Você está na página 1de 291

MODELAGEM DE SISTEMAS

SIMULAO

Parte I

Profa. Giovana Pasa, Dra.


giovanapasa@producao.ufrgs.br

Universidade Federal do Rio Grande do Sul


Escola de Engenharia
Programa de Ps Graduao em Engenharia de Produo
Ponto de partida

I keep six honest serving-men


(They taught me all I knew);
Their names What and Why, When
And How and Where and Who.

Rudyard Kipling apud Carnegie (1956)

2
What

O que precisamos fazer em nosso trabalho?

3
What

gerenciar
decidir
resolver problemas
aprender
domnio da situao

4
Why

Por que?

5
Why

sermos a referncia
competitividade
melhores resultados
sobrevivncia
benchmark*
marco geodsico,
referncia de nvel

* http://www.merriam-webster.com/dictionary/benchmark 6
When

Quando?

7
When

futuro

hoje

8
How

Como?

Simulando:
realidade existente: cenrios, decises
projetos futuros: alternativas, impacto
tcnica de aprendizagem organizacional

9
Where (Onde) MANUFATURA

10
Where (Onde) MANUFATURA

11
Where (Onde) SERVIOS

12
Where

Onde? Logstica

13
14
Who

Quem?
especialistas em modelagem

usurios do sistema

clientes do sistema

especialistas em reas complementares

vocs

15
INICIANDO O ESTUDO

Histria:
1908

matemtico A. K. Erlang

central telefnica de Copenhagen

objetivo: ligaes prontamente atendidas

problema: dimensionar para no haver

congestionamentos
soluo: MODELAGEM

16
Modelagem matemtica de Erlang

Erlang desenvolveu um modelo para o sistema da


central telefnica

chamadas chegam aleatoriamente na central


produzem ou no conexo, dependendo da
disponibilidade de linhas
havendo linha, a ligao imediata
no havendo, usurio recebe sinal de ocupado e
ligao perdida
dever tentar posteriormente
17
Modelagem matemtica

Erlang desenvolveu um modelo para o sistema

SISTEMA:
Conjunto de entidades que interagem com o objetivo de
atingir algum fim lgico.

MODELO:
Para estudar um sistema preciso estabelecer
pressupostos a respeito de seu funcionamento.
Esses tomam a forma de expresses matemticas ou
lgicas que constituem o modelo.

18
TEORIA DAS FILAS

Erlang desenvolveu modelos matemticos que oferecem


solues analticas

TEORIA DAS FILAS

til para: malhas de transportes, redes de


computadores, manufatura, servios,

19
Terminologia em TEORIA DAS FILAS
1 - Processo de chegada

Descreve a
forma como
os clientes
chegam no
sistema.

processo de chegada um cliente por vez


grupos
(arrival ou input
process) 20
2 - Processo de atendimento

descreve a forma como


os clientes so
atendidos
distribuio do tempo
de atendimento
processo de um ou mais servidores
atendimento srie ou paralelo
(service or output
process)
21
Para modelarmos os processos de
chegada e atendimento...
... podemos ter uma modelagem determinstica (D)
ou podemos ter as distribuies de probabilidade
(ddp). Algumas delas so:
M exponencial
U - Uniforme
G geral ou arbitrria

Mais adiante sero estudadas em detalhe.


22
3 Nmero de atendentes

um atendente vrios

23
4 - Regra ou disciplina da fila

descreve a ordem em que os clientes sero


atendidos
primeiro a chegar o primeiro a ser atendido
FCFS first come, first served
ltimo a chegar o primeiro a ser atendido
LCFS last come, first served
aleatrio em relao chegada
prioridades por categorias

24
5 Nmero mximo de clientes no sistema

limitado infinito

25
6 - Populao

Fonte infinita chegadas independem do nro


de clientes no sistema
Fonte finita dependem - populao
pequena
- desistem em
funo do
tamanho da fila

26
FILAS: elementos bsicos

Os elementos bsicos das filas so os seis


apresentados, especialmente:
- taxa de chegada

- taxa de atendimento

A notao de Kendall- Lee organiza estes


elementos da seguinte forma:

27
Notao Kendall-Lee

1/2/3/4/5/6

1 processo de chegada
2 processo de atendimento
3 nmero de atendentes
4 regra da fila
5 nmero mximo de clientes no sistema
6 tamanho da populao

28
exemplo:

M/M/1

1 processo de chegada exponencial


2 processo de atendimento exponencial
3 nmero de atendentes = 1
4 regra da fila: geral
5 nmero mximo de clientes no sistema:
6 tamanho da populao:

29
FILAS

CLIENTE NA FILA
CLIENTE SENDO ATENDIDO
SISTEMA

chegada fila atendimento sada

IC TF NF TA NA
sistema
30
TS NS
FILAS

IC tempo mdio entre chegadas IC=1/


- taxa de chegada
TF - tempo mdio na fila
- taxa de
atendimento NF nmero mdio de clientes na fila
TA - tempo mdio de atendimento TA=1/
NA nmero mdio de clientes em atendimento
TS - tempo mdio no sistema
NS nmero mdio de clientes no sistema

chegada fila atendimento sada

IC TF NF c TA NA
sistema
31
TS NS
Frmulas bsicas

NS = NF + NA
TS = TF + TA
NA = / = TA/IC
NS = NF + NA = NF + (/ ) = NF + (TA/IC)

intensidade de trfego = /

chegada fila atendimento sada

IC TF NF c TA NA
sistema
32
TS NS
Frmulas de Little

Aplicveis a sistemas estveis:


intensidade de trfego < 1, ou seja, <
- taxa mdia de chegada constante
- taxa mdia de atendimento constante

NF = . TF
NS = . TS
NA = . TA

33
Exemplo

1. Precisamos retirar dinheiro no quiosque de caixas automticos.


Sabemos que:
chegam = 20 clientes por hora

a taxa de atendimento = 25 clientes por hora

o tempo mdio que cada cliente gasta no sistema TS = 0,3


horas (18 min.)

a) Qual a intensidade de trfego ()?


b) Qual o tamanho mdio da fila que vamos encontrar (NF)?
c) Qual o nmero mdio de clientes no quiosque (NS)?
d) Qual o nmero mdio de clientes sendo atendidos (NA)?

34
chegam = 20 clientes por hora
a taxa de atendimento = 25 clientes por hora
o tempo que cada cliente gasta no sistema TS = 0,3 horas (18 min.)

a) Qual a intensidade de trfego ()?


= /
=20/25=0,8

b) NF=?
NF = . TF = 20. TF
TS = TF + TA ou TF = TS TA
TA = 1/ = 1/25 = 0,04 h
Substituindo:
TF = 0,3 0,04 = 0,26 h
NF = . TF = 20. 0,26 = 5,2 clientes
35
chegam = 20 clientes por hora
a taxa de atendimento = 25 clientes por hora
o tempo que cada cliente gasta no sistema TS = 0,3 horas (18 min.)

c) NS = . TS
NS = 20. 0,3 = 6 clientes

d) NA = . TA
TA = 1/ = 1/25 = 0,04
NA = 20. 0,04 = 0,8 clientes

36
Ao chegar ao quiosque, o que veremos ser:

37
atividade 1 - lancheria

A1. Na hora do intervalo, cada aluno desloca-se at o balco de lanches.


Verificou-se que:
cada atendente capaz de alcanar os lanches aos alunos a uma taxa de
=9 lanches/min);
a taxa de chegada de alunos no balco de = 4 alunos/min.

a) Qual a intensidade de trfego ?


b) Qual o tempo mdio de atendimento (TA)?
c) Observando-se que a fila tem em mdia 10 alunos, determine o tempo que
o aluno permanece na fila (TF).
d) Considerando a informao do item c, calcule o tempo mdio de
permanncia de um aluno na lancheria (TS).

38
Teoria das Filas aplicada a sistemas M/M/1
Lembrando M/M/1:
1 processo de chegada exponencial
2 processo de atendimento exponencial
3 nmero de atendentes = 1
4 regra da fila: geral
5 nmero mximo de clientes no sistema: infinito
6 tamanho da populao: infinito

Soluo analtica:
frmulas matemticas
usa o conhecimento sobre o
comportamento das distribuies

39
Propriedades de um sistema M/M/1/G/ /

2
nmero mdio de clientes na fila NF


nmero mdio de clientes no sistema NS


tempo mdio na fila TF

1
tempo mdio no sistema TS

n

Pr obabilidade de existirem n clientes no sistema Pn 1
40
Modelagem

Distribuio de probabilidade - Exponencial

a(x)= . e -x a taxa de chegadas


E(A)=1/ a mdia dos tempos
entre de chegadas

. e -x var(A)=1/ (2) a varincia dos tempos


entre de chegadas

63%
x
1/ 41
Exemplo de um sistema M/M/1/G/ /

A cabine telefnica:
as chegadas ocorrem de acordo com uma
distribuio exponencial com taxa = 0,1
pessoas/min;
a durao mdia dos telefonemas de TA = 3
minutos e tambm segue uma distribuio
exponencial.

a) Qual a probabilidade de uma pessoa chegar


cabine e no precisar esperar?
n

Pr obabilidade de existirem n clientes no sistema Pn 1

42
A cabine telefnica:

= 0,1 pessoas/min.
TA = 3 minutos ou =0,33 telefonemas/min.

a) Qual a probabilidade de uma pessoa chegar cabine e no


precisar esperar?
0 0
0,1 0,1
P0 1 1 1 0,3 0,7
0,33 0,33

A probabilidade de encontrar a cabine disponvel de 70%.

43
A cabine telefnica:

= 0,1 pessoas/min.
TA = 3 minutos ou =0,33 telefonemas/min.

b) Qual o tempo mdio na fila?

0,1
TF 1,28
1 / 31 / 3 0,1

O tempo mdio na fila de 1,28 min.

44
A cabine telefnica:

= 0,1 pessoas/min.
TA = 3 minutos ou =0,33 telefonemas/min.

c) Qual ritmo de chegada de pessoas determinaria um tempo


mdio na fila de 3 minutos?

TF 3
1 / 31 / 3

3 1 / 31 / 3 1 / 6 0,16 clientes / min

O tempo mdio na fila seria de 3 min. se o ritmo de chegada


fosse de 0,16 clientes/minuto.
45
atividade 2 - ferramentaria

A2. Os operrios da fbrica, para realizarem as atividades


dirias, precisam recorrer ao auxlio da ferramentaria.
Observou-se que o ritmo de chegada de solicitaes
ferramentaria segue uma distribuio exponencial com
ritmo de chegada de =1 solicitao/min. O ritmo de
atendimento da ferramentaria tambm segue uma
exponencial com =12 atendimentos/min.

46
atividade 2 - ferramentaria

ritmo de chegada de =1 solicitao/min.


ritmo de atendimento =12 atendimentos/min.
Pergunta-se:
a) Qual a probabilidade de um operrio chegar ferramentaria e
no precisar esperar?
b) Qual o tempo mdio de espera do operrio na fila (TF)?
c) Qual o tempo mdio de atendimento do operrio (TA)?
d) Qual o tempo mdio do operrio na ferramentaria (TS)?
e) Quantos operrios em mdia esto na fila (NF)?
f) Quantos operrios em mdia esto na ferramentaria (NS)?

47
atividade 3 manuteno e ferramentaria

A3. O gerente geral recebeu uma solicitao de reduzir custos


com os setores de apoio produo. Uma idia testada em
outras filiais foi alocar a um mesmo setor as atividades de
ferramentaria e as atividades de manuteno bsica.
Antes de estudar mais detalhadamente a proposta, o gerente
resolveu fazer uma anlise dos impactos que esta mudana
provocaria.
Observou-se que o ritmo de chegada de solicitaes
somando-se as demandas da ferramentaria e da manuteno
segue uma distribuio exponencial com ritmo de chegada
de =8 solicitaes/min. O ritmo de atendimento do novo
setor ainda seguiria uma exponencial mas cairia para =10
atendimentos/min devido ao aumento da complexidade.
48
atividade 3 manuteno e ferramentaria

ritmo de chegada de =8 solicitaes/min.


ritmo de atendimento =10 atendimentos/min.
Pergunta-se:
a) Qual a probabilidade de um operrio chegar ferramentaria e
precisar esperar?
b) Qual o tempo mdio de espera do operrio na fila (TF)?
c) Qual o tempo mdio de atendimento do operrio (TA)?
d) Qual o tempo mdio do operrio no setor (TS)?
e) Quantos operrios em mdia estaro na fila (NF)?
f) Quantos operrios em mdia estaro no setor (NS)?

49
Dinmica em grupo: Conservao dos fluxos

a.

b.

A B C

50
Conservao dos fluxos

c. 1 A 3 3
C 3= 1+ 2
2 B

2
d. 1 A B 2
3 2= 1- 3
C

3
51
Modelagem de sistemas: SIMULAO

Parte II
Profa. Giovana Pasa, Dra.
giovanapasa@producao.ufrgs.br
Situao:

Agora, desejo modelar as filas com que me deparo ao longo do


dia...

53
Agenda

5:45 melhor
ACORDAR 6:00 intermedirio
6:15 pior
0:07 melhor
CAF 0:09 intermedirio
0:11 pior

0:12 melhor
ABASTECER CARRO 0:15 intermedirio
0:18 pior
54
Agenda

0:30 melhor
IR AT NOVO 0:35 intermedirio
HAMBURGO
0:50 pior
0:55 melhor
REUNIO NA
1:10 intermedirio
EMPRESA A
1:15 pior

1:00 melhor
REUNIO NA
1:30 intermedirio
EMPRESA B
1:40 pior
55
Agenda

0:50 melhor
CAF-Reunio 1:30 intermedirio
2:00 pior
2:00 melhor
PALESTRA 2:20 intermedirio
3:00 pior

0:40 melhor
VOLTAR A
0:50 intermedirio
PORTO ALEGRE
1:00 pior
56
5:45 melhor
ACORDAR 6:00 intermedirio
6:15 pior
0:07 melhor
CAF 0:09
0:11
intermedirio
pior
Agenda
0:12 melhor
ABASTECER 0:15 intermedirio melhor intermedirio pior
CARRO pior
0:18
0:30 melhor
ACORDAR 05:45 06:00 06:15
IR AT NOVO
HAMBURGO
0:35 intermedirio CAF 00:07 00:09 00:11
0:50 pior
ABASTECER 00:12 00:15 00:18
0:55 melhor
REUNIO NA 1:10 intermedirio IR A NH 00:30 00:35 00:50
EMPRESA A
1:15 pior
REUNIO A 00:55 01:10 01:15
1:00 melhor REUNIO B 01:00 01:30 01:40
REUNIO NA 1:30 intermedirio
EMPRESA B
pior
ALMOO
CAF-Reunio 00:50 01:30 02:00
1:40
PALESTRA 02:00 02:20 03:00
0:50 melhor
CAF-Reunio 1:30 VOLTAR 00:40 00:50 01:00
intermedirio
2:00 pior TOTAL 06:14 08:19 10:14
2:00 CHEGADA 11:59 14:19 16:29
melhor
PALESTRA 2:20 intermedirio
3:00 pior

0:40 melhor
VOLTAR A 0:50 intermedirio
PORTO ALEGRE pior
1:00
Observe!
Agenda
melhor intermedirio pior
Trabalhamos com os cenrios ACORDAR 05:45 06:00 06:15

MELHOR, PIOR e CAF


ABASTECER
00:07
00:12
00:09
00:15
00:11
00:18

INTERMEDIRIO. IR A NH
REUNIO A
00:30
00:55
00:35
01:10
00:50
01:15
Mas, qual a chance de cada um REUNIO
ALMOO
B 01:00
00:50
01:30
01:30
01:40
02:00
CAF-Reunio
deles ocorrer? PALESTRA 02:00 02:20 03:00
VOLTAR 00:40 00:50 01:00
Quais as implicaes de TOTAL 06:14 08:19 10:14

desconsiderarmos estas CHEGADA 11:59 14:19 16:29

chances ?

58
Fatos sobre teoria das filas:

Modelos analticos:
simplificaes nos pressupostos
implica em soluo inadequada

Pressupostos sistemas estveis:


taxas estacionrias
passado no afeta o futuro
no h sobreposio de chegadas

Simulao

59
Definio de Simulao

So tcnicas que usam computadores para


imitar ou simular diversos tipos de
operaes ou processos do mundo real
(Law e Kelton, 1994).

60
A simulao

uma metadisciplina

Existe com a finalidade de auxiliar outras reas

Instrumento

61
Por que usar simulao?

62
Objetivo: ....

MODELOS pressupostos/
sofisticao

cenrios melhor
intermedirio
pior

horizonte longo
mdio
curto

63
Fato: Existe um sistema real a ser estudado!

Sistema

Macro-sistema:
micro sistema:
- Banco
- Hospital - atendimento nos caixas
- Montadora de automveis - emergncia
- Universidade - linha de pintura
- Restaurante - processo de matrcula
- cozinha 64
Como posso estudar um sistema?

Sistema

65
Experimento com o sistema real

Sistema

Experimento
com o
sistema real
zoologia

Frmula I agricultura

66
Experimento com o sistema real

Sistema
destrutivo

Experimento
Pode ser invivel:
com o
sistema real

no existe (fase de projeto)

67
Experimentos com modelos fsicos

Sistema

Experimento
com um modelo
do sistema
Maquetes arquitetnicas

Modelo
fsico

Tnel de vento

68
Experimentos com modelos fsicos

Sistema Dificuldade de construir

Experimento
com um modelo
do sistema Dificuldade de realizar
experimentos sem destru-lo
Caro
Modelo
fsico

69
Experimentos com modelos matemticos

Sistema

Experimento
com um modelo
do sistema

Modelo
matemtico

Funes matemticas: Funes lgicas:


i=V/R Se A=B e B=C, ento A=C
70
Modelo matemtico com soluo analtica

Sistema

Experimento
com um modelo Trajetria do rob
Clculos estequiomtricos
do sistema

Modelo
matemtico

Equaes de MRUV Soluo


analtica 71
Modelo matemtico com soluo analtica
Terminal porturio
Sistema

Experimento
com um modelo
do sistema
Relao custo-benefcio no
justifica o esforo

Modelo
matemtico
clima

Soluo analtica
Ex.:
muito difcil ou Teoria das filas
Soluo
inexiste analtica 72
Modelo matemtico com simulao

Sistema

Experimento
com um modelo
do sistema

Modelo
matemtico

Simulao
73
Sintetizando:

Sistema

Experimento Experimento
com o com um modelo
sistema real do sistema

Modelo Modelo
fsico matemtico

Soluo Simulao
analtica 74
Razes para usar simulao - 1

Testar:
configuraes diferentes do sistema
layout funcional, layout em linha

Funcional Linha
A A B D
D A B C D E
C C E E
C E E

75
Razes para usar simulao - 1

Testar:
para uma configurao, condies alternativas
capacidades de mquinas
A B D A A B D
D D
C E C C E E
C E C E E

mix produtivos
40% 30%
20%
76
60% 50%
Razes para usar simulao - 1

Avaliar desempenho
lead time ou tempo de atravessamento

95 min 108 min

A B D A A B D
D D
C E C C E E
C E C E E

ndice de retrabalho
33%
25%
77
Razes para usar simulao - 2

controle das experincias antes


de alterar o sistema real

estudar ao longo de um horizonte temporal extenso...

2007 2008 2009 2010 2011

78
Razes para usar simulao - 3

Ferramenta para tomada de deciso

Aprender sobre o processo

Testar modelos mentais

Senso de equipe/comando

Reaes sob presso

79
Razes para usar simulao - 4

aproveita o conhecimento das pessoas


envolvidas rotineiramente no
processo
explicita
permite compartilhamento

consolida o conhecimento

80
Razes para usar simulao - 5

recupera a viso sistmica dos


processos

81
Razes para usar simulao - 6

hardware:
capacidade de processamento
custo vivel

software:
acessveis
amigveis
82
Razes para usar simulao - 7

Aprendizagem e inovao

lpis e papel
Anlises financeiras
planilha eletrnica

Impacto gerencial

83
Razes para usar simulao - 8

Cultura organizacional e comportamento

Perspectiva 1

84
85
86
87
88
89
O que foi possvel aprender?

90
Razes para usar simulao - 8

Perspectiva 2

91
Razes para usar simulao - 8

Cultura organizacional e comportamento


Perspectiva 2

92
Razes para usar simulao - 8

Cultura organizacional e comportamento


Perspectiva 2

93
ONDE podemos usar simulao:

SERVIOS

94
Exemplo 1: Bancos

95
Simulao bancos

Nro de caixas automticos


Tipos de funcionalidades nos caixas automticos
Arranjo fsico
Alocao de funcionrios por turno
Horrios de atendimento
Tempos de espera na fila

96
Exemplo 2: Hospitais

97
Simulao - hospitais
Nro de leitos por setor
Nro de mdicos por tipo de especialidade em
plantes de emergncia
Distribuio de medicamentos e material
Alocao de leitos compartilhados por
hospitais de modo a reduzir transferncias

98
Exemplo 3: Manufatura

99
Simulao da manufatura

Lead time Layout


Estoques intermedirios Dimensionamento de
Turnos de trabalho capacidade
Alocao de operadores Mix de produo
Balanceamento da linha Substituio de
Fluxo de pessoas equipamentos
Fluxo de materiais Manuteno

100
Exemplo 4: Logstica

101
Simulao da logstica

Localizao dos CDs


Roteiros de coleta
Tipos de veculos
Alocao de cargas
Lead times
Composio das cargas
Equipamentos de movimentao de cargas

102
Atividade 4

Aplicaes

103
Modelagem de sistemas: SIMULAO

Conceitos bsicos e Terminologia

Parte III
Terminologia em Simulao

Estado de um sistema

conjunto de variveis necessrias


para descrever o seu status em dado
momento no tempo

Ex.:
Em um banco, na medida em que os clientes chegam, so
atendidos ou partem o status do sistema muda.

105
Mudanas no Status

Para descrever cada mudana possvel no estado


do sistema,
necessitamos de um conjunto de variveis
chamadas de variveis de estado.

Ex.:
n de atendentes ocupados
n de clientes no banco
momento de chegada do prximo cliente
momento de partida do cliente em atendimento

106
Num sistema

objeto de interesse Entidade

propriedades de uma entidade Atributos

Ex.: Banco
Entidade: cliente Atributo: profisso

107
Modelos de simulao

ESTTICOS DINMICOS

Representam o sistema
Representam o sistema modificando-se no
num momento tempo.
particular do tempo
Monte Carlo

108
Estticos: Simulao de Monte Carlo

Law e Kelton (1991) definem:


tcnica que usa nmeros aleatrios e variveis

aleatrias para resolver problemas em que a passagem


do tempo no exerce um papel significativo.
Ento, geralmente trata-se de simulaes estticas.
Ex.: Resolver integrais e conjuntos de integrais no
passveis de serem resolvidos analiticamente.
P.S. H autores que usam a denominao Monte Carlo de
forma mais ampla, abrangendo qualquer simulao que
use nmeros aleatrios.

109
Dinmicos

Representam o sistema modificando-se no tempo.

simulao contnua
simulao discreta ou de eventos discretos

110
Simulao

Discreta
Contnua
Variveis de estado
Variveis de
mudam somente devido
estado mudam ocorrncia de eventos
continuamente ao
longo do tempo mudam em pontos do
tempo discretos, ou seja,
aqueles pontos em que
ocorreu um evento
111
Simulao contnua
Processos qumicos, biolgicos

Usam equaes diferenciais resolvidas com tcnicas


numricas

112
Simulao discreta
Num banco:

Evento
cliente tem o seu atendimento iniciado
cliente tem o seu atendimento concludo

varivel de estado atualizada

Relgio ou clock atualizado 10:00 10:15

113
Modelos de simulao

DETERMINSTICO ESTOCSTICO

Valores exatos Valores estimados


Simplificao Variabilidade natural
do processo
modelada

114
Modelagem ESTOCSTICA
lembrando:
os tempos entre chegadas de clientes...

os tempos entre chegadas de peas a serem processadas...

a durao dos atendimentos dos clientes...

a durao dos processamentos nas mquinas...

as tarefas feitas pelas pessoas...

... apresentam variabilidade natural!

Por isso usamos Distribuies de Probabilidade!

115
Os tempos de execuo de uma atividade
apresentam variabilidade...

Tempo medido
116
Tempo medido
117
Tempo medido
118
Tempo medido
119
Tempo medido
120
Tempo medido
121
O que esta figura lembra?

Tempo medido
122
Distribuio de probabilidade normal

123
Simulao de eventos discretos

Estuda sistemas
Esttica estocsticos que mudam
Dinmica com o passar do tempo

As mudanas ocorrem
Contnua
em momentos discretos
Discreta do tempo (eventos)

Determinstica
Estocstica O evento muda o
estado do sistema instantaneamente
(variveis de
estado so atualizadas)! 124
Considere uma instalao com um nico
servidor:
atendente do banco

Voc deseja estimar o tempo de espera na


fila (tempo desde que chegou fila at
iniciar o atendimento)

125
Para estimar o tempo mdio na fila, voc precisa das variveis
de estado:
status do servidor: ocupado ou ocioso
nmero de clientes na fila
instante de chegada de cada cliente na fila
O status do servidor necessrio para determinar se o cliente
que chegou vai ser atendido imediatamente ou vai entrar na
fila
O nmero de clientes na fila necessrio para saber se, ao
terminar o atendimento atual, o servidor ficar ocioso ou
ocupado com algum que estava na fila
O instante de chegada necessrio para calcular o tempo
gasto na fila: = tempo de incio do atendimento menos instante
de chegada
126
Eventos do exemplo:

1 - chegada de um cliente
ou muda a varivel de estado status do servidor de
ocioso para ocupado
ou incrementa 1 na varivel de estado nmero de
clientes na fila

2 - finalizao de um atendimento
ou muda a varivel de estado status do servidor de
ocupado para ocioso
ou decrementa 1 na varivel de estado nmero de
clientes na fila

127
Mecanismos de avano no tempo

simulation clock:
a varivel que fornece o valor atual do
tempo da simulao

incremento fixo
avano no prximo evento

128
Avano no prximo evento
e0 e1 e2 e3 e4 e5
tempo
0 t1 t2 ts1 t3 ts2
A1 A2 A3
S1 S2
ei instante de ocorrncia do evento i Ai tempo entre chegada dos
clientes i-1 e i
ti instante de chegada do cliente i
Ai = ti ti-1
tfi tempo que o cliente i fica na fila
Si tempo gasto atendendo o cliente i
tsi instante em que o cliente i tem seu
atendimento concludo e sai tsi = ti + tfi + Si

129
e0 e1 e2 e3 e4 e5
tempo
0 t1 t2 ts1 t3 ts2
A1 A2 A3 e0=0
S1 S2

Relgio inicializado em zero: e0=0


Status do servidor: ocioso
Usamos distribuio de probabilidade (ddp) para
gerar o valor de A1 (tempo entre chegadas)
Ento, primeiro cliente chegar em t1 = 0 + A1

130
e0 e1 e2 e3 e4 e5
tempo
0 t1 t2 ts1 t3 ts2
A1 A2 A3 e1= t1
S1 S2

Avanamos o relgio para: e1= t1


O cliente 1 que chegou em t1 encontrou o servidor ocioso
O seu atendimento iniciou sem que ele ficasse em fila: t f1 = 0
Status do servidor passou a ocupado
Usamos ddp para gerar o valor de S1 (tempo de atendimento
do cliente 1)
Ento, o primeiro cliente sair em ts1 = t1 + tf1 + S1
131
e0 e1 e2 e3 e4 e5
tempo
0 t1 t2 ts1 t3 ts2
A1 A2 A3 e1= t1
S1 S2

Usamos ddp para gerar o valor de A2 (tempo entre chegadas


para cliente 2)
Ento, segundo cliente chegar em t2 = t1 + A2
Como t2 < ts1 , o cliente 2 chega enquanto o cliente 1 ainda
est sendo atendido e o relgio avanado para e2= t2
(Se t2 ts1 , o relgio avanaria para e2= ts1)
132
e0 e1 e2 e3 e4 e5
tempo
0 t1 t2 ts1 t3 ts2
A1 A2 A3 e2= t2
S1 S2

O cliente 2 encontrou o servidor ocupado, ento vai para a


fila
A varivel nro de clientes na fila incrementada de 1 e
anotamos o instante de entrada na fila
Usamos ddp para gerar o valor de A3 (tempo entre chegadas
para cliente 3)
Ento, cliente 3 chegar em t3 = t2 + A3
Como ts1 < t3 , o relgio avanado para e3= ts1 e o cliente 1
sai 133
e0 e1 e2 e3 e4 e5
tempo
0 t1 t2 ts1 t3 ts2
A1 A2 A3 e3= ts1
S1 S2

O cliente 2 que estava na fila tem seu atendimento iniciado


O tempo de fila calculado: tf2 = ts1 - t2
A varivel nro de clientes na fila decrementada de 1
Usamos ddp para gerar o valor de S2 (tempo atendimento do
cliente 2)
Ento, cliente 2 sair em ts2 = ts1 + S2
Como t3 < ts2 , o relgio avanado para e4= t3 , etc.
134
Precisamos criar um critrio de finalizao
Sintetizando:
Componentes e organizao do modelo

Estado do sistema: conjunto de variveis para


descrever o sistema em dado instante
Relgio ou clock: varivel que fornece o valor
atual do tempo de simulao
Lista de eventos: registra o prximo instante em
que cada tipo de evento ir ocorrer
Contadores estatsticos: armazenam indicadores
de desempenho do sistema simulado

135
Componentes e organizao do modelo

Rotina de inicializao: subprograma que inicializa o


sistema no instante zero
Rotina de timing: subprograma que determina qual o
prximo evento da lista e atualiza o relgio para o
instante de ocorrncia deste evento
Rotina de evento: subprograma que atualiza o estado do
sistema quando um determinado tipo de evento ocorreu
(cada tipo de evento tem sua prpria rotina)
Biblioteca de rotinas: conjunto de subprogramas para
gerar valores a partir das ddp

136
Componentes e organizao do modelo

Gerador de relatrio: subprograma que calcula as


estimativas dos indicadores de desempenho do modelo
Programa principal: controla o fluxo das aes
chama rotina de timing para determinar prximo
evento
transfere controle para rotina de evento atualizar
variveis de estado
verifica finalizao

chama gerador de relatrio.

137
FLUXO DE CONTROLE
incio

Rotina inicializao Programa principal Rotina timing


1. Relgio 0 0. Chama rotina inicializao 1. Determina o
zerado 1 tipo do prximo
2. Inicializa 1. Chama rotina timing evento i
estado do sistema 2. Chama rotina evento i Repetidamente 2. Avana relgio
e contadores i
3. Inicializa lista Rotina evento i 2 Biblioteca de rotinas
de eventos
1. Atualiza o estado do sistema Gerador de
2. Atualiza os contadores estatsticos variveis
3. Gera eventos futuros e adiciona lista aleatrias
de eventos

Simulao no
concluda ?
Gerador relatrios sim
1. Calcula estimativas
2. Gera relatrios

Fim
ATIVIDADE DE FIXAO

Objetivo da simulao:
dimensionar o setor de manuteno com relao ao
nmero de funcionrios para reduzir o tempo mdio de
atendimento das solicitaes de servio de manuteno.

Quais entidades devem ser consideradas?


solicitao de servio de manuteno.

H a necessidade de diferenciar as entidades


atravs de atributos?
sim
139
manuteno
Entidade: solicitao de servio de
manuteno
Atributo: tipo de manuteno
corretiva
preventiva

Preciso de outro atributo para distinguir as


solicitaes de servio?

140
manuteno

SIM, o tipo de mquina que vai sofrer manuteno

MAS: Haver diversos tipos de mquinas! Ser que preciso


criar tantos valores para o atributo mquina?!

Faa rapidamente um pareto ou use o seu conhecimento e


escolha os 3 tipos de mquinas que ocupam o maior
percentual de tempo do setor de manuteno. Inicie criando
estes 3 possveis valores para o atributo mquina que vai
sofrer manuteno.
141
Como ficou at aqui:

Entidade: solicitao de servio


Atributo 1: tipo de manuteno
corretiva Att1=1
preventiva Att1=2
Atributo: mquina que vai sofrer manuteno
m1 Att2=1
m2 Att2=2
m3 Att2=3
Os atributos auxiliam a distinguir. Isto permite saber
que ao tomar em relao quela entidade
especfica.
142
Quais os recursos utilizados na manuteno?

Precisamos listar todos os recursos a serem


utilizados na manuteno?
Inicialmente, liste os recursos mais nobres (gargalos):
Funcionrios

Quais os locais envolvidos na modelagem?


chegada de solicitaes de manuteno
setor de manuteno
sada

143
continuao:

Como o processo de chegada?


Neste ponto, precisamos obter dados para as freqncias de
chegadas de solicitaes de servio dos tipos corretiva e
preventiva para as mquinas m1, m2 e m3.

Corretiva Preventiva
Att1 1 2
40% 60%
m1 m2 m3 m1 m2 m3
Att2 1 2 3 1 2 3
Nro de
16% 16% 8% 24% 24% 12%
solicit.
144
continuao:
Como o tempo de atendimento?
Neste ponto, precisamos obter dados para os tempos de
atendimento em cada servio dos tipos corretiva e
preventiva para as mquinas m1, m2 e m3. Vamos
iniciar com valores determinsticos para obtermos
domnio sobre o modelo.
Corretiva Preventiva
Att1 1 2

m1 m2 m3 m1 m2 m3
Att2 1 2 3 1 2 3
Tempo
de 10 20 50 60 70 80
atend. 145
continuao:

Quais eventos precisam ser modelados?


1 - chegada de uma solicitao de servio

2 - finalizao de uma manuteno

Quais as variveis de estado necessrias para descrever


os possveis estados desencadeados pelos eventos?
status do funcionrio: ocupado ou ocioso
nmero de solicitaes na fila
instante de chegada de cada solicitao na fila

146
Status

1 - chegada de uma solicitao de servio


ou muda a varivel de estado status do funcionrio de
ocioso para ocupado
ou incrementa 1 na varivel de estado nmero de
solicitaes na fila

2 - finalizao de uma manuteno


ou muda a varivel de estado status do funcionrio de
ocupado para ocioso
ou decrementa 1 na varivel de estado nmero de
solicitaes na fila

147
medies

Quais as variveis nos auxiliaro a determinar se estamos


nos aproximando do objetivo da simulao?
tempo de fila

tempo de atendimento

tempo no sistema (=tempo fila+tempo atendimento)

nvel de ocupao dos funcionrios

148
medies incrementando variveis

As variveis (tempo de fila, tempo de atendimento,


tempo no sistema, nvel de ocupao dos
funcionrios) que nos auxiliaro a determinar se
estamos nos aproximando do objetivo da simulao
sero incrementadas ou decrementadas na medida
em que os eventos ocorrerem.

149
pressupostos

Quais pressupostos assumimos


inicialmente?
modelagem das manutenes de maior
impacto na ocupao do setor
simplificao nos locais
simplificao na qualificao dos
funcionrios

Regime: permanente

150
Atividade 5

151
Modelagem de sistemas: SIMULAO

Etapas da simulao

Parte IV
Passos de uma simulao:
1. Formular o problema
e planejar o estudo

Objetivos do estudo
determinar o impacto do tempo de atendimento do
caixa sobre o tamanho da fila
Aspectos especficos de interesse
tempo de atendimento
tempo de espera na fila
tamanho da fila
Foco/detalhamento
exploratrio clientes em geral; caixa multifuncional

153
1. Formular o problema
e planejar o estudo

Havendo sistemas alternativos a serem estudados


critrios para avaliar alternativas

Ex.: Alternativa A: atendente usa software de apoio


Alternativa B: atendente usa somente calculadora
critrio: relao entre a reduo do tempo de fila e o
investimento feito; relao entre reduo do tempo de fila
e perda de flexibilidade

Recursos:
pessoas envolvidas
custo
tempo
restries
154
Passos de uma simulao:

1. Formular o problema
e planejar o estudo

2. Coletar dados e
definir um modelo

155
2. Coletar dados e
definir um modelo

Obter dados e informaes existentes


Procedimentos operacionais

Tempos de atendimento

Tempos entre chegadas

Tempos de espera em filas

Distribuies de probabilidade

156
2. Coletar dados e
definir um modelo

DICA:
Na definio do modelo:
Comece com um modelo moderadamente detalhado

Aumente a sofisticao do modelo somente se


necessrio

157
2. Coletar dados e
definir um modelo

M/M/1

chegada fila atendimento sada

IC TF NF TA NA

sistema
TS NS
158
Como modelar os tempos entre
chegadas?

Qual a distribuio de probabilidade adequada para


representar os tempos entre chegadas?

159
Modelagem de tempos entre chegadas (T)

t1=3s t2=8s t3=15s

A1=5s A2=7s

Usamos a varivel aleatria A para representar os tempos entre chegadas

160
Modelagem de tempos entre chegadas

Distribuio de probabilidade - Exponencial

a(x)= . e -x a taxa de chegadas


E(A)=1/ a mdia dos tempos
entre de chegadas
var(A)=1/ (2) a varincia dos tempos
entre de chegadas
. e -x

x
161
Tempo de atendimento

O tempo de atendimento tambm pode ser modelado


como uma exponencial.

Outras distribuies de probabilidade:


Law e Kelton (1991)
Prado (2004)
Harrel et al. (2002)

162
2. Coletar dados e
definir um modelo

M/M/1

Chegada: Atendimento: c=1 atendente


exponencial exponencial NA=1
com IC = 1min com TA = 0,5 min
e =1chegada /min e =2 atendimentos /min

fila atendimento sada

IC TF NF c TA NA
sistema
TS NS 163
Passos de uma simulao:

1. Formular o problema
e planejar o estudo

2. Coletar dados e
definir um modelo

3. O modelo no
vlido?

sim
164
O modelo
3.
vlido?

Determinar o quanto o
modelo conceitual uma
representao razovel
do sistema real que est
sendo modelado

165
O modelo
3.
vlido?

Antes de expor
o modelo,
o analista
deve se
O modelo :
perguntar:

correto?
completo?
consistente?
166
Na seqncia, perguntar: o modelo parece razovel
queles que lidam com o sistema?

Envolver pessoas familiarizadas com a


operao

Interagir com os futuros usurios

167
O modelo parece razovel queles que lidam
com o sistema?

conversar com os experts no sistema


gerentes de planta

operadores de mquina

vendedores

engenheiros

alm das informaes objetivas:


motivao e comprometimento

168
Outras fontes:

analisar teorias existentes


literatura, artigos, dissertaes, etc

resultados de estudos similares


outras empresas da corporao

169
Experincia e intuio:

revalidar os objetivos!
realimentao!
continuamente! Um excelente modelo
com objetivos mal definidos
no ter nenhum uso!

Estudar o tamanho da fila (espao) ou o tempo na


fila (satisfao do cliente)?
Manter indicadores de requisitos mnimos, se for o caso!

170
O modelo
3.
vlido?

Testar distribuies de probabilidade

TESTAR OS PRESSUPOSTOS NA PRTICA!

Anlise de sensibilidade a:
parmetro de entrada

distribuio de probabilidade

nvel de detalhamento

171
Passos de uma simulao:

1. Formular o problema
e planejar o estudo 4. Construir um
programa
2. Coletar dados e computacional e
definir um modelo verificar

3. O modelo no
vlido?

sim

172
4. Construir um programa
computacional e verificar

Codificao ou programao do modelo

Transcrio: modelo comunicativo para


programa escrito em linguagem de programao

O programa deve ser testado; depurao do


cdigo do programa

173
4. Construir um programa
computacional e verificar

Tipos de linguagens

174
Linguagens de programao em geral

FORTRAN, C, PASCAL

esforo para
construo de
modelos
conhecimentos
profundos de
programao
maior flexibilidade

175
Linguagens especficas de simulao

GPSS, SIMSCRIPT, SIMAN, SLAM


facilitam a tarefa do desenvolvedor
rotinas de simulao prontas
blocos de cdigo so similares a comandos
facilmente reutilizveis

programas menores de forma rpida

176
Softwares de simulao especficos

ARENA, AUTOMOD, PROMODEL


construo de modelos atravs de uma forma

grfica e de fcil manuseio


menor flexibilidade do que as linguagens de

programao

177
Caractersticas desejveis num software:
Gerais:
Flexibilidade
ex.: tipos de atributos aplicveis s entidades
Fcil desenvolvimento do modelo
verificao de consistncia e avisos
ajuda on line
sugestes de alteraes
Rpida execuo

178
Caractersticas desejveis num software:

Gerais:
Mximo tamanho e complexidade

nro de entidades, nro de


atributos, relacionamentos, etc.
Compatibilidade com vrios tipos de

hardware
Capacidade de conversar com

outros softwares

179
Animao:

Compreenso visual
Conhecimentos compartilhados
Treinamentos

180
Capacidade Estatstica:

variedade de distribuies probabilsticas


Exponencial, Normal, Triangular, etc

Gerador de nmeros aleatrios


Replicaes usando diferentes nmeros
aleatrios
Determinao de tempo de warm up

181
Relatrios de sada - documentao:

pacote com indicadores estatsticos


comumente usados: utilizaco, tempo de fila,
etc
possibilidade de personalizar e ampliar os
relatrios
visualizaes grficas
exportar dados

182
Passos de uma simulao:
Construir um programa
4.
computacional e verificar

1. Formular o problema 5. Rodar simulaes piloto


e planejar o estudo

no
2. Coletar dados e 6 Modelo
definir um modelo .
vlido?
sim

3. O modelo no
vlido?

sim
5. Rodar simulaes piloto

no
6. Modelo
vlido?
sim

Esta segunda etapa de validao vem testar


quantitativamente os pressupostos assumidos

1. ANLISE DE SENSIBILIDADE

Variar parmetro de entrada Observar a sada

184
5. Rodar simulaes piloto

no
6. Modelo
vlido?
sim

2. REPRESENTATIVIDADE

Sada esperada do processo real Observar a sada simulada

Sobreposio:
Modelo 1 processo existente validao
Sobrepe-se a modificao
Modelo 2 processo a ser simulado

185
5. Rodar simulaes piloto

no
6. Modelo
vlido?
sim

3. TESTE Turing

Sada esperada do processo real Sada simulada

Especialistas conseguem diferenciar?

186
5. Rodar simulaes piloto

no
6. Modelo
vlido?
sim

4. TESTES de CAMPO

Modelo de simulao Testes de campo/


cenrios especficos

H convergncia?

187
Passos de uma simulao:
Construir um programa
4.
computacional e verificar

1. Formular o problema 5. Rodar simulaes piloto


e planejar o estudo

no
2. Coletar dados e 6 Modelo
definir um modelo .
vlido?
sim
7. Projetos de Experimentos
3. O modelo no
vlido?
8. Rodar as simulaes
sim
9. Analisar sadas

10. Documentar/ apresentar


resultados
7. Projetos de Experimentos

uma tcnica desenvolvida para auxiliar no planejamento de


experimentos, que apia-se fortemente na teoria
estatstica.

Os experimentos tradicionais, quando querem investigar o


efeito de um fator (temperatura, presso, tipo de material)
sobre uma determinada resposta (resistncia da barra):
- variam um fator por vez (temperatura), mantendo os
demais fixos (presso e tipo de material);
- medem as mudanas na resposta (resistncia).

189
7. Projetos de Experimentos

Os Projetos de Experimentos conseguem, variando mais de um


fator por vez, medir os seus efeitos sobre a resposta.

Vantagens em relao aos experimentos tradicionais:


- menor nmero de ensaios
- confiana estatstica determinada
- identificao de interaes entre os efeitos!

Em simulao, ainda auxilia a economizar tempo


computacional. Ento, permitem comparar cenrios
diferentes com economia!

190
7. Projetos de Experimentos

Exemplo: Desejamos investigar o efeito do tipo de fila e


do gnero de atendente sobre o tempo mdio de
atendimento. fator B
Gnero do atendente
homem mulher
fator A
tipo de nica
Fila
mltipla

191
Como funcionam os Projetos de
Experimentos?
1. Ao medir os tempos de atendimento para cada uma das
combinaes, observo os seguintes valores:
fator B
Gnero do atendente
homem mulher
fator A
nica 20 min. 30 min.
tipo de
Fila
mltipla 40 min. 52 min.

192
fator B
Gnero do atendente
Estudo os efeitos: homem mulher
fator A
nica 20 min. 30 min.
tipo de
Fila
mltipla 40 min. 52 min.

Observando o efeito do tipo de fila:


40 52 20 30
t mltipla t nica = = 21 min.
2 2

Observando o efeito do gnero do atendente:

t mulher t homem = 30 52 20 40 = 11 min.



2 2
193
E posso descobrir interaes!

VEJAMOS OUTRO EXEMPLO: Desejamos investigar


o efeito da idade e do gnero do atendente sobre o tempo
mdio de atendimento.
fator B
gnero do atendente
homem mulher
fator A
adulto 20 40
idade do jovem
atendente
terceira 50 12
idade
194
fator B
gnero do atendente
homem mulher
Interaes: fator A
adulto 20 40
idade do jovem
atendente
terceira 50 12
idade

terceira idade - adulto jovem = 50 12 20 40 1 min .


2 2

40 12 20 50
mulher - homem = 9 min .
2 2

Porm:

195
fator B
gnero do atendente
homem mulher
Interaes: fator A
adulto 20 40
idade do jovem
atendente
terceira 50 12
idade

terceira idade - adulto jovem = 50 12 20 40 1 min .


2 2

40 12 20 50
mulher - homem = 9 min .
2 2

Poderia parecer que a idade no afeta o tempo de atendimento.


Porm, o que acontece que a idade tem efeitos fortes MAS diferentes
para homens e mulheres.
196
fator B
gnero do atendente
homem mulher
Interaes: fator A
adulto 20 40
idade do jovem
atendente
terceira 50 12
idade

Observe:

Para mulheres:
terceira idade adulto jovem = 12 40 = -28 min.

Para homens:
terceira idade adulto jovem = 50 - 20 = 30 min.

Isso significa que h uma interao entre idade e gnero; ou seja, o


efeito da idade sobre o tempo atendimento diferente para os
197
diferentes gneros.
Lembre:
PARMETROS DO PROCESSO: aqueles que podemos
variar no processo

FATORES CONTROLVEIS: aqueles que vamos variar e


cujos efeitos vamos estudar

FATORES FIXOS aqueles que manteremos constantes

RUDOS no temos domnio; apenas registramos

198
Exemplos de fatores cujos efeitos costumamos
estudar:

Na linha de produo:
Fatores Respostas
Nmero de mquinas (capacidade) Ritmo de produo
Disciplina da fila Tempo de atravessamento
Tamanho dos estoques intermedirios Utilizao dos recursos
Posio dos estoques intermedirios Percentual de refugos
Velocidade das esteiras
Regras de priorizao de peas/clientes

Estrutura de hardware:
Fatores Respostas
Nmero de terminais Tempo de resposta aos usurios
Capacidade dos discos rgidos Utilizao da CPU
Velocidade da CPU Utilizao do disco
Velocidade dos drives de acesso Confiabilidade do sistema (tempos entre falhas)

199
Aspectos a considerar:

1. ORTOGONALIDADE

2. SIMETRIA

3. TESTAR EXTREMOS

4. VARIABILIDADE NATURAL DO PROCESSO

5. VARIVEIS DE RESPOSTA DE INTERESSE e

6. MONITORAMENTO DE VARIVEIS DE RESPOSTA


REQUERIDAS

200
ATIVIDADE 6:
Esboando o seu Projeto de experimento:
Escolher o processo.

Listar possibilidades de:


Parmetros de processo:
Fatores controlveis:
Fatores constantes ou fixos:

Rudos:

Faa um esboo de experimento similar quele dos


exemplos, para o seu caso. Determinar nveis a ser
ensaiados.

201
Passos de uma simulao:
Construir um programa
4.
computacional e verificar

1. Formular o problema 5. Rodar simulaes piloto


e planejar o estudo

no
2. Coletar dados e 6 Modelo
definir um modelo .
vlido?
sim
7. Projetos de Experimentos
3. O modelo no
vlido?
8. Rodar as simulaes
sim
9. Analisar sadas

10. Documentar/ apresentar


resultados 202
Ainda preciso definir:

As condies iniciais da simulao:


So os valores das variveis de estado e dos
medidores estatsticos no incio da simulao.
Elas geram impactos sobre o resultado final.
Veja o caso:
Desejamos estimar o tempo mdio de espera
dos clientes num banco, no horrio do meio-
dia s 13h.
203
Condies iniciais da simulao:

O que ocorre se???


Damos a partida nesta simulao considerando

que a varivel nmero de clientes no sistema


est zerada e...

definimos como hora de incio da simulao


meio-dia?

As nossas estimativas sero tendenciosas para


menos! 204
O que fazer ento?

Abordagem 1 -
Damos a partida na simulao considerando que

a varivel nmero de clientes no sistema est


zerada, mas iniciamos a simulao com o relgio
marcando 9h da manh (abertura do banco).

Como estamos interessados nos tempos de


espera somente entre meio-dia e 13h, somente as
esperas dos clientes atendidos neste perodo
sero contabilizadas. 205
Desvantagem da abordagem 1:

Estaremos rodando a simulao durante 4 horas


(tempo computacional proporcional)
Mas, somente uma hora servir para estimarmos os
atrasos
Usaremos 3 horas de simulao somente para o
warm up do sistema

Desperdcio de tempo computacional!


206
Abordagem 2:

Coletar dados sobre o nmero de clientes


presentes no banco ao meio-dia (durante vrios
dias)
Ser modelada a distribuio de probabilidade
Assume-se que os clientes presentes no banco
iniciaram seu atendimento ao meio-dia
Embora alguns j houvessem iniciado o seu
atendimento, o erro ficar diludo ao longo de
uma hora de simulao e ser desprezvel.

207
Como definir o tempo de warm up:

Tcnicas e algoritmos
Graficamente
Atravs do acompanhamento numrico da estabilizao
das estimativas
Atravs da observao de um comportamento conhecido

Regras:
capaz de abranger, por vrias vezes, a ocorrncia dos tipos de
variaes que ocorrero no ambiente (ex.: quebra de mquina)

208
Nmero de rodadas

Rodadas so necessrias para capturar a aleatoriedade

Deciso em funo da variabilidade presente na modelagem


do fenmeno

Validao atravs de comportamentos conhecidos

209
Durao de cada rodada

A durao de cada rodada deve ser


suficientemente grande para que, mesmo os
fenmenos com menor probabilidade (nas
distribuies) tenham chance de ocorrer.

210
ATIVIDADE 7 -

Para o seu experimento, analise:

Qual o tempo de warm up?

Qual a durao de cada rodada?

211
8. Rodar as simulaes

9. Analisar sadas

10. Documentar/ apresentar


resultados

As simulaes geram os dados de desempenho


do sistema
Tcnicas estatsticas so utilizadas para analisar
os dados de sada
Documentar as premissas do modelo e da
programao computacional pois haver mais de
uma simulao
212
Aspectos da simulao que requerem cuidados!

Desenvolver modelos para


sistemas complexos:

Caro

Demorado

213
Armadilhas a evitar em simulao:

Utilizar a simulao
quando outra tcnica a
mais adequada

Definir pouco claramente os objetivos no incio do


estudo
Nvel de detalhamento do modelo inadequado

214
Armadilhas a evitar em simulao:

falhas de comunicao com


os gestores durante o estudo

m compreenso da
simulao por parte dos
gestores
215
Armadilhas a evitar em simulao:

Olhar o estudo de simulao


como um exerccio de utilizao
de software em computador

No incluir na equipe pessoas com


conhecimento de estatstica e metodologia da
simulao
216
Armadilhas a evitar em simulao:

adotar software usar inadvertidamente um


de simulao software dada a facilidade
inadequado de interao e por no
requerer programao

no recolher dados de
boa qualidade no sistema
real
217
Armadilhas a evitar em simulao:

no incorporar
corretamente as fontes de
aleatoriedade do sistema
real

escolher arbitrariamente
distribuies de probabilidade para
os dados
218
Ateno!

Modelo no validado
Resultados conduzem a erros !

219
Aspectos da aleatoridade que requerem
ateno !

Cada rodada de um modelo estocstico


de simulao produz apenas
estimativas

So necessrias vrias rodadas para


gerar estimativas razoveis!!
220
Ateno!
Relatrios com resultados numricos
Modelo animado

Confiar
incondicionalmente ???
!
221
Atividade 8

222
Modelagem de sistemas: SIMULAO

Construindo modelos

Parte V
Mapeamento da produo

foco 1 da produo O QUE FEITO

foco 2 da produo QUEM FAZ

Melhoria com foco 1 - O QUE FEITO - conduz a melhores


resultados!

Porque:
- est diretamente associada ao objetivo da produo
- est associada ao fluxo da produo
lead time
tempo de resposta
identificao dos gargalos 224
Em servios:

Ateno!!!
Em servios, o foco 1 da produo O QUE FEITO -
um ser humano.
O ser humano sofre processamentos.

Foco principal, em servios, a pessoa que est sendo

atendida.

225
Fluxograma de processo

226
M/M/1:

6 0,4 Cliente vai at a fila

17 Cliente espera na fila

4 0,1 Cliente vai at o caixa

14 Cliente atendido

10 0,5 Cliente sai

Totais 20 32 1 3 1

44 % do tempo foi gasto em atendimento


56 % do tempo foi gasto em espera e deslocamentos
227
Outras representaes:

Davis, Chase e Aquilano

Atividades A pesar empacotar


ou operaes
espera

Filas ou Qualidade A ou B?
esperas
fritar salgar pesar empacotar

N de deciso

Fluxo de
228
materiais/cliente
Quanto s representaes:
mostram o fluxo da produo
incluem as esperas
omitem as esperas
relacionam ao layout e aos deslocamentos
no relacionam ao layout e aos deslocamentos

Quanto aos elementos que fluem:


unidades
lotes
sofrem agrupamento
sofrem desagrupamento

229
Quanto aos recursos:
capacidades
utilizaes (quebras, tempos de manuteno, etc)
aplicabilidade e prioridades de uso, se houver
requisitos de operao (equipamentos e pessoas que provm
assistncia)
Quanto aos tempos:
h facilidade de observao e coleta?
a variabilidade precisa ser modelada ou posso usar mdias?
turnos de trabalho?
dias teis?

230
_______________________________________
_______________________________________
_______________________________________
_______________________________________
_______________________________________
_______________________________________
_______________________________________
_______________________________________
_______________________________________
_______________________________________

231
Atividade 9

232
Modelagem de sistemas: SIMULAO

Usando um software
Elementos bsicos

Parte VI

233
Promodel Elementos bsicos

Usaremos o software Promodel exclusivamente


com o intuito de ilustrar e exercitar a aplicao
dos conceitos tericos apresentados

Lembre: os conceitos so aplicveis utilizando-


se qualquer recurso de simulao

234
MDULO 1 M1_FILA

1. Precisamos retirar dinheiro no quiosque de caixas automticos.


Sabemos que:
chegam = 20 clientes por hora
a taxa de atendimento = 25 clientes por hora (TA=2,4 min)
o tempo mdio que cada cliente gasta no sistema TS = 0,3 horas
(18 min.)

a) Qual a intensidade de trfego ()? = 0,8


b) Qual o tamanho mdio da fila que vamos encontrar (NF)? NF = 5,2
clientes
c) Qual o nmero mdio de clientes no quiosque (NS)? NS = 6 clientes
d) Qual o nmero mdio de clientes sendo atendidos (NA)? NA = 0,8
clientes

235
1. Criando um novo arquivo:

Selecionar File
Selecionar New

Abre-se a janela
General
Information
Em Title, digite o
nome do arquivo:
M1_FILA
OK

236
2. Construindo os LOCAIS ou LOCATIONS

Locais ou locations representam os


lugares para onde as entidades so
encaminhadas para serem
processadas ou armazenadas (ou
outras atividades, tomadas de
deciso).
Ex.: locais de entrega, locais para
armazenagem, locais de
processamento

237
O editor de LOCAIS consiste de 3 janelas

Tabela Edit
Janela Graphics

Janela de layout

238
Observe que:

Quando selecionado insere novos locais


Desmarcado acrescenta uma associao destes objetos aos locais selecionados

Count - contador
Gauge/Tank - Medidor ou reservatrio
Conveyor/Queue - Fila ou esteira transp.
Label - Rtulo
Status light muda de cor confome status
Entity Spot plataforma
Region -regio
Criando LOCAIS

Na janela Graphics, clicar com o boto da


esquerda do mouse no cone desejado
A seguir, clicar com o mesmo boto na
janela Layout
Automaticamente surgir um registro na
tabela Edit

Obs.: Posso usar o boto EDIT na janela


Graphics para modificar o cone

240
Criando o LOCAL de chegada

Boto da
esquerda
do mouse

241
LOCAIS

Icon cone grfico


Name nome do local
Cap representa o nmero de entidades que o local capaz de processar
por vez
Unit um local pode ser do tipo multi-local, ou seja, vrios locais com as
mesmas caractersticas
Dts define tempos de paradas, setup, etc
Stats especifica o tipo de estatstica que ser coletado para o local
None - nenhuma
Basic apenas tempo mdio no local e utilizao
Time series coleta estatsticas bsicas e, tambm, rastreamento dos dados
coletados no local ao longo do tempo
Regras define: a) de que modo o local selecionar a prxima entidade a
entrar; b) como mltiplas entidades se enfileiram para sair; c) como uma
entidade entrante escolhe entre multi-locais.
Notes - comentrios. 242
Criando uma FILA

Boto da esquerda
do mouse em
Graphics e depois
em Layout
Arrasta do ponto
de incio at o
ponto de fim da
fila e ento duplo
click
243
Criando uma FILA

Com o mouse
sobre a fila,
clicar no boto
da direita, e
abre a janela a
seguir...

244
Criando uma FILA

Com o mouse sobre a


fila, clicar no boto da
direita, e abre a janela
a seguir...

Selecionar Queue e
OK

245
Criando o LOCAL mesa (para o atendente)

246
3. Construindo ENTIDADES ou ENTITIES

Tudo o que processado no


modelo chamado de
ENTIDADE
Ex.: pessoas sendo atendidas,
chamados telefnicos, peas, etc.

Em nosso exemplo da fila, os


clientes so entidades.

247
3. Construindo a ENTIDADE cliente

Clicar (na janela Entity


Graphics) sobre o cone
desejado
O cone vai aparecer
pequeno
Arraste a barra para
cima e ele ser
ampliado

248
Editando a ENTIDADE cliente

Voc arrastou a
barra para cima e
o cone foi
ampliado

Agora clicar em
EDIT para
modificar o cone

249
Editando a ENTIDADE cliente

Ao clicar em EDIT para


modificar o cone, abriu a janela
Library Graphic

Clicar em girar para fazer o


cliente olhar na direo da mesa

Clicar em OK

A ENTIDADE cliente somente


ir aparecer na janela Layout ao
rodar a simulao

250
5. Criando RECURSOS

Um RECURSO pode ser uma


pessoa, um equipamento ou qualquer
outro dispositivo usado para uma ou
mais das seguintes funes:
trasnportar entidades
auxiliar na realizao de operaes
sobre as entidades num dado local
realizar manutenes em outros
recursos
Podem ser estticos ou dinmicos

251
5. Criando RECURSOS
Selecione um
CONE na
janela Resource
Graphics
Amplie e edite
do mesmo
modo que fez
com a entidade
Em seguida
clique em ADD
e clique na
janela Layout
6. Criando PROCESSAMENTOS

Os PROCESSAMENTOS definem o
roteamento das entidades atravs do sistema
e as operaes que sofrero em cada local.
Uma vez que as entidades so introduzidas
no sistema pelas CHEGADAS
(ARRIVALS), tudo o que ir acontecer a
elas enquanto existirem ser especificado
no PROCESSAMENTO (PROCESSING)

253
Quatro janelas sero usadas para criar PROCESSAMENTOS:
Process,passo:
Primeiro Routing, Tools
vamos e Layout
ligar a chegada fila; com a caixa New
Process selecionada, clicamos na chegada e arrastamos at a fila.
A janela Process define o que ser feito:

A entidade cliente que est no Local Chegada no sofrer


nenhuma operao neste local

255
A janela Routing define o que deve ser atendido para que o
cliente se mova da chegada para a fila:

A entidade cliente saiu (do Local Chegada).


O seu destino o Local fila.
Aparece a regra default de escolha de rota: FIRST 1. Esta regra
seria necessria se houvesse mais de um local para onde a entidade
pudesse ser destinada.
Move Logic: MOVE FOR 0 (apenas para ele no gastar tempo no
deslocamento); (obs.: neste caso ele faria automaticamente);
Na fila:

257
Da fila para a mesa:

Para que o cliente passe da fila para a mesa, a condio que o


atendente esteja ocioso:
Move logic: IF atendente = 0 THEN {MOVE FOR 0}

258
Da mesa para a sada!

Clicar sobre a mesa e arrastar at ROUTE TO EXIT

259
Processamento na mesa: USE atendente FOR 2.4

Para rotear o cliente para a sada: MOVE FOR 0

cliente

260
7. Criar CHEGADAS ou ARRIVALS

Especificam como as entidades


entram no sistema

261
7. Criar CHEGADAS ou ARRIVALS

Entity: cliente
Location: chegada
Qty Each: nro de entidades que entram por vez
First time: instante da primeira chegada
Ocurrences: total de chegadas
Frequency: intervalo entre chegadas
Logic: serve para diferenciar as entidades por
atributos quando for o caso
Disable: serve para desabilitar a entrada, simulando a
interrupo da chegada de clientes

262
8. Rodando a simulao

Menu: Simulation
Selecione: Options
Selecione: Time Only
Determine a preciso
No selecione warm up
Marque 1 hora de simulao
Escolha 1 replicao
Run

263
Observe:

Arrastando esta
barra voc consegue O relgio da Selecione Yes
acelerar ou retardar simulao para ver os
a velocidade da visvel resultados
simulao
Resultados: sem warm up 1h simulao 1 rodada

General: mostra data em que


foi rodada a simulao, nome
do modelo e nome do arquivo

Locations: mostra
estatsticas sobre os
locais
Compare com os
resultados analticos

265
Resultados: com warm up=1h
1h simulao 1 rodada

Resultados: com warm up=1h - 4h simulao 1 rodada

266
Resultados: com warm up=1h
50 h simulao 1 rodada

Resultados: com warm up=1h - 100 h simulao 1 rodada

267
MDULO 2 M2_TELEFONE
Exemplo de um sistema M/M/1/G/ /

A cabine telefnica:
as chegadas ocorrem de acordo com uma distribuio
exponencial com taxa = 0,1 pessoas/min;
a durao mdia dos telefonemas de TA = 3 minutos
e tambm segue uma distribuio exponencial.

a) Qual a probabilidade de uma pessoa chegar cabine e


no precisar esperar? 70%
b) Qual o tempo mdio na fila? 1,28 min
c) Qual seria o tempo mdio na fila se a taxa de chegadas
fosse = 0,16 pessoas/min? Aproximadamente 3 min.

268
MDULO 2 M2_TELEFONE
Exemplo de um sistema M/M/1/G/ /

d) Calcule o nro mdio de clientes na fila (formulrio


p.34) e compare com o resultado encontrado. Quanto
tempo de simulao foi necessrio para convergirem
os valores?
e) Faa o mesmo para o tempo mdio no sistema.

269
SIMULAO:
Distribuies de Probabilidade

Profa. Giovana Pasa, Dra.


giovanapasa@producao.ufrgs.br
Abordagem 1: Ajustar uma distribuio terica

a abordagem mais favorvel:


distribuies conhecidas

bem comportadas

permite gerar estimativas (estender um pouco


alm dos dados originais)
suaviza os rudos

sustentada por conhecimento do fenmeno


fsico
sintetiza a informao vinda dos dados

271
Distribuies

Parmetros:
de localizao ()

1 2

272
Distribuies

Parmetros:
de escala ()

1 2

273
Distribuies

Parmetros:
de forma ()

Weibull Weibull Weibull


=0,5 =1 =2
=1 =1 =1

274
Distribuies teis nas modelagens

Uniforme:
usada para gerar outras distribuies
f(x)

1/(b-a)

a b 275
Distribuies teis para modelagem:

Exponencial (): f(x)


tempos entre chegadas

de clientes num =1

sistema (quando estas


ocorrem em uma taxa
constante)
x

276
Gama (, )

tempo para completar f(x)


uma tarefa
=2
(atendimento de um =1
cliente; reparo de uma
mquina)

277
Weibull (, )

tempo para completar f(x)


uma tarefa;
=2
tempo at a falha de =1
um equipamento

278
Normal (,)

erros de vrios tipos,


por exemplo, na f(x)
execuo de uma pea
com dadas
especificaes
dimensionais;
quantidades que
resultam da soma de
outras quantidades x
(teorema do limite
central); distribuio de
mdias 279
Lognormal (,2)

tempo para completar f(x)


uma tarefa;
quantidades que so o
produto de um grande
nmero de outras
quantidades
x

280
Outras distribuies contnuas:

Beta (1, 2):


usada como aproximao inicial na ausncia de
dados;
proporo de itens defeituosos num embarque;

tempo para completar uma tarefa

Pearson tipo V (, ):
tempo para completar uma tarefa

Pearson tipo VI (1, 2, ):


tempo para completar uma tarefa
281
Outras distribuies contnuas:

Triangular (a, b, c):


usada como aproximao inicial na ausncia de dados

f(x)

2/(b-a)

x
a c b 282
Distribuies discretas:

Bernoulli (p):
Ocorrncia aleatria com duas sadas possveis

p(x) = 1-p se x=0

p(x) = p se x=1
p(x) = 0 em qualquer outra situao
Binomial (t,p)
nmero de itens defeituosos em um lote de tamanho t

nmero de itens que compem lotes de tamanhos

aleatrios (tamanhos dos grupos de pessoas num evento)


nmero de itens demandados de um estoque

283
Distribuies discretas:

Geomtrica (p):
Nmero de itens inspecionados antes de encontrar o
primeiro defeituoso
Nmero de itens que compem lotes de tamanhos
aleatrios
nmero de itens demandados de um estoque
Binomial negativa (s,p)
nmero de itens bons inspecionados antes de
encontrar o s-simo item defeituoso
nmero de itens que compem lotes de tamanhos
aleatrios
nmero de itens demandados de um estoque

284
Poisson com parmetro t

Modelagem do nmero de chegadas Nt

a taxa de chegadas
E(Nt)=t a mdia do nmero de chegadas no intervalo t
var(Nt)= t a varincia do nmero de chegadas no intervalo t

t
t
n
e (n=0,1,2,)
P ( N t n)
n!
285
Abordagem 2: Ajustar uma distribuio
emprica
Aplicao:
H situaes para as quais nenhuma distribuio
terica se ajusta bem!!!

Aspectos crticos a considerar:


apresenta irregularidades de comportamento,
associadas principalmente a situaes em que
dispomos de poucos dados
no permitem extrapolar os limites da observao;
isto crtico, pois estimativas em simulao
dependem tambm da chance de ocorrncia de
eventos extremos
286
Bibliografia

Law, Averill e Kelton, W. Simulation modeling and


analysis. New York: MacGraw Hill, 1991.
Winston, Wayne. Introduction to probability models.
Belmont: Thomson, 2004.
Winston, Wayne. Operations research. Belmont:
Thomson, 1994.
Harrel, Charles R. Simulao: otimizando os sitemas.
So Paulo: IMAM, 2002.
Prado, Darci. Teoria das filas e da simulao. BH:
INDG, 2004.

287
AVALIAO

288
Aplicao

1) Delimite a extenso do sistema que voc vai estudar.


2) Descreva o sistema (como ele ocorre na empresa).
3) Enuncie o objetivo prtico da simulao.
4) Cite os eventos que voc ir considerar na modelagem e o grau de detalhamento.
5) Explicite os pressupostos da sua modelagem.
6) Liste todos os elementos que voc ir considerar no modelo (locais, entidades,
recursos, atributos, processamentos) e descreva a modelagem de cada um. Faa
consideraes sobre as simplificaes e pressupostos sobre cada um deles.
7) Sobre a coleta de dados:
i) Quais as fontes usadas?
ii) Qual o horizonte de tempo que voc considerou na coleta? Ele suficiente?
Contempla mesmo os eventos mais raros?
iii) De quanto em quanto tempo ocorrem estes eventos mais raros? Quais so eles?
8) Sobre a validao?
i) Descreva, passo a passo, o que voc fez para validar o seu modelo.
ii) Quem foi consultado?

289
9) Qual o tempo que voc prope para as rodadas? Por que?
10) Qual o tempo de warm up? Por que?
11) Observar a variabilidade natural do seu sistema. Fale a respeito dela em
relao a cada um dos elementos que voc usou no sistema.
12) Quais medidores estatsticos voc vai usar? Por que? De que modo eles
contribuem para alcanar o objetivo proposto.
13) Foi necessrio reavaliar o objetivo da simulao, ao longo do caminho?
Sim? No? Por que? O que foi modificado.
14) Voc aprendeu algo a respeito do seu sistema, ao longo do esforo de
modelagem? Caso sim, o que aprendeu e em que passo(s) da simulao
isso ocorreu.
15) Faa um exerccio de criatividade e imagine um ponto do seu sistema
onde voc muda drasticamente uma caracterstica (velocidade, tempo de
execuo, tempo de atendimento, capacidade do recurso, nmero de
recursos, taxa de chegadas, etc). Proponha algo que seja impossvel hoje,
tecnologicamente. Analise os resultados. O que voc observou?
290
291