Keď má konštruktér k dispozícii presnú hodnotu, výpočet je jednoduchší. V praxi však pevnosť materiálu, zaťaženie, rozmery súčiastky či čas poruchy nikdy nemajú úplne rovnakú hodnotu.
Práve tu vstupuje do výpočtu náhoda. Inžinier neurčí jeden „správny“ scenár, ale nechá model prebehnúť veľakrát s rôznymi vstupmi. Z tisícov výsledkov potom vidí, čo sa deje bežne a kde už začína problém.
Náhodné čísla poznáme aj z hier
Generátor náhodných čísel sa nespája iba s laboratóriom alebo výpočtovým softvérom. Používajú ho počítačové hry pri miešaní kariet, výbere predmetov, tvorbe máp či určovaní výsledkov niektorých udalostí.
Pri online kasínach sa téma náhodnosti objavuje najmä pri automatoch a digitálnych stolových hrách. Ak vás zaujíma praktické členenie takýchto hier, čítajte viac na slovenskekasina.com v prehľade automatov, kartových hier, rulety a ďalších kategórií. Stránka zároveň uvádza informácie o licenciách, platobných možnostiach a podmienkach jednotlivých kasín.
V technickej simulácii však náhodné číslo plní inú úlohu. Predstavuje jednu možnú hodnotu vstupu, napríklad pevnosť ocele alebo veľkosť zaťaženia. Počítač potom sleduje, čo táto konkrétna kombinácia urobí s modelom.
Jeden výpočet nestačí
Predstavme si mostný prvok. Jeho skutočné rozmery sa môžu mierne odlišovať od projektu, pevnosť materiálu kolíše a ani zaťaženie nie je každý deň rovnaké.
Žilinská univerzita opisuje metódu Monte Carlo ako opakovanú numerickú simuláciu, pri ktorej sa zakaždým použije iný náhodne vytvorený vektor vstupných parametrov. Výsledky sa potom štatisticky vyhodnotia a z počtu nevyhovujúcich behov sa dá odhadnúť pravdepodobnosť poruchy.
Pri jednom behu môže model dostať vyššiu pevnosť materiálu a malé zaťaženie. V ďalšom sa objaví menej priaznivá kombinácia. Práve opakovanie ukáže, ako často sa systém dostane k hranici, ktorú už projektant nechce prekročiť.
Vstup musí mať rozumné rozdelenie
Počítač môže náhodne vybrať číslo, ale inžinier mu musí povedať, z akého rozsahu má vyberať. Hrúbka plechu predsa nemôže kolísať rovnako ako denná intenzita dopravy.
Pred simuláciou sa preto určujú rozdelenia vstupných veličín. Použiť sa môže normálne, lognormálne alebo iné rozdelenie podľa toho, čo opisujú merania a technické dáta. Pri príprave modelu treba mať jasno najmä v tomto:
- Aká hodnota sa pri meraniach objavuje najčastejšie.
- Ako veľmi sa reálne hodnoty od priemeru vzďaľujú.
- Ktoré hodnoty sú fyzikálne alebo technicky nemožné.
- Závislosti. Či zmena jednej veličiny ovplyvňuje inú.
- Počet behov. Koľko simulácií stačí na stabilný výsledok.
Zlé vstupné údaje nevylepší ani milión behov. Ak model dostane nereálne rozdelenie pevnosti materiálu, veľmi presne vypočíta nesprávnu vec.
Preto sa veľa práce odohrá ešte pred samotnou simuláciou. Merania, skúšky materiálu a prevádzkové dáta určujú, čo má počítač vlastne generovať.
Tolerancia súčiastky sa dá premeniť na tisíce kusov
Monte Carlo dobre funguje aj pri výrobe. Výkres môže určiť priemer hriadeľa 20 mm s povolenou toleranciou, no z výrobnej linky nevychádza každý kus identický.
Do modelu sa vloží rozdelenie rozmerov hriadeľa, otvoru a ďalších súčiastok. Program vytvorí tisíce virtuálnych kombinácií a kontroluje, koľko z nich sa dá správne zmontovať.
Takýto výpočet vie odhaliť problém ešte pred sériovou výrobou. Ak veľa kombinácií končí mimo požadovaného rozsahu, technológ môže upraviť toleranciu alebo výrobný proces skôr, než vzniknú reálne nepodarky.
Náhoda pomáha aj mimo strojárstva
Rovnaký princíp sa používa pri doprave, energetike či ekonomických modeloch. Dopravný model môže meniť časy príchodov vozidiel, dĺžku kolóny alebo počet cestujúcich. Energetický výpočet zase pracuje s premenlivou spotrebou či výrobou.
Zaujímavé využitie náhodného prehľadávania nájdeme aj pri herných algoritmoch. Materiály Technickej univerzity v Košiciach sa venujú Monte Carlo Tree Search, teda postupu, pri ktorom algoritmus opakovane skúša možné pokračovania hry a podľa výsledkov vyberá perspektívnejšie vetvy.
Tu už nejde o pevnosť nosníka ani výrobnú toleranciu. Princíp opakovania však zostáva podobný: namiesto výpočtu všetkých možností sa skúša veľa čiastkových priebehov a výsledky postupne spresňujú rozhodovanie.
Pseudonáhoda je pre simuláciu často výhoda
Väčšina počítačových simulácií používa pseudonáhodné čísla vytvorené algoritmom zo zvoleného semena. Ak sa objaví zvláštny výsledok, rovnaké semeno umožní zopakovať presne tú istú sériu vstupov a skontrolovať, čo sa stalo.
Nové semeno vytvorí inú sériu hodnôt, takže testovanie môže pokračovať s ďalšími kombináciami.
Výsledkom nie je jedno číslo
Monte Carlo simulácia často skončí histogramom, intervalom alebo pravdepodobnosťou. Projektant vidí, ako často model prekročil stanovenú hranicu a ktoré vstupy sa pri problémových behoch opakovali.
Pri výrobe môže sledovať kusy mimo tolerancie, pri doprave oneskorenia a pri spoľahlivosti simulované poruchy. Práve tieto údaje ukazujú, čo sa deje aj mimo priemerných
