Apostila USP São Carlos

Simulao
1.1
Laboratrio de Simulao e Controle de Sistemas Discretos
NUMA / USP-So Carlos
Universidade de So Paulo
Escola de Engenharia de So Carlos
Departamento de Engenharia Mecnica

LABORATRIO DE SIMULAO E CONTROLE
DE SISTEMAS DISCRETOS

CURSO DE SIMULAO

Simulao
1.2
Sumrio
1. O QUE SIMULAO?......................................................................................................................3
2. PROCEDIMENTO GERAL....................................................................................................................3
3. PROCEDIMENTO PARA CONDUO DE UM ESTUDO DE SIMULAO.........................................5
3.1. Planejando o Estudo ...............................................................................................................5
3.2. Definio dos Objetivos..........................................................................................................5
3.3. Identificao das Restries..................................................................................................7
3.4. Preparao de Especificaes de Simulao.....................................................................8
3.5. Desenvolvimento de Oramento e Programa .................................................................. 10
3.5.1. Definindo o Sistema .......................................................................................................... 11
3.5.2. Determinar os Dados Exigidos.......................................................................................... 13
3.5.3. Uso de Fontes de Dados Apropriadas ............................................................................... 15
3.5.4. Fazer suposies quando necessrio ................................................................................. 16
3.5.5.Converter Dados para uma Forma til .............................................................................. 17
3.5.5.1. Atividade de agrupamento........................................................................................ 19
3.5.6. Documentar e Aprovar os Dados...................................................................................... 19
3.6. Construindo o Modelo......................................................................................................... 20
3.7. Refinamento Progressivo .................................................................................................... 20
3.8. Expanso Incremental ......................................................................................................... 21
3.9. Verificao do Modelo......................................................................................................... 22
3.10. Validao do Modelo......................................................................................................... 22
3.11. Execuo dos Experimentos............................................................................................. 23
4. SIMULAES TERMINAIS VERSUS NO-TERMINAIS...................................................................25
4.1. Executando Simulao Terminativa.................................................................................. 26
4.2. Executando Simulaes No-terminativas....................................................................... 27
5. DETERMINANDO PERODO DE ANIMAO...................................................................................28
6. OBTENDO AMOSTRAS DE OBSERVAES....................................................................................29
7. DETERMINANDO O TAMANHO DA EXECUO............................................................................29
8. COMPARANDO SISTEMAS ALTERNATIVOS..................................................................................31
9. PROJETO FATORIAL.........................................................................................................................32
10. USO DE CADEIAS ALEATRIAS....................................................................................................33
11. ANALISE DOS DADOS DE SADA...................................................................................................34
12. RELATRIO DOS RESULTADOS....................................................................................................35
13. ARMADILHAS EM SIMULAO....................................................................................................36
Simulao
1.3
Captulo 1 - Simulao

1. O que Simulao?

Fazer simulao requer mais do que exatos conhecimentos de como usar um
produto de simulao. Um estudo de simulao , por sua natureza, um projeto maior.
Como qualquer projeto, h tarefas para serem completadas e recursos que so exigidos
para complet-las. Para um projeto de simulao ser bem sucedido, este tem que ser
planejado com um entendimento das exigncias de cada uma das tarefas envolvidas.
Falhas so resultados de atos precipitados dentro de um estudo de simulao, atos
realizados sem primeiro considerar os passos envolvidos e sem desenvolver um plano
para o procedimento de realizao do estudo.
A modelagem de simulao requer boa habilidade analtica, estatstica, de
comunicao em organizao e em engenharia. O modelador deve entender do sistema
analisado e ser hbil parar escolher atravs do complexo relacionamento de causa e
efeito o que determinar a execuo do sistema. Os fundamentos bsicos em estatstica
so necessrios para, apropriadamente, se projetar experimentos e, corretamente,
analisar e interpretar dados de entrada e sada. Quando em comunicao com os
requisitantes, durante um estudo de simulao, tambm vital assegurar que o modelo
proposto seja utilizado e que todos entendam os objetivos, suposies e resultados do
estudo.

2. Procedimento Geral

Uma deciso para fazer simulao, usualmente, resulta da percepo de que a
simulao pode ajudar a resolver um ou mais problemas, associados com o projeto de
um novo sistema, ou a modificao de um sistema existente. Antes do lanamento de
um projeto de simulao, um ou mais indivduos internos devero ser designados para o
estudo, os quais devero possuir ao menos um conhecimento bsico sobre o sistema a
ser estudado e sobre os resultados esperados. Informaes bsicas suficiente devero ser
obtidas acerca da natureza do problema para determinar se a simulao uma soluo
adequada. Se a simulao est sendo conduzida por indivduos da prpria empresa, estes
Simulao
1.4
devero possuir conhecimentos bsicos sobre as operaes envolvidas no estudo. Para
estranhos ou aqueles no familiarizados com as operaes, dever ser providenciado
uma descrio mnima do sistema e uma avaliao das atividades chaves do sistema.
Uma vez que uma aplicao ou projeto tenha sido identificado como candidato
a ser estudado atravs da simulao, decises devero ser tomadas acerca de como
conduzir os estudos. No h normas oficiais sobre como executar um estudo de
simulao, contudo os seguintes passos so geralmente recomendados como pauta
(Shannon, 1975, Gordon, 1978 e Law, 1991):
Planejamento do estudo;
Definio do sistema;
Construo do modelo;
Execuo dos experimentos;
Analise das sadas;
Execuo dos relatrios & resultados.
Cada passo no necessita ser completado inteiramente antes de se partir para o
prximo. O procedimento para se fazer uma simulao interativo, no qual as
atividades so refinadas e algumas vezes redefinidas com cada iterao. Descrevendo
estes processos iterativos, Pritsker e Pegden (1979) observaram:
Os estgios de simulao so raramente executados em uma seqncia
estruturada, comeando com a definio do problema e terminando com a
documentao. Um projeto de simulao pode envolver falsas partidas, suposies
errneas as quais devem, mais tarde, ser abandonadas, reformulaes dos objetivos do
problema, repetidas avaliaes e reprojeto do modelo. Se apropriadamente feito, este
projeto iterativo resultaria em um modelo de simulao o qual utiliza alternativas e
reala as decises tomadas no andamento do processo.

Simulao
1.5
3. Procedimento para Conduo de um Estudo de Simulao

Enquanto as exigncias para cada passo variam de estudo para estudo, o
procedimento bsico, essencialmente o mesmo. A importncia bsica de adoo deste
procedimento sistemtico, assegurar que o projeto seja conduzido de maneira
organizada, oportuna e de mxima efetividade na execuo dos objetivos.

3.1. Planejando o Estudo
Muitos estudos de simulao tendem a falhar desde o princpio devido a
pobreza do planejamento. Objetivos indefinidos, expectativas irrealsticas e uma
deficincia geral de entendimento das exigncias, freqentemente, resultam em
frustrao e desapontamento. Se para um projeto de simulao ser bem sucedido, um
plano deve ser desenvolvido, o qual seja realista, claramente comunicvel e facilmente
seguido.
Planejar um estudo de simulao envolve as seguintes sub-tarefas:
Definio dos objetivos;
Identificao de restries;
Preparao de especificaes da simulao;
Desenvolvimento de um oramento e cronograma.

3.2. Definio dos Objetivos
Com um entendimento bsico do funcionamento do sistema real e um
conhecimento do trabalho global sendo executado, um ou mais objetivos podem ser
definidos para o estudo. A simulao somente dever ser usada se um objetivo puder ser
claramente declarado e se for determinado que a simulao a ferramenta mais
adequada para a realizao do objetivo.
Definindo um objetivo no se faz necessrio que este seja um problema para
resolver. Um objetivo perfeitamente vlido pode ser verificar se, de fato, algum
problema imprevisto pode ocorrer. Os tipos de objetivos mais comuns em estudos de
simulao incluem o seguinte:
Anlise de Desempenho Qual a evoluo de desempenho do sistema
considerando um conjunto de circunstncias de alta significncia (utilizao, produo,
tempo de espera, etc.)?
Simulao
1.6
Anlise de Capacidade Qual o processamento mximo ou capacidade de
produo do sistema?
Anlise de Aptido O sistema capaz de encontrar a exigncia de execuo
especfica (throghput, tempo de espera, etc.) e, se no, que mudanas (adicionando
recursos, improvisando mtodos, etc.) so recomendadas para faze-lo capaz?
Estudo de Comparao O quanto muda uma configurao do sistema ou
execuo de variao do projeto comparado com outra configurao alternativa?
Anlise de Sensibilidade Quais decises (variveis) so as mais influentes
sobre uma ou mais medidas de execuo, e quanto influentes elas so?
Estudo de Otimizao Quais combinaes de valores praticveis para um
conjunto de decises (variveis), daria melhores concluses na execuo dos objetivos
desejados?
Anlises Resposta/Deciso Quais so os relacionamentos entre os valores de
uma ou mais decises (variveis) para que o sistema responda aquelas mudanas?
Anlise de Restrio Onde esto as restries ou gargalos no sistema e quais
so as solues trabalhveis para um ou outro, reduzindo-os ou eliminado-os?
Efetividade de Comunicao Quais variveis e representaes grficas
podem ser usadas para, mais efetivamente, retratar o comportamento dinmico ou
operao do sistema?
Alguns modelos so construdos como previses hipotticas, os quais
so usados somente uma vez e ento so descartados. Outros so
construdos para serem usados sobre uma base realista para anlise
continuada.
Alguns modelos necessitam ser providos de uma resposta quantitativa,
outros exigem animaes realsticas, para convencer um consumidor
ctico.
Alguns modelos so planejados para o uso somente do analista. Outros
so planejados para uso de gerentes, com pequeno fundo de simulao
e, devem ser fceis de se usar.
Alguns modelos so usados para adotar decises de menores
conseqncias. Outros so confiados para suportar decises financeiras
de grande impacto.
Simulao
1.7
Estabelecendo os objetivos de um estudo de simulao, deve-se considerar os
propsitos to bem como o pretendido uso do modelo, de modo que as seguintes
questes devem ser formuladas quando os objetivos do estudo forem definidos:
Por que a simulao est sendo executada?
Quem usar o modelo?
Para quem os resultados da simulao sero apresentados?
Quais informaes so esperadas do modelo?
Este modelo considerado hipottico?
Qual a importncia da deciso a ser tomada?

3.3. I dentificao das Restries
To importante quanto a definio dos objetivos, a identificao de restries
sob as quais o estudo dever ser conduzido, isto porque, no far nenhuma diferena se
a simulao resolveu um problema proposto, mas porm o tempo para realiz- la
alongou-se alm do prazo limite para a aplicao da soluo, ou se o custo para
encontrar a soluo excede os lucros que sero obtidos.
Os objetivos necessitam ser temperados pelas restries, sob as quais o projeto
deve ser executado, tal como oramento, prazo de entrega, acessibilidade de recursos,
etc. No raro se comear um projeto de simulao com aspiraes de desenvolvimento
de um modelo impressivamente detalhado, ou de criao de uma animao
estonteantemente realstica, somente para no ltimo minuto realizar hipteses junto a
um modelo rude, porque simplesmente se encontra no prazo final de entrega.
As restries no so sempre consideradas como um impedimento, se no o
prazo de entrega ou outras restries no seriam estabelecidas. H um perigo de
demasiado envolvimento e detalhamento no estudo da simulao e corre-se o risco de
paralisia da anlise.
Na identificao das restries, qualquer coisa que puder ter um efeito
limitante na concluso dos objetivos desejados dever ser considerada. Questes
especficas que devero ser perguntadas quando se identificar as restries para um
estudo de simulao incluem o seguinte:
Qual o oramento para fazer o estudo?
Qual o prazo de entrega para no impedir a tomada da deciso?
Simulao
1.8
Quais so as habilidades dos que esto fazendo o estudo?
Qual software ser usado para fazer a simulao?
Como e quanto so acessveis os dados de entrada?
Qual computador ser usado para o estudo?

3.4. Preparao de Especificaes de Simulao

Com os objetivos e restries claramente definidos, podem ser especificadas as
exigncias de simulao. Para se definir uma especificao para a simulao essencial
ter projetado o tempo e o custo que sero necessrios para completar o estudo.
A especificao tambm guiar o estudo e ajudar por em expectativa
exatamente o que a simulao incluir ou excluir. Uma especificao especialmente
importante se a simulao est sendo executada por um consultor externo, pois se
conhecer exatamente o que se estar comprando. Aspectos do projeto de simulao que
seriam includos nas especificaes incluem o seguinte:
Alcance;
Nvel de detalhes;
Grau de exatido;
Tipo de experimentao;
Forma de resultado.

Alcance O alcance refere-se a amplitude do modelo ou quanto do sistema o
modelo conter. A determinao do alcance do modelo seria baseada sobre quanto
realar ou suprimir uma atividade particular sobre a realizao dos objetivos da
simulao. Uma tendncia comum modelar os sistema inteiramente, sempre quando a
rea do problema e todas as variveis relevantes estiverem realmente isoladas dentro de
um sub-sistema menor.
Se, por exemplo, o objetivo encontrar o nmero de operadores exigidos para
suportar um nvel de produo de uma clula, provavelmente no ser necessrio que o
modelo represente o que acontecer s peas depois de deixarem as clulas. O alcance
do modelo seria obtido com somente aquelas atividades cujas interaes tm um
significado direto sobre o problema sendo estudado, as atividades contra- fluxo e
Simulao
1.9
sequenciais que no impedem as medidas de interesse da execuo seriam omitidas
do modelo.

Nvel de Detalhes O nvel de detalhe define a profundidade ou resoluo do
modelo. Em um extremo, uma fbrica inteira pode ser modelada como uma simples
operao caixa preta com o tempo de atividade aleatria, e em outro extremo o
movimento detalhado de uma mquina seria modelado, correspondente a uma a uma ads
operaes da mquina. Ao contrrio do Alcance do modelo que afeta somente o seu
tamanho, o Nvel de Detalhes afeta a complexidade do modelo tanto quanto o tamanho.
A determinao de um nvel apropriado de detalhes uma deciso importante, pois
muitos detalhes dificultam e consomem tempo no desenvolvimento de um modelo
vlido, e poucos detalhes podem fazer o modelo muito irrealista pela excluso de
variveis crticas.
O nvel de detalhes grandemente determinado pelo grau de preciso exigido
nos resultados. Se somente uma estimativa rude estiver sendo procurada, pode ser
suficiente se modelar apenas cada atividade em macro, porm se, por outro lado,
detalhes tais como downtimes ou move time tiverem efeito aprecivel sobre o resultado
do comportamento do modelo, os detalhes das atividades devero ser includos.
Graus de Exatido O grau de exatido pertence a correo dos dados que
sero usados. Para alguns modelos ou para certas atividades a informao no necessita
ser to precisa ou exata como se necessita para outros. Os graus de exatido exigidos
so determinados pelos objetivos do estudo. Se a deciso for importante ou a
comparao for em faixa estreita, maior exatido pode ser exigida. A exatido, algumas
vezes, tem que ser sacrificada se os dados de entrada seguros forem simplesmente
indisponveis, tal como quando se inicia o modelo de um sistema completamente novo.
O grau de exatido exigido pode ter um impacto significante sobre o tempo e
esforos exigidos para recolher os dados, porm ele freqentemente tem impacto
reduzido sobre o tempo de construo do modelo, isto pois que um modelo pode ser
construdo com valores estimados que podem, mais tarde, ser trocados pelos valores
exatos. A preciso da sada freqentemente governada pelo grau de exatido do
modelo.
Tipo de Experimentao O nmero e a natureza das solues alternativas a
serem avaliadas devem ser planejadas de incio, no sentido de assegurar que um
Simulao
1.10
cronograma adequado ser adotado. Freqentemente esta deciso, por si mesmo,
influenciada pela restrio do prazo de entrega do estudo.
Quando alternativas que so ligeiramente diferentes precisam ser avaliadas, um
modelo base (ou neutro em relao as diferenas) pode ser desenvolvido sem que exija
menores modificaes para modelar cada alternativa. Se as configuraes alternativas
forem significantemente diferentes, elas podem exigir quase o mesmo esforo de
modelagem, como o que se faz ao desenvolver um modelo inicial.
Para estudos em que melhoramentos em um sistema existente esto sendo
considerados, freqentemente til e eficaz se modelar o sistema corrente to bem
como o sistema proposto. A premissa bsica que no se est pronto para fazer
melhoramentos em um sistema at que se entenda como que opera o sistema corrente.
Informaes sobre o sistema corrente so mais fceis de se obter do que informaes da
rea de mudana. Uma vez que o modelo do sistema corrente est construdo,
freqentemente mais fcil visualizar quais mudanas necessitam ser feitas para
modificar este sistema corrente. Os sistemas tambm podem ser modelados juntos, na
mesma simulao, e se executa- los lado a lado, permitindo-se a comparao de
desempenhos. E, tambm, durante a apresentao final dos resultados ser fcil mostrar
com ambas as verses como est e como ser, a demonstrao efetiva do impacto
que a mudana pode ter sobre a execuo do sistema.
Forma de Resultados A forma na qual os resultados sero apresentados
pode afetar significativamente o tempo e esforos envolvidos no estudo da simulao.
Se a animao detalhada ou um relatrio extensivo esperado, o projeto pode
facilmente se estender por diversas semanas depois da fase experimental ter sido
completada. Muitas vezes o nico resultado exigido uma simples verificao de Se um
sistema capaz de atender a uma exigncia de produo, e em tais casos uma simples
resposta satisfar.

3.5. Desenvolvimento de Oramento e Programa

Com objetivos e restries claramente definidos e uma especificao detalhada,
identificando o trabalho a ser executado, um oramento e uma programao seriam
desenvolvidas, cujas expectativas (de custo e de tempo) completariam o planejamento
do estudo de simulao.
Simulao
1.11
Obviamente, o tempo para executar um projeto de simulao variar
dependendo de seu tamanho e de suas dificuldades. Se os dados no esto prontamente
disponveis, pode ser necessrio somar diversas semanas para o projeto. Um projeto
pequeno pode durar de 2 a 4 semanas, enquanto grandes projetos podem durar de 2 a 4
meses. Uma programao de simulao seria baseada em projees realistas do tempo
exigido, guardando em mente o seguinte:
Definir e detalhar o sistema a ser modelado, pode consumir acima de
50% do tempo total do projeto;
Construir o modelo, usualmente, pode consumir entre 10 a 20% do tempo
total;
Uma vez que o modelo esteja construdo, pode-se consumir diversas
semanas para conduzir todos os experimentos desejados, especialmente se projetos
alternativos estiverem sendo comparados.
Embora inicialmente tenha sido determinado que a simulao uma ferramenta
adequada para realizar o objetivo, a deciso para usar a simulao pode necessitar ser
reconsiderada em funo do custo projetado e tempo estimado.
A simulao pode ser uma boa soluo para o problema a mo, mas se o tempo
ou custo de se fazer o estudo exceder os benefcios esperados, ou uma soluo
alternativa necessitar ser explorada ou os objetivos necessitaro ser modificados para
abaixar o nvel de esforo exigido.

3.5.1. Definindo o Sistema

Com objetivos claramente definidos e um bom planejamento para o estudo do
sistema, pode-se comear a definir os detalhes. Isto pode ser visto como o
desenvolvimento de um modelo conceitual, sobre o qual a simulao ser baseada. O
processo de concentrao e validao de informaes do sistema pode ser assoberbante
quando encarado por pessoas inexperientes (STACKS OF RAW) e freqentemente
dados incorretos so usados, pois os dados raramente so disponveis na forma que
define exatamente como o sistema trabalha.
O levantamento dos dados nunca deve ser executado sem um propsito. A
Aquisio dos dados deve ser uma meta orientada com o foco sobre informaes que
Simulao
1.12
realizaro os objetivos de estudo. So diversas os procedimentos a ser usar quando da
aquisio dos dados.
Identificar o Relacionamento de Causa e Efeito importante identificar
corretamente as causas ou condies sob as quais as atividades so executadas. Uma
massa de dados significativamente grande de fundamental importncia, por exemplo
na anlise de DOWNTIME, ela til para distinguir entre downtime devido as falhas e
downtime gerado por quebras, mudanas de ferramentas, etc. e downtime que so
verdadeiramente perodos ociosos devido a no disponibilidade do estoque. Uma vez
que as causas tenham sido estabelecidas e analisadas as atividades podem ser
apropriadamente categorizadas.
Procurar por Fatores Chaves de Impacto A discriminao usada para
evitar o acmulo de dados no representativos do funcionamento do sistema, aps ser
examinados os fatores que tenham pouco ou nenhum impacto sobre a execuo. Se, por
exemplo, um operador est dedicado a uma mquina particular e, por isso, nunca uma
causa de atraso na produo, no h necessidade de incluir operador no modelo. Como
tambm, tempos extremamente raros e baixos, como os pequenos movimentos de
tempo, inspees ON-THE-FLY e outras atividades insignificantes ou irrelevantes que
no tem efeito aprecivel sobre a rotina de execuo do sistema, podem ser seguramente
ignoradas.
Distribuio entre Atividades tempo-dependente e condio-dependente
Atividades tempo-dependentes so aquelas que necessitam de uma quantidade
previsvel de tempo para se completar, tal como um tempo de inspeo. Atividades
condies-dependentes podem ser completadas somente quando certas condies
definidas dentro do sistema so satisfeitas.
Focalizao sobre Essncia em vez de Substncia Uma definio de
sistema para o propsito de modelagem, capturaria a chave do relacionamento causa e
efeito e ignoraria os detalhes acidentais. Usando esta abordagem caixa preta para
definio do sistema no se est preocupado acerca da natureza da atividade que est
sendo executada, mas somente com o impacto que a atividade tem sobre o uso dos
recursos e o atraso da entidade fluente. Por exemplo, a execuo de operao atual da
mquina no importante, mas somente quanto tempo a operao gasta e que recursos
so usados durante a operao, que so considerados importantes. importante para o
Simulao
1.13
modelador estar constantemente pensando de forma abstrata acerca da operao do
sistema no sentido de evitar tornar-se muito agarrado nos detalhes acidentais.
Separar Entradas Variveis de Respostas Variveis Entradas variveis
para um modelo define como o sistema trabalha (por exemplo, tempo de atividade,
seqncias de rotinas, etc.). Respostas variveis descrevem como o sistema responde a
um dado conjunto de entradas variveis (por exemplo, trabalho em processo, tempo
ocioso, utilizao de recursos, etc.). Entradas variveis so o foco do levantamento de
dados, pois que eles so usados para definir o modelo. Respostas variveis, por outro
lado, so as sadas de uma simulao.
Consequentemente, respostas variveis seriam somente acumuladas para, mais
tarde, auxiliar a validao do modelo, uma vez que ele esteja construdo e executado.
Os seguintes passos so recomendados para ajudar a organizar o processo de
levantamento de dados para definio do sistema:
Determinar os dados exigidos;
Uso apropriado das fontes de dados;
Fazer suposies onde necessrio;
Converter dados para uma forma til;
Documentar e aprovar os dados.
Cada um destes passos ser explicado nas pginas seguintes.

3.5.2. Determinar os Dados Exigidos

O primeiro passo no levantamento de dados determinar quais dados so
exigidos para construir o modelo. Isto seria ditado, preliminarmente, pelo alcance e
nvel dos detalhes exigidos para realizar os objetivos do modelo, como descrito
anteriormente.
Recomenda-se ir do geral para o especfico no levantamento de dados. O foco
inicial seria sobre a definio do processo global corrente, para prover uma estrutura
mnima que permitisse aderir informaes mais detalhadas. Informaes detalhadas
podem, ento, ser adicionadas gradualmente conforme for vivel (e.g. recursos exigidos,
tempos de processamento, etc.). Partir do processo global fluente no somente
proporciona uma abordagem ordenada para levantamento de dados, mas tambm
permite que o processo de construo do modelo seja iniciado, o que reduz a quantidade
Simulao
1.14
de tempo para construir e executar o modelo mais tarde. Freqentemente, os dados
ausentes tornam mais evidentes quando o modelo estiver sendo construdo.
Os fluxos bsicos entre as entidades, atravs do sistema, e um diagrama de
fluxo podem ser teis como meio de documentao e visualizao do fluxo fsico das
entidades de local para local. Uma vez que um diagrama de fluxo esteja feito, pode ser
utilizado para definir os detalhes de como as entidades se movem entre os locais e que
recursos so usados para executar operaes em cada local. Neste ponto apropriado
identificar capacidades dos locais, tempos de movimento, tempos de processamento,
etc.
Para dirigir esforos no levantamento de dados e assegurar que se some com
outros importantes, pode ser til preparar uma lista especfica de questes que
identifiquem os dados necessrios. Uma lista de questes pertinentes para serem
respondidas pode incluir o seguinte:
1. Quais so os tipos de entidades que so processadas no sistema, e
que atributos distinguem o meio no qual as entidades do mesmo tipo so
processadas ou encaminhadas para vias determinadas?
2. Quais so os locais de rotas no sistema (incluindo todos lugares
onde ocorrem processamento ou enfileiramento, ou onde as decises de rotina
so tomadas), e quais so as suas capacidades (isto , quantas entidades podem
estar, acomodar em um determinado tempo cada locao)?
3. Alm dos locais de rota, que outros tipos de recursos (pessoal,
veculos, etc.) so usados no sistema e quantas unidades de cada tipo esto l
(recursos usados intercambiveis podem ser considerados do mesmo tipo)?
4. O que uma rotina de seqncia para cada tipo de entidade no
sistema?
5. Qual atividade, se alguma, toma lugar, para cada entidade, em
cada rota de locais (definir em termos de tempo exigido, recursos usados,
nmero de entidades envolvidas e qualquer outra deciso lgica que toma
lugar)?
6. Onde, quando e em que quantidade as entidades entram no
sistema (definir relao, tempo de chegada, padro de chegada cclica, ou
condies em que iniciam cada chegada)?
Simulao
1.15
7. Em que ordem, mltiplas entidades partirem de cada local
(primeiro dentro, primeiro fora, ltimo dentro, primeiro fora, etc.)?
8. Em situaes onde uma entidade de sada encaminhada para
uma dos diversos locais alternativos, como feita a rotina de deciso (e.g. maior
capacidade vivel, primeira locao avalivel, seleo probabilstica, etc.)?
9. Como uma entidade move de um local para outro (definir em
termos de tempo e os recursos exigidos)?
10. O que dispara o movimento de entidades de um local para outro
(isto , capacidade no prximo local, fluxo de demanda de um local, uma
condio externa)?
11. Como os recursos se movem, de local para local, para executar
tarefas (definir qual dos dois, em termos de velocidade e distncia ou tempo)?
12. O que os recursos fazem quando eles terminam a execuo de
uma tarefa e no h outra esperando (e.g. param, movimentam para outro lugar,
etc.)?
13. Em que situaes onde mltiplas entidades so esperadas para um
mesmo local ou recursos quando ele torna vivel, que mtodo usado para fazer
um seleo de entidades (e.g. entidade esperando mais tempo, entidade fechada,
prioridade mais alta, etc.)?
14. Qual a relao de viabilidade para recursos e locais (definir em
termos de relao de transferncia e paradas)?
15. Quais interrupes planejadas possuem os recursos e locais
(relao de manuteno, levantamentos, converses, etc.)?
16. Quais falhas aleatrias so executadas pelos recursos e locais
(definir em termos de distribuio, descrio do tempo para falhas e tempo para
preparo)?
Dependendo do propsito da simulao e do nvel de detalhes necessrios,
algumas destas questes no podem ser aplicadas. As respostas a estas questes
proporcionam quase todas as informaes necessrias para construir um modelo.

3.5.3. Uso de Fontes de Dados Apropriadas

Simulao
1.16
Havendo um especfico conjunto de questes para definir o sistema, j haver
condies para se procurar pelas respostas. As informaes raramente vm de uma
nica fonte, usualmente ela o resultado de reviso de relatrios, contedo de
entrevistas, observaes pessoais e juzos previamente estabelecidos. As boas fontes de
dados sobre o sistema incluem o seguinte:
Planos de processo;
Estudo de tempos;
Tempos padres existentes;
Cartas de fluxo;
Arranjo-fsico dos recursos;
Previso de mercado;
Relatrios de manuteno;
Plano mestre de produo;
Equipamentos de fabricao;
Gerentes;
Engenheiros;
Pessoal de cho de fbrica;
Facilidades de navegao no sistema;
Comparao com operaes similares, etc.
Na tomada de deciso, se for usada uma fonte de dados em particular,
importante se considerar a relevncia, a segurana e a acessibilidade da fonte. Se a
informao que a fonte particular pode proporcionar irrelevante para o modelo que
est sendo definido, ento, essa fonte no dever ser consultada. A segurana da fonte
determinar a validade do modelo. Uma projeo realizada pelos modelos, por exemplo,
no pode ser to segura quanto o plano real de produo. Finalmente, se uma fonte de
difcil acesso, tal como a visita a um local remoto, ela pode ter que ser ignorada.

3.5.4. Fazer suposies quando necessrio

Logo aps a aquisio dos dados, comea-se a identificar que certas
informaes so invlidas ou talvez inseguras. Dados completos, exatos e atualizados
para todas as informaes necessrias raramente so obtidos, especialmente quando
Simulao
1.17
suposies devem ser feitas, modelando-se um novo sistema acerca do qual pouco
conhecido. No h nada de errado em se fazer suposies, desde que estejam de acordo
e sejam reconhecidas que so somente apropriaes. Qualquer alternativa de projeto
deve utilizar suposies onde a informao completa ou exata seja deficiente.
Muitas suposies so somente temporrias at que as informaes corretas
possam ser obtidas ou at que seja determinada qual informao mais exata ser
necessria. Freqentemente a anlise de sensibilidade, na qual, uma srie de valores so
testados pelo impacto potencial, pode dar uma indicao do legtimo, quo exato os
dados realmente necessitam ser. Uma deciso pode, ento, ser tomada para firmar-se a
suposio ou abandon- la. Se, por exemplo, o grau de variao num tempo de atividade
particular tem pequeno ou nenhum impacto sobre a execuo do sistema, ento, um
tempo de atividade constante pode ser usado. Diferentemente, pode ser importante para
definir a distribuio exata para o tempo de atividade.
Uma outra abordagem na conduta com apropriaes correr trs diferentes
cenrios mostrando um caso melhor usando os valores mais otimistas, um caso pior
usando os valores mais pessimistas, e um caso mais provvel usando a melhor
estimativa de valores. Isto ajudaria determinar a quantidade de risco que se deseja tomar
na assuno de um valor.

3.5.5.Converter Dados para uma Forma til

Os dados raramente esto numa forma pronta para o uso no modelo de
simulao, sendo que usualmente necessitam de alguma anlise e converso para serem
usados como dados teis, como um parmetro de entrada para a simulao. Fenmenos
aleatrios devem ser ajustados para algum padro de distribuio terica, tal como uma
distribuio normal ou exponencial, ou seja, como entrada de distribuio de freqncia.

Modelagem da distribuio Ao se definir uma distribuio, usando uma
distribuio terica, busca-se que os dados sejam ajustados para a distribuio que
melhor descreva a varivel. Diversas distribuies, disponveis em pacotes de software
estatstico esto acessveis para auxiliar no teste de adaptao do dados para uma
distribuio terica utilizvel. A alternativa modelagem externa dos dados o uso de
Simulao
1.18
uma distribuio terica padro diretamente no modelo. Uma distribuio de freqncia
emprica algumas vezes referida como uma distribuio definida pelo usurio.
Para a adaptao de dados a uma distribuio terica, ou uso numa distribuio
emprica, freqentemente til organizar os dados dentro de uma tabela de distribuio
de freqncia. A definio de uma distribuio de freqncia, feita pelo agrupamento
dos dados dentro dos intervalos e, ento, relatar a ocorrncia de freqncia para cada
intervalo particular. Para ilustrar como isto feito, a tabela de freqncias (tabela a
seguir), tabulam o nmero ou freqncia de reparos para uma mquina particular que
requer uma certa quantidade de tempo para se executar.

Tempo de
Reparo
Nmero de Observaes Percentual Percentual
Cumulativo
0 1 25 16.5 16.5
1 2 33 21.7 38.2
2 3 30 19.7 57.9
3 4 22 14.5 72.4
4 5 14 9.2 81.6
5 6 10 6.6 88.2
6 7 7 4.6 92.8
7 8 5 3.3 96.1
8 9 4 2.6 98.7
9 10 2 1.3 100.0

Porquanto haja regras propostas para determinar o intervalo ou tamanho da
amostra, a melhor abordagem ter certeza que as amostras estejam definidas para
mostrar a transio gradual de valores.
Note na ltima coluna da tabela de freqncia que a porcentagem para cada
intervalo pode ser expressa, opcionalmente, como uma porcentagem cumulativa. Isto
ajuda a verificar que todos 100% das possibilidades esto includos.
Ao reunir amostras de uma populao esttica, pode-se aplicar estatstica
descritiva e desenhar inferncias razoveis acerca da populao. Ao reunir dados de um
sistema dinmico com possvel variao de tempo, deve-se ser sensvel para direcionar
padres e ciclos que podem ocorrer com o tempo.
Simulao
1.19

3.5.5.1. Atividade de agrupamento

Uma outra considerao na converso de dados para uma forma til a
maneira na qual as atividades so agrupadas para o propsito de modelagem.
Freqentemente til agrupar atividades desde que nenhum detalhe importante seja
sacrificado, pois isto torna os modelos mais fceis de definir e mais manejveis para
analisar.
Agrupando atividades mltiplas dentro de um nico tempo de atividade, para
simplificao, necessrio considerar-se as atividades como se estas fossem executadas
em srie ou em paralelo.
Se as atividades forem feitas em paralelo ou com qualquer sobreposio, o
tempo durante o qual a sobreposio ocorre no ser adicionado. Se, por exemplo, uma
pea carregada em uma mquina ao mesmo tempo em que outra acabada e
descarregada da mquina, somente o maior dos dois tempos necessita ser includo.
Atividades em srie so sempre adicionadas. Por exemplo, se uma srie de
atividades executada sobre uma entidade em um local, em vez de especificar o tempo
para cada atividade, pode ser possvel somar os tempo de atividades e introduzir um
nico tempo ou distribuio de tempo.

3.5.6. Documentar e Aprovar os Dados

Quando todas as informaes relevantes forem reunidas e organizadas em uma
forma til, aconselhvel documentar as informaes na forma de tabela de dados,
diagramas relacionais e listas de origem. As fontes de dados tambm sero anotadas.
Esse documento dever ento revisto por outros que estejam na posio para avaliar a
validade dos dados e aprovar as admisses feitas. Esse documento ser til mais tarde se
houver necessidade de realizar modificaes no modelo ou procurar porque o sistema
real morre trabalhando diferente do que foi modelado.
Para incluir aqueles fatores a serem usados no modelo, o documento de dados
incluiria, tambm, aqueles fatores que so deliberadamente excludos dos modelo
porque eles so julgados insignificante ou irrelevante. Se, por exemplo, tempos
Simulao
1.20
quebrados no so identificados na descrio do sistema, seria feita uma explanao
explicando o porqu.
A validao do sistema de dados pode consumir tempo e ser uma tarefa difcil,
especialmente quando muitas consideraes so feitas. Na prtica, a validao dos
dados vem sendo mais do que um consenso ou concordncia, que obtida confirmando
que a informao boa o bastante para o propsito do modelo. Porquanto um
documento de dados, aprovado, proporciona a base para a construo do modelo,
freqentemente muda com o modelo construdo e experimentao posta a funcionar.

3.6. Construindo o Modelo

Uma vez que tenham sido compiladas informaes suficientes para se definir a
operao bsica do sistema, a atividade de construo do modelo pode ser iniciada.
Quando se inicia a construo de um modelo muito cedo, corre-se o risco de se perder
esta atividade, mas porm, esperar at que todas as informaes sejam completamente
reunidas e validadas pode desnecessariamente adiar a construo do modelo. E, fazer
com que o modelo se inicie antes dos dados estarem completamente reunidos, pode at
ajudar a identificar a falta de informaes necessrias ao procedimento.
A meta da construo do modelo proporcionar a validade da representao da
operao do sistema definido. Adicionalmente, o modelo deve ser capaz de
proporcionar qualquer outra representao estatstica ou grfica necessria para
satisfazer os objetivos do estudo.
Um modelo no verdadeiro nem falso, mas til ou intil. Um modelo til
aquele que vlido e proporciona as informaes necessrias para encontrar os
objetivos da simulao.

3.7. Refinamento Progressivo

Uma agradvel caracterstica da simulao que os modelos no tm que
incluir todos os detalhes finais antes que eles tenham sido executados. Isto permite que
uma estratgia de refinamento progressivo possa ser usada, ou seja, os detalhes so
adicionados no modelo progressivamente em vez de tudo de uma vez. Com isso, os
Simulao
1.21
modelos so construdos e executados mais rpido alm de ficar mais fcil sua
execuo.
A complexidade do modelo construdo no pode ser subestimada e sempre
melhor comear de um modelo simples e adicionar complexidade em vez de se criar
um modelo inteiro e complexo de uma vez. Tambm, mais fcil adicionar do que
remover detalhes em um modelo.
A construo de um modelo em estgios, permite encontrar e corrigir os erros
com mais facilidades. Enfatizando a importncia da aplicao do refinamento
progressivo para a construo do modelo, Law e Kelton (1991) advertem: Embora haja
poucas regras firmes sobre como algum agiria acerca do progresso de modelagem, um
ponto sobre o qual a maioria dos autores concordam que sempre uma boa idia partir
de um modelo simples o qual pode, mais tarde, ser transformado em um mais
sofisticado, se necessrio. Um modelo deveria conter somente detalhes para capturar a
essncia do sistema para o propsito no qual pretendido, no sendo necessrio existir
uma correspondncia total e completa entre elementos do modelo e elementos do
sistema real. Finalmente, um modelo com detalhes excessivos pode ser muito caro para
programar e executar.

3.8. Expanso I ncremental

Modelos que tm um escopo grande so mais fcies de serem construidos em
fases, nas quais sees aditivas so adicionadas incrementalmente no modelo. Este
mtodo de comer o elefante um pedao de cada vez permite que uma poro do
modelo seja construdo, testado e executado antes de se adicionar novas sees .
Para modelos grandes pode ser til (porm difcil) identificar limites que
permitam que estes sejam divididos. Modelo dividido o processo de sub-diviso de
um modelo dentro de dois ou mais mdulos que representam fisicamente sees
separadas do sistema. O propsito do modelo dividido permitir que sees sejam
construdas e executadas, possivelmente, sempre em pores separadas, independente
uma da outra. Uma vez que as sees sejam terminadas, elas podem ser incorporadas
para criar o modelo total. Este mtodo divide e junta do modelo em construo, pode
reduzir grandemente o tempo e a dificuldade na construo e execuo dos grandes
modelos.
Simulao
1.22

3.9. Verificao do Modelo

Uma vez que um modelo definido, usando-se uma ferramenta selecionada ele
deve ser executado para assegurar que trabalhe corretamente. O processo de
demonstrao, se como o modelo est trabalhando como se pretende, referido na
literatura de simulao como Verificao do Modelo.
muito mais fcil executar um modelo construdo em estgios com o mnimo
de detalhes do que um modelo que grande e complexo. A maioria das linguagens de
simulao proporciona um tipo de habilidade na forma de rastro de auditoria, mensagem
na tela, animao grfica, ou alguma combinao das trs. Um trao habilita o usurio
olhar dentro da simulao, para ver se a simulao est sendo executada no caminho
que ela deveria. Bons produtos de simulao proporcionam interceptao de capacidade
interativa a qual permite facilidades no processo de interceptao.

3.10. Validao do Modelo

Durante o processo de construo do modelo, o modelador deve estar
constantemente interagindo com o modelo. O processo de determinao do grau com
que o modelo corresponde ao sistema real, citado como modelo de Validao.
Proporcionar absoluta validade uma meta inatingvel, como Neelamkavil (1987)
explica Validao verdadeira uma impossibilidade filosfica e o que se pode fazer
invalidar.
Por esta razo, o que realmente se procura estabelecer um alto grau de
aspecto de validade. Aspecto de validade se entende como sendo todas indicaes
externas, que levam o modelo a parecer com o sistema real. Deste ponto de vista, a
validao de um modelo o processo de comprovar que este, dentro de seu domnio de
aplicabilidade, suficientemente preciso para a aplicao pretendida, (Schlesinger,
1979).
No h testes simples para estabelecer a validade de um modelo. Validao
um processo indutivo, no qual o modelador extrai concluses acerca da sua exatido,
baseado em evidncias viveis. Reunir evidncias para determinar a validade do sistema
Simulao
1.23
est largamente relacionado com o exame da estrutura do modelo (isto , os algoritmos
e relacionamento) para ver como o modelo corresponde definio do sistema real.
Em modelos contendo controles lgicos complexos, a animao grfica pode
ser usada efetivamente como uma ferramenta de validao. Finalmente, os resultados de
sada devero ser analisados para ver ser parecem razoveis.
Se as circunstncias permitirem, o modelo pode ser comparado quele do
sistema real para ver como eles se correspondem. Se estes procedimentos forem
executados sem encontrar uma discrepncia entre o sistema real e o modelo, este dito
ter aspecto de validade.

3.11. Execuo dos Experimentos

O quarto passo no estudo de simulao conduzir o experimento de simulao.
Simulao basicamente uma aplicao de mtodo cientfico. Em simulao
inicia-se com uma teoria de porque certas regras de projeto ou estratgia de
gerenciamento so melhor do que outras. Baseado nesta teoria o planejador desenvolve
uma hiptese, a qual ele testa na simulao. Tendo como base os resultados da
simulao, o projetista obtm concluses acerca da validade de suas hipteses.
Em um experimento de simulao h entrada variveis definindo o modelo, as
quais so independentes e podem ser manipuladas ou mudadas. Os efeitos desta
manipulao sobre outra, dependente das respostas das variveis que so medidas e
correlacionadas.
Em alguns experimentos de simulao o interesse maior no comportamento
estado-estvel do modelo. Comportamento estado-estvel no entende que a
simulao produz um resultado estvel, mas pelo contrrio, a distribuio ou variao
estatstica no resultado no muda sobre o tempo.
Por exemplo, uma produo volumosa pode causar flutuao entre 200 e 220
peas por hora sob condies normais de operao. Para muitas simulaes o interesse
pode ser em um perodo de tempo particular, tal como alguns dias especficos de
trabalho da fbrica. Para estes estudos, a simulao nunca pode alcanar um estado-
estvel.
Como com qualquer experimento envolvendo um sistema, tendo caractersticas
variadas, o resultado da simulao tambm ser variado por natureza. Os resultados de
Simulao
1.24
uma simples execuo de simulao representa, somente, uma das diversas
possibilidades de resultado. Isto exige que mltiplas replicaes sejam executadas para
testar a reprodutibilidade do resultados.
Desde que a simulao utiliza mltiplas vezes os mesmos dados, simplesmente
reproduz o mesmo resultado. No sentido de tornar um exemplo independente, a partida
deve semear diferentes valores para cada corrida aleatria, que deve ser sempre
diferente para cada replicao, assegurando assim que os nmeros aleatrios gerados de
replicao a replicao sejam independentes.
Dependendo do grau de preciso exigido na sada, pode ser desejvel
determinar um intervalo de entrada. Um intervalo de entrada uma srie dentro, da
qual, pode-se ter um certo nvel de entradas. Para um dado nvel de entradas, ou
probabilidade, ex. 0.90 ou 90%, o intervalo de entrada para a taxa mdia de produo de
um sistema pode ser determinado como sendo entre 45.5 e 50.8 unidades por hora. Seria
possvel dizer que h 0.90 de probabilidade, que a mdia verdadeira de produo do
modelo (no do sistema real) permanece entre 45.5 e 50.8 unidades por hora.
Alguns softwares, como o AutoMod proporcionam facilidades para conduzir
experimentos, executando mltiplas rplicas e calculando automaticamente os
intervalos de entrada. O modelador deve ainda decidir quais tipos de experimentao
so apropriados.
Quando se conduz experimentos de simulao, as seguintes questes devem ser
feitas:
modelo tem como finalidade o comportamento de estado constante do
sistema ou de um perodo especfico da operao?
Qual o melhor mtodo para obter observao de exemplos que podem
ser usados para estimar a verdade esperada do comportamento do modelo?
Qual o comprimento apropriado para a simulao?
Quantas rplicas sero feitas?
Quantas execues aleatrias sero usadas?
Como controlar valores iniciais de replicao a replicao?
Respostas para as questes acima sero determinadas grandemente pelos trs
seguintes fatores:
A natureza da simulao (terminal ou no terminal);
Simulao
1.25
O objetivo da simulao (capacidade de anlise, comparaes
alternativas, etc.);
A preciso exigida (estimativa rude versus intervalo de confidncia
estimada).

4. Simulaes Terminais versusNo-Terminais

Como parte do levantamento do experimentos de simulao, deve-se decidir
que tipo de simulao ser executar.
As simulaes so usualmente distinguidas como sendo de dois tipos: terminais
e no-terminais.
A diferena entre os dois tipos de simulao que a primeira se interessa pelo
comportamento do sistema sobre um perodo particular de tempo e a segunda pelo
procedimento estado-estvel do sistema. A deciso para executar uma simulao
terminativa de no-terminativa tem menos relao com a natureza do sistema do que
com o procedimento de interesse.
Uma simulao terminativa aquela, na qual, a simulao parte de um estado
definido, ou tempos e termina quando alcana outro estado ou tempo definido. Um
estado inicial pode ser o nmero de peas do sistema no incio de um dia de trabalho.
Um estado terminal ou evento pode ser quando um nmero particular de trabalho tenha
sido completado.
Por exemplo, considere-se um fabricante de aeronaves que recebe uma ordem
para fabricar 200 aeroplanos de um modelo em particular. A companhia pode estar
interessada em saber quanto tempo gastar para produzir os avies com os recursos
existentes. A simulao iniciada com o sistema vazio e terminada quando os 200
avies estiverem completados. Um marcador de tempo, o qual traria uma simulao
terminal para um fim, pode ser o fechamento da loja no final do dia de negcio ou
trmino de um perodo de produo semanal ou mensal.
Por exemplo, pode ser conhecido que a escala de produo para um
determinado item em particular muda semanalmente. No fim de cada ciclo de 40 horas,
o sistema esvaziado e um novo ciclo de produo comea. Nesta situao, uma
simulao terminativa seria executada, na qual, a simulao corre o comprimento de 40
horas.
Simulao
1.26
As simulaes terminativas no so propostas para medir o comportamento
estado-estvel de um sistema. Em uma simulao terminativa a mdia das medidas so
de pouca significncia, isto pois que uma simulao terminativa sempre contem
perodos transitrios que normalmente so partes dos objetivos da anlise.
Uma simulao no terminativa ou estado-estvel aquela na qual o
comportamento estado-estvel do sistema est sendo analisado. Uma simulao no
terminativa no se preocupa com o que a simulao nunca termine, nem que no faa
sentido que o sistema que est sendo simulado no tenha terminao eventual. Ela
somente pretende que a simulao poderia, teoricamente, funcionar indefinidamente
sem mudanas estatsticas no comportamento.
Para simulaes no terminativas, o modelador deve determinar uma durao
de tempo adequada para executar o modelo. Um exemplo da simulao no terminativa
um modelo de uma operao de fabricao, na qual os filtros de leo so produzidos
sobre uma base contnua no mesmo ritmo. A operao executa em dois turnos com uma
hora parada durante cada turno, na qual, todas as coisas momentaneamente param.
Quebras e tempos de terceiro turno so excludos do modelo, desde que o trabalho
sempre continue exatamente como ele parou antes da quebra ou final de turno. O
tamanho de uma simulao determinado pela quantidade de tempo necessrio para
tornar um estado-estvel representativo de comportamento do modelo.

4.1. Executando Simulao Terminativa

Experimentos envolvendo simulao terminativa so usualmente conduzidos
visando fazer diversas replicaes da simulao no perodo de interesse, usando uma
semente aleatria diferente para cada execuo. Este procedimento habilita,
estatisticamente, observaes independentes e imparciais para serem feitas sobre a
resposta do sistema sobre um perodo de tempo simulado. Tambm so reunidas
estatstica sobre medidas de execuo para sucessivos intervalos de tempo durante o
perodo.
Para simulaes terminativas, o interesse maior est no clculo final da
produo e nas mudanas extraordinrias no padro de comportamento, em vez do
comportamento mdio. Por exemplo, seria absurdo concluir que em uma lanchonete, em
funo de ter duas garonetes, a mdia da ocupao diria seria de 40%, onde somente
Simulao
1.27
uma garonete necessria, pois esta medida mdia nada revela acerca da utilizao das
garonetes durante os perodos de pico do dia. Um relatrio mais detalhado de tempo de
espera durante o dia inteiro pode revelar que trs garonetes so necessrias para
trabalhar nos perodos de pico, enquanto somente uma garonete necessria durante as
horas fora de pico.
Para simulaes terminativas trs questes so importantes de serem
respondidas ao se executar os experimentos:
1. Qual seria o estado inicial do modelo?
2. Qual o evento ou tempo terminativo?
3. Quantas replicaes fazer?
Muitos sistemas operam sobre um ciclo dirio ou semanal se ocorre um padro
sobre o tempo de semanas, e alguns ciclos podem variar mensalmente ou mesmo
anualmente. Os ciclos no precisam ser repetidos para serem considerados ciclos. Por
exemplo, alguns fabricantes podem estar interessados em aumentar perodos de
produo durante a introduo de um novo produto, o qual ao mesmo tempo evento.
O nmero de replicaes seria determinado pela preciso exigida para a sada.
Se somente uma execuo de estimativa grosseira est sendo preparada, 3 a 5
replicaes so suficientes. Para maior preciso, mais replicaes seriam feitas at que
um intervalo de entrada seja alcanado com o qual as pessoas se sintam confortveis.

4.2. Executando Simulaes No-terminativas

As publicaes associadas com a expressiva gerao de estatstica de sada em
simulao terminativa, so algo diferente do que aquelas associadas com gerao de
estatstica para sistemas no-terminativos. Em simulaes de estado-estvel necessrio
ocupar-se com os seguintes temas:
Determinao e eliminao de tendncias iniciais;
Selecionar entre as diversas alternativas as melhores vias para a obteno
de exemplos de observao;
Determinao do tempo de execuo.

Simulao
1.28
5. Determinando Perodo de Animao

Em uma simulao estado-estvel, o interessante o comportamento do
estado-estvel do modelo. Desde que um modelo se inicie vazio, ele usualmente gasta
algum tempo antes de alcanar o estado-estvel.
Em uma condio estado-estvel as respostas variveis do sistema (e.g. taxa de
processamento, utilizaes, etc.) exibem regularidade estatstica (isto , as distribuio
destas variveis so aproximadamente as mesmas de um perodo de tempo para o
prximo).
O tempo que o sistema demora para atingir o estado-estvel uma funo dos
tempos das atividades e da quantidade de atividades. Para alguns modelos o estado-
estvel pode ser alcanado em poucas horas de simulao. Para outros modelos pode-se
demorar centenas de horas para alcanar o estado-estvel. No comportamento da
modelagem estado-estvel tem-se o problema de determinar quando um modelo
alcanar o estado-estvel. Este perodo de incio de sada usualmente referido como o
perodo de animao. Por este processo podem ser eliminadas algumas tendncias
devido as observaes tomadas durante o estado transitrio do modelo.
Enquanto diversos mtodos tm sido apresentados para a determinao do
tempo de animao (Law e Kelton, 1991) a abordagem mais fcil e a mais direta,
embora no necessariamente a mais confivel, executar uma simulao preliminar do
sistema, de preferncia com diversas replicaes (3 a 5), e observar em que tempo o
sistema alcana a estabilidade estatstica.
Para determinar um perodo de animao satisfatrio usando este mtodo, as
respostas de uma ou mais variveis chaves seriam monitoradas no perodo, tal como um
nmero mdio de entidades em uma fileira ou a utilizao mdia de um recurso. Esta
abordagem assume que o valor mdio de uma resposta varivel monitorada, o
indicador primrio da convergncia em vez da variao a qual pareceria ser freqente.
Uma vez que estas variveis comecem a exibir estado-estvel, pode-se
adicionar de 20 a 30% de fatores de segurana dominados no uso que o perodo
animado. Esta abordagem simples, conservativa e usualmente satisfatria. O perigo ,
no entendimento do perodo de animao, no subestim- lo. E, poucas vezes
necessrio executar um perodo de animao mais longo do que o realmente exigido.
Simulao
1.29
Desde que a estabilidade estatstica estendida em cerca de 10 horas, 12 a 15 horas
provavelmente um perodo de animao segura para usar simulao.

6. Obtendo Amostras de Observaes

Em uma simulao terminativa, amostras de observaes so feitas pela
simples execuo de mltiplas replicaes. Para simulaes de estado-estvel, tem-se
diversas opes para obter amostras de observaes. Duas abordagens so largamente
usadas: executar mltiplas replicaes e intervalos de lotes. O mtodo suportado pelo
AutoMod executar mltiplas replicaes.
Executar mltiplas replicaes, para simulao no terminativa, muito
parecido com o feito para simulao terminativa. As nicas diferenas so que:
(1) tendncias de animao inicial deve ser determinada e eliminada, e
(2) um tempo de execuo deve ser determinado.
Uma vez que as replicaes so feitas, intervalos de entrada podem ser
computados como descrito anteriormente neste captulo. Uma vantagem da execuo de
replicaes independentes que ela assegura que as amostras so independentes.
Um lado negativo, ocorre na fase de animao para cada replicao, onde se
desconsidera o tempo para execuo das replicaes. Alm disso, h a possibilidade de
que o tamanho do perodo de animao seja subestimado causando resultados errneos.
A tcnica de lotes mdios um mtodo no qual uma nica e longa execuo
feita com estatstica sendo recomposta em intervalos especificados de tempo. Isto
permite as estatsticas serem reunidas para cada intervalo e tempo com uma mdia
calculada para intervalo de lotes. Desde que cada intervalo seja correlacionado, ao
prvio e prximo intervalo (chamado correlao em srie ou autocorrelao) as
formadas no so completamente independentes. O caminho para ganhar maior
independncia usar lotes de grandes tamanhos e usar um valor mdio para cada lote.

7. Determinando o Tamanho da Execuo

Determinar o tamanho da execuo para a simulao terminativa bastante
simples desde que haja um evento natural que o defina. Determinar o comprimento da
execuo, para uma simulao de estado-estvel, mais difcil, desde que a simulao
Simulao
1.30
seja executada indefinidamente. Os benefcios desta, contudo, que ns podemos
produzir bons exemplos representativos. Obviamente, executar simulao extremamente
longa impraticvel, tanto que o resultado depende da capacidade de se determinar um
tamanho de execuo apropriado para assegurar que uma amostra, suficientemente
representativa do estado-estvel, seja tomada do sistema.
O tamanho recomendado de uma execuo de simulao, para uma simulao
estado-estvel depende do intervalo entre o ltimo evento ocorrido com freqncia, e do
tipo de mtodo de amostra usada (replicao ou intervalo de lote). Se ocorrer
replicaes independentes, realmente um boa idia executar a simulao bastante
vezes para tomar todo tipo de evento (incluindo os raros) para acontecer no mnimo
diversas vezes e, se praticvel, diversas centenas de vezes. Lembrar que, quanto mais
tempo o modelo executar mais certeza se pode ter de que os resultados representam o
comportamento estado-estvel.
Simulao
1.31

8. Comparando Sistemas Alternativos

Simulaes so freqentemente executadas para comparar dois ou mais
projetos alternativos. Esta comparao pode ser baseada sobre uma ou mais decises
variveis, tais como capacidade do buffer, lista de tarefas, a viabilidade de recursos, etc.
A comparao de projetos alternativos requer anlise cuidadosa para assegurar
que as diferenas que esto sendo observadas so atribuveis s reais diferenas no
desempenho e no a variaes estatsticas. Isto mostra que replicaes mltiplas podem
ser de grande auxlio.
Por exemplo, o mtodo A para desenvolvimento de recursos rende uma
produo de 100 entidades por um dado perodo de tempo enquanto o mtodo B resulta
em 110 entidades pelo mesmo perodo de tempo. vlido concluir que o mtodo B
melhor do que o mtodo A, ou poderia realmente guiar replicaes adicionais
concluso oposta?
As avaliaes de configuraes alternativas ou regras de operao podem,
algumas vezes, ser executadas pela comparao dos resultados mdios de diversas
replicaes. Mas, quando os resultados so fechados ou onde as decises requerem
maior preciso, um mtodo referido como teste de hipteses seria usado. Em teste de
hipteses, uma hiptese inicialmente formulada (e.g. esses mtodos A e B ambos
resultam na mesma produo) e ento um teste feito para ver se os resultados da
simulao guiam- nos a rejeitar as hipteses.
O resultado da simulao pode motivar a rejeio da hiptese de que os
mtodos A e B resultam em igual capacidades produtivas e concluir que a produo
realmente depende do mtodo que foi usado.
Algumas vezes pode haver evidncias insuficientes para rejeitar a hiptese
declarada e, ento, a anlise se torna inconclusiva. Esta falha para se obter evidncias
suficientes para rejeitar a hiptese pode ser devido ao fato de que no h realmente
diferena na execuo, ou ela pode ser resultado da divergncia nos resultados
observados, sendo bastante alto o nmero de replicaes necessrias para gerar
informaes conclusivas.

Simulao
1.32
9. Projeto Fatorial

Nos experimentos de simulao, o interesse freqente est em descobrir a
resposta da estruturas do sistema ao impacto de diferentes variveis de entradas. Em vez
de executar centenas de experimentos para todas estruturas de variveis possveis,
tcnicas de projeto de experimentos podem ser usadas para encontrar aquelas variveis
de entrada de maior significncia.
Usando terminologia de projeto de experimentos, variveis de entradas so
referidas como fatores e as de sada so referidas como respostas. Uma vez que as
respostas de interesse tenham sido identificadas e definidas por fatores que so suspeitos
de possuir influncia nesta resposta, pode-se usar um mtodo do projeto fatorial, o qual,
prescreve quantas execues fazer e que nvel ou valor ser usado para cada fator.
A inclinao natural quando realizando experimentao com mltiplos fatores,
testar o impacto que cada fator individual tem sobre a resposta do sistema. Esta uma
abordagem simples e franca, mas ela no d ao experimentador conhecimento de como
fatores se influenciam. Seria bvio que, experimentando com 2 ou mais fatores juntos
pode ter um efeito muito diferente sobre a resposta do sistema, do que experimentando
com somente um fator a um tempo, aguardando todos os outros fatores.
Um tipo de experimento que olha para os efeitos combinados de mltiplos
fatores sobre a resposta do sistema, referido como um projeto fatorial completo de 2
nveis. Neste tipo de experimento, simplesmente define-se uma estrutura de nvel alto e
baixo para cada fator e, desde que ele um experimento fatorial completo, tenta-se
todas combinaes de estrutura do fator. Isto subentende que, se h 5 diferentes fatores
e se est testando 2 diferentes nveis para cada fator, sero testadas cada uma dos 2/5 =
32 possveis combinaes de fatores de alto e baixo nveis. Por exemplo, se um dos
fatores que esto sendo investigados for uma regra de operao para iniciar o trabalho
(e.g. primeiro que chega, primeiro que sai; ou ltimo que chega, ltimo que sai), ser
selecionado arbitrariamente uma das alternativas de limpeza como a estrutura de nvel
alto e uma diferente como estrutura de nvel baixo.
Simulao
1.33

10. Uso de cadeias Aleatrias

Uma das caractersticas mais valiosas da simulao sua habilidade para
reproduzir e executar rplicas aleatrias de um modelo em particular. Simulao
responde aos fenmenos probabilsticos que ocorrem dentro de um sistema a ser
simulado. Este controle feito e avaliado atravs do uso das cadeias aleatrias.
Uma cadeia uma seqncia de ciclos independentes, nmeros aleatrios
nicos que so uniformemente distribudos entre 0 e 1. Cadeias de nmeros aleatrios
so usadas para gerar nmeros aleatrios adicionais de outra distribuio de
probabilidade (normal, Beta, Gama, etc.). O comprimento do ciclo, antes que ele repita,
chamado o perodo do ciclo, o qual usualmente muito longo.
Uma cadeia aleatria gerada usando um gerador ou equao de nmeros
aleatrios. O gerador de nmeros aleatrios comea com um valor inicial depois, cada
sucessivo valor usa o valor prvio como entrada para o gerador. Onde a seqncia
comea no ciclo, depende do valor inicial usada para o gerador. A qualquer hora em
uma cadeia, a mesma seqncia de valores ser repetida todas as vezes que o mesmo
valor inicial for usado para iniciar a corrente. Com isso, se entende que vrios elementos
dentro de um modelo podem ser mantidos constantes com respeito aos seus
desempenhos, enquanto outros elementos sairiam livremente.
Para mostrar, com um exemplo, como cadeias mltiplas podem ser teis,
considere a situao de 2 mquinas, Mach1 e Mach2, as quais falham aproximadamente
a cada 4 horas de servio. Para este modelo, a freqncia ou tempo entre falhas
definida por uma distribuio normal com um valor mdio de 240 minutos e um desvio
padro de 15 minutos, N(240, 15). O tempo de reparo de 10 minutos. Se a cadeia no
for especificada na distribuio normal, a mesma cadeia ser usada para gerar valores da
amostra para ambas as mquinas. Ento, se os prximos 2 nmeros na cadeia numrica
for 0.21837 e 0.86469, Mach1 tomar um valor de amostra da distribuio normal que
diferente do Mach2. Por isso, as duas mquinas iro falhar em tempos diferentes.
Suponha, contudo, que a mquina devesse fazer dois servios ao mesmo
tempo, assim, precisaramos ter as mquinas falhando ao mesmo tempo. Usando a
mesma cadeia para determinar o momento da falha , elas no quebraro no mesmo
tempo, porque um nmero aleatrio diferente ser retornado da cadeia em cada
Simulao
1.34
chamado para gerar uma varivel normal aleatria. Porm, usando duas cadeias
diferentes, cada uma dedicada para cada momento de falha da mquina e cada uma
tendo o mesmo valor inicial, isto assegurar que as mquinas falharo ao mesmo tempo.
As duas cadeias tm o mesmo valor de partida, assim elas produziro exatamente a
mesma seqncia de nmeros aleatrios.

11. Analise dos dados de sada

Ao realizar os experimentos de simulao, cuidados extremos devem ser
adotados na interpretao dos resultados. Desde que os resultados de um experimento
de simulao podem ser aleatrios (dado a natureza probabilstica das sadas),
necessrio uma cuidadosa medio da significncia estatstica da sada.
Pessoas que fazem simulao em laboratrio so, freqentemente, acusadas de
trabalhar com suposies planejadas e, com freqncia, completamente simplificadas, e
tambm de que so extremamente cuidadosos no sentido de assegurar a significncia
estatstica dos resultados do modelo. Por outro lado, os usurios de simulao na
indstria so usualmente cuidadosos na busca da validade dos dados utilizados no
modelo. Manter um equilbrio apropriado entre o estabelecimento da significncia
estatstica da sada de simulao uma parte importante da gerao de resultados teis.
O mais valioso benefcio da simulao gerar discernimento, e no
necessariamente para encontrar respostas. Com isto em mente, Conway, Maxwell e
Worona (1986) advertem que, vinculando uma significncia estatstica para a sada da
simulao, pode-se criar a iluso de que os resultados da sada so mais ou menos
significantes do que eles realmente so.
As sadas de simulao raramente identificam causas dos problemas, mas
somente informam o comportamento sintomtico dos problemas. As atividades gargalo,
por exemplo, so usualmente identificadas procurando-se por locais ou filas que esto
quase sempre cheias, as quais alimentam um ou mais locais que esto quase sempre
vazias. Detectar a fonte do gargalo , algumas vezes, mais astucioso do que identificar o
prprio gargalo. Gargalos podem ser causados por excessivo tempo de operao, atrasos
prolongados devido a indisponibilidade dos recursos, ou uma quantidade desordenada
de downtimes. A habilidade para projetar inferncias corretas sobre os resultados
essencial para se fazer melhoramentos no sistema.
Simulao
1.35

12. Relatrio dos Resultados

O ltimo passo no procedimento de simulao fazer recomendaes para
melhor o sistema atual baseado nos resultados de um modelo simulado.
Estas recomendaes devem ser suportadas e claramente apresentadas de modo
que uma deciso fundamentada possa ser tomada. A documentao dos dados
utilizados, os modelos desenvolvidos e os experimentos executados, devem ser todos
includos como parte de um relatrio final de simulao.
Uma simulao falha, se ela tiver produzido evidncia para justificar uma
alterao especfica e essa alterao no implementada. No o bastante para o
modelo ser vlido, o cliente ou gerente devem tambm ser convencidos de sua validade,
se ele ser usado como suporte na tomada de deciso. Finalmente, os resultados devem
ser apresentados em termos que sejam fceis para entender e avaliar e, normalmente, ao
se traduzir os resultados para fatores econmicos sempre produz uma situao que
impele no sentido de realizao de mudanas no sistema.
Ao apresentar os resultados importante ser sensitivo para a via na qual as
recomendaes sero feitas, isto ajuda a encontrar qual tipo de recomendao est sendo
procurada, ou se um simples sumrio de resultados esperado.
Geralmente, sensato apresentar solues alternativas e suas implicaes para
a execuo do sistema, sem sugerir uma alternativa relativamente a outra,
particularmente quando mudanas pessoais ou cortes esto envolvidos.
Na verdade, melhor que o tomador de decises veja somente os aspectos
lgicos do sistema e que no considere o potencial de reaes ou o potencial de
dificuldades que os empregados podem ter na aceitao de uma soluo particular.
A animao tm se tornado uma ajuda extremamente til na comunicao do
resultado de um estudo de simulao. Isto usualmente exige que algum trabalho seja
feito para criar o efeito correto na visualizao do modelo que foi simulado. Na
preparao dos resultados , freqentemente, necessrio adicionar uns poucos detalhes
para o modelo para que a apresentao, efetivamente e convincentemente, apresente os
resultados do estudo de simulao.
Depois que a apresentao estiver terminada e no houver mais anlises para
serem realizadas (a apresentao final deve omitir mais sugestes para tentar isto ou
Simulao
1.36
aquilo com o modelo), as recomendaes do modelo, se aprovado, esto prontas para
serem implantadas.
Se a simulao tiver sido adequadamente documentada ela prover uma
completa especificao funcional para a equipa de implementao.

13. Armadilhas em Simulao

Se forem seguidos os passos que foram esboados, as chances de se executar
um projeto de simulao bem sucedido so muito boas.
As razes tpicas pelas quais os projetos de simulao falham porque deixam
de incluir o seguinte:
Falta de clareza no objetivos iniciais;
Falta de envolvimento de pessoas dispostas a obter resultados;
Oramento excessivo e restrio de tempo;
Falta de documentao e de ter um consenso sobre os dados de sadas;
Incluso de mais detalhes do que o necessrio;
Incluso de variveis que tm pouco ou nenhum impacto sobre o comportamento do
sistema;
Falha na verificao da validade do modelo;
Basear decises sobre uma nica corrida de observaes;
Basear decises sobre mdia estatstica quando a sada realmente cclica;
Ser muito tcnico e detalhado na apresentao dos resultados ao gerente.
Um projeto de simulao tem fases distintas que devem ser entendidas e
seguidas no sentido de que o estudo seja bem sucedido.
As exigncias/objetivos estabelecidas para o estudo de simulao devem ser
cuidadosamente planejadas com metas realistas e perspectivas. Os passos para executar
um estudo de simulao incluem: planejar o estudo, definir o sistema, construir o
modelo, conduzir os experimentos, analisar as sadas e apresentar os resultados.
Seguindo sistematicamente estes passos, ser possvel evitar as armadilhas que
freqentemente ocorrem quando se realiza um estudo de simulao.

Apostila USP São Carlos

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apostila USP São Carlos

Enviado por

Direitos autorais:

Formatos disponíveis

Simulao

Você também pode gostar