Pontifícia Universidade Católica de Goiás Departamento de Engenharia Curso de Graduação em Engenharia de Produção ENG 1004 – Linguagem de Programação para.

Slides:



Advertisements
Apresentações semelhantes
Modelo Probabilístico
Advertisements

CAPÍTULO 7 TESTE DE HIPÓTESE
ETAPAS DE ESTUDO EM P.O. Definição e Formulação do Problema
CAPÍTULO 7 TESTE DE HIPÓTESE
ESTIMAÇÃO.
Gestão e Tecnologia da Informação Extensão Continuada – FA7
MetaMoS Metodologia para construção de Base de Conhecimento em modelagem e simulação dinâmica unidimensional.
Visualg. Definição É um programa que executa algorítmos em forma de cálculos e a linguagem utilizada por ele é o Portugal, que é uma adaptação da linguagem.
Algoritmos Distribuídos 1ª Lista de Exercícios Antonio Alfredo Ferreira Loureiro Departamento de Ciência da Computação Universidade.
Estatística Aula 15 Prof. Marllus Gustavo Ferreira Passos das Neves
Medida do Tempo de Execução de um Programa
Inteligência Computacional para Otimização Marcone Jamilson Freitas Souza Departamento de Computação Universidade Federal de Ouro Preto
Medida do Tempo de Execução de um Programa
Avaliação de Desempenho Planejamento de Experimentos 1
Alessandro Nakamuta Bruno Guazzelli Batista
PREVISÃO DE VENDAS Carlos Roberto C. Almeida.
Simulação de Sistemas Prof. MSc Sofia Mara de Souza AULA2.
Simulação de Sistemas Prof. MSc Sofia Mara de Souza AULA7.
Prof. MSc Sofia Mara de Souza AULA3
Prof. MSc Sofia Mara de Souza AULA6
COMO FUNCIONA A SIMULAÇÃO
COMO FUNCIONA A SIMULAÇÃO
Algoritmos Genéticos - Capítulo 10 Representação Numérica
Noções de Simulação O cálculo de probabilidades e valores esperados nem sempre pode ser feito analiticamente. Frequentemente, recorre-se a modelos de simulação.
Solução: SIMULAÇÃO Sistemas Complexos
Agrupamento de Atividades ou Departamentalização
Engenharia de Requisitos Requisito – sistema Caso de uso - usuário
TSDD Teste de segurança durante o desenvolvimento.
Apresentação da disciplina
ANÁLISE DE REQUISITOS DE ENGENHARIA DE SOFTWARE
COMO FUNCIONA A SIMULAÇÃO
COMO FUNCIONA A SIMULAÇÃO
Aula 03 – BCC202 Análise de Algoritmos (Parte 1) Túlio Toffolo www
Dimensionamento de Corridas e Análise de Resultados
TEORIA DE FILAS SERVIÇO BULK
Projeto de Bloco: Engenharia de Software
“Menos é Mais!” Apresentação Alunos:
Pontifícia Universidade Católica de Goiás Departamento de Engenharia Curso de Graduação em Engenharia de Produção ENG 1004 – Linguagem de Programação para.
Capitulo 10: Teoria das Filas
Profa Ana Carla Bittencourt Reis
Planejamento e Controle e obras
Pontifícia Universidade Católica de Goiás Departamento de Engenharia
Estatística Aula 13 Prof. Marllus Gustavo Ferreira Passos das Neves
Pesquisa Operacional Conceitos básicos.
Pontifícia Universidade Católica de Goiás Departamento de Engenharia Curso de Graduação em Engenharia de Produção ENG 1004 – Linguagem de Programação para.
CONSTRUÇÃO DE UM PORTAL QUE APÓIE A SELEÇÃO E IMPLANTAÇÃO DE SISTEMAS ERP DO TIPO SL/CA, Engenharias. Nome(s) do(s) autor(es), Diogo Domingos Cedório e.
Usando o Solver em PL Pontifícia Universidade Católica de Goiás
Curva ABC Adaptado de: A.M.M. Messias, 2008
Introdução a Banco de Dados Aula 04
Pontifícia Universidade Católica de Goiás Departamento de Engenharia Curso de Graduação em Engenharia de Produção ENG 1004 – Linguagem de Programação para.
Estatística Geral (Elementos de Probabilidade)
INTRODUÇÃO À BIOESTATÍSTICA
Pontifícia Universidade Católica de Goiás Departamento de Engenharia Curso de Graduação em Engenharia de Produção ENG 1004 – Linguagem de Programação para.
Pontifícia Universidade Católica de Goiás Departamento de Engenharia Curso de Graduação em Engenharia de Produção ENG 1004 – Linguagem de Programação para.
Fluxo de Caixa - Construção
VBA - Introdução Pontifícia Universidade Católica de Goiás
Capítulo 4 As distribuições de probabilidade mais importantes em controle estatístico de qualidade (CEQ): atributos Sumário 4.1 Introdução 4.2 Distribuição.
GPR - Gestão de Projetos Prof. José Oliveira da Silva
COMO FUNCIONA A SIMULAÇÃO
Estatística Descritiva
Avaliação de Desempenho de Sistemas Introdução
INFERÊNCIA ESTATÍSTICA PROPORÇÃO POPULACIONAL p
Introdução a planejamento e otimização de experimentos
Professora Michelle Luz
Guia explicativo – termos de referência Informações do preenchimento de cada lacuna do termo de referência.
INTRODUÇÃO THOBER CORADI DETOFENO, MSC. Aula 01 JOINVILLE 2015 Universidade do Estado de Santa Catarina – CCT/UDESC.
PROF. JOSÉ MAURO DE SÁ OLIVEIRA PLANO DE AULA. O plano de aula procura fazer uma previsão do desenvolvimento dos conteúdos e de todas as atividades, docentes.
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação.
Pearson Education Sistemas Operacionais Modernos – 2ª Edição 1 Sistemas Operacionais FATEC-PB Professor: Gustavo Wagner
Sistemas discretos Como qualquer programa de computador, um modelo computacional para a simulação de um sistema executa, seqüencialmente e de maneira repetitiva,
Transcrição da apresentação:

Pontifícia Universidade Católica de Goiás Departamento de Engenharia Curso de Graduação em Engenharia de Produção ENG 1004 – Linguagem de Programação para Engª de Produção Prof. Ricardo Rezende, D.S. Tabela de Simulação Adaptado de: Introdução à Modelagem e Simulação de Sistemas, Paulo José de Freitas Filho, 2008

Apresentação Um modelo computacional para simulação de um sistema executa, seqüencialmente e de maneira repetitiva, um conjunto de instruções Ao ser executado, valores de determinadas variáveis são alterados, uma vez que se modificam as condições que influenciam o comportamento do modelo Além disso, tais variáveis não têm seus valores antecipadamente determinados Vamos construir uma tabela de simulação no Microsoft Excel e calcular algumas estatísticas 2

Exemplo Consideremos que automóveis, oriundos de uma área externa, se encaminham a um posto para usar um lavador e serem lavados por um operador 3

Exemplo Dúvidas do proprietário: 1) Será que a área de espera disponível (para no máximo 4 automóveis) é suficiente para acomodar a clientela no sábado pela manhã ou perde-se clientes por falta de espaço? 2) Será que os serviços estão sendo prestados em tempo aceitável, de tal forma que os clientes não fiquem muito tempo no sistema? 3) Será que é necessário contratar um operador auxiliar para este período de alta demanda? 4

Exemplo A simulação permite ao usuário a nítida sensação de que o modelo sendo executado possui um comportamento semelhante ao do sistema real do qual deriva Ao controlar a execução deste modelo, o analista realiza experimentos, podendo desta forma estimar e concluir a respeito do comportamento do modelo e respondendo a questões formuladas sobre a conduta e o desempenho do sistema sob estudo Há 2 variáveis fundamentais na simulação: Tempo entre chegadas – TEC Tempo de serviço - TS 5

Exemplo Para este exemplo, serão adotadas 3 possibilidades para os TEC: 10, 12 e 15 min, de forma aleatória, como no sistema real, com probabilidade de ⅓ para cada alternativa, para cada cliente Da mesma forma, os TS também poderão, aleatoriamente, assumir os valores de 9, 10 e 11 min, com probabilidade de ⅓ para cada um deles, para cada cliente A tabela de simulação será construída para o sábado de manhã, das 9h às 12h (3h ou 180 min) 6

Exemplo 1. Cliente: simulação para os 15 primeiros clientes, em ordem de chegada 2. Tempo desde a última chegada (min): serão sorteados para cada um dos clientes, de acordo com os valores e probabilidades 3. Tempo de chegada no relógio (min): observados em um cronômetro, disparado ao início da simulação (t = 0 min) 4. Tempo do serviço (min): serão sorteados para cada um dos clientes, de acordo com os valores e probabilidades 5. Tempo do cliente na fila (min): diferença entre o tempo final do serviço no relógio “anterior” e o tempo de chegada no relógio “atual” 8

Exemplo 6. Tempo de início do serviço no relógio (min): mostra o tempo de chegada mais o tempo em fila 7. tempo final do serviço no relógio (min): somatório do tempo de chegada no relógio, tempo do serviço e tempo do cliente na fila 8. Tempo do cliente no sistema (min): somatório do tempo do serviço e tempo do cliente na fila 9. Tempo livre do operador (min): diferença entre o tempo de início do serviço no relógio “atual” e o tempo final do serviço no relógio “anterior” 9

(5) i = (7) i-1 – (3) i ; se TF<0 atribua 0 (6) i = (3) i + (5) i (7) i = (3) i + (4) i + (5) i (8) i = (4) i + (5) i (9) i = (6) i – (7) i-1

Estatísticas calculadas 12

Sorteando TEC e TS 13 Vamos implementar agora o sorteio das variáveis TEC e TS com a mesma probabilidade de ocorrência para cada cliente Há 2 funções no Excel para esse propósito: =aleatório() - retorna um nº aleatório real maior ou igual a 0 e menor que 1 distribuído uniformemente; um novo nº aleatório real é retornado toda vez que a planilha é calculada =aleatórioentre(inferior;superior) - retorna um nº aleatório inteiro entre os números especificados; um novo nº aleatório inteiro será retornado sempre que a planilha for calculada

Sorteando TEC e TS 14 Como as variáveis são inteiras, será utilizada a 2ª equação: =aleatórioentre(inferior;superior) As opções para TEC são 10, 12 e 15 As opções para TS são 9, 10 e 11 Iniciando por TS, digite a equação na célula do 1º cliente e 4ª coluna da seguinte forma:

Sorteando TEC e TS 15 Arraste esta programação até o 15º cliente Observe que teclando F9 um novo valor é sorteado, entre 9, 10 e 11, com a mesma probabilidade

Sorteando TEC e TS 16 Para o sorteio de TEC há um inconveniente: os valores são não sequenciais A alternativa é programar fora da tabela, na linha de cada cliente, o sorteio de um nº entre 1 e 3:

Sorteando TEC e TS 17 Então, pode-se programar a célula do TEC: =se (teste_lógico;valor_se_verdadeiro;valor_se_falso) Por exemplo: =SE(K3=1;10;SE(K3=2;12;15)) Agora arraste estas duas programações até o 15º cliente