Magistarski Rad Edin Cerjakovic

UNIVERZITET U TUZLI
MAŠINSKI FAKULTET
Cerjaković Edin
-MAGISTARSKI RAD-
"POVIŠENJE KAPACITETA PROIZVODNO-TRANSPORTNIH SEGMENATA
SISTEMA PRIMJENOM SIMULACIONE STUDIJE"
Tuzla, oktobar 2008. godine

POVIŠENJE KAPACITETA PROIZVODNO-TRANSPORTNIH SEGMENATA SISTEMA PRIMJENOM
SIMULACIONE STUDIJE"
-Magistarski rad-
- mentor rada: Dr sc. Alan Topčić, docent

- rad ima 104 stranice
- rad ima 41 sliku
- rad ima 37 tabela
- redni broj magistarskog rada
Edin Cerjaković Strana II

-Magistarski rad-
REZIME
Savremeni uslovi poslovanja prisilili su proizvodne kompanije koje žele da postignu i zadrže
svoje konkurentske sposobnosti na globalnom tržištu na stalno optimiranje parametara rada i
unutrašnje organizacije proizvodnih sistema u cilju kontinuiranog povećanja proizvodnih kapaciteta
uz istovremeno snižavanje troškova proizvodnje te zadržavanje kvaliteta proizvoda u najmanju ruku
na istom nivou. Opštim globalnim poslovnim trendovima izložene su i kompanije u Bosni i
Hercegovini, koje u cilju ispunjavanja navedenih zahtjeva moraju pristupiti poboljšanju svojih,
najčešće neefikasnih, proizvodnih procesa.
Jedna od metodologija koji omogućava optimiranje proizvodnih procesa spram postavljenih
kriterija je simulaciona studija. Sama metodologija se zasniva na prikupljanju podataka koji opisuju
stanja pojedinih segmenata sistema, njihovoj statističkoj obradi, definiranju i uspostavljanju
modela, te izvođenju niza simulacionih eksperimenata u cilju optimizacije proučavanog
proizvodnog sistema u skladu sa postavljenim kriterijima. Na ovaj način osigurava se
zadovoljavajuće opisivanje dinamičkih pojava unutar proizvodnih sistema, te više nego efikasno
optimiranje istih u relativno kratkom periodu i po prihvatljivim troškovima.
U sklopu magistarskog rada primijenjena je metodologija simulacione studije za opisivanje i
optimiranje postojeće fleksibilne proizvodne linije s ciljem povišenja proizvodno-transportnih
kapaciteta proučavane proizvodne linije.
Ključne riječi: tokovi materijala, stepen uravnoteženosti, simulacija, simulaciona studija
Edin Cerjaković Strana III

-Magistarski rad-
SUMMARY
Present business conditions are forced production companies which want to achieve and to
detain its concurrent abilities on the global market to continuously optimise theirs working
parameters and to optimise internal organisation of theirs production systems with the aim to
increase capacity, decrease costs of production simultaneously and keep products quality at least on
the same level. To global business trends are expose production companies in Bosnia and
Herzegovina too. To fulfil above mentioned requirements companies in Bosnia and Herzegovina
must improve theirs mostly inefficient production processes.
One of methodologies which enable optimisation of production processes according to
seated criteria is simulation study. Methodology itself is based on acquisition of data which
describe state of certain segments of production system, statistical processing of acquired data,
defining and establishing of model, and performing series of simulation experiments with the goal
to optimise observed production systems according to seated criteria. By this way more then
efficient optimisation of adopted parameters of observed production system in relatively short time
and acceptable costs is ensured.
Methodology of simulation study for describing and optimisation of existing flexible
production line with the aim to increase production-transportation capacity in this master thesis is
used.
Key words: flow of material, balancing degree, simulation, simulation study
Edin Cerjaković Strana IV

-Magistarski rad-
SADRŽAJ
REZIME ...........................................................................................................................................................III
SUMMARY .................................................................................................................................................... IV
SADRŽAJ .........................................................................................................................................................V
POPIS SLIKA ................................................................................................................................................ VII
POPIS TABELA ............................................................................................................................................. IX
SKRAČENICE ................................................................................................................................................ XI
1. UVOD ........................................................................................................................................................ 1
1.1. Problem istraživanja .......................................................................................................................... 2
1.2. Cilj istraživanja .................................................................................................................................. 3
1.3. Osnovne hipoteze .............................................................................................................................. 4
1.3.1. Ograničenja hipoteza ................................................................................................................. 4
1.4. Korištene metode ............................................................................................................................... 4
1.5. Očekivani rezultati ............................................................................................................................. 5
2. TOKOVI MATERIJALA U PROIZVODNIM SISTEMIMA .................................................................. 6
2.1. Proizvodni sistemi ..................................................................................................................................... 6
2.1.1. Struktura proizvodnih procesa ................................................................................................... 6
2.2. Unutrašnji transport ........................................................................................................................... 8
2.2.1. Definicija i značaj unutrašnjeg transporta u proizvodnim sistemima ........................................ 8
2.2.2. Kapacitet transportne opreme i uzroci nagomilavanja u transportnim sistemima ....................10
2.3. Tok materijala ...................................................................................................................................11
2.3.1. Funkcija toka materijala ...........................................................................................................11
2.3.2. Troškovi tokova materijala .......................................................................................................13
2.3.3. Analiza tokova materijala .........................................................................................................14
3. SIMULACIJA TOKOVA MATERIJALA ...............................................................................................17
3.1. Modeliranje.......................................................................................................................................17
3.1.1. Model i modeliranje..................................................................................................................17
3.1.2. Simulacijsko modeliranje .........................................................................................................19
3.1.3. Podjele simulacionih modela ....................................................................................................21
3.1.4. Simulacija diskretnih događaja .................................................................................................22
3.2. Simulacija tokova materijala ............................................................................................................23
3.2.1. Simulaciona studija...................................................................................................................27
Edin Cerjaković Strana V

-Magistarski rad-
4. TEORIJA MASOVNOG OPSLUŽIVANJA I NJENA PRIMJENA U SIMUALCIJI TOKOVA

MATERIJALA .................................................................................................................................................30
4.1. Teorija masovnog opsluživanja ........................................................................................................30
4.1.1. Istorijski pregled nastanka teorije masovnog opsluživanja ......................................................30
4.1.2. Osnovni elementi sistema opsluživanja ....................................................................................30
4.1.3. Notacija.....................................................................................................................................33
4.2. Diskretni modeli tokova materijala zasnovani na teoriji masovnog opsluživanja ............................34
4.2.1. Diskretni matematski modeli tokova materijala .......................................................................36
5. OPIS PROCESA IZVOĐENJA SIMULACIONE STUDIJE ..................................................................40
5.1. Definisanje cilja istraživanja ............................................................................................................40
5.2. Prikupljanje, obrada i analiza radnih podataka posmatranog problema ...........................................40
5.2.1. Prikupljanje ulaznih podataka ..................................................................................................41
5.2.1.1. Snimanja rada povratnom metodom .....................................................................................42
5.2.2. Opis i kavantificiranje slučajne pojave .....................................................................................43
5.3. Genarisanje modela posmatranog problema .....................................................................................50
5.4. Verifikacija simulacionog modela ....................................................................................................50
5.5. Izvođenje simulacionog eksperimenta..............................................................................................52
5.5.1. Dizajn simulacionih eksperimenata ..........................................................................................53
6. SIMULACIONA STUDIJA TOKOVA MATERIJALA PROIZVODNE LINIJE „Prsten 1“ ................54
6.1. Formulisanje cilja i zadatka simulacione studije tokova materijala proizvodne linije „Prsten 1“ ....55
6.2. Karakteristike objekta istraživanja ...................................................................................................55
6.2.1. Unutrašnji transport proizvodne linije „Prsten 1“ ....................................................................62
6.3. Analiza radnih parametra proizvodne linije „Prsten 1“ ....................................................................63
6.4. Simulacioni model proizvodne linije „Prsten 1“ ..............................................................................76
6.5. Validacija simulacionog modela proizvodne linije “Prsten 1“ .........................................................78
6.6. Simulacioni eksperimenti .................................................................................................................80
6.7. Komentar rezultata provedenog simulacionog eksperimenata 3 ......................................................99
7. ZAKLJUČAK .........................................................................................................................................102
7.1. Nedostatci vlastitih istraživanja ......................................................................................................103
7.2. Pravci daljih istraživanja ................................................................................................................104
LITERATURA ...............................................................................................................................................105
BIOGRAFIJA KANDIDATA ........................................................................................................................109
PRILOZI
Edin Cerjaković Strana VI

-Magistarski rad-
POPIS SLIKA
Slika 1. Struktura proizvodnog sistema ............................................................................................... 7

Slika 2. Struktura proizvodnih sistema ................................................................................................ 8
Slika 3. Procesi unutar proizvodnog sistema ..................................................................................... 12
Slika 4. Tok materijala unutar objekta proizvodnog sistema ............................................................. 13
Slika 5. Vizualizacija procesa primjenom simulacione stuje ............................................................. 16
Slika 6. Simulacioni modeli ............................................................................................................... 19
Slika 7. Struktura simulacije .............................................................................................................. 20
Slika 8. Simulacijski model kao dio sistema za podršku odlučivanju ............................................... 24
Slika 9. Vizualizacija toka materijala ................................................................................................ 25
Slika 10. Simulacija proizvodno-transportnih sistema ...................................................................... 26
Slika 11. Tok simulacione studije ...................................................................................................... 28
Slika 12. Element sistema opsluživanja ............................................................................................. 31
Slika 13. Grafičko predstavljanje rada posmatranog sistema opsluživanja ....................................... 35
Slika 14. Vjerovatnoće međudolazaka i opsluživanja kao i rezultirajuća raspodjela između
raspodjele radne bilanse tabele .......................................................................................................... 38
Slika 15. Funkcija raspodjele F(x) i funkcija gustine f(x) kontinualne slučajne varijable S ............. 43
Slika 16. Plan eksperimenta za izvođenje simulacione studije tokova materijala na proizvodnoj liniji
“Prsten 1” ........................................................................................................................................... 54
Slika 17. Šematski prikaz rasporeda proizvodne opreme u proizvodnoj liniji „Prsten 1“ ................. 55
Slika 18. Šematski prikaz toka materijala unutar proizvodne linije „Prsten 1“ ................................. 56
Slika 19. a.) Kanban-skladište; b.) Radno mjesto operacije 11 ......................................................... 57
Slika 20. a.) Radno mjesto 2-1; b.) CNC-obradna mašina sa skladištem obradaka........................... 57
Slika 21. a.) Radno mjesto 2-2; b.) Radno mjesto operacije 3 ........................................................... 58
Slika 22. a.) Radno mjesto 4-1; b.) Stezni alat ................................................................................... 59
Slika 23. a.) Radno mjesto 4-2; b.) Rotaciono skladište na obradnoj mašini radnog mjesta 4-2.1 ... 59
Slika 24. Radno mjesto 2-4.1 ............................................................................................................. 60
Slika 25. Transportna ručna kolica .................................................................................................... 62
Slika 26. Simulacioni model proizvodne linije „Prsten 1“ ................................................................ 77
Slika 27. Kapacitet obradnih mašina na operaciji 1 ........................................................................... 83
Slika 29. Kapacitet obradnih mašina: a.) operacija 3; b.) operacija 4................................................ 84
Slika 30. Dinamika međuskladišta proizvodne linije“ Prsten 1“: a.) trenutak ulaza paleta; b.)
trenutak izlazka paleta; c.) red čekanja unutar međuskladišta ........................................................... 85
Slika 33. Kapacitet obradnih mašina: a.) operacija 3; b.) operacija 4................................................ 89
Slika 34. Dinamika međuskladišta proizvodne linije „Prsten 1“: a.) trenutak ulaza paleta; b.)
Slika 35. Šematski prikaz rasporeda proizvodne opreme u proizvodnoj liniji „Prsten 1“ za
slimalacioni eksperiment 3 ................................................................................................................ 93
Edin Cerjaković Strana VII

-Magistarski rad-
Slika 36. Šematski prikaz toka materijala unutar proizvodne linije „Prsten 1“ za slimalacioni
eksperiment 3 ..................................................................................................................................... 93
Slika 38. Kapacitet obradnih mašina na operaciji 2/3 ........................................................................ 96
Slika 40. Dinamika međuskladišta proizvodne linije „Preten 1“: a.) trenutak ulaza paleta; b.)
Slika 41. Dinamika nastajanja redova čekanja tokom simulacionih eksperimenata 2 i 3 proizvodne
linije „Prsten 1“ ................................................................................................................................ 100
Edin Cerjaković Strana VIII

-Magistarski rad-
POPIS TABELA
Tabela 1. Tip simulacije ..................................................................................................................... 26

Tabela 2. Proračun raspodjele vjerovatnoće dolazećeg i odlazećeg rada .......................................... 38
Tabela 3. Diskretne statističke raspodjele .......................................................................................... 46
Tabela 4. Kontinualne statističke raspodjele...................................................................................... 47
Tabela 5. Empirijske statističke raspodjele ........................................................................................ 49
Tabela 6. Statistički testovi ................................................................................................................ 50
Tabela 7. Zastoji proizvodnje tokom rada za prvu smjenu ................................................................ 56
Tabela 8. Sedmični plan rada proizvodne linije „Prsten 1“ ............................................................... 60
Tabela 9. Karta tehnološkog toka materijala proizvodne linije „Prsten 1“ ........................................ 61
Tabela 10. Statistička obrada podataka za vrijeme obrade na obradnim mašinama 54-13, 54-16 i 54-
20........................................................................................................................................................ 64
Tabela 11. Statistički parametri procesa opreracije 1 unutar proizvodne linije „Prsten 1“ ............... 66
Tabela 14. Statistički parametri procesa operacije 4 unutar proizvodne linije „Prsten 1“................. 72
Tabela 15. Konstruktivni parametri simulacionog modela proizvodne linije „Prsten 1“ .................. 76
Tabela 16. Verifikacioni parametri simulacionog modela proizvodne linije „Prsten 1“ ................... 78
Tabela 17. Sedmični plan rada proizvodne linije „Prsten 1“ ............................................................ 80
Tabela 18. Podaci simualacionog eksperimenta 1 o obradnim mašinama proizvodne linije „Prsten
1“ ........................................................................................................................................................ 81
1“ ........................................................................................................................................................ 82
Tabela 20. Podaci simualacionog eksperimenta 1 o opterećenje radne snage proizvodne linije
„Prsten 1“ ........................................................................................................................................... 82
1“ ........................................................................................................................................................ 86
1“ ........................................................................................................................................................ 87
Tabela 23. Razlika podataka simualacionog eksperimenta 2 i 1 o obradnim mašinama proizvodne
linije „Prsten 1“ .................................................................................................................................. 87
Tabela 24. Razlika podataka simualacionog eksperimenta 2 i 1 o obradnim mašinama proizvodne
linije „Prsten 1“ .................................................................................................................................. 87
„Prsten 1“ ........................................................................................................................................... 88
Tabela 26. Razlika podataka simualacionog eksperimenta 2 i 1 o opterećenje radne snage
proizvodne linije „Prsten 1“ ............................................................................................................... 88
Tabela 27. Razlika stanja međuskladišta proizvodne linije „Prsten 1“.............................................. 90
Tabela 28. Stepen neuravnoteženja unutar proizvodne linije „Prsten 1“ ........................................... 91
Tabela 29. Sedmični plan rada proizvodne linije „Prsten 1“ ............................................................. 94
Edin Cerjaković Strana IX

-Magistarski rad-
1“ ........................................................................................................................................................ 94
1“ ........................................................................................................................................................ 95
„Prsten 1“ ........................................................................................................................................... 95
Tabela 33. Razlika stanja međuskladišta proizvodne linije „Prsten 1“.............................................. 97
Tabela 34. Stepen neuravnoteženja nutar proizvodne linije „Prsten 1“ ............................................. 98
Tabela 35. Razlika u opterećenju ljudske radne snage između simulacionog eksperimenta 2 i 3
proizvodne linije „Prsten 1“ ............................................................................................................... 99
Tabela 36. Razlika u stepenu neuravnoteženja između simulacionog eksperimenta 2 i 3 proizvodne
linije „Prsten 1“ .................................................................................................................................. 99
Tabela 37. Razlika u gotovim proizvodima između simulacionog eksperimenta 2 i 3 proizvodne
linije „Prsten 1“ ................................................................................................................................ 100
Edin Cerjaković Strana X

-Magistarski rad-
SKRAČENICE
λ - aritmetička sredina statističke raspodjele po kojoj se odvija proces dolazaka
elemenata opsluživanja
A - statistička raspodjela vremena dolazaka jedinica u sistem
a - vektor vjerovatnoće vrijednosti međudolazaka
α(τ) - kumulirani broj svih dolazaka
AS/IS - disciplina opsluživanja, eng. Ample Server/Infinit Server
B - statistička raspodjela vremena opsluživanja jedinica
b - vektor vjerovatnoće vrijednosti opsluživanja
Bi - dužina produktivnih faza
BMT - metoda studiranja vremena osnovnih pokreta
c - broj kanala opsluživanja
ci - razlika između raspodjela vjerovatnoće dolazećeg i odlazećeg rada
CX - koeficijent varijacije
D - degenerisana statistička raspodjela
d - broj klase
DMT - metoda određivanja vremena pokreta
E[Nk] - k-ti moment diskretne slučajne varijable N
E[Sk] - k-ti moment kontinualne slučajne varijable S
Ek - erlangova raspodjela
ερ - preciznost izračunavanja srednjeg vremena
f - frekvencija klase
F(x) - Funkcija statističke raspodjele kontinualne slučajne varijable
f(x) - funkcija gustine kontinualne slučajne varijable
FIFO - disciplina opsluživanja, eng. First In - First Out
G - ne specificirana uopštena statistička raspodjela
GD - bilo koja disciplina čekanja
Hk - hiper-eksponencijalna raspodjela
I - dužina neproduktivnih faza
LIFO - disciplina opsluživanja, eng. Last In - First Out
μ - aritmetička sredina statističke raspodjele po kojoj se odvija proces opsluživanja
elemenata
M - eksponencijalna raspodjela
MTA - metoda analize vremena pokreta
MTM - metoda mjerenja vremena
N(t) - broj prisutnih klijenata u sistemu
PRIOR - disciplina opsluživanja po prioritetu
Q(t) - broj klijenata koji čekaju na opsluživanje
RR - disciplina opsluživanja, eng. Round Robin
S - dužina vremena opsluživanja ulaznih jedinica
σ - standardna devijacija
SIRO - disciplina opsluživanja, eng. Service In Randon Order
SPTF - disciplina opsluživanja, eng. Shortest Processing Time First
T - vrijeme dolaska ulaznih jedinica
t - srednje vrijeme osnovne klase
t0 - srednje vrijeme očitavanja
TČ - vrijeme čekanja
Tdol - vrijeme dalazaka transportnih jedinica
Edin Cerjaković Strana XI

-Magistarski rad-
tinc - inicijalno vrijeme

tmax - maksimalno očitano vrijeme
Tmd - vrijeme međudolazaka
tmin - minimalno očitano vrijeme
Top - vrijeme opsluživanja
Top - vrijeme opsluživanja
U(t) - virtualno vrijeme čekanja klijenta
V - vrijeme čekanja klijenta
VAR[S] - varijansa slučajne varijable
W - dužina vremena čekanja pojedinih ulaznih jednica u redu za opsluživanje
w - raspodjela vjerovatnoće vremena čekanja
WF - metoda sistema radikalnih faktora
x - kapacitet sistema opsluživanja
y - vrijednost populacije ulaznih jedinica
z - disciplina reda čekanja
δ(t) - kumulirani broj svih izlazaka
θ - vrijeme izlazka iz sistema opsluživanja ulaznih jedinica
ρ - iskorištenje stanice opsluživanja
Edin Cerjaković Strana XII

-Magistarski rad-
1. UVOD
Osnovni cilj svakog proizvodnog sistema je ostvarenje predviđene proizvodnje

kvantitativno, kvalitativno i na vrijeme. Shodno tome planiranje i rad proizvodnih sistema
permanentno su usmjereni smanjivanju proizvodnih troškova, s ciljem povišenja ukupne
efektivnosti i dostizanja odgovarajućeg nivoa konkurentnosti na tržištu. Ovakvi zahtjevi vode ka
kompleksnim strukturama upravljanja i planiranja proizvodnih procesa. Realizaciju tih zahtjeva je
moguće postići primjenom savremenih proizvodnih metoda baziranih na permanentnoj
implementaciji novih znanja (tehnologija, novih materijala, itd.), a posebno na primjeni
informacionih tehnologija (CAD/CAPP/CAM-CAQ, ...) u svim fazama pripreme i procesa
proizvodnje.
Bez obzira o kakvoj se proizvodnji ili proizvodnom procesu radi, ono što im je zajedničko je
transport, jer predstavlja vezu između pojedinih faza procesa izrade, kontrole, montaže, skladištenja
i otpreme gotovih proizvoda. Poznata je činjenica da su transport i manipulacija materijalom,
faktori koji imaju značajan uticaj na proizvodne efekte i krajnju cijenu proizvoda. Racionalizacija i
optimalno iskorištenje transportnih resursa u proizvodnom sistemu može da omogući povećanje
produktivnosti cjelokupnog proizvodnog sistema u svim fazama izrade proizvoda.
Današnje stanje transportne tehnike karakteriše stalni razvoj i modernizacija sredstava za
transport i manipulaciju materijalom, što uz primjenu novih informacionih tehnologija i metoda,
predstavlja osnovu za planiranje i projektovanje transportnih sistema. Pri razmatranju svakog
problema transportovanja materijala postoji veliki broj alternativa koje su tehnički ostvarive.
Problem se sastoji u tome da se od mogućih rješenja odabere ono koje u najvećoj mjeri ispunjava
postavljene tehničke i ekonomske uslove.
Rješenje izbora adekvatnog transportnog sistema treba da je zasnovano na potpunom
poznavanju interakcijskog djelovanja koje se odvija između pojedinih jedinica unutar
proizvodno/transportnog procesa u sklopu proizvodnog sistema. Za rješavanje navedene
problematike sve više se primjenjuju razne metode simulacije. Simulacijom se omogućava
pravilnije analiziranje složenijih proizvodnih procesa gdje se javljaju: redovi čekanja, vjerovatnoće
realizacije toka materijala u planiranom roku, planiranje, otkazi, transport resursa, upravljanje
zalihama, uticaji povratnih sprega na ponašanje sistema i sl.
Polaznu osnovu simulacije predstavlja izrada, odnosno primjena modela kojima se opisuje i
objašnjava ponašanje proizvodnog sistema. Modelom se prikazuje statičko stanje sistema, odnosno
stanje u određenom momentu, a simulacijom se vrši praćenje stanja sistema u vremenu. Postoje
razne metode za predstavljanje stanja sistema u vremenu (grafičke metode, metode zasnovane na
klasičnim proračunima itd.). Međutim, zahvaljujući radnim karakteristikama, digitalni računari
omogućavaju izvođenje simulacija na način, koji nije izvodiv drugim metodama.
Prema navedenom, simulacionim modelima se opisuju dinamički procesi u proizvodnom
sistemu čije se ponašanje mijenja tokom vremena. Primjenom simulacionog modeliranja nije
moguće dobiti rješenja u analitičkom obliku, već se rješenja dobivaju eksperimentisanjem na
modelu sistema/procesa, pri čemu se kao rezultat simulacionog eksperimenta dobiva skup tačaka,
odnosno vrijednosti zavisnih varijabli/promjenjivih za pojedine vrijednosti nezavisnih varijabli.
Kada se govori o simulaciji, neophodno je istu posmatrati kroz aspekt modeliranja, pošto po
samoj definiciji model predstavlja osnovu simulacionog procesa. Razvoj novih tehnologija i
računarske tehnike, rezultirali su stvaranjem modela kojima je omogućeno opisivanje složenih
realnih proizvodnih procesa. U tehnici modeli imaju posebnu važnost u cilju oblikovanja i
Edin Cerjaković Strana 1

-Magistarski rad-
ispitivanja obilježja novih i postojećih rješenja, koja se često ne mogu drugačije analizirati,
sagledavati i ispitivati.
U suštini se simulacioni proces zasniva na: procesima pripreme, modeliranja, provođenja i
ocjene dobivenih rezultata. Procesi modeliranja i izvođenja simulacionih eksperimenata se izvode
interativnim postupkom. Prema smjernici VDI 3633 (njemački: Verein Deutscher Ingenuere –
Savez inženjera Njemačke), te [62], [52] i [40], ovaj postupak se definiše kao simulaciona studija,
tačnije projekt simulacijom podržanog ispitivanja sistema.
Simulaciona studija može da obuhvata određeni broj simulacionih eksperimenata baziranih
na metodologiji planiranog eksperimenta ili varijaciji uticajnih faktora, organizacione stukture,
primjenjene opreme, planiranih i neplaniranih zastoja, itd.
Računarski modeli predstavljaju osnovu na bazi koje se kreiraju simulacioni modeli u obliku
programa pogodnih za računar. U takvom obliku modeli postaju sredstvo kojim se može analizirati
rad proizvodnih sistema u različitim uslovima eksploatacije, na osnovu čega se može uspostaviti
razumijevanje procesa koji model opisuje. Ovim je stvorena mogućnost predviđanja ponašanja
proizvodnog sistema, odnosno pojedinih procesa unutar njega.
Primjeri sistema koji se modeliraju i analiziraju simulacionim modelima su sistemi koji svoj
rad zasnivaju na diskretnim događajima – diskretni sistemi, čime su obuhvaćeni proizvodni sistemi i
njima pripadajući sistemi unutrašnjeg transporta.
Primjena simulacione tehnike se znatno proširila posljednjih godina sa povećanjem
računarskih kapaciteta i unaprjeđenjem objektno orjentiranih softverskih paketa, čime je
omogućeno izvođenje složenih simulacija baziranih na diskretnim događajima što je i suština
simulacione studije.
1.1. Problem istraživanja
Primjenom savremenih tehnologija u cilju smanjenja troškova proizvodnje, proizvodni

sistemi se sve češće suočavaju sa kompleksnom logističkom i organizacionom problematikom. Sa
aspekta toka materijala unutar proizvodnje ova problematika se prvenstveno odnosi na pojavu
odstupanja planiranog od stvarnog kapaciteta transportnih linija. Osim toga, česta je pojava da se u
proizvodnji pojavljuju:
− uska grla, odnosno neuravnoteženost između pojedinih operacija proizvodnje i
transporta,
− niži stepen iskorištenja proizvodno-transportnih linija od planiranog,
− planirani kapacitet skladišta i međuskladišta ne odgovara realnim potrebama,
− značajne razlike između teoretskog i planiranog kapaciteta proizvodnje, bez valjanih
informacija i konkretnog poznavanja zavisnosti proizvodno-transportnih kapaciteta.
U većini proizvodnih sistema se ne poklanja potrebna pažnja problemima usklađenosti rada
proizvodnih i transportnih kapaciteta, kao i značajnom uticaju slučajnih događaja (otkaza i sl.), koji
se u njima odvijaju.
Odluke o tome da li su tokovi materijala i primijenjena transportna sredstva adekvatno
izabrana, najčešće su se donosile primjenom metoda za analizu tokova materijala, koje nisu uzimale
u obzir dinamiku i stohastičnost pojava koje se odvijaju u proizvodnim sistemima i realnim
uslovima. Ovakvim pristupom su dobivane informacije koje nisu u potrebnoj mjeri realno opisivale

-Magistarski rad-
radne uslove, zbog čega često nisu bile primjenjive na konkretne proizvodno-transportne segmente.
Posebno sa aspekta unutrašnjeg transporta, birani su transportni sistemi koji svojim performansama
nisu bili adekvatno iskorišteni, što je imalo uticaja na troškove proizvodnje, odnosno ukupni nivo
efektivnosti proizvodnih sistema.
Na osnovu navedenog proizlazi da za znatan broj proizvodnih sistema ne postoje potrebna
saznanja o pojedinim proizvodno-transportnim procesima, što po pravilu ima za posljedicu pojavu
nepotrebnih troškova u procesu proizvodnje. Veliki udio u ovim troškovima prouzrokuje
neusuglašenost operacija proizvodnje i sredstava unutrašnjeg transporta.
Treba naglasiti da neuravnoteženost između operacija proizvodnje i unutrašnjeg transporta
nije uvijek pokazatelj neadekvatnosti radnih parametara unutrašnjeg transporta, često se javlja i
problem neprikladne opreme koja se primjenjuje u procesu unutrašnjeg transporta, što se također
mora uzeti u obzir pri razmatranju ove problematike.
Problem istraživanja u ovom magistarskom radu se sastoji u iznalaženja rješenja, kojima će
se prvenstveno poboljšati stepen iskorištenja sistema unutrašnjeg transporta, odnosno odabrati takvi
parametri čija će optimizacija uticati na trajanje pojedinih faza transportovanja i smanjivanje
troškova proizvodnje.
1.2. Cilj istraživanja
Cilj istraživanja magistarskog rada je identifikacija "slabih" mjesta u realnom proizvodnom

sistemu, i uz zadovoljavajuću tačnost predviđanje ponašanja rada određenih proizvodno-
transportnih segmenata. Ovakav pristup treba da rezultira povišenjem ekonomičnosti rada
cjelokupnog proizvodnog sistema: smanjenjem međufaznih-procesnih zaliha, boljim iskorištenjem
rada rukovalaca, povišenjem kapaciteta proizvodne opreme, smanjenjem vremena trajanja
transporta, odnosno nižim proizvodnim troškovima i povišenjem nivoa konkurentnosti na tržištu.
Ova istraživanja su od značaja za proizvodne subjekte u Bosni i Hercegovini, posebno u
vremenu kada privreda BiH nastoji da se izbori za svoju poziciju na svjetskom i domaćem tržištu.
Provedena istraživanja su, za konkretan slučaj, dala odgovore na sljedeća pitanja:
− Da li postoji potreba za uravnoteživanjem toka materijala?
− Da li postoje uska grla i koji su uzročnici za njihov nastanak?
− Kolika je stvarna potreba za skladišnim prostorom i na kojim mjestima?
− Da li je potrebno izmijeniti strukturu unutrašnjeg transporta?
− Da li su svi elementi unutrašnjeg transporta optimalno iskorišteni, odnosno koliki je
stepen iskorištenja svakog elementa unutrašnjeg transporta?
Planirana istraživanja su realizirana u postojećem proizvodnom sistemu okarakteriziranom

fleksibilnom serijskom proizvodnjom sa pripadajućim sistemom unutrašnjeg transporta, a
podrazumjevaju praćenje i snimanje radnih parametara, te njihovo kvantificiranje, s ciljem
dobivanja pokazatelja neophodnih za realizaciju postavljenog cilja istraživanja.

-Magistarski rad-
1.3. Osnovne hipoteze
U skladu sa definiranim problemom i ciljem istraživanja postavljene su slijedeće hipoteze:

Hipoteza 1.
Zakonitost dinamičkih procesa toka materijala unutar proizvodnog sistema sa proizvodnim

programom bez promjene asortimana, odvija se po jednoj od statističkih raspodjela slučajne
promjenjive.
Hipoteza 2.
Primjenom simulacione studije na tokove materijala unutar proizvodnog sistema moguće je

kvantificirati relevantne parametre dinamičkih procesa proizvodnje i transportovanja materijala.
1.3.1. Ograničenja hipoteza
U odnosu na postavljene hipoteze, a uzimajući u obzir usvojeni poligon istraživanja

postavljena su sljedeća ograničenja hipoteza:
− Procesi posmatranog proizvodnog sistema, proizvodnja, transport i skladištenje, se
odvijaju prema strogo definisanom tehnološkom procesu;
− S obzirom da je vrijeme izrade jednog proizvoda kraće od vremenskih intervala
pojave otkaza, te s obzirom na karakter istraživanja pojave stanja u otkazu će biti
zanemarene.
1.4. Korištene metode
Za planirana istraživanja u ovom magistarskom radu korištene su slijedeće metode:

prikupljanje empirijskih podataka i praćenje (in sity) parametara rada pojedinih procesa objekta
istraživanja;
statistička obrada podataka koja obuhvata:
• histogramsku analizu;
• definisanje teorijske statističke distribucije;
• primjenu Kolmogorov-Smirnovljevog testa (dα – testa), u cilju validnosti i
verifikacije definisane statističke distribucije;
izvođenje simulacione studije, kojom treba da se izvrši :
• određivanje radnih parametara istraživanog sistema unutrašnjeg transporta
primjenom teorije masovnog opsluživanja,
• opisivanje rada posmatranog sistema, simulacionim modelom zasnovanom na
diskretnim slučajnim događajima,

-Magistarski rad-
• provođenje simulacionog eksperimenta.
1.5. Očekivani rezultati
Očekivani rezultati, shodno problemu i cilju istraživanja, te postavljenim hipotezama

magistarskog rada su:
− Rezultatima izvršenih istraživanja će se identifikovati realni stohastički parametri rada
posmatranog sistema, utvrditi uska grla u proizvodno-transportnom procesu, stepen
uravnoteženosti pojedinih operacija, odrediti stepen iskorištenja i kapacitet pojedine
opreme, kao i načini poboljšanja radnih parametara posmatranog toka materijala
proizvodnog sistema.
− Dobivenim rezultatima i primjenom simulacionog eksperimenta moći će se uticati na
poboljšanje parametara (kapacitet, stepen uravnoteženosti, ...) proizvodno-transportnih
segmenata različitih industrijskih proizvodnih sistema.
− Na osnovu dobivenih rezultata istraživanja primjenom simulacionog modela, moći će se
blagovremeno uticati na rad sistema, kako bi se izlazni parametri proizvodnje usaglasili sa
postavljenom funkcijom cilja.

-Magistarski rad-
2. TOKOVI MATERIJALA U PROIZVODNIM SISTEMIMA

2.1. Proizvodni sistemi
Svaki proizvodni sistem je u suštini uređena radna organizacija koja ima svoje objekte i
veze, procese koji se odvijaju u okviru njega, ulaze i izlaze, podsisteme, strukturu upravljanja i
hijerarhiju. Isto tako radna organizacija je tehnološki i organizaciono zaokružena cjelina, a nivo i
suština ekonomske zaokruženosti zavise od njenog odnosa sa drugim organizacionim cjelinama.
Radna organizacija kao proizvodni i organizacioni sistem sastoji se iz procesa i funkcija u okviru
kojih se izvršavaju grupe poslova i zadataka.
Stoga, proizvodni sistem predstavlja skup osnovnih tehnoloških sistema i ostalih tehnički
određenih informacionih i energetskih struktura – elemenata radnih sistema uređenih na način da
obezbjeđuju vršenja postavljene funkcije cilja i ostvarenja projektovanih efekata. Proizvodni sistem
vezuje tehnološke sisteme, energetske i informacione strukture i učesnike u procesima rada vezama
određenog stepena jačine, pravca i smjera. Proces rada proizvodnog sistema naziva se proizvodnim
procesom koji predstavlja skup aktivnosti neophodnih za izvršavanje postupka promjene ulaznih u
izlazne veličine sistema.
Analizirajući proizvodne sisteme može se uočiti da se isti sastoje od pojedinih podsistema
koji su u međusobnoj interakciji prema tačno definisanim vezama. Stoga svaki proizvodni sistem
može se smatrati veoma kompleksnim, a samo njegovo upravljanje veoma komplikovanim. Da bi se
postojanje takvog sistema smatralo opravdanim, on mora da izvršava svoju funkciju, odnosno da
ima neprestanu i neprekidnu proizvodnju.
Kako su elementi proizvodnje/transporta/usluživanja unutar proizvodnih sistema, [42] i [43],
različiti po vrsti, kvalitetu i ostalim karakteristikama koje uslovljavaju različitu primjenu postupaka
za promjenu stanja i njima uslovljenim sredstvima rada, se može zaključiti da su proizvodni sistemi
u opštem slučaju, po ponašanju složeni i dimnamični sistemi, čiji su procesi rada izloženi stalnom
dejstvu okoline u kojoj funkcionišu.
2.1.1. Struktura proizvodnih procesa
Izvori iz stručne literature daju nekoliko različitih strukturnih opisa proizvodnih sistema. U
ovom magistarkom radu predstavljene su dvije najčešće podjele: na podsisteme koji figurišu unutar
proizvodnog sistema, slika 1, i na tokove koji se odvijaju unutar proizvodnog sistema, slika 2.
Proizvodni procesi se odvijaju po određenom tehnološkom postupku koji je unaprijed
isprojektovan. Svaki proizvodni proces, slika 1, se sastoji iz sedam elementarnih podsistema, [44]:
− obradnog sistema;
− kontrole kvaliteta;
− unutrašnjeg transporta, (detaljno predstavljeno u poglavlju 2.2.);
− skladištenja;
− preventivne zaštite radnika na radu;
− preventivnog održavanja sredstava za rad;
− snabdijevanja energijom i tehnološkim fluidima.
Samo se u okviru prvog elementarnog procesa direktno stvara nova vrijednost. Ostali
elementarni procesi uglavnom povećavaju troškove proizvodnje, produžavaju proizvodni ciklus, a

-Magistarski rad-
time i troškove isporuke i posložnjavaju proces proizvodnje. To posložnjavanje smanjuje

fleksibilnost proizvodnog procesa i u cjelini smanjuje nivo organizovanosti radne organizacije. Te
se pri projektovanju procesa proizvodnje treba nastojati da se potrebe za kontrolom, premještanjem,
skladištenjem, zaštitom i održavanjem opravdano eliminišu ili bar svedu na što manju mjeru, pri
čemu se neće narušiti kvalitet, ekologičnosti ili drugi aspekt proizvodnje ili trenutno važećih propisa
u ovoj oblasti. Najpovoljnije je odabrati takav tehnološki postupak kojim bi se utrošilo najmanje
živog i minulog rada, [50].
Slika 1. Struktura proizvodnog sistema

Najveći uticaj na veličinu troškova proizvodnje od prethodno navedenih, takozvanih, ne
proizvodnih procesa ima unutrašnji transport, tako da je nauka i tehnika veliki broj istraživanja
upravo usmjerila ka oblastima primjene, optimiranja i strukturiranja sistema unutrašnjeg transporta.

-Magistarski rad-
Pored prethodnog prikaza strukture, proizvodne sisteme je moguće strukturisati i prema

podjelama na osnovu drugih aspekata, tako se u literaturi, [46], može naći i podjela na osnovu
tokova unutar proizvodnih sistema i uticajem okruženja na iste, slika 2.
Slika 2. Struktura proizvodnih sistema

Prema slici 2., vanjski faktori koji mogu u značajnoj mjeri da utiču na efikasnost rada
proizvodnih sistema su:
Tržište na koje se plasira proizvod predstavlja značajan faktor koji utiče na način
strukturiranja proizvodnog sistema, s obzirom da je bez prodaje nemoguć opstanak istog. Na
osnovu plasmana na ciljano tržište moguće je bitne faktore o željama i zahtjevima kupaca dobiti
odnosno dinamika narudžbi, pozitivne i negativne informacije o proizvodu od strane kupaca
ukazuju proizvodnom sistemu na potrebne karakteristike koje isti treba da posjeduje (kapacitet,
kvalitet, potrebne karakteristike proizvoda, realnu cijenu proizvoda), što direktno ima uticaja na
strukturu istog.
Tržište znanja utiče na strukturu proizvodnog sistema na osnovu mogućnosti pribavljanja
kapitala, materijala i personala na istom.
Zakonodavstvo definiše propise, norme, standarde i zakone koje je proizvodni sistem
potrebno da ispuni, što direktno ima uticaja na strukturu istog.
Tehnologija daje mogućnost proizvodnom sistemu da prepozna koje su metode, procesi,
mašine, sistemi trenutno na tržištu kako bi isti mogao da sa uslovno minimalnim troškovima
proizvodi, transportuje, skladišti, prenosi informacije itd.
2.2. Unutrašnji transport

2.2.1. Definicija i značaj unutrašnjeg transporta u proizvodnim sistemima
U svim granama industrije, posebno u metaloprerađivačkoj, unutrašnji transport vrši jednu

od najznačajnijih funkcija, jer povezuje sve proizvodno-tehnološke segmente, kroz prenošenje,
premještanje i prevoženje materijala (sirovine, predmeti, proizvodi), unutar prostora i objekata
industrijskog preduzeća. Zajedničko obilježje svih vrsta proizvodnje je potreba za rukovanjem
materijalom u cilju postizanja više efikasnosti, ekonomičnosti i humanizacije rada. U principu,
unutrašnji transport treba da omogući blagovremenu dopremu materijala na radno mjesto, a isto
tako i njegovu otpremu sa radnog mjesta.
-Magistarski rad-
Snažan razvitak proizvodnih snaga u svim granama privrednog života, uslovio je ubrzanu
primjenu i razvoj transportne tehnike, čiji raznovrsni uređaji čine sastavni dio proizvodnog lanca
nekog tehnološkog procesa, ukoliko se radi o unutrašnjem transportu.
U industriji posebno mjesto zauzima unutrašnji transport materijala, jer od efikasnosti
transporta zavisi nivo rentabilnosti i uspješnosti radne organizacije u cjelini. Posebno u
proizvodnim pogonima metaloprerađivačke industrije, unutrašnji transport je značajan jer se putem
njega povezuju pojedini proizvodni procesi odnosno vrši manipuliranje materijalom. Po definiciji
unutrašnjim transportom se nazivaju svi vidovi manipuliranja materijalom (prenošenje,
prevoženje), koje se odvija unutar poslovnih površina i objekata preduzeća, [25].
Na značaj unutrašnjeg transporta ukazuju podaci iz SAD-a o veličini troškova koji se odnose
na radnu snagu koja je zaposlena na izvođenju tehnoloških procesa unutrašnjeg transporta u odnosu
na ukupne troškove pri proizvodnji, [50]:
• u hemijskoj industriji 25%
• u metaloprerađivačkoj industriji 30%
• u tekstilnoj industriji 40%
• u proizvodnji građevinskog materijala 80%
• u građevinarstvu i rudarstvu 90%
Savremeni pristup projektovanja u proizvodnim sistemima karakteriše nastojanje da se uzme
u obzir što veći broj faktora koji utiču na stepen efikasnosti odvijanja procesa. Sistematski pristup
optimizacije proizvodnih procesa ogleda se kroz uspostavljanje adekvatnog transportnog sistema za
odgovarajući intenzitet odvijanja proizvodnog procesa odnosno da se uspostavi uravnoteženje
proizvodno-transportnog sistema o čemu će naknadno biti detaljno rečeno u poglavlju 2.2.2.
Usklađenost stepena mehaniziranosti i automatiziranosti sa transportnim sistemom treba da
omogući optimalno odvijanje svih proizvodnih procesa unutar preduzeća, što najbolje oslikava
analiza troškova transporta pri transportu 1000 komada na daljinu od 60 m, [54]:
− komad po komad 38,35 $
− dvokolica 16,60 $
− ručna kolica 11,00 $
− transportna traka sa ljudskim pretovarom 10,00 $
− viljuškar 5,59 $
− paletni viljuškar 0,59 $
Današnje stanje transportne tehnike karakteriše dinamičan razvoj sredstava i uređaja za
transport i manipulaciju, što znači da pri analiziranju svakog problema transportiranja materijala
postoji veliki broj alternativa. Cilj je da se od postojećih alternativa izabere ona koja zadovoljava
najveći broj postavljenih zahtjeva. Pri definisanju tokova materijala u konkretnom procesu
proizvodnje, često se pored teoretskih, koriste i iskustvena saznanja. Sve veća povezanost procesa
transportiranja i skladištenja materijala sa proizvodnim procesima, ima za posljedicu sve izraženiju
potrebu za izgradnjom složenih transportnih sistema, čije karakteristike rada, odnosno stepen
iskorištenja i uravnoteženja sa ostalim procesima, je, upravo zbog ove složenosti, teško odrediti.
Pri izboru i projektiranju transporta, projektanti i konstruktori treba da se pridržavaju
određenih principa, od kojih se navode neki:
− sa aspekta tehnološkog i društvenog razvoja, ručni transport treba mehanizirati ili
smanjiti na što manju mjeru gdje god je to moguće. Ovaj princip je baziran kako na
ekonomskim osnovama tako i na planu humanizacije rada;

-Magistarski rad-
− odlaganje i skladištenje materijala na pod treba izbjegavati, s obzirom da u najvišem

broju slučajeva to predstavlja najneekonomičniji način;
− transportni tokovi treba da su najkraći i po mogućnosti pravolinijski i jednosmjerni.
− za transport materijala birati u svakom konkretnom slučaju, najjednostavnija sredstva
kojima se obezbjeđuje izvršenje postavljenog cilja (npr. sredstva koja koriste
gravitaciju);
− operacije transportiranja materijala u proizvodnim procesima u industriji
predstavljaju vrlo često značajnu stavku u ukupnim troškovima preduzeća.
2.2.2. Kapacitet transportne opreme i uzroci nagomilavanja u transportnim

sistemima
Kao što je u prethodnom tekstu navedeno proizvodni, skladišni i transportni sistemi su u biti
mreža stanica koje su međusobno povezani transportnim vezama. Kroz ovaj mrežni sistem prolaze
transportni objekti materijala, proizvoda, transportnih jedinica, alata, osoba, pri čemu se u
stanicama objekti iskorištavaju, obrađuju, kreiraju i manipuliraju.
Kapaciteti i protočne mogućnosti pojedinih stanica definišu kapacitete i protočne
mogućnosti cjelokupnog sistema. Ukoliko kapaciteti elemenata sistema nisu u mogućnosti da prate
kapacitete prethodnih i slijednih elemenata pojavljuju se takozvani redovi čekanja. Za optimalno
kreiranje i dimenzioniranje novih sistema, te ocjenu uspoređivanja i poboljšanje postojećih sistema
potrebno je imati informacije o graničnim kapacitetima i efektima nagomilavanja stanica i veznih
elementa.
Kapacitet i stepen iskorištenja primijenjene opreme su dva bitna faktora koja daju jasnu
sliku karakteristika primijenjenog transportnog sistema. Kapacitet transportnog elementa
predstavlja maksimalnu količinu transportovanog materijala u jedinici vremena (kom/h; t/h), dok
stepen iskorištenja transportnog sredstva je indeks uspješnosti iskorištenja istog i predstavljen je u
procentima. S obzirom da na proizvodno/transportne sistema utiču različiti vidovi poremećajnih
elemenata i uz pretpostavku da je transportni kapacitet pravilno dimenzionisan, maksimalni stepen
kapaciteta se rijetko može dostići odnosno održati.
U stručnoj literaturi često se susreću preporuke o veličinama stepena iskorištenja u
pojedinim industrijskim oblastima, ali se mora navesti da se ove orjentacione vrijednosti uzimaju
samo za teorijska razmatranja i generalne usporedbe iz razloga što je svaki proizvodno/transportni
sistem specifičan, te ima različite poremećajne uticaje i teško ih je poistovjetiti.
Prema [42], stvarni stepen iskorištenja proizvodno/transportne opreme u području tehničkih
sistema varira u zavisnosti od tipa unutrašnjeg transporta ali se generalno može reći da iznosi oko
78 %, pri čemu su gubici:
− 15% - sistemski gubitci (organizacioni i tehnološki), pri čemu je 9 % prouzrokovano
ponašanjem učesnika u radu;
− 7% - ostali nepredvidivi gubici.
Znatan uticaj na stepen iskorištenja proizvodno/transportnih elemenata odnosno pojavu
neuravnoteženja toka materijala ima ponašanje učesnika, tako se prema izvršenim istraživanjima u
toku radnog vremena utvrdilo su faktori za ovu pojavu sljedeći, [42]:
− promjena ritma rada;
− zamor;

-Magistarski rad-
− odsustvo sa radnog mjesta;

− zastoji različitog karaktera;
− povrede.
Ukoliko ukupno opterećenje neke stanice dostigne ili pređe kapacitetnu granicu u tački ulaza
dolazi do pojave zastoja odnosno redova čekanja koje mogu da blokiraju prethodne stanice. Efekti
nagomilavanja mogu biti prouzrokovani:
• stohastičnim nagomilavanjem – dešava se pri opterećenju ispod vrijednosti
kapacitetne granice stanice uslijed stohastičnog dotoka ili odpreme elemenata;
• sistematičnim nagomilavanjem – dešava se pri opterećenju iznad vrijednosti
kapacitetne granice stanice pri čemu nije bitno da li je dotok i odprema elemenata
stohastična ili u taktu.
Analiza uticajnih faktora i izračunavanje veličina i posljedica stohastičnih nagomilavanja,

[56], je oblast izučavanja teorije masovnog opsluživanja, osnovi ove metodologije dati su u
poglavlju 4. Istom su definisane formule za određivanje efekata nagomilavanja, detaljniji opis ove
materije dat je u stručnoj literaturi [17], [37] i [39], koje su u suštini komplikovane i čiji se
preduslovi u praksi rijetko mogu ispuniti (statistička raspodjela posmatrane veličine ne odgovara
standardnim, uticaj ljudskog faktora, nemogućnost opisivanja višestrukih dešavanja u jednom trenu
na jednoj stanici, ...). Rješenje ovoga problema je primjena simulacione metodologije odnosno
modeliranje diskretnih događaja, o kojoj će biti riječi u poglavlju 3.
Pri adekvatnom dimenzioniranju i korektnom radu proizvodnog sistema sa pojedinačnom
proizvodnjom stohastična nagomilavanja ne javljaju se u praksi, dok se sistematična nagomilavanja
javljaju tek pri pojavi istovjetne obrade na određenom broju mašina. U serijskoj proizvodnji unutar
proizvodnih sistema česta je pojava stohastičnih i sistematskih nagomilavanja.
2.3. Tok materijala
2.3.1. Funkcija toka materijala
Izraz tok materijala se često upotrebljava u stručnoj literaturi za potpuno različite procese.
Prema [46], jednu od najpotpunijih definicija za tok materijala daje VDI-smjernica 3300 (njemački:
Verein Deutscher Ingenuere – Savez inženjera Njemačke):
„Tok materijala je prostorna, vremenska i organizaciona interakcija procesa prilikom
dobivanja, obrade i raspodjele proizvoda unutar definisanog prostora.“
Na osnovu definicija toka materijala i unutrašnjeg transporta zaključuje se da je tok
materijala element višeg nivoa upravljanja (sistem) koji je definisan svim procesima kretanja
materijala tokom proizvodnje, odnosno unutrašnji transport je element nižeg nivoa (podsistem) koji
je sastavni član toka materijala, što je prikazano na slici 3.
Tok materijala obuhvata sve procese koji su vezani za dobivanje, proizvodnju i distribuciju
proizvoda unutar proizvodnog sistema. Objekti toka materijala su poluproizvodi, proizvodi, alati, te
svi pomoćni elementi i materijali koji su potrebni za normalno odvijanje procesa unutar
proizvodnog sistema (maziva, komprimirani zrak, ...). Zadatak toka materijala je da poveže jedinice

-Magistarski rad-
proizvodnje i montaže, odnosno da vrši dopremu i otpremu potrebnih resursa u skladu sa

tehnološkim postupkom. Ovaj cilj se izvršava uz pomoć baznih funkcija:
− proizvodnja (obrada i kontrola);
− pomjeranje (transportovanje i manipulacija materijalom);
− mirovanje (odlaganje i neželjeni zastoj materijala).
Slika 3. Procesi unutar proizvodnog sistema

Tok materijala nastaje kroz redoslijed procesa, doprema-obrada-manipulacija-kontrola-
transport-montaža-skladištenje-odprema, kako bi se ostvario izgled i funkcija željenog proizvoda.
Funkcije unutrašnjeg toka materijala odnosno transporta materijala unutar proizvodnog sistema
mogu se podijeliti na odgovornosti za:
− unutrašnju oblast tvornice:
metodologija tokova materijala na ovom nivou se bavi problematikom funkcionalnog
izgleda urbane strukture tvornice, određivanje položaja objekata uključujući i mjesta
odlaganja, te transportnih puteva prema kriterijima tehničkog toka materijala.
− unutrašnju oblast objekta:
metodologija tokova materijala na ovom nivou se bavi problematikom pozicioniranja
i strukturiranja (definisanja layout-a), izbora i optimiranja rada sistema primopredaje,
transporta, skladištenja i komisioniranja u tehnološkom procesu proizvodnje, slika 4;
− radni prostor:
metodologija tokova materijala na ovom nivou ima za zadatak da prema kriterijima
tehničkog toka materijala, ergonomije i psihologije uredi radni prostor, izabere
sisteme za manipulacijom materijala, optimira radne procese i izvrši humanizaciju
radnog mjesta.

-Magistarski rad-
Slika 4. Tok materijala unutar objekta proizvodnog sistema
2.3.2. Troškovi tokova materijala
Važnost tokova materijala se da najbolje očitati uzimajući u obzir troškove tokova materijala
unutar proizvodnih sistema koji u zavisnosti od branše i produkta iznose 50 % i više od cijene
koštanja proizvoda, [46]. U samom proračunu troškova tvornice, odnosno proizvodnog sistema,
troškovi tokova materijala se nedovoljno uzimaju u obzir, tako je moguće izvršiti analizu troškova
tokova materijala prema četiri osnovne vrste troškova:
− troškovi personala prouzrokovani ne efektivnim tokovima materijala;
− troškovi sistema transporta i skladištenja;
− troškovi prostora i transportnih puteva prouzrokovani ne efektivnim tokovima
materijala;
− zamrzavanje kapitala prouzrokovano ne efektivnim tokovima materijala.
Treba napomenuti i činjenicu da do povišenja indirektnih troškova često dolazi radi
neadekvatnog dimenzioniranja koji se javljaju pri dimenzioniranju elemenata toka materijala,
naročito pri određivanju veličine skladišnog prostora. Naime, potrebno je osigurati da skladišni
prostor sa velikom vjerovatnoćom može preuzeti elemente transporta, tako da prethodni i naknadni
elementi toka materijala ne budu ometani. Predimenzioniranje međuskladišnog i skladišnog
prostora najčešće ima za posljedicu nepotrebno ulaganje i zamrzavanje kapitala. Iz ovoga razloga
potrebno je težiti poznavanju ne samo srednje vrijednosti broja očekivanih elemenata nego i njihove
funkcije statističke raspodjele u ranom stadiju planiranja.
Ukoliko se izvrši analiza troškova uzimajući u obzir prethodne uzročnike nastanaka
troškova moguće je dobiti stvarne troškove sa zadovoljavajućom tačnošću. U obračunima, koji se
vrše u proizvodnim sistemima, uzeti troškovi transporta oslikavaju tek jedan dio troškova koji su
nastali usljed troškova tokova materijala. Ovdje se ne uzima u obzir izgubljeno vrijeme uzrokovano
lošim transportnim vezama, troškovi međuskladištenja, troškovi transporta koji obavljaju radnici,
itd. Važnost i ocjena toka materijala prepoznaje se onog trenutka kada se odrede svi troškovi koji su
prouzrokovani tokom materijala.

-Magistarski rad-
2.3.3. Analiza tokova materijala
Pod analizom tokova materijala podrazumijeva se određivanje stvarnih parametara

proizvodno-transportno-skladišnih procesa. Osnova analize procesa tokova materijala je
posmatranje sistema na licu mjesta čime se za objekat posmatranja uzimaju elementi koji su dio
toka materijala: personal, materijal, površina, transportna i skladišna sredstva.
Razlozi za izvođenje analize toka materijala su:
− mehaniziranje i automatiziranje transportno-skladišnog prostora;
− povećanje stepena iskorištenja transportnih sredstava;
− smanjenje troškova transporta i skladištenja;
− moderniziranje zastarjele tehnologija transportovanja i skladištenja;
− povećanje kapaciteta i asortimana proizvoda;
− otklanjanje pojava uskih grla, nezgoda, zastoja i smetnji, te velike razlike između
tehnološkog i stvarnog vremena proizvodnje;
− smanjenje troškova personala i komplikovanosti tehnološke organizacije.
Cilj provođenja analize toka materijala je prvenstveno uočavanje slabih mjesta i uzročnika
neželjenih pojava, te određivanje troškova prouzrokovanih tokom materijala kako bi se naknadnim
planiranjem i korekcijom uspostavili parametri optimalnog toka materijala koji prouzrokuje
minimalne troškove.
Izvedenom analizom tokova materijala bi se trebali dobiti odgovori na pitanja o:
− mjestu i veličini skladišta u proizvodnom sistemu;
− izboru adekvatnog ili optimalnog transportnog sredstva za određenu operaciju
transporta;
− načinu smanjenja razlike između tehnološkog i stvarnog vremena proizvodnje;
− načinu smanjenja smetnji i ispada tokom proizvodnje;
− povećanju stepena prostornog iskorištenja radnog prostora;
− povećanju stepena iskorištenja pojedinih proizvodno-transportnih jedinica itd.
Zadatak analize toka materijala je dobivanje informacija i podataka za ocjenu i planiranje
toka materijala, te je potrebno prikupiti:
• podatke o sortimentu proizvodnje;
• podatke o transportovanom-skladišnom materijalu:
− karakteristike, opis transportne-skladišne jedinice;
− transportne frekvencije;
− transportna organizacija i upravljanje, upravljanje zalihama.
• podatke o transportno-skladišnim pomoćnim sredstvima;
• informacioni podaci o:
− vrsti i karakteristikama upravljačkog sistema toka materijala;
− vrsti i karakteristikama sistema upravljanja skladištem;
− načinu prenosa podataka;
− veličini radnih vremena.
• podatke o transportno-skladišnim sredstvima:

-Magistarski rad-
− kapacitetu, snazi, stepenu iskorištenja;

− geometrijskim karakteristikama;
− brzini, putevima, sistemu komisioniranja, vremenima i kapacitetu
komisioniranja;
− skladišnom kapacitetu, organizaciji i upravljanju.
• ekonomske podatke:
− radne troškove (troškove personala, amortizacija i održavanje);
− troškove toka materijala, troškove skladištenja (troškove zamrzavanja
kapitala).
• podatke o urbanističkom izgledu proizvodnog sistema i njegovih građevinskih
objekata.
Praćenje parametara tokova materijala unutar proizvodnih sistema može da bude direktno na
licu mjesta ili indirektno (statička analiza) preko dostupnih podataka (planovi proizvodnje,
kartoteke skladišta, ...). U praksi se koriste obje metode kako bi se vremenski utrošak sveo na
minimum. U zavisnosti od cilja i željene tačnosti koja se želi postići analizom biraju se metode
praćenja parametara. Najjednostavnija, ali efektivna pomoćna sredstava prilikom praćenja
parametara su tabele, formulari i upitnici. Prilikom kreiranja i upotrebe ovakvih listi potrebno je
imati uvijek na umu sljedeća pitanja kako bi se dali svi potrebni odgovori odnosno realno stanje
odslikalo na papiru:
1. Zašto se transportuje ili skladišti? (potrebe za transportnom ili skladištenjem);
2. Šta se i koliko se premiješta ili prenosi? (komadni ili sitno zrnasti materijali,
proizvodi ili poluproizvodi, otpad, zapreminski i maseni kapacitet, broj komada,
zapremina, težina);
3. Odakle i gdje se transportuje? (od skladišta ka obradi, od radnog mjesta ka drugom
radnom mjestu, ...);
4. Čime i kako se manipuliše, transportuje ili skladišti? (sa pomoćnim sredstvima, sa
kontinualnim ili cikličnim transportom, ručno: kvalifikovanim radnicima ili
pomoćnim radnicima, pojedinačno ili komadno, paletizovano, ...);
5. Kada i koliko dugo se transportuje ili skladišti? (časovna vremena, dužine vremena).
Za analizu toka materijala u praksi se najčešće koriste nekoliko metoda, pri čemu svaka od
njih ima određene slabe i dobre karakteristike, te metode su:
− MTZ - metoda i snimanje rada povratnom metodom
Statističke metode, koje na osnovu slučajnih posmatranja vremena rada definišu
stepen iskorištenja obradno/transportnih sredstava, vremena skladištenja itd. Ukoliko
zahtijevana tačnost prilikom ispitivanja nije velika i vremenski elementi koje treba
odrediti nisu premali (od 2%). MTZ metoda i snimanje rada povratnom metodom su
jednostavne, brze i ekonomične.
− Tabelarno i grafičko predstavljanje toka materijala
Jednostavna metoda za prikazivanje kretanja materijala unutar proizvodnog sistema,
s tim da u obzir uzima samo statička vremena dužine procesa. Tako da je
neprikladna za sisteme sa izraženom dinamičnošću svojih procesa, a što tokovi
materijala najčešće i jesu.

-Magistarski rad-
− Simulaciona studija
Metoda koja u sebi objedinjuje statistički pristup obrade ulaznih podataka i
simulacijsko modeliranje toka materijala. Prvenstveno je dobra iz razloga da u obzir
uzima dinamičku karakteristiku toka materijala i mogućnost vizualizacije procesa
posmatranog sistema, slika 5, dok joj je loša karakteristika što zahtjeva da sistem
koji se posmatra posjeduje tačno definisan tehnološki postupak koji se tokom
proizvodnje slijedi. Naredno poglavlje će se baviti detaljno sa procesima simulacije i
simulacione studije.
Slika 5. Vizualizacija procesa primjenom simulacione stuje

-Magistarski rad-
3. SIMULACIJA TOKOVA MATERIJALA
Uopšteno se može reći da se svaki kompleksniji sistem ili pojava, tj. procesi koji u sebi
sadrže stohastičke, nelinearne ili vremenske promjenjive i širok izbor problema koje je potrebno
riješiti modelom, često ne mogu opisati skupom matematskih izraza i jednačina, već se analiziraju
simulacijom. Izraz simulacija proizlazi iz latinske riječi „simulare“ što znači „oponašati“, što je u
suštini i glavni cilj izvođenja simulacije, [40] i [51].
Simulacioni modeli služe za uvid u ponašanje virtualnog ili postojećeg sistema, koji se inače
ne bi mogao dobiti drugim naučnim metodama, te samim time postaje moćno sredstvo za analizu i
projektovanje sistema, [40].
Sistemi koji se ispituju simulacijom mogu da budu proizvodni sistemi, prodajne i uslužne
organizacije, saobraćajne mreže, prijedlozi investicija kapitala, itd., dok procesi simuliranja ovih
modela mogu da budu tipa studije o ponašanju mašina i uređaja u proizvodno/transportnom
procesima, smanjenja materijala u skladištu odnosno smanjenju zamrznutog kapitala, pronalaženja
optimalnog vremena saobraćajno/svjetlosnih signala na saobraćajnicama, utvrđivanja ponašanja
kapitala na burzi, itd.
Kada se govori o simulaciji, neophodno je istu posmatrati kroz aspekt modeliranja, iz
razloga što model predstavlja osnovu simulacionog procesa. Razvoj novih tehnologija i računarske
tehnike, rezultirali su stvaranjem modela kojima je omogućeno opisivanje složenih realnih
proizvodnih procesa. U tehnici modeli imaju posebnu važnost u cilju oblikovanja i ispitivanja
obilježja novih i postojećih rješenja, koja se često ne mogu drugačije analizirati, sagledavati i
ispitivati.
3.1. Modeliranje
3.1.1. Model i modeliranje
Modeliranje je proces koji je usko vezan za način ljudskog razmišljanja i rješavanja

problema. Mentalni modeli su strukture koje ljudski mozak neprekidno konstatira kako bi mogao
povezati niz činjenica s kojima se čovjek susreće, te kako bi mogao na temelju toga djelovati.
Istraživanje prirode i razvoj tehnologije doveli su do stvaranja opipljivih i formalnih vrsta
modela, zbog potrebe da se omogući opisivanje složenih fenomena, kako bi se isti mogli preciznije
opisivati i rješavati. Sa aspekta istraživanja prirode modeli su alat koji omogućuju bolje
razumijevanje strukture i funkcioniranje prirode, te ujedno služe kao osnove za postavljanje i
dokazivanje hipoteza.
U inženjerstvu modeli imaju posebnu važnost u oblikovanju i ispitivanju karakteristika
novih rješenja koja se često ne mogu drugačije ispitivati. Tako danas sa naučnog aspekta, jedna od
osnovnih uloga modela je formuliranje novih ideja.
Modeli mogu biti materijalni ili simbolički, pri čemu se simbolički modeli dijele na:
− Matematičke modele – pojave zapisane u obliku algebarskih, diferencijalnih ili parcijalnih
diferencijalnih jednačina.

-Magistarski rad-
− Konceptualne modele – modeli kreirani na temelju predodžbe o strukturi i logici rada

sistema ili probleme koji se modelira, te se prikazuju u obliku čije je značenje precizno
definirano (najčešće u obliku dijagrama). Konceptualni modeli su osnova za kreiranje
računarskih modela.
− Računarske modele – modeli koji su prikaz konceptualnog modela u obliku programa za
računar. Prikazom konceptualnih modela u obliku programa za računar model postaje
sredstvo kojim se može analizirati rad modela u različitim vanjskim uvjetima te sa različitim
unutrašnjim parametrima i tako dobiti uvid u razumijevanje sistema koji se opisuje odnosno
mogućnost predviđanja njegovog ponašanja. Računarski modeli se koriste programskim
jezicima kao svojim sredstvom izražavanja, te su stoga blisko vezani za razvoj informatičkih
nauka.
Proces izrade modela nema striktnih pravila, nego veliko značenje u samoj izradi modela
ima zdrav razum, sposobnost aplikacije, sistematičnost i iskustvo. Stoga je modeliranje prije svega
umijeće, a ne nauka. Sam proces se ne može automatizirati, a pri samoj izradi od velike važnosti je
pažljiv rad i temeljno provjeravanje funkcionalnosti modela. Dugo iskustvo istraživača koji su se
bavili problematikom modeliranja dovelo je do nekih opštih preporuka, [51]:
(1.) Granica sistema sa okolinom mora biti odabrana tako da sistem, odnosno njegov
model, obuhvata samo fenomene od interesa. Okolina sistema modelira se tako da se
ne opisuju detalji fenomena i uzročna veza između njih, već se daje samo njihov
sažeti prikaz (npr. slučajna raspodjela dolaska elementa u sistem);
(2.) Modeli ne smiju biti suviše složeni i detaljni, već samo trebaju sadržati relevantne
elemente sistema – suviše složene i detaljne modele gotovo nije moguće vrednovati i
razumjeti, što znači da su njihov razvoj i korištenje teški i neizvjesnog kvaliteta;
(3.) Model ne smije biti ni suviše pojednostavljen problem, npr. izbacivanjem suviše
važnih varijabli potrebnih za adekvatan opis sistema ili suviše velikim stepenom
agregiranja komponenti sistema.
(4.) Model je razumno rastaviti na više dobro definisanih i jednostavnih modula s tačno
određenom funkcijom, koju je lakše izgraditi i provjeriti;
(5.) U razvoju modela preporučuje se korištenje neke od provjerenih metoda za razvoj
algoritma i programa, kako bi bilo moguće razumjeti model i njegove modula u svim
fazama razvoja modela.
(6.) Potrebna je provjera logičke i kvalitativne ispravnosti modela, kako pojedinačnih
modula modela tako i cjelokupnog modela.
Prema rastućoj složenosti sistema, odnosno problema koji se modelira, metode modeliranja i
rješavanja problema dijele se na:
(1.) Analitičko modeliranje – opis modela i rješenje problema je u analitičkom obliku
(algebarske, diferencijalne ili parcijalne diferencijalne jednačine) odnosno funkcijske
veze zavisnih o nezavisnim varijablama. Ovim pristupom se rješavanje problema
svodi na matematički tretman pomoću metoda algebre, matematičke analize, teorije
vjerovatnoće i sl.
(2.) Numeričke metode – model je opisan u analitičkom obliku, ali se zbog nemogućnosti
pronalaženja analitičkog rješenja, primjenjuju numerički postupci odnosno

-Magistarski rad-
pronalaženje parova vrijednosti zavisnih i nezavisnih varijabli koji zadovoljavaju

zadane jednačine modela.
(3.) Simulacione modele – zbog nemogućnosti prikaza složenih dinamičkih problema u
analitičkom obliku, modeli su zadani u proceduralnom obliku kojim se prikazuje
način rada sistema. Problem se rješava numerički, provođenjem eksperimenata
modelom koji oponaša razvoj sistema u vremenu.
3.1.2. Simulacijsko modeliranje
Simulacijski modeli su modeli dinamičkih sistema odnosno sistema koji se mijenjaju u

vremenu. Najčešće su to modeli koji se ne mogu opisati ni rješavati direktno matematičkim
tehnikama. Njihova tipična primjena u području mašinstva su modeli redova čekanja, proizvodnih
procesa, skladištenja, tokova materijala itd, (slika 6).
Slika 6. Simulacioni modeli

Simulacijski modeli najprije moraju omogućiti ispravan prikaz odvijanja posmatranih
procesa i efikasno izvođenje pomaka vremena tokom simulacije. Ovdje je bitno omogućavanje
odvijanja istovremenih aktivnosti tokom simulacionog procesa, te odvijanja procesa koji
konkuriraju za istovremene resurse (npr. obradne mašine, transportna sredstva, skladišta, itd.). Ti
zahtjevi stvaraju znatan problem za modeliranje, te iz istog razloga simulacioni modeli su se razvili
u posebnu kategoriju modela koji posjeduju sopstvene adekvatne alate i specifične programske
jezike kako bi zahtjeve simulacijskog modeliranja (najčešći naziv u literaturi za ovaj proces je
simulacija) u potpunosti ispunili.
Simulacija se primjenjuje ukoliko:
• se istražuju nove naučne oblasti odnosno ne postoji dovoljno teorijskih saznanja o
fizičkim procesima i pojavama;
• je zbog kompleksnosti problema nemoguće primijeniti matematičke metode;
• su eksperimenti na realnim modelima skupi, opasni, vremensko iscrpljujući, prespori
ili prebrzi;
• realni sistem u stvarnosti uopšte nepostoji.
Tipične primjene simulaciono podržanih ispitivanja su:
• optimizacija odnosno poboljšanje ponašanja sistema;
• razvoj novih sistema i njihovo ponašanje;

-Magistarski rad-
• ispitivanje teorema i hipoteza;

• validacija projektovanih sistema;
• prikaz kompleksnih procesa kako bi se poboljšalo razumijevanje procesa unutar
sistema.
Prethodno je već napomenuto da se rješenje problema primjenom simulacionog modeliranja
ne može dobiti u analitičkom obliku, u kojem su zavisne varijable funkcije nezavisnih varijabli, već
je rješenje simulacionog modeliranja dobijanje vrijednosti zavisnih varijabli za pojedine nezavisne
varijable. Kako bi se posmatrani problem mogao u potpunosti analizirati, promatrati ponašanje
sistema za različite vrijednosti neovisnih varijabli, simulacionim modeliranjem potrebno je izvršiti
određeni broj eksperimenata kako bi se dobio skup tačaka odnosno vrijednosti zavisnih varijabli za
pojedine nezavisne varijable.
Slika 7. Struktura simulacije

Specifičnosti koje zahtjeva simulaciono modeliranje, slika 7, a ujedno i sve metode
modeliranja zasnovane su na primjeni računara i informatičkih nauka. Izvođenje proračuna
razvijenim računarskim modelom (programom) koristi se brzinom rada računara kao odlučnim
faktorom koji omogućuje da se u razumnom razdoblju izvedu raznovrsne analize alternativnih
struktura modela i promjenjivih vanjskih uslova. Grafički prikaz sistema koji se modelira i
animacija rada sistema tijekom izvođenja simulacionih eksperimenata omogućuje lakše
vrednovanje logike i dinamike rada simulacionih modela, te lakše praćenje razvoja procesa unutar
modela u vremenu. Automatsko generiranje programa dovodi do značajnog skraćivanja vremena
ciklusa razvoja modela i uvođenja izmjena modela, pa stoga omogućuje duže ukupno vrijeme za
analizu rada modela i ispitivanje većeg broja alternativnih usporedbi s klasičnim pisanjem
programa.
Osim ovoga, simulacijsko modeliranje se sve više povezuje za baze podataka te savremene
koncepte i alate umjetne inteligencije: baze naučnih dostignuća (baze znanja), ekspertne sisteme itd.
Prednosti simulacijskog modeliranja su:
(1.) moguće je opisati i rješavati složene dinamičke probleme sa slučajnim varijablama
koji su nedostupni matematičkom modeliranju;
(2.) moguće je rješavati raznovrsne probleme (oblikovanje, analiza rada, razna
predviđanja itd.);

-Magistarski rad-
(3.) uslovi eksperimentiranja su pod punom kontrolom za razliku od eksperimenata sa

stvarnim sistemom gdje nije moguće uticati npr. na dinamiku stizanja narudžbi ili
brzinu rada opsluživačkog procesa;
(4.) vrednovanje i analiza logike i dinamike rada sistema veoma su olakšani animacijom
rada modela.
Nedostaci simulacijskog modeliranja su:
(1.) razvoj modela je dugotrajan i skup;
(2.) zbog statističkog karaktera simulacije potrebno je izvođenje većeg broja
simulacionih eksperimenata kako bi se dobio odgovarajući uzorak rezultata
simulacije, a već i pojedinačno izvođenje eksperimenta može zahtijevati dosta
vremena i memorije računara;
(3.) ne dobivanje zavisnosti izlaznih varijabli o ulaznim varijablama modela, dobivanje
optimalnog rješenja zahtjeva izvođenje niza simulacija sa različitim ulaznim
parametrima;
(4.) za ispravno korištenje simulacijskog modeliranja potrebno je poznavanje više
različitih naučnih metoda i alata;
(5.) vrednovanje modela je složeno i zahtijeva dosta složene i zahtjevne dodatne
eksperimente.
Prema, [40] umjetnost procesa simulacijskog modeliranja se nalazi u pronalaženju
zadovoljavajuće kombinacije između stepena apstraktnosti, vjerodostojnosti i tačnosti između
modela i stvarnosti. Sam konflikt cilja, koji se nalazi između ova tri aspekta, potrebno je
minimizirati. Stepen apstraktnosti opisuje vanjski izgled modela. Povećanje stepena apstraktnosti za
posljedicu ima smanjenje nivoa realne bliskosti u modelu, pored toga povećanje stepena
apstraktnosti ujedno znači i povećanje tačnosti modela, pošto se fokus usmjerava na analizirajuću
pojavu. Primjenjivost modela se mjeri vjerodostojnosti istog.
3.1.3. Podjele simulacionih modela
Simulaciono modeliranje se najčešće u stručnoj literaturi, [21] i [51] , dijeli po dva osnova,
prvi je prema vrsti varijabli u modelu (determinističke i stohastičke), a drugi je prema načinu na
koji se stanje modela mijenja u vremenu (kontinualne, diskretne ili mješovite). S obzirom na
karakteristiku pojava koje su razmatrane u magistarskom radu ovdje je detaljno obrađen samo
proces modeliranja stohastičkih diskretnih događaja odnosno stohastično diskretni modeli.
Stohastični modeli karakteriziraju se time što se njihovo ponašanje ne može unaprijed
predvidjeti, ali se mogu odrediti vjerovatnosti promjena stanja, odnosno ovakvi sistemi posjeduju
slučajne varijable.
Diskretni modeli odlikuju se time što se njihovo stanje mijenja samo u nekim vremenskim
tačkama, pri čemu se takve pojave nazivaju događaji. Najčešće je proces analiziranja ovakvih
pojava nazvan procesom simulacije diskretnih događaja.
U ovom magistarkom radu s obzirom na primijenjenu metodologiju simulacije tokova
materijala su razmatrani stohastički diskretni modeli.

-Magistarski rad-
3.1.4. Simulacija diskretnih događaja
Simulacija diskretnih događaja obuhvata modele koji su strukturirane kolekcije objekata.

Međudjelovanje objekata u aktivnostima sistema uzrokuje promjene stanja sistema. Te promjene
stanja, zvane događaji, dešavaju se u diskretnim (odnosno diskontinuiranim) vremenskim
trenutcima. Ovom metodom simulacije se najčešće opisuju sistemi u kojima dinamički objekti
sistema traže posluživanje od ograničene kolekcije resursa, tj. statičkih objekata. Posljedica
ograničenja raspoložive količine resursa je stvaranje čekanja pred resursima.
Kako bi okarakterizirali simulaciju diskretnih događaja, potrebno je definisati osnovne
pojmove koji opisuju zbivanja i elemente postavljenog modela [51]:
− Entiteti (objekti) komponente sistema koji se modelira. Entiteti se mogu individualno
identificirati, te sa istim je moguća manipulacija. Stalni entiteti (resursi) su oni koji
ostaju u modelu u toku cijelog vremena, dok privremeni entiteti prolaze kroz sistem.
− Atributi entiteta opisuju svojstva entiteta. Svaki entitet može imati veći broj atributa.
− Klase entiteta su grupe entiteta istog tipa.
− Skupovi entiteta su grupe entiteta pojedine klase koji imaju neka zajednička obilježja
(npr. jednake vrijednosti pojedinog atributa). S obzirom na mogućnost dinamičke
promjene svojstva entiteta, oni se u toku simulacije mogu premještati iz skupa u
skup. Poseban tip entiteta su redovi čekanja koji prikazuju posebnu grupu
privremenih entiteta koji čekaju da se oslobodi neki resurs.
− Stanje sistema (modela) je skup svih nužnih informacija neophodnih za opis sistema.
Stanje sistema ovisi o entitetima koji su u njemu prisutni u tom času i po
vrijednostima njihovih atributa.
− Događaj je promjena stanja sistema u jednom vremenskom trenutku, a može
nastupiti zbog:
1) ulaska ili izlaska privremenog entiteta iz sistema ili
2) promjena atributa pojedinih entiteta sistema (zbog početka/završetka
međudjelovanja entiteta).
Između dva uzastopna događaja stanje sistema se ne mijenja.
− Uslovni događaji su oni događaji koji se mogu dogoditi tek pošto je ispunjen neki
uslov. Oni su obično povezani za dostupnost nekog resursa, tj. početak aktivnosti.
− Bezuslovnii (planirani) događaji su oni čiji je jedini uslov, da bi se mogli dogoditi,
povezan za prolaz vremena. Obično su vezani za oslobađanje resursa, tj. završetak
aktivnosti.
− Aktivnost je međudjelovanje određenih entiteta koje traje određeno vrijeme.
Aktivnost dovodi do promjene stanja entiteta koji u njoj sudjeluju. U simulaciji
diskretnih događaja promjena stanja se prikazuje u početnom ili završnom događaju
aktivnosti, a u toku trajanja aktivnosti stanje entiteta uključenih u aktivnost se ne
mijenja. Odnosno, kontinuirano odvijanje aktivnosti u stvarnom sistemu prikazuje se
kao diskretna promjena stanja u času početka i završetka aktivnosti. Početak
aktivnosti je obično vezan za neke uslove, a aktivnost završava nakon protoka
određenog vremena trajanja aktivnosti.
-Magistarski rad-
− Proces je niz logičnih povezenih uzastopnih događaja kroz koje prolazi neki
privremeni entitet. Proces može obuhvatiti dio ili cjelinu „života“ privremenog
entiteta u simulaciji.
Primjenom prethodnih pojmova simulacija diskretnih događaja može se okarakterizirati na
slijedeći način:
Entiteti
koji imaju atribute
međudjeluju u aktivnostima
uz izvjesne uslove
stvarajući događaje
koji mijenjaju stanje sistema.

Ovdje treba još navesti da unutrašnja struktura matematskih i logičkih operacija simulacije
diskretnih događaja u sebi sadrži osnovnu logiku odnosno zasnovana je na teoriji masovnog
opsluživanja, o kojoj će biti naknadno riječ u poglavlju 4. Simulacija diskretnih događaja je, upravo
iz ovog razloga, našla veliku primjenu prilikom analize i simulacije proizvodno-transportnih
sistema u oblasti mašinstva pri analizi tokova materijala.
Osnovni problemi koje može rješavati simulacija diskretnih događaja i koju ovu metodu
čine specifičnom metodom modeliranja su:
1. izvođenje promjene stanja u vremenu, sa međudjelovanjem entiteta;
2. simulacija istovremenih (paralelnih) aktivnosti;
3. simulacija konkurentnih procesa, tako da se entiteti natječu za posluživanje ograničenih
resursa. Posljedica toga je čekanje u redovima koje može da bude različito organizovano
(posluživanje po dolasku u red, po prioritetu, odustajanje od čekanja, ...);
4. rješavanje statističkih aspekata koji se odnose na opisivanje slučajnih varijabli i izvođenje
operacija sa njima.
3.2. Simulacija tokova materijala
Sa aspekta mašinstva simulaciono modeliranje predstavlja jednu od često korištenih metoda

za opisivanje, analiziranje i rješavanje komplikovanih procesa i pojava koje je teško ili najčešće
nemoguće opisati klasičnim pristupima analitičkog matematskog modeliranja. Jedan od najčešće
analiziranih objekata metodom simulacionog modeliranja, detaljnije metodom simulacije diskretnih
događaja, iz oblasti mašinstva su procesi koji se odvijaju unutar proizvodnih sistema (proizvodno-
transportni tokovi materijala, strategije upravljanja, dotok narudžbi, organizacija rada, itd.).
Uopšteno sva problematika koja se javlja unutar procesa proizvodnih sistema svodi se na potrebu
egzaktnog opisivanja i optimiranja dinamike procesa unutar proizvodnih sistema kako bi se troškovi
proizvodnje sveli na minimum, slika 8. Rješenje ovakvog problema zasnovano je na potpunom
poznavanju interakcijskog djelovanja koje se odvija između pojedinih jedinica unutar proizvodnog
sistema.
-Magistarski rad-
Slika 8. Simulacijski model kao dio sistema za podršku odlučivanju

Simulacija proizvodno-transportnih tokova materijala najčešće se primjenjuje ukoliko se:
• panira izgradnja novog proizvodnog sistema:
− određivanje i optimiranje karakterističnih vremena (radnih, ispada mašina itd.) kao i
kapacitet proizvodnog sistema;
− određuje veličina skladišta, međuskladišta i broj elemenata proizvodno-transportne
opreme koje su potrebne kako bi se ostvario planirani kapacitet proizvodnog sistema;
− određivanje kapacitetnih granica i mogućnosti proizvodno-transportne opreme i
cjelokupnog proizvodnog sistema;
− ispitivanja u kojoj mjeri poremećaji i smetnje u proizvodni utječu na kapacitet i
stepen iskorištenja proizvodno-transportne opreme;

-Magistarski rad-
− određivanje koliko je potrebno radnika kako bi se ispunila planirana proizvodnja;

− dobivanje saznanja o ponašanju proizvodnog sistema;
− ocjenjivanje karakteristika različitih alternativa konceptnog rješenja proizvodnog
sistema (primjenom simulacionog eksperimenta.
• optimira već postojeći proizvodni sistem:
− optimiranje strategija upravljanja proizvodnim sistemom;
− optimiranje unutrašnjih procesa kako bi se stepen iskorištenja proizvodno-
transportne opreme poboljšao;
− testiranje dnevnih procesa sa ciljem identificiranja i otklanjanja svakog vida
poremećaja i smetnje u toku proizvodnje.
• nastoji da se primjeni novi plan i struktura unutar proizvodnje:
− razvoj osnove za primjenu nove strategije upravljanja proizvodnim sistemom;
− vrši izmjena postojeće proizvodno/transportno/skladišne opreme;
− testiranje različitih scenarija prilikom puštanja u rad novog proizvodnog programa;
− poduče radnici, koji će upravljati proizvodno-transportnom opremom, o tokovima
materijala, primjer vizualizacije dat na slici 9, i procesima unutar proizvodnog
sistema s ciljem uklanjanja bilo kakvog vida poremećaja i smetnje tokom
proizvodnje.
Slika 9. Vizualizacija toka materijala

Kako je ovaj magistarski rad isključivo zasnovan na implementaciji metoda simulacijskog
modeliranja, za navedeni proces se najčešće koristi izraz simulacija transportnih tokova materijala
unutar proizvodnih sistema, [47], [46], [51], [52], [56] i [57],. U prethodnom tekstu dato je široko
objašnjenje pojma simulacija, te je potrebno navesti definiciju simulacije toka materijala. Pod
simulacijom seu informatičkim naukama podrazumijeva oponašanje procesa uz pomoć računara na
bazi modela. Preneseno na simulaciju toka materijala simulacija se prema VDI smjernici 3633
definiše kao, [40]:
-Magistarski rad-
„Simulacija je oponašanje sistema sa njegovim procesima u eksperimentalno sposobnom modelu,

kako bi se dobila saznanja, koja su prenosiva na stvarnost“
Primjena simulacionih tehnologija unutar proizvodnih sistema je raznovrsna i ista se
primjenjuje u različitim nivoima planiranja. Ovi nivoi se prostiru od samog apstraktnog planiranja
čitavog proizvodnog sistema pa do detaljnog planiranja pojedinih komponenata. Tabela 1 prikazuje
oblasti primjene različitih simulacionih tipova.
Tabela 1. Tip simulacije
Nivo planiranja Obim planiranja Tip simulacije
• Poslovni procesi
Proizvodni sistem • Tok informacija Simulacija poslovnih procesa
• Dotok narudžbi
• Raspored jedinica unutar
postrojenja
Postrojenje • Tok materijala Simulacija toka (gruba)
• Strategija upravljanja
• Radna organizacija
• Raspored jedinica unutar ćelije
• Redoslijed operacija Simulacija toka (fina)
Ćelija
• NC programiranje Grafička 3D simulacija, slika 10
• Optimiranje taktnog vremena
• Operacije
Grafička 3D simulacija
• Procesni parametri
Komponenta FEM simulacija
• Alati
Simulacija primjenom višetjelne dinamike
• Pomoćna sredstva
Slika 10. Simulacija proizvodno-transportnih sistema

Kao što se iz prethodne tabele da uočiti čitav proizvodni sistem, ma kakvog on usmjerenja
bio (auto-, tekstilna-, proizvodna-, prehrambena-, tekstilna-, ... avio-industrija), je moguće u svakom
njegovom pojedinom ili skupu nekolicine segmenata simulirati odnosno obaviti simulacionu
studiju. Iz iste se primjenom realnih ili mogućih scenarija, variranjem ulaznih i unutrašnjih
parametara, dobiva uvid u stanje u sistemu tokom rada u zadatom scenariju.

-Magistarski rad-
3.2.1. Simulaciona studija
Simulacija opisuje uvijek samo rad sa i na eksperimentalno sklonom modelu, koja je

zasnovana na simulacionoj studiji. Time je poznata struktura oslikavajućeg proizvodnog sistema bar
u smislu ispitivane pojave. U prvom koraku potrebno je sistem opisati odgovarajućim modelom.
Ovaj dio rada će predstaviti određene metode modeliranja i njihovu upotrebu za simulaciju toka
materijala.
Proces izvođenja simulacije pri opisivanju procesa unutar proizvodnih sistema je definisano
smjernicom VDI 3633 i okarakterizirano izrazom simulaciona studija odnosno, [40]:
„Projekt za simulaciono podržano ispitivanje sistema. (...) Simulaciona studija može da obuhvati
nekolicinu simulacionih eksperimenata, koji sa druge strane mogu da budu sačinjeni od nekoliko
simulacionih prolaza.“
U suštini se simulacioni proces zasniva na procesima pripreme, modeliranja, provođenju i
ocjeni dobivenih rezultata. Procesi modeliranja i provođenja simulacionih eksperimenata se
provode interaktivnim postupkom, kako bi se simulacioni model verificirao i validirao. Na slici 11
je prikazan tok simulacione studije prema VDI 3633 [40].

-Magistarski rad-
Slika 11. Tok simulacione studije

Rezultat svake simalacione studije je egzaktno definisan cilj istraživanja, koji opisuje na
osnovu temeljne problematike, dešavanja u sistemu i daje moguća rješenja istog. Nakon definisanja
cilja istraživanja moguće je preći na narednu fazu odnosno na obradu podataka. Sam proces
sakupljanja, uređivanja i ukoliko je potrebno usklađivanja podataka je najčešće popraćen velikim
utroškom rada i vremena, pošto iste najčešće nisu dostupne u željenoj formi. Za određene slučajeve

-Magistarski rad-
za posmatrani sistem ne postoje potrebni podatci, primjera radi ukoliko isti u realnosti uopšte ne
egzistira. U tom slučaju je potrebno za podatke uzeti uslovno najbolju procjenu.
U narednom koraku proizvodni sistem se u simulatoru oslikava prvo logički, a kasnije kao
eksperimentalno sklon model. Potrebno je da simulacioni model reprezentira relevantne vrijednosti
koje bi dovele do željenih odgovora, pri čemu su strukture, zakonitosti, uticaji i ponašanja realnog
sistema odslikani u potrebnom nivou. Kroz prve simulacione prolaze vrši se verifikacija unutrašnje
logike simulacionog modela, a u slijedećem koraku simulacioni model se usklađuje ponašanju
realnom sistemu (validacija modela). Sam postupak se odvija interativno sve dok se ne dostigne
željeni nivo tačnosti.
Slijedeća faza sadrži različite korake provedbe slimulacionih prolaza u eksperimentalnim
okvirima. Prvo se provode obične analize, kako bi se dobili prvi iskazi o proizvodnom sistemu oko
kapacitivnosti i područja gdje bi se mogli pojaviti problemi. U nastavku se provode eksperimenti
koji obuhvataju ili definisanje parametara strukture proizvodnog sistema ili analizu senzibilnosti.
Ovaj interativni proces se provodi, uz izmjene simalacionog modela, sve dok se ne dobiju
zadovoljavajući rezultati. Završetak simaulacione studije čini dokumentiranje, komentarisanje i
obrada prikupljenih rezultata, pri čemu se isti svode na informacije koje daju određene iskaze. Na
kraju se odlučuje u kojoj mjeri su dobiveni rezultati simulacije validni za realno ponašanje
oslikanog proizvodnog sistema.

-Magistarski rad-
4. TEORIJA MASOVNOG OPSLUŽIVANJA I NJENA PRIMJENA U SIMUALCIJI

TOKOVA MATERIJALA
4.1. Teorija masovnog opsluživanja
4.1.1. Istorijski pregled nastanka teorije masovnog opsluživanja
Kada se govori o teoriji redova čekanja ili o teoriji masovnog opsluživanja najčešće se
zamišlja problematika kolone osoba koji čekaju na uslugu na šalteru, kako bi se njihovi individualni
zahtjevi ispunili. Upravo iz ovog slikovitog opisa dolaze nazivi koji se najčešće susreću u literaturi,
[37], [39] i [51], ¨klijent¨, ¨vrijeme čekanja¨ i ¨opsluga¨. Na osnovu istog moguće je identificirati
mnoge svakodnevne probleme zastoja i kretanja unutar bilo koje naučne oblasti (telekomunikacije,
transporta, saobraćaja, informatike, itd.).
U osnovi problematika koja, se javljala u začetku stvaranja automatskog telefonskog
saobraćaja, rješenje problema kada se na centrali javi kolona poziva koji čekaju na svoju
distribuciju, doveli su do kreiranja teorije redova čekanja odnosno ¨matematske discipline za opis i
analizu sistema opsluživanja, na čiji rad utiču slučajni faktor¨. Danski matematičar Agner Krarup
Erlang (1878-1929) spoznao je u XIX vijeku da se ovakvi problemi primjenom probabilističnih
modela mogu dovoljno dobro opisati i riješiti, tako da njegove publikacije iz godina 1909-1920čine
fundament na kojem je zasnovana teorija redova čekanja, [1]. Nakon drugog svjetskog rata sve
većom primjenom, tada nove naučne discipline pod nazivom, operaciona istraživanja spoznaje se da
mnogi problemi logistike i proizvodnih sistema posjeduju sličnu strukturu problematike, te se sa
istom metodom mogu rješavati. Oblast primjene teorije redova čekanja ili teorije masovnog
opsluživanja se značajno povećava u trenutku kada se počinje ista primjenjivati za određivanje
eficijentnijeg iskorištenja velikih i komplikovanih postrojenja, na primjer fleksibilnih proizvodnih
sistema ili velikih informacionih ili komunikacionih mreža. Matematsko modeliranje ovakvih
¨Multi Resaurse¨ sistema najčešće dovodi od dobivanja komplikovane slike sistema u kojem se
odvijaju međusobna djelovanja između opslužnih stanica, te se ovakvi modeli nazivaju kao modeli
mreža redova čekanja.
4.1.2. Osnovni elementi sistema opsluživanja
Zajedničko pri posmatranju svih sistema masovnog opsluživanja je postojanje toka klijenata
sa stohastičkim osciliranjem intenziteta koji dolaze na uslužno mjesto. Na mjestu opsluživanja
pristigli klijenti se uvrštavaju u red, kao bi se njihove individualne potrebe pod uslovima određenog
zakona opsluživanja ispunile, svaki klijent zasebno, te klijenti nakon usluge napuštaju opslužno
mjesto. Kako bi se definirali elementi koji će se koristiti u daljnjem tekstu uvode se sljedeći termini
[39]:
− ulazne jedinice (korisnici usluga, klijenti, potrošači, stranke, obradne mašine,
engl:customers)
− uslužna mjesta (kanali, uslužna mjesta, mjesta koja pružaju uslugu ili obavljaju obradu, engl:
servers)
− red čekanja (rep, linija, gomilanje, međuskladište, engl: queue).
Na slici 12 je prikazana građa jednog elementa sistema opsluživanja, koji posjeduje jedan
jedini kanal opsluživanja (primjer bi mogao biti jedan univerzalni tokarski stoj) u kojem zahtjevi za
obradu pojedinačno dolaze i isti se odvijaju prema redu njihovog dolaska.
-Magistarski rad-
Slika 12. Element sistema opsluživanja

Kako bi se potpuno definisao sistem opsluživanja potrebno je uvesti slijedećih šest
kategorija:
1. Proces dolaska
Potrebno je odrediti karakteristike procesa dolaska ulaznih jedinica, da li iste dolaze
pojedinačno ili u grupama. Najčešće se pretpostavlja da je proces dolaska ulaznih jedinica
posljedica neovisnih identično raspodijeljenih vremena između dolazaka ulaznih jedinica pri čemu
je dolazak pojedinačan, tako da se proces dolaska može opisati funkcijom raspodjele A(x). Ovakav
proces se naziva obnavljajući proces. Ukoliko ulazne jedinice ne dolaze pojedinačno nego u
grupama tada je također potrebno odrediti statističku raspodjelu dolaska veličine grupe. Kao
najvažnija veličina procesa dolaska je srednja vrijednost dolazaka po jedinici vremena (aritmetička
sredina statističke raspodjele po kojoj se odvija proces dolazaka elemenata opsluživanja), koja se
naziva i intenzitetom toka dolazne jedinice i najčešće se simbolički u literaturi obilježava sa λ. U
slučaju pojedinačnog (sukladno sa obnavljajućim procesom) dolaženja ulaznih jedinica je broj
dolazaka jednak recipročnoj vrijednosti srednjeg vremenskog rastojanja između dolaska dvije
jedinice.
2. Proces opsluživanja
Na osnovu ovoga se opisuje proces osciliranja vremena opsluživanja, koji isključivo ovisi o
obimu zahtjeva, pojedinačne jedinice opsluživanja. I ovdje se ide od pretpostavke da je pojedinačna
dužina vremena opsluživanja međusobno nezavisna i identično raspodijeljena, tako da se proces
opsluge može opisati na osnovu funkciju raspodjele B(x). Recipročna vrijednost srednjeg vremena
opsluge (na osnovu očekivane vrijednosti od B(x)), naziva se intenzitetom opsluživanja (aritmetička
sredina statističke raspodjele po kojoj se odvija proces opsluživanja elemenata), i najčešće se
simbolički u literaturi, [37] i [39], obilježava sa μ, odnosno prosječnom broju korisnika koji mogu
biti opsluženi u jedinici vremena jednog kanala ukoliko sistem posjeduje više kanala.
3. Broj opslužnih (paralelnih) kanala opsluživanja

Mnoge stanice opsluživanja, kako bi savladale radni proces i povećali svoju efektivnost,
posjeduju nekoliko paralelno radnih i identičnih kanala opsluge. Primjer za ovo je postojanje
nekoliko identičnih obradnih mašina koje uslužuju jedan red čekanja tako da svaka redno uzima
ulaznu jedinicu iz zajedničkog reda čekanja.

-Magistarski rad-
4. Strategija opsluživanja
Od velike važnosti za rad opslužne stanice je definisanje zakona po kojem redu će se vršiti
opsluživanje ulaznih jedinica, za ovaj zakon u literaturi se najčešće nailazi na izraz discipline reda.
Uopšteno se razlikuju dvije discipline čekanja i to neprekidnu disciplinu čekanja ( non-preemptvna
disciplina) i prekidnu disciplinu čekanja (preemptivna disciplina). Kod prve svako otpočeto
opsluživanje ulazne jedinice se obavlja do kraja bez prekida i tek nakon toga se odabire ulazna
jedinica u zavisnosti od uslova koji zadaje teorija opsluživanja. Kod druge vrste discipline je moguć
prekid opsluživanja određene ulazne jedinice i prolongiranje završetka istog, što je uzrokovano
pojavom ulazne jedinice visokog prioriteta prema konkretno definisanim pravilima. Gotovo sve
prekidne discipline čekanja su tako koncipirane da posjeduju karakter održavanja rada (work
conserving), tako da se ne događa gubljenje rada uslijed prekida, što znači da će se opsluživanje
ulazne jedinice nastaviti u onom trenutku u kojem je se prethodno zaustavilo. U ovom slučaju se
govori o strategijama zaustavno-nastavljanih procesa (preemptive resume discipline) za razliku od
zaustavno-iznova početnih procesa (preemptive repead discipline) kod kojih se nakon zaustavljanja
čitav proces opsluživanja počinje ispočetka.
Jedinice (korisnici usluga) iz reda čekanja koje pristupaju kanalu opsluživanja podvrgavaju
se disciplinama reda , koje mogu biti:
¾ FIFO (first in - first out) je način koji uzima u obzir redoslijed dolaženja: tko je prvi
došao bit će i prvi opslužen,
¾ LIFO (last in - first out) je način koji daje prednost jedinici koja je zadnja ušla u red:
zadnji ušao - prvi opslužen,
¾ PRIOR je oznaka prioriteta opsluživanja koji daje prednost nekim jedinicama za
opsluživanje,
¾ SIRO (Service In Randon Order) se odnosi na slučajno odabiranje koje svakoj jedinici
daje istu vjerojatnost opsluživanja bez obzira na vrijeme dolaska u red,
¾ SPTF (Shortest Processing Time First) je disciplina kod koje se opslužuje ulazna jedinice
sa najmanje vremena opsluživanja, ova disciplina pretpostavlja poznavanje
vremena opsluživanja pojedinih ulaznih jedinica,
¾ RR (Round Robin) svaka ulazna jedinica dobiva istu dužinu vremena opsluživanja i
ukoliko se desi da nakon tog vremena proces opsluživanja nije završen, jedinica se
vraća u red čekanja na zadnje mjesto, gdje čeka nastavak opsluživanja,
¾ AS/IS (Ample Server/Infinit Server) primjer neograničenog broja uslužnih mjesta, tako da
svaka ulazna jedinica biva odmah proslijeđena na uslužno mjesto. Sistemi sa
ovakvom strategijom opsluživanja nazivaju se kao čisto vremensko odlažući (delay
stations),
¾ GD je oznaka za bilo koju drugu disciplinu čekanja.
5. Prostor čekanja
Neke stanice opsluživanja posjeduju relativno mali prostor (broj mjesta) za jedinice koje
čekaju u redu. Uzimajući u obzir broj kanala opsluživanja može se odrediti gornja granica jedinica

-Magistarski rad-
koje se istovremeno mogu nalaziti unutar stanice opsluge. Kod ovakvih situacija mora se konkretno
definisati šta se događa sa jedinicama koje dolaze usled čekanja nakon trenutka kada isti dostigne
svoju granicu.
6. Populacija ulaznih jedinica (Quelle)

Najčešće se za modele opsluživanja pretpostavlja beskonačna, homogena populacija ulaznih
jedinica, što stvara potpuno kidanje veze između stanice opsluživanja i vanjskog svijeta. Ukoliko je,
u protivnom, broj potencijalnih ulaznih jedinica u sistem opsluživanja relativno mali, onda se mora
ugraditi uticaj momentalnog stanja sistema (broj ulaznih jedinica koji se trenutno nalaze ili su već
procesuirani u stanici opsluživanja, pa se na osnovu toga ne mogu više uzeti u obzir kao
potencijalne nove ulazne jedinice) na proces dolaska u model. Najčešće rješenje ove pojave je
primjena linearnog opadanja dolazaka pri povećanju ulaznih jedinica unutar stanice opsluživanja.
U određenim situacijama ne smije se populaciju ulaznih jedinica smatrati homogenim, ovo
je uvijek slučaj ukoliko se primjenjuje model koji pojedine jedinice opslužuje prema njihovom tipu
(prioritetne) ili ukoliko tip ulazne jedinice određuje koje resurse je potrebno primijeniti kod multi-
resursnog sistema i u kojem redu, primjer za ovo su obrada dijela sa različitim tehnološkim
postupcima (određene obrade koje posjeduje sistem se ne primjenjuju unutar tehnološkog postupka
obrade određene jedinice).
4.1.3. Notacija
Za označavanje modela masovnog opsluživanja najčešće se u literaturi, [39], upotrebljava

opšte priznata Shorthand-notacija, odnosno takozvana Kendall-notacija (nazvana prema
matematičaru Davidu Kendallu). U tu svrhu prihvaćena je Kendall-ova notacija oblika:
A/B/c/x/y/z
prema kojoj navedena slova označavaju:

A - raspodjelu vremena dolazaka jedinica u sistem,
B - raspodjelu vremena opsluživanja jedinica,
c - broj kanala opsluživanja,
x - kapacitet sistema opsluživanja,
y - vrijednost populacije ulaznih jedinica,
z - disciplinu reda čekanja.
Za specifične raspodjele koriste se slijedeći simboli:
− M Eksponencijalna raspodjela (M oznaka za ¨Markov¨ i ukazuje na karakteristiku
gubljena pamćenja kod eksponencijalne funkcije),
− Ek Erlangova raspodjela,
− Hk Hiper-eksponencijalna raspodjela (konveksna linearna kombinacija od k različitih
eksponencijalnih raspodjela),
− D Degenerisana raspodjela (za determinističke veličine),

-Magistarski rad-
− G ne specificirana uopštena raspodjela (G oznaka za ¨General distibution¨)

Ukoliko zadnje tri vrijednosti notacije nisu zadati podrazumijeva se da su vrijednosti
kapacitet sistema opsluživanja i populacije ulazne jedinice beskonačne i da je disciplina reda
čekanja FIFO strategija (primjer ¨M/M/1¨, dok kompletna oznaka izgleda u obliku
¨M/D/2/20/∞/SIRO¨).
4.2. Diskretni modeli tokova materijala zasnovani na teoriji masovnog opsluživanja
Kako bi se ilustrirali procesi koji dovode od nastajanja i nestajanja redova čekanja,

posmatran je sistem sa jednim kanalom opsluživanja, prikazan na slici 12, pri čemu se pretpostavlja
da se dolazak ulaznih jedinica događa pojedinačno. Primijenjena strategija opsluživanja je FIFO.
Kao rezultat posmatranja sistema u određenom vremenskom intervalu prošlosti dobivene su
efektivne vremenske tačke dolaska ulaznih jedinica Ti (i=1,2,...,K), kao i tačke efektivnog vremena
opslužajanja Si (i=1,2,...,K). Ovdje se radi o podatcima koji, u statističkom smislu, su
reprezentativne za budući rad opslužnog sistema. Iz promatranih (mjerenih) veličina Ti i Si
(i=1,2,...,K) moguće je odrediti ostale relevantne veličine, koje su predstavljene na slici 13. Od
primarne važnosti, u zavisnosti od konkretnog problema, je određivanje:
• individualnih vremena čekanja pojedinih ulaznih jedinica za opslužvanje Wi (i=1,2,...,K),
• individualnih vremena boravka pojedinih ulaznih jedinica u sistemu opsluživanja Vi
(i=1,2,...,K),
• tok nivoa rada u sistemu U(t) kao funkciju vremena,
• broj ulaznih jedinica koje se trenutno nalaze u sistemu N(t) kao funkciju vremena,
• ili srednje vrijednosti prethodno navedenih tačaka.
U grafičkom prikazu slika 14 upotrebljeni simboli znače:

¾ T1, T2, T3, ... vrijeme dolaska ulaznih jedinica 1,2,3, ... ,
¾ S1, S2, S3, ... dužina vremena opsluživanja ulaznih jedinica 1,2,3, ... ,
¾ θ1, θ 2, θ 3, ... vrijeme izlazka iz sistema opsluživanja ulaznih jedinica 1,2,3, ... ,
¾ W1, W2, W3, ... dužina vremena čekanja pojedinih ulaznih jednica u redu za
opsluživanje,
¾ U(t) vremenska rezerva u sistemu (takozvana virtualno vrijeme čekanja) u
odnosu na vrijeme t,
¾ V1, V2, V3, ... vrijeme čekanja klijenta 1,2,3,... u sistemu (vrijeme odziva sistema),
¾ α(t) kumulirani broj svih dolazaka od 0 do t,
¾ δ(t) kumulirani broj svih izlazaka od 0 do t,
¾ N(t) broj ,prema vremenu t, prisutnih klijenata u sistemu,
¾ Q(t) broj, prema vremenu t, klijenata koji čekaju za opsluživanje (red
čekanja).

-Magistarski rad-
Slika 13. Grafičko predstavljanje rada posmatranog sistema opsluživanja

Ukoliko je potrebno moguće je odrediti i neke dodatne veličine, primjera radi dužine
produktivnih i neproduktivnih faza B1, B2, B3, ... odnosno I1, I2, I3, ...ili iskorištenje ρ stanice
opsluživanja (u literaturi se susreću i nazivi stepen iskorištenja ili utlization).
U suštini slika 13 predstavlja grafičku simulaciju rada posmatranog sistema opsluživanja.
Kako bi se procesi tokom rada imitirali korištene su podatci koji su direktno dobiveni na osnovu
posmatranja (mjerenja), već spomenuti redovi T1, T2, T3, ... i S1, S2, S3, ... . Iste prikazuju pojave
odstupanja koje su najčešće uslovljene slučajnim događajima, koje se naravno oslikavaju na sve
veličine (npr. dužina čekanja ulazne jedinice) i procesa (npr. tok reda čekanja kao funkcije u
zavisnosti vremena) koje se dobivaju iz istih.

-Magistarski rad-
Analize opslužnih sistema u vidu ekonomičnosti i kapaciteta se inače vrše samo pri duže-
vremenskom (uhodanom) radu, pri čemu se ide od pretpostavke neovisnosti promjena (osciliranja)
veličina u zavisnosti od vremena na osnovu kojih se kreiraju unutrašnji radni procesi. I u stvarnosti
se pokazalo da se mnogi realni sistemi opsluživanja upravo u ¨normalnom radu¨ odlikuju kroz
(približnu) neovisnost promjena (osciliranja) veličina u zavisnosti od vremena (matematski se može
ovo istaći kroz asimptotsko stacioniranje stohastičnih procesa).
4.2.1. Diskretni matematski modeli tokova materijala
Ukoliko je moguće opisati procese opsluživanja i dolazaka elemenata u toku materijala sa

vremenski diskretnim funkcijama raspodjele, tada je moguće analitički odrediti raspodjelu
transportnih jedinica u sistemu. Littel-ov zakondokazuje da postoji bliska veza između broja
elemenata u sistemu redova čekanja i vremena boravljenja u sistemu, [39] i [52].
Pri modeliranju toka materijala vremena za opsluživanje, npr. transportnih jedinica, uzimaju
se određene (diskretne) vrijednosti odnosno, na primjeru procesa transporta isti je tek okončan
ukoliko je u potpunosti završen u protivnom se dostignuta vrijednost ne uzima u obzir tokom
računanja matematskih vrijednosti u modelu.
Modeliranje procesa dolaska, čekanja i opsluživanja diskretnom matematikom zasniva se na
tome da se definiše najmanja različita vremenska vrijednost tinc (sekunde, minute, sati, ...), koja će
služiti kao zajednička jedinica za sve ulazne podatke i rezultate. Sva vremena međudolazaka i
opsluživanja iz ovog razloga uzimaju se kao cjelobrojna, nekoliko puta veća vrijednost od tinc.
Pored toga uzima se pretpostavka da su svi procesi koji se dešavaju tokom modeliranja obnovljivi
procesi, odnosno pretpostavlja se da su svi intervali vremena između međudolazaka i opsluživanja
uzajamno nezavisni, pri čemu se svaki dolazak/opsluga odvija kao realizacija slučajnog procesa.
Ova realizacija je nezavisna od prethodnih, što znači da vjerovatnost za određeno vremensko
trajanje međudolaska se iz početka ponovo određuje odnosno slučajni proces se obnavlja.
Markovljevi procesi predstavljaju specijalni slučaj obnovljivih procesa pošto se u ovim procesima
svaka vremenska tačka na svakoj osi predstavlja obnovljivu tačku, [39] i [41],.
Obnovljivi procesi nisu slučajni procesi ukoliko vjerovatnoća jednog događaja ovisi o
događaju koji je se već zbio, primjer bi bio kada bi se vrijeme opsluživanja svake pete jedinice
opsluživanja vršio po drugčijoj statističkoj raspodjeli od ostale četiri.
Naredna pretpostavka pri modeliranju diskretnih događaja je da su vrijednosti slučajnih
varijabli za vrjemena međudolazaka i opsluživanja konačne vrijednosti. Ova pretpostavka ne
ograničava upotrebu diskretnih modela pri planiranju toka materijala iz razloga što se velike
vrijednosti vremena međudolazaka i opsluživanja mogu pridružiti skupu pojava otkaza, pri čemu se
i sami otkazi mogu opisati nekom od statističkih rasodjela.
Raspodjela vjerovatnoće za vrijednosti međudolazaka i opsluživanja jedinica procesa mogu
se opisati varijablama Tmd i Top:
· ; 0,1 1 , (4.2.1.1.)
· ; 0,1 1 , (4.2.1.2.)
Vjerovatnosti aj i bj grupišu se u vidu vektora vjerovatnoće:

-Magistarski rad-
(4.2.1.3.)
, ,
Svi procesi koji se ovijaju u sistemu počinju se analizirati od istog vremenskog trenutka, pri
čemu je za sve procese vremenski inkrement tinc (vrjemenski korak simulacije) isti. Ovo rezultira
time da se događaju dešavaju, u cjelokupnom posmatranom sistemu, u određenim, diskretnim i za
sve elemente sistema istim vremenskim trenutcima.
Kako bi se cjelokupni matematski aparat što jednostavnije opisao u nastavku teksta su
posmatrati događaji vezani za dolazak transportne jedinice u red čekanja i odlazak iste nakon
uspješnog opsluživanja.
Ukoliko pristigne jedinica transporta sa indeksom 0 u prazni red čekanja, tada je vrijeme
čekanja Č 0 . Na osnovu ove transportne jedinice sa indeksom n=0 vrijeme čekanja Č
narednih jedinica transporta moguće je odrediti obrascem:
Č Č
,0 (4.2.1.4.)
gdje je : - vrijeme opsluživanja n transportne jedinice i - vrijeme koje je potrebno

da prođe dok se u sistemu ne pojavi transportna jedinica n+1.
Pošto vrijeme čekanja jedne transportne jedinice ne može biti negativna vrijednost sa
uslovom maksimalnosti zadato vrijeme čekanja ne može biti manje od 0. Prethodno predstavljeni
izraz 4.2.1.4. je poznat kao Lindley-ova jednačina i predstavlja zavisnost između elemenata u
sistemu čekanja i potrebnog radnog vremena za njihovo procesuiranje, [52].
Odlučujući faktor za razvijanje vremena čekanja narednih jedinica transporta n+1 je
takozvani bilans rada, koji opisuje promjenu potrebe za radom u sistemu čekanja nakon pristizanja
nove jedinice transporta. Ukoliko je vremenski razmak između pristizanja naredne jedinice
transporta manji nego vrijeme koje je potrebno za opsluživanje transpotne jedinice n u tom slučaju
vrijeme čekanja se povećava za razliku između vremena čekanja i vremena međudolazaka. Bilans
rada u ovom slučaju je pozitivna vrijednost. Za slučaj da je vrijeme opsluživanja kraće nego vrijeme
pristizanja naredne transportne jedinice, tada će vrijeme čekanja transportne jedinice n+1 biti kraće
nego vrijeme čekanja transportne jedinice n, tako da bilans rada poprima negativnu vrijednost.
Ukoliko su vremena međudolazaka i vremena opsluživanja međusobno nezavisna u tom
slučaju nastaje nova slučajna varijabla X, čija se realizacija opisuje izrazom:
(4.2.1.5.)
Tako da jednačina 4.2.1.4. se može napisati kao
Č Č
,0 (4.2.1.6.)
Na osnovu poznatih statističkih raspodjela vremena međudolaska i opsluživanja koji su
definisani vektorima a i b, moguće je uspostaviti statističku raspodjelu vjerovatnoće bilansa rada.
Razlika između raspodjela vjerovatnoće dolazećeg i odlazećeg rada X(n) n-te transportne jedinice
određuje se izrazom:
· , 1 , (4.2.1.7.)

-Magistarski rad-
Kako bi se notacija pojednostavila indicije koje nisu postavljene sa pripadajućim

vjerovatnoćama i njihove vektorske komponente postavljene su na nulu. Istovremeno je pri
nezavisnim vremenima međudolazaka i opsluživanja uspostavljena nezavisnost raspodjele bilansa
rad u zavisnosti od n-te transportne jedinice, tako da se komponente ci vektora c mogu izraziti sa:
∑ · , 1 , (4.2.1.8.)
Primjer: Način određivanja vrijednosti parametra ci dat je u tabeli 2. i na slici 14.
Tabela 2. Proračun raspodjele vjerovatnoće dolazećeg i odlazećeg rada
i ai bi ci
-3 · 0,3 · 0 0
-2 · · 0,3 · 0,5 0,15
-1 · · · 0,4 · 0,5 0,3 · 0,4 0,32
0 0 0 · · · · 0,3 · 0,5 0,4 · 0,4 0,3 · 0,1 0,34
1 0,3 05 · · · 0,3 · 0,4 0,4 · 0,1 0,16
2 0,4 0,4 · · 0,3 · 0,1 0,03
3 0,3 0,1 · 0 · 0,1 0
Slika 14. Vjerovatnoće međudolazaka i opsluživanja kao i rezultirajuća raspodjela između raspodjele radne bilanse
tabele
Uz pomoć vektora c moguće je opisati raspodjelu vjerovatnoće vremena čekanja w:
Č Č
· 1 1 ∞ (4.2.1.9.)
Izraz određuje se na osnovu razvoja vjerovatnoće za vrijeme čekanja od trenutka

praznog sistema sve do trenutka dolaska n+1 transportne jedinice u sistem čekanja. Radi
nezavisnosti i Č , te polazeći od toga da raspodjela Č postoji moguće je odrediti
vjerovatnoću wi vremena čekanja · 0 izrazom:
∑ · 0, 1, 2, …
(4.2.1.10.)
0 0

-Magistarski rad-
Prethodna jednačina je diskretna forma prethodno predstavljene Lindley-eve jednačine.

Uzmu li se u obzir granice, u kojima su definisati vektori a i b, potrebno je uskladiti granice
simulacije i istih rezultirajućih vremena čekanja čija je vrijednost veća od nule:
,
∑ · 1, 2, … (4.2.1.11.)
,
Vrijednost intenziteta vremena čekanja jednaka je nuli, u trenutcima kada se odlazak zadnje
opslužene jedinice transporta odvija istovremeno sa dolaskom naredne jedinice transporta u sistem
čekanja ili kada je sistem prazan. Za slučaj kada je sistem prazan proces je opisan takozvanim
vrijemnom praznine Tpraz.
,
∑ · ∑ ·∑ ,
,
š (4.2.1.12.)
Na osnovu ovih informacija moguće je interativnim postupkom odrediti približne vrijednosti

raspodjela vremena čekanja w u sistemu čekanja. Simulacija procesa dolazaka i opsluživanja
sprovodi se tako što se na osnovu početne raspodjele w(0) određuje raspodjela vjerovarnoće za
vrijeme čekanja n-te jedinice transporta, koja se određuje početnih uslova w(n-1) i razlike između
odlazećeg i dolazećeg rada c(n-1). Komponenta wi(n) vektora vremena čekanja w(n) nakon n-te
interacije određuje se uz pomoć komponenata c(n-1) i prethodne raspodjele čekanja w(n-1).
,
∑ · 1, 2, …
,
(4.2.1.13.)
,
∑ · ∑ ·∑ ,
0
,

-Magistarski rad-
5. OPIS PROCESA IZVOĐENJA SIMULACIONE STUDIJE
Detaljni tok izvođenja simulacione studije izložen je u poglavlju 2.2.1. Te slika 11 tačno
oslikava osnovne procese koje je potrebno obaviti tokom izvođenja simulacione studije, a to su:
1. definisanje cilja istraživanja;
2. prikupljanje, obrada i analiza radnih podataka posmatranog problema;
3. genarisanje modela posmatranog problema;
4. verifikacija simulacionog modela;
5. izvođenje simulacionog eksperimenta.
5.1. Definisanje cilja istraživanja
Ciljevi istraživanja tokova materijala na osnovu simulacione studije detaljno su prezentirani

u potpoglavlju 3.2.
5.2. Prikupljanje, obrada i analiza radnih podataka posmatranog problema
Jedna od najrelevantnijih veličina za proces simuliranja tokova materijala je veličina

vrijemena rada koje je utrošeno za proces opsluživanja/transporta. Ukoliko se vremena
opsluživanja/transporta, zbog tehničkih specifičnosti, ne mogu egzaktno odrediti u tom slučaju se
primjenjuju metode praćenja parametara rada. Odnosno, ukoliko se vrijednosti vremena
opsluživanja ne mogu odrediti na osnovu tehničkih karakteristika procesa, procesi u kojima se
pojavljuje stohastičnost, potrebno je za određivanje vremena opsluživanja primijeniti neku od
statističkih metoda prikupljanja i obrade podataka kako bi se definisao stvarni karakter ponašanja
vremena opsluživanja. Rezultat ovih metoda je dobivanje diskretnih vremenskih intervala sa
njihovim pripadajućim vjerovatnoćama za pojavu određene dužine vremenskog intervala procesa
opsluživanja.
Da bi se mogla provesti simulaciona studija koja sadrži slučajne varijable, potrebno je
specificirati raspodjelu vjerovatnoće praćenih varijabli.
Prikupljeni ulazni podaci mogu se prikazati ili kao izvorne empirijske raspodjele ili kao
odgovarajuća teorijska raspodjela. U specijalnim slučajevima u praksi se koristi pristup preko
teorijskih raspodjela, čime se izbjegava uvođenje slučajnih fluktuacija specifičnosti za određena
opažanja.
Razvoj adekvatnog modela ulaznih podataka sadrži:
1. prikupljanje ulaznih podataka;
2. postavljanje hipoteze o vrsti raspodjela vjerovatnoće ulaznih podataka;
3. procjena vrijednosti parametara odabrane raspodjele;
4. testiranje stepene slaglasnosti odabrane raspodjele (sa njenim procijenjenim
parametrima) i ulaznih podataka.
Za slučaj kada su ulazni podaci međusobno ovisni, potrebno je odrediti strukturu i intenzitet
veza između njih. Za iznalaženje modaliteta ovisnosti pogodna je primjena regresione analize.

-Magistarski rad-
5.2.1. Prikupljanje ulaznih podataka
Prikupljanje ulaznih podataka je najčešće dugotrajan proces koji nije jednostavan i nema
potpuno predvidiv sadržaj i tok.
Ulazni podaci koriste se kako za određivanje raspodjele slučajnih ulaznih (nezavisnih )
varijabli, tako i za vrednovanje simulacijskog modela. Najčešće je potrebno skupiti podatke za više
različitih vrsta procesa (dinamika dolazaka, karakteristike dolaznih entiteta, vremena posluživanja
raznih resursa sistema, ... ).
Zbog dugotrajnosti, troškova prikupljanja i raznovrsnosti ulaznih podataka preporučuje se
da se proces prikupljanja ulaznih podataka obavezno planira, [51]. Potrebno je planirati šta će se
mjeriti, kako, kada, gdje i tko će mjeriti odnosno:
(1.) Šta će se mjeriti? - izbor varijabli od interesa
(nezavisne i zavisne varijable; nezavisne varijable koje mogu biti u međusobnoj
povezanosti – npr. vrijeme posluživanja i karakteristika objekta koji se poslužuje).
(2.) Kako će se mjeriti? - način mjerenja, mjerne naprave, formulari, kontrola mjerenja
i sl.
(u vezi sa načinom mjerenja može se npr. kod posluživanja mjeriti vrijeme
posluživanja svakog pojedinog objekta mjerenja, a kod brzih posluživanja često je
bolje mjeriti broj posluženih entiteta u jedinici vremena)
(3.) Tačnost mjerenja
(da li se mjeri u sekundama minutama i sl., zavisno o dinamici fenomena koji se
posmatra)
(4.) Veličina uzoraka
(broj mjerenja za svaki tip fenomena koji se mjeri)
(5.) Kad će se mjeriti?
(da li će se mjeriti u bilo kojoj fazi rada sistema ili možda samo u određenim
opterećenjima, jer se način i brzina posluživanja moge mijenjati u različitim
okolnostima – u pravilu se npr. vrijeme posluživanja mjeri samo kada je pred
mjestom posluživanja red od nekoliko objekata)
(6.) Gdje će se mjeriti?
(u kojem dijelu sistema se mjeri, gdje su posmatrači koji mjere kako bi imali
dobar pogled, ali da ne utiču na proces koji mjere)
(7.) Tko će mjeriti
(broj mjerača u ekipi koji osiguravaju pouzdano mjerenje i eventualnu mogućnost
kontrole mjerenja; sinhroniziran raspored ekipa mjerenja na različitim mjestima i
njihovo premještanje sa mjesta na mjesto, kako bi se izmjerili svi fenomeni od
interesa i dobro iskorištenje ekipe koja mjeri)
Zbog boljeg planiranja i izvođenja mjerenja preporučuje se izvođenje prethodnih kraćih
pilot mjerenja kako bi se steklo iskustvo, eliminisale eventualne greške i pronašao zadovoljavajući
način mjerenja.
Nakon mjerenja podaci se unose na prikladan medij, a zatim se izvode eventualne
transformacije podataka, kontrola podataka (npr. da li su u dopuštenim granicama) i eliminacija
neadekvatnih podataka.

-Magistarski rad-
Najčešće primijenjene metode za analizu i utvrđivanje vremena izrade su, [50]:

• MTM – Methods Time Measurement – Metoda mjerenja vremena;
• WF – Work Factor System – Sistem radikalnih faktora;
• BMT – Basic motion Time Study – Studiranje vremena osnovnih pokreta;
• DMT – Dimensional Motion Time – Određivanje vremena pokreta;
• MTA – Motion Time Analisis – Analiza vremena pokreta;
• Snimanje rada povratnom metodom.
5.2.1.1. Snimanja rada povratnom metodom

Tehnika snimanja rada povratnom metodom zasniva se na vremenskom praćenju željenih
radnih parametara posmatranog sistema i njihovom bilježenju u snimačke listove. Iako sama
metoda zahtijeva značajan angažman snimača ona obezbjeđuje izbjegavanje grešaka koje mogu
nastati u toku snimanja, uz veoma dobru tačnost dobivenih rezultata. U cilju zadovoljavajućeg
izvođenja snimanja rada povratnom metodom neophodno je izvršiti odgovarajuće predradnje:
- uvjeriti se da je radno mjesto pogodno za snimanje tj. da je stabilizirano;
- obaviti pokusno snimanje, te na temelju njega odrediti potreban broj očitavanja;
- unijeti sve potrebne podatke u snimački list;
- upoznati poslovođu sa snimanjem i razviti visoki stepen saradnje sa radnim okruženjem.
S obzirom da se rezultati snimanja analiziraju i izračunavaju primjenom metoda
matematičke statistike neophodno je osigurati odgovarajući broj snimanja, obzirom da nedovoljan
broj mjerenja/snimaka oneomogućava donošenje valjanih zaključaka. Broj potrebnih snimaka
izračunava se na osnovu koeficijenta stabilizacije radnog mjesta koji se dobiva na osnovu rasipanja
vrijednosti izmjerenih veličina.
tmax − tmin
K= (5.2.1.1.1)
t0
t0 = t + i ∑
f ⋅d
(5.2.1.1.2)
∑f
gdje su: tmax – maksimalno očitano vrijeme, tmin – minimalno očitano vrijeme, t0 – srednje
vrijeme očitavanja , t –srednje vrijeme osnovne klase, f – frekvencija klase i d – broj klase.
Koeficijent stabilizacije radnog mjesta primjenjuje se samo pri uspoređivanju sličnih
operacija, a manja vrijednost koeficijenta označava bolje stabilizirano radno mjesto ili izvođenje
rada. Teorijski gledano, izračunavanje potrebnog broja očitavanja vrši se na osnovu sljedećeg
obrasca:
t2 σ 2
n= ⋅ (5.2.1.1.3)
ε r2 t02
gdje su: t – parametar za određenu vjerovatnoću dobivenih rezultata, εr – preciznost
izračunavanja srednjeg vremena očitavanja, σ - rasipanje pojedinačnih vrijednosti vremena.

-Magistarski rad-
5.2.2. Opis i kavantificiranje slučajne pojave
Pojava nehomogenosti vremena dolazaka Ti, i=1,2,3,..., kao i vremena opsluživanja Si,
i=1,2,3,..., unutar sistema opsluživanja daju naznaku da se vrijednosti posmatranih veličina
ponašaju kao slučajan proces odnosno stohastičan proces. Kako bi se opisale iste pojave primjenjuju
se matematički odnosno statistički alati i metode određivanje vjerovatnoće po kojoj se ponašaju iste.
Često se dobivaju intuitivne ili empirijske potvrde za pretpostavku da ulazne jedinice dolaze iz
homogene populacije i da vremenski intervali τ i = Ti − Ti −1 , i=1,2,3,..., između dolazaka pojedinih
ulaznih jedinica, kao i dužina individualnog vremena obrade Si, i=1,2,3,..., kreiraju slučajne
varijable koje su nezavisne i identično raspodijeljene. U tom slučaju veličine τi i Si mogu se
posmatrati kao nezavisne realizacije dviju generisanih slučajnih varijabla τ i S. Ovakve slučajne
varijable se opisuju u praksi, zadavanjaem malog broja empirijski određenih parametara, na primjer
srednje vrijednosti i veličine rasipanja. Kako bi se iste potpuno okarakterizirale mora se zadati
njihova funkcija raspodjele Fτ ( x ) = P[τ ≤ x ],odnosno FS ( x ) = P[S ≤ x ] .
Izbor prikladne funkcije raspodjele za opis slučajnih (ne predvidivih) promjena neke realne
veličine vrši se na osnovu statističkih analiza relevantnih podataka. Ponekad je moguće tip funkcije
raspodjele, koja bi došla u obzir, odrediti na osnovu fizičkih karakteristika, tako da je u tom slučaju
potrebno samo odrediti određene parametre (na primjer vrijednost očekivanja i varijansu)
pretpostavljene statističke funkcije.
Na slici 15, je predstavljen tok kontinualne funkcije raspodjele F(x), primjer funkcije
raspodjele vremena opsluživanja Si, i=1,2,3,.... Na osnovu definicije, vrijednost F(x) na
proizvoljnom mjestu x0, što predstavlja vjerovatnoću za x0, tako da je slučajna varijabla u ovom
slučaju dužina vremena opsluživanja S tipičnog (slučajno izabranog) klijenta manja ili jednaka x0.
Slika 15. Funkcija raspodjele F(x) i funkcija gustine f(x) kontinualne slučajne varijable S

-Magistarski rad-
Za opisivanje kontinualno raspoređenih slučajnih varijabli, kakve su najčešće τ i S, često je

dF (x )
korisno umjesto kumulativne funkcije raspodjele F(x) upotrebljavati prvi izvod iste f (x ) = .
dx
Funkcija f(x) se označava kao gustina raspodjele (gustina vjerovatnoće) odgovarajući slučajnih
varijabli, pri čemu istovjetno funkciji F(x) u potpunosti definiše slučajne varijable. Prema definiciji
svaka funkcija gustine f(x) je ne negativna funkcija ( ⇒ f ( x ) ≥ 0∀ − ∞ < x < ∞ ), koja zadovoljava
uslov normiranja:
∞
∫ f (x )dx = 1
−∞
(5.2.2.1)
Pri mnogim praktičnim primjenama često se susreću slučajne varijable koje su diskretnog
karaktera, odnosno posjeduju skup vrijednosti koje su konačne. Diskretne slučajne varijable N, čija
je funkcija raspodjele F ( x ) = P[N ≤ x ] stepenastog izgleda, ne posjeduje gustinu raspodjele. Njeno
definisanje se vrši zadavanjem mogućih vrijednosti xi, i=0,1,2,... i njima pripadajućih vjerovatnoća
pi, i=0,1,2,..., pri čemu je pi = P[N = xi ] , i=0,1,2,... . Veličine xi i pi predstavljaju mjesta odskoka,
odnosno veličinu odskoka na funkciji diskretne raspodjele F(x) slučajne varijable.
Od velike praktične važnosti su takozvani momenti funkcije raspodjele, koji predstavljaju
skalarne veličine dobivene na osnovu raspodjele, te omogućavaju objektivno upoređivanje različitih
raspodjela.
Prvi moment, takozvana vrijednost očekivanje kontinualne slučajne varijable S, definisana
gustinom raspodjele f(x) data je relacijom:
∞
E [S ] = ∫ x ⋅ f (x )dx (5.2.2.2)
−∞
Identičan izgled prvog momenta za diskretnu slučajnu varijablu N raspodjele

{xi , pi , i = 0,1,2,...} je:
E[N ] = ∑ pi ⋅ xi (5.2.2.3)
i
Generalno k-ti moment kontinualne slučajne varijable S je dat izrazom:

∞
ES [ ]= ∫ x
k k
⋅ f ( x )dx , k = 1,2,3,... (5.2.2.4)
−∞
odnosno za diskretnu slučajnu varijablu:
[ ]
E N k = ∑ pi ⋅ xik , k = 1,2,3,... (5.2.2.5)
i
Potrebo je napomenuti da je od velike važnosti za praktičnu upotrebu drugi (centralni)

moment, takozvana varijansa raspodjele, te se sa istim označava mjera rasturanja raspodjele oko
njezine očekivane vrijednosti. Za kontinualne slučajne varijable varijanca S je data izrazom:

-Magistarski rad-
[ ] ∫ (x − E [S ])
∞
VAR [S ] = σ 2 = E (S − E [S ]) =
2 2
[ ]
⋅ f (x )dx = E S 2 − (E [S ])
2
(5.2.2.6)
−∞
odnosnu za diskretnu slučajnu varijablu N:

2
[ ]
VAR[N ] = σ 2 = ∑ pi ⋅ ( xi − E[N ]) = E N 2 − (E[N ])
2
(5.2.2.7)
i
Izvlačenjem kvadrata iz varijanse dobiva se standardna devijacija (standardno odstupanje)

raspodjele:
σ = VAR[S ] odnosno σ = VAR[N ] (5.2.2.8)
, a ista ima istu dimenzijalnu veličinu kao i vrijednost očekivanja. Na osnovu vrijednosti
očekivanja i varijanse dobiva se takozvani varijacioni koeficijent:
VAR[X ]
CX = (5.2.2.9)
E [X ]
kojim se ocjenjuju i uspoređuju raspodjele. Ovim se definiše odnos između standardnog
odstupanja i vrijednosti očekivanja, te isti služi kao mjera relativnog osciliranja vrijednosti slučajnih
varijabli.

-Magistarski rad-
5.2.3. Procjena vrijednosti parametara odabrane raspodjele
Ulazni podaci prikupljeni praćenjem rada posmatranog sistema podvrgavaju se statističkoj

obradi, te se nastoji, ukoliko je to moguće, opisati nekom od teorijskih raspodjela, tabela 3, 4 i 5,
radi jednostavnije upotrebe pri izradi simulacionog modela.
Tabela 3. Diskretne statističke raspodjele

Diskretne raspodjele
Bernurijeva raspodjela
Funkcija vjerovatnoće:
1 0
0
0 č
Funkcija raspodjele:
0 0
1 0 1
1 1
Sredina:
Varijanca: · 1
Diskretna uniformna raspodjela
1
, 1, … ,
1
0
– 1
1
1
Sredina: /2
Varijanca: 1 2 1 /12
Binomna raspodjela
1 0,1, … ,
0 0
1 0
Sredina: ·
Varijanca: · 1
Geometrijska raspodjela
1 0,1, …
1 1 0
Sredina: 1 /
Varijanca: 1 /

-Magistarski rad-
Poisonova raspodjela
0,1, …
!
0 0
0
!
Sredina:
Varijanca:
Tabela 4. Kontinualne statističke raspodjele

Kontinualne raspodjele
Uniformna raspodjela
1
0
Sredina: /2
Varijanca: /12
Eksponencijalna raspodjela
/
1/ · 0
/
1 0
Sredina:
Varijanca:
Gama raspodjela
1/Γ · · · 0
Γ · · 0
/
1 0
Sredina:
Varijanca:
Weibull raspodjela
· · · 0
1 0
Sredina: Γ
Varijanca: 2Γ Γ

-Magistarski rad-
Normalna raspodjela
1
·
√2 · ·
Sredina:
Varijanca:
Lognormalna raspodjela
1
·
√2 · ·
Sredina:
Varijanca: · 1
Gen. Extreme Value
1
1 · 1 · ; 0
1
; 0
1 · 0
gdje je:
Jonson SB
1
·
√2 1 2 1
Φ ·
1
gdje je:
Jonson SU
1
· 1
√2 √ 1 2
Φ · 1
gdje je:

-Magistarski rad-
Fatique Life
1
·
2· ·
1
Φ
Gamble max
1
gdje je:
Tabela 5. Empirijske statističke raspodjele

Empirijske raspodjele
Empirijska kontinualna raspodjela
0
Empirijska diskretna raspodjela

0
5.2.4. Testiranje statističkih raspodjela
Izbor teorijske raspodjele prvenstveno je uslovljen stpenom saglasnosti empirijskih podataka

sa podacima koji pripadaju odgovarajućoj usvojenoj teorijskoj raspodjeli. Kako bi se odredilo kojoj
grupaciji teorijskih slučajnih raspodjela pripada slučajna varijabla X potrebno je provesti takozvane
testove slaganja pri čemu je osnovna ideja da se uporedi empirijska raspodjela, odnosno Fx(x) i

-Magistarski rad-
fx(x), sa hipotetičkom (testiranom) raspodjelom, odnosno sa F(x) i f(x). Nulta i alternativna hipoteza
pri ovom procesu glase:
H0 : X ima funkciju raspodjele F(x) (gustinu funkcije f(x)),
H1 : X odgovara nekoj drugoj funkciji raspodjele.
Najpoznatija dva testa za ispitivanje raspodjele su Kolmogorov-Smirnov i Chi-Quadrat test,
čije su karakteristike date u tabeli 6 .
Tabela 6. Statistički testovi
Test Način ispitivanja Karakteristike
Chi-Quadrat Primjenjuje se tek pri minimalno 40
uzoraka sa minimalno 5 klasa
Kolmogorov-Smirnov Primjenjuje se tek iznad 20 uzoraka

sa minimalno 5 klasa
Napomena: c – kritična vrijednost za prihvatanje hipoteze na osnovu nivoa signifikantnosti α
5.3. Genarisanje modela posmatranog problema
Realizacija konceptnog modela se u prvom koraku ostvaruje primjenom instrumenta

simulacije na osnovu okvirnih uslova za modeliranje strukture i odvijanja procesa posmatranog
sistema. Pri kreiranju modela potrebno je uzeti u obzir sistemsko individualne procese i strategije,
koje je moguće oslikati dodatnim programiranjem, pri čemu većina alata za modeliranje ovakvih
procesa posjeduje zasebne logike kao olakšavajuće sredstvo (programski jezici SIMULA, SIMPLE,
...), [51].
Odvijanja na granicama sistema ne smiju se izuzeti, tako da se najčešće isti modeliraju
takozvanim izvorima i ponorima (Quelle i Senke). Svi ostali procesi
proizvodnje/transporta/skladištenja u većini specijalističkih softverskih paketa za simulaciju tokova
materijala su dobro zastupljeni tako da ih nije potrebno namjenski kreirati nego se uzimaju iz
ponuđenih opcija. Također pojave kao pauze, otkazi, izmjena alata na obradnim mjestima, smjenski
rad, raznolikost proizvodnje su također ponuđene od stane primijenjenog programskog alata za
simuliranje. Shodno naprijed iznesenom, danas se pri modeliranju tokova materijala sve manje
upotrebljavaju programski jezici, dok se koncipiranje modela najčešće vrši primjenom gotovih
(pripremljenih) elemenata za modeliranje koje posjeduju simulatori. Međutim, iako je od strane
kreatora programskih alata za simuliranje dato mnoštvo već gotovih mogućnosti još uvijek nije
moguće izbjeći dodatno programiranje pojedinih specifičnih pojava. Upravo ova mogućnost daje
fleksibilnost ponuđenim softverskim rješenjima, jer omogućavaju korisniku da nekonvencijalne
pojave ugradi u simulacioni model, što sa druge strane zahtijeva od korisnika visoki stepen
poznavanja programskih rutina.
5.4. Verifikacija simulacionog modela
Osnovni razlog za kreiranje simulacionog modela je omogućavanje ispitivanja nekog

sistema i donošenje odgovarajućih odluka u vezi sa tim sistemom pri čemu se uzima pretpostavka
da primijenjeni simulacioni model adekvatno zamjenjuje posmatrani sistem, odnosno da

-Magistarski rad-
eksperimenti provedeni nad modelom mogu zamijeniti eksperimente obavljene na realnom sistemu.
Pomenuta pretpostavka se mora opravdati iz razloga zadobivanja povjerenja u korištenje samog
modela kao zamjene za realni proučavani sistem tj. ponašanje simulacionog modela treba da bude
veoma slično ponašanju realnog ili virtualnog sistema. Ovim se ujedno i smanjuje vjerovatnost
donošenja pogrešne odluke prilikom analize i upotrebe eksperimenata nad posmatranim sistemom.
Za proces izvođenje procesa validacije simulacionog modela ne postoje konkretno definisani
zakoni, ali se mogu dati određene opšte preporuke, [51]:
(1.) uspoređivanjem rezultata simulacionih eksperimenata i stvarnog modela moguće je
zaključiti kolika je tačnost modela;
(2.) kroz višestruko ponavljanje simulacionog eksperimenta moguće je izvršiti internu
validaciju simulacionog modela. Desi li se pojava velikog rasipanja rezultata pri
ovom procesu moguće je zaključiti da stohastički varijabilitet modela ukazuje na
nedovoljni stepen oslikavanja procesa;
(3.) Senzibilnost simulacionog modela može se odrediti kroz relativno malu promjenu
unutrašnjih parametara. Ukoliko se stvarni sistem manje senzitivno ponaša od
simulacionog modela potrebno je izvršiti korekcije na simulacionom modelu.
Postoji više različitih pristupa provjeri ispravnosti simulacijskih modela, pri čemu se
najčešće koriste slijedeća dva:
− vrednovanje konceptualnog modela – ispitivanje logičkog slaganja odvijanja procesa
između ponašanja konceptualnog modela i realnog sistema;
− verifikacija računarskog modela – ispitivanje vrijednosnog slaganja istovjetnih
varijabli između računarskog modela i realnog sistema.
Verifikacija i vrednovanje imaju za cilj da svedu na najmanju mjeru pojavu raznih vrsta
mogućih grešaka modela (u logici konceptualnog i računarskog modela, matematskim relacijama,
programiranju, mjerenju i obradi ulaznih podataka, načinu korištenja modela, obradi i interpolaciji
rezultata i sl.).
Stvoriti povjerenje u kreirani simulacioni model znači prihvatiti zaključke, koji se donose na
osnovu ponašanja modela, sa prihvatljivim nivoom pouzdanosti odnosno, doneseni zaključci su
ispravni i primjenjivi na realni sistem. Vrednovanje modela treba gledati kao određivanje stepena
zadovoljavanja opisanog sistema, a ne kao određivanje da li model potpuno zadovoljava ili uopće
nazadovoljavapri čemu se ovaj zaključak temelji na argumentima, [51]:
• model je nužna aproksimacija posmatranog sistema;
• elementi modela dobiveni mjerenjem na stvarnom sistemu sadrže u sebi greške
mjerenja koje uzrokuju inherentnu netačnost u rezultatima modela;
• tačnost izlaza statističke analize za primjenu podataka u modelu ovisi o visini
posmatranog uzorka, što znači da i povećanje tačnosti zahtjeva povišenje cijene
dobivanja rezultata.
Porastom stepena valjanosti modela raste cijena i vrijeme razvoja modela, što ima velikog
uticaja na mogućnost stvaranja modela sa velikim stepenom valjanosti.
VDI smjernica 3633 daje slijedeće preporuke za validaciju simulacionih modela:
• važan dio validacije simaulacionih modela je ispitivanje ulaznih podataka, nije česta
pojava da postoji razlika između planiranih i stvarnih podataka o sistemu (o ovome
je bilo riječi u poglavlju 3);

-Magistarski rad-
• ispitivanje modela potrebno je obaviti u zavisnosti od specifičnosti problema koji se

simulira, a u zavisnosti od vrste simulacionog projekta potrebno je izvršiti
individualne analize sa ciljem uspoređivanja rezultatnih vrijednosti i vrijednosti u
određenim međustanjima;
• pri simulaciji već postojećih sistema za validaciju modela potrebno je izvršiti
uspoređivanje dobivenih rezultata sa stvarnim rezultatima sistema, a kod simulacije
nepostojećih sistema kod kojih ne postoje podatci o ponašanju sistema za
modeliranje i validaciju modela potrebno je primijeniti odgovarajuća iskustvena
znanja i kvalifikaciju koju posjeduje kreator simulacionog modela (ekspert za
simulaciju);
• pri validaciji simulacionih modela od velike pomoći je upotreba vizualizacije
odvijanja unutar simualcionog modela, ovo se naročito odnosi na animaciju.
5.5. Izvođenje simulacionog eksperimenta
Izvođenje eksperimenata mora se planirati iz razloga kako bi se racionalnim ulogom

vremena i truda dobile što validnije i preciznije informacije koje omogućavaju adekvatniju analizu
sistema. Simulacioni eksperimenti primjenjuju se ukoliko je potrebno analizirati utjecaje različitih
faktora na rad sistema, npr.:
− broj resursa koji vrše opsluživanje;
− vrsta izabranih mašina u proizvodnom sistemu;
− disciplina posluživanja;
− očekivana dinamika dolazaka zahtjeva za opsluživanje itd.
Karakteristike sistema koji se ispituju mogu biti:
− vrijeme čekanja za posluživanje;
− dužina reda čekanja;
− kapacitet sistema i elemenata sistema;
− uravnoteženje toka materijala itd.
Faktori koji utiču na rad simulacijskog modela dijele se na dvije osnovne grupe:
(1.) Strukturalne parametre koji definiraju konfiguraciju sistema, koja uključuje i izbor
tehnologije te organizaciju rada sistema (npr. broj resursa za opsluživanje, vrste
uređaja za opsluživanje, pravila definisanja strategije pojedinim elementima
opsluživanja, itd.) ;
(2.) Vrijednosne parametre kojima se definira dinamika elemenata sistema (dinamika
dolazaka elemenata opsluživanja, vremena opsluživanja, itd.).
Na osnovu ovoga za planiranje simulacionih eksperimenata primjenjuje se metodologija
dizajna simulacionih eksperimenata, odnosno planiranja simulacionih eksperimenata na osnovu
variranja konfiguracije sistema, [51].

-Magistarski rad-
5.5.1. Dizajn simulacionih eksperimenata
Cilj dizajna simulacijskih eksperimenata jest da unaprijed izabere koje će se konfiguracije

sistema simulirati, tako da se na što efikasniji način dobiju tražene informacije o relevantnim
karakteristikama sistema i o značenju utjecaja pojedinačnih faktora i njihovih kombinacija na
performanse sistema.
Ulazni parametri i pretpostavke o načinu rada sistema nazivaju se faktori. Faktori mogu biti
kvantitativni i kvalitativni:
− kvantitativni faktori su oni koji prirodno poprimaju numeričke vrijednosti (npr. broj mašina
koje će vršiti obradu jedne operacije, maksimalno tolerirano vrijeme čekanja u banci, ...);
− kvalitativni faktori najčešće opisuju strukturalne pretpostavke modela koje prirodno nemaju
numeričke vrijednosti (npr. disciplina čekanja u redu: FIFO, LIFO, po prioritetu; način
razmještaja materijala u skladište).
Gledano sa stajališta simulacijskih eksperimenata, faktori se mogu podijeliti na

kontrolabilne i nekontrolabilne:
− kontrolabilni faktori (varijable odlučivanja) su oni elementi na koje se u modelu sistema
može uticati (npr. broj stanica pri opsluživanju jedne operacije, disciplina čekanja u redu);
− nekontrolabilni faktori su oni na koje se u stvarnom sistemu ne može uticati (npr. dinamika
dolazaka automobila na benzinsku crpku, prosječan broj transakcija koje traži mušterija u
banci), a koji također utiču na rezultate rada sistema.
Vrijednosti faktora zovu se nivoi faktora (npr. nivoi broja stanica za opsluživanje jedne
operacije mogu biti 4, 5 i 6). Kombinacija faktora na određenim nivoima zove se tretman. Zavisne
varijable modela čije vrijednosti se dobivaju kao rezultat simulacijskog eksperimenta nazivamo
odzivima (to su npr. vremena čekanja, propusnost sistema, iskorištenje opreme, ...).
Izbor koji će parametri i strukturalne pretpostavke biti konstante u modelu, a koji će biti
promjenljivi eksperimentalni faktori postavlja se u samom cilju simulacijske studije i ovisi o prirodi
problema koji se simulacijom rješava.
Posebna važnost dizajna simulacijskih eksperimenata je u tome da se umjesto
nesistematičnog (ad-hoc) izvođenja simulacijskih eksperimenata s različitim alternativama sistema
priđe planiranju eksperimenata unaprijed i na sistematičan način, koristeći se poznatim
karakteristikama faktora određenog simulacijskog modela. Pri tome se dizajnu eksperimenata treba
prići tako da se u ranim fazama eksperimentiranja prije svega nastoji ustanoviti koji su faktori
značajni za ponašanje sistema i kako oni utiču na performanse sistema. Kada je to poznato, mogu se
u principu, ispitivati i optimalne kombinacije faktora sa stajališta datih performansi sistema.

-Magistarski rad-
6. SIMULACIONA STUDIJA TOKOVA MATERIJALA PROIZVODNE LINIJE „Prsten

1“
„Prsten 1“ je naziv za proizvodnu liniju koja je objekt istraživanja magistarskog rada.
Plan eksperimenta po kojem je izvršena simulaciona studija tokova materijala za posmatrani
objekt istraživanja dat je na slici 16.
Slika 16. Plan eksperimenta za izvođenje simulacione studije tokova materijala na proizvodnoj liniji “Prsten 1”

POVIŠEN
NJE KAPACIITETA PROIZ
ZVODNO-TRA
ANSPORTNIH H SEGMENAT
TA SISTEMA PRIMJENOM
M
SIMULACIIONE STUDIJJE"
-Magiistarski rad-
6.1. Forrmulisanje cilja

c i zadatk
ka simulacione studije tokova matterijala proiizvodne liniije
„Prrsten 1“
Cilj i zadatak simulacijonne studije tookova mateerijala proizzvodne linije „Prsten 1“ u

potpunosti
p se poklapajju s prethoodno izneseenim probleemom, ciljem i zadatk kom istraživvanja
magistarsko
m g rada koji su
s definiranii u poglavljuu 1.
6.2. Karrakteristike objekta istraživanja
Poliggon istraživanja je firmma TMD Ai A Gradačac,, proizvođačč dijelova za

z automobbilsku
industriju.
i N
Navedeni po
oligon istražiivanja bio je pogodan za
z analizu tookova materrijala primjeenom
simulacione studije iz sllijedećih razlloga:
• proizvodn nja je serijskkog karakterra,
• tehnološk ki proces je uređen,
u
• proizvodn ni proces se odvija u dužžem vremen nskom perioddu;
• posjedujee raznoliku proizvodnu
p o
opremu sa raazličitim steppenom udjella ljudskog rrada;
• proizvodn nja je segm mentirana na samostalnee proizvodnee cjeline kooje su tehnoološki
odvojenee od ostalih proizvodnih
p cjelina;
• zahtjev, odo strane kuupca, za smaanjenjem trooškova proizzvodnje na godišnjemg n
nivou
od 5 %;
• i pored dobrih proizvodnih rezzultata ostvaarenih u preethodnom periodu p globbalno
tržište zaahtijeva konttinuirane aktivnosti na sn nižavanju proizvodnih trroškova, što bi za
poslijediccu imalo povvećanje dobiiti.
Objeekt istraživaanja magistaarskog radaa je proizvoodna linija poznata pod pseudonim mom
„Prsten
„ 1“. Na slici 17., dat je šem matski prikaaz rasporedaa proizvodnee opreme un nutar proizvvodne
linije
l „Prsten
n 1“, a tok materijala
m gruupisan po opperacijama i obradnoj oppremi grafičkki je predstavvljen
na
n slici 18.
Slika 17. Šem

matski prikaz rasporeda
r proiz
izvodne opremee u proizvodnoj
oj liniji „Prstenn 1“
Edin
E Cerjakov
vić Straana 55
-Magistarski rad-
Slika 18. Šematski prikaz toka materijala unutar proizvodne linije „Prsten 1“
Proizvodna linija „Prsten 1“ je karakterističana po tome što se proces obrade proizvoda
odvija u 4 operacije. Prije opisa radnih mjesta posmatrane proizvodne cjeline treba napomenuti da
je unutar proizvodne linije „Prsten 1“ primijenjen sistem transporta obradaka kanban-paletama
kapaciteta 60 obradaka i sistem kanban-skladišta koji primaju 24 kanban-palete, slika 20.a. Ovakav
sistem transporta se primjenjuje u potpunosti unutar posmatrane proizvodne linije i na svakom
radnom mjestu. Operacije koje radnici vrše na svim radnim mjestima su: izmjena alata na obradnim
mašinama, opsluživanje mašina, otprema obrađenih dijelova u kanban-kolica, otprema kanban-
kolica u kanban-skladišta i kontrola kvaliteta obrađenih dijelova. Ukoliko se uzmu opterećenja koja
se javljaju na radnim mjestima zapaženo je da se tokom rada na operacijama 1 i 4 ne javljaju zastoji
koji su uzrokovani potrebama radnika, dok se na operacijama 2 i 3, uzimajući u obzir činjenicu da
iste imaju značajan udio ljudskog rada, javljaju se zastoji koji su prouzrokovani različitim
potrebama kao npr. zastoji za prvu smjenu koji su prikazani u tabeli 7.
Tabela 7. Zastoji proizvodnje tokom rada za prvu smjenu
pauza objašnjenje
9:00-9:30 pauza za doručak
2×15 minutna (tokom rada) pauza za fizijološke ljudske
potrebe
14:45-15:00 čišćenje radnog mjesta
Operacija 1, slika 19, predstavlja pripremu repromaterijala za daljnju obradu odnosno

sječenje čeličnih profila na definisanu debljinu, pri čemu jedan radnik opslužuje pet istovjetnih
mašina, slika 19.b, te gotove poluproizvode prosljeđuje u međuskladište MS I. Mašine za sječenje
su upravljane računarom (CNC), pri čemu posjeduju jedan alat za obradu, a pomjeranje
polufabrikata, tokom obrade sječenjem, vrši se automatski. Međutim, postavljanje polufabrikata u
mašinu za sječenje vrši se manuelno shodno dužinskoj karakteristici polufabrikata koja uslovljava
izmjenu polufabrikata svakih 39 sječenja.
-Magistarski rad-
a.) b.)
Slika 19. a.) Kanban-skladište; b.) Radno mjesto operacije 11
Operacija 2 se odvija na dva radna mjesta, pri čemu radnici opslužuju po dvije obradne
mašine.
Radno mjesto 2-1, slika 20.a, karakteristično je po tome što od radnika zahtjeva da
opslužuje dvije različite obradne mašine (54-34 i 54-62): Prva obradna mašina je klasični CNC
obradni strug, slika 20.a, sa jednokomadnom obradom bez skladišta obradaka i revolverskom
glavom za obradne alate (tri različita alata za obradu). Ova obradna mašina od radnika zahtjeva,
ukoliko se želi ostvariti kontinualni proces obrade, da opsluži obradnu mašinu u trenutku kada ona
završi sa obradom prethodnog obradka.
a.) b.)
Slika 20. a.) Radno mjesto 2-1; b.) CNC-obradna mašina sa skladištem obradaka
Sa druge strane radnik opslužuje CNC-obradnu mašinu sa revolverskom glavom za obradne
alate (tri različita alata za obradu), jediničnom obradom i skladištem obradaka (20 komada), slika
20.b. Karakteristično za ovu obradnu mašinu je da posjeduje rotaciono skladište obradaka, pri čemu
se pomjeranje obradaka vrši, nakon svake završene obrade, za jedno mjesto naprijed u smjeru
kazaljke na satu. Opsluga ove obradne mašine ne zahtijeva od radnika stalno prisustvo na radnom
mjestu, odnosno kontinuirani rad mašine uslovljen je punjenjem/pražnjenjem skladišta nakon
maksimalno 17 obrađenih komada (nepristupačna su tri skladišna mjesta tokom rada obradne
mašine).

-Magistarski rad-
Radno mjesto 2-2, slika 21, sastoji se od dvije obradne mašine (54-38 i 54-39), klasični
CNC obradni strug sa jednokomadnom obradom bez skladišta obradaka i revolverskom glavom za
obradne alate (tri različita alata za obradu), istih karakteristika kao i na radnom mjestu 2-1. Zbog
velikog udjela ljudskog rada na navedenim obradnim mašinama produktivnost radnog mjesta 2-2 u
mnogome zavisi od radnih sposobnosti uposlenika-operatera.
a.) b.)
Slika 21. a.) Radno mjesto 2-2; b.) Radno mjesto operacije 3
Operacija 3, slika 21.b, odvija se na tri identična radna mjesta, pri čemu radnik opslužuje po
jednu obradnu mašinu (54-13, 54-16 i 54-20: CNC-obradni strug sa revolverskom glavom za
obradne alate, za obradnu operaciju 3 se primjenjuju 4 različita obradna alata, pri čemu se obrada
vrši pojedinačno). S obzirom da ovakav tip radnog mjesta od radnika zahtijeva (ukoliko se posmatra
kapacitet radnog mjesta), da nakon obrade prethodnog obradka u istom trenutku opsluži mašinu i
postavi novi obradak u obradnu mašinu kako bi se nastavila obrada, može se zaključiti da kapacitet
i stepen iskorištenja radnog mjesta uveliko zavise od radnih sposobnosti angažiranih uposlenika.
Operacija 4 je karakteristična po tome što se obrada vrši na dva različita pristupa, koji su
uslovljeni primjenom obradnih mašina sa različitim radnim karakteristikama, tj. na radnom mjestu
4-1 (56-08) je moguće u potpunosti izvršiti obradu zahvata na operaciji 4, dok se na radnom mjestu
4-2 (56-42) to ne može ostvariti nego je potrebna dodatna obrada na radnom mjestu 4-2.1 (56-06)
kako bi se upotpunili svi zahvati operacije 4. Razlog ovome je konstruktivni nedostatak obradne
mašine na radnom mjestu 4-2.
Radno mjesto 4-1, slika 22.a, je koncipirano na način da radnik vrši opslugu više vretene
obradne mašine. Obradna mašina posjeduje dva stezna alata za obradke, slika 22.b, tako da se
istovremeno vrši obrada tri obradaka na način da je jedan stezni alat uvijek u obradnoj komori dok
je drugi pristupačan radniku. Nakon završetka obrade vrši se rotacija steznih alata. Obradna mašina
posjeduje modularno skladište alata, tako da tokom obrade vrši automatski izmjenu potrebnih alata
za obradu.

-Magistarski rad-
a.) b.)
Slika 22. a.) Radno mjesto 4-1; b.) Stezni alat
Radno mjesto 4-2, slika 23.a, predstavlja opsluživanje visoko produktivne više vretene
obradne mašine koja posjeduje rotaciono skladište za obradke kapaciteta 60 komada (6×10). Ova
obradna mašina istovremeno obrađuje 6 obradaka i pomjeranje obradaka na rotacionom skladištu se
vrši, nakon svake završene obrade, za jedno mjesto. Opsluga ove obradne mašine ne zahtjeva od
radnika stalno prisustvo na radnom mjestu, odnosno kontinuirani rad mašine uslovjen je
punjenjem/pražnjenjem skladišta nakon maksimalno 24 obrađena komada (nepristupačno je 36
skladišnih mjesta tokom rada obradne mašine). Nakon dolaska transportne jedinice na obradno
mjesto stezni alat preuzima obradke i unosi iste u radni prostor obradne mašine. Unutar obradne
mašine nalazi se 7 parova obradnih alata po 6 vretena koji izvode obradu različitih zahvata, pri
čemu se automatski alat za stezanje obradaka pomiče od zahvata do zahvata. Nedostatak ove
obradne mašine je nemogućnost potpune obrade zahvata na operaciji 4, što uslovljava dodatnu
obradu na radnom mjestu 4-2.1.
a.) b.)
Slika 23. a.) Radno mjesto 4-2; b.) Rotaciono skladište na obradnoj mašini radnog mjesta 4-2.1
Radno mjesto 4-2.1, slika 24.a, predstavlja proces opsluživanja jednovretene obradne
mašine koja kompletira obradne zahvate operacije 4 nakon obrade na radnom mjestu 4-2. Obradna
mašina posjeduje dvije radne komore sa kapacitetom od 12 obradaka, tako da radnik nakon potpune
-Magistarski rad-
obrade jedne komore vrši zamjenu obrađenih neobrađenim dijelovima, a obradni alat automatski
prelazi na vršenje obrade u drugoj radnoj komori. Obradna mašine posjeduje skladište od 2 alata,
tako da može nakon određenog vremena automatski izmijeniti alat.
a.) b.)
Slika 24. Radno mjesto 2-4.1
Prethodno predstavljeni procesi unutar proizvodne linije „Prsten 1“ sumarno su predstavljeni
kartom tehnološkog toka materijala, tabela 9, u kojoj su pored šematskog prikaza toka materijala
dati podaci o radnicima koji opslužuju pojedine procese, transportnim količinama i dužinama,
trenutku kontrole kvaliteta obradaka i zadatoj normi koju radnik treba da ispuni tokom jedne
smjene. Svi ovi podaci predstavljaju osnovu za strukturiranje simulacionog modela.
U tabeli 8 dat je sedmični plan rada proizvodne linije „Prsten 1“.
Tabela 8. Sedmični plan rada proizvodne linije „Prsten 1“
Sedmični radni period
Radno mjesto
dana smjena
13-04; 13-06; 13-07; 13-08; 13-11 7 3
54-34; 54-62 7 3
54-38; 54-39 5-6 3
54-16; 54-16 7 3
54-13 5-6 3
56-42 7 3
56-08 5-6 3
56-06 6 3

-Magistarski rad-
Tabela 9. Karta tehnološkog toka materijala proizvodne linije „Prsten 1“

-Magistarski rad-
6.2.1. Unutrašnji transport proizvodne linije „Prsten 1“
Primjenjeni sistem unutrašnjeg transporta unutar proizvodne linije „Prsten 1“ je kombinacija

transporta komad po komad i transporta ručnim kolicima, slika 25, pri čemu su objekati transporta:
− kanban-paleta težine cca. 20 (kg) – između radnih mjesta i međuskaldišta
− objekt obrade cca. 0,3 (kg) – na radnim mjestima.
Kao pogonski element za proces transporta na proizvodnoj liniji „Prsten 1“, koristi se ljudski
rad, odnosno radnici su „sredstva“ transporta.
Slika 25. Transportna ručna kolica

S obzirom da je u teorijskim razmatranjima navedeno da je potrebno izbjegavati transport
koji se izvodi primjenom direktnog ljudskog rada, za izbor i primjenu načina transporta je
prvenstveno odgovoran udio transporta tokom procesa proizvodnje, te cjelokupnom opterećenju
radnog mjesta procesom transporta.
Najveće opretećenje transporta ima radno mjesto na operaciji 1 proizvodne linije „Prsten 1“
sa proizvedenih 1010 obradaka/smjeni odnosno cca. 17 kanban-paleta/smjeni, na osnovu čega se
zaključuje da transport kanban-paleta ima jako mali uticaj na opterećenje radne snage, te da je
transport primjenom ljudskog rada sa ekonomskog stajališta opravdan izbor. Dok je transport
komad po komad, primjenom ljudskog rada, na radnom mjestu uzimajući u obzir vrstu proizvodne
opreme i uređenja proizvodne cjeline Prsten 1 jedini opravdani način transporta i manipulacije
obradcima.

-Magistarski rad-
6.3. Analiza radnih parametra proizvodne linije „Prsten 1“

Na osnovu opisanog tehnološkog procesa, u poglavlju 6.2., izvršena je akvizicija radnih
parametara radnih operacija, proizvodne linije „Prsten 1“, metodom trenutnih zapažanja i
snimanjem rada povratnom metodom. Kako bi se odredili parametri pojedinih procesa sa njihovim
stvarnim karakterom izvršena je analiza podataka po slijedećem principu:
• histogramska analiza podataka;
• definisanje parametara teorijskih statističkih distribucija kojoj odgovaraju prikupljeni
podaci;
• primjenu Kolmogorov-Smirnovljevog testa (dα – testa) i Chi-kvadrat testa, u cilju
validnosti i verifikacije posmatranih statističkih distribucija;
• izbor najpodobnije statističke distibucije koja je zadovoljila uslove validnosti i
verifikacije posmatranih statističkih distribucija.
Za analizu prikupljenih podataka korišteni su softverski paketi Matlab, EasyFit, Simulation
Plant. U tabeli 10, dat je prikaz obrađenih podataka za vrijeme obrade na obradnim mašinama 54-20
i 54-16, pri čemu se tabela sastoji iz 4 dijela.
Prvi dio, gornji lijevi dio tabele 10, daje osnovne statističke informacije o karakteru
prikupljenih podataka (min. i max. vrijednost, varijansa uzoraka, medijana, asimetrija i spljoštenost
funkcije gustine podataka, itd.). Treba naglasiti da su varijansa uzorka i koeficijent varijacije od
velike važnosti za daljnji postupak analize podataka, iz razloga što iste daju dobru sliku o karakteru
posmatranog statističkog skupa. Tako, u slučaju da su vrijednosti varijanse uzorka i koeficijenta
varijacije relativno niske može se zaključiti da se posmatrani proces/događaj ponaša kao konstantna
vrijednost.
U drugom dijelu, gornji desni dio tabele 10, definisani su naziv i parametri pretpostavljene
teorijske statističke raspodjele koja najbolje opisuje posmatranu slučajnu varijablu. Pored toga, na
dijagramu za histogram gustine raspodjele prikazani su histogram posmatranog slučajnog skupa i
pretpostavljene teorijske statističke raspodjele, tako da se subjektivno može dobiti dojam dali jedna
drugu aproksimiraju, što bi trebalo da bude slučaj.
Treći dio, srednji dio tabele 10, predstavlja osnovu koja bi trebala da potvrdi usvajanje ili
odbacivanje nulte i alternativne hipoteze o posmatranoj pretpostavljenoj teorijskoj statističkoj
raspodjeli, na osnovu Chi-Quadrat i Kolmogorov-Smirnovog testa. Ukoliko su vrijednosti
signifikacionih parametara odabrane raspodjele manje od vrijednosti signifikacione granice α=0.05,
u tom slučaju se potvrđuje nulta hipoteza i odbija alternativna hipoteza odnosno smatra se da
pretpostavljena teorijska statistička razdioba sa pretpostavljenom vjerovatnoćom od 5% opisuje
posmatrani statistički skup podataka.
Nakon potvrde da se skup podataka ponaša po zakonu pretpostavljene teorijske statističke
raspodjele u četvrtom dijelu, donji dio tabele 10, su data dva dijagrama koji prikazuju stvarnu
razliku između pretpostavljene i stvarne raspodjele posmatranih podataka. Prvi dijagram, dijagram
funkcije raspodjele, daje usporedbu između funkcija raspodjele posmatranih podataka i funkcije
raspodjele pretpostavljene raspodjele iz kojeg se vide razlike u vjerovatnoćama pojava pojedinih
slučajnih događaja. Drugi dijagram, dijagram razlika u vjerovatnoćama raspodjela, predstavlja
projekciju razlike između stvarne (empirijske) i pretpostavljene teorijske funkcije raspodjele po
obrascu:
Δ (6.3.1.)
gdje su:
Fn(x) – empirijska funkcija raspodjele;
-Magistarski rad-
F(x) – teorijska funkcija raspodjele.

Tabela 10. Statistička obrada podataka za vrijeme obrade na obradnim mašinama 54-13, 54-16 i 54-20
Statistički podaci slučajnih

Izbor statističke raspodjele slučajnih uzoraka
uzoraka
Distribucija po kojoj se ponašaju
Broj uzoraka 124 Lognormal
podaci
Maksimalna
vrijednost 66 Parametri raspodjele σ=0,10429; μ=3,9129
uzorka
Minimalna Histogram gustine raspodjele
vrijednost 40
uzorka
Srednja
aritmezička
50,323
vrijednost
uzorka
Standardna
5,3928
devijacija
Varijansa
29,082
uzorka
Modus 50,49
Medijana 50
Relativna
mjera 0,70941
asimatrije
Relativna
mjera 0,58638
spljoštenosti
Koeficijent
0,10716
varijacije
Testiranje raspodjele
Vrijednost za odabranu Vrijednost signifikantne granice
Statistički test
raspodjelu za α=0,05
Chi-Quadrat 9,2403 12,592
Kolmogorov-Smirnov 0,11641 0,12195
Dijagrami izabrane raspodjele
Dijagram funkcije raspodjele Dijagram razlike u vjerovatnoćama raspodjela
U tabelama 11, 12, 13 i 14 dat je sumarni prikaz rezultata nakon obavljene analize
prikupljenih podataka za posmatrane procese u proizvodnoj liniji „Prsten 1“, dok su prikupljeni

-Magistarski rad-
podaci o procesima unutar proizvodne linije „Prsten 1“ i detaljni prikaz statističke obrade i analize
istih dati u prilogu rada, prilog A.
U tabeli 11 dati su sumarni podaci o karakteristikama procesa operacije 1 proizvodne linije
„Prsten 1“.
S obzirom da su analizom podataka o vremenu obrade na obradnim mašinama operacije 1
dobivene vrijednosti varijanse uzoraka i koeficijenta varijacije male može se smatrati da se slučajna
varijabla ponaša kao konstanta, prilog A. Pored ovoga tokom prikupljanja podataka uočeno je da
vremena obrade u istom trenutku na različitim obradnim mašinama imaju različite vrijednosti, te da
su vremena obrade u toku perioda posmatranja varirala, ali pri tome uvijek je njihov karakter imao
atribut konstantne vrijednosti. Razlog za ovu pojavu je bila potreba da se pokuša na neki način
izbjeći pojava otkaza u istom trenutku na više radnih mjesta, te su se po nalogu odgovornog
tehnologa za proizvodnu liniju „Prsten 1“ vremena obrade mijenjala. Stoga je usvojeno da je
relevantna vrijednost vremena obrade srednja vrijednost posmatranog skupa podataka koji se tokom
vremena posmatranja najčešće pojavljivao.
Na histogramima koji opisuju vrijeme izmjene polufabrikata i vrijeme izmjene alata na
operaciji 1 može se uočiti da je gustina raspodjele Poissonove funkcije konstantna vrijednost, što je
osnovna karakteristika diskretnih funkcija.
Raspored izmjene polufabrikata, tabela 11, ima konstantnu vrijednost s obzirom da je od
jednog polufabrikata moguće odsjeći 39 komada, zbog čega se ovaj parametar nije podvrgnuo
statističkoj obradi podataka.
U tabeli 12., dati su sumarni podaci o karakteristikama procesa operacije 2 proizvodnog
ciklusa Prstena1.
Vrijeme obrade na obradnoj mašini 54-62, tabela 12, shodno njenim konstruktivnim
karakteristikama, ima cikličan karakter, iz razloga, što se nakon svake treće obrade vrši unutrašnja
kompenzacija reznih oštrica alata.
Ostali procesi operacija 1 i 2 podvrgavaju se u potpunosti teorijskim statističkim
raspodjelama.

-Magistarski rad-
Tabela 11. Statistički parametri procesa opreracije 1 unutar proizvodne linije „Prsten 1“
Naziv radnog Parametri
Red.br. Raspodjela Histogram uzoraka i gustina izabrane raspodjele
zahvata raspodjele
Operacija 1
1. Vrijeme obrade Konstantno 134
Vrijeme izmjene
2. Poisson λ=232,85
polufabrikata
Vrijeme izmjene
3. Poisson λ=819,4
alata
α1=0,89269;
Raspodjela izmjene α2=1,2222
4. Beta
alata a=927;
b=4391,0
Raspodjela izmjene
5. Konstantno 39
polufabrikata

-Magistarski rad-
zahvata raspodjele
Operacija 2
Obradne mašine 54-34, 54-38 i 54-39
σ=4,0687;
6. Vrijeme obrade Gumbel Max
μ=74,727
α=0,63988;
Vrijeme kontrole Fatigue Life
7. β=47,3;
kvaliteta obradaka (3P)
γ=124,25
k=-0,17837;
Vrijeme izmjene Gen. Extreme
8. σ=11,343;
alata Value
μ=94,608
Raspodjela α=2,0303;
9. Weibull
izmjene Alata 1 β=121,84

-Magistarski rad-
γ=0,53755;
Raspodjela δ=1,1661;
10. Johnson SB
izmjene Alata 2 λ=263,76;
ξ=1,228
Raspodjela α=5,935;
11. Gamma
izmjene Alata 3 β=21,078
Obradna mašina 54-62
12. Vrijeme obrade Ciklično 60, 60, 67
k=-0,56781;
13. σ=26,289;
alata Value
μ=262,8

-Magistarski rad-
γ=-4,2743;
14. Johnson SU
ξ=-46,004
k=0,02844;
Raspodjela Gen. Extreme
15. σ=77,904;
izmjene Alata 2 Value
μ=124,73
γ=2,3833;
16. Johnson SB
ξ=-32,685
U tabeli 13 dati su sumarni podaci o karakteristikama procesa operacije 3 proizvodne linije

„Prsten 1“, pri čemu se svi procesi unutar operacije 3 odvijaju po odgovarajućim teorijskim
statističkim raspodjelama.

-Magistarski rad-
zahvata raspodjele
Operacija 3
σ=0,10429;
17. Vrijeme obrade Lognormal
μ=3,9129
Vrijeme kontrole σ=34,051;

18. Gumbel Max
kvaliteta obradaka μ=132,5
k=0,20313;
19. σ=2,7585;
alata Value
μ=68,774
Raspodjela izmjene α=2,4581;

20 Weibull
Alata 1 β=64,505

-Magistarski rad-
α=0,09373;
Raspodjela izmjene Fatigue Life
21. β=176,27;
Alata 2 (3P)
γ=-133,6
Raspodjela izmjene σ=54,375;

22. Normalna
Alata 3 μ=118,54
γ=-0,21291;
Raspodjela izmjene δ=0,53537;
23. Johnson SB
Alata 4 λ=291,88;
ξ=141,29
U tabeli 14 dati su sumarni podaci karakteristika procesa operacije 4 proizvodne linije

„Prsten 1“.
Za procese perioda izmjene alata na obradnoj mašinama 56-08 i 56-06, iz razloga zaštite
inovativnog rada i znanja, date su okvirne parametarske vrijednosti pa će se smatrati da se iste
ponašaju kao konstante. Naravno da će ova pretpostavka imati za posljedicu, u narednim
postupcima izvođenja simulacione studije, određenu grešku.
Vrijeme obrade na obradnoj mašini 56-08, s obzirom da je ista potpuno automatizirani CNC
obradni centar i da nema uticaja ljudskog faktora na tok obrade, ponaša se kao konstantna veličina
što se dokazuje malom varijansom prikupljenih podataka i malom vrijednošću koeficijenta
varijacije, prilog A-5.2.
Vrijeme obrade na obradnoj mašini 56-42, isto kao i u prethodnom slučaju, ponaša se kao
konstantna vrijednosti, pri čemu ovo potkrepljuju relativno male vrijednosti varijanse i koeficijenta
varijacije posmatranog statističkog skupa, prilog A-4.2.

-Magistarski rad-
Period izmjene alata 1 obradne mašine 56-42, iz razloga da je dostupni prikupljeni skup
statističkih podataka imao samo jedan uzorak, prilog A-4.6., smatra se da se ponaša kao konstantna
vrijednost.
Period izmjene alata 4 i alata 6 su konstantne vrijednosti, što se vidi iz prikupljenih podataka
prilog A-4.6., tako da isti nisu podvrgnuti statističkoj obradi i analizi podataka.
Ostali procesi unutar operacije 4 proizvodne linije „Prsten 1“ odvijaju se po teorijskim
statističkim raspodjelama.
Tabela 14. Statistički parametri procesa operacije 4 unutar proizvodne linije „Prsten 1“
zahvata raspodjele
Operacija 4
Vrijeme obrade (3
24. Konstantno 560
komada)
γ=1,0874;
Vrijeme kontrole δ=0,91641
25. Johnson SB
kvaliteta obradaka λ=96,764;
ξ=76,10
k=-0,36311;
26. σ=22,396;
alata Value
μ=351,97
Raspodjela izmjene
27. Konstantno 250
Alata 1
Raspodjela izmjene
28. Konstantno 250
Alata 2

-Magistarski rad-
Raspodjela izmjene
29. Konstantno 1000
Alata 3
Raspodjela izmjene
30. Konstantno 90
Alata 4
Raspodjela izmjene
31. Konstantno 130
Alata 5
Raspodjela izmjene
32. Konstantno 225
Alata 6
Raspodjela izmjene
33. Konstantno 225
Alata 7
Vrijeme obrade (6
34. Konstantno 179
komada)
σ=0,41048;
Vrijeme izmjene
35. Lognormal (3P) μ=4,8173;
alata
γ=128,31
Raspodjela izmjene
36. Konstantno 3000
Alata 1
k=-2,0884;
Raspodjela izmjene Gen. Extreme
37. σ=772,68;
Alata 2 Value
μ=2711,1

-Magistarski rad-
γ=-1,6677;
Raspodjela izmjene δ=0,72918;
38 Johnson SB
Alata 3 λ=218,69;
ξ=-60,31
Raspodjela izmjene
39. Konstantno 150
Alata 4
k=-1,3067;
Raspodjela izmjene Gen. Extreme
40. σ=67,527;
Alata 5 Value
μ=182,86
Raspodjela izmjene
41. Konstantno 225
Alata 6
42. Vrijeme obrade Konstantno 19
k=-0,08009;
43. σ=8,0714;
alata Value
μ=170,56
Raspodjela izmjene
44. Konstantno 1515
Alata 1

-Magistarski rad-
Na osnovu izloženih podataka u tabelama 11, 12, 13 i 14 može se konstatovati da je

postavljena hipoteza 1 o „zakonitost dinamičkih procesa toka materijala unutar proizvodnog
sistema sa proizvodnim programom bez promjene asortimana, odvija se po jednoj od statističkih
raspodjela slučajne promjenjive“ potvrđena uzimajući u obzir postavljena ograničenja.

-Magistarski rad-
6.4. Simulacioni model proizvodne linije „Prsten 1“
Za kreiranje simulacionog modela proizvodne linije „Prsten 1“ korišten je softverski paket

Simulation Plant 8.1 koji je trenutno jedan od najpoznatijih i najprimjenjevanijih simulacionih alata
za kreiranje simulacionih modela tokova materijala. Kriterij za odabir softverskog alata je
posjedovanje mogućnosti programiranja matematičko-logičkih procesa koji se mogu integrirati u
model. Princip rada i osnovna logika ovog simulacionog alata zasniva se na načelima koja su data u
poglavlju 4.
Kao osnove za kreiranje simulacionog modela proizvodne linije „Prsten 1“ korišteni su
slijedeći podaci:
− za logičko kreiranje modela - karta tehnološkog toka materijala proizvodne linije
„Prsten 1“, tabela 9, i karakteristike objekta istraživanja, poglavlje 6.2;
− za parametarsko definisanje validnih parametara i vrijednosti modela - statistički
parametri procesa unutar proizvodne linije „Prsten 1“, tabele 11, 12, 13 i 14, i analiza
radnih parametara proizvodne linije „Prsten 1“, poglavlje 6.3.
Kao rezultat modeliranja procesa proizvodne linije „Prsten 1“ dobiven je kompleksni
simulacioni model, slika 26, koji pored korištenja gradivnih elemenata iz baze podataka
primijenjenog programa u sebi integrira određeni broj rješenja logike i toka procesa zasnovanih na
upotrebi programiranih potprograma, tabela 15.
Tabela 15. Konstruktivni parametri simulacionog modela proizvodne linije „Prsten 1“
Konstruktivni element Vrijednost
Broj objekata 612
Generatori radnika i brokeri za upravljanje 7
njihovim operacijama
Potprogrami 64
Broj programskih linija 2633
Broj globalnih programskih varijabli 163
Broj tabela za crpljenje podataka 37
Broj elemenata za akviziciju podataka
21
(dijagrami, histogrami, tabele)
Vrijeme trajanja simulacije tokova materijala unutar proizvodne linije „Prsten 1“ sa

periodom analize od jedne sedmice je cca. 90 minuta.

-Magistarski rad-
Slika 26. Simulacioni model proizvodne linije „Prsten 1“

-Magistarski rad-
6.5. Validacija simulacionog modela proizvodne linije “Prsten 1“
U skladu s opšte prihvaćenom i poznatom metodologijom za validaciju simulacionih modela

potrebno je izvršiti:
− vrednovanje konceptualnog modela – ispitivanje logičkog slaganja odvijanja procesa
između ponašanja konceptualnog modela i realnog sistema;
− verifikaciju simulacionog modela – ispitivanje vrijednosnog slaganja istovjetnih
varijabli između računarskog modela i realnog sistema.
Vrednovanje konceptualnog modela predstavlja subjektivnu ne parametarsku ocjenu
zasnovanu na uspoređivanju logike i redosljednog odvijanja procesa unutar modela i realnog
sistema. Karta tehnološkog toka materijala proizvodne linije „Prsten 1“, tabela 9, i karakteristike
objekta istraživanja predstavljaju osnovu za vrednovanje konceptualnog modela proizvodne linije
„Prsten 1“. S obzirom da je u prethodnom poglavlju navedeno da je simulacioni model konstruisan
na osnovu prethodno navedenih parametara, te u potpunosti preslikava opisne tokove i logiku
odvijanja procesa unutar proizvodne linije „Prsten 1“, može se konstatovati da simulacioni model
ispunjava načela za vrednovanje konceptualnog modela.
Verifikacija računarskog modela sprovedena je na način da su uspoređeni parametri
smjenske norme za obradne mašine, tabela 9, i kapacitet istih obradnih mašina u simulacionom
modelu za vremenski period od jedne smjene pri čemu se istim obezbjeđuje dovoljan broj resursa
da se otklone mogući zastoji i smanjenje kapaciteta, prouzrokovani ostalim učesnicima u procesu.
Pored ovih vrijednosti uspoređene su i vrijednosti je sedmičnih kapaciteta proizvodne linije „Prsten
1“ čime je pored individualne usporedbe procesa posmatrana i njihova interakcija odnosno
uspoređen je dinamički karakter realnog i simulacionog modela. Rezultati verifikacije simulacionog
modela dati su u tabeli 16.
Tabela 16. Verifikacioni parametri simulacionog modela proizvodne linije „Prsten 1“

Procentualna razlika (%)
Simulacijona T T
Propisana norma Δ · 100%
Obradna mašina
T
vrijednost medijane T
Tn Minimalna Maksimalna Srednja
Medijana
vrijednost vrijednost vrijednost
13-04; 13-06; 13-
202 215 -8,91 6,44 6,44 4,84
07; 13-08; 13-11
54-34; 54-38; 54-
271 279 -16,24 5,53 2,95 0,44
39
54-62 397 400 -7,8 14,11 0,76 0,52
54-13; 54-16;
418 429,5 -1,44 7,42 2,75 3,08
54-20
56-42 855 906 2,34 9,47 5,96 5,9
56-08 139 147 3,6 7,91 5,76 5,53
Podaci iz tabele 16 potvrđuju da je maksimalna odnosno minimalna procentualna razlika

između simulacionog modela i realnog sistema 14,11 % odnosno -16,24%, pri čemu je bitno
naglasiti da je ovaj podatak nevjerodostojan iz razloga što je propisana norma kreirana kao srednja
vrijednost smjenskih kapaciteta na mjesečnom nivou. Vjerodostojne veličine za ocjenu verifikacije
simulacionog modela su medijana i srednja vrijednost posmatranih podataka, tako da je maksimalna
procentualna razlika između simulacionog modela i realnog sistema 6,44% odnosno 5,9%.
-Magistarski rad-
Na osnovu prethodno izloženih podataka može se konstatovati da kreirani simulacioni

model zadovoljava uslove verifikacije simulacionog modela odnosno vrijednosnog slaganja
istovjetnih varijabli između računarskog modela i proučavanog realnog sistema.

-Magistarski rad-
6.6. Simulacioni eksperimenti
Cilj i svrha izvođenja simulacionih eksperimenata je dobivanje odgovora na pitanja koja su

postavljena kao problem i cilj istraživanja, a to su :
1. Da li se u proizvodnoj liniji „Prsten 1“ nalaze uska grla i u kojem obimu?
2. Koji je stvarni stepen iskorištenja i mogući ostvarivi kapacitet primijenjene opreme i
radnika unutar proizvodne linije „Prsten 1“?
3. Da li postoji potencijal za povišenje kapaciteta proizvodno/transportnih segmenata
proizvodne linije „Prsten 1“?
Da bi se dobio odgovor na postavljena pitanja izvršena su tri simulaciona eksperimenta sa
slijedećim scenarijima:
1. Posmatrani su procesi unutar proizvodne linije „Prsten 1“, u vremenskom intervalu
od jedne sedmice (ponedjeljak 07:00-ponedjeljak 07:00), pri čemu su svi procesi
otpočeti u istom trenutku sa praznim međuskladištima unutar proučavanog
proizvodnog ciklusa.
2. Posmatrani su procesi unutar proizvodne linije „Prsten 1“, u vremenskom intervalu
od jedne sedmice (ponedjeljak 07:00-ponedjeljak 07:00), pri čemu su međuskladišta
popunjena sa 60 kanban-paleta.
3. Na osnovu uočenih slabosti u prethodnim simulacionim eksperimentima kreiran je
scenarij koji ima za cilj povaćanje kapaciteta, odnosno stepena iskorištenja
kapaciteta proizvodno/transportnih segmenata proizvodne linije „Prsten 1“.
Rezultati simulacionih eksperimenata 1 i 2 dali su odgovor na prva dva postavljena pitanja,
pri čemu su rezultati simulacionog eksperimenta 1 dali odgovor o mjestima pojave uskih grla i
karakteristikama dinamičkom karakteru odvijanja procesa unutar proizvodne linije „Prsten 1“, dok
su rezultatima simulacionog eksperimenta 2 dobivene naznake za veličinu stepena neusklađenosti
kapaciteta između pojedinih operacija i radni mjesta, te stvarni ostvarivi kapacitet radnih mjesta i
obradnih mašina.
Za izvođenje simulacionih eksperimenata korišten je sedmični plan rada proizvodne linije
„Prsten 1“, tabela 17.
Radno mjesto
dana smjena
13-04; 13-06; 13-07; 13-08; 13-11 7 3
54-34; 54-62 7 3
54-38; 54-39 5* 3
54-16; 54-16 7 3
54-13 5* 3
56-42 7 3
56-08 5* 3
56-06 6** 3
Legenda:
* - ponedeljak-petak
** - ponedeljak-petak; nedelja

-Magistarski rad-
Simulacioni eksperiment 1
Scenarij simaulaciog eksperimenta 1 ima za cilj određivanje radnih parametara približno
stvarnom stanju. U realnim uslovima moguća je pojava da određeni broj Kanban-paleta ostane u
međuskladištima proizvodne linije „Prsten 1“, što se uzimajući prosječnu veličinu na godišnjem
nivou može u potpunosti zanemariti.
Radni parametri proizvodne opreme, tabela 18 i 19, razvrstani su prema karakterističnim
vremenima procesa na semičnom nivou, pri čemu ukupno neradno vrijeme sadržava i vrijeme
opsluživanja. Vrijeme čekanja na rad proizvodne opreme ukazuje na veličinu uticaja
neuravnoteženosti sistema, te se može zaključiti da pri ovakvom scenariju postoji određeni procent
neiskorištenosti kapaciteta proizvodne opreme. Vrijeme opsluživanja je bitan podatak iz razloga što
se na osnovu istog može ocjeniti uticaj karakteristika alata, odnosno njegove postojanosti na
iskorištenje proizvodne opreme. Stepen iskorištenja opreme za scenarij 1, tabele 18 i 19, definisan
je na osnovu sedmodnevnog raspoloživog radnog vremena uzimajući u obzir vremena planiranih
radnih pauza i vremena kada sedmični plan rada, tabela 17, ne predviđa angažovanje određene
proizvodne opreme.
Tabela 18. Podaci simualacionog eksperimenta 1 o obradnim mašinama proizvodne linije „Prsten 1“
Obradna
13-04 13-06 13-07 13-08 13-11 54-34 54-38 54-39
mašina
Broj obradaka
4286 4278 4289 4294 4304 3900 3825 3769
(kom)
Ukupno radno
vrijeme 6:15:32:21 6:15:16:25 6:15:39:41 6:15:51:00 6:16:12:55 3:11:29:57 3:11:29:57 3:11:29:57
(dan:h:min:sek)
Ukupno ne
radno vrijeme 8:27:38 8:43:34 8:20:18 8:08:59 7:47:04 3:39:14 3:28:31 2:47:50
(dan:h:min:sek)
Vrijeme
čekanja na rad 0 0 0 0 0 3:08:50:48 3:10:33:35 3:12:24:07
(dan:h:min:sek)
Vrijeme
opsluživanja 7:16:59 7:25:44 7:29:06 7:24:20 7:22:05 2:44:36 2:57:33 2:47:50
(dan:h:min:sek)
Procentualne vrijednosti (%)
Radno vrijeme 94,96 94,81 95,04 95,15 95,37 49,7 48,79 48,10
Ne radno
5,04 5,19 4,96 4,85 4,63 1,63 2,07 1,67
vrijeme
Vrijeme
0 0 0 0 0 48,12 49,14 50,24
čekanja na rad
Vrijeme
4,34 4,42 4,46 4,41 4,39 1,63 1,76 1,67
opsluživanja
Opterećenje radne snage, tabela 20, prikazuje različite vrste poslova, gledano na sedmični
vremenski period, na kojima su radnici na pojedinim radnim mjestima angažovani, čime je data
jasna slika o karakteru fizičkih opterećenja koje zahtijevaju ista. Treba napomenuti da na pojedinim
radnim mjestima nisu predviđene pauze za fiziološke potrebe, iz razloga, što su ta radna mjesta
okarakterizirana opsluživanjem automatskih obradnih mašina, gdje radnik, ukoliko je zadovoljio
sve potrebe obradnih mašina može sebi priuštiti kratku pauzu, a da pri tome ne utiče na normalni
rad obradne mašine. Procentualnim vrijednostima prikazano je opterećenje radnog mjesta, odnosno
planirani udjeli u raspoloživom radnom vremenu. U trenucima kada radna mjesta ne sudjeluju u
procesu proizvodnje, imaju za posljedicu pojavu indirektnih troškova odnosno smanjenje dobiti.

-Magistarski rad-
Obradna mašina 54-62 54-13 56-16 54-20 56-42 56-06 56-08
Broj obradaka (kom) 7525 4980 6934 6960 16685 16620 2094
Ukupno radno
vrijeme 5:10:18:11 2:21:31:07 4:00:43:33 4:01:00:08 5:20:04:27 3:15:43:00 4:17:27:07
(dan:h:min:sek)
Ukupno ne radno
vrijeme 13:57:06 11:22:32 8:08:43 9:01:26 8:42:58 37:30 42:50
(dan:h:min:sek)
Vrijeme čekanja na
23:44:42 3:15:06:20 2:15:07:43 2:13:58:26 19:11:44 3:07:29:39 2:05:49:56
rad (dan:h:min:sek)
Vrijeme opsluživanja
8:16:48 5:50:33 7:08:43 8:16:26 8:49:49 37:24 5:33:05
(dan:h:min:sek)
Radno vrijeme 77,56 41,38 57,57 57,74 88,38 52,21 67,53
Ne radno vrijeme 8,3 6,77 4,85 5,37 5,26 6,37 3,30
Vrijeme čekanja na
14,13 51,85 37,58 36,89 11,43 47,42 32,04
rad
Vrijeme opsluživanja 4,93 3,48 4,25 4,92 5,19 0,42 0,37
Tabela 20. Podaci simualacionog eksperimenta 1 o opterećenje radne snage proizvodne linije „Prsten 1“
Radnik 1 2 3 4 5 6 7 8 9
operacija 54-34; 54-38;
Radno mjesto 54-16 54-13 54-20 56-42 56-08 56-06
1 54-62 54-39
Vrijeme
opsluživanja 1:15:58:34 11:01:24 2:57:33 7:08:43 5:50:53 8:16:24 8:49:49 5:33:05 37:24
(dan:h:min:sek)
Vrijeme
transporta 1:12:58:34 21:58:59 1:19:51 2:13:35 1:37:22 2:15:16 2:18:19:30 1:52:05 1:11:57:05
(dan:h:min:sek)
Vrijeme
kretanja ka
1:15:46:47 1:07:38:41 1:20:38 3:04:09 1:37:22 3:07:54 2:18:42:38 1:54:49 13:02:55
radu
(dan:h:min:sek)
Planirane
pauze 0 1:07:30:00 22:30:00 21:00:00 15:00:00 21:00:00 0 0 0
(dan:h:min:sek)
Radi 100 81,25 58,04 87,5 62,5 87,5 100 71,43 85,71
Pauzira 0 18,75 13,39 12,5 8,93 12,5 0 0 0
Gubitak usrijed
planiranog 0 0 28,57 0 28,57 0 0 28,57 14,29
nerada
Sa aspekta analize pojedinačne proizvodne opreme i radnih mjesta, prethodno dati podaci su
dovoljni ali isti ne daju odgovor o karakteru uzročno-posljedičnih veza između pojedinih radnih
mjesta odnosno operacija. Odgovor na ovo pitanje moguće je dobiti samo posmatranjem dešavanja
u toku vremena, što je jedna od dobrih osobina primjene simalacione studije, što je izloženo u
nastavku teksta.
Kapacitet obradnih mašina na operaciji 1, ukoliko se zanemari minimalan uticaj
poremećajnih događaja (izmjena polufabrikata, alata, zastoj zbog zauzetosti radnika na drugoj
radnji mašini, itd) približno se odvija po istoj zakonitosti, što potvrđuje slika 27, stoga se može

-Magistarski rad-
zaključiti da usprkos slučaju da jedan radnik opslužuje radno mjesto na operaciji 1, interakcijska
veza između zastoja i rada na obradnim mašinama nema velikog uticaja sa sedmični kapacitet ovog
radnog mjesta.
Slika 27. Kapacitet obradnih mašina na operaciji 1

Dijagrami kapaciteta obradnih mašina na operaciji 2, slika 28, daju naznaku da radno mjesto
2-1 u odnosu na radno mjesto 2-2, ukoliko se posmatra vremenski period ponedjeljak-petak,
posjeduje identičan kapacitet. Međutim, može se uočiti da obradna mašina 54-62 u odnosu na
obradne mašine 54-38 i 54-39 ima veći kapacitet za cca. 27,1 %, pri čemu se, ukoliko radi zajedno
sa obradnom mašinom 54-34, istoj smanjuje kapacitet za cca. 28,83 % u odnosu na obradne mašine
54-38 i 54-39, koje su identične. Ovo se može obrazložiti činjenicom da obradna mašina 54-62 ima
za 3 puta veću potrebu izmjene alata od obradnih mašina 54-38 i 54-39, što direktno utiče na stepen
iskorištenja obradne mašine 54-34. Ukoliko se želi ostvariti maksimalni kapacitet mašine 54-34,
neophodno je osigurati uslove trenutnog opsluživanje iste po završetku obrade.

Kapacitet obradnih mašina 54-13, 54-16 i 54-20, operacija 3, ponaša se po istoj zakonitosti,
slika 29.a, pri čemu se uočavaju minimalni utjecaji uslovljeni zastojima zbog izmjene alata,
kontrole kvaliteta i ljudskim potrebama.
Dijagram kapaciteta obradnih mašina na operaciji 4, slika 29.b, ukazuje da je kombinacija
obradnih mašina 56-42 i 56-06 za cca. 600% efikasnija od obradne mašine 56-08.

-Magistarski rad-
a.) b.)
Slika 29. Kapacitet obradnih mašina: a.) operacija 3; b.) operacija 4
Ocjenu o pojavi uskih grla moguće je dobiti analizom stanja u međuskladištima proizvodne
linije „Prsten 1“, slika 30. Zbog toga su analizirani trenuci ulazaka i izlazaka iz međuskladišta, kao i
veličina redova čekanja koji se pojavljuju u međuskladištima.
Za međuskladište MS I uočljivo je da se trenutak ulazaka Kanban-paleta u skladište, slika
30.a, odvija uslovno po linearnoj zakonitosti, što potvrđuje i način proizvodnje na operaciji 1, slika
27. Sa druge strane trenutak izlazaka kanban-paleta iz međuskladišta MS I, slika 30.b, uslovno prati
trend ulazaka kanban-paleta u međuskladište MS I, što potvrđuje i veličina reda čekanja kanban-
paleta u istom, slika 30.c. Ovaj proces se odvija sve do početka 6 radnog dana, kada je planirano da
ne radi radno mjesto 2-2, tada trend ulazaka ne može da prati trend izlazaka kanban-paleta, što se
opravdava smanjenjem kapaciteta operacije 2, te se naglo povećava red čekanja kanban-paleta u
međuskladištu MS I. Ovim se može zaključiti da u vremenskom periodu ponedjeljak-petak
operacija 2, ima izrazito veliku rezervu kapaciteta u odnosu na operaciju 1, što se dodatno
potkrepljuje i velikim vrijednostima vremena čekanja na rad, tabele 18 i 19.
Na osnovu podataka za međuskladišta MS II i MS III, trenda ulazaka i izlazaka kanban-
paleta, te veličine reda čekanja u istim, slika 30, može se zaključiti da kapacitet operacije 2 može,
uslovno, pratiti kapacitet operacije 3, odnosno operacije 4. Treba navesti da ovaj zaključak ima
jedno bitno ograničenje, a to je da isti važi samo ako se scenarij proizvodnje odvija kao u
simulacionom eksperimentu 1, iz razloga što nisu uzeti uticaju koji se događaju kada sistem radi sa
maksimalno raspoloživim resursima, što je tretirano simulacionim eksperimentom 2.
Na osnovu podataka za međuskladište MS IV uviđa se da je obradna mašina 56-06 relativno
malo iskorištena, odnosno da ima znatno veći kapacitet u odnosu na obradnu mašinu 56-42, ovo
potkrepljuju podaci iz tabela 9 i 19, pri čemu se dolazi do zaključka da postoji nepotreban
angažman obradne mašine 56-06 od 6 radnih dana , tabele 8 i 17, što direktno ima za posljedicu
pojavu indirektnih, neopravdanih troškova uslijed angažovanja ne iskorištene radne snage.
Trend ulaza kanban-paleta u međuskladište MS V prikazuje karakter priliva gotovih
obradaka, što je od izuzetne važnosti ukoliko se želi planirati modul montaže u kojem je jedan od
repromaterijala proizvod proizvodne linije „Prsten 1“.
Kako bi se svi dobiveni zaključci simulacionim eksperimentom 1 prihvatili kao činjenično
stanje potrebno je iste potvrditi simulacionim eksperimentom 2, kojim su eventualna pogrešna
tumačenja podataka simulacionog eksperimenta 1, uslijed nedovoljne mogućnosti opisivanja
interakcijskog djelovanja, odnosno uzročno-posljedičnih veza između operacija i obradnih mjesta
proizvodne linije „Prsten 1“, u najvećoj mjeri eliminirana.

-Magistarski rad-
a.) b.)
c.)
Slika 30. Dinamika međuskladišta proizvodne linije“ Prsten 1“: a.) trenutak ulaza paleta; b.) trenutak izlazka paleta;
c.) red čekanja unutar međuskladišta

-Magistarski rad-
Scenarij simaulaciog eksperimenta 2 je koncipiran tako da ima za cilj određivanje
maksimalno mogućih ostvarivih kapaciteta proizvodne opreme proizvodne linije „Prsten 1“,
odnosno rezultati simulacionog eksperimenta predstavljaju dobar indikator za uvid u postojanje
indirektnih troškova nastalih optimalnim ne iskorištenjem postojeće opreme.
Ukoliko se usporede podaci o veličinama kapaciteta i ukupnog radnog vrijemena proizvodne
opreme simulacionog eksperimenta 2, tabele 21 i 22, sa istim za simulacioni eksperiment 1, tabele
18 i 19, uočava se pojava pozitivne razlike, tabela 23 i 24, što ukazuje na postojanje rezerve
kapaciteta odnosno određenog stepena neuravnoteženosti između operacija odnosno procesne
opreme. Ovu konstataciju dodatno potkrepljuju razlike u veličinama vremena čekanja za rad
procesne opreme, koje su znatno smanjene.
Obradna
13-04 13-06 13-07 13-08 13-11 54-34 54-38 54-39
mašina
Broj obradaka
4280 4277 4288 4286 4303 5251 4241 4184
(kom)
Ukupno radno
vrijeme 6:15:19:15 6:15:12:56 6:15:38:45 6:15:32:04 6:16:11:03 4:16:25:51 3:18:59:24 3:17:36:40
(dan:h:min:sek)
Ukupno ne
radno vrijeme 8:40:44 8:47:03 8:12:14 8:27:55 7:48:56 6:00:41 3:47:51 2:50:14
(dan:h:min:sek)
Vrijeme
čekanja na rad 0 0 0 0 0 2:01:33:07 3:01:12:45 3:03:33:06
(dan:h:min:sek)
Vrijeme
opsluživanja 7:16:19 7:24:13 7:30:41 7:36:07 7:25:05 3:53:28 3:16:58 2:50:14
(dan:h:min:sek)
Radno vrijeme 94,83 94,77 95,03 94,96 95,35 66,92 54,16 53,34
Ne radno
5,17 5,23 4,97 5,04 4,56 3,58 2,26 1,69
vrijeme
Vrijeme
0 0 0 0 0 29,5 43,58 44,97
čekanja na rad
Vrijeme
4,33 4,41 4,47 4,52 4,42 2,32 1,95 1,96
opsluživanja
Ukoliko se analiziraju podaci operacije 1 tokom simulacionih eksperimenata 1 i 2, uviđa se

da dobivena razlika, tabela 23, teži nuli iz razloga što su u oba simulaciona eksperimenta obradne
mašine na operaciji 1 radile ustaljeno, iz razloga što su prve u lancu obrade proizvodne linije
„Prsten 1“, odnosno nisu zavisile od karakteristika prethodnih procesnih operacija. Vrijednosti
razlike u podacima za simulacinone eksperimente 1 i 2, tabela 24, za obradnu mašinu 56-06 su
neadekvatne iz razloga što je ista u znatno malom vremenskom periodu svela red čekanja u
međuskaldištu MS IV na nulu.

-Magistarski rad-
Obradna mašina 54-62 54-13 56-16 54-20 56-42 56-06 56-08
Ukupno radno
vrijeme 5:23:17:21 3:20:14:27 5:08:05:52 5:04:52:38 6:12:06:06 4:17:51:26 4:22:42:51
(dan:h:min:sek)
Ukupno ne radno
vrijeme 14:48:50 11:02:52 7.11:09 12:29:55 11:48:14 50:25 1:07:51
(dan:h:min:sek)
Vrijeme čekanja na
9:53:48 2:16:42:40 1:08:42:58 1:07:36:26 5:39 2:05:47:37 9:16
rad (dan:h:min:sek)
10:0240 11:02:52 7:11:09 12:29:55 11:48:14 50:25 1:07:51
(dan:h:min:sek)
Radno vrijeme 85,29 54,97 76,25 74,33 92,92 67,48 92,23
Ne radno vrijeme 8,82 6,58 4,28 7,44 7,03 0,5 7,67
Vrijeme čekanja na
5,89 38,52 19,4 18,23 0,6 32,02 0,9
rad
Vrijeme opsluživanja 5,98 4,36 3,53 6,37 6,05 0,49 3,33
Tabela 23. Razlika podataka simualacionog eksperimenta 2 i 1 o obradnim mašinama proizvodne linije „Prsten 1“
Obradna
13-04 13-06 13-07 13-08 13-11 54-34 54-38 54-39
mašina
Broj obradaka
(kom) -6 -1 -1 -8 -1 1351 416 415
Radno vrijeme
(%) -0,13 -0,04 -0,01 -0,19 -0,02 17,22 5,37 5,24
Ne radno
vrijeme (%) 0,13 0,04 0,01 0,19 -0,07 1,95 0,19 0,02
Vrijeme
čekanja na rad
(%) 0 0 0 0 0 -18,62 -5,56 -5,27
Vrijeme
opsluživanja
(%) -0,01 -0,01 0,01 0,11 0,03 0,69 0,19 0,29
Tabela 24. Razlika podataka simualacionog eksperimenta 2 i 1 o obradnim mašinama proizvodne linije „Prsten 1“
Obradna mašina 54-62 54-13 56-16 54-20 56-42 56-06 56-08
Radno vrijeme (%) 7,73 13,59 18,68 16,59 4,54 15,27 24,7
Ne radno vrijeme (%) 0,52 -0,19 -0,57 2,07 1,77 -5,87 4,37
Vrijeme čekanja na
rad (%) -8,24 -13,33 -18,18 -18,66 -10,83 -15,4 -31,14
(%) 1,05 0,88 -0,72 1,45 0,86 0,07 2,96
Za opterećenje radne snage unutar proizvodne linije „Prsten 1“, tabela 25, također su
prisutne određene razlike, tabela 26, u odnosu na simulacioni eksperiment 1. Ova pojava slijedi
logički zaključak da sa povećanjem kapaciteta i stepena iskorištenja procesne opreme povećava se i
stepen angažmana radne snage koja opslužuje radne procese. Prethodno postavljena ograničenja za
obradne mašine na operaciji 1 i 56-06 odrazuju se i na rezultate o opterećenju radne snage.

-Magistarski rad-
Radnik 1 2 3 4 5 6 7 8 9
operacija 54-34; 54-38;
Radno mjesto 54-16 54-13 54-20 56-42 56-08 56-06
1 54-62 54-39
Vrijeme
opsluživanja 1:13:13:30 13:56:08 3:16:58 5:59:09 7:19:24 10:24:35 10:09:25 5:35:18 49:52
(dan:h:min:sek)
Vrijeme
transporta 1:13:54:03 1:01:20:57 1:29:31 3:00:12 2:08:38 2:55:23 3:02:55:20 1:58:17 16:52:46
(dan:h:min:sek)
Vrijeme
kretanja ka
1:15:43:03 1:14:13:14 3:16:58 2:56:46 2:08:38 2:55:51 3:03:21:58 2:01:00 1:22:28:22
radu
(dan:h:min:sek)
Planirane
pauze 0 1:07:30:00 22:30:00 21:00:00 15:00:00 21:00:00 0 0 0
(dan:h:min:sek)
Radi 100 81,25 58,04 87,5 62,5 87,5 100 71,43 85,71
Pauzira 0 18,75 13,39 12,5 8,93 12,5 0 0 0
Gubitak uslijed
planiranog 0 0 28,57 0 28,57 0 0 28,57 14,29
nerada
Tabela 26. Razlika podataka simualacionog eksperimenta 2 i 1 o opterećenje radne snage proizvodne linije „Prsten 1“
Radnik 1 2 3 4 5 6 7 8 9
operacija 54-34; 54-38;
Radno mjesto 54-16 54-13 54-20 56-42 56-08 56-06
1 54-62 54-39
Vrijeme
opsluživanja -2:45:04 2:54:44 0:19:25 -1:09:34 1:28:31 2:08:11 1:19:36 0:02:13 0:12:28
(h:min:sek)
Vrijeme
transporta 4:55:29 3:21:58 0:09:40 0:46:37 0:31:16 0:40:07 8:35:50 0:06:12 -19:04:19
(h:min:sek)
Vrijeme
kretanja ka
-0:03:44 6:34:33 1:56:20 -0:07:23 0:31:16 -0:12:03 8:39:20 0:06:11 33:25:27
radu
(h:min:sek)
Karakter obrade na operaciji 1, kao što je prethodno navedeno, ne razlikuje se od istog

tokom simulacionog eksperimenta 1, slika 31.
S obzirom da se operacija 2 odvija na dva radna mjesta sa različitom kombinacijom
obradnih mašina uočava se da je razlika u kapacitetu između istovjetnih obradnih mašina 54-34 sa
54-38 i 54-39 smanjila na vrijednost od 11,6 %, dok razlika sa obradnom mašinom 54-62 iznosi
28,58% odnosno ima sličan omjer kapaciteta kao i u simulacionom eksperimentu 1, slika 32. Ovo
ponovo potkrepljuje konstataciju o postojanju određenog stepena neuravnoteženosti između
operacije 1 i 2.
Kapacitet obrednih mašina na operaciji 3, slika 33.a, prikazuje određeno odstupanje između
kapaciteta istovjetnih obradnih mašina, što se može obrazložiti postojanjem dinamičkog uticaja

-Magistarski rad-
odnosno statističke slučajne promjenjive koja vidno utiče na proces. Osim toga uviđa se povećanje
kapaciteta u odnosu na simulacioni eksperiment 1, što potvrđuju i podaci u tabeli 24.
a.) b.)
Slika 33. Kapacitet obradnih mašina: a.) operacija 3; b.) operacija 4
Prikaz kapacitetnog toka obrade na operaciji 4, slika 33.b, ukazuje na prisustvo
neuravnoteženosti kapaciteta između obradnih mašina 56-42 i 56-06, na što ukazuje očigledna
razlika u priraštaju obrađenih elemenata u prvih 5 smjena, nakon čega se zbog pražnjenja
međuskladišta MS IV priraštaj izjednačava.
-Magistarski rad-
a.) b.)
c.)
Slika 34. Dinamika međuskladišta proizvodne linije „Prsten 1“: a.) trenutak ulaza paleta; b.) trenutak izlazka paleta;
Na slici 34 prikazana je dinamika procesa unutar međuskladišta proizvodne linije „Prsten
1“, pri čemu se najbolji zaključak o karakteru dinamike može dobiti analizom veličine reda čekanja
unutar međuskladišta za početak i kraj simulacionog eksperimenta 2, tabela 27.
Tabela 27. Razlika stanja međuskladišta proizvodne linije „Prsten 1“
Skladište MS I MS II MS III MS IV MS V
Početak
60 60 60 60 0
simulaciej
Kraj simulacije 48 12 115 13 393
Razlika -12 -48 55 -37 393
S obzirom da je međuskladište MS V skladište gotovih proizvoda, jedino skladište gdje se

primjećuje nagomilavanje kanban-paleta je skladište MS III odnosno kapacitet operacije 3 je znatno
veći od kapaciteta operacije 4. U svim ostalim slučajevima je prisutna negativna razlika što ukazuje
da naredna operacija ima veći kapacitet od prethodne, odnosno da je prisutna ne iskorištenost
prisutnih kapaciteta proizvodne opreme.
Kako bi se dobila stvarna vrijednost stepena neuravnoteženosti potrebno je posmatrati
ostvarene kapacitete vrijednosti obradnih mašina grupiranih na operacije, tabela 28, pri čemu

-Magistarski rad-
negativne vrijednosti ukazuju na veličinu za koji bi trebao da se poveća kapacitet prethodne

operacije obrade kako bi zadovoljio potreban kapacitet svoje slijedne operaciju obrade, dok
pozitiven vrijedosti predstavaljaju obrnuti slučaj.
Tabela 28. Stepen neuravnoteženja unutar proizvodne linije „Prsten 1“
Operacija
2 4
1 3
2-1 2-2 4-1 4-2
13526 8425
18833 2210
Kapacitet 21434 24703
21951
21043
Stepen neuravnoteženja -2,41 14,82
· 100%
-12,54
Za sedmično raspoloživo radno vrijeme uz predviđene radne pauze

13526 11794
18833 3094
Kapacitet 21434 27341
25320
21927
Stepen neuravnoteženja -18,13 19,8
· 100%
-7,98
U tabeli 28 data su dva različita prikaza podataka za stepen neuravnoteženja proizvodne

linije „Prsten 1“ i to:
− za sedmični plan rada, gornji dio tabele 28;
− za sedmično raspoloživo radno vrijeme, gornji dio tabele 28.
Validniji podatci koji opisuju stepen neiskorištenja su oni kojima je uzeto sedmično
raspoloživo vrijeme iz razloga što isti u sebi sadrže i informaciju o nepotrebno stvorenim
troškovima prouzrokovanim nedovoljno iskorištenom opremom, naravno da bi se za realnu ocjenu
ovih podataka trebali uzeti i troškovi prouzrokovani angažovanjem dodatnih radnika koji bi radili u
četvero-brigadnom sistemu.

-Magistarski rad-
Na osnovu rezultata provedenih simulacionih eksperimaneata 1 i 2 proizvodne linije "Prsten

1", koje se mogu uobličiti kroz:
− veliki stepen neuravnoteženosti proizvodne opreme, tabela 28;
− primjena proizvodne opreme čiji stepen iskorištenja uveliko zavisi od manuelnog
rada radnika koji ih opslužuju;
− nedovoljan stepen iskorištenja opreme primjenom sedmičnog plana rada kojim je
propisano nehomogeno radno vrijeme na radnim mjestima proizvodne linije „Prsten
1“, tabela 17;
kreiran je simulacioni eksperiment 3 kojim se nastoje smanjiti uočeni nedostatci. Rezultati
provedenog simulacionog eksperimenta 2 pokazuju da je najveći stepen neuravnotežeosti i
neiskorištenostia kapaciteta proizvodne opreme na obradnim operacijama 2 i 3, tabela 28. Pomenute
obradne operacije su karakteristične po tome što njihov učinak uveliko zavisi od radnih sposobnosti
angažiranih uposlenika, izuzev obradne mašine 54-62 koja posjeduje viši nivo automatizacije i
samim time je manje ovisna od radnih sposobnosti angažiranih uposlenika.
Predhodno izložene činjenice definišu osnove za kreiranje scenaria i reorganizacije
proizvodne linije „Prsten 1“ u sklopu simulacionog eksperimenta 3. Pri čemu su obradne mašine
54-34, 54-38 i 54-39 na operaciji 2 su zamjenjene sa tri serijske veze između obradnih mašina 54-
62 sa 54-20, 54-60 sa 54-13 i 54-61 sa 54-16 (obradne mašine 54-60, 54-61 i 54-62 su istog tipa i
karakteristika), čime je operacija 2 u potpunosti integrrana u operaciju 3, slika 35 i 36. S obzirom da
su, na osnovu uređenja proizvodne opreme simulacionog eksperimenta 3, na radnim mjestima
operacije 2/3 vrijemena obrade na obradnim mašina približno identična, poremečajni uticaji (zastoji
prouzrokovani istovremenim zahtjevom za opsluživanje obradnih mašina) na stepen iskorištenja
proizvodne opreme, pri opsluživanju obje obradne mašine, su minimalani. Kao rezultat provedenog
restrukturiranja dva radna mjesta proizvodne linije „Prsten 1“ tj. radnici angažirani na radnim
zadatcime u sklopu operacije 2 su nepotrebni (7 radnika), dolazi do snižavanja proizvodnih troškova
u iznosu od:
· · 7 · 1300 · 12 109.200 / š (6.6.1)
gdje je:
Brad – broj radnika;
Trad – bruto izdavanja za jednog radnika na mjesečnom nivou;
Rm – broj radnih mjeseci.
Uzme li se u obzir da obradne mašine koje treba nabaviti, 54-60 i 54-61, koštaju cca.
250.000 KM dolazi se do zaključka da će se ostvarenom uštetom na osnovu smanjenja broja
angažiranih radnika investicija nabavke nove proizvodne opreme, samo po ovom osnovu, isplatiti
za 5 godine.
Sedmični plan rada proizvodne linije „Prsten 1“ za simulacioni eksperimet 3, tabela 29, se
razlikuje od sedmičnog plana rada proizvodne linije „Prsten 1“ za simulacioni eksperimet 1 i 2,
tabela 17, po povečanju broja radnih dana obradne mašine 56-08 na 6, te ukidanju 3 radne smjene i
povečanju broja radnih dana na obradnoj mašini 56-06 na 7. Ujedninjena operacija 2/3 zadržava
plan rada za operaciju 3.
Simulacioni model simulacionog eksperimenta 3 zadržava iste karakteristike kao i u
prethodno primjenjenim simulacionim eksperimentima.
-Magistarski rad-
Slika 35. Šematski prikaz rasporeda proizvodne opreme u proizvodnoj liniji „Prsten 1“ za slimalacioni eksperiment 3
Slika 36. Šematski prikaz toka materijala unutar proizvodne linije „Prsten 1“ za slimalacioni eksperiment 3
Rezultati provedenog simulacionog eksperimenta 3 za proizvodnu opremu dati su u

tabelama 29 i 30. Za novoformiranu operaciju 2/3 dobiveni rezulati ukazuju da radnici koji
opslužuju radna mjesta mogu u potpunosti da odgovore zahtjevima istih i da sedmični kapaciteti u
odnosu na simulacioni eksperiment 2 imaju slijedeća odstupanja:

-Magistarski rad-
− za obradnu mašinu tipa 54-60, 54-61 i 54-62 +0,69%

− za obradnu mašimu tipa 54-13, 54-16 i 54-20 -9,91%
Pojava odstupanja sedmičnih kapaciteta između simulacionih eksperimenata 2 i 3
prvenstveno je poslijedica uzročno-poslijedičnih veza između slučajnih pojava zastoja između
opsluživanih obradnih mašina.
Radno mjesto
Dana smjena
13-04; 13-06; 13-07; 13-08; 13-11 7 3
54-61; 54-13 5* 3
54-60; 54-16 7 3
54-62; 54-20 7 3
56-42 7 3
56-08 6** 3
56-06 7 2***
Legenda:
* - ponedeljak-petak
** - ponedeljak-subota
*** - prva smjena (07:00-15:00) i druga smjena (15:00-23:00)
Obradna
13-04 13-06 13-07 13-08 13-11 54-60 54-61 54-62
mašina
Broj obradaka
4286 4279 4295 4283 4304 8339 5870 8332
(kom)
Ukupno radno
vrijeme 6:15:33:35 6:15:18:35 6:15:48:54 6:15:25:53 6:16:12:22 6:00:29:17 4:05:42:31 6:00:21:14
(dan:h:min:sek)
Ukupno ne
radno vrijeme 8:26:24 8:41:24 8:11:05 8:34:06 7:47:37 18:01:02 14:35:01 18:59:13
(dan:h:min:sek)
Vrijeme
čekanja na rad 0 0 0 0 0 5:29:40 2:03:42:27 4:39:32
(dan:h:min:sek)
Vrijeme
opsluživanja 7:14:09 7:24:53 7:33:09 7:38:00 7:26:04 12:33:00 8:30:12 12:06:26
(dan:h:min:sek)
Radno vrijeme 94,48 94,83 95,13 94,9 95,36 86,00 60,54 85,92
Ne radno
5,02 5,17 4,87 5,1 4,64 10,72 8,68 11,3
vrijeme
Vrijeme
0 0 0 0 0 3,27 30,78 2,77
čekanja na rad
Vrijeme
4,37 4,41 4,5 4,54 4,13 7,47 5,06 7,21
opsluživanja
Izmjena plana rada obradnih mašina 56-08 i 56-06 direktno utiče na promjenu njihovih
sedmičnih kapaciteta, tabela 31, što je očekivana posledica.

-Magistarski rad-
Obradna mašina 54-13 56-16 54-20 56-42 56-06 56-08
Broj obradaka (kom) 5810 8255 8326 19127 21191 2652
Ukupno radno
vrijeme 3:09:15:18 4:19:15:09 4:20:12:07 6:14:30:52 4:15:50:29 5:22:16:54
(dan:h:min:sek)
Ukupno ne radno
vrijeme 8:23:37 9:15:39 8:53:24 9:20:18 47:21 1:53:33
(dan:h:min:sek)
Vrijeme čekanja na
3:06:21:04 1:19:29:11 1:18:54:28 8:49 2:07:22:09 23:49:32
rad (dan:h:min:sek)
6:13:00 7:10:09 6:26:18 8:05:45 46:45 6:37:54
(dan:h:min:sek)
Radno vrijeme 48,37 68,8 69,17 94,35 66,57 84,69
Ne radno vrijeme 5,00 5,51 5,29 5,56 0,47 1,13
Vrijeme čekanja na
46,64 25,88 25,54 0,09 32,96 14,18
rad
Vrijeme opsluživanja 3,7 4,27 3,83 4,82 0,46 3,95
Radni parametri po radnim mjestima simulacionog eksperimenta 3 dati su u tabeli 32.

Radnik 1 2 3 4 5 6 7
operacija 54-60; 54-61; 54-62;
Radno mjesto 56-42 56-08 56-06
1 54-16 54-13 54-20
Vrijeme
opsluživanja 1:13:16:15 19:43:09 14:33:12 18:32:44 8:05:45 6:37:54 46:45
(dan:h:min:sek)
Vrijeme
transporta 1:14:11:25 16:20:41 9:51:28 11:44:36 3:04:04:50 2:22:23 16:38:17
(dan:h:min:sek)
Vrijeme
kretanja ka
1:16:02:40 16:20:44 10:05:01 21:29:46 3:04:26:04 2:25:41 1:21:48:12
radu
(dan:h:min:sek)
Planirane
pauze 0:00:00 1:02:15:00 18:45:00 1:02:15:00 0:00:00 0:00:00 0:00:00
(dan:h:min:sek)
Radi 100 84,38 60,27 84,38 100 85,71 66,67
Pauzira 0 15,63 11,16 15,63 0 0 0
Gubitak uslijed
planiranog 0 0 28,57 0 0 14,29 33,33
nerada
Kapacitet obradnih mašina na operaciji 1 prikazan je na slici 37. S obzirom da operacija 1

ima iste početne uslove kao i kod simulacionih eksperimenata 1 i 2 radne karakteristike su
nepromjenjene.
Kao što je u prethodnom tekstu konstatovano, za operaciju 2/3 proizvodne linije „Prsten 1“,
obradni kapaciteti proizvodne opreme na radnim mjestima ne prouzokuju redove čekanja, što
dodatno potvrđuje slika 38.

-Magistarski rad-
Slika 38. Kapacitet obradnih mašina na operaciji 2/3

Primjenom izmijenjenog plana rada proizvodne linije „Prsten 1“ u simulacionom
eksperimentu 3 kapacitet obradne mašine 56-06 tokom vremena, slika 39, donekle prati
karakteristike kapaciteta obradne mašine 56-42 tokom vremena, što nije bio slučaj kod
slimulacionog eksperimenta 2, slika 33.b.

Dinamika procesa unutar međuskladišta proizvodne linije „Prsten 1“, slika 40, ima manji
stepen neuravnoteženja kapaciteta proizvodne opreme u odnosu na simulacioni eksperiment 2, što
potvrđuje dijagram redova čekanja unutar međuskladišta, slika 40.c, te razlika stanja unutar

-Magistarski rad-
međuskladišta, tabela 33. Stepen neuravnoteženja proizvodne opreme na osnovu simulacionog

eksperimenta 3 dat je u tabeli 34.
a.) b.)
c.)
Slika 40. Dinamika međuskladišta proizvodne linije „Preten 1“: a.) trenutak ulaza paleta; b.) trenutak izlazka paleta;
Tabela 33. Razlika stanja međuskladišta proizvodne linije „Prsten 1“

Skladište MS I MS II MS IV MS V
Početak
60 60 60 0
simulaciej
Kraj simulacije 41 64 21 396
Razlika -19 4 -29 396

-Magistarski rad-
Tabela 34. Stepen neuravnoteženja nutar proizvodne linije „Prsten 1“
Operacija
2/3 4
1
3-1 3-2 3-3 4-1 4-2
8255 5810 8326 19127 2652
Kapacitet 21447
22391 21779
Stepen neuravnoteženja -4,4
· 100%
2,73
8255 8134 8326 19127 3094
Kapacitet 21447
24715 22221
Stepen neuravnoteženja -15,24
· 100%
10,91

-Magistarski rad-
6.7. Komentar rezultata provedenog simulacionog eksperimenata 3
Rezultat razmatrane reorganizacije proizvodne linije „Prsten 1“ simulacionim

eksperimentom 3 imao je za poslijedicu značajne promjene u radnih parametara proizvodne linije
„Prsten 1“. Komparacija rezultata simulacionih eksperimenata 2 i 3 ukazuje na potencijal za
poboljšanje stepena iskorištenja proizvodno/transportnih procesa unutar proizvodne linije „Prsten
1“, što je obrazloženo u nastavku.
Analizom opterećenja angažirane ljudske radne snage, između simulacionih eksperimenata 2
i 3, uočeno je smanjenje cjelokupnog vremena transporta unutar proizvodne linije „Prsten 1“ za
3,52%, tabela 35.
Tabela 35. Razlika u opterećenju ljudske radne snage između simulacionog eksperimenta 2 i 3 proizvodne linije
„Prsten 1“
Razlika
Simulacioni eksperiment 2 3
143:46:27 141:33:59 2:12:28
(h:min:sek)
Vrijeme transporta
166:35:07 161:13:40 5:21:27
(h:min:sek)
Vrijeme kretanja ka radu
213:05:50 212:38:08 0:27:42
(h:min:sek)
Sa druge strane reorganizacija proizvodne linije „Prsten 1“ simulacionim eksperimentom 3

je imala za poslijedicu smanjenje vrijednosti stepena neuravnosteženosti proizvodne opreme, tabela
36, u odnosu na simulacioni eksperiment 2, tabela 36.
Tabela 36. Razlika u stepenu neuravnoteženja između simulacionog eksperimenta 2 i 3 proizvodne linije „Prsten 1“
Operacija 1 3 4
-14,95
14,28
-4,4
2,73
Razlika -10,55
11,55
-26,11
19,8
-15,24
10,91
Razlika -10,87
8,89
Smanjenje stepena neuravnoteženosti proizvodne opreme grafički je predstavljeno na

dijagramu dinamike nastajanja redova čekanja, slika 41, gdje puna linija predstavlja rezultate
simulacionog eksperimenta 3, a isprekudana rezultate simulacionog eksperimenta 2.
Ukoliko se posmatra promjena stanja u međuskladištu MS I tokom vremena, nakon šestog
radnog dana uočava se razlika vrijednosti reda čekanja, slika 41, što je prvenstveno uzrokovano

-Magistarski rad-
povećanjem kapaciteta operacije 2/3 u odnosu na simulacioni eksperiment 2. Pored toga, može se
zaključiti da nije odstranjeno postojanje rezerve kapaciteta na operaciji 2/3 u odnosu na operaciju 1.
Uočena negativna razlika je opravdana ukoliko se posmatra smanjenje reda čekanja u
međuskladištu MS III, gdje se stepen neiskorištenost kapaciteta u značajnoj mjeri smanjio na
vrijednost 2,73%, slika 41, što predstavlja znatno poboljšanje stanja u odnosu na simulacioni
eksperiment 2.
Slika 41. Dinamika nastajanja redova čekanja tokom simulacionih eksperimenata 2 i 3 proizvodne linije „Prsten 1“
Primjenom izmijenjenog sedmičnog plana rada za obradnu mašinu 56-06, pored toga što je
smanjeno vrijeme rada za jednu smjenu sedmično, ostvareno je znatno uravnoteženje između
operacija 4-2 i 4-2.1, što nije bio slučaj kod simulacionog eksperimenta 2. Rezultat ovog
uravnoteženja je promjena dinamike nastajanja redova čekanja u međuskladištu MS IV, slika 41.
Tabela 37. Razlika u gotovim proizvodima između simulacionog eksperimenta 2 i 3 proizvodne linije „Prsten 1“
Razlika Razlika
Simulacioni eksperiment 2 3
(%)
Skladište gotovih proizvoda
393 396 -3 -0,76
MS V
Kapacitet operacije 1 21434 21447 -13 -0,06
Kapacitet operacije 2/3 21951 22393 -442 -2,01
Kapacitet operacije 4 21043 21779 -736 -3,5
S aspekta kapaciteta proizvodne linije „Prsten 1“ simulacioni eksperiment 3 se odlikuje

povišenjem sedmičnog kapaciteta na operacijama 2/3 i 4, te povišenjem sedmične proizvodnje za
0,76 %, tabela 37, u odnosu na simulacioni eksperiment 2. Međutim, stvarni sedmični kapacitet
proizvodne linije „Prsten 1“ je ostao nepromijenjen iz razloga što je i sedmični kapacitet operacije 1
ostao isti kao i u slučaju simulacionog eksperimenta 2. Minimalna razlika vrijednosti sedmičnog
kapaciteta operacije 1, tabela 37, je posljedica slučajnih događaja, tako da se pojavljena razlika ne
može uzeti u obzir kao validni pokazatelj povećanja kapaciteta.
Na osnovu izloženih podataka dobivenih istraživanjem proizvodne linije „Prsten 1“ može se
konstatovati da je postavljena hipoteza 2.: „primjenom simulacione studije na tokove materijala

-Magistarski rad-
unutar proizvodnog sistema moguće je kvantificirati relevantne parametre dinamičkih procesa

proizvodnje i transportovanja materijala“, potvrđena uzimajući u obzir postavljena ograničenja.

-Magistarski rad-
7. ZAKLJUČAK
Na osnovu prezentiranih teoretskih postavki i rezultata eksperimenata provedenih na

simulacionim modelima predstavljenih u prethodnim poglavljima, s obzirom na praćene radne
parametre proizvodne cjeline Prsten 1 moguće je izvesti slijedeće zaključke:
1. Simulaciona studija predstavlja pouzdan i efikasan alat za analizu tokova materijala
sa dinamičkim karakterom odvijanja procesa, što nije slučaj kod ostalih
primjenjivanih metoda za analizu tokova materijala. Premda je metodologija
izvođenja simulacione studije razvijena prije 30-tak godina, njena primjena još
uvijek nije doživjela široku primjenu iz razloga što izvođenje simulacione studije
tokova materijala zahtjeva obimnu pripremu i obradu ulaznih podataka, te kreiranje
sveobuhvatnog kompleksnog simulacionog modela. U poređenju sa ostalim
metodama za analizu tokova materijala, simulaciona studija zahtijeva znatno više
vremena za provođenje iste, dok je s aspekta mogućnosti opisivanja konstruktivno
radnih karakteristika proizvodno/transportno/skladištne opreme, te raznolikosti
dobivenih rezultata simulaciona studija sveobuhvatnija.
2. Primjena simulacione studije omogućava opisivanje, analizu i optimiranje tokova
materijala u okviru proizvodnih sistema, uz preduslov pozitivne validacije i
verifikacije simulacionog modela. Od znatne važnosti na tačnost simulacionog
modela je proces prikupljanja i obrade ulaznih podataka, koji imaju karakter slučajne
varijable, što je potvrđeno prvom hipotezom magistarskog rada. Loša karakteristika
procesa prikupljanja i obrade ulaznih podataka je udio od cca. 60-70 % ukupnog
potrebnog vremena za izvođenje simulacione studije.
3. Istraživanjima sprovedenim u okviru magistarskog rada definisana je i prezentirana
metodologija izvođenja simulacione studije tokova materijala u okviru proizvodnih
sistema na realnom modelu. Prezentirana metodologija je uspješno impelementirana
kareiranjem simulacionog modela sa zadovoljavajućim stepenom odstupanja u
odnosu na realni model. Izvođenje simulacionih eksperimenata u potpunosti je
opisalo procese tokova materijala u okviru proizvodnih sistema, te poslužilo kao
osnova za povišenje kapaciteta proizvodno/transportnih segmenata objekta
istraživanja.
4. Ukoliko se posmatraju poslijedice simulacionog eksperimenta 3, dolazi se do
zaključka da realna primjena konceptualnog rješenja proizvodne linije „Prsten 1“ na
način kako je to riješeno simulacionim eksperimentom 3, u potpunosti može
odgovoriti zahtjevu kupca za smanjenjem troškova proizvodnje na godišnjem nivou
od 5%. Dodatni efekti bi se mogli očekivati daljnjim uravoteženjem proizvodne
linije i automatizacijom opreme, što bi za poslijedicu imalo dodatno smanjenje
toškova proizvodnje, pri čemu je potrebno iznaći optimalne parametre unutrašnjeg
uređenja proizvodne linije „Prsten 1“.

-Magistarski rad-
7.1. Nedostatci vlastitih istraživanja
Provedena istraživanja magistarskog rada posjeduju određene nedostatke, koji se mogu

uobličiti kroz:
− Nedostatci korištenih metoda za prikupljanje podataka (metode slučajnih uzoraka i
snimanja povratnom metodom), koje su se direktno odrazile na tačnost simulacionog
modela;
− Nemogučnost opisivanja simulacionim modelom nepredviđenih događaja tokom
procesa proizvodnje (razgovor među radnicima, interna kontrola od strane tehnologa,
kontrolera, šefa smjene, ...);
− Ne uzimanje u obzir važnosti pojave procesa otkaza u radu, kao slučajne
promjenjive, tokom kreiranja simulacionog modela;
− Ne korištenje optimizacionih metoda sa ciljem iznalaženja optimalnih parametara
rada i unutrašnjeg uređenja objekta istraživanja;
− Ne uzimanje u obzir interakcijskog uticaja objekta i poligona istraživanja odnosno
uzimanje za poligon istraživanja samo jedan zasebni segment proizvodnog sistema.

-Magistarski rad-
7.2. Pravci daljih istraživanja
Provednim istraživanjima na usvojenom poligonu i dobivenim rezultatima otvoren je niz

mogućnosti za nastavak naučno-istraživačkog rada koje se mogu uobličiti kroz:
− Definisanje novih (namjenskih) algoritama i metoda za planiranje simulacionih
eksperimenata tokova materijala na osnovu strukturnog i parametarskog variranja
objekata i parametara;
− primjena novih tehnologija (sistem vizije, sistema u realnom vremenu, ...), s ciljem
smanjenja potrebnog vremena za akviziciju i obradu ulaznih podataka;
− primjena standardnih optimizacionih metoda tokom izvođenja simulacionih
eksperimenata sa ciljem određivanja optimalnih radnih parametara, optimalnog
unutrašnjeg uređenja i izbora adekvatne proizvodno/transportno/skladištne opreme u
funkciji kriterija optimizacije;
− primjena metodologije planiranog eksperimenta na simulacionom modelu tokova
materijala kako bi se utvrdile matematičke zavisnosti između promjenjivih
vrijednosti tokova materijala sa stohastičkim karakterom;
− implemantacija novih naučnih metoda (neuronske mreže, genetski algoritmi,
vještačka inteligencija, ...) sa ciljem smanjenja potrebnog vremena za izvođenje
simulacione studije, generisanja simulacionog modela, te postizanja veće tačnosti
simulacionog eksperimenta.

-Magistarski rad-
LITERATURA
[1] Mr. Ivo Pavlić, Statistička teorija i primjena, Panorama, Zagreb, 1965. godine;
[2] Kuipers, L. and Niederreiter, H.: "Uniform Distribution of Sequences", New York: Wiley,
1974. godine;
[3] Rubinstein, R. Y.: "Simulation and the Monte Carlo Method", John Wiley & Sons, New
York, 1981. godine;
[4] Olujić, Č.: "Rukovanje materijalom – klasika i automatizacija", X naučno – stručni skup o
transportnim procesima u industriji, SMEITS, 11 – 18, Beograd, 1988. godine;
[5] Adiga, S.: "Software modelling of manufacturing systems: a case for an object – oriented
programming approach", Annals of Operation Research 17,str: 363 – 378, 1989. godine;
[6] Olujić, Č.: "Transport u industriji – rukovanje materijalom", I. dio, Sveučilište u Zagrebu,
1991. godine;
[7] Al-Gwaiz, M. A.: " Theory of Distributions", Marcel Dekker, New York, 1992. godine;
[8] Niederreiter, H.: "Random Number Generation and Quasi-Monte Carlo Methods", Society
for Industrial and Applied Mathematics, Philadelphia, 1992. godine;
[9] Sobol, I. M.: "A Primer for the Monte Carlo Method", Boca Raton, FL: CRC Press, 1994.
godine;
[10] Tošić S.B.: "Proračun mašina neprekidnog transporta i dizaličnih uređaja", Mašinski
fakultet, Beograd, 1994. godine;
[11] Zrnić, Đ., Petrović, D.: "Stohastički procesi u transportu" , Univerzitet u Beogradu,
Mašinski fakultet, Beograd, 1994. godine;
[12] Anderson, E.J.: "The management of manufacturing models and analysis", Addison –
Wesley, 1994. godine;
[13] Tezuka, S.: "Uniform Random Numbers: Theory and Practice", Kluwer Academic
Publishers, Boston, 1995. godine;
[14] Schelasin,R.E.A., Mauer, J.L.: "Creating flexible simulation models", IIE Solutions, 1995.
godine;
[15] Cebalo, R.: "Fleksibilni obradni sustavi", Zagreb, 1995. godine;
[16] Kusiak A.: "Flexible manufacturing system", North Holland, 1996. . godine;
[17] Zrnić Đ., Savić D.: "Simulacija procesa unutrašnjeg transpotra", Mašinski fakultet Beograd,
1997. godine;
[18] Olujić Č.: "Skladištenje u industriji", Fakultet strojarstva i brodogradnje, Zagreb, 1997.
godine;
[19] Hodžić S.: "Transport u rudarstvu", Univrzitet u Tuzli, Rudarsko – geološki fakultet u Tuzli,
Tuzla, 1998. godine;
[20] McCullough, B. D. & Wilson, B.: On the accuracy of statistical procedures in Microsoft
Excel 97. Computational Statistics and Data Analysis, 31, 27-37., 1999. godine;
[21] Jurković, M.: ''Matematičko modeliranje inženjerskih procesa i sistema'', Mašinski fakultet
Bihać, Univerzitetska knjiga, bihać, 1999. godine;

-Magistarski rad-
[22] Tošić, S.B.: "Transportni uređaji - Mehanizacije transporta", Univerzitet u Beogradu,

Mašinski fakultet, Institut za mehanizaciju, Beograd, 1999. godine;
[23] Edward B. Magrab: "An Engineering's Guide to MATLAB", University of Maryland,
mechanical Engineering Department, Prentice Hall, Upper Saddle River, New Jersy 07458,
USA, 2000. godine;
[24] Veža I., Bilić B., Bajić D.: "Projektiranje proizvodnih sustava", Sveučilište u Splitu,
Fakultet elektrotehnike, strojarstva i brodogradnje Split, Hrvatska, 2001. godine;
[25] Šelo R., Teufekčić Dž.:"Fleksibilni transport", JU Univerzitet u Tuzli, Mašinski fakultet u
Tuzli, Tuzla, Bosna i Hercegovina, 2002. godine;
[26] Šelo R., Tufekčić Dž., Topčić A.: "Systems Analysis of transport System Influence on
Coefficient of Utilization of Work Machines Using Simulation Model", 8thInternational
Conference MMA 2003, Zbornik, format A4, stranice 159÷160, /2 stranice/, Novi Sad,
Srbija i Crna gora, 2003. godine;
[27] Mustedanagić M., Šelo R., Topčić A.: "Elements optimizing of hanging rope-way",
Development and modernization of production, RIM 2003, Zbornik, format B5, stranice
381÷386, /6 stranica/, Bihać - Bosna i Hercegovina, 2003. godine;
[28] Mustedanagić M., Šelo R., Topčić A.: "Određivanje kapaciteta transportnih sredstava
cikličnog transporta primjenom modela simulacije", Development and modernization of
production, RIM 2003, Zbornik, format B5, stranice 387÷392, /6 stranica/, Bihać - Bosna i
Hercegovina, 2003. godine;
[29] Cerjaković E., Šelo R., Topčić A.: " Optimisation of construction parameters of pending
conveyer in food processing industry ", International advice of technologist for post harvest
technology "ZRNKO'04", Zbornik, format A4, /6 stranica/, Stubičke Toplice, Hrvatska,
2004. godine;
[30] Topčić A., Šelo R., Tufekčić Dž., Avdić H.: "Analiza parametara rada tračnog transportera
primjenom softwerskog paketa", Mađunarodni naučno-stručni skup: " Research and
Development of Mechanical Elements and Systems ", IRMES 2004, Zbornik, format B4,
stranice 189÷194, /6 stranica/, Kragujevac, Srbija i Crna gora, 2004. godine;
[31] Topčić A., Šelo R., Tufekčić Dž., Mehmedović M.: "Simulation of virtual flexible
manufacturing cell work", Scientific Conference with International Participation,
Manufacturing and management in 21st century, Zbornik, format A4, /6 stranica/Ohrid,
Makedonija, 2004. godine;
[32] Topčić A., Tufekčić Dž., Šelo R., Cerjaković E.: "Simulacija rada CIM proizvodnog
sistema", 5. Međunarodna konferencija o proizvodnomi nženjerstvu RIM 2005, Bihać 2005.
godine;
[33] Topčić A., Tufekčić Dž., Baričak V.: "Optimizacija proizvodnje više vrsta proizvoda sa
istim sredstvima za rad po kriteriju minimalnih troškova", 7th International advice about
electro and mechanical engineering achievement, DEMI 2005, Banjaluka, Bosna i
Hercegovina, 2005. godine;
[34] Topčić A., Kudumović Dž., Butković S.: "Simulation of work of the virtual welding cell
with robot", 3rd International Conference, "Mechanization, automation and robotization in
welding and allied processes" , Zadar, Hrvatska, 2005. godine;

-Magistarski rad-
[35] Dia, H.. Towards Sustainable Transportation- The Intelligent Transportation Systems
Approach. In Towards Sustainability in the Built Environment. Shanableh, A. and Chang
WP (editors). pp. 412-422 (QUT Publications), 2001. godine;
[36] David Simchi-Levi (MIT), S. David Wu(Lehigh), Z.J. (Max) Shen(Florida): Handbook of
Quantitative Supply Chain Analysis: Modeling in the E-Business Era, ISBN: 1-4020-7952-
4, Kluwer's, 2004. godine;
[37] Arens Arnim, Auge Brigitta, Wartenschlangentheorie, Skripta, 2004. godine;
[38] Iravani, S. M. R., K. L. Luangkesorn and D. Simchi-Levi, On Assemble-To-Order Systems
with Flexible Customers. IIE Transactions, 35, pp. 389-403, 2003. godine;
[39] Hazeghi Kasra, Warteschlangen-Modelle, skripta, Eidgenössische Technische Hochschule,
Zürich, 2006 godine;
[40] Loroque Christoph, Ein mehrbenutzerfähiges Werkzeug zur Modellierung und
richtungsoffenen Simulation von wahlweise objekt- und funktionsorientiert gegliederten
Fertigungssystemen, doktorska disertacija, Universität Paderborn, Oblast mašinstvo, 2007
godine;
[41] Maynard H.B., Industrijski inženjering 1÷4, NIGRO „Privredni pregled“, Beograd, 1994.
godine;
[42] Zelenović M. Dragutin, Projektovanje proizvodnih sistema – Tokovi materijala, FTN
Izdavalaštvo, Novi Sad, 2003. godine;
[43] Tufekčić Dž., Jurković M.,Fleksibilni proizvodni sistemi, Mašinski fakultet u Tuzli,
Tuzla,1999. godine;
[44] Milić M. Radović, Proizvodni sistemi – projektovanje, analiza i upravljanje, Kultura,
Beogtad, 1999. godine;
[45] Majdančić N., Lujić R., Matičević G., Šimunović G., Majdančić I., Upravljanje
proizvodnjom, Strojarski fakultet u Slavonskom Brodu, Slavonski Brod, 2001. godine;
[46] Heinrich Martin, Transport- und Lagerlogistik Planung Struktur Steuerung und Kosten von
Systemen der Intralogistik, Vieweg Verlag, 2006. godine;
[47] Plumer Thomas, Logistik und Produktion, 2003. godine;
[48] Arnold D., Iserman H., Kuhn A., Tempelmeier H., Handbuch Logistik-3., neu bearbeitete
Auflage, Springler Verlag, Berlin 2008. godine;
[49] Biethahn J., Hummeltenberg W., Schmidt B., Stahly P., Witte Th., Simulation als betribliche
Entscheidungshilfe: State of the Art und neuere Entwicklungen, Physica Verlag, 1999.
godine;
[50] Ristić D. Organizacija proizvodno poslovnih sistema, Univerzitet u Novom sadu, Tehnički
fakultet „Mihajlo Pupin“, Stylos, 1996. godina;
[51] Ćerić V. Simulacijsko modeliranje, Sveučilište u Zagrebu, Školska knjiga Zagreb, Zagreb,
1993. godine;
[52] Arnold Dieter, Furmans Kai, Materialfluss in Logistiksystemen - 5., erweiterte Auflage,
Springler Verlag, Berlin 2007. godine;

-Magistarski rad-
[53] Vladić Jovan, Transportna i pretovarna sredstva i uređaji – neprekidni i automatizirani

transport, Univerzitet u Novom sadu, Tehnički fakultet „Mihajlo Pupin“, FTN Izdavalaštvo,
Novi Sad, 2005. godine;
[54] Klarin Milivoj, Industrijski inženjerstvo Knjiga II – Organizacija unutrašnjeg transporta i
upravljanje kvalitetom; Univerzitet u Beogradu, Mašinski fakultet, Beograd, 1995. godine;
[55] Benks Jerry, Handbook of Simulation – Principles, Methodology, Advances, Applications
and Practice, Georgia Institute of Technology, John Wiley & Sons, Inc., Atlanta, Georgia,
USA, 1997. godina;
[56] Gudehus Timm, Logistik – Grunlagen Strategien Anwendungen-3., neu bearbeitete Auflage,
Springler Verlag, Berlin 2005. godine;
[57] Heinrich M., Römisch P., Weidlich A., Materialflusstechnik – Auswahl und Berechnung
vom Elementen und Baugruppen der Födertechnik – 9., verbesserte und aktualisierte
Auflage, Viewegs Fachbücher der Technik, Wiesbaden, Njemačka, 2008. godine;
[58] Angermann A., Beuchel M., Rau M., Wohlfart U., Matlab – Simulink – Stateflow
Grundlagen, Toolboxen, Beispiele, Oldenburg Verlag, München, Njemačka, 2005. godina;
[59] McMahon David, Matlab Demystified, McGraw Hill, New York, USA, 2007. godine;
[60] Zirn Oliver, Weikert Sascha, Modellbildung und Simulation hochdynamischer
Fertigungssysteme – Eine praxisnahe Einführung, Springler Verlag, Berlin 2005. godine;
[61] Beucher Ottmar, Wahrscheinlichkeitsrechnung und Statistik mit MATLAB –
Anwendungsorientierte Einführung für Ingenieure und Naturwissenschaftler, Springler
Verlag, Berlin 2004. godine;
[62] Junge Mark, Simulationsgesützte Entwicklung und Optimirung einer energieeffizienten
Produktionssteuerung, doktorska disertacija, Universität Kassel, Oblast mašinstvo, 2007
godine;
[63] Raffel Wolf-Urlich, Agentenbasierte Simulation als Verfeinerung der Diskreten-Ereignis-
Simulatio unter besonderen Berücksichtigung des Beispeiels Fahrerloser Transportsysteme,
doktorska sisertacija, Freier Universität Berlin, Oblast matematika i informatika, 2005.
godina;
[64] Krützfeld Dirk, Verteilte Simulation dynamischer Materialversorgungsprozesse der
Montage in Produktionsverbünden, doktorska disertacija, Technische Universität Berlin,
Fakultät V - Verkehrs- und Maschinensysteme, Berlin, 2001. godina;
[65] Lehmann Matthias, Einsatzplanung von Fahrerlosen Transportsystemen in Seehafen-
Containerterminals, doktorska disertacija, Technische Universität Berlin, Fakultät VIII –
Wirtschaft und Menagment, Berlin, 2006. godina;
[66] http://books.google.de
[67] www.mathworks.com
[68] http://edocs-berlin.de/diss/index.html
[69] http://ub.tu-berlin.de/publikationen/docserv
[70] www.wickipedia.de

-Magistarski rad-
BIOGRAFIJA KANDIDATA
Edin (Ramiza) Cerjaković rođen je 11.07.1979. godine u Bijeljini, Bosna i Hercegovina.

Osnovnu školu pohađa od 1986.-1993. godine u Bijeljini i od 1993.-1996. godine u Wuppertalu, SR
Njemačka.
U augustu 1996. godine započinje zanatsko obrazovanje preciznog mehaničara u firmi
''Schmitz&Appelt LOI – Industrieoffenanlagen'' u Wuppertalu (fabrika za izradu industrijskih peći)
sa uporednim pohađanjem Zanatske škole ''Berufsschulle Bachstr.'' u Wuppertalu.
U augustu 1998. godine vraća se u Bosnu i Hercegovinu, gdje nastavlja srednjoškolsko
obrazovanje u četvrtom razredu smjera mašinskih tehničara u Srednjoj mješovitoj mašinskoj školi u
Tuzli.
Školske godine 1999./2000. upisuje se na Mašinski fakultet u Tuzli smijer proizvodno
mašinstvo. Diplomira 27.05.2004. godine sa prosječnom ostvarenom ocjenom tokom studija od
8,37, te stiće pravo stručnog naziva diplomirani inženjer mašinstva.
Od 01.10.2004. godine zaposlen je na Univerzitetu u Tuzli na Mašinskom fakultetu kao
asistent na užoj naučnoj oblasti „Dinamika mašina“.
U novembru 2005. godine apsolvira specijalistički kurs za internacionalnog inženjera
zavarivanja u SLV Halle u Njemačkoj i stiće diplomu za internacionalnog inženjera zavarivanja.
U školskoj godini 2005./2006. upisuje postdiplomski studij na Mašinskom fakultetu
Univerziteta u Tuzli odsjek Mehatronika. Tokom postdiplomskog studija ostvaruje prosječnu
ocjenu od 9,86.
Edin Cerjaković ima objavljenih 7 naučno-istraživačkih radova, apsolvirao je 2
specijalizacijska usavršavanja iz oblasti mašinstva, te je saradnik na 3 naučno-istraživačka projekta.
Edin Cerjaković je oženjen i tečno govori njemački jezik.

-Magistarski rad-

PRILOZI
SADRŽAJ PRILOGA
PRILOG A – Parametri procesa proizvodne linije „Prsten 1“....................................................... IV
Tabela A-1. – Vremena trajanja obrade na operaciji 1 proizvodne linije „Prsten 1“ ..................... IV
Tabela A-1.2. – Statistička obrada podataka za za vrijeme obrade na operaciji 1 proizvodne linije
„Prsten 1“ .......................................................................................................................................... V
Tabela A-1.3. - Vremena trajanja procesa opsluživanja na operaciji 1 proizvodne linije „Prsten 1“
.......................................................................................................................................................... VI
Tabela A-1.4. – Statistička obrada podataka za vrijeme izmjene polufabrikata na operaciji 1
proizvodne linije „Prsten 1“ ........................................................................................................... VII
Tabela A-1.5 – Statistička obrada podataka za vrijeme izmjene alata na operaciji 1 proizvodne
linije „Prsten 1“ ............................................................................................................................ VIII
Tabela A-1.6. – Statistička obrada podataka za period izmjenu alata na operaciji 1 proizvodne
linije „Prsten 1“ ............................................................................................................................... IX
Tabela A-2.1. – Vremena trajanja procesa opsluživanja na obradnim mašinama 54-34, 54-38 i 54-
39 ....................................................................................................................................................... X
Tabela A-2.2. – Statistička obrada podataka za vrijeme obrade na obradnim mašinama 54-34, 54-
38 i 54-39 .......................................................................................................................................... XI
Tabela A-2.3. – Statistička obrada podataka za vrijeme kontrole obradaka na operaciji 2
proizvodne linije „Prsten 1“ ........................................................................................................... XII
Tabela A-2.4. – Statistička obrada podataka za vrijeme izmjene alata na obradnim mašinama 54-
34, 54-38 i 54-39 ............................................................................................................................ XIII
Tabela A-2.5. - Period izmjene alata na obradnim mašinama 54-34, 54-38 i 54-39 .................... XIV
Tabela A-2.6. – Statistička obrada podataka za period izmjene Alata 1 na obradnim mašinama 54-
34, 54-38 i 54-39 ............................................................................................................................. XV
34, 54-38 i 54-39 ............................................................................................................................ XVI
Tabela A-2.8. – Statistička obrada podataka za period izmjenu Alata 3 na obradnim mašinama 54-
34, 54-38 i 54-39 ...........................................................................................................................XVII
Tabela A-3.1. – Vremena trajanja procesa opsluživanja na obradnoj mašini 54-62 ................. XVIII
Tabela A-3.2. – Statistička obrada podataka za vrijeme obrade na obradnoj mašini 54-62 ........ XIX
Tabela A-3.3. – Statistička obrada podataka za vrijeme izmjene alata na obradnoj mašini 54-62 XX
Tabela A-3.4. - Period izmjene alata na obradnoj mašini 54-62................................................... XXI
Tabela A-3.5. – Statistička obrada podataka za period izmjene Alata 1 na obradnoj mašini 54-62
......................................................................................................................................................XXII
Edin Cerjaković PRILOZI Strana I

-Magistarski rad-

.................................................................................................................................................... XXIII
.................................................................................................................................................... XXIV
Tabela A-4.1. – Vremena trajanja procesa opsluživanja na obradnim mašinama 54-13; 54-16 i 54-
20 ................................................................................................................................................. XXV
Tabela A-4.2. – Statistička obrada podataka za vrijeme obrade na obradnim mašinama 54-13; 54-
16 i 54-20 .................................................................................................................................... XXVI
proizvodne linije „Prsten 1“ ...................................................................................................... XXVII
Tabela A-4.4. – Statistička obrada podataka za vrijeme izmjene alata na obradnim mašinama 54-
13; 54-16 i 54-20 ..................................................................................................................... XXVIII
Tabela A-4.5. - Period izmjene alata na obradnim mašinama 54-13; 54-16 i 54-20 ................. XXIX
Tabela A-4.6. - Period izmjene alata na obradnim mašinama 54-13; 54-16 i 54-20 .................. XXX
13; 54-16 i 54-20 ........................................................................................................................ XXXI
Tabela A-4.8.– Statistička obrada podataka za period izmjene Alata 2 na obradnim mašinama 54-
13; 54-16 i 54-20 ....................................................................................................................... XXXII
Tabela A-4.9.. – Statistička obrada podataka za period izmjene Alata 3 na obradnim mašinama
54-13; 54-16 i 54-20 ................................................................................................................ XXXIII
Tabela A-4.10. – Statistička obrada podataka za peropd izmjene Alata 4 na obradnim mašinama
54-13; 54-16 i 54-20 ................................................................................................................ XXXIV
Tabela A-5.1. – Vremena trajanja procesa opsluživanja na obradnoj mašini 56-42 ............... XXXV
Tabela A-5.2. – Statistička obrada podataka za vrijeme obrade na obradnoj mašini 56-42 .. XXXVI
proizvodne linije „Prsten 1“ ................................................................................................... XXXVII
Tabela A-5.4.. – Statistička obrada podataka za vrijeme izmjene alata na obradnoj mašini 56-42
.............................................................................................................................................. XXXVIII
Tabela A-5.5. - Period izmjene alata na obradnim mašinama 56-42 ...................................... XXXIX
.........................................................................................................................................................XL
....................................................................................................................................................... XLI
...................................................................................................................................................... XLII
Tabela A-6.1. – Vremena trajanja procesa opsluživanja na obradnoj mašini 56-42 ..................XLIII
Tabela A-6.2. – Statistička obrada podataka za za vrijeme obrade na obradnoj mašini 56-08 . XLIV
Tabela A-6.3. – Statistička obrada podataka vrijeme izmjene alata na obradnoj mašini 56-08 .. XLV
Edin Cerjaković PRILOZI Strana II

-Magistarski rad-

Tabela A-7.1. – Vremena trajanja procesa opsluživanja na obradnoj mašini 56-06 ................. XLVI
Tabela A-6.2. – Statistička obrada podataka za za vrijeme obrade na obradnoj mašini 56-06 XLVII
Tabela A-7.3. – Statistička obrada podataka vrijeme izmjene alata na obradnoj mašini 56-06
.................................................................................................................................................. XLVIII
PRILOG B – Parametri verifikacije simulacionog modela proizvodne linije „Prsten 1“ ...... XLIX
Tabela B-1.1. – Kapacitetne vrijednosti smjenskih kapaciteta obradnih mašina dobivenih

simulacijonim modelom .............................................................................................................. XLIX
Tabela B-1.2. – Statistička obrada podataka kapacitetnih vrijednosti smjenskih kapaciteta obradnih
mašina dobivenih simulacijonim modelom ........................................................................................ L
Edin Cerjaković PRILOZI Strana III

-Magistarski rad-

PRILOG A – Parametri procesa proizvodne linije „Prsten 1“
Tabela A-1. – Vremena trajanja obrade na operaciji 1 proizvodne linije „Prsten 1“
Trajanje Trajanje Trajanje Trajanje Trajanje Trajanje Trajanje
(sek) (sek) (sek) (sek) (sek) (sek) (sek)
11.03.08. 11.03.08. 17.03.08. 17.03.08. 17.03.08. 08.04.08. 15.04.08.
(13-04) (13-04) (13-04) (13-07) (13-06) (13-04) (13-04)
133 133 145 125 124 132 152
133 135 144 125 125 131 152
134 134 145 125 124 08.04.08. 151
129 134 145 125 126 (13-07) 152
138 134 145 124 123 129 152
133 134 144 125 124 129 08.04.08.
134 124 146 125 125 08.04.08. (13-07)
133 144 145 125 125 (13-06) 118
134 135 150 125 125 132 118
135 135 141 125 125 131 08.04.08.
133 135 144 124 124 132 (13-06)
132 132 145 125 08.04.08. 136
133 134 124 (13-08) 137
135 135 124 128 136
134 134 125 128 08.04.08.
133 134 124 128 (13-08)
134 135 124 08.04.08. 128
134 133 124 (13-11) 126
134 134 124 123 127
133 134 124 123 08.04.08.
133 134 124 124 (13-11)
135 134 125 127
134 124 127
134 124 125
134 124
134 125
135 124
134 124

Edin Cerjaković PRILOZI Strana IV

-Magistarski rad-

Tabela A-1.2. – Statistička obrada podataka za za vrijeme obrade na operaciji 1 proizvodne linije „Prsten 1“

uzoraka
Konstantna
(s obzirom da su varijansa uzorka i
Broj uzoraka 50 koeficijent varijacije male vrijednosti
podaci
može se smatrati da je vrijednost
konstantna)
Maksimalna
vrijednost 135 Parametri raspodjele 134
uzorka
vrijednost 133
uzorka
Srednja
aritmetička
133,88
vrijednost
uzorka
Standardna
0,659
devijacija
Varijansa
0,43429
uzorka
Modus 134
Medijana 134
Relativna
mjera 0,12978
asimatrije
Relativna
mjera -0,62562
spljoštenosti
Koeficijent
0,00492
varijacije
Edin Cerjaković PRILOZI Strana V

-Magistarski rad-

Tabela A-1.3. - Vremena trajanja procesa opsluživanja na operaciji 1 proizvodne linije „Prsten 1“
vrijeme izmjene vrijeme izmjene ciklus izmjene
polufabrikata (sek) alata (sek) alata (komada)
203 867 1293
249 775 2673
225 856 2512
232 821 1325
233 832 927
228 750 1811
236 845 1551
213 812 3426
245 769 1694
248 808 3802
207 792 2247
250 854 3274
256 797 1886
237 859 4391
211 813 2460
239 857 1492
253 844 3663
212 802 1256
229 784 2084
251 851 1605
3034
3760
Edin Cerjaković PRILOZI Strana VI

-Magistarski rad-

Tabela A-1.4. – Statistička obrada podataka za vrijeme izmjene polufabrikata na operaciji 1
proizvodne linije „Prsten 1“
Statistički podaci
slučajnih uzoraka
Broj Distribucija po kojoj se ponašaju
20 Poisson
uzoraka podaci
Maksimalna
vrijednost 256 Parametri raspodjele λ=232,85
uzorka
vrijednost 203
uzorka
Srednja
aritmetička
232,85
vrijednost
uzorka
Standardna
16,178
devijacija
Varijansa
261,73
uzorka
Modus 248
Medijana 234,5
Relativna
mjera -0,35914
asimatrije
Relativna
mjera
-1,0959
spljoštenost
i
Koeficijent
0,06948
varijacije
Vrijednost za odabranu Vrijednost signifikantne granice za
Statistički test
raspodjelu α=0,05
Chi-Quadrat
Edin Cerjaković PRILOZI Strana VII

-Magistarski rad-

Tabela A-1.5 – Statistička obrada podataka za vrijeme izmjene alata na operaciji 1 proizvodne linije
„Prsten 1“
Statistički podaci
slučajnih uzoraka
Broj Distribucija po kojoj se ponašaju
20 Poisson
uzoraka podaci
Maksimalna
vrijednost 867 Parametri raspodjele λ=819,4
uzorka
vrijednost 750
uzorka
Srednja
aritmetička
819,4
vrijednost
uzorka
Standardna
33,591
devijacija
Varijansa
1128,3
uzorka
Modus 856
Medijana 817
Relativna
mjera -0,33589
asimatrije
Relativna
mjera -1,01
spljoštenosti
Koeficijent
0,04099
varijacije
Vrijednost za odabranu Vrijednost signifikantne granice za
Statistički test
raspodjelu α=0,05
Chi-Quadrat
Edin Cerjaković PRILOZI Strana VIII

-Magistarski rad-

Tabela A-1.6. – Statistička obrada podataka za period izmjenu alata na operaciji 1 proizvodne linije
„Prsten 1“

uzoraka
Broj uzoraka 22 Beta
podaci
Maksimalna
α1=0,89269; α2=1,2222
vrijednost 4391 Parametri raspodjele
a=927; b=4391,0
uzorka
vrijednost 927
uzorka
Srednja
aritmetička
2371,2
vrijednost
uzorka
Standardna
998,45
devijacija
Varijansa
9,9691E+5
uzorka
Modus 1551
Medijana 2165,5
Relativna
mjera 0,48052
asimatrije
Relativna
mjera -0,95142
spljoštenosti
Koeficijent
0,42108
varijacije
Statistički test
Edin Cerjaković PRILOZI Strana IX

-Magistarski rad-

Tabela A-2.1. – Vremena trajanja procesa opsluživanja na obradnim mašinama 54-34, 54-38 i 54-39
Vrijeme
Vrijeme
kontrole
Vrijeme obrade (sek) izmjene
kvaliteta
alata(sek)
(sek)
82 82 76 86 73 171 98
77 74 75 85 73 283 98
76 82 86 77 76 155 75
75 80 74 74 77 160 108
81 76 75 77 74 158 91
77 78 81 78 73 173 96
75 84 80 78 73 169 100
81 72 77 76 73 294 89
77 77 77 62 73 159 90
73 82 79 75 73 154 108
85 71 75 76 72 196 101
72 73 75 75 76 165 123
82 72 89 76 73 153 98
76 72 76 75 79 205 117
80 75 95 74 72 180
76 72 74 81 88 172
74 78 75 83 85 136
70 85 78 87 81 154
77 74 79 86 74 205
78 75 82 82 78 178
80 75 86 78 83
75 75 77 62 71
75 83 78 72 74
73 74 80 73
95 74 82 83
68 73 85 70
73 73 85 73
82 81 81 70
76 74 87 82
81 77 82 70
79 76 78 71
74 83 84 72
79 80 70 60
73 88 86 70
91 79 78 74
79 76 79 71
85 75 77 82
81 77 80 71
74 82 78 69
76 82 74 73
84 76 71 74
82 75 71 75
81 80 73 77
82 77 74 75
83 73 68 73
74 78 76 71
79 78 77 74

Edin Cerjaković PRILOZI Strana X

-Magistarski rad-

Tabela A-2.2. – Statistička obrada podataka za vrijeme obrade na obradnim mašinama 54-34, 54-38 i
54-39

uzoraka
Broj uzoraka 213 Gumbel Max
podaci
Maksimalna
uzorka
vrijednost 60
uzorka
Srednja
aritmetička
77,075
vrijednost
uzorka
Standardna
5,2183
devijacija
Varijansa
27,23
uzorka
Modus 77
Medijana 76
Relativna
mjera 0,37133
asimatrije
Relativna
mjera 1,1849
spljoštenosti
Koeficijent
0,0677
varijacije
Statistički test
Edin Cerjaković PRILOZI Strana XI

-Magistarski rad-

Tabela A-2.3. – Statistička obrada podataka za vrijeme kontrole obradaka na operaciji 2 proizvodne
linije „Prsten 1“

uzoraka
Broj uzoraka 20 Fatigue Life (3P)
podaci
Maksimalna
vrijednost 294 Parametri raspodjele α=0,63988; β=47,3; γ=124,25
uzorka
vrijednost 136
uzorka
Srednja
aritmetička
181
vrijednost
uzorka
Standardna
40,783
devijacija
Varijansa
1663,3
uzorka
Modus 154
Medijana 170
Relativna
mjera 2,0044
asimatrije
Relativna
mjera 3,7477
spljoštenosti
Koeficijent
0,22532
varijacije
Statistički test
Chi-Quadrat 0,85938 5,9915
Edin Cerjaković PRILOZI Strana XII

-Magistarski rad-

Tabela A-2.4. – Statistička obrada podataka za vrijeme izmjene alata na obradnim mašinama 54-34,
54-38 i 54-39

uzoraka
Broj uzoraka 14 Gen. Extreme Value
podaci
Maksimalna
vrijednost 123 Parametri raspodjele k=-0,17837; σ=11,343; μ=94,608
uzorka
vrijednost 75
uzorka
Srednja
aritmetička
99,429
vrijednost
uzorka
Standardna
12,081
devijacija
Varijansa
145,96
uzorka
Modus 100
Medijana 98
Relativna
mjera 0,13168
asimatrije
Relativna
mjera 0,73109
spljoštenosti
Koeficijent
0,12151
varijacije
Statistički test
Chi-Quadrat 0,39321 3,8415
Edin Cerjaković PRILOZI Strana XIII

-Magistarski rad-

Tabela A-2.5. - Period izmjene alata na obradnim mašinama 54-34, 54-38 i 54-39
Period izmjene Period izmjene Period izmjene

Alata 1 Alata 2 Alata 2
(komada) (komada) (komada)
35 35 35
170 81 170
105 170 223
127 223 94
109 52 155
180 71 42
170 122 7
21 42 180
120 47 197
30 180 66
110 188 93
139 66 200
145 93 191
105 130 145
87 140 105
114 145 116
117 105 126
133 87 118
130 111 220
143 109 143
92 174 92
98 90 100
111 143 120
130 130 130
127 127 127
93 73 93
80 80 80
36 50 70
95 48 90
21 99 110
62 160 160
130 120 120
110 73 112
85 170 170
108 119 174
162 140 180
119 98 50
130 42 120
100 78 100
35 35 180
83 150
143

Edin Cerjaković PRILOZI Strana XIV

-Magistarski rad-

Tabela A-2.6. – Statistička obrada podataka za period izmjene Alata 1 na obradnim mašinama 54-34,
54-38 i 54-39

uzoraka
Broj uzoraka 42 Weibull
podaci
Maksimalna
vrijednost 180 Parametri raspodjele α=2,0303; β=121,84
uzorka
vrijednost 21
uzorka
Srednja
aritmetička
105,71
vrijednost
uzorka
Standardna
40,25
devijacija
Varijansa
1620,1
uzorka
Modus 110
Medijana 110
Relativna
mjera -0,55176
asimatrije
Relativna
mjera -0,01796
spljoštenosti
Koeficijent
0,38074
varijacije
Statistički test
Edin Cerjaković PRILOZI Strana XV

-Magistarski rad-

Tabela A-2.7. – Statistička obrada podataka za period izmjene Alata 2 na obradnim mašinama 54-34,
54-38 i 54-39

uzoraka
Broj uzoraka 41 Johnson SB
podaci
Maksimalna
γ=0,53755; δ=1,1661;
λ=263,76; ξ=1,228
uzorka
vrijednost 35
uzorka
Srednja
aritmetička
107,22
vrijednost
uzorka
Standardna
47,462
devijacija
Varijansa
2252,6
uzorka
Modus 48
Medijana 105
Relativna
mjera 7,4123
asimatrije
Relativna
mjera 0,32521
spljoštenosti
Koeficijent
0,44266
varijacije
Statistički test
Edin Cerjaković PRILOZI Strana XVI

-Magistarski rad-

Tabela A-2.8. – Statistička obrada podataka za period izmjenu Alata 3 na obradnim mašinama 54-34,
54-38 i 54-39

uzoraka
Broj uzoraka 40 Gamma
podaci
Maksimalna
uzorka
vrijednost 7
uzorka
Srednja
aritmetička
125,1
vrijednost
uzorka
Standardna
51,351
devijacija
Varijansa
2636,9
uzorka
Modus 126
Medijana 120
Relativna
mjera -0,06294
asimatrije
Relativna
mjera -0,38076
spljoštenosti
Koeficijent
0,41048
varijacije
Statistički test
Chi-Quadrat 0,76834 9,4877
Edin Cerjaković PRILOZI Strana XVII

-Magistarski rad-

Tabela A-3.1. – Vremena trajanja procesa opsluživanja na obradnoj mašini 54-62
Vrijeme izmjene
Vrijeme obrade (sek)
alata (sek)
66 60 267
61 61 255
60 66 281
66 61 277
60 60 285
61 66 212
60 60 305
66 61 253
60 66 229
61 61 269
66 60 253
61 67 297
60 60 249
67 60 263
60 66 231
60 60 284
67 60 295
60 66 288
60 61 261
66 60 283
60 66 246
61 61 283
66 60 290
60 67 273
61 60
66 60
61 67
61 60
66 65
60 61
60 61
66 66
61

Edin Cerjaković PRILOZI Strana XVIII

-Magistarski rad-

Tabela A-3.2. – Statistička obrada podataka za vrijeme obrade na obradnoj mašini 54-62

uzoraka
Distribucija po kojoj se
Broj uzoraka 65 Ciklična
ponašaju podaci
Maksimalna
vrijednost 67 Parametri raspodjele 60, 60, 67
uzorka
vrijednost 60
uzorka
Srednja
aritmetička
62,354
vrijednost
uzorka
Standardna
2,8031
devijacija
Varijansa
7,8572
uzorka
Modus 67
Medijana 61
Relativna
mjera 0,66925
asimatrije
Relativna
mjera -1,4608
spljoštenosti
Koeficijent
0,04495
varijacije
Edin Cerjaković PRILOZI Strana XIX

-Magistarski rad-

Tabela A-3.3. – Statistička obrada podataka za vrijeme izmjene alata na obradnoj mašini 54-62

uzoraka
podaci
Maksimalna
uzorka
vrijednost 212
uzorka
Srednja
aritmetička
267,88
vrijednost
uzorka
Standardna
23,46
devijacija
Varijansa
550,38
uzorka
Modus 283
Medijana 271
Relativna
mjera -0,64498
asimatrije
Relativna
mjera -0,03802
spljoštenosti
Koeficijent
0,08758
varijacije
Statistički test
Chi-Quadrat 0,04344 5,9915
Edin Cerjaković PRILOZI Strana XX

-Magistarski rad-

Tabela A-3.4. - Period izmjene alata na obradnoj mašini 54-62

Period izmjene Alata 1 Period izmjene Alata 2 Period izmjene Alata 3
(komada) (komada) (komada)
188 173 255 183 255 145
136 54 176 132 176 30
107 51 138 358 138 118
138 128 122 173 122 302
122 202 286 63 286 221
286 185 199 42 214 277
250 206 225 128 210 51
174 347 156 138 156 95
156 146 142 249 142 338
142 258 131 114 131 233
150 232 250 172 504 234
129 183 182 285 276 358
116 132 348 186 185 113
168 71 185 367 104 97
348 287 104 51 4 124
185 121 4 95 83 109
104 198 83 300 549 228
4 148 490 190 300 113
83 189 359 98 225 196
549 113 225 67 95 138
228 196 95 100 55 108
297 148 86 54 405 77
355 98 100 148 235 56
285 77 197 189 305 104
305 56 343 113 45 307
45 104 305 196 98 215
281 186 45 138
77 108
56
Edin Cerjaković PRILOZI Strana XXI

-Magistarski rad-


uzoraka
Broj uzoraka 54 Johnson SU
podaci
Maksimalna
γ=-4,2743; δ=2,5647;
λ=81,39; ξ=-46,004
uzorka
vrijednost 4
uzorka
Srednja
aritmetička
178,15
vrijednost
uzorka
Standardna
97,09
devijacija
Varijansa
9426,4
uzorka
Modus 185
Medijana 162
Relativna
mjera 1,2043
asimatrije
Relativna
mjera 2,7865
spljoštenosti
Koeficijent
0,54499
varijacije
Statistički test
Edin Cerjaković PRILOZI Strana XXII

-Magistarski rad-


uzoraka
podaci
Maksimalna
vrijednost 490 Parametri raspodjele k=0,02844; σ=77,904; μ=124,73
uzorka
vrijednost 4
uzorka
Srednja
aritmetička
171,95
vrijednost
uzorka
Standardna
100,28
devijacija
Varijansa
10056,0
uzorka
Modus 138
Medijana 148
Relativna
mjera 0,92068
asimatrije
Relativna
mjera 0,68425
spljoštenosti
Koeficijent
0,5832
varijacije
Statistički test
Edin Cerjaković PRILOZI Strana XXIII

-Magistarski rad-


uzoraka
podaci
Maksimalna
γ=2,3833;δ=1,4919;
λ=1166,9; ξ=-32,685
uzorka
vrijednost 4
uzorka
Srednja
aritmetička
186,25
vrijednost
uzorka
Standardna
115,38
devijacija
Varijansa
13313,0
uzorka
Modus 113
Medijana 150,5
Relativna
mjera 1,0548
asimatrije
Relativna
mjera 1,3049
spljoštenosti
Koeficijent
0,61949
varijacije
Statistički test
Edin Cerjaković PRILOZI Strana XXIV

-Magistarski rad-

Tabela A-4.1. – Vremena trajanja procesa opsluživanja na obradnim mašinama 54-13; 54-16 i 54-20
Vrijeme
Vrijeme
kontrole
kvaliteta
alata (sek)
(sek)
64 50 45 43 50 100 68
66 53 42 44 50 123 73
52 49 58 55 49 118 72
53 49 44 52 49 183 66
54 50 44 46 50 111 68
51 50 42 46 49 278 67
53 50 56 47 50 103 70
47 49 41 42 49 135 69
61 58 40 45 51 176 69
60 53 42 44 55 150 83
58 58 54 43 58 135 73
50 44 48 44 44 148 66
52 59 46 45 42 182 68
50 47 47 49 53 215 72
52 51 48 48 43 155 69
50 54 45 58 50 131 82
50 46 46 45 49 120 73
49 55 47 52 44 147 70
50 53 46 50 66 135 72
53 49 48 49 52 142
50 48 44 49 54
53 52 63 49 51
50 51 64 46 55
50 50 62 55 56
49 50 54 54

Edin Cerjaković PRILOZI Strana XXV

-Magistarski rad-

Tabela A-4.2. – Statistička obrada podataka za vrijeme obrade na obradnim mašinama 54-13; 54-16 i
54-20

uzoraka
Broj uzoraka 124 Lognormal
podaci
Maksimalna
uzorka
vrijednost 40
uzorka
Srednja
aritmetička
50,323
vrijednost
uzorka
Standardna
5,3928
devijacija
Varijansa
29,082
uzorka
Modus 50,49
Medijana 50
Relativna
mjera 0,70941
asimatrije
Relativna
mjera 0,58638
spljoštenosti
Koeficijent
0,10716
varijacije
Statistički test
Edin Cerjaković PRILOZI Strana XXVI

-Magistarski rad-


uzoraka
Broj uzoraka 20 Gumbel Max
podaci
Maksimalna
uzorka
vrijednost 100
uzorka
Srednja
aritmetička
149,35
vrijednost
uzorka
Standardna
41,934
devijacija
Varijansa
1758,5
uzorka
Modus 147
Medijana 138,5
Relativna
mjera 1,6957
asimatrije
Relativna
mjera 3,7164
spljoštenosti
Koeficijent
0,28078
varijacije
Statistički test
Chi-Quadrat 0,63791 5,9915
Edin Cerjaković PRILOZI Strana XXVII

-Magistarski rad-
Tabela A-4.4. – Statistička obrada podataka za vrijeme izmjene alata na obradnim mašinama 54-13;
54-16 i 54-20

uzoraka
podaci
Maksimalna
vrijednost 83 Parametri raspodjele k=0,20313; σ=2,7585; μ=68,774
uzorka
vrijednost 66
uzorka
Srednja
aritmetička
71,053
vrijednost
uzorka
Standardna
4,6365
devijacija
Varijansa
21,497
uzorka
Modus 72
Medijana 70
Relativna
mjera 1,6221
asimatrije
Relativna
mjera 2,5856
spljoštenosti
Koeficijent
0,06525
varijacije
Statistički test
Chi-Quadrat 0,26032 3,8415
Edin Cerjaković PRILOZI Strana XXVIII

-Magistarski rad-

Tabela A-4.5. - Period izmjene alata na obradnim mašinama 54-13; 54-16 i 54-20
Period izmjene Alata 1 (komada) Period izmjene Alata 2 (komada)
56 162 80 52 58 49 35 35
40 148 80 55 32 20 51 25
60 150 60 78 28 64 52 15
50 42 60 70 61 19 37 20
70 60 70 82 62 55 21 18
30 50 50 91 32 43 48 38
50 20 80 60 38 41 59 21
60 20 100 110 25 46 68 30
35 40 50 90 20 49 40 41
40 35 68 40 15 38 32 28
60 45 70 45 42 26 28 62
200 35 89 65 28 35 62 49
60 45 50 47 27 21 29 28
60 27 61 41 15 46 55 22
50 33 73 94 9 69 80 39
30 20 35 76 27 42 40 52
70 30 65 32 33 38 50 36
30 20 62 47 49 50 60 41
60 65 60 70 42 20 60 30
50 55 44 30 49 23 62 22
20 70 48 46 71 44 71 28
70 120 64 72 65 30 48 31
100 100 36 43 39 30 69 39
90 20 47 75 69 52 75 25
100 30 30 25 76 22 61 34
80 50 52 60 71 19 48 32
70 60 44 57 58 47 46 42
60 35 63 60 67 49 60 37
100 44 81 80 28 51 60 32
80 75 30 76 20 33 65 55
20 80 71 80 39 38 50 48
120 70 38 75 40 40 72 21
80 100 91 61 51 58 30 74
80 80 45 49 65 47 37 35
60 60 51 41 55 40 40 41
50 90 42 25 62 31 52 21
80 80 40 15 38 16 49 61
80 80 38 15 67 42 41 42
50 90 30 20 51 51 39 38
70 70 43 30 57 28 64 35
130 80 50 25 40 41 40
150 60 70 10 40 82 30
60 60 63 16 45 65 51
150 40 58 37 42 51 48
90 30 50 38 30 25 49
100 70 29 44 12 20 50
100 80 41 45 20 10 37
120 60 30 48 25 20 49
80 60 32 32 18 25 30
18 70 50 68 90 30 41
Edin Cerjaković PRILOZI Strana XXIX

-Magistarski rad-

Tabela A-4.6. - Period izmjene alata na obradnim mašinama 54-13; 54-16 i 54-20
Period izmjene
Period izmjene Alata 2 (komada) Period izmjene Alata 3 (komada) Alata 4
(komada)
42 60 40 80 100 155 190
48 60 50 96 100 147 245
32 80 45 70 110 99 262
21 80 50 100 90 110 276
61 30 50 80 200 141 198
64 60 50 90 200 128 200
42 30 60 110 100 115 195
40 45 23 80 120 128 118
32 64 100 110 102 220
50 60 150 70 40 232
45 55 100 100 30 210
30 60 50 300 51 221
45 60 110 153 48 254
30 40 90 132 49 400
45 20 50 110 50 400
50 60 90 112 37 348
50 45 60 146 49 400
40 60 106 128 132 400
60 60 100 157 131 400
70 60 120 133 85 400
60 40 80 114 35 400
30 60 100 118 400
60 68 150 128 400
50 58 50 140 400
20 42 200 105 400
10 67 200 125 400
90 84 250 170 300
60 50 150 145 300
30 50 200 105 320
40 50 148 142 280
30 10 211 161 300
60 20 187 112
20 15 200 109
50 35 200 135
50 55 200 150
60 15 30 114
30 65 50 128
70 27 27 142
50 33 33 110
60 20 20 200
60 30 30 195
60 10 10 115
50 30 30 165
40 45 80 198
60 45 80 128
60 45 200 75
50 30 200 182
60 80 200 115
60 20 180 128
30 10 220 108
Edin Cerjaković PRILOZI Strana XXX

-Magistarski rad-

Tabela A-4.7. – Statistička obrada podataka za period izmjene Alata 1 na obradnim mašinama 54-13;
54-16 i 54-20

uzoraka
Broj uzoraka 240 Weibull
podaci
Maksimalna
uzorka
vrijednost 9
uzorka
Srednja
aritmetička
58,013
vrijednost
uzorka
Standardna
28,419
devijacija
Varijansa
807,66
uzorka
Modus 50,00
Medijana 57,00
Relativna
mjera 1,3374
asimatrije
Relativna
mjera 3,5428
spljoštenosti
Koeficijent
0,48988
varijacije
Statistički test
Edin Cerjaković PRILOZI Strana XXXI

-Magistarski rad-

Tabela A-4.8.– Statistička obrada podataka za period izmjene Alata 2 na obradnim mašinama 54-13;
54-16 i 54-20

uzoraka
Broj uzoraka 258 Fatigue Life (3P)
podaci
Maksimalna
vrijednost 90 Parametri raspodjele α=0,09373; β=176,27; γ=-133,6
uzorka
vrijednost 10
uzorka
Srednja
aritmetička
43,45
vrijednost
uzorka
Standardna
16,608
devijacija
Varijansa
275,83
uzorka
Modus 44,06
Medijana 42
Relativna
mjera 0,1929
asimatrije
Relativna
mjera -0,34658
spljoštenosti
Koeficijent
0,38224
varijacije
Statistički test
Edin Cerjaković PRILOZI Strana XXXII

-Magistarski rad-

Tabela A-4.9.. – Statistička obrada podataka za period izmjene Alata 3 na obradnim mašinama 54-13;
54-16 i 54-20

uzoraka
Broj uzoraka 121 Normalna
podaci
Maksimalna
uzorka
vrijednost 10
uzorka
Srednja
aritmetička
118,54
vrijednost
uzorka
Standardna
54,37
devijacija
Varijansa
2956,6
uzorka
Modus 118,54
Medijana 112,00
Relativna
mjera 0,37057
asimatrije
Relativna
mjera 0,1571
spljoštenosti
Koeficijent
0,45871
varijacije
Statistički test
Edin Cerjaković PRILOZI Strana XXXIII

-Magistarski rad-

Tabela A-4.10. – Statistička obrada podataka za peropd izmjene Alata 4 na obradnim mašinama 54-
13; 54-16 i 54-20

uzoraka
podaci
Maksimalna
γ=-0,21291; δ=0,53537;
λ=291,88; ξ=141,29
uzorka
vrijednost 118
uzorka
Srednja
aritmetička
305,45
vrijednost
uzorka
Standardna
87,818
devijacija
Varijansa
7712,1
uzorka
Modus 198
Medijana 300
Relativna
mjera -0,24399
asimatrije
Relativna
mjera -1,2561
spljoštenosti
Koeficijent
0,2875
varijacije
Statistički test
Chi-Quadrat 0,30772 0,30772
Edin Cerjaković PRILOZI Strana XXXIV

-Magistarski rad-

Vrijeme
Vrijeme
kontrole
kvaliteta
alata (sek)
(sek)
179 179 114 231
179 180 146 221
178 180 78 273
178 179 90 184
179 179 95 291
179 180 89 426
178 179 98 281
179 179 115 325
180 180 130 281
179 180 81 247
180 180 127 251
179 180 91 269
178 179 93 230
179 180 86 201
178 179 102 255
179 179 99 189
179 179 90 353
179 179 125 290
180 179 101 211
179 179 107 245
179 179
178 179
179 179
179 179
177 179
181 180
180 180
178 180
179 179
178 179
179 179
179

Edin Cerjaković PRILOZI Strana XXXV

-Magistarski rad-

Tabela A-5.2. – Statistička obrada podataka za vrijeme obrade na obradnoj mašini 56-42

uzoraka
Konstantna
ponašaju podaci
konstantna)
Maksimalna
uzorka
vrijednost 178
uzorka
Srednja
aritmetička
179,15
vrijednost
uzorka
Standardna
0,65412
devijacija
Varijansa
0,42787
uzorka
Modus 179
Medijana 179
Relativna
mjera 0,21186
asimatrije
Relativna
mjera 0,22338
spljoštenosti
Koeficijent
0,00365
varijacije
Edin Cerjaković PRILOZI Strana XXXVI

-Magistarski rad-


uzoraka
podaci
Maksimalna
γ=1,0874; δ=0,91641
λ=96,764; ξ=76,10
uzorka
vrijednost 78
uzorka
Srednja
aritmetička
102,85
vrijednost
uzorka
Standardna
18,071
devijacija
Varijansa
326,56
uzorka
Modus 101
Medijana 98,5
Relativna
mjera 0,87024
asimatrije
Relativna
mjera 0,1483
spljoštenosti
Koeficijent
0,1757
varijacije
Statistički test
Chi-Quadrat 0,51674 5,9915
Edin Cerjaković PRILOZI Strana XXXVII

-Magistarski rad-

Tabela A-5.4.. – Statistička obrada podataka za vrijeme izmjene alata na obradnoj mašini 56-42

uzoraka
Broj uzoraka 20 Lognormal (3P)
podaci
Maksimalna
vrijednost 426 Parametri raspodjele σ=0,41048; μ=4,8173; γ=128,31
uzorka
vrijednost 184
uzorka
Srednja
aritmetička
262,7
vrijednost
uzorka
Standardna
57,919
devijacija
Varijansa
3354,6
uzorka
Modus 290
Medijana 253
Relativna
mjera 1,1972
asimatrije
Relativna
mjera 2,1673
spljoštenosti
Koeficijent
0,22048
varijacije
Statistički test
Chi-Quadrat 0,28955 3,8415
Edin Cerjaković PRILOZI Strana XXXVIII

-Magistarski rad-

Tabela A-5.5. - Period izmjene alata na obradnim mašinama 56-42
Period izmjene Period izmjene Period izmjene Period izmjene Period izmjene Period izmjene
Alata 1 Alata 2 Alata 3 Alata 4 Alata 5 Alata 6
(komada) (komada) (komada) (komada) (komada) (komada)
3000 1920 150 150 187 225
3000 150 150 46 225
465 150 150 31 225
3000 150 150 86 225
3000 150 150 225 225
150 150 225 225
150 150 225 225
150 150 225 225
150 150 225 225
112 150 225 225
130 150 225 225
128 150 225 225
102 150 186
150 150 225
130 150 97
150 150 225
150 150 225
18 58
58 225
81 38
123 182
125 190
115 200
120 175

Edin Cerjaković PRILOZI Strana XXXIX

-Magistarski rad-


uzoraka
podaci
Maksimalna
uzorka
vrijednost 465
uzorka
Srednja
aritmetička
2277
vrijednost
uzorka
Standardna
1115,7
devijacija
Varijansa
1,2447E+6
uzorka
Modus 3000
Medijana 3000
Relativna
mjera -1,4585
asimatrije
Relativna
mjera 1,3717
spljoštenosti
Koeficijent
0,48998
varijacije
Statistički test
Chi-Quadrat
Edin Cerjaković PRILOZI Strana XL

-Magistarski rad-


uzoraka
podaci
Maksimalna
γ=-1,6677; δ=0,72918;
λ=218,69; ξ=-60,31
uzorka
vrijednost 18
uzorka
Srednja
aritmetička
126,75
vrijednost
uzorka
Standardna
33,742
devijacija
Varijansa
1138,5
uzorka
Modus 150
Medijana 140
Relativna
mjera -1,9462
asimatrije
Relativna
mjera 3,9935
spljoštenosti
Koeficijent
0,26621
varijacije
Statistički test
Chi-Quadrat 0,72381 5,9915
Edin Cerjaković PRILOZI Strana XLI

-Magistarski rad-


uzoraka
podaci
Maksimalna
uzorka
vrijednost 31
uzorka
Srednja
aritmetička
174
vrijednost
uzorka
Standardna
70,705
devijacija
Varijansa
4999,1
uzorka
Modus 225
Medijana 212,5
Relativna
mjera -1,1564
asimatrije
Relativna
mjera -0,30209
spljoštenosti
Koeficijent
0,40635
varijacije
Statistički test
Edin Cerjaković PRILOZI Strana XLII

-Magistarski rad-

Vrijeme Vrijeme
obrade izmjene alata
(sek) (sek)
560 355
560 309
559 365
561 370
559 337
561 391
560 343
560 381
560 350
559 339
561 391
559 350
560 348
560 371
561 369
559 355
382
340
321
393
348
356
361
375
369
Edin Cerjaković PRILOZI Strana XLIII

-Magistarski rad-

Tabela A-6.2. – Statistička obrada podataka za za vrijeme obrade na obradnoj mašini 56-08

uzoraka
Konstantna
ponašaju podaci
konstantna)
Maksimalna
uzorka
vrijednost 559
uzorka
Srednja
aritmetička
559,94
vrijednost
uzorka
Standardna
0,7719
devijacija
Varijansa
0,59583
uzorka
Modus 561
Medijana 560
Relativna
mjera 0,1126
asimatrije
Relativna
mjera -1,1942
spljoštenosti
Koeficijent
0,00138
varijacije
Edin Cerjaković PRILOZI Strana XLIV

-Magistarski rad-


uzoraka
podaci
Maksimalna
uzorka
vrijednost 309
uzorka
Srednja
aritmetička
358,76
vrijednost
uzorka
Standardna
21,278
devijacija
Varijansa
452,77
uzorka
Modus 369
Medijana 356
Relativna
mjera -0,32385
asimatrije
Relativna
mjera -0,02916
spljoštenosti
Koeficijent
0,05931
varijacije
Statistički test

Edin Cerjaković PRILOZI Strana XLV

-Magistarski rad-

Vrijeme
alata (sek)
19 19 175
19 19 163
19 19 192
20 19 173
19 19 168
19 19 181
19 20 182
19 20 167
19 19 193
19 19 180
20 20 169
19 19 181
19 19 178
19 20 175
19 20 177
19 19 164
21 19 173
19 19 160
19 19 192
19 21 175
173
165
169
172

Edin Cerjaković PRILOZI Strana XLVI

-Magistarski rad-

Tabela A-6.2. – Statistička obrada podataka za za vrijeme obrade na obradnoj mašini 56-06
Statistički podaci
slučajnih uzoraka
Konstantna
podaci
konstantna)
Maksimalna
uzorka
vrijednost 19
uzorka
Srednja
aritmetička
19,275
vrijednost
uzorka
Standardna
0,55412
devijacija
Varijansa
0,30705
uzorka
Modus 19
Medijana 19
Relativna
mjera 1,9494
asimatrije
Relativna
mjera 3,0421
spljoštenosti
Koeficijent
0,02875
varijacije
Edin Cerjaković PRILOZI Strana XLVII

-Magistarski rad-


uzoraka
ponašaju podaci
Maksimalna
vrijednost 193 Parametri raspodjele k=-0,08009;σ=8,0714; μ=170,56
uzorka
vrijednost 160
uzorka
Srednja
aritmetička
174,88
vrijednost
uzorka
Standardna
8,9846
devijacija
Varijansa
80,723
uzorka
Modus 173
Medijana 174
Relativna
mjera 0,55702
asimatrije
Relativna
mjera -0,08123
spljoštenosti
Koeficijent
0,05138
varijacije
Statistički test
Edin Cerjaković PRILOZI Strana XLVIII

-Magistarski rad-

PRILOG B – Parametri verifikacije simulacionog modela proizvodne linije „Prsten 1“
Tabela B-1.1. – Kapacitetne vrijednosti smjenskih kapaciteta obradnih mašina dobivenih simulacijonim
modelom
13-04; 13-06;
54-34; 54-38; 54-13; 54-16;
13-07; 13-08; 54-62 56-42 56-08
54-39 54-20
13-11
Kapacitet (komada)
196 215 250 277 401 420 429 888 146
215 215 246 281 390 424 438 906 144
215 215 259 277 403 419 424 918 150
215 215 278 279 410 425 427 875 144
215 190 238 271 407 427 426 883 147
215 215 227 281 391 432 430 905 147
184 215 255 278 372 428 435 894 146
215 215 252 285 410 412 439 900 144
214 214 260 279 400 423 445 912 150
215 215 257 280 453 428 449 912 144
215 208 251 279 366 423 442 918 147
215 215 282 273 399 422 447 924 147
202 215 284 274 389 425 439 936 147
215 215 286 281 437 434 147
215 215 283 280 421 443 147
283 279 429 436 150
286 278 439 435
282 277 429 431
283 282 433 432
282 429 430
425 435

Edin Cerjaković PRILOZI Strana XLIX

-Magistarski rad-

Tabela B-1.2. – Statistička obrada podataka kapacitetnih vrijednosti smjenskih kapaciteta obradnih mašina
dobivenih simulacijonim modelom
Statistički podaci slučajnih uzoraka

13-04; 13-06;
Obradna 54-34; 54-38; 54-13; 54-16;
13-07; 13-08; 54-62 56-42 56-08
mašina 54-39 54-20
13-11
Broj uzoraka 30 39 13 42 13 16
Maksimalna
vrijednost 215 286 453 449 936 150
uzorka
Minimalna
vrijednost 184 227 366 412 875 144
uzorka
Srednja
aritmetička
211,77 272,18 399,31 430,86 905,46 146,69
vrijednost
uzorka
Standardna
7,9943 14,718 21,025 8,0231 17,261 2,0565
devijacija
Varijansa
63,909 216,62 442,06 64,369 297,94 4,2292
uzorka
Medijana 215 279 400 429,5 906 147
Relativna
mjera -2,5907 0,05408 1,0379 0,24622 -0,13861 0,27123
asimatrije
Relativna
mjera 5,9325 1,3712 3,2349 -0,06517 -0,40504 -0,53148
spljoštenosti
Koeficijent
0,03775 0,05408 0,05265 0,01862 0,01906 0,01402
varijacije
Edin Cerjaković PRILOZI Strana L

Magistarski Rad Edin Cerjakovic

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Magistarski Rad Edin Cerjakovic

Hochgeladen von

Copyright:

Verfügbare Formate

UNIVERZITET U TUZLI

Tuzla, oktobar 2008. godine

- mentor rada: Dr sc. Alan Topčić, docent

Edin Cerjaković Strana II

Ključne riječi: tokovi materijala, stepen uravnoteženosti, simulacija, simulaciona studija

Edin Cerjaković Strana III

Key words: flow of material, balancing degree, simulation, simulation study

Edin Cerjaković Strana IV

Edin Cerjaković Strana V

4. TEORIJA MASOVNOG OPSLUŽIVANJA I NJENA PRIMJENA U SIMUALCIJI TOKOVA

Edin Cerjaković Strana VI

Slika 1. Struktura proizvodnog sistema ............................................................................................... 7

Edin Cerjaković Strana VII

Edin Cerjaković Strana VIII

Tabela 1. Tip simulacije ..................................................................................................................... 26

Edin Cerjaković Strana IX

Edin Cerjaković Strana X

Edin Cerjaković Strana XI

tinc - inicijalno vrijeme

Edin Cerjaković Strana XII

Osnovni cilj svakog proizvodnog sistema je ostvarenje predviđene proizvodnje

Edin Cerjaković Strana 1

1.1. Problem istraživanja

Primjenom savremenih tehnologija u cilju smanjenja troškova proizvodnje, proizvodni

Edin Cerjaković Strana 2

1.2. Cilj istraživanja

Cilj istraživanja magistarskog rada je identifikacija "slabih" mjesta u realnom proizvodnom

Planirana istraživanja su realizirana u postojećem proizvodnom sistemu okarakteriziranom

Edin Cerjaković Strana 3

1.3. Osnovne hipoteze

U skladu sa definiranim problemom i ciljem istraživanja postavljene su slijedeće hipoteze:

Zakonitost dinamičkih procesa toka materijala unutar proizvodnog sistema sa proizvodnim

Primjenom simulacione studije na tokove materijala unutar proizvodnog sistema moguće je

1.3.1. Ograničenja hipoteza

U odnosu na postavljene hipoteze, a uzimajući u obzir usvojeni poligon istraživanja

1.4. Korištene metode

Za planirana istraživanja u ovom magistarskom radu korištene su slijedeće metode:

Edin Cerjaković Strana 4

• provođenje simulacionog eksperimenta.

1.5. Očekivani rezultati

Očekivani rezultati, shodno problemu i cilju istraživanja, te postavljenim hipotezama

Edin Cerjaković Strana 5

2. TOKOVI MATERIJALA U PROIZVODNIM SISTEMIMA

2.1.1. Struktura proizvodnih procesa

Edin Cerjaković Strana 6

time i troškove isporuke i posložnjavaju proces proizvodnje. To posložnjavanje smanjuje

Slika 1. Struktura proizvodnog sistema

Edin Cerjaković Strana 7

Pored prethodnog prikaza strukture, proizvodne sisteme je moguće strukturisati i prema

Slika 2. Struktura proizvodnih sistema

2.2. Unutrašnji transport

U svim granama industrije, posebno u metaloprerađivačkoj, unutrašnji transport vrši jednu

Edin Cerjaković Strana 9

− odlaganje i skladištenje materijala na pod treba izbjegavati, s obzirom da u najvišem

2.2.2. Kapacitet transportne opreme i uzroci nagomilavanja u transportnim

Edin Cerjaković Strana 10

− odsustvo sa radnog mjesta;

Analiza uticajnih faktora i izračunavanje veličina i posljedica stohastičnih nagomilavanja,

2.3. Tok materijala

2.3.1. Funkcija toka materijala

Edin Cerjaković Strana 11

proizvodnje i montaže, odnosno da vrši dopremu i otpremu potrebnih resursa u skladu sa

Slika 3. Procesi unutar proizvodnog sistema

Edin Cerjaković Strana 12