A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

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

Apresentações semelhantes


Apresentação em tema: "SOFTWARES DE SIMULAÇÃO MB-761 – Prof. Anderson Ribeiro Correia."— Transcrição da apresentação:

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

2 Introdução Do estudo de simulação, observa-se que vários recursos necessários para programação são comuns à maioria dos modelos de simulação de eventos discretos: Geração de números aleatórios; Geração de variáveis aleatórias para funções de distribuição de probabilidade específicas; Avanço do tempo de simulação; Coleta das estatísticas dos dados de saída; Detecção de condições de erro. Essa similaridade de recursos levou ao desenvolvimento de pacotes de simulação (softwares).

3 Software de simulação vs. Linguagem de programação VANTAGENS Software de SimulaçãoLinguagem de Programação Fornece maioria dos recursos necessários para construção do modelo, consumindo menor tempo de “programação” Mais fácil modificar e manter o modelo Fornece melhor detecção de erros (vários possuem detecção de erros automática). Pode permitir uma maior flexibilidade de programação que alguns softwares; Mais conhecido pelos modeladores experientes que nem sempre tem experiência com os softwares de simulação. Um modelo de simulação escrito em C, C++ ou Java, pode requerer menos tempo de execução. Menor custo de software em geral, mas custo total do projeto pode não ser.

4 Software de simulação vs. Linguagem de programação DESVANTAGENS Software de SimulaçãoLinguagem de Programação menor flexibilidade para representar detalhes do sistema real; restrições para controlar a realização de experimentos sob condições muito específicas. Necessidade de conhecimentos bastante específicos de programação para a construção de modelos mais complexos.

5 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. CLASSIFICAÇÃO

6 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. CLASSIFICAÇÃO

7 AVALIAÇÃO DE SOFTWARES DE SIMULAÇÃO

8 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’s Guide Simulation (Elliot, 2000): cita 59 opções de softwares de apoio estatístico e, principalmente, de simulação. Introdução

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 (interactive debugger) 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 (conditional routing) Suporte técnico Ajuda online Tutorial online Suporte ao cliente

13 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. AVALIAÇÃO SOFTWARES DE SIMULAÇÃO

14 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. AVALIAÇÃO SOFTWARES DE SIMULAÇÃO

15 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. AVALIAÇÃO SOFTWARES DE SIMULAÇÃO

16 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. DESTAQUE

17 Animação e gráficos dinâmicos DESTAQUE

18 PROJETO E PLANEJAMENTO DE EXPERIMENTOS DE SIMULAÇÃO

19 Introdução A experimentação é o processo ou técnica estatística empregada 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: a. As respostas permaneçam próximas a seus valores nominais; b. A variabilidade das respostas seja mínima; c. 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: 1. Tipo de prancha: média (M) ou grande (G); 2. Tipo de kite: pequeno (P) ou grande (G); 3. Tipo de quilha: pequena (P) ou grande (G); 4. Condições de vento local: fraco (F) ou moderado (M); 5. Condições do mar: calmo (C) ou agitado (A); 6. 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: 1. Fatores 4 e 5 ( condição do vento e do mar) não são controláveis; 2. Considerando assim as condições do vento e do mar, o surfista escolhe um tamanho de prancha, um kite e uma quilha. 3. Uma vez no mar, ele verifica sua performance considerando sua velocidade em relação aos outros velejadores e sua condição para realizar manobra; 4. 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 (2 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 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) 1/bloco10.pdf 1/bloco10.pdf

31 Considerações Finais


Carregar ppt "SOFTWARES DE SIMULAÇÃO MB-761 – Prof. Anderson Ribeiro Correia."

Apresentações semelhantes


Anúncios Google