Compartilhe:

O que é Simulação ?

A simulação computacional de sistemas, ou apenas simulação, consiste na utilização de certas técnicas matemáticas, empregadas em computadores, as quais permitem imitar o funcionamento de, praticamente qualquer tipo de operação ou processo do mundo real, ou seja, é o estudo do comportamento de sistemas reais através do exercício de modelos.

Existem diversas definições para a simulação, dentre elas podemos citar a de Pegden (1990) que diz “a simulação é um processo de projetar um modelo computacional de um sistema real e conduzir experimentos com este modelo com o propósito de entender seu comportamento e/ou avaliar estratégias para sua operação”. Desta maneira, podemos entender a simulação como um processo amplo que engloba não apenas a construção do modelo, mas todo o método experimental que se segue, buscando:

  • Descrever o comportamento do sistema;
  • Construir teorias e hipóteses considerando as observações efetuadas;
  • Usar o modelo para prever o comportamento futuro, isto é, os efeitos produzidos por alterações no sistema ou nos métodos empregados em sua operação.

Conforme descrito por Schriber (1974), no clássico Simulation Using GPSS, para ele a “simulação implica na modelagem de um processo ou sistema, de tal forma que o modelo imite as respostas do sistema real em uma sucessão de eventos que ocorrem ao longo do tempo”.

Ainda com relação à simulação podemos citar a definição a de Law & Kelton que considera a simulação como uma técnica que utiliza computadores para imitar as operações de vários tipos de processos e facilidades do mundo real. Ou ainda a definição de Banks que afirma “a simulação é a imitação da operação de um processo ou sistema do mundo real ao longo do tempo.”

Uma definição mais prática é aquela proposta por Kelton, Sadowski & Sadowski que diz “simulação é o processo de projetar e criar um modelo em um computador de um sistema real ou proposto para o propósito de conduzir experimentos numéricos para nos dar uma melhor compreensão do comportamento de um dado sistema dada uma série de condições.”

A leitura destas definições sugere a idéia de que a modelagem e simulação são focadas na solução de problemas. Porém, de acordo com Banks, a simulação pode também ter um nível funcional que pode ser aplicado como:

  • Um dispositivo para compreensão de um problema;
  • Um meio de comunicação para descrever a operação de um sistema;
  • Uma ferramenta de análise para determinar elementos críticos e estimar medidas de desempenho;
  • Uma ferramenta de projeto para avaliar problemas e propor soluções;
  • Um sistema de planejamento de operações para trabalhos, tarefas e recursos;
  • Um mecanismo de controle;
  • Uma ferramenta de treinamento;
  • Uma parte do sistema para fornecer informações on-line, projeções de situações e suporte à decisão;

Componentes de um Sistema

Assim sendo, a simulação tem sido cada vez mais utilizada por profissionais dos mais diversos setores, uma vez que permite verificar ou encaminhar soluções, com a profundidade desejada, aos problemas com os quais lidam diariamente.

O crescimento com relação ao uso desta ferramenta deve-se principalmente a atual facilidade do uso, sofisticação dos ambientes e desenvolvimento de modelos computacionais. Esse crescimento é prova do quão importante e reconhecido esta se tornando o modelo de simulação para as empresas e indústrias nacionais e internacionais como forma de economizar recursos e prever problemas.

Para entendermos e analisarmos um sistema, alguns termos devem ser definidos:

  • Variáveis: são valores globais do sistema, visíveis a qualquer momento e em qualquer ponto do modelo. As variáveis definem o estado do sistema como um todo e não as características individuais de cada entidade. Um exemplo seria o tempo de simulação de uma variável global no sistema de tráfego.
  • Variáveis de estado: fornecem informações do que está ocorrendo no sistema num determinado momento. Um exemplo é a quantidade de carros em uma estrada em um determinado instante da simulação.
    Entidade: é o objeto de interesse no sistema. Consiste em qualquer objeto que se mova dentro do sistema e interage com os diversos recursos. Um exemplo seria o carro.
  • Atributo: propriedade de uma entidade, ou seja, uma característica própria que a define. Após a definição de um atributo, mesmo que este valor seja alterado ao longo do caminho da entidade no fluxo, apenas o valor daquela entidade especifica será alterado. Quando se deseja alterar o valor de todas entidades deve-se utilizar “variáveis” e não atributos. Um exemplo é a placa do carro.
  • Recurso: são objetos que não se “movem” dentro do sistema, e são utilizados pelas entidades, ou seja, representam a estrutura do sistema como máquinas, postos de trabalho, meio de transporte, pessoas dentre outros, que participam do processo. Um recurso pode ser configurado para atender simultaneamente mais de uma entidade, ou vice-versa. São exemplos de recursos: caixas, operadores, máquinas, entre outros.
    Processos: consistem nas ações realizadas sobre as entidades ao longo da simulação. Um exemplo seria o abastecimento ou a parada de um carro.
  • Tempo simulado e tempo de simulação: o primeiro refere-se ao tempo real, já o segundo refere-se ao tempo necessário para execução de uma simulação.
  • Filas: são acúmulos de entidades geradas por alguma limitação na capacidade do recurso.
  • Eventos: acontecimentos, programados ou não, que quando ocorrem provocam uma mudança de estado em um sistema. Alguns exemplos são: chegada de cliente em um sistema, início do processamento de peças, atendimento de um cliente, entre outros.

Modelos Determinísticos x Modelos Estocásticos

Existem diferentes classificações para os modelos de simulação, dentre eles destacam-se: o determinístico, estocástico, estático e dinâmico.

Modelo Determinístico: modelos de simulação que não contém nenhuma variável aleatória são classificados como determinísticos, ou seja, para um conjunto conhecido de dados de entrada teremos um único conjunto de resultados de saída.

A desvantagem de se utilizar este tipo de simulador, é que, no caso de valores médios, não se consegue observar ou considerar o impacto individual que cada valor do dado provoca no sistema, e isto pode ser bastante significativo.

Modelo Estocástico: possuem uma ou mais variáveis aleatórias como entrada, que levam a saídas aleatórias. É utilizada quando pelo menos uma das características operacionais é dada por uma função de probabilidade.

Assim, as saídas da simulação estocástica devem ser tratadas como estimativas estatísticas das características reais de um sistema. Normalmente, são mais complexos que os modelos determinísticos.

Assim, por exemplo, a simulação (estocástica) do funcionamento de uma agência bancária envolve variáveis aleatórias como o intervalo entre chegadas e a duração dos serviços prestados. Logo, medidas como o número médio de clientes esperando e o tempo médio de espera de um cliente deve ser tratado como estimativas estatísticas das medidas reais do sistema.

A representação fiel de um sistema passa, inevitavelmente, pela aleatoriedade de seus eventos. Simuladores que trabalham com valores médios ou usam os próprios valores coletados do sistema como dados de entrada, são denominados Determinísticos.

A desvantagem de se simular um sistema com dados determinísticos é que, no caso de valores médios, não se consegue observar ou considerar o impacto individual que cada valor do dado provoca no sistema, e isto pode ser bastante significativo.

No caso de se usar os próprios valores coletados, o resultado é melhor, mas restrito apenas ao número de coletas. Quando os dados terminam, a simulação é obrigada a recomeçar do primeiro valor, entrando em uma repetição que acabará gerando resultados bastante idênticos aos do período anterior. Outro inconveniente é que as ocorrências (como quebras ou sobrecargas) serão reproduzidas no sistema sempre da mesma maneira, sem a variação que é observada no sistema real. Isto pode ocultar do analista diversas situações que, na prática, ocorrem no sistema.

Os simuladores Estocásticos como o Arena e o Simio, por outro lado, são capacitados a imitar a aleatoriedade do sistema real através de distribuições probabilísticas, as quais representam matematicamente as chances de ocorrência de todos os valores possíveis para um determinado processo do sistema. Em conjunto com um sistema gerador de números aleatórios como o denominado “Método de Monte Carlo”, ou outros, os simuladores estocásticos permitem reproduzir o comportamento do sistema com todas as possibilidades e combinações, e sem limite no período de tempo desejado pelo usuário.

A dificuldade em se construir modelos usando linguagens de desenvolvimento genéricas como Java ou C++, é a não existência dos recursos para simulação estocástica nestes pacotes, além da ausência de coleta de estatísticas automática, apresentação animada do processo, entre outros. Tais recursos necessitariam de desenvolvimento particular, ampliando o tempo do projeto e o seu custo. Mesmo assim, os resultado obtido com este desenvolvimento muito dificilmente atingirá o nível de eficiência dos pacotes de simulação, que contam com anos de depuração e melhorias.



Fechar X

Cadastre seu e-mail para receber novidades!





Fechar X

Avise-me próxima turma



Fechar X

Indique esta página