ADSD Introdução.

Slides:



Advertisements
Apresentações semelhantes
SISTEMAS EMBARCADOS I UNIDADE 7 – CONVERSOR A/D TURMA: 7º Período DISCIPLINA: Sistemas Embarcados I PROFESSOR: Pedro Pacheco Bacheti
Advertisements

As escalas de Proficiência do PISA Material do Curso: Avaliação educacional em larga escala: O PISA no Brasil Autor: Lenice Medeiros Pesquisador-Tecnologista.
Categorias Computacionais N Um modelo categorial para bancos de dados Vítor De Araújo
O Processo de Poisson Série: Processos Estocásticos Disciplina: Métodos Matemáticos 1C Dennis S. Poisson, Sceaux, France.
1 PROCESSO DE MODELAGEM Modelo Mental: para a solução de problemas simples Reconhecimento do Problema Criação de Alternativas Avaliação de Alternativas.
Prof. Thiago Costa ADMINISTRAÇÃO DA PRODUÇÃO II TEORIA DA PREVISÃO DOS ESTOQUES.
Tópicos Preliminares Algorítmos I.
Método Lógico de Redação Científica
Introdução e Conceitos.
Estudo de Mercado Previsão de demanda.
Medições – parte I: Precisão.
CÁLCULO NUMÉRICO Aula 2 – Introdução ao Programa de Computação Numérica (PCN) e Teoria dos Erros.
ETAPAS PARA A ELABORAÇÃO DO PROJETO DE ENGENHARIA
TÉCNICAS DE AMOSTRAGEM AMOSTRAGENS NÃO PROBABILÍSTICAS
Inteligência Artificial
Márcio Soussa Estrutura de Dados Márcio Soussa
Simulação Digital Maria Izabel Cavalcanti Cabral DSC/CCT/UFPB
O homem se comunica por meio de técnicas e grafismos
Seleção de Atributos.
Apostila de Práticas Investigativas
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2017 Intervalo de Confiança Camilo Daleles Rennó
ESTATÍSTICA AULA 12 Inferência Estatística e Distribuição Amostral – Unidade 8 Professor Marcelo Menezes Reis.
CURSO DE ENGENHARIA ELÉTRICA
Sistemas Prof. Luis S. B. Marques MINISTÉRIO DA EDUCAÇÃO
Objetividade É um acordo entre juízes especialistas relativo ao que é observado, ou o que deve ser ou o que foi feito em pesquisa Quanto maior a objetividade.
Modelagem de um Canal de Comunicação e de uma Rota.
PESQUISA QUANTITATIVA Survey
GRÁFICOS DE CONTROLE.
(Karl Emil Maximilian Weber)
Marketing Planejamento Estratégico em Logística
Planejamento de estratégias:
Mestrado em Engenharia de Computação área de concentração Geomática
Engenharia de Software II
Banco de Dados Prof: Márcio Soussa Centro Universitário Jorge Amado.
Parte III – Planejando o Projeto
Métodos Numéricos de Determinação de Raízes: Bisseção, Secante e Newton-Raphson Professor.: Heron Jr.
Extensão para visualização temporal de dados no TerraView
Adriano Martins de Oliveira
Prof: Márcio Soussa Centro Universitário Jorge Amado
Teoria Geral de Sistemas
Noções Básicas de Sensoriamento Remoto e Geoprocessamento
Capítulo 04: Condução Multidimensional em Regime Permanente
Benchmarking.
Metodologia Científica
REDES LOCALIZAÇÃO DAS INSTALAÇÕES
DISTRIBUIÇÕES AMOSTRAIS
Curso Técnico em Informática
COMPUTAÇÃO BIOINSPIRADA
Profa. Dra. Mara Fernanda Alves Ortiz
Interpretação de Imagens com CSP
Métodos e Técnicas de Exploração Diagnóstica
Complexidade de Algoritmos
Prof. Artur Aula Introdutória
Técnicas de orçamento de capital
O que é Estatística? Introdução ao CEQ
Modelagem Matemática de Sistemas Dinâmicos Introdução. 3. 2
Introdução à Programação INF Programação I
Projetos de Pesquisa – Linha DR prof. Sidney C. de Lucena
Trabalho de Conclusão de Curso I
Manuais Administrativos
Dinâmica de Sistemas Uma visão geral.
Enfoque sistêmico na agricultura Fundamentos Metodológicos
PROFESSOR RICARDO FERREIRA
(Karl Emil Maximilian Weber)
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2018 Intervalo de Confiança Camilo Daleles Rennó
Metodologia Científica e Tecnológica
Modelagem de Sistemas
Bancos de Dados Relacionais
Introdução aos Grupos de Permutações e aplicações
PROCESSAMENTO DIGITAL DE SINAIS
Transcrição da apresentação:

ADSD Introdução

ADSD: Introdução Programa da disciplina ADSD http://www.dsc.ufpb.br/~izabel/cursos/02.1/ADSD

ADSD: Introdução Sejam os seguintes exemplos de sistemas: Computadores Redes de Computadores Redes Bancárias Supermercados Aeroportos, ferrovias,... Jogos Operacionais (militares, gerência comercial, ...)

ADSD: Introdução Como avaliar o desempenho de tais sistemas? Campanhas de Medições (em sistemas operacionais) Modelagem Matemática

ADSD: Introdução Campanhas de Medições (Benchmarks) Avalia o desempenho de um sistema em operação Pode validar estudos analíticos e de simulação Estabelece critérios de comparação de desempenho Confiável Custo Baixo - está ao alcance do usuário final

ADSD: Introdução Modelagem Matemática Processo de construir um modelo matemático para representar as características de interesse de um sistema. Avalia o desempenho de um sistema em operação ou não. Estabelece critérios de comparação de desempenho Confiável Custo pode ser alto - exige especialistas Sempre pode ser usada

ADSD: Introdução Solução: Modelagem Matemática Como predizer o desempenho futuro de um sistema que está ainda em fase de projeto? Qual das alternativas possíveis de projeto deve ser escolhida de forma a se obter melhor desempenho a um custo acessível? Solução: Modelagem Matemática

ADSD: Introdução Como? Analisar o sistema projetado através de uma representação abstrata que encorpore o comportamento desse sistema Construir e analisar um modelo do sistema

ADSD: Introdução Sistemas e Modelos Sistema Conjunto de partes organizadas funcionalmente formando um todo Entidade: parte de um sistema Atributo: propriedade ou característica de um sistema ou de uma entidade. Sub-Sistema: parte de um sistema que pode ser estudada como um sistema independente

ADSD: Introdução Atividade: qualquer processo que efetue mudanças no sistema Ambiente ou Meio de um Sistema: é onde o sistema está inserido. Mudanças no ambiente podem afetar o sistema. Estado do Sistema: a descrição de todas as entidades, atributos e atividades num dado ponto do tempo.

ADSD: Introdução Exemplo: Sistema Redes de Computadores Entidades: pacotes, canais de comunicação, comutadores, estações de tabalho... Atributos: do sistema: rede a longa distância (WAN) dos pacotes: dados ou reconhecimento dos canais: capacidade de transmissão Atividades: transmitir pacotes comutar pacotes

ADSD: Introdução d H H Atributo: WAN Sistema RC entidade entidade Sub-sistema entidade H H entidade Atividades: comutar/ transmitir pacotes

ADSD: Introdução H Sistema RLC Sub-sistema entidade Atributo: CSMA/CD Atividade: transmitir pacotes

ADSD: Introdução Modelo Modelagem Uma representação (abstração) de um sistema Pode ser uma representação formal da teoria ou uma representação empírica, usualmente é uma combinação de ambos Modelagem Processo de extrair as características mais importantes de um sistema Modelar não é fácil! É uma arte, mais que uma disciplina científica.

ADSD: Introdução Modelagem requer: conhecimento completo do sistema, Intuição, e habilidade Somente as características mais importantes devem ser representadas no modelo.

ADSD: Introdução

ADSD: Introdução Etapas na construção de um modelo Estabelecer a estrutura do modelo: determinar os limites do sistema (com o seu ambiente), identificar as entidades, os atributos e as atividades do sistema Fornecer valores aos atributos e definir as interações existentes entre suas entidades

ADSD: Introdução Classificação de Modelos Determinístico: cada entrada válida tem um efeito preciso e determinado no estado do modelo. Estocástico: uma entrada válida pode causar várias mudanças no estado do modelo devido aos processos randônicos existentes. Quando observações suficientes são feitas, é possível encontrar a distribuição estatísticas desses processos.

ADSD: Introdução Estático: mudanças de estado não envolvem tempo. Dinâmico: mudanças de estado envolvem tempo.

ADSD: Introdução Modelos Matemáticos A caracterização de um sistema é feita através de relações formais (equações, algoritmos,...) Tipos de Modelos Analíticos Numéricos

ADSD: Introdução Modelo Analítico Quando é possível obter a solução explícita das medidas de desempenho desejadas Ex.: Leis de moção de Newton para o modelo de um foguete

ADSD: Introdução Modelo Numérico Modelo matemático onde não se pode obter uma solução explícita das medidas de desempenho desejadas Exs.: Sistema contínuo modelado usando equações diferenciais Sistema discreto modelado como um sistema de filas

ADSD: Introdução Paradigmas de Modelagem Redes de Filas (abordaremos no curso) Redes de Petri Máquinas de Estados Finitos

ADSD: Introdução Modelagem Matemática Como Solucionar Modelos? Solução Analítica: obtida através de resolução de equações matemáticas que relacionam os parâmetros do modelo com as medidas de desempenho de interesse Ex.: Algorítmos baseados na Teoria das Filas

ADSD: Introdução Solução Numérica: obtida através de interações, métodos de convergência, interpolação, sendo fornecido um valor estimado, simultaneamente ao erro do método Ex.: Simulação Digital

ADSD: Introdução Soluções Analíticas, quando aplicáveis, geralmente exigem suposições simplificadoras. A Simulação Digital é a técnica numérica mais empregada. Modelos de nosso interesse na disciplina são Numéricos, Estocásticos e Dinâmicos Uma introdução às técnicas analíticas e numéricas aplicáveis na solução desses modelos serão apresentadas nos módulos seguintes.

ADSD: Introdução Bibliografia: Discrete-Event System Simulation Jerry Banks, John S. Carson II Barry L. Nelson. Prentice-Hall, Inc1996, p. 548