Discursivas Pesquisa Operacional

Prévia do material em texto

Discursivas Pesquisa Operacional
1 - O que é pesquisa operacional?
Estudo, desenvolvimento e aplicação de métodos analíticos avançados.
Outro conceito:
A Sociedade Brasileira de Pesquisa Operacional (Sobrapo) define Pesquisa Operacional (PO) como a área de
conhecimento que estuda, desenvolve e aplica métodos analíticos avançados para auxiliar na tomada de melhores
decisões nas mais diversas áreas de atuação humana.
2 – Quais as áreas de aplicações do PO?
▪ Energia;
▪ Prospecção e exploração de petróleo;
▪ Gerência de operações;
▪ Logística;
▪ Finanças;
▪ Marketing;
▪ Planejamento e gestão de sistemas de serviços;
▪ Segurança da informação;
▪ Administração industrial;
▪ Gestão da qualidade e análise locacional.
3 – Quais as características do PO?
- Diferentes métodos;
- Trabalho em equipe;
- Estudo de cenários;
- Profissionais capazes.
4 – Qual a diferença entre Modelo e Modelagem?
Modelo é uma proposta já definida e pronta para uso, enquanto modelagem é uma metodologia aplicada ao
desenvolvimento de um modelo específico.
Modelo: algoritmo predefinido, problemas de baixa complexidade, pronto emprego.
Modelagem: modelo “personalizado”, problemas complexos, prazos maiores.
5 – Quais as Fases de estudo de PO?
- Estudar o problema;
- Levantar e tratar dados;
- Definir metodologia;
- Analisar resultados;
- Implantar propostas.
6 – Quais os tipos de modelo?
- Modelos conceituais: relacionam de maneira sequencial e lógica as interações e as atividades existentes no
processo em estudo, de modo a possibilitar o estudo do processo e alcançar os objetivos definidos. É o tipo de
modelo recomendado para as etapas iniciais do processo de modelagem.
- Modelos físicos: são modelos reduzidos em escala, tais como modelos de aeronaves, maquetes de
edificações etc. Não são empregados em PO.
- Modelos heurísticos: são construídos quando a complexidade do problema é de tal ordem que a utilização de
relações matemáticas é inviável ou extremamente dispendiosa. Esses modelos baseiam-se em regras empíricas ou
intuitivas que, após se obter uma solução para o problema, permitem avançar para uma solução mais aprimorada.
- Modelos matemáticos: necessitam que as informações e as variáveis relevantes do problema sejam
quantificáveis. Consequentemente, as grandezas são representadas por variáveis de decisão, e se usam
expressões/funções matemáticas para descrever as relações entre elas e a operação do sistema.
7 – Qual o objetivo do Modelo em PO?
O objetivo do modelo em PO é basicamente representar um fenômeno físico, uma realidade existente. Se o modelo
for simplificado em demasia, pode não representar a realidade; se for complexo em demasia, pode não ser
exequível.
8 - Definições de Modelo:
O conceito de modelo nos remete à ideia de uma referência, de um padrão.
- O que serve para ser imitado;
- Representação matemática;
- Representação simplificada da realidade.
9 – Definição de Modelagem:
O dicionário Michaelis (2001) define “modelagem” como a operação de modelar e também define “modelar” como a
ação de fazer o modelo ou o molde. Portanto, é possível afirmar que modelar é criar um modelo.
10 – Quais as vantagens e as desvantagens da Modelagem?
Vantagens:
- Identificar variáveis a estudar;
- Explicitar objetivos;
- Identificar limitações.
Desvantagens:
- Consome tempo;
- Consome recursos;
- Requer experiência.
11 - Processo de resolução de um problema (Lachtermacher, 2009)
Na perspectiva de Andrade (2009), na fase de definição do problema deve-se descrever os objetivos do
estudo de forma exata, para delinear a concepção do modelo; identificar as alternativas existentes de decisão; e
identificar limitações, restrições e exigências do sistema.
Na fase de construção do modelo, deve-se escolher o modelo mais apropriado (programação linear,
simulação, entre outros) para a representação do sistema, tendo como referência a definição do problema.
A solução do modelo é função do modelo adotado. A programação linear poderá fornecer uma solução, dita
“ótima”, e a simulação proporciona uma solução a partir da análise dos resultados obtidos.
A fase de validação do modelo ocorre se o modelo for capaz de fornecer uma previsão aceitável e compatível
do comportamento do sistema real e a resposta fornecida pelo modelo puder subsidiar uma decisão que possa ser
factível.
A fase implementação da solução é realizada após avaliadas as vantagens que pode proporcionar, bem
como a sua validade. Ela pode ser materializada em regras operacionais.
Por fim, é realizada uma avaliação final do modelo e dos resultados obtidos.
12 –
A validação do modelo conceitual tem por objetivo verificar o quanto a proposta do modelo está adequada
ao processo em estudo. A verificação do modelo computacional é realizada para identificar a existência de
algum erro na programação (ou no emprego do software). A validação operacional é realizada para avaliar se
os dados obtidos com o modelo são coerentes com os dados reais. Após validado e verificado, o modelo está apto
para ser usado.
13 – Em que consiste a Programação Linear e qual seu objetivo?
Basicamente a PL consiste em um modelo matemático que emprega somente funções lineares e tem uma
“forma–padrão”, na qual estão designadas a função objetivo e as restrições, sendo estas últimas inequações. O
objetivo da PL é otimizar o emprego de recursos escassos.
14 - Programação linear
- Desenvolvida após a IIGM;
- 1945: primeira aplicação (mistura);
- 1947: Dantzig, “método simplex”;
- Ferramenta de gestão;
- Planilhas eletrônicas;
- Usa modelo matemático com funções lineares;
- É um algoritmo que pode ser usado para problemas diários;
- Recursos escassos;
- Solução ótima;
- Tipos de problemas;
- Maximização
- Minimização
15 – Quais as Áreas de aplicação e objetivo da Programação Linear?
- Adm./problemas de produção;
- Investimentos;
- Alocação de recursos;
- Logística;
- Transportes;
- Designação de equipes;
- Outros.
16 - Forma-padrão: diz-se que um problema de programação linear está na forma padrão se a formulação
matemática está no seguinte modelo: Maximizar 𝑍 = 𝑐1𝑥1 + 𝑐2𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛,
sujeito às restrições
𝑎11𝑥1 + 𝑎12𝑥2 + ⋯ + 𝑐1𝑛 𝑥𝑛 ≤ 𝑏1 𝑎21𝑥1 + 𝑎22𝑥2 + ⋯ + 𝑐2𝑛 𝑥𝑛 ≤ 𝑏2
..................................................
𝑎𝑚1𝑥1 + 𝑎𝑚2𝑥2 + ⋯ + 𝑐𝑚𝑛 𝑥𝑛 ≤ 𝑏𝑚
e 𝑥1 ≥ 0, 𝑥2 ≥ 0, ..., 𝑥𝑛 ≥ 0
A terminologia comum para o modelo de programação linear é (Hillier; Lieberman, 2010):
∙ Função objetivo: é a função 𝑐1𝑥1 + 𝑐2𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛 que está sendo maximizada. ∙ Restrições: são as limitações
do tipo 𝑎𝑖1𝑥1 + 𝑎𝑖2𝑥2 + ⋯ + 𝑐𝑖𝑛 𝑥𝑛 ≤ 𝑏𝑖 , com (𝑖 = 1, 2, … , 𝑚).
∙ Restrições de não negatividade (ou condições não negativas): 𝑥𝑗 ≥ 0, com (𝑗 = 1, 2, … , 𝑛). ∙ Constantes numéricas
(números): 𝑎𝑖𝑗, 𝑏𝑖 e 𝑐𝑗 .
∙ Variáveis de decisão: são as variáveis independentes 𝑥1, 𝑥2, … , 𝑥𝑛, que se deseja conhecer; 𝑍 é a variável
dependente.
Prosseguindo, Hillier e Lieberman (2010) apresentam de forma didática outras formas legítimas que podem fazer
parte de problemas de programação linear. São as seguintes:
1. Minimizar em vez de maximizar a função objetivo:
Minimizar 𝑍 = 𝑐1𝑥1 + 𝑐2𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛.
2. Algumas restrições com desigualdades do tipo maior do que ou igual a:
𝑎𝑖1𝑥1 + 𝑎𝑖2𝑥2 + ⋯ + 𝑐𝑖𝑛 𝑥𝑛 ≥ 𝑏𝑖 , para alguns valores de i, com (𝑖 = 1, 2, … , 𝑚).
3. Algumas restrições na forma de equação:
𝑎𝑖1𝑥1 + 𝑎𝑖2𝑥2 + ⋯ + 𝑐𝑖𝑛 𝑥𝑛 = 𝑏𝑖 , para alguns valores de i, com (𝑖 = 1, 2, … , 𝑚).
4. Eliminar as restrições não negativas para algumas das variáveis de decisão:
𝑥𝑗 irrestrita em sinal para alguns valores de j, com (𝑗 = 1, 2, … , 𝑛).
Para os problemas de PL de Maximização tem que haver pelo menos uma restrição do tipo ≤ (menor
ou igual), e para os problemas de Minimização tem que haver pelo menos uma restrição do tipo ≥ (maior
ou igual).
17 - A indústria Maximóveis fabrica dois tipos de produtos: cadeiras e mesas. Os produtos apresentam as margens
de contribuição por unidade conforme a Tabela 2.1.
Tabela 2.1 –Margens de contribuição unitárias dos produtos
Os produtos são processados por dois departamentos: montagem e acabamento. Ao passar por esses
departamentos, cada unidade do produto consome determinado número de horas, conforme indicado na Tabela 2.2.
Tabela 2.2 – Consumo de tempo nos departamentos
Os departamentos apresentam, contudo, limitação em sua capacidade produtiva, como mostra a Tabela 2.3.
TABELA 2.3 – Capacidade produtiva dos departamentos
Deseja-se saber qual é a melhor combinação possível de cadeiras e mesas a serem produzidas, de forma a obter a
maior margem de contribuição total.
e 𝑥1 ≥ 0, 𝑥2 ≥ 0
18 - Um artesão é especializado em pintura decorativa de pratos cerâmicos e vende seu artesanato em uma feira
que funciona todas as noites. Ele realiza uma pintura básica em pratos rústicos e grandes e uma pintura refinada
nos pratos delicados e pequenos. Os pratos grandes são vendidos por $ 4,00, e os pratos pequenos, por $ 6,00.
Ele consegue vender pelo menos 3 pratos grandes e somente 4 pratos pequenos por noite. Os pratos grandes são
pintados em 54 minutos, e os pratos pequenos são pintados em 1 hora e 36 minutos. Antes das vendas noturnas, o
artesão desenvolve seus projetos em jornadas diárias de trabalho de 8 horas. Para melhor empregar seu tempo, ele
deseja saber quantos pratos de cada tipo ele precisa pintar para obter a maior receita possível. Solução proposta de
modelagem do problema de programação linear:
e 𝑥1 ≥ 0, 𝑥2 ≥ 0
19 – O que é o Plano Cartesiano?
O sistema de coordenadas cartesianas (plano cartesiano) é usado para fazer a localização gráfica de pares de
números reais e tem por base duas retas perpendiculares.
O eixo horizontal é denominado eixo dos “x”, e o eixo vertical é denominado o eixo dos “y”.
20 - Veja os exemplos na Figura 1 de locação de ponto e de reta: o ponto P (3, 5) locado no plano cartesiano,
possui 𝑥𝑝 igual a 3 e 𝑦𝑝 igual a 5; a reta 𝑦 + 2𝑥 = 4, com 𝑥 ≥ 0 e 𝑦 ≥ 0 pode ser locada a partir dos pontos (0, 4) e (2,
0). Para obter tais pontos pertencentes à referida reta, basta fazer 𝑥 = 0 na reta, para obter 𝑦 = 4 e, em seguida,
fazer 𝑦 = 0 na reta, para obter 𝑥 = 2.
Figura 1 – Exemplo de locação de ponto e de reta
21 – O que é Solução Gráfica?
A solução gráfica é uma forma didática de solução de problema de programação linear.
No “mundo real”, os problemas têm mais do que duas variáveis de decisão, pois as atividades sofrem diversas
restrições. No entanto, a solução gráfica nos permite visualizar em uma perspectiva gráfica as limitações impostas
pelas diferentes restrições e, assim, possibilitar a interpretação de possíveis soluções de problemas de
Programação Linear.
22 - O roteiro da solução gráfica é basicamente:
a) traçar as retas originárias das inequações que definem as restrições;
b) determinar os pontos de interseção entre as retas (esta etapa pode ser executada após a letra C,
para se calcular apenas os pontos de interesse);
c) identificar a área que as inequações definem como verdade (área comum às inequações);
d) testar as possíveis soluções (vértices) para encontrar o valor da função objetivo.
23 – O que é um Conjunto convexo?
É um conjunto de pontos em que todos os segmentos de reta que unem 2 de seus pontos são internos ao conjunto
(todos os pontos de cada segmento também pertencem ao conjunto original) (Lachtemacher, 2007).
24 - Terminologia: para tratar de tipos de soluções para modelos de programação linear, usa-se a seguinte
terminologia (Lachtermacher, 2007; Hillier, Lieberman, 2010):
∙ Solução: qualquer especificação de valores para as variáveis de decisão, independentemente de ser desejável
ou mesmo ser uma opção admissível.
∙ Solução viável: é aquela para a qual todas as restrições são satisfeitas. Por exemplo, na Figura 5, verifica-se
que P1 e P2 são soluções viáveis.
∙ Solução inexistente: existe a possibilidade de que o problema de programação linear não possua solução
viável, ou seja, não existe solução para o problema. Tal situação é apresentada na Figura 6.
∙ Solução inviável: é aquela para a qual pelo menos uma das restrições é violada. Por exemplo, na Figura 5,
verifica-se que P3 não atende a restrição 𝒙𝟏 ≤ 𝟒, e P4 não atende a restrição 𝟔𝒙𝟏 + 𝟑𝒙𝟐 ≤ 𝟒𝟖.
∙ Região de soluções viáveis: é o conjunto de todas as soluções viáveis – como exemplo, a área hachurada
nas Figuras 3b, 4b e 5.
· Solução ótima: uma solução viável que tem o valor mais favorável da função objetivo, isto é, maximiza (maior
valor) ou minimiza (menor valo) a função objetivo em toda a região viável, podendo ser única ou não.
∙ Soluções ótimas múltiplas: é a situação em que há um número infinito de soluções ótimas, cada uma com o
mesmo valor ótimo da função objetivo. Na Figura 7, o segmento de reta, em vermelho, possui múltiplas soluções
ótimas.
· Soluções ilimitadas (Z ilimitado): é a situação em que não há uma solução ótima porque as restrições não
impedem que se aumente indefinidamente o valor da função objetivo (Z) na direção favorável, como pode ser visto
na situação apresentada na Figura 8.
25 - Teoremas: Lachtermacher (2007) define informalmente que “um conjunto convexo é um conjunto de pontos
em que todos os segmentos de reta que unem dois de seus pontos são internos ao conjunto, isto é, todos os pontos
de cada segmento também pertencem ao conjunto original”. Esta definição pode ser materializada graficamente,
quando há duas variáveis de decisão; o conjunto convexo é a área hachurada nas Figuras 3b e 4b. A partir da
compreensão do que seja conjunto convexo, o autor apresenta os seguintes teoremas pertinentes à programação
linear:
∙ Teorema I: o conjunto de todas as soluções viáveis de um modelo de programação linear é um conjunto
convexo.
∙ Teorema II: toda solução compatível básica (solução óbvia) do sistema de equações lineares de um modelo de
programação linear é um ponto extremo do conjunto de soluções viáveis, isto é, do conjunto convexo de soluções.
∙ Teorema III: se uma função objetivo possui um único ponto ótimo finito, então este é um ponto extremo do
conjunto convexo de soluções viáveis.
∙ Teorema IV: se a função objetivo assume o valor ótimo em mais de um ponto do conjunto de soluções viáveis
(soluções múltiplas), então ela assume este valor para pelo menos dois pontos extremos do conjunto convexo e
para qualquer combinação convexa desses pontos extremos, isto é, todos os pontos do segmento de reta que
unem estes dois extremos, ou seja, a aresta do polígono que contém esses extremos.
26 - Problemas de mistura: são relativamente frequentes em programação linear. Seu objetivo é encontrar a
melhor mistura de ingredientes nos produtos finais para atender a determinadas especificações. Pode ter o objetivo
tanto de maximizar como de minimizar.
27 – Quando pode ocorrer a aplicação do método simplex?
A aplicação do método simplex só pode ocorrer após a obtenção da forma-padrão de um problema de Programação
Linear, ou seja, após a realização da modelagem. Com base na forma-padrão, realizam-se transformações na
função objetivo e nas restrições, a fim de usar coeficientes e constantes na forma tabular. Neste procedimento
preparatório, estão inseridos novos conceitos e novas terminologias, tais como: variáveis de folga, variáveis
básicas, variáveis não básicas e base.
28 – O que é um método simplex?
De forma resumida, usando o argumento de Andrade (2009), pode-se afirmar que o simplex é um método de
resolução de equações lineares. Por outro lado, Hillier e Lieberman (2013) informam que “o método simplex é um
procedimento algébrico.
29 - Método simplex
- Método de resolução de equações lineares;
- Procedimento algébrico e conceitos subjacentes geométricos;
- Solução gráfica com procedimento algébrico;
- Interseção de linhas ou de planos (restrições);
- Ação inicial: transformar inequações em equações;
- Restrições: utilização de recurso ≤ disponibilidade;
- Folga de recurso;
- Utilização + folga = disponibilidade
- Folga > 0 Folga = 0
- Variáveis não básicas
- Variáveis básicas
- Base
30 - O ALGORÍTIMO DO MÉTODOSIMPLEX
Basicamente, algoritmo é uma sequência finita de procedimentos, etapas, operações, adequadamente definidas
que possibilitam solucionar um problema. O método simplex é um algoritmo que emprega tabelas numéricas, o
que facilita a visualização e a execução de seus procedimentos.
31 – O que é a FERRAMENTA SOLVER DO EXCEL?
O Solver realiza na planilha Excel todos os procedimentos do método simplex, e, para isto, deve-se informar ao
Excel os dados previamente definidos na caixa de diálogo Parâmetros do Solver. Tais parâmetros são obtidos a
partir da modelagem do problema de programação linear e estão inclusos tanto na função objetivo e como nas
restrições. Mas, antes de aplicar o Solver, temos de estruturar/organizar a planilha de forma que os parâmetros
necessários sejam “visíveis” àquela ferramenta.
32 – O que é o Problema de Transporte?
Problema de transporte é um tipo de problema real que acontece no cotidiano e que pode ser aplicado em
Programação Linear. O “chamado problema de transporte recebeu esta denominação em virtude de suas
aplicações envolverem como transportar mercadorias de maneira otimizada”. No entanto, algumas de suas
importantes aplicações (por exemplo, cronograma de produção) não estão relacionadas ao transporte (Hillier;
Lieberman, 2010).
33 – O que é Problema de Designação?
Problema da designação (Hillier; Lieberman, 2010): o problema da designação é um tipo especial de problema de
programação linear em que os designados estão sendo indicados para realizar tarefas, por exemplo, a definição de
empregados (designados) que precisam receber designações de trabalho (tarefas) é uma aplicação comum do
problema da designação. Os designados podem ser máquinas, veículos, fábricas ou até mesmo períodos a serem
destinados a tarefas, não necessariamente pessoas.
34 - Para caracterizar um determinado problema como problema de designação, ele precisa ser formulado de
maneira a satisfazer as seguintes hipóteses:
∙ O número de designados e o número de tarefas é o mesmo (esse número é representado por n).
∙ Deve-se atribuir a cada designado exatamente uma tarefa.
∙ Cada tarefa deve ser realizada exatamente por um designado.
∙ Há um custo associado ao designado i (𝑖 = 1, 2, … , 𝑛) executando a tarefa j (𝑗 = 1, 2, … , 𝑛).
∙ O objetivo é determinar como todas as n designações devem ser feitas para minimizar o custo total.
35 – Análise de sensibilidade no Solver
A análise de sensibilidade permite ir além da solução pontual da Programação Linear, possibilita avaliar os reflexos
de eventuais alterações nos dados e nas condições do problema sobre a solução ótima. A análise é especialmente
importante para estudo de cenários, pois as empresas estão inseridas em um ambiente sujeito a constantes
mudanças.
36 – O que é a Teoria das filas?
A teoria das filas é um método analítico que aborda o assunto por meio de fórmulas matemáticas (Prado, 2006) e
“trata de congestionamento de 4 sistemas, cuja característica principal é a presença de ‘clientes’ solicitando
‘serviços’ de alguma maneira” (Andrade, 2009). Quando se refere a um sistema de filas, basicamente se refere à
existência de elementos (clientes) que estão aguardando um posto de serviço (atendente) ficar disponível para
serem atendidos (Andrade, 2009).
37 - O que são filas?
A nossa rotina diária nos permite identificar exatamente o que são filas. Nós entramos em uma fila para fazer
retirada em um caixa eletrônico, para pagar as compras em um supermercado, para comprar ingressos em um
cinema, para pagar o pedágio em uma rodovia e em tantas outras situações. Filas também existem em ambientes
de produção, tais como de lingotes aquecidos em uma aciaria, esperando pelo serviço de lingotamento, ou de
caminhões em um serviço de terraplenagem, esperando, junto a uma carregadeira, a vez de serem carregados.
38 – Cite algumas aplicações da teoria das filas em administração?
∙ Estabelecimento de uma política de atendimento ao público em empresas concessionárias de serviços públicos,
determinando o número de atendentes e a especialização de cada um.
∙ Estudo de um sistema de almoxarifado, de modo a determinar os custos totais de operação.
∙ Estudo da operação de um centro de processamento de dados com o objetivo de determinar políticas de
atendimento e prioridades para execução de serviços.
∙ Determinação de equipes de manutenção em grandes instalações, onde há custos elevados associados a
equipamentos danificados, à espera de reparos.
∙ Estudo de operação de caixas (bancos, supermercados etc.) com o objetivo de estabelecer uma política ótima de
atendimento ao público;
∙ Determinação de capacidade em pátios de estacionamentos de automóveis.
39 – O que a Teoria das Filas estuda?
A teoria das filas estuda a situação de “espera” nas mais variadas formas e emprega “modelos de filas para
representar os diversos tipos de sistemas de filas (sistemas que envolvem filas do mesmo tipo) que surgem na
prática. As fórmulas para cada modelo indicam como o sistema de filas correspondente deve funcionar”. Tais
modelos são muito úteis para determinar como operar de forma mais eficiente um sistema de filas (Hillier;
Lieberman, 2010).
40 – Quais os elementos de uma fila?
- População;
- Clientes;
- Sistema de filas;
- Filas;
- Disciplina de filas;
- Atendimento;
- Servidores (atendentes).
41 - Características de uma fila. Os elementos principais que caracterizam um fila são:
42 - Tipo de fila e quantidade de servidores. Quando desejamos definir a estrutura de um sistema, podemos
optar pelas seguintes formas de atendimento:
• uma única fila e um único servidor;
• uma única fila e diversos servidores;
• diversas filas e os correspondentes servidores;
• filas especiais;
• alteração dinâmica no sistema de atendimento.
43 - A notação de Kendall (Prado, 2006). A notação básica para descrever um modelo de fila emprega a seguinte
notação: A/B/c/K/m/Z, onde:
∙ A indica o tipo de distribuição de probabilidade dos intervalos entre chegadas;
∙ B indica o tipo de distribuição de probabilidade do tempo de serviço (atendimento);
∙ c é a capacidade de atendimento ou quantidade de atendentes;
∙ K é a capacidade máxima do sistema (número máximo de clientes no sistema);
∙ m é o tamanho da população de onde se originam os clientes;
∙ Z é a disciplina da fila.
44 – O que é Simulação?
Simulação é a técnica de solução de um problema pela análise de um modelo que descreve o comportamento do
sistema usando um computador digital” (Prado, 2006).
- Execução do modelo;
- Análise de cenários;
- Imita um sistema real.
45 – Quais as vantagens e as desvantagens da Simulação?
Vantagens:
- Não interrompe a operação;
- Comprime/expande o tempo;
- Novas políticas;
- Novos procedimentos;
- Regras de decisão;
- Identifica gargalos.
Desvantagens:
- Resultados de difícil interpretação;
- Modelagem/análise requerem tempo;
- É dispendiosa;
- Requer experiência.
46 – Em quais áreas pode-se aplicar a simulação?
Áreas de aplicação:
- Aeroportos e portos;
- Bancos;
- Cadeias logísticas;
- Hospitais;
- Restaurantes;
- Supermercados;
- Linhas de produção;
- Linhas de montagem;
- Etc.
47 - Estudo do problema:
- Compreender o sistema em estudo;
- Definir o escopo do modelo;
- Identificar os objetivos;
- Realizar entrevistas;
- Nível de detalhamento.
48 - A respeito de validação, podemos encontrar os seguintes conceitos/definições:
∙ Validação é a comprovação de que a precisão do modelo computacional, no seu domínio de aplicação, está dentro
de seu intervalo aceitável de precisão, que é a precisão requerida do modelo para sua aplicação pretendida (Sargent,
2014);
∙ Validação é o processo que confronta o modelo conceitual com o sistema do mundo real (Chwif; Medina, 2006);
∙ A validação do modelo conceitual ocorre após se assegurar que as teorias e os pressupostos básicos do modelo
conceitual estão corretos; que o modelo representando o problema, a estrutura do modelo, a lógica e as relações
causais e matemáticas são "razoáveis" para a finalidade proposta do modelo (Sargent, 2014);
∙ A validação operacionalé a conferência se os resultados obtidos nos experimentos (dados obtidos a partir da
simulação) são compatíveis com o sistema real simulado (Chwif; Medina, 2006);
∙ A validação operacional é a confirmação de que o comportamento dos dados de saída do modelo possui a precisão
requerida que atende o propósito do modelo, no domínio de aplicabilidade pretendido para ele (Sargent, 2014)
49 - A respeito de verificação, podemos encontrar os seguintes conceitos/definições:
∙ Verificação é a garantia de que o programa de computador do modelo computacional e sua implementação estão
corretos (Sargent, 2014);
∙ A verificação do modelo computacional é definida como a garantia de que a programação no computador e a
implementação do modelo conceitual estão corretas (Sargent, 2014). Tal verificação são recomendações para o uso
de linguagens de programação de alto nível e de simulação, entretanto nada esclarece a respeito do uso de softwares
de simulação, os quais não permitem acesso aos códigos-fonte do programa;
∙ A verificação do modelo computacional é realizar um exame que confirme se o modelo computacional se comporta
de acordo com o modelo conceitual. Para isso, é recomendável gerar alguns resultados, bem como observar se o
modelo é uma representação precisa da realidade, conforme objetivo do estudo (Chwif; Medina, 2006).