Baixe o app para aproveitar ainda mais
Prévia do material em texto
Simulação Prof. Dr. Adriano Silva Belísio Como seria aumentar um sistema fabril, ampliar a frota de veículos de uma empresa ou trabalhar com mais clientes e fornecedores ? Com o auxilio da simulação, é possível avaliar hipótese sem ter que implementá-la. É a técnica de solução de um problema pela análise de um modelo que descreve o comportamento do sistema usando um computador. O que é simulação? Simulação é, em geral, entendida como a “imitação” de uma operação ou de um processo do mundo real. A simulação envolve a geração de uma “história artificial” de um sistema para a análise de suas características operacionais. “Uma gama variada de métodos e aplicações que reproduzem o comportamento de sistemas reais, usualmente utilizando-se de ferramentas computacionais.” (Kelton et al., 1998) “Processo de elaboração de um modelo de um sistema real (ou hipotético) e a condução de experimentos com a finalidade de entender o comportamento de um sistema ou avaliar sua operação” (Shannon, 1975) “O princípio básico é simples. Analistas constroem modelos do sistema de interesse, escrevem programas destes modelos e utilizam um computador para inicializar o comportamento do sistema e submetê-lo a diversas políticas operacionais. A melhor política deve ser selecionada.” (Pidd, 2000) A simulação pode adicionar criatividade ao processo Recursos que quando usado corretamente podem trazer melhoria em qualidade e produtividade. A simulação pode prever resultados A simulação educa as pessoas no que se fere ao modo como os sistemas operam e como estes respondem às mudanças. A maioria dos sistemas atuais são dinâmicos e estocásticos por natureza. Um sistema dinâmico implica em ações com fatores de influência que mudaram ao longo do tempo. O sistema estocástico sugere que mudanças podem variar indiscriminadamente. Encontrar e testar melhorias em potencial para problemas de sistemas dinâmicos e estocásticos, irão encontrar três tipos de modelos: � Modelos de opinião: são compostos basicamente de palpites. (crenças, ideias, etc); � Modelos matemáticos estáticos: delineiam matematicamente um sistema. (equações, planilhas, etc) � Modelos de simulação: são matemáticos por natureza e empregam o uso de equações numéricas para descrever o problema. (chegada de uma peça em uma máquina) Tipos de simulação Simulação Icônica Simulação Analógica Simulação Matemática Simulação Computacional Simulação Icônica é aquele que estudo o sistema físico real através de uma aproximação geométrica, como um protótipo em escala real ou, como é mais comum, em escala reduzida. condições controladas, de forma que seus resultados possam ser usados para avaliações tanto quantitativas quanto qualitativas. Em bom exemplo deste modelo são as geometrias usadas em túneis de vento para verificar o seu arraste aerodinâmico. Simulação Analógica é quando se pode tirar conclusões sobre algo desconhecido ou muito complexo através de sua comparação com algo mais simples ou mais tangível. Este método é bastante utilizado em sistemas eletro-eletrônicos, onde grandezas de difícil visualização espacial como uma resistência elétrica podem ser ilustradas como uma mola mecânica. Simulação Matemática é aquela que usa conhecimentos básicos de matemática e física para modelar fenômenos e prever resultados. Esse método é o que o engenheiro normalmente usa naturalmente, eventualmente sem perceber, quando dimensiona um motor que movimentará uma esteira, um pistão que empurrará uma peça em uma linha de montagem ou uma bomba hidráulica para succionar água de um poço artesiano. Simulação Computacional é a que conhecemos como sistemas CAE (Computer Aided Engineering). Sua característica maior é permitir a análise de componentes que não existem ainda fisicamente, usando como base para cálculo uma representação matemática de uma geometria CAD (Computer Aided Design) chamada de malha. Este tipo de simulação permite um grande nível de detalhe e uma grande acuracidade nos resultados, sendo usado em quase todas as grandes empresas como um instrumento para o dimensionamento e validação de projetos ainda antes de sua manufatura. Um sistema é um agrupamento de partes que operam juntas, visando um objetivo em comum. (Forrester, 1968) Sistema é uma agregação de objetos que têm alguma interação ou interdependência. O que é um Sistema? Vantagens e desvantagens da simulação A simulação é vantajosa quando ela “imita” com menor custo ou menos recursos o que acontece num sistema real. As principais vantagens da simulação são: • Novas políticas, procedimentos operacionais, regras de decisão, fluxos de informação, procedimentos organizacionais, etc. podem ser estudados sem interferência nas operações do sistema real. • Novos equipamentos, arranjos físicos, sistemas de transporte, etc. podem ser testados antes de se investir recursos com as aquisições envolvidas. • Hipóteses de como e por que certos fenômenos ocorrem podem ser avaliados. • O tempo pode ser comprimido ou expandido, permitindo que o fenômeno em estudo possa ser acelerado ou retardado. • “Gargalos” onde as informações ou materiais têm seus fluxos comprometidos podem ser identificados. As principais desvantagens são: • A construção de modelos requer um treinamento especial. Pode ser considerada uma “arte” que se aprende ao longo do tempo e que envolve o “bom” uso da experiência. • Os resultados da simulação podem ser difíceis de interpretar. Como as saídas da simulação podem incluir variáveis aleatórias, não é trivial determinar se os resultados observados resultam de interrelações efetivas das partes do sistema ou se são fruto da aleatoriedade do sistema. • A modelagem do sistema e a análise dos dados podem consumir muito tempo e muitos recursos. Por outro lado, economizar tempo e recursos na modelagem e na análise pode resultar em cenários insuficientes para atender os objetivos. Na defesa do uso da simulação, as desvantagens citadas têm sido minimizadas através dos seguintes argumentos: • Fornecedores de softwares de simulação têm continuamente desenvolvido pacotes que contêm um tipo de template de modelos pré concebidos nos quais é necessário somente definir os dados da operação. • Muitos fornecedores de softwares têm desenvolvido pacotes com ferramentas que facilitam a análise dos dados de saída da simulação. • Os avanços nas plataformas computacionais permitem que a simulação seja realizada cada vez mais rapidamente. Ummodelo pode ser definido como uma representação das relações dos componentes de um sistema, sendo considerada como uma abstração, no sentido em que tende a se aproximar do verdadeiro comportamento do sistema. Processo de Modelagem Sistema Modelo = representação � Modelos Simbólicos � Modelos Analíticos � Modelos de Simulação Tipos de Modelos � Símbolos gráficos (fluxogramas, DFD, Layouts etc.) �Muito utilizado para comunicação e documentação � Limitações: –Modelos estáticos –Não fornece elementos quantitativos –Não entra no detalhe do sistema Modelos Simbólicos Fluxograma do processo de atendimento de emergências de uma central do corpo de bombeiros Modelos Simbólico: Fluxo Grama Modelos Simbólico: Teoria das filas Modelo Analítico � Forte Modelagem Matemática (Modelos de Programação Linear, Teoria de Filas, etc) � Limitações: Modelos, na grande maioria, estáticos A complexidade do modelo pode impossibilitar a busca de soluções analíticas diretas � Vantagens: solução exata, rápida e, às vezes, ótima Modelo de Simulação � Captura o comportamento do sistema real � Permitea análise pela pergunta: “E se...?” � Capaz de representar sistemas complexos de natureza dinâmica e aleatória � Limitações: –Podem ser de construção difícil –Não há garantia do ótimo Técnicas de Simulação � Simulação não Computacional –Ex. Protótipo em túnel de vento –Simulação de Acontecimentos � Simulação Computacional –Simulação Estática ou deMonte Carlo –Simulação de Sistemas Contínuos –Simulação de Eventos Discretos Simulação de Eventos Discretos � Sistemas dinâmicos: os estados se alteram com o tempo � Sistemas discretos: os atributos dos estados só mudam no tempo discreto � Determinística ou Estocástica Simulação de Eventos Discretos Histórico da Simulação � Utilizada na década de 50 com fins militares. Softwares Textuais e Computadores “lentos”. Fortran IV. � HW e SW mais poderosos impulsionou a Tecnologia da Simulação. GPSS � Popularidade aumentou principalmente nesta última década. Utilização de “Simuladores”. O que nos leva a Simular? a) Inviabilidade da interferência com o sistema real. Trata-se daquela situação em que tentar alterar o sistema existente, sem ter uma certeza de que a alteração vai da certo, pode significar um alto risco de prejuízo. Por exemplo, podemos citar o caso de alterar o layout de uma fábrica ou o fluxo do trânsito de uma cidade. b) O sistema em estudo não existe, por exemplo, quando se estuda a construção de uma nova fábrica. Por que Simular? � Analisar um novo sistema antes de sua implantação � Melhorar a operação de um sistema já existente � Compreender melhor o funcionamento de um sistema � Melhorar a comunicação vertical entre o pessoal de operação � Confrontar resultados � Medir eficiências Quando Simular? Problema Ferramentas Resultados Planilhas Calculadora Lápis e Papel Intuição Maior Complexidade Dinâmica Aleatoriedade Maior Esforço Qualidade Simulação Áreas de Aplicação � Redes Logísticas � Manufatura � Terminais: portos, aeroportos, estações rodoviárias e ferroviárias � Hospitais � Militar � Sistemas de manipulação e movimentação de materiais � Reengenharia de Processos � Supermercados, Redes de “Fast Food” e franquias � Parques de Diversões � Tráfego � Dentre outros Atenção ! A simulação é uma abordagem poderosa que pode ser usada para analisar muitos problemas complexos. Entretanto, antes da simulação ser escolhida como uma solução, deve-se avaliar se o problema pode ser resolvido matematicamente, através de teoria de filas, autômatos finitos, ou de outras técnicas. O desenvolvimento de modelos para simulação podem levar muito tempo, e se já existe uma solução analítica, esta poderá ser mais efetiva. O Metodologia para a da Simulação de Sistemas Etapa 1: Construção do modelo da situação atual; Etapa 2: Inclusão de alterações no modelo da situação atual para refletir a situação futura desejada; O Método da Simulação Modelagem Estudos de modelagem de sistemas podem envolver: �Modificações de Lay-Out; �Ampliações de fábricas; �Troca de equipamentos; �Reengenharia; �Automatização; � Dimensionamento de um nova fabrica, etc. Para um objetivo o estudo vai procurar definir: � Quantidade atendentes: equipamentos, ferramentas, veículos, etc; � Pessoas que devem ser colocadas em cada estação de trabalho; � O melhor lay-out; � O melhor fluxo. Observação: para dimensionar adequadamente um sistema o estudo deve dedicar especial atenção aos gargalos , ou seja, pontos onde ocorrem filas. Os passos neste procedimento são os seguintes: 1) Formulação do problema a ser simulado 2) Definição dos objetivos e planejamento geral 3) Concepção do modelo 4) Coleta de dados 5) Tradução do modelo Os passos neste procedimento são os seguintes: 6) Verificação 7) Validação 8) Projeto do Experimento 9) Execução do modelo e análise: Três Etapas da Modelagem • Coleta • Tratamento • Inferência Coleta dos Dados 1. Escolha adequada da variável de estudo 2. O tamanho da amostra deve estar entre 100 e 200 observações. Amostras com menos de 100 observações podem comprometer a identificação do melhor modelo probabilístico, e amostras com mais de 200 observações não trazem ganhos significativos ao estudo; 3. Coletar e anotar as observações na mesma ordem em que o fenômeno está ocorrendo, para permitir a análise de correlação ; 4. Se existe alguma suspeita de que os dados mudam em função do horário ou do dia da coleta, a coleta deve ser refeita para outros horários e dias. Na modelagem de dados, vale a regra: toda suspeita deve ser comprovada ou descartada estatisticamente. Exemplo 1: Coleta de Dados 11 5 2 0 9 9 1 5 5 1 1 3 3 3 7 4 12 8 7 5 5 2 6 1 11 1 2 4 4 2 2 1 3 9 0 10 3 3 4 5 1 5 18 4 22 8 3 0 4 4 8 9 2 3 12 1 3 1 11 9 7 5 14 7 7 28 1 3 3 4 2 11 13 2 0 1 6 12 8 12 15 0 6 7 19 1 1 9 12 4 1 5 3 17 10 15 43 2 9 11 6 1 13 13 19 10 9 20 17 24 19 2 27 5 20 5 10 8 728 8 2 3 1 1 4 3 6 13 12 12 10 9 1 1 3 9 9 4 6 3 0 3 6 3 27 3 18 4 4 7 6 0 2 2 8 4 5 1 3 1 4 18 1 0 16 20 2 2 9 3 2 12 28 0 7 3 18 12 2 1 3 2 8 3 19 12 5 4 0 3 6 0 5 0 3 7 0 8 5 8 Exemplo 1: Medidas de Posição e Dispersão Medidas de posição Média 10,44 Mediana 5 Moda 3 Mínimo 0 Máximo 728 Medidas de dispersão Amplitude 728 Desvio padrão 51,42 Variância da amostra 2.643,81 Coeficiente de Variação 493% Coeficiente Assimetria 13,80 O 728 é um outlier? Exemplo1: Outlier Intervalo entre chegadas de pessoas nos caixas do supermercado (100 medidas). Tempos em minutos: 11 5 2 0 9 9 1 5 5 1 1 3 3 3 7 4 12 8 7 5 5 2 6 1 11 1 2 4 4 2 2 1 3 9 0 10 3 3 4 5 1 5 18 4 22 8 3 0 4 4 8 9 2 3 12 1 3 1 11 9 7 5 14 7 7 28 1 3 3 4 2 11 13 2 0 1 6 12 8 12 15 0 6 7 19 1 1 9 12 4 1 5 3 17 10 15 43 2 9 11 6 1 13 13 19 10 9 20 17 24 19 2 27 5 20 5 10 8 728 8 2 3 1 1 4 3 6 13 12 12 10 9 1 1 3 9 9 4 6 3 0 3 6 3 27 3 18 4 4 7 6 0 2 2 8 4 5 1 3 1 4 18 1 0 16 20 2 2 9 3 2 12 28 0 7 3 18 12 2 1 3 2 8 3 19 12 5 4 0 3 6 0 5 0 3 7 0 8 5 8 Outliers ou Valores Discrepantes � Erro na coleta de dados. Este tipo de outlier é o mais comum, principalmente quando o levantamento de dados é feito por meio manual. � Eventos Raros. Nada impede que situações totalmente atípicas ocorram na nossa coleta de dados. Alguns exemplos: Outliers ou Valores Discrepantes � Um dia de temperatura negativa no verão da cidade do Natal; � Um tempo de execução de um operador ser muito curto em relação aos melhores desempenhos obtidos naquela tarefa; � Um tempo de viagem de um caminhão de entregas na cidade do Natal, durante o horário de rush, ser muito menor do que fora deste horário. Exemplo 1: Outlier (valor discrepante) Dados com o outlier sem o outlier Média 10,44 6,83 Mediana 5 5 Variância da amostra 2.643,81 43,60 Análise de Correlação 0 10 20 30 40 50 0 10 20 30 40 50 Observação k Observação k +1 Diagrama de dispersão dos tempos de atendimento de um supermercado, mostrando que não há correlação entre as observações da amostra. 10 12 14 16 18 20 10 12 14 16 18 20 Observação k Observação k +1 Diagrama de dispersão de um exemplo hipotético em que existe correlação entre os dados que compõem a amostra. Análise de Correlação
Compartilhar