C kao veći
defekt s vremenom popravka od 30 minuta i vjerojatnošću od 0,1. Prije nego objasnimo kako je
zadatak riješen, trebalo bi objasniti Monte Carlo simulaciju; takve vrste simulacija su stohastičke
(determinističke) simulacijske metode, algoritmi koji uglavnom s pomoću kvazislučajnih brojeva i
velikog broja izračuna i ponavljanja predviđaju ponašanje složenih sustava u matematici, fizici,
ekonomiji. Izvorno su osmišljene u Los Alamos državnom laboratoriju Sjedinjenih Američkih Država
nedugo nakon Drugog svjetskog rata. Prvo je elektroničko računalo u SAD-u upravo bilo dovršeno, i
znanstvenici u Los Alamosu su razmatrali kako da ga najbolje iskoriste za razvoj termonuklearnog
oružja (hidrogenske bombe). Kasne 1946. Stanislav Ulam je predložio korištenje slučajnog
uzorkovanja za simuliranje putanja neutrona, a John von Neumann je razvio detaljan prijedlog rane
1947. Ovo je dovelo do simulacija manjih razmjera koje su ipak bile neophodno važne za uspješno
dovršenje projekta. Metropolis i Ulam su 1949. objavili rad u kojem su iznijeli svoje ideje, čime je
načeta iskra koja je potpalila velika istraživanja tijekom 1950-ih godina. Naziv "Monte-Carlo metoda"
svoje ime vuče od grada u državici Monako, slavnom po svojim kockarnicama (što je prihvaćeno na
prijedlog Nicka Metropolisa, jednog od pionira Monte-Carlo metode). U ekonomiji se rabe za
proračunavanje poslovnog rizika, promjena vrijednosti investicija, pri strateškom planiranju i slično.
U kvantoj fizici za procjenu valnih funkcija, a time i brojnih fizikalnih svojstava kao što su energija,
tlak, suprafluidnost, napetost površine, itd... U fizici se koriste razni algoritmi koji koriste Monte
Carlo simulacije kao što je difuzijski Monte Carlo (DMC), varijacijski Monte Carlo (VMC), Integral po
putanjama Monte Carlo (PIMC)... U fizici elementarnih čestica se koristi za gotovo savršeno
predviđanje raspadanja elementarnih čestica nakon sudara. [2.1]

Zadatak je imao 3 manja pod-zadatka; prvi je bio procjena broja potpuno ispravnih
proizvoda, drugi pod-zadatak je bio odrediti broj odbačenih proizvoda, a treći odrediti ukupno
vrijeme dorade (popravka). Za prvu iteraciju bili su nam zadani nasumični brojevi za svaki od deset
proizvoda, a za danje iteracije trebalo je napraviti verziju programa koja sama prima vrijednosti te
izbacuje rezultat. Za rješavanje korišten je MS Excel, program iz obitelji Microsoft Office.

Na početku rješavanja dodijeljene su granice kumulativnih vjerojatnosti za svaki od događaja,

pa su tako za događaj A sve vrijednosti iznad 15 (integeri) označavale ispravan proizvod, a manje
neispravan. Analogno tome za B je bila granica na 20, a za C na 10. Kada smo to odredili i u Excelu
zadali fiksne pondere samo je trebalo „pročešljati“ kroz zadane brojeve i pobrojati one koji upadaju u
traženi uvjet funkcijom „COUNTIF“, a za određivanje trajanja popravka dobiveni broj je množen s
zadanim trajanjem popravka unutar funkcije. Rješenja su bila:

A. 24 apsolutno dobar proizvod (nema niti jedan defekt)

B. 1 potpuno defektan ( zadovoljen uvjet A)
C. 90 min potraćeno na popravke
 Slika 2.1 rješenja prvog dijela zadatka

U dijelu zadatka u kojemu je trebalo napraviti mogućnost unosa bilo kojega broja, ubačeno je
1000 kombinacija funkcijom „RANDBETWEEN“ zadanom da brojevi mogu biti samo između 0 i 100.
Na taj način ponovo se dobiju rješenja zadatka. Kompletno rješenje s funkcijama dano je kao .xls
datoteka uz ovaj seminar kao prilog 1. Za drugi dio zadatka nema smisla pisati rješenja, jer se mogu
dobivati različita uzimanjem različitih skupova brojeva.

Slika 2.2 Drugi dio zadatka s 1000 nasumičnih kombinacija

Literatura 2.1 Wikipedia-en, Monte Carlo Method