Modelovanje i simulacije kao sredstvo unapređenja CMMI nivoa zrelosti i sposobnosti

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

SEMINARSKI RAD IZ OBEZBEĐENJA KVALITETA SOFTVERSKIH PROIZVODA

Modelovanje i simulacije kao sredstvo unapređenja CMMI nivoa zrelosti i sposobnosti

Student: Nenad Bulatović, I2-230/2013

Profesor: Doc. dr Vladimir Mandić Asistent: Mr. Marija Rakić-Skoković

Novi Sad, Mart 2014.


2

S A D R Ž A J

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

CMMI ............................................................................................................................ 5

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

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

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

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

Polja primene računarskih simulacija ........................................................................... 7

Šta je modelovanje simulacija procesa? ...................................................................... 9

Potencijalne koristi modelovanja simulacija procesa .................................................. 10

Šta simulacije mogu i koji se zahtevi postavljaju pred njih? ....................................... 10

Počeci primene simulacija u industriji i poslovanju ..................................................... 11

Razvoj specijalizovanih simulacionih paketa i programskih jezika ............................. 12

Programski jezici i simulacioni paketi u upotrebi ........................................................ 13

Poslovno modelovanje i simulacije ............................................................................. 14

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

Različiti pristupi modelovanju ..................................................................................... 15

Pregled PSIM metodologija ........................................................................................ 17

Faze u razvoju simulacije ........................................................................................... 19

Razvoj konceptualnog modela ................................................................................... 19

Validacija i verifikacija rezultata dobijenih simulacijom ............................................... 20

Kompleksnost simulacija ............................................................................................ 20

Prednosti korišćenja modelovanja i simulacija ........................................................... 20

Mane korišćenja procesnih simulacija ........................................................................ 21

Skorašnji napredak u PSIM softveru i modelima ........................................................ 22

PSIM i CMMI .............................................................................................................. 24

Zaključak ........................................................................................................................... 26

LITERATURA .................................................................................................................... 28


3

UVOD

Modelovanje i simulacije (M&S) postaju izborni akademski program studenata svih naučnih disciplina. To je disciplina sa svojom sopstvenom oblašću znanja, teorije i istraživačke metodologije u čijoj je osnovi fundamentalna postavka da su modeli aproksimacije realnog sveta [1]. 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 simulacija 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 modelovanje i simulacije problemski orijentisanu disciplinu koja omogućava višestruko ponavljanje testiranja hipoteze. Učenje ovih pravila i koncepata i mogućnost istraživanja i razvoja čine osnovu edukacije modelovanja i simuliranja, a takođe služe i kao alat koji proširuje sposobnost analiziranja i komuniciranja novih istraživanja ili saznanja [1]. Modelovanje simulacije procesa (PSIM, Process Simulation Modeling) može da se koristi radi evaluacije različitih slučajeva koji se odnose na procesnu strategiju, unapređenje procesa, tehnologiju i adaptaciju alata, upravljanje i kontrolu projektima, i dizajn procesa. To je veoma fleksibilan alat i može da pomogne u kvantitativnom testiranju ideja o tome kako da se konfiguriše proces ili kako da se konfiguriše akvizicija lanca snabdevanja softverom (koji se sastoji od izvođača i podizvođača) koja bi bila suviše rizična da se sprovede ili isprobava na bilo koji drugi način. Skorašnji napredak u PSIM su doveli do dramatičnog pada troškova razvijanja modela za evaluaciju procesnih pitanja. Novi modeli i sistematičniji i ponovljiviji metodi su razvijeni posebno za primenu PSIM alata unutar organizacija, omogućavajući PSIM da pruže veću poslovnu vrednost. Na primer, novi metodi koji se koriste za kalibraciju ovih modela su smanjili količinu organizacionih i projektno specifičnih podataka koji su potrebni da se dobiju upotrebljivi rezultati. Konkurencija u softverskoj industriji i stalna težnja ka smanjenju troškova tera kompanije da unaprede njihovu efikasnost i da nađu načine da optimizuju njihove aktivnosti razvoja i obezbeđenja kvaliteta, kako lokalno tako i globalno. Nadalje, kako kompanije unapređuju njihove operacije i ustanovljavaju metrike u cilju postizanja viših nivoa CMMI (Capability Maturity Model Integration) radnog okvira, prikupljeni podaci mogu da olakšaju konstrukciju kvantitativnih modela. Kao rezultat ovih trendova organizacije prihvataju PSIM kao jedan atraktivan alat koji pruža značajnu poslovnu vrednost kroz svoju implementaciju kako u industriji tako i u državnim službama. Uobičajeno je da su procesne simulacije više nego isplativo rešenje čak i kada se koriste samo za jedan slučaj. Neke od prednosti koje PSIM može da pruži su [2]:

odabir najboljih mogućih razvojnih procesa, strategija obezbeđenja kvaliteta ili skupa alata za dati projekat, situaciju ili okolnosti


4

unapređenje planiranja projekta kroz korišćenje objektivne i kvantitativne osnove za donošenje odluka

unapređenje izvršenja i kontrole projekta kroz sposobnost PSIM da brzo proceni alternativne odgovore na neplanirane događaje

dublje razumevanje mnogih faktora koji utiču na uspeh kompleksnih softverskih razvojnih projekata

unapređena sposobnost da se izraze procesni izbori i alternative

objektivni način za projektne menadžere da odgovore na teška pitanja kao što su "Koji pristup inspekciji i testiranju će biti najbolji za moj projekat?" i "Da li će dodavanje resursa rano u projektu zaista smanjiti ukupne troškove projekta"?

PSIM podržava svaki od različitih CMMI procesnih oblasti (CMMI Process Areas) od nivoa 2 do nivoa 5. Neke od ključnih oblasti CMMI koje PSIM direktno adresira su [2]:

Projektno planiranje (PP, Project Planning): definisanje životnog ciklusa i identifikacija projektnog rizika; određivanje kriterijuma koji će se koristiti za odluku kada da se preduzme korektivna radnja.

Fokus organizacionog procesa (OPF, Organizational Process Focus): identifikovanje procesnih unapređenja i razvoj implementacionih planova.

Upravljanje rizikom (RM, Risk Management): identifikovanje procesnih rizika; postavljanje odgovarajućih pragova rizika i procena rizika povezanih sa predloženim procesnim promenama; odlučivanje kada da se izvrši smanjenje rizika.

Analiza odluka i rešenje (DAR, Decision Analysis and Resolution), i Integrisano upravljanje projektima (IPM, Integrated Project management): pružaju smernice za odlučivanje, procese, kriterijume evaluacije, alternativna rešenja i alternative procesima evaluacije i kreiranje specifičnih preporuka.

Performanse organizacionih procesa (OPP, Organizational process performance): odabir procesa, uspostavljanje mera, postavljanje specifičnih ciljeva performansi i uspostavljanje osnovnih pravaca i modela performansi.

Organizaciona inovacija i razvoj (OID, Organizational Innovation and Deployment): evaluacija, odabir i raspoređivanje inkrementalnih i inovativnih unapređenja koja mogu da donesu merljive dobiti organizacionim procesima i tehnologijama. Evaluacija troškova i koristi (i povrata na uložena sredstva, ROI) za promene procesa.

Analiza uzroka i rešenje (CAR, Causal Analysis and Resolution): identifikuje uzroke problema i evaluira alternativne planove akcija za rešenje.

Kvantitativno upravljanje projektima (QPM, Quantitative Project Management): identifikuje odgovarajuće podprocese koji sastavljaju definisane procese projekta, zasnovano na prethodnim podacima o stabilnosti i sposobnosti i sastavljanje procesa sa odgovarajućim verifikacionim i validacionim aktivnostima zarad održavanja kvaliteta projekta.

PSIM tehnologije odlično odgovaraju organizacijama koje hoće da unaprede proces planiranja, da ubrzaju adaptaciju tehnologije, optimizuju unapređenje procesa, uvedu kvantitativno upravljanje projektima i podignu se na više nivoe CMMI.


5

CMMI

Integracija modela zrelosti sposobnosti (CMMI, Capability Maturity Model Integration) je razvijena od strane tima koji se sastojao od članova iz industrije, državnih organa i Softverskog inženjerskog instituta (SEI, Software Engineering Institute). CMMI je vodeći industrijski standard za merenja softverskih razvojnih procesa. Postoje 6 nivoa sposobnosti (CL, Capability Levels), 5 nivoa zrelosti (ML, maturity Levels), i 22 procesne oblasti (PA, Process Areas). U okviru svake procesne oblasti postoji jedna ili više specifičnih ciljeva (SG, Specific Goals), i višestruke specifične prakse (Specific Practices). važni aspekti CMMI uključuju procesnu dokumentaciju, procesno merenje, procesnu ponovljivost, procesnu predvidljivost i procesnu konzistentnost. Organizacije za razvoj softvera visoko vrednuju CMMI i teže ka višim nivoima CMMI zrelosti zato što implementacija unapređenja procesa koja je bazirana na CMMI bi trebalo da bude dobra za poslovanje - bolji procesi vode ka unapređenim poslovnim rezultatima. Neki od primera kako PSIM podržava PA, SG, SP, generičke ciljeve (GG, Generic Goals) i generičke prakse (GP, Generic Practices) u okviru CMMI su upotreba PSIM radi:

arhitekture, dizajna i dokumentovanja procesa

podrška proceni troškova od dole ka gore (bottom-up)

sastavljanje procesa, unapređenja planiranja procesa

kvantitativna analiza i evaluacija prilika za unapređenje procesa

procene troškova i koristi od primene novih alata i tehnologija na projekat

podrška kvantitativnom upravljanju i kontroli procesima

optimizacija procesa i strategije za obezbeđenje kvaliteta za projekat

podrška obuci

proučavanju globalnog softverskog razvoja [2].

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)“ [3]. Drugi autori kao što je Banks (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.“ [4]. 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 [4].


6

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 izračunavanja. Mogu se praviti promene u budžetu i tabela može biti svaki put nanovo izračunavana, ali protok vremena uglavnom nije od ključnog značaja [4] niti se može verodostojno prikazati.

Značaj simulacija

Modelovanje i simulacije sve češće postaju jedan od izbornih predmeta kako na postdiplomskim studijama, tako i na dodiplomskim studijama širom sveta [5]. 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 [6], 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 [5]. Od crtanja bojišta u pesku i pravljenja (po današnjim merilima) nezgrapnih i simboličnih maketa, pa sve do preteče vojnih 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.


7

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 (DoD, 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 (USAF, 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 [1]. 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 [1].

Polja primene računarskih simulacija

Računarski simulacioni metodi za simulacije 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 [7]. 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 skladišta gde se slažu na paletne regale. Po potrebi, a u skladu za porudžbinama kupaca, proizvodi se zatim sa regala utovaruju u manja vozila i razvoze pojedinačnim kupcima. Da bi se povećao protok robe u i iz skladišta menadžmentu se mogu predložiti sledeća rešenja:

1. povećanje broja dokova za utovar ili istovar robe 2. povećanje broja viljuškara 3. povećanje broja manipulativnih radnika 4. korišćenje viljuškara integrisanih sa paletnim regalima 5. 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


8

modelovan 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 ERP (Enterprise Resource Planning) veoma poznatog poslovnog integrativnog IT rešenja koji je danas u širokoj upotrebi u brojnim kompanijama širom sveta. 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 bit i poslednje utočište, ali je iznenađujuće koliko često je takvo rešenje potrebno [8]. 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 [5]. Kao zaključak možemo navesti da se simulacije najčešće koriste kada se ne mogu vršiti probe na realnom sistemu usled:

1. nedostupnosti realnog sistema 2. moglo bi biti opasno da se eksperimentiše na realnom sistemu 3. može biti neprihvatljivo 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.


9

Iz navedenog se uočava da su tri osnovne namene modelovanja i simulacija:

1. analiza, 2. eksperimenti i 3. 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 je modelovanje simulacija procesa?

PSIM može da igra ključnu ulogu u podršci za kompletan CMMI radni okvir. Simulacioni modeli se sa uspehom već decenijama koriste za predviđanje performansi kompleksnih sistema u industrijama kao što su auto industrija, hemijska industrija, proizvodnja i informacione tehnologije. Simulacioni modeli su kompjuterizovane reprezentacije sistema koje su dizajnirane da prikažu značajne dinamičke osobine sistema koje reprezentuju. Ovi modeli se često fokusiraju na reprodukciju ponašanja sistema tokom vremena ili na replikaciju performansi sistema u smislu specifičnih merenja karakteristika od interesa. Iz perspektive menadžera, simulacija je alat koji podržava donošenje odluka, predviđanje i analizu kompromisa i "šta-ako" scenarija. Simulacioni modeli u razvoju softvera se često koriste u situacijama gde:

ponašanje tokom vremena je od posebnog značaja i ovo ponašanje je teško naslutiti usled uticaja neočekivane povratne sprege. U ovoj situaciji konsekvence jednog događaja aktiviraju sekvencu odgovora koji se vraćaju i ili pojačavaju ili pomeraju originalni događaj ili akciju. Projekti razvoja softvera su često karakterisani kompleksnom mrežom ovakvih povratnih sprega.

sistemske performanse su manje efektivne nego što je to poželjno i teške za proceniti usled visokog nivoa neizvesnosti ili slučajnosti koji su prisutni u sistemu.

razmatraju se alternativne konfiguracije u sistemu, ali će proba ili implementacija nove konfiguracije verovatno doneti značajno veći rizik ili trošak. Konfiguracije mogu biti i konfiguracije proizvoda i konfiguracije razvoja procesa.

eksperimenti "uživo" su nepraktični usled ekonomskih i/ili logističkih troškova manipulacije aktuelnim sistemom.

Simulacioni modeli u razvoju softvera se često koriste da:

unaprede razumevanje sistema koji se modeluje

pruže osnovu za eksperimantisanje

se procene performanse sistema

se odgovori na "šta-ako" pitanja

utvrde verovatni uzroci parametarskih i strukturnih promena. PSIM je specifičan tip simulacionog modela koji se fokusira na ponašanje i performanse organizacionog procesa, kao što je proces zahteva za osiguranje, proces naknade


10

troškova, proces razvoja novog proizvoda i fizički procesi kao što je utovar i istovar aiviona. U CMMI kontekstu, PSIM se fokusira na dinamiku softvera i razvoj sistema, akviziciju i održavanje. Oni mogu biti iskorišćeni da predstave proces kao tekuće implementiran (onakav kakav jeste, onakav kakav je uobičajen u praksi, onakav kakav je dokumentovan) ili onakav kakav je planiran za buduću implementaciju (onakav kakav će biti) bazirano na aktivnostima unapređenja procesa, primeni novih tehnologija i alata, odabira alternativnih procesa itd. PSIM se koriste da pomognu kompanijama da postignu industrijski sertifikat i da podrže programe unapređenja procesa kao što su CMMI, Six Sigma i ISO 9000. Oni se takođe koriste da bi pomogli menadžmentu da odabere i definiše merenja procesa i da analiziraju i redizajniraju korporativne programe merenja performansi procesa.

Potencijalne koristi modelovanja simulacija procesa

Potencijalne koristi PSIM uključuju smanjeni rizik, smanjeni napor i trošak za evaluaciju novih tehnologija, bolje, pouzdanije i brže donošenje odluka, identifikaciju unapređenih ili optimalnih pristupa i procesa i poboljšanu komunikaciju. Specifične koristi PSIM sa obzirom na razvoj proizvoda uključuju:

odabir najboljih mogućih razvojnih procesa za datu situaciju/okolnost

unapređeno planiranje projekata kroz korišćenje objektivne i kvantitativne osnove za donošenje odluka

unapređeno izvršavanje projekata (kontrola i operativni menadžment) zbog toga što se alternativni odgovor na neplanirane događaje mogu brzo proceniti korišćenjem PSIM pre nego što se odluke donesu

sredstvo koje pruža odgovorena pitanja često postavljena od strane projektnih menadžera

unapređeno razumevanje mnogih faktora koji utiču na uspeh razvoja softverskih projekata

unapređena sposobnost da se istraže izbori procesa i alternative zbog toga što PSIM čini procese vidljivijim i opipljivijim

bolji trening i učenje za projektne menadžere, članove projektnih timova i rukovodstvo

podizanje projektnog menadžmenta na više strategijski nivo time što se omogućava projektima da budu analizirani tokom njihovog punog životnog ciklusa sa obzirom na višestruke mere uspešnosti [2].

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.


11

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 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, kao 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. 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 [9].

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) [10], 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, [8] odnosno numerička metoda rešavanja matematičkih zadataka uz pomoć modelovanja slučajnih veličina [11] 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 [10]. Kao razvoj prvih uspešnih računarskih modela u biznisi i industriji bi se mogao smatrati razvoj tokom ’50-tih simulacionog modela za potrebe čeličana – GSP (General Steelplant Program). 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“ [10]:


12

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.

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“ [10]. 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 [4].

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 modelovanja i simulacija bila bi nezamisliva bez modernih VIMS paketa koji omogućavaju Vizuelno Interaktivno Modelovanje i Simulaciju.


13

Naravno, kada se radi o simulaciji jednostavnijih sistema, onda simulacije 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 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 simulacija i modelovanja. 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 [8]:

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 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 simulacionih paketa su [12]:

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 [12]. 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


14

spomena su aplikacije za simulacije u domenu zdravstva - MedModel® i komunikacionih mreža COMNET II.5 [12].

Poslovno modelovanje i simulacije

Poslovno modelovanje 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 [5]. Većina preduzeća su sastavljeni od poslova, procesa, infrastrukture, resursa i znanja. Modelovanje i Simulacije (M&S) mogu 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, modelovanja i simulacija, marketinga, ekonomije, nauke o odlučivanju i matematike. Neka od osnovnih oblasti istraživanja su [5]:

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

2. Modelovanje 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. Modelovanje 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 [13] 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 modelovanje. 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,


15

a umešanost krajnjih korisnika je minimalna. Zbog ovih osobina, preovlađujuća veština potrebna za ovakvo modelovanje je veština u razvoju softvera [13]. 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 modelovanja, pre nego veštine u razvoju softvera [13]. 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. 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 [13]. Zbog toga bismo ovu vrstu simulacija mogli klasifikovati i pod nazivom „simulacije kao sredstvo učenja“. 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 [13].

Različiti pristupi modelovanju

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:


16

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 [8]:

1. upravljanje vremenom 2. stohastički ili deterministički pristup 3. diskretne ili kontinualne promene.

1) Sa stanovišta upravljanja vremenom razlikujemo dva pristupa:

metod „seckanja“ vremena (time slicing)

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 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“ [14]. 2) Sa stanovišta predvidljivosti ponašanja sistem može biti predvidljiv ili nepredvidljiv te stoga možemo kreirati dve vrste modela:

determinističke

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 [8]. 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 simulacijama možemo posmatrati promene sistema iz jednog u drugo stanje kroz promena u odnosu na vreme, pa modele možemo podeliti i na [8]:

diskretne

kontinualne Promene stanja sistema posmatrano kroz tok vremena bismo mogli najlakše objasniti slikovitim primerom. Zamislimo gradski autobus koji putuje od stanice do stanice, primajući


17

i ostavljajući putnike na svakoj od njih. Sa stanovišta diskretnih promena imamo 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 [8]. Međutim, sa stanovišta diskretne simulacije nije potrebno da pratimo 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 pratimo 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 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 [8]. 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 opremu. Međutim, u praksi se veoma često ova dva modela mešaju i uporedo koriste pa tako i proizvođači mnogih simulacionih paketa nude diskretni, kontinualni i mešani mod.

Pregled PSIM metodologija

PSIM paradigme koje se najčešće koriste u domenu razvoja sistema i softvera su:

simulacije diskretnih događaja (DES, Discrete Event Simulation)

sistemska dinamika (SD, System Dinamics)

hibridna simulacija (HS, Hybrid Simulation)

simulacije baziranje na stanjima (SBS, State Based Simulations)

simulacije baziranje na agentima (ABS, Agent Based Simulations)

simulacije baziranje na znanju (KBS, Knowledge Based Simulations)

kvalitativne simulacije (QS, Qualitative Simulations)


18

Najčešće korišćene metode su DES i SD. Treća najčešće korišćena metoda je HS, koja kombinuje DES i SD u jedan model da bi iskoristila prednosti oba modela. Ključna stvar je u tome da su procesne simulacije kvantitativne. Procesne simulacije koriste grafički opis toka procesa kao osnovu za dodavanje kvantitativnih metrika i kreiranje modela za predviđanje performansi procesa. Korisnik može da bira između brojnih kvalitativnih metoda i alata da grafički modeluje tok procesa. Simulacije diskretnih događaja (DES): DES modeli su diskretni i dinamični. Oni mogu da koriste i determinističke i stohastičke parametre koji omogućavaju upotrebu Monte Karlo simulacija. DES modeli su prezentovani kroz mrežu aktivnosti i diskretnih pojedinačnih činioca koji teku kroz ovu mrežu. Aktivnosti transformišu činioce i osvežavaju stanje sistema. DES modeli tipično koriste veliki broj različitih elemenata modela i ponekad zavise od programiranja. DES alati tipično imaju snažne grafičke sposobnosti i omogućavaju veliku fleksibilnost u formi jednačina i nasumičnih promenljivih koje mogu biti korišćene. DES su korisne za probleme koji uključuju detaljne procese i mnoge simulirane artifakte zbog toga što stanje zahteva osvežavanje samo kada se desi događaj. DES modeli imaju izuzetnu sposobnost da modeluju bogatstvo procesa i tokove, atribute i resurse koji omogućavaju kvantitativnu procenu performansi procesa. Sistemska dinamika (SD): SD modelovanje je tip kontinualne sistemske simulacije. Ona je takođe dinamična i koristi set diferencijalnih jednačina da izračuna ponašanje sistema ili procesa tokom vremena. Putem sistematske promene parametara korisnik može da stekne osećaj varijabilnosti u krajnjem ishodu ali SD nije inherentno stohastička u svojoj prirodi. U kontrastu sa DES modelima ona tipično reprezentuje procese na višem nivou, znači sa manje detalja. Snaga SD modela je u njenoj sposobnosti da modeluje povratne petlje, ali SD modeli obično ne inkorporiraju stohastičke procese. SD alati tipično pružaju dobre grafičke sposobnosti za reprezentovanje povratnih petlji. Čak šta više skorašnji alati pružaju rudimentarnu sposobnost da se inkorporiraju neke od stohastičkih nasumičnih varijabli [2]. Hibridne simulacije (HS): HS modeli kombinuju dve ili više simulacione tehnike. U simulaciji softverskih procesa HS tipično predstavljaju simulacione modele koji kombinuju SD sa DES. Hibridni modeli nemaju široku primenu usled ograničene podrške za alate i povećane kompleksnosti. Međutim, neki komercijalni alati kao što je Extend od kompanije ImagineThat, uspešno kombinuju DES i SD modele omogućavajući da budu kreirani u okviru jednog alata. Kao rezultat HS modeli su u isto vreme i dinamični i stohastički i sposobni su da reflektuju povratne petlje i sitne detalje procesa, radnih proizvoda i resursa. Primene uključuju projektno planiranje i razvoj na više lokacija. Neki od simulacionih alata za DES, SD, i HS metodologije su:

DES alati: • Arena (http://www.arenasimulation.com) • Extend (http://www.imaginethatinc.com) • iGrafx (http://www.imaginethatinc.com) • Micro Saint (http://www.adeptscience.co.uk/products/mathsim/microsaint) • Process Analysis Tradeoff Tool (PATT) (http://www.quantelsystems.com) • ProModel (http://www.promodel.com) • Witness (http://www.lanner.com)


19

SD alati: • iThink/STELLA (http://www.iseesystems.com) • Vensim (http://www.vensim.com) • Powersim (http://www.powersim.com)

DES su i dalje primarni alati za proučavanje detaljnih procesa kao što je to tipično za razvoj softvera.

Faze u razvoju simulacije

Modelovanje u studijama računarskih simulacija obično podrazumeva [8]:

konceptualno modelovanje

kompjuterska implementacija

validacija

eksperimentisanje Slično kao i u strukturiranju problema, modelovanje 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 [8]. 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 [8]:

inicijalni pregovori i definicija projekta

menadžment projekta i kontrola

kompletiranje projekta

Razvoj konceptualnog modela

Konceptualno modelovanje je ključna faza procesa modelovanja u simulacijama, pa ipak velika većina modelara joj ne posvećuje dovoljno pažnje. Robinson (Robinson, 2004) definiše konceptualno modelovanje 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.“ [14] [15]. Konceptualno modelovanje prema tome uključuje odabir načina na koji će virtuelni svet simulacije funkcionisati. Lav A.M. je smatrao da je za simulacione projekte „najteži aspekt


20

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 modelovanje više „umetnost“ nego „nauka“ i usled toga je teško definisati metode i procedure. Kao takva, umetnost konceptualnog modelovanja se uglavnom uči iskustveno [14]. 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 modelovanja takođe podržavaju i autori kao što npr. su Pid, Vard i Salt [15].

Validacija i verifikacija rezultata dobijenih simulacijom

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 modelovanja potrebno je ustanoviti [12] [2]:

da li model radi na način na koji je analitičar (modelar) to zamislio i

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 [12]. Drugim rečima, verifikacija je proces uveravanja da je dizajn modela (konceptualni model) transformisan u računarski model sa dovoljno tačnosti [14]. Validacija ima za zadatak da pokaže da li ponašanje modela korektno reprezentuje ponašanje realnog sistema koji se simulira [12]. Validacija bi se takođe mogla opisati i kao proces osiguranja da je model dovoljno precizan za namenu za koju je stvoren [14].

Kompleksnost simulacija

Mnogi autori i praktičari modelovanja i simulacija zastupaju stav da je [16] kompleksnost simulacija njihov sopstveni najveći neprijatelj. Nadalje, uočava se da su profesionalci u simulacijama prate 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 korišćenja modelovanja i simulacija

1998. god. je Institut Industrijskih Inženjera (IIE) napravio listu prednosti i mana korišćenja modelovanja i simulacija. Iz ove liste lako se uočava zašto mnogi biraju da upotrebe R&S


21

na istraživanja i obuku. Naveden je spisak nekih prednosti korišćenja modelovanja i simulacija [5]:

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

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

Mane korišćenja procesnih simulacija

Premda ima puno prednosti i koristi od korišćenja PSIM, postoji i izvestan broj potencijalnih troškova, izazova i rizika.

Troškovi Glavni troškovi koji su asocirani sa PSIM su troškovi dizajna i razvoja inicijalnog modela, prikupljanje podataka za model i korišćenje i održavanje modela. Dizajn i razvoj PSIM zahteva napor u smislu da korisnik mora da razume proces koji modeluje, da prikupi podatke i da izgradi model korišćenjem odgovarajućih simulacioni alata. Ovo često zahteva specijalizovano znanje i veštine. Troškovi prikupljanja podataka mogu da uključuju troškove povezane sa prikupljanjem procesnih metričkih podataka i definisanjem parametara modela. Ponekad organizacije ne sakupljaju podatke potrebne za model. Tada podaci treba da budu posebno namenski prikupljeni ili procenjeni. Troškovi asocirani sa korišćenjem i održavanjem modela uključuju troškove adaptiranja modela da adresira nove


22

projekte i odgovori na nova pitanja postavljena od strane menadžmenta. Skorašnji razvoj PSIM je pomogao da se umanje ovi troškovi.

Izazovi Osnovni izazovi koji su asocirani sa primenom PSIM u organizacijama su prikupljanje podataka i kompleksnost modela. Organizacije koje su postigle CMMI nivo 3, 4, i 5 tipično sakupljaju dovoljno podataka da podrže PSIM. Čak šta više skorašnji razvoj PSIM je smanjio količinu potrebnih podataka koja je neophodna za dobijanje korisnih rezultata od PSIM. PSIM su tipično detaljnije i usled toga kompleksnije nego COCOMO (Constructive Cost Model) ili modeli sa proračunskim tabelama. Njihova upotreba zahteva da osoblje nauči nove alate i da razume osnovne koncepte modeliranja i simulacije. Ove veštine se ne uče na tipičnim računarskim kursevima tako da su neophodni posebni kursevi i treninzi. Dodatno, PSIM koje su bazirane na paradigmi diskretnih događaja daju izlaze koji su pre izražavaju verovatnoću nego konkretne procene. Razumevanje i interpretacija ovih izlaza zahteva dodatni trening. Međutim, obuka za sprovođenje unapređenja procesa kao što je CMMI i Six Sigma pruža znanje neophodno da se razumeju i interpretiraju izlazi iz simulacije. Nadalje, jednačine koje se koriste u simulacionim modelima su manje kompleksne nego one koji se koriste da se proceni pouzdanost. Simulacioni modeli su grafički podeljeni po procesnim koracima i mogu se rastavljati. Kao rezultat, kada jednom neko nauči simulacioni alat, on će biti sposoban da razume modele sa relativnom lakoćom. Osnovni trening za većinu PSIM alata je dostupan od proizvođača alata.

Rizici Moguće je za bilo koji model ili alat da bude pogrešno primenjen ili korišćen i da rezultati budu pogrešno protumačeni. PSIM nisu drugačije u tom pogledu. Loši podaci kao i pomanjkanje znanja i veština korisnika može da izazove neželjene efekte. Skorašnji razvoj u modeliranju procesa i metodologijama simulacija su stvorile robusne alate koji pružaju lake opcije za prilagođavanje po sopstvenoj meri, interfejse koji su prijateljski prema korisniku a za kreiranje jednačina i za povezivanje sa bazama podataka koje sadrže podatke o industrijskim standardima. Međutim kao i svi modeli korisnik može da ih i modifikuje na načine koji vode ka neželjenim efektima [2].

Skorašnji napredak u PSIM softveru i modelima

Skorašnji napredak na ovom polju je značajno smanjio troškove asocirane sa primenom PSIM u okviru organizacije na višestrukim nivoima - razvoj modela, prikupljanje podataka, korišćenje modela i održavanje modela. Kreirani su novi alati koji smanjuju napor koji je potreban da se naprave PSIM sa nekoliko nedelja na nekoliko dana. Ovi napreci su bazirani na konceptima projektnih šablona i šablona rešavanja problema. Krajnji efekat je to da su napravljeni modeli koji se mogu ponovo koristiti i gradivni blokovi procesa, a to drastično smanjuje vreme potrebno za kreiranje PSIM. Troškovi asocirani sa prikupljanjem podataka su smanjeni putem:


23

1. razvoja novih metoda za prilagođavanje modela koji zahtevaju manje organizacionih podataka,

2. korišćenjem već postojećih industrijskih standarda ili organizacionih modela kao početne tačke nakon čega se primenjuje inkrementalno osvežavanje i nadgrađivanje modela sa, kada postanu dostupni, detaljnim podacima specifičnim za projekat i

3. prepoznavanja da je korišćenje približnih podataka pogodno za neke glavne primene PSIM kao što je odabir najboljih unapređenja procesa između skupa alternativa.

Troškovi asocirani sa korišćenjem i održavanjem PSIM su takođe značajno smanjeni putem novih alata koji imaju:

1. generičke procesne gradivne blokove i strukture modela koji omogućavaju ekstenzivno ponovno korišćenje modela,

2. interfejse orijentisane prema menadžerima koji omogućavaju prilagođavanje procesa putem povlačećih menija,

3. metoda i treninga dostupnih da pomažu u interpretaciji i korišćenju izlaza iz simulacije.

Proteklih godina puno toga je urađeno na rafinaciji metoda, razvoju novih modela i primeni PSIM za adresiranje novih problema u različitim razvojnim kontekstima. Troškovi kupovine simulacionog softvera su smanjeni, oblast je postala zrelija, manje vremena je potrebno da se napravi i validira model i postoje više pokaznih aplikacija. Smanjenje vremena potrebnog za izradu modela je prvenstveno usled razvoja pristupa modelovanju koji koristi generičke, spremne za korišćenje i konfigurisanje gradivne blokove, procesne komponente (alternativne procese za fazu zahteva), ili šablone zajedničke za životne cikluse razvoja softvera (npr. IEEE 12207, spiralni, inkrementalni, agilni). Nadalje, asocirani analitički metodi omogućavaju korisnicima da brzo i efektivno izvuku zaključke iz modela. Nove generacije PSIM alata:

su bazirane na intenzivnom istraživanju u oblasti modeliranja softverskih procesa koje su sprovođene na univerzitetima, IT industriji i SEI

pružaju korisnički orijentisane interfejse

modeluju softverske procese na detaljnom nivou, kao što je nivo individualnih zahteva ili funkcijskih tačaka u dodatku na aspekte viših nivoa kao što su nivoi projektnih resursa i produktivnost

inkorporiraju SEI metode, kao što su procesni repozitorijumi, da definišu procese i podrže specifične procesne oblasti (PA) CMMI kao i obrasce za definisanje procesnih koraka

integrišu metrike koje se odnose na troškove, kvalitet i vremenski raspored za kreiranje lako razumljive slike performansi projekta


24

predviđaju uticaj na nivou projekta u smislu troškova, kvaliteta i vremena ciklusa unapređenje procesa

podržavaju alate za analizu poslovnih slučajeva za poslovne procese kao što su ROI, NPV i kvantitativna mera rizika

smanjuju rizik asociran sa promenama procesa putem predviđanja mogućnosti verovatnoće da će promene rezultirati u unapređenju rezultatima

zahtevaju manje vremena i napora nego metodi koji zahtevaju od korisnika da pravi specifične modele od gradivnih blokova opšte namene

mogu takođe da smanje nivo ekspertize koji je potreban za primenu PSIM [2]. Uzevši u obzir navedeno, razvoj PSIM alata je doveo do dramatičnog smanjenja troškova upotrebe PSIM u organizacijama i učinio ih vrednijim za praktičnu upotrebu. Čak šta više, organizacije mogu da isplate celu investiciju u PSIM alate samo na osnovu jedne odluke donesene pomoću njih.

PSIM i CMMI

Postoje mnogi načini na koje PSIM mogu da pomognu korisnicima da povećaju zrelost i sposobnost procesa. Na svakom CMMI nivou, PSIM pomaže da se omogući, ispuni ili snažno podrži broj ključnih procesnih oblasti (PA), specifičnih ciljeva (SG) i specifičnih praksi (SP). Tabela 1 pokazuje listu od 50 specifičnih praksi koje su snažno podržane od strane PSIM [2].


25

ML Procesna oblast (PA) Specifični ciljevi (SG) Specifične prakse (SP)

2 Planiranje projekta Uspostavlja procene Definiše životni ciklus projekta Određuje procenu napora i troškova

Merenje i analiza (MA)

Usklađivanje aktivnosti merenja i analize

Uspostavlja ciljeve merenja Određuje merenja Određuje procedure merenja

Obezbeđuje rezultate merenja

Analizira rezultate merenja Skladišti podatke i rezultate Saopštava rezultate

3 Fokus organizacionih procesa (OPF)

Određuje mogućnosti za unapređenje procesa

Uspostavlja potrebe organizacionih procesa Procenjuje procese organizacije Identifikuje unapređenja procesa organizacije

Planira i implementira aktivnosti unapređenja procesa

Uspostavlja planove akcija procesa Inkorporira procesno orijentisana iskustva u organizacionu aktivu

Definicija organizacionih procesa (OPD)

Uspostavlja procene organizacionih procesa

Uspostavlja standardne procese Uspostavlja opise modela životnih ciklusa Uspostavlja kriterijume i smernice kreiranja Uspostavlja repozitorijum merenja organizacije Uspostavlja biblioteku aktive procesa organizacije

Integrisano upravljanje projektima (IPM)

Korišćenje definisanih procesa projekta

Uspostavlja definisane procese projekta Koristi aktivu organizacionih procesa za planiranje projektnih aktivnosti Upravljanje projektima putem integrisanih planova Doprinosi organizacionoj aktivi procesa

Upravljanje rizikom (RM)

Priprema za upravljanje rizikom

Uspostavlja strategiju za upravljanje rizikom

Identifikuje i analizira rizike Procenjuje, kategorizuje i dodeljuje prioritet rizicima

Ublažuje rizike Razvija planove ublažavanja rizika

Analiza odluka i izvršenje (DAR)

Procena alternativa Uspostavlja kriterijume procene Identifikacija alternativnih rešenja Odabir metoda procene Procena alternativa Odabir rešenja

4 Performanse organizacionih procesa (OPP)

Uspostavlja osnove performansi i modele

Uspostavlja mere performansi procesa Uspostavlja osnove performansi procesa Uspostavlja modele performansi procesa

Kvantitativno upravljanje projektima

Kvantitativno upravljanje projektom

Uspostavlja ciljeve projekta Sastavlja definisane projekte Odabir podprocesa kojima će se statistički upravljati Upravljanje performansama projekta

Statističko upravljanje performansama podprocesa

Odabir mera i analitičkih tehnika Primena statističkih metoda radi razumevanja varijacija Praćenje performansi odabranih podprocesa

5 Operativne inovacije i razvoj

Odabir unapređenja Prikupljanje i analiza predloga za unapređenja Identifikacija i analiza inovacija Odabir unapređenja za razvoj

Analiza uzroka i rezolucija

Utvrđuje uzroke defekata Analizira uzroke

Adresira uzroke defekata Procenjuje efekte promena

Tabela 1 - Lista specifičnih praksi podržanih od strane PSIM [2].


26

Zaključak

Istorija modelovanja 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. Modelovanje 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


27

PSIM omogućavaju njihovim razvojnim operacijama da projektuju, komponuju i unaprede svoje procese na detaljnom nivou. Modeli su kvantitativni i omogućavaju procenu troškova odozdo na gore za projekte koristeći relevantne projektne podatke. Ovo može da pruži vrlo korisnu proveru verodostojnosti procena dobivenih odozgo na dole alatima kao što je npr. COCOMO. Osnovne prednosti korišćenja PSIM uključuju [2]:

selekciju najboljih mogućih razvojnih procesa za specifične situacije i okolnosti

unapređenje planiranja i izvršenja procesa

pružanje objektivne i kvantitativne osnove za projektne odluke

smanjen rizik kada se implementiraju promene procesa

poboljšano razumevanje mogućih ishoda u kompleksnim procesima i projektima. Imajući u vidu stalan napredak računarske tehnologije u pogledu sve veće brzine i sve nižih cena, u doglednoj budućnosti možemo očekivati da će modelovanje i simulacije postati sve rasprostranjeniji, kao i da će se sa 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 [17].


28

LITERATURA

[1] J. Sokolowsky and C. M. Banks, Modeling and Simulation for Analyzing Global Events, NJ: Wiley, 2009.

[2] D. M. Raffo and W. Wakeland, Moving Up the CMMI Capability and Maturity Levels Using Simulation, Pittsburgh: Carnegie Mellon University, 2008.

[3] R. Shannon, Systems Simulation – The Art and Science, Englewood Cliffs, NJ : Prentice-Hall, 1975.

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

[5] C. Banks, "What is modeling and Simulation?," in Principles of modeling and simulation: a multidisciplinary approach, New Jersey, Wiley, 2009.

[6] 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.

[7] J. A. Sokolowski and C. M. Banks, Principles of modeling and simulation: a multidisciplinary approach, Willey: New Jersey, 2009.

[8] M. Pidd, Computer Simulation in Management Science 5e, West Sussex, England: Wiley, 2004.

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

[10] 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.

[11] M. Bertolino, Numerička analiza, Beograd: Naučna Knjiga, 1977, pp. 1. Bertolino, M., 1977, Numerička analiza, Univerzitet u Beogradu, Naučna Knjiga, Beograd.

[12] R. Shannon, "Introduction to the art and science of simulation," in Winter Simualtion Conference, 1998.

[13] 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.

[14] S. Robinson, Simulation: the practice of model development and use, West Sussex : Wiley, 2004.

[15] W. Wang and R. Brooks, "Improving the understanding of conceptual modelling," Palgrave Journals, Operational Research Society Ltd., pp. 153-158, 2007.

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

[17] 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.

Modelovanje i simulacije kao sredstvo unapređenja CMMI nivoa zrelosti i sposobnosti

Documents

Transcript of Modelovanje i simulacije kao sredstvo unapređenja CMMI nivoa zrelosti i sposobnosti