SOFTWARES DE SIMULAÇÃO

1. SOFTWARES DE SIMULAÇÃO MB-761 – Prof. Anderson Ribeiro Correia

2. Introdução • Do estudo de simulação, observa-se queváriosrecursosnecessários para programaçãosãocomuns à maioria dos modelos de simulação de eventosdiscretos: • Geração de númerosaleatórios; • Geração de variáveisaleatórias para funções de distribuição de probabilidadeespecíficas; • Avanço do tempo de simulação; • Coleta das estatísticas dos dados de saída; • Detecção de condições de erro. • Essasimilaridade de recursoslevouaodesenvolvimento de pacotes de simulação (softwares).

3. Software de simulação vs. Linguagem de programação

4. Software de simulação vs. Linguagem de programação

5. CLASSIFICAÇÃO Com o passar do tempo... • Evolução dos últimos anos: • Linguagem de simulação: tentaram tornar seus softwares mais fáceis de serem utilizados, empregando ferramentas de construção gráfica dos modelos. • Softwares de simulação: tentaram tornar seus softwares mais flexíveis, permitindo programação em alguns determinados locais. • Atualmente, é pequena a distinção entre linguagem de simulação e simuladores.

6. CLASSIFICAÇÃO Classificação dos pacotes de simulação • Software de simulação genérico: pode ser usado para qualquer aplicação. • Software de simulação orientado para aplicações específicas: desenvolvido para uso em certas áreas de aplicação como manufatura, assistência médica, comunicação, computação, etc.

7. Avaliação de softwares de simulação

8. Introdução • Devido à grande popularidade da sua aplicação na modelagem e análise de problemas em diferentes áreas, diversos softwares de simulação estão disponíveis no mercado. • Simulation Software Survey(2003): identificou 48 softwares de simulação de eventos discretos; • Buyer’sGuideSimulation(Elliot, 2000): cita 59 opções de softwares de apoio estatístico e, principalmente, de simulação.

9. Estudos de avaliação e seleção de softwares de simulação de eventos discretos Silva, A. K. Método para avaliação e seleção de softwares de simulação de eventos discretos aplicados à análise de sistemas logísticos. Dissertação de Mestrado. USP, São Paulo, 2006.

10. Principais características abordadas • Entrada de dados • Interface com outros softwares • Capacidade de análise de dados de entrada • Portabilidade (independência de sistema operacional) • Flexibilidade de entrada (interativa e batch) • Desenvolvimento do modelo • Sintaxe (consistente e sem ambiguidades) • Depuração interativa (interactivedebugger) • Flexibilidade e concisão na modelagem • Precisão e fidelidade do modelo • Configuração de atributos às entidades • Possibilidade de programação para incorporar características especiais

11. Principais características abordadas • Saída de dados • Relatórios padrão com medidas de desempenho • Relatórios personalizados • Análise estatística • Geração de gráficos • Eficiência e teste • Manutenção do banco de dados (organização) • Capacidade de animação – facilidade de desenvolvimento, qualidade das figuras, suavidade nos movimentos, etc.

12. Principais características abordadas • Execução • Velocidade de execução • Tamanho do modelo • Roteamento condicional (conditionalrouting) • Suporte técnico • Ajuda online • Tutorial online • Suporte ao cliente

13. AVALIAÇÃO SOFTWARES DE SIMULAÇÃO Verificação das características • É importante conhecer quais critérios são relevantes e quais não são apropriados para cada caso em particular: • Áreas de aplicação atual e futura • Tipos de produtos e serviços • Tipos de clientes • Processos de negócios • Recursos desejados • Definir o grau de importância de cada critério, a fim de determinar quais critérios devem ser atendidos (eliminatórios) ou não necessariamente.

14. AVALIAÇÃO SOFTWARES DE SIMULAÇÃO Verificação das características • Coletar quais softwares de simulação estão disponíveis no mercado. • Identificar suas características através de fornecedores, versões de experimentação, artigos de pesquisa ou especialistas. • Verificar quais softwares atendem aos critérios determinados.

15. AVALIAÇÃO SOFTWARES DE SIMULAÇÃO Verificação da qualidade • Após definir os softwares que satisfazem todas as características necessárias, deve-se avaliar a qualidade de suas características: • Elaboração de estudo de caso; • Execução de experimentos; • Coleta de informações a partir de artigos de pesquisa e especialistas.

16. DESTAQUE Além disso... • A disponibilidade de animação e gráficos dinâmicos é uma das razões para o aumento do uso de modelagem por simulação, pois permite: • Comunicar a essência de um modelo de simulação para gerência ou que não têm conhecimento de detalhes técnicos do modelo; • Depurar (debug) o programa de simulação; • Mostrar que um modelo de simulação não está válido; • Melhor visualização de melhorias dos processos operacionais de um sistema; • Treinar equipe do operacional.

17. DESTAQUE Animação e gráficos dinâmicos

18. Projeto e planejamento de experimentos de simulação

19. Introdução • A experimentaçãoé o processooutécnicaestatísticaempregada com o propósito de determinar como o comportamento de um sistema pode ser influenciado pelos possíveis valores de uma ou mais variáveis.

20. Introdução • De acordo com Montgomery (1997), os objetivos perseguidos no processo experimental são: • Definir quais variáveis tem mais influência sobre as respostas; • Definir que valores associar a estas variáveis de forma que: • As respostas permaneçam próximas a seus valores nominais; • A variabilidade das respostas seja mínima; • A influência dos fatores não controláveis seja minimizada

21. Introdução • Porém... • Sistemas complexos envolvem um grande número de fatores a serem testados. • Como então obter o máximo de informações com o mínimo de esforço? Estratégias de projeto e planejamento de experimentos. • Experimentos bem projetados são mais fáceis de serem analisados.

22. Introdução • Exemplo: Considere um atleta de kitesurf. • Fatores que podem alterar seu desempenho: • Tipo de prancha: média (M) ou grande (G); • Tipo de kite: pequeno (P) ou grande (G); • Tipo de quilha: pequena (P) ou grande (G); • Condições de vento local: fraco (F) ou moderado (M); • Condições do mar: calmo (C) ou agitado (A); • Atividade na noite anterior: dormindo (D) ou festa (F). • Como fatores podem influenciar seu desempenho?

23. Terminologia • Variável de resposta: variáveis cujos valores expressam os resultados de um experimento, permitindo a observação do comportamento do sistema. • Ex. velocidade alcançada em determinado trecho. • Fatores: variáveis controladas pelo experimentador e que podem afetar as variáveis de resposta. • Níveis: valores que um fator pode assumir. • Replicações: repetição de todos ou de alguns experimentos. • Projeto: especificação de uma estratégia de ação que resulta na determinação do número de experimentos (combinações entre fatores e seus níveis) a serem realizados, do número de replicações de cada experimento e forma de execução. • Ex. considerando todas as combinações possíveis para os níveis dos cinco fatores e 5 replicações, serão: 2 x 2 x 2 x 2 x 2 = 32 experimentos 32 x 5 = 180 observações

24. Estratégias de Projetos Experimentais • Bom senso • Um fator por vez • Projeto fatorial completo • Projeto fatorial fracionário • Projeto fatorial com replicações

25. Estratégia do Bom Senso • Muito empregada no dia a dia de engenheiros e pesquisadores; • Exige experiência prática, técnica e teórica sobre o sistema e as condições de teste que o envolve. • Ex. • A princípio, verifica-se a necessidade de realizar 32 experimentos, mas: • Fatores 4 e 5 ( condição do vento e do mar) não são controláveis; • Considerando assim as condições do vento e do mar, o surfista escolhe um tamanho de prancha, um kite e uma quilha. • Uma vez no mar, ele verifica sua performance considerando sua velocidade em relação aos outros velejadores e sua condição para realizar manobra; • A partir deste sentimento de sua performance, ele realiza mais um ou dois experimentos e conclui sobre qual melhor combinação de equipamentos (fatores 1, 2, 3) lhe dará as melhores condições de surfar, diante do cenário que lhe é imposto (fatores 4 e 5).

26. Estratégia Um Fator por Vez • Conhecida também como projeto experimental simples, esta estratégia propõe a variação de um fator por vez, mantendo os demais fixos. • O processo segue até que todos os testes tenham sido realizados, considerando-se todos os fatores e seus respectivos níveis. • Os resultados são analisados a partir de tabelas ou gráficos. Kite Prancha Quilha

27. Estratégia Um Fator por Vez • Um ponto fraco desta estratégia é que desconsidera um elemento fundamental que é a interação entre os fatores. • Portanto, esta estratégia requer que os fatores sejam independentes para evitar conclusões erradas.

28. Projeto Fatorial Completo • Estratégia emprega todas as combinações possíveis entre os fatores e seus diferentes níveis. • Os fatores são variados juntos. • Possibilita a avaliação das interações entre os fatores. • Desvantagem: custo pode ser muito alto, uma vez que é necessário repetir várias vezes um experimento. • Para reduzir o número de experimentos, pode-se: • Reduzir o número de níveis por fator; • Reduzir o número de fatores; • Usar projetos fatoriais fracionários.

29. Projeto Fatorial Fracionário • Realiza somente parte dos experimentos de um projeto fatorial completo: • O pesquisador assume que as interações de maior ordem (2ᵃ ordem ou acima) podem ser desprezíveis. • Informações sobre os efeitos principais e interações de ordem menor podem ser obtidas. • O projeto deve ser cuidadosamente projetado para capturar melhor qualquer interação que possivelmente exista. • Pode ser útil quando se sabe a priori que alguns fatores não interagem.

30. Projetos Fatoriais • Tipo de estratégia empregada para determinar o efeito de k fatores. • Os níveis dos fatores são binários, ou seja, cada um é caracterizado por duas alternativas. • Cada fator utilizado é representado por seu nível máximo e mínimo. • Em geral, são usados de maneira preliminar, antes de estudos mais detalhados. • Permite o entendimento dos efeitos de cada fator sobre as variáveis de resposta, possibilitando a identificação de fatores com pouca ou nenhuma importância no desempenho do sistema. • COLOCAR EXEMPLO OU NÃO? (10 SLIDES +- para um exemplo 2k sendo k=2) • http://www.mec.ita.br/~rodrigo/Disciplinas/MOQ14/S11.pdf • http://homepages.dcc.ufmg.br/~virgilio/download/quant2006-1/bloco10.pdf

31. Considerações Finais