Apostila 2

Universidade do Sul de Santa Catarina
Unidade Acadmica Tecnologia

Pesquisa Operacional II
NOTAS DE AULA II
Profo. Ricardo Villarroel Dvalos, Dr. Eng.
Florianpolis, Maro de 2012
Conceitos Bsicos de Modelagem e Simulao de Sistemas
2
CONCEITOS BSICOS DE MODELAGEM E SIMULAO
DE SISTEMAS
2.1 DEFINIO
Simulao a imitao da operao de processos ou sistemas do mundo

real ao longo do tempo" (Banks).
Simulao o processo de projetar um modelo de um
sistema real e
conduzir experimentos com este modelo com o propsito de entender o

comportamento do sistema dou avaliar vrias estratgias para sua operao"
(Pedgen).
2.2 PROPSITO
Feita manualmente ou via computadores, a simulao envolve a gerao de

uma histria artificial de um sistema e a observao desta histria, permitindo
traar inferncias a respeito das caractersticas operacionais do sistema real.
Em outras palavras, permite avaliar o comportamento do sistema real sob
diferentes condies respondendo perguntas do tipo : O que aconteceria se ?.
UNISUL Pesquisa Operacional II
2012
2.3 SIMULAO ENVOLVE
A construo de modelos baseados em computadores.
O uso dos modelos para levar a efeito grupos de experimentos.
Traar inferncias sobre novos sistemas sem de fato, t-los construdo.

Traar inferncias sobre mudanas efetuadas em sistemas existentes sem, na
verdade perturb-los.
2012
2.4 SISTEMAS E SEUS COMPONENTES

DEFINIO
Um grupo de objetos agrupados sob algum tipo de interao ou interdependncia,
com algum tipo de propsito ou objetivo comum.
Exemplo: Uma linha de produo de automveis. Maquinas, peas e
trabalhadores, formam um conjunto de elementos interagindo com o objetivo de
produzir automveis.
COMPONENTES
Entidades:
Um objeto de interesse dentro do sistema.
Atributos:
uma propriedade de uma entidade.
Atividades:
Representa um perodo de tempo tamanho especificado.
Estado:
a coleo de variveis relacionadas com os objetivos do estudo

necessrios para descrever o sistema a qualquer momento.
Evento :
uma ocorrncia instantnea que pode mudar o estado de um

sistema.
EXEMPLOS DE SISTEMAS
Sistema
Entidade
Atributo
Atividade
Evento
Var. Est.
Banco
Cliente
Conta
Deposito
Cheg/Sa
NClient
Fbrica
Mquina
Vel/capc.
Solda
Quebra
Ocup/Liv
Comunic
Menssag.
Tam/Dest
Transm.
Cheg.D
N.M. Esp
2012
2.5
TIPOS DE MODELOS DE SIMULAO
SIMULAO
DISCRETA
EVENTOS
CONTNUA
PROCESSO
2012
2.6 TIPOS DE MODELOS DE SIMULAO

DISCRETOS
O estado do sistema muda somente em perodos discretos no tempo.
CONTNUOS
O estado do sistema representado por equaes algbricas ou diferenciais com
variveis que mudam ao longo do tempo.
DISCRETOS COM ABORDAGEM POR EVENTOS

O sistema modelado pela identificao de seus eventos caractersticos. As
mudanas de
estado acontecem no tempo de ocorrncia de cada evento. A
simulao evolui no tempo pela execuo dos eventos em ordem crescente de

seu tempo de ocorrncia.
DISCRETOS COM ABORDAGEM POR PROCESSOS

O
sistema modelado de acordo com uma seqncia ordenada de eventos
inter-relacionados, separados por passagens de tempo, que descrevem,

inteiramente a experincia de uma entidade ao longo do sou fluxo pelo sistema.
2012
2.7
APLICAES DA SIMULAO
Devido a sua extrema flexibilidade, versatilidade e poder, a simulao urna
das tcnicas mais utilizadas em, praticamente todos os tipos de pesquisas. Quase
todos os tipos de sistemas foram ou podem ser simulados. Segue uma lista de algumas
aplicaes representativas:
SISTEMAS COMPUTACIONAIS
Componentes de hardware, software, redes, estruturas de bases de dados,
processamento de informaes, confiabilidade de software e hardware, etc.
MANUFATURA
Sistemas de manuseio de materiais, linhas de montagens sistemas de
produo automatizados, projeto de sistemas de produo, arranjo fsico, etc..
NEGCIOS
Anlise do comportamento do mercado de aes, poltica de preos,
estratgias de mercado; anlises de fluxo-de-caixa, etc.
ECOLOGIA E MEIO AMBIENTE
Poluio e purificao de guas, controle de resduos, poluio do ar, presso
do tempo, extrao e explorao mineral, produo de gros, etc..
Alm
destas,
pode-se
citar
aplicaes
governamentais,
sociedade
comportamento, biocincias, etc..
2012
2.8 VANTAGENS E DESVANTAGENS DA SIMULAO

VANTAGENS
-
Novas polticas, procedimentos operacionais, regras de deciso estruturas

organizacionais, fluxo de informaes, etc. podem ser testados sem
interromper as operaes em curso.
Novos projetos de hardware, arranjos fsicos, programas, sistemas de

transporte, etc, podem ser testados antes de alocarem recursos para sua
aquisio e/ou implementao.
Hipoteses sobre como ou porque da ocorrncia de certo fenmenos podem ser

testadas..
O tempo pode ser controlado: pode ser comprimido, expandido etc., permitindo
o aumento ou a reduo do perodo de ocorrncia de um fenmeno, para fins
de estudo.
Observaes mais profundas podem ser efetuadas sobre quais, variveis so

as mais importantes para o desempenho do sistema e de
como elas
interagem.
-
Gargalos no fluxo de informaes, materiais ou produtos, podem ser mais

facilmente identificados.
Novas situaes, sobre as quais temos pouco conhecimento ou experincia.

podem ser manipuladas no sentido de preparao de teorias sobre eventos
futuros. Uma das vantagens da simulao explorar questes do tipo: O que
acontecera se?
2012
DESVANTAGENS
A construo de modelos requer treinamento especializado. A qualidade da

anlise depende da qualidade de modelo e da experincia do modelador. A
construo de modelos uma arte e, portanto, o conhecimento dos que a
praticam varia muito.
Os resultados da simulao so, muitas vezes de difcil interpretao. Como os

modelos tentam captar a aleatoriedade dos sistemas reais, muitas vezes no
fcil determinar quando uma observao. feita durante uma execuo devida
a uma significante relao no sistema ou s incertezas associadas ao modelo.
As anlises feitas via simulao podem ser muito longas e caras. Uma anlise
adequada pode no ser possvel devido a escassez de tempo ou recursos.
Neste caso estimativa rpida e menos precisa usando mtodos analticos pode
ser prefervel
2012
2.9
10
EXEMPLO DE UMA SIMULAO
Suponha que desejamos simular um sistema composto de uma nica fila e de

um nico servidor. Por exemplo um atendente de uma farmcia. Vamos assumir que o
tempo entre as chegadas dos clientes uniformemente distribudo, com valores inteiros
entre 1 e 10 min. Vamos assumir tambm que o tempo que atendente leva para servir
um cliente, tambm uniformemente distribudo, com valores inteiros entre 1 e 6 min.
Nosso objetivo, como gerentes da rede de farmcias, verificar o desempenho
operacional da farmcia, determinando o tempo mdio total que um cliente passa
sendo servido (tempo de espera na fila + tempo do atendimento) e o percentual de
tempo no qual o atendente encontra-se livre.
Para simular este sistema, temos que gerar, artificialmente, experincias que
so caractersticas da situao, isto os tempos de chegada de cada cliente e os
tempos de atendimento pelo servidor.
Para esta simulao, faremos sorteios com valores de 1 a 10 e valores de 1 a 6
para os respectivos tempos.
Vamos construir tambm uma tabela com todos os dados, afim de que ao final
possamos determinar as estatsticas desejadas. A tabela a seguir nos ajudar nesta
tarefa.
2012
11
TABELA DE VALORES DA SIMULAO

Clientes
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Tempo Tempo de
de
Chegada Servio
3
6
1
6
6
4
4
Tempo de
Chegada
no Relgio
0
6
12
16
Servio
Incio
0
6
12
18
Fim
3
7
18
22
Tempo no
Sistema
Tempo
Livre
3
1
6
6
0
3
5
0
Totais
Tempo Mdio no Sistema :

% Tempo Livre do Servidor :
2012
12
2.10 O Mtodo de Monte-Carlo

- O chamado mtodo de Monte-Carlo, o nome dado ao mecanismo
responsvel pela gerao dos valores aleatrios, utilizados nos processos
estocsticos dos modelos de simulao.
- Nesta tcnica, dados artificiais so gerados atravs do uso de nmeros
aleatrios e de distribuies de freqncias de interesse.
- Um bom gerador de nmeros aleatrios deve ser capaz de gerar valores
aleatrios uniformemente distribudos entre O e 1.
- Atualmente usamos algoritmos, rodando em computadores, para a gerao
dos valores aleatrios Por este fato, estes valores so conhecidos como
nmeros pseudo-aleatrios. Isto significa que qualquer seqncia gerada pode
ser reproduzida e, portanto. no , verdadeiramente, aleatria Entretanto, dados
gerados via computador; podem passar em todos testes estatsticos de
aleatoriedade.
2.10.1
Um Exemplo Usando o Mtodo de Monte-Carlo

Um pequeno supermercado, possui somente um atendente.
Os clientes chegam no caixa aleatoriamente, em intervalos de tempo que
variam de 1 e 8 mm., com Igual probabilidade. Assumir os valores inteiros deste

intervalo (ver tabela 1).
O tempo de servio, varia de a 1 6 min., com probabilidade diferente para
cada valor (ver tabela 2).
Simular e analisar o sistema para 30 clientes.
2012
13
UM EXEMPLO USANDO O MTODO DE MONTE-CARLO

Tempo entre chegadas
Cliente
Dgito
Tempo entre
aleatrio
chegadas
1
2
.913
8
3
.727
6
4
.015
1
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
2012
14
Cliente
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Tempo de servio
Dgito
Tempo de
aleatrio
servio
.84
4
.10
1
.74
4
.313
3
2012
15
Tempo entre
chegadas
Tabela 1
Probabilidade Probabilidade
Acumulada
1
2
3
4
5
6
7
8
0,125
0,125
0,125
0,125
0,125
0,125
0,125
0,125
0,125
0,25
0,375
0,5
0,625
0,75
0,875
1
Tempo de
servio
Probabilidade
Probabilidade
Acumulada
1
2
3
4
5
6
0,10
0,20
0,30
0,25
0,10
0,05
0,10
0,30
0,60
0,85
0,95
1,00
Dgito
aleatrio
sorteado
0,01-0,125
0,126-0,250
0,251-0,375
0,376-0,500
0,501-0,625
0,626-0,750
0,751-0,875
0,878-1,000
Tabela 2
Dgito
aleatrio
sorteado
00,1-0,10
0,11-0,30
0,31-0,60
0,61-0,85
0,86-0,95
0,96-1,00
2012
16

Cliente
Tempo
de
chegada
Tempo
acumulado
de chegada
Tempo
de
servio
Tempo
servio
inicia
Tempo
de fila
Tempo Tempo
servio cliente
termina sistema
Tempo
livre
servidor
14
14
18
15
18
21
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
2012
17
Algumas observaes sobre o sistema simulado:

1.
Tempo mdio de espera na fila
Mdia _ de _ Espera =
2.
Probabilidade cliente esperar na fila
Pr ob.(espera) =
3.
N de _ clientes _ que _ esperam

=
N Total _ de _ clientes
Proporo tempo livre do servidor
Pr ob.(livre) =
Tempo _ total _ clientes _ aguardam _ naFila

=
n _ total _ de _ clientes
Tempo _ total _ livre

=
Tempo _ total _ simulado
Tempo mdio de servio
Tempo _ Mdio _ servio =
5.
Tempo _ total _ servio

=
Tempo mdio entre chegadas
Tempo _ Mdio _ entre _ chegadas =
6.
Tempo Mdio de espera
Tempo _ Mdio _ espera =
7.
soma _ dos _ tempos _ entre _ chegadas

=
N Chegadas 1
Tempo _ total _ clientes _ esperam _ fila

=
n _ total _ de _ clientes _ que _ esperam _ na _ fila
Tempo mdio dos clientes no sistema
Tempo _ Mdio _ clientes _ sistema =
Tempo _ total _ clientes _ passam _ no _ sistema

=
2012
18
2.11 O Processo da Simulao

Passos a serem tomados em todo estudo de simulao
Definio do Problema
- Definir claramente os propsitos do estudo. Isto , porque estamos estudando o
problema e tipo de questes que esperamos responder
Planejamento do Projeto
- Estar claro que temos suficiente pessoal, apoio gerencial, hardware e software para
executar o trabalho.
Definio do Sistema
- Determinar os limites e restries a serem usadas na definio do sistema (ou
processo), e investigar como o sistema opera.
Formulao do Modelo Conceptual
- Definir um modelo preliminar grfico (diagrama de blocos) ou na forma de um pseudocdigo para definir componentes, variveis descritivas e interaes lgicas que
constituem o sistema.
Projeto Experimental Preliminar

- Selecionar as medidas de desempenho a serem usadas; os fatores a serem variados
e o nvel em que estes fatores devem ser investigados, isto , quais dados devem ser
adquiridos do modelo, sob que forma e em que extenso.
Preparao dos Dados de Entrada
- Identificar e preparar os dados de entrada ao modelo.
2012
19
Traduo do Modelo
- Formulao do modelo em uma linguagem de simulao apropriada.
Verificao e Validao
- Confirmao que o modelo opera de acordo com a inteno do analista (depurao) e
que os resultados do modelo so vlidos e representativos dos resultados do modelo
real.
Projeto Experimental Final
- Projetar um experimento que produza as informaes desejadas e determinar como
cada teste especificado deve ser executado.
Experimentao
- Execuo da simulao para a gerao dos dados desejados e- para executar a
anlise de sensibilidade.
Anlise e Interpretao
- Traar as inferncias a partir dos dados gerados pela simulao.
Implementao e Documentao
- Dispor dos resultados para uso, registrar recomendaes e documentar o modelo e
seu uso.
2012
20
2.12 UTILIZAO DO TEMPO EM UM PROJETO DE SIMULAO
2012
21
2.13 Estgios da Montagem
IDENTIFICAO DO PROBLEMA
ESTABELECIMENTO DOS OBJETIVOS
COLETA/PREPARAO DOS DADOS
FORMULAO DO MODELO
MODIFIC. E/OU REDEFINIO
DO MODELO
VERIFIC./ VALIDAO MODELO
EXPERIM. E INTERPRETAO DOS RESULTADOS
CONCLUSO E IMPLEMENTAO
2012
22
2.14 Caractersticas Bsicas dos Modelos de Simulao
- Os modelos (mundo) de simulao so formado por um conjunto de entidades que se

movimentam atravs do sistema. Estas entidades, so descritas1 caracterizadas e
identificadas por seus atributos.
- As entidades interagem com os recursos, meios e atividades, de uma maneira

consistente e sob certas condies, as quais, determinam a seqncia das interaes.
- As interaes das entidades com os recursos, meios e atividades, so devido a

eventos, ou criam estes, resultando em mudanas no estado do sistema.
2012
23
2.15 Critrios Para um Bom Modelo de Simulao
Orientado ao objetivo ou propsito;
Escrito com clareza;
Evolutivo - iniciando com simplicidade e evoluindo para a

complexidade;
Completo nos aspectos importantes - descreve os principais

fenmenos com preciso aceitvel;
Flexvel - facilmente modificvel e atualizvel;
Robusto - Permanece vlido sob uma ampla variedade de

condies;
Fcil de implementar;
Transmite claramente os resultados.
2012
24
2.16 Variao Estatstica nos Resultados da Simulao
Pode ser significante em modelos envolvendo eventos aleatrios.
Quando se compara as mdias de mltiplas execues, a variao estatstica pode

ser reduzida pelo aumento do tempo de cada execuo.
O perodo de tempo de cada simulao no deve ser escolhido arbitrariamente.
Tcnicas estatsticas esto disponveis para determinar apropriadamente o tempo

de uma simulao.
2012
25
EXEMPLO ILUSTRATIVO
Mquina simples com inspeo.

Compare 10 execues de 8 horas com 10 de 800 horas.
Mdia do tempo de fluxo por execuo

Exec. N
8 horas
800 horas
17,10
17,50
26,20
17,50
13,20
17,60
18,80
16,50
16,40
20,10
18,50
19,00
19,20
16,70
23,40
18,60
16,30
19,10
10
15,40
16,50
Mdia Geral
18,4
17,9
Desvio Padro
3,6
1,2
2012
26
COMPARAO GRFICA DOS RESULTADOS
8 HORAS
30
25
20
15
10
5
0
1
10
800 HORAS
25
20
15
10
5
0
1
10
10
30
25
20
15
10
5
0
2012
27
Mdia do tamanho da fila

Exec. N
8 horas
800 horas
2,01
2,47
5,14
2,55
1,34
2,50
2,91
2,21
2,17
3,16
2,89
2,83
2,97
2,30
4,48
2,81
2,44
2,94
10
2,02
2,27
Mdia Geral
2,84
2,60
Desvio Padro
1,11
0,30
2012
28
COMPARAO GRFICA DOS RESULTADOS
8 Horas
6
5
4
3
2
1
0
1
10
800 Horas
4
3
2
1
0
1
10
10
6
5
4
3
2
1
0
2012
29
2.17 Consideraes sobre o Tempo de Simulao
ESTRATGIA GERAL
Determine o tempo de simulao, de tal forma que o valor verdadeiro de algum
critrio de avaliao do desempenho do sistema (por exemplo tempo mdio de fluxo de
uma entidade pelo sistema), encontra-se dentro de certos limites pr-determinados,
com um elevado grau de confiana.
Esta determinao implica no clculo do Intervalo de Confiana.
Os procedimentos so diferentes para sistema "Terminais" e No-Terminais
2012
30
INTERVALOS DE CONFIANA
Dada uma estimativa para algum para um critrio de avaliao do desempenho
de um sistema o valor verdadeiro (desconhecido) valor deste critrio dever cair dentro
de um intervalo com um grau de confiana especificado.
Estimativa
Intervalo de Confiana
Se o nvel de confiana fixo, uma amostra grande resultar num intervalo de

confiana pequeno.
Se o tamanho do intervalo de confiana fixo, um amostra grande resultar em
um alto nvel de confiana
Se o tamanho da amostra fixa, um alto grau de confiana estar associado
com um grande intervalo de confiana.
2012
31
2.18 SISTEMAS TERMINAIS E SISTEMAS NO TERMINAIS
SISTEMAS TERMINAIS
A Durao (tempo de simulao ou n de entidades) fixa. As condies iniciais

influenciam o desempenho do sistema.
Exemplo: Bancos, Restaurantes, etc.
Tempo de Fluxo
Sistema Terminal
8
6
4
2
0
0
Tempo [H]
2012
32
Procedimento para Sistema terminais
Simular um grande nmero de vezes (Replications).
Analisar o comportamento do sistema com base nos valores mdios de cada

repetio.
Determinar o n apropriado de repeties via Output Analysis do ARENA (SIMAN).
7
6
5
4
3
2
1
0
0
7
6
5
4
3
2
12
0
0
7
6
5
4
4
3
2 2
1
0
0
8
4
2012
33
SISTEMAS NO-TERMINAIS
A durao da simulao no fixa.
Os efeitos das condies iniciais devem ser removidos.
Exemplos: Servios 24 horas (postos, farmcias, hospitais), alguns sistemas

de produo industrial, usinas, etc.
2012
34
Procedimentos para Sistemas No-terminais

1) Executar uma longa simulao;
2) Excluir a fase inicial de transio, influenciada pelas condies inicial;
3) Agrupar os dados remanescentes em lote (usualmente 10-20);
4) Analisar o comportamento do sistema com base nos valores mdios de cada lote
(por exemplo, o tempo mdio de fluxo para cada lote );
5) Determinar um tamanho apropriado para cada lote e um nmero satisfatrio destes,
via o Output Analysis do ARENA (SIMAN).
2.19 Exemplo para um Sistema Terminal

Um sistema de produo composto de 2 maquinas idnticas, manejadas
por dois trabalhadores. As peas chegam para serem processadas por uma das
maquinas.
Aps o processamento as peas so inspecionadas por um 3 trabalhador.
O 20% destas peas so rejeitadas. Se uma pea rejeitada ela e retrabalhada por um
4 trabalhador e retomada para a inspeo.
O tempo entre chegadas exponencial com media de 20 mim. O tempo
para processamento segue uma N(34,9). O tempo de inspeo uniforme (10,18) e o
tempo de retrabalho triangular (25, 40, 45).
Suponha que cheguem 25 peas por dia. Simule o sistema por um nsuficiente de dias, de tal forma que o tempo mdio de fluxo das peas pelo sistema
encontre-se em um intervalo de +/- 10% da mdia amostral, com 95% de confiana.
2012
35
Procedimentos Computacionais
1- Assuma o sistema como sendo terminal (vazio no incio de cada dia).
2 - Execute uma simulao piloto de 10 dias para obter informaes para estimar o
tempo de simulao final.
a) Inclua um Output Element no arquivo Experiment para gravar os
valores dos tempos mdios de fluxo de cada repetio (dia) num arquivo.
b) Use o Output Processor para gerar uma tabela com os tempos mdios
e um correspondente grfico de barras.
c) Use o Output Processor para gerar um intervalo de confiana.
3- Se o intervalo de confiana for muito grande, execute repeties adicionais. Use a
frmula
n2 = n1 (hl / h2) ** 2
para estimar o nmero necessrio de repeties na formula temos:
n1 = n de repeties na execuo piloto;
n2 = n total de repeties;
h1 = tamanho do meio-comprimento do intervalo de confiana da
execuo piloto;
h2 = tamanho do meio-comprimento do intervalo de confiana para
o total de repeties.
a) Inclua o elemento SEEDS no experimento para reinicializar os valor
aleatrios;
b) Use o Output Processor para adicionar as novas repeties quelas
obtidas na execuo piloto;
c) Use o Output Processor para gerar uma nova tabela de valores dos
tempos mdios de fluxo, um novo grfico de barras e um novo intervalo
de confiana.
4- Repita o passo 3 se o intervalo de confiana ainda for muito grande;
2012
36
A figura a seguir apresenta o sistema de produo modelado no ARENA.
2012
37
2.20 Estrutura de Modelagem no SIMAN

- A formulao completa de um modelo usando-se a linguagem SIMAN, consiste de
uma estrutura chamada MODEL e outra chamada EXPERIMENT.
- A estrutura MODEL
- Descreve o fluxo lgico dos eventos dentro do sistema
- Os comandos so chamados BLOCKS (blocos)
- Os blocos podem ser escritos graficamente, ou na forma de texto
- A estrutura EXPERIMENT
- Fornece as condies experimentais para a execuo do Modelo
- Os comandos so chamados ELEMENTS (elementos)
PROCEDIMENTO PARA EXECUO DE UM PROGRAMA EM SIMAN
1. Usurio cria dois arquivos :

Nome.mod
Nome.exp
2. Executa os comandos :
Aes resultantes
Model nome;
nome.mod nome.m
Expmt nome;
nome.exp nome.e
Linker nome;
nome.m nome.p
Nome.e
SIMAN nome;
nome.p nome.out
2012
38
PROCEDIMENTOS PARA EXECUO
NOME.MOD
NOME.EXP
MODEL
EXPMT
NOME.M
NOME.E
NOME.P
SIMAN
NOME.OUT
2012
39
PROGRAMA MODEL
BEGIN
CREATE : EXPO : (20,4), 25 : MARK (TCHEG);
QUEUE, FMAQ;
DELAY : NORM(34, 9, 1);
RELEASE : OPERMAQ;
INSP
QUEUE, FINSP;
SEIZE : INSPETOR;
DELAY : UNIF(10,18,2);
RELEASE : INSPETOR;
RETRAB
QUEUE, FRETRAB;
SEIZE : OPERETRAR;
DELAY : TRIA(25,40,45,2);
RELEASE : OPERETRAB : NEXT (INSP);
SAIDA
TALLY : TEMPOFLUXO, INT (TCHEG) : DISPOSE
END;
2012
40
PROGRAMA EXPERIMENT
BEGIN
PROJECT. EXEMPLO AULA OUT. PROC :
ATTRIBUTES :
TCHEG;
QUEUES :
FMAQ;
FINSP;
FRETRAB;
RESOURCES :
OPERMAQ, 2;
INSPETOR:
OPERETRAB;
TALLIES :
TEMPOFLUXO;
OUTPUTS :
TAVG(TEMPOFLUXO), FLOWTIME. 15;
REPLICATE, 10;
END;
2012
41
TABELA E GRFICO DE BARRAS DO TEMPO MDIO DE FLUXO

OUTPUT
TABLES, FLOWTIMES, RUN NO,1,10,1 :
FLOWTIME.15 /LUMPED, AVGFLOWTIME;
TABLE : FLOWTIMES
RUN NO
AVG FLOWTIME
1.00
2.00
3.00
4.00
5.00
6.00
7.00
8.00
9.00
10.0
71.0
82.3
116.
108.
133.
101.
116.
68.1
130.
59.2
BARCHART, FLOWTIME.15 / LUMPED, FLOWTIMES, RUN NO, AVG FLOWTIME;
AVG Flowtime
Flowtimes
150
100
50
0
1
9 10
Run #
OUTPUT ANALYSYS - 22
2012
42
INTERVALO DE CONFIANA PARA OS TEMPOS MDIOS

INTERVALS, FLOWTIMES : FLOWTIME.15 / LUMPED, AVG FLOWTIME;
INTERVALS : FLOWTIMES
identifier
average
standard
deviation
.950
c.i. Minimum
half-width value
maximum
value
number
obs.
avg
flowtime
98.5
26.6
19.1
133.
10
59.2
OBSERVATION INTERVALS : FLOWTIMES
59.2
98.5
AVG FLOWTIME
79.5
< = MINIMUM
[ = LOWER 95% CL
133
X = AVERAGE
118.
[= UPPER95% CL
>= MAXIMUM
QUIT
2012
of
43
RESULTADO DA EXECUO PILOTO
1 ) Mdia calculada = 98,5 min

2 ) Intervalo com 95% de confiana :
79,5 | - tempo mdio - | 118
Objetivo
Um valor mdio de 98,5 +/- 9,85, com 95% de confiana.
Para a execuo piloto com 95% de confiana o valor mdio desejado, deveria
encontrar-se entre 88,65 e 108,35. Como o valor do IC maior do que o desejado, repeties
adicionais ( n2 = n1 (h1 / h2) ** 2).
n1 = 10 repeties
h1 = 19,1
h2 10% de 98,5 = 9,85
n2 = 10 (19,5 / 9,850) ** 2 = 38 repeties ou 28 adicionais.
2012
44
Listing das 30 repeties adicionais
************************************************
* EXPERIMENT PARA AS REPETIES ADICIONAIS*
************************************************
BEGIN
PROJECT. EXEMPLO AULA OUT. PROC :
ATTRIBUTES :
TCHEG;
QUEUES :
FMAQ;
FINSP;
FRETRAB;
RESOURCES :
OPERMAQ, 2;
INSPETOR:
OPERETRAB;
TALLIES :
TEMPOFLUXO;
OUTPUTS :
TAVG(TEMPOFLUXO), FLOWTIME. 15;
SEEDS :
1,123;
2,456;
3,789;
4,987;
10,321;
REPLICATE, 30;
END;
2012
45
NOVA TABELA E GRFICO DE BARRAS
TABLES, FLOWTIMES, RUN NO,1,40,1 :

FLOWTIME.15 /LUMPED, AVG FLOWTIME;
TABLE : FLOWTIMES
RUN NO
AVG FLOWTIME
1.00
71.0
2.00
82.3
3.00
116.
...........................................................................
38.0
141.
39.0
121.
40.0
89.3
BARCHART, FLOWTIME.15 / LUMPED, FLOWTIMES, RUN NO, AVG FLOWTIME;
150
100
50
19
17
15
13
11
0
1
AVG Flowtime
Flowtimes
Run #
OUTPUT ANALYSIS -29
2012
46
NOVO INTERVALO DE CONFIANA

INTERVALS, FLOWTIMES : FLOWTIME.15 / LUMPED, AVG FLOWTIME;
INTERVALS : FLOWTIMES
identifier
average
avg
flowtime
98.0
standard
deviation
26.0
.950
c.i. minimum
half-width value
8.30
59.2
maximum
value
190.
number
obs.
40
OBSERVATION INTERVALS : FLOWTIMES
98.0
59.2
AVG FLOWTIME
*
89,7
< = MINIMUM
[ = LOWER 95% CL
190
X = AVERAGE
116.
[= UPPER95% CL
>= MAXIMUM
QUIT
2012
of
47
RESULTADO DE TODAS AS 40 REPETIES
1- MDIA CALCULADA = 98,0 MIN;

2- INTERVALO CALCULADO COM 95% DE CONFIANA
89,7 | - VALOR MDIO -| 106
CONCLUSES :
O INTERVALO DE CONFIANA EST DENTRO DOS +/- 10% DA MDIA
CALCULADA. DESTA FORMA NO SO MAIS NECESSRIAS REPETIES
ADICIONAIS.
REFERNCIAS
CHWIF, L.; MEDINA, A. Modelagem e Simulao de Eventos Discretos: Teoria &
Prtica, So Paulo: Bravarte, 2006.
FREITAS FILHO, P. J. Introduo modelagem e simulao de sistemas,
Florianpolis: Visual Books, 2008.
KELTON, D.; SADOWSKI, D. A.; SADOWSKI, R. P. Simulation with ARENA. USA:
McGraw-Hill, 2004.
PRADO, S. H. Usando o Arena em Simulao. Belo Horizonte: Desenvolvimento
Gerencial, 2004.
PRADO, S. H. Teoria das filas e da Simulao. Belo Horizonte: Desenvolvimento
Gerencial, 2004.
SALIBY, E. Repensando a simulao: A amostragem descritiva. So Paulo: Atlas,
1989.
SEPPANEN, M.; KUMAR, S.; CHANDRA, C. Process analysis and improvement Tools
and Techniques. USA: McGraw-Hill, 2005.
2012
48
2012

Apostila 2

Enviado por

Dados do documento

Título original

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 2

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade do Sul de Santa Catarina

Unidade Acadmica Tecnologia

Profo. Ricardo Villarroel Dvalos, Dr. Eng.

Florianpolis, Maro de 2012

Conceitos Bsicos de Modelagem e Simulao de Sistemas

Simulao a imitao da operao de processos ou sistemas do mundo

Simulao o processo de projetar um modelo de um

conduzir experimentos com este modelo com o propsito de entender o

Feita manualmente ou via computadores, a simulao envolve a gerao de

UNISUL Pesquisa Operacional II

Conceitos Bsicos de Modelagem e Simulao de Sistemas

2.3 SIMULAO ENVOLVE

A construo de modelos baseados em computadores.

O uso dos modelos para levar a efeito grupos de experimentos.

Traar inferncias sobre novos sistemas sem de fato, t-los construdo.

UNISUL Pesquisa Operacional II

Conceitos Bsicos de Modelagem e Simulao de Sistemas

2.4 SISTEMAS E SEUS COMPONENTES

Um objeto de interesse dentro do sistema.

uma propriedade de uma entidade.

Representa um perodo de tempo tamanho especificado.

a coleo de variveis relacionadas com os objetivos do estudo

uma ocorrncia instantnea que pode mudar o estado de um

UNISUL Pesquisa Operacional II

Conceitos Bsicos de Modelagem e Simulao de Sistemas

TIPOS DE MODELOS DE SIMULAO

UNISUL Pesquisa Operacional II

Conceitos Bsicos de Modelagem e Simulao de Sistemas

2.6 TIPOS DE MODELOS DE SIMULAO

DISCRETOS COM ABORDAGEM POR EVENTOS

estado acontecem no tempo de ocorrncia de cada evento. A

simulao evolui no tempo pela execuo dos eventos em ordem crescente de

DISCRETOS COM ABORDAGEM POR PROCESSOS

sistema modelado de acordo com uma seqncia ordenada de eventos

inter-relacionados, separados por passagens de tempo, que descrevem,

UNISUL Pesquisa Operacional II

Conceitos Bsicos de Modelagem e Simulao de Sistemas

comportamento, biocincias, etc..

UNISUL Pesquisa Operacional II

Conceitos Bsicos de Modelagem e Simulao de Sistemas

2.8 VANTAGENS E DESVANTAGENS DA SIMULAO

Novas polticas, procedimentos operacionais, regras de deciso estruturas

Novos projetos de hardware, arranjos fsicos, programas, sistemas de

Hipoteses sobre como ou porque da ocorrncia de certo fenmenos podem ser

Observaes mais profundas podem ser efetuadas sobre quais, variveis so

Gargalos no fluxo de informaes, materiais ou produtos, podem ser mais

Novas situaes, sobre as quais temos pouco conhecimento ou experincia.

UNISUL Pesquisa Operacional II

Conceitos Bsicos de Modelagem e Simulao de Sistemas

A construo de modelos requer treinamento especializado. A qualidade da

Os resultados da simulao so, muitas vezes de difcil interpretao. Como os

UNISUL Pesquisa Operacional II

Conceitos Bsicos de Modelagem e Simulao de Sistemas

EXEMPLO DE UMA SIMULAO

Suponha que desejamos simular um sistema composto de uma nica fila e de

UNISUL Pesquisa Operacional II

Conceitos Bsicos de Modelagem e Simulao de Sistemas

TABELA DE VALORES DA SIMULAO

Tempo Mdio no Sistema :

UNISUL Pesquisa Operacional II

Conceitos Bsicos de Modelagem e Simulao de Sistemas

2.10 O Mtodo de Monte-Carlo

Um Exemplo Usando o Mtodo de Monte-Carlo