Baixe o app para aproveitar ainda mais
Prévia do material em texto
Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 1 Prof. Afonso C. Medina Prof. Leonardo Chwif Verificação e Validação de Modelos de Simulação Capítulo 5 Páginas 102-110 Este material é disponibilizado para uso exclusivo de docentes que adotam o livro Modelagem e Simulação de Eventos Discretos em suas disciplinas. O material pode (e deve) ser editado pelo professor. Pedimos apenas que seja sempre citada a fonte original de consulta. Verifique sempre a atualização deste material no site www.livrosimulacao.eng.br Divirta-se! Versão 0.1 24/04/06 Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› 1 Motivação “Um modelo é uma representação do mundo real, ou pelo menos de parte dele. Portanto, a validação de um modelo é realmente muito direta – em princípio. Tudo o que devemos fazer é checar se o modelo comporta-se como o mundo real sob as mesmas condições. Se ele se comporta, então o modelo é válido, caso contrário, não é válido.” Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Definições VERIFICAÇÃO O Modelo faz o que eu quero? VALIDAÇÃO O Modelo funciona como no mundo real? Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Relações: Mundo – Modelo - Computação Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Verificação Relação entre o modelo conceitual e o modelo computacional Consiste em assegurar que o modelo computacional funcione conforme o cliente deseja. A verificação de modelos de simulação é equivalente a retirar os “Bugs” de programas. (debugging) Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Técnicas de Verificação Implementação Modular / Verificação Modular Valores constantes/simplificados + cálculos manuais Utilização do “Debugger” (Trace) Simulação Manual Animação Gráfica Revisão em grupo Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Validação Processo muito mais difícil e sofisticado que a verificação Não há como validar um modelo na prática e sim como aumentar sua confiança com que ele representa a realidade Como validar sistemas novos? Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Técnicas de Validação Teste de Turing ou validação black-box. Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Técnicas de Validação Duplicação de modelos Comparação com modelos anteriores Análise de sensibilidade Validação “face a face” Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Considerações Etapa importante do processo de modelagem. Muitos se esquecem dela, devido a grande dificuldade. Não há como garantir que o modelo é 100% livre de “bugs” e sim minimizá-los. Não há como validar 100% um modelo e sim aumentar sua confiança. Deve ser um processo contínuo (envolve vários ciclos). Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 11 Prof. Afonso C. Medina Prof. Leonardo Chwif Dimensionamento de Corridas e Análise de Resultados Capítulo 6 Páginas 111-156 Este material é disponibilizado para uso exclusivo de docentes que adotam o livro Modelagem e Simulação de Eventos Discretos em suas disciplinas. O material pode (e deve) ser editado pelo professor. Pedimos apenas que seja sempre citada a fonte original de consulta. Verifique sempre a atualização deste material no site www.livrosimulacao.eng.br Divirta-se! Versão 0.1 01/05/06 Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› 11 Definições O que é regime transitório e o que é regime permanente; O que é simulação terminal e o que é simulação em regime; O que são medidas de desempenho; O que é replicação e o que é “rodada”; O que é intervalo de confiança. Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Regime Transitório Lançamento Número Obtido Média Acumulada 1 1 1/1=1,0 2 1 (1+1)/2=1,0 3 4 (1+1+4)/3=2,0 4 6 (1+1+4+6)/4=3,0 5 6 3,6 6 5 3,8 7 2 3,6 8 1 3,5 9 2 3,3 10 1 3,1 Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Regime Permanente Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Regime Permanente: Simulação Simular por um período muito longo de modo que o número de amostras em regime transitório seja desprezível em relação ao número de amostras em regime (jogar mais vezes o dado); Eliminar o período transitório através de alguma técnica apropriada; Iniciar o sistema já em um estado dentro do regime permanente, o que equivale, no exemplo do dado, a considerar a média inicial igual a 3,5. Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Simulação Terminal vs. Não Terminal NÃO TERMINAL: a simulação não possui um tempo exato para terminar. Somente há interesse de estudar uma simulação não terminal para o período em que a simulação está em regime permanente (Ex. simulação de uma usina siderúrgica que opera 24 horas por dia, 7 dias por semana). TERMINAL: a simulação roda por um tempo exato e após este tempo acaba. (Ex. simulação de um que pub abre às 12:00 horas e fecha, pelas leis inglesas, pontualmente às 23:00 horas). Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Escolha das Medidas de Desempenho Considere novamente o exemplo do pub. Se o proprietário está preocupado com os clientes que têm de esperar por atendimento, quais seriam as medidas adequadas de desempenho deste sistema? ( ) A média do tempo de atendimento ( ) O número de clientes que desistem do atendimento devido ao excesso de clientes na fila de espera por bebidas ( ) O tempo de permanência dos clientes no Pub ( ) A probabilidade de que um cliente aguarde mais do que 3 minutos por atendimento N S N S Validação!! Validação!! Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Replicação vs. Rodada Rodada: o que ocorre quando selecionamos ou iniciamos o comando que executa a simulação no computador. Uma rodada pode envolver várias replicações. Replicação: é uma repetição da simulação do modelo, com a mesma configuração, a mesma duração e com os mesmos parâmetros de entrada, mas com uma semente de geração dos números aleatórios diferente. Apesar de os dados e dos parâmetros de entrada serem os mesmos, como os números aleatórios gerados são diferentes, cada replicação terá uma saída diferente também. Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Você Confia Nos Resultados? Replicação Média de Pessoas em Fila 1 6,72 2 2,00 3 0,38 4 1,28 5 0,46 6 0,19 7 0,14 8 1,30 9 0,12 10 2,85 Média de 10 replicações 1,54 Desvio Padrão 2,03 Uma rodada: 6,72 pessoas em média na fila Ex.: fila em um posto bancário Podemos CONFIAR nesses resultados? Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Intervalo de Confiança Intervalo de Confiança: intervalo de valores que contém a média da população, com uma certa probabilidade (confiança estatística) Precisão: tamanho do intervalo de confiança Confiança: probabilidade de que o intervalo de confiança contenha a média. Valores usuais: 99%, 95% e 90%. Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Intervalo de Confiança Por que, ao aumentarmos a confiança, a precisão diminui? Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Cálculo do Intervalo de Confiança Método 1: cálculo quando se conhece o desvio padrão da população Método 2: cálculo quando NÃO se conhece o desvio padrão da população Método 3: utilizando as funções do Excel Método 4: utilizando as funções do GnumericModelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Cálculo do Intervalo de Confiança Método 1: cálculo quando se conhece o desvio padrão da população: Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Cálculo do Intervalo de Confiança Método 2: cálculo quando NÃO se conhece o desvio padrão da população: Desvio Padrão da Amostra Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Cálculo do Intervalo de Confiança Método 3: utilizando as funções do Excel 1.O comando INT.CONFIANÇA(nível se significância,desvio padrão da população,tamanho da amostra) considera que o desvio padrão da POPULAÇÃO é conhecido. 2.Assim, para o caso de só conhecermos o desvio padrão da AMOSTRA, devemos construir a expressão: utilizando a seguinte fórmula no EXCEL: =INVT(alfa;n-1)*(DESVPAD(amostra)/RAIZ(n)) Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Cálculo do Intervalo de Confiança Método 4: utilizando as funções do Gnumeric CONFIDENCE(nível se significância,desvio padrão da população,tamanho da amostra) Compatível com o Excel Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Número de Replicações Para se atingir uma precisão desejada em determinado valor, necessita-se rodar o modelo várias vezes, gerando uma AMOSTRA PILOTO de tamanho n e com precisão h. Utilizando-se a expressão a seguir, onde h* é a precisão desejada, pode-se estimar o número de replicações necessárias n*: Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Número de Replicações: Exemplo Considere-se que foram realizadas 20 replicações de um modelo de simulação. Para essa amostra piloto, a precisão obtida foi de 0,95 minutos para a média do tempo em fila. Qual o número de replicações necessárias caso necessite-se de uma precisão de 0,5 minutos? Neste caso, n=20, h=0,95 e h*=0,5: Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Análise de Resultados: Sistemas Terminais 7 Etapas: Estabelecer as medidas de desempenho adequadas; Escolher a confiança estatística e a precisão com que se pretende trabalhar; Definir, a partir da observação do sistema real, o tempo de simulação; Construir a “amostra piloto”; Determinar o número de replicações necessárias; Rodar o modelo novamente; Calcular o novo intervalo de confiança. Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Análise de Resultados: Sistemas Não-Terminais 3 Técnicas Começar a simulação em um estado próximo daquele esperado em regime permanente; Rodar o modelo por um tempo de simulação longo; Eliminar, dos dados de saída, todos os valores gerados durante o período transitório. Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Tempo de Warm-up Em uma linha de produção de um determinado produto, para que o produto possa ser produzido, uma peça deve passar por 10 operações executadas em máquinas automáticas distintas. Os tempos de operação nas máquinas são todos normalmente distribuídos com média de 0,9 minuto e desvio padrão de 0,3 minuto. As peças chegam à linha em um intervalo constante de tempo igual a 1 minuto. O gerente da linha está preocupado com o tempo total de produção. Nas palavras dele: – Se o produto passa por 10 máquinas que levam 0,9 minuto cada uma, então, era de se esperar que o tempo total de produção fosse de 0,9x10=9 minutos, em média. Mas, hoje, estamos operando em 15 minutos, cerca de 50% mais lentos! Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Tempo de Warm-up Em uma linha de produção de um determinado produto, para que o produto possa ser produzido, uma peça deve passar por 10 operações executadas em máquinas automáticas distintas. Os tempos de operação nas máquinas são todos normalmente distribuídos com média de 0,9 minuto e desvio padrão de 0,3 minuto. As peças chegam à linha em um intervalo constante de tempo igual a 1 minuto. O gerente da linha está preocupado com o tempo total de produção. Nas palavras dele: – Se o produto passa por 10 máquinas que levam 0,9 minuto cada uma, então, era de se esperar que o tempo total de produção fosse de 0,9x10=9 minutos, em média. Mas, hoje, estamos operando em 15 minutos, cerca de 50% mais lentos! Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Tempo de Warm-up Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 34 Prof. Afonso C. Medina Prof. Leonardo Chwif Simulação e Otimização Capítulo 7 Páginas 157-166 Este material é disponibilizado para uso exclusivo de docentes que adotam o livro Modelagem e Simulação de Eventos Discretos em suas disciplinas. O material pode (e deve) ser editado pelo professor. Pedimos apenas que seja sempre citada a fonte original de consulta. Verifique sempre a atualização deste material no site www.livrosimulacao.eng.br Divirta-se! Versão 0.1 01/05/06 Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› 34 Exemplos (fu, 2001) Sistemas de manufatura. Podemos, por exemplo, ter um modelo de simulação de uma fábrica de semicondutores e estar interessados em maximizar a produtividade (número total de “chips”) e simultaneamente tentar minimizar o tempo de ciclo (tempo médio que o “chip” gasta na fábrica). Cadeias de suprimentos. Dada uma cadeia de suprimentos de fabricação de PCs, como o sistema pode ser operado a fim de reduzir os estoques totais e aumentar o nível de serviço do cliente? Centrais de atendimento (call centers). Dado um modelo de simulação de uma central de atendimento, como esta pode ser operada de modo a minimizar os custos do sistema (por exemplo: redução do número de agentes) e aumentar o nível de serviço (reduzir os tempos de espera)? Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Exemplo: Programação Linear Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Simulação e Otimização Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Planejamento de Experimentos (DOE) Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Comentários Finais A simulação e otimização é uma abordagem poderosa, mas que não substitui o analista Ainda consome muito tempo de computação e não há garantia do ótimo Dificuldade para lidar com variáveis qualitativas Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Sugestão de Leitura SIMULATION OPTIMIZATION WITH THE LINEAR MOVE AND EXCHANGE MOVE OPTIMIZATION ALGORITHM Leonardo Chwif et al. Proceedings of the 1999 Winter Simulation Conference Disponível no site www.livrosimulacao.eng.br Professor: em “material para professores” está disponibilizado um material para um “painel integrado” em sala de aula. Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide ‹nº› Mundo Real Modelo Computacional Modelo Conceitual 1. Modelagem 2. Validação 3. Implementação 4. Verificação 6. Validação Operacional 5. Experimentação Mundo Real Modelo Computacional Modelo Conceitual 1. Modelagem 2. Validação 3. Implementação 4. Verificação 6. Validação Operacional 5. Experimentação 1 2 3 4 5 6 12345678910 Lançamentos Média Acumulada dos Lançamentos 3,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 020406080100120140 Lançamentos Média Acumulada dos Lançamentos Regime Transitório Regime Permanente n Confiança )%1(100 2/α1,n t Precisão (metade do intervalo) n s t=h 21,n/α Intervalo de Confiança da Média )541(,=x 10 99% 0,01 3,25 2,09 633550 ,μ, 10 95% 0,05 2,26 1,45 003090 ,μ, 10 90% 0,10 1,83 1,18 722370 ,μ, 10 80% 0,201,38 0,89 432650 ,μ, ( ) n z x IC n z x n z x P e x e x P s a s m s a m a a a 2 / 2 / 2 / 0 0 1 1 ± = - = ÷ ø ö ç è æ + £ £ - - = + £ £ - ( ) n s t x IC n s t x n s t x P e x e x P x n x n x n 2 / , 1 2 / , 1 2 / , 1 0 0 1 1 a a a a m a m - - - ± = - = ÷ ø ö ç è æ + £ £ - - = + £ £ - n s t e x n 2 / , 1 0 a - = ú ú ú ù ê ê ê é ÷ ø ö ç è æ 2 * * h h n = n é ù 73 72,2 0,5 0,95 20 2 = = = n ú ú ú ù ê ê ê é ÷ ø ö ç è æ M M M Tempo médio de produção (min) Replicações Tempo de simulação (min) 1 2 3 4 5 Média 10 0.00 0.00 0.00 0.00 0.00 0.00 20 3.00 3.06 1.98 2.03 2.92 2.60 30 9.62 9.60 9.79 9.98 9.84 9.76 40 10.82 11.26 10.75 11.64 11.39 11.17 50 11.37 12.87 11.26 11.66 11.19 11.67 60 12.47 13.34 12.04 11.76 10.91 12.10 70 13.33 14.78 13.29 12.70 11.03 13.03 80 13.57 14.08 13.91 12.68 12.00 13.25 90 12.51 14.23 14.47 12.28 12.07 13.11 580 15.47 14.71 15.07 15.79 13.79 14.97 590 15.26 14.87 15.82 16.60 13.17 15.14 600 15.08 14.61 15.99 16.97 12.85 15.10 0 2 4 6 8 10 12 14 16 18 20 050100150200250300350400450500 Tempo de Simulação (min) Tempo de Ciclo (min) Replicação 1 Replicação 2 Replicação 3 Replicação 4 Replicação 5 Média M M M M nn xcxcxczou 2211 )minimizar(maximizar Função objetivo nix bxaxaxa bxaxaxa bxaxaxa i mnmnmm nn nn ,,2,10 :asujeito 2211 22222121 11212111 Restrições n xxx ,,, 21 Variáveis de decisão Modelo de Simulação Procedimento de Otimização Informação de Retroalimentação Saídas Y Entradas X D.O.E. Valores Ótimos Variáveis Função Objetivo Variáveis Função Objetivo S.O. n xxxX ,,, 21 npxxxX p ,,, 21 )(XF)(XF ,, * 2 * 1 xxX D.O.E. Valores Ótimos Variáveis Função Objetivo Variáveis Função Objetivo S.O. n xxxX ,,, 21 npxxxX p ,,, 21 )(XF)(XF ,, * 2 * 1 xxX
Compartilhar