Você está na página 1de 5

Universidade do Estado do Rio de Janeiro

Centro de Tecnologia e Ciências


Escola Superior de Desenho Industrial

Caio Henriques Sica Lamas

Modelagem e Simulação

RESUMO

Modelagem e simulação, conceitos distintos mas associados em sua utilização prática


na ciência, assim como em sua relação com a experimentação empírica. Este texto busca
sintetizar parte do conhecimento atual sobre as técnicas de modelagem e simulação, assim
como sua história e usos conhecidos.

Palavras-chave: Modelagem. Simulação. Experimentação.

ABSTRACT

Modeling and simulation, different concepts but associated to their practical use in
science, as well as in its relation with an empirical experience. This text is a research on the
techniques of modeling and simulation, as well as its history and known uses.

Keywords: Modelling. Simulation. Experimentation.


INTRODUÇÃO

Modelagem e simulação são técnicas empíricas mas que diferenciam-se da experimentação


por sua natureza matemática e computacional. Em razão dessa natureza, a origem dessas
técnicas são comumente associadas ao desenvolvimento da computação digital, porém os
alicerces para torná-las uma realidade são anteriores ao invento do computador moderno.

1 MODELOS, SIMULAÇÕES E EXPERIMENTOS

A experimentação, simulação e modelagem estão relacionadas ainda que o pensamento


empirista diferencie claramente os dois últimos como ferramentas representacionais e a
experimentação como parte do mundo natural e social (GUALA, 2002). Comumente a
técnica de simulação é referida como “experimento numérico” ou “experimento
computacional”.
Para Parker (2009) essa distinção é na prática menos clara, e explica sua concepção de que
simulação seja uma “sequência de estados ordenados no tempo, que serve como
representação de uma outra sequência de estados ordenados no tempo”, e complementa que
os experimentos, quase sempre sequenciais, não diferentemente implicam em intervenções
nos estados dos objetos de estudo.

1.1 Modelagem

O termo modelagem pode ser compreendido como o ato ou resultado de produzir modelos.
Um modelo por sua vez, “um objeto que se destina a ser reproduzido por imitação”
(MICHAELIS).
Adotado não somente pela academia, mas por diversas indústrias, ao menos no meio
científico o termo modelo tem o claro significado de representação de um objeto ou sistema,
um modelo nesse contexto pode ser estático ou dinâmico (HARTMANN, 1996).
Um modelo estático somente representa um sistema ou objeto em repouso e sem alterações
em seus estados. Por exemplo uma maquete que represente a topografia e cobertura vegetal
de uma determinada região, caso não haja eventos que alterem seu relevo e vegetação, pode
ser considerada um modelo estático daquela área.
Já um modelo dinâmico pode representar um sistema ou objeto ao longo de uma determinada
sequência temporal, de forma que seus estados podem ser alterados durante essa sequência.
Consideraremos a maquete do exemplo anterior, mas dessa vez introduzimos uma alteração
da cobertura vegetal ao longo do tempo, nesse caso uma vez que há uma mudança de estado
esse modelo se torna dinâmico.

1.2 Simulação

Para Ören (2011), uma simulação pode ser definida pelo seu propósito, seja ele produzir um
experimento, treinamento, entretenimento ou uma simples imitação. Uma definição mais
precisa e que atenda amplamente ao contexto acadêmico é a de que uma simulação pode ser
uma técnica de geração experimental de conhecimento, assim como também uma forma de
processamento de conhecimento, “essa perspectiva permite a combinação da simulação com
muitas outras formas de geração de conhecimento”¹ (ÖREN, 2010).
As simulações são processos baseadas em modelos, isto é, através da implementação de
modelos dinâmicos produz-se uma simulação. Na tentativa de ilustrar a diferença entre um
modelo dinâmico e uma simulação Guala (2002) sintetiza o seguinte exemplo:

Um tabuleiro de damas e alguns peões não podem sozinhos simular qualquer coisa - embora
possam representar algo: por exemplo o estado de uma dada batalha em uma linha de tempo t. Um
tabuleiro de damas, alguns peões e dois jogadores podem simular uma batalha ou uma guerra,
representando uma sequência de estados dessa batalha ou guerra. Na maioria das vezes, um
dispositivo de simulação terá algum mecanismo embutido, que uma vez acionado fará com que o
sistema vá através de uma série de estados automaticamente.²

Uma simulação pode ser contínua, ou uma simulação de eventos discretos. Sendo a primeira
uma simulação onde o fluxo do tempo é fracionado (ex. 30 frações por segundo) e em cada
fração de tempo são avaliadas as mudanças de estado no sistema, a simulação nesse caso ocorre
continuamente ao longo do tempo sem interrupções. Já em uma simulação de eventos discretos
haverá saltos na linha do tempo entre um evento relevante e outro, assim o tempo não flui
continuamente, mas saltando de evento em evento (WAINER, 2011), enquanto esse tipo de
simulação é executada mais rapidamente, seu uso limita-se aos casos em que os saltos no fluxo
do tempo não prejudiquem os resultados da simulação.

¹ Tradução do Autor: This view allows combination of simulation with many other types of knowledge generation.
² Tradução do autor: a checkerboard and some pawns cannot by themselves simulate anything – although they
can represent something: for example the state of a given battle at time t. A chequerboard, some pawns, and two
players can simulate a battle or a war by representing a sequence of states of that battle or war. Most often, a
simulating device will have some mechanism built into it, which once triggered will make the system go through a
series of states automatically.

2 HISTÓRICO

Apesar de comumente associada à computação digital, as origens dessas técnicas remetem a


um período anterior. Em seu sentido mais amplo a modelagem nasceu com os números, há
registros do uso de escrita e contagem numérica a um período próximo de 30.000 A.C., e usos
da matemática em arquitetura e astronomia em 4.000 A.C. (SCHICHL, 2004). A modelagem
numérica é portanto tão antiga quanto a própria matemática e desde sua concepção foi utilizada
para a compreensão e elaboração de conceitos numéricos abstratos.
O uso de modelos matemáticos aplicados em técnicas de simulação são mais recentes, o
registro conhecido mais antigo e explícito da técnica de espalhamento aleatório de amostras
remete ao experimento das agulhas de Buffon em 1777 (HAMMERSLEY, 1964; RAGHEB,
2013; GOLDSMAN, 2010).
Para Goldsman (2010) durante esse período entre o experimento de Buffon e a invenção do
computador digital já ocorria o desenvolvimento de técnicas de geração de números aleatórios,
assim como de algoritmos de espalhamento e distribuição que mais tarde seriam as principais
contribuições para as primeiras técnicas de simulação, o autor dá a esse período entre 1777 e
1945 o rótulo de “Era Pré-Computacional”, o autor complementa sua definição afirmando que
“A simulação na era pré-computacional limita-se a utilizações inovadoras de ensaios repetitivos
para apoiar ou confirmar provas ou conjecturas matemáticas.”³.
O que Goldsman considera o período formativo da simulação (1945-1970) iniciou com o
desenvolvimento dos primeiros computadores digitais na metade da década de 40, como o
ENIAC (MCCARTNEY, 1999). E também com o desenvolvimento do método Monte Carlo e
seu uso em computação para resolver problemas probabilísticos de grande complexidade,
relacionados à construção da primeira bomba de hidrogênio (METROPOLIS, 1989).
Posteriormente alargou-se o escopo de uso das técnicas de simulação, o que foi possibilitado
pelo desenvolvimento de linguagens de programação e sistemas computacionais
especializados.
Por último Goldsman considera que no período de 20 após o início da década de 70 houve uma
expansão mais acentuada das atividades de simulação, seus usos e tipos, em grande parte
devido ao exponencial aumento do poder computacional disponível, memória e velocidade de
processamento. Esses últimos anos ele chama de período da expansão.
Após esse período não há uma compilação estruturada sobre o tema. Afinal, como o
desenvolvimento da computação nas últimas décadas afetou o campo da simulação? A
computação de alto desempenho, as redes computacionais de grande escala e a difusão dos
microcomputadores domésticos, certamente ampliam as possibilidades e há portanto campo
para mais estudos.

³ Tradução do autor: Simulation in the precomputer era is limited to innovative uses of repetitive trials to support
or confirm mathematical proofs or conjectures.

3 UTILIZAÇÃO

As técnicas de modelagem e simulação são utilizadas em muitos setores, na academia e na


indústria, medicina, construção e engenharia, transportes, logística, jogos digitais, treinamento
e incontáveis outros usos. Sua utilização varia no propósito, pode ser aplicada como
instrumento de experimentação científica; Como forma de treinamento, como é o caso de
treinamentos militares ou de segurança; Como divertimento, como é o caso de muitos jogos
digitais (ÖREN, 2011).

3 CONCLUSÕES

Modelagem e simulação são termos que denotam conceitos diferentes, mas que são associados
por sua utilização prática no meio científico e nas diversas indústrias.
Uma simulação é uma construção autônoma da implementação de um ou múltiplos modelos
dinâmicos e dotada de um propósito ou objetivo.
Contrapondo a simulação à experimentação, observo o potencial que ambas as técnicas têm de
serem complementares como forma de validação, ou mesmo a primeira como uma alternativa
nos casos onde a segunda é inviabilizada por alguma razão prática. Por exemplo, preferir-se-á a
simulação na observação de mudanças geológicas, uma vez que há uma restrição temporal em
sua experimentação in loco.
REFERÊNCIAS

GOLDSMAN, David; NANCE, Richard E.; WILSON, James R. A brief history of simulation
revisited. In: Proceedings of the winter simulation conference. Winter Simulation
Conference, 2010. p. 567-574.

GUALA, Francesco. Models, simulations, and experiments. In: Model-based reasoning.


Springer, Boston, MA, 2002. p. 59-74.

HAMMERSLEY, John Michael; HANDSCOMB, David Christopher. General principles of the


Monte Carlo method. In: Monte Carlo Methods. Springer, Dordrecht, 1964. p. 50-75.

HARTMANN, Stephan. The world as a process. In: Modelling and simulation in the social
sciences from the philosophy of science point of view. Springer, Dordrecht, 1996. p. 77-100.

METROPOLIS, N. MONTE CARLO METHOD. From Cardinals to Chaos: Reflection on


the Life and Legacy of Stanislaw Ulam, p. 125, 1989.

MICHAELIS, Dicionário. Disponível em:< http://michaelis. uol. com. br>. Acesso em: 8 de
maio de 2018.

ÖREN, Tuncer. A critical review of definitions and about 400 types of modeling and
simulation. SCS M&S Magazine, v. 2, n. 3, p. 142-151, 2011.

ÖREN, Tuncer. Simulation and reality: The big picture. International Journal of Modeling,
Simulation, and Scientific Computing, v. 1, n. 01, p. 1-25, 2010.

PARKER, Wendy S. Does matter really matter? Computer simulations, experiments, and
materiality. Synthese, v. 169, n. 3, p. 483-496, 2009.

RAGHEB, M. THE BUFFON’S NEEDLE PROBLEM: FIRST MONTE CARLO


SIMULATION. 2013. Disponível em
<https://pdfs.semanticscholar.org/d2ed/d0a8f03ca51657dfba10b66702dda1b24930.pdf>.
Acesso em: 8 de maio de 2018.

SCHICHL, Hermann. Models and the history of modeling. In: Modeling languages in
mathematical optimization. Springer, Boston, MA, 2004. p. 25-36.

Wainer, G. and Mosterman, Pieter (eds), Discrete-event Modeling and Simulation: Theory and
Applications, CRC Press, Boca Raton, FL. 2011.