Desenvolvimento de Ferramenta de Engenharia para Aplicação de Simulação em Tempo Real em Plantas Industriais Automatizadas FASTR

Transcrição

1 ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO CLÁUDIA TOMIE YUKISHIMA Desenvolvimento de Ferramenta de Engenharia para Aplicação de Simulação em Tempo Real em Plantas Industriais Automatizadas FASTR v.1 São Paulo 2006

2 CLÁUDIA TOMIE YUKISHIMA Desenvolvimento de Ferramenta de Engenharia para Aplicação de Simulação em Tempo Real em Plantas Industriais Automatizadas FASTR Dissertação apresentada à Escola Politécnica da Universidade de São Paulo para obtenção do título de mestre em Engenharia. Área de Concentração: Departamento de Energia e Automação Orientador: Prof. Dr. Sergio Luiz Pereira v.1 São Paulo 2006

3 Para meus pais, Para Marcelo.

4 AGRADECIMENTOS Ao meu orientador Professor Doutor Sergio Luiz Pereira, pela motivação, amizade e orientação neste trabalho de pesquisa. A meus pais Shigueo e Lúcia, pelo exemplo, apoio e educação. A Marcelo Züge, pelo apoio e paciência de sempre. À Luzia Namiki, pela ajuda e dedicação. À Escola Politécnica da Universidade de São Paulo, instituição que me formou e na qual passei alguns dos melhores anos de minha vida. À Faculdade Armando Álvares Penteado FAAP por ter cedido o laboratório de automação para execução de testes deste trabalho de pesquisa. Ao convênio Rockwell Automation USP que possibilitou a utilização de aplicativos de automação industrial.

5 RESUMO YUKISHIMA, C. T. Desenvolvimento de Ferramenta de engenharia para Aplicação de Simulação em Tempo Real em Plantas Industriais Automatizadas FASTR f. Dissertação (Mestrado) Escola Politécnica, Universidade de São Paulo, São Paulo, Este trabalho de pesquisa apresenta a fundamentação teórica da simulação de sistemas, a motivação e os objetivos para o estudo e o desenvolvimento de técnicas para efetuar a simulação em tempo real. Este trabalho apresenta o desenvolvimento da Arquitetura de Software da ferramenta de Engenharia denominada FASTR (Ferramenta de engenharia para Aplicação de Simulação em Tempo Real), que possui o objetivo de alimentar o sistema de simulação com dados da planta industrial em tempo real. Este trabalho também apresenta a arquitetura de Hardware empregada para testar e validar a FASTR. Os testes, resultados e análises obtidos com a FASTR são apresentados neste trabalho para comprovar e convalidar a aplicabilidade da mesma como ferramenta de engenharia para análise de projetos e de análise de desempenhos de plantas industriais automatizadas.

6 ABSTRACT YUKISHIMA, C. T. Development of an engineering tool for application or real time simulation in automated industrial plants FASTR f. Dissertation (Master) Escola Politécnica, Universidade de São Paulo, São Paulo, This research work presents the theoretical basis of systems simulation, the motivation and the objectives of study and development of techniques to execute real time simulation. This research work presents the development of Software Arquitecture of the engineering tool named FASTR (engineering tool for application of real time simulation in automated industrial plants), that has the objective of feeding the simulation system with data of the industrial plant in real time. This work also presents the used Hardware Architecture to test and to validate the FASTR. The tests, results and analyses obtained with the FASTR are presented in this work to prove and to validate the applicability of the same one as an engineering tool for analysis of projects and analysis of performances of automated industrial plants.

7 LISTA DE FIGURAS Figura 1 Classificação de Modelo...28 Figura 2 - Relações entre evento, processo e atividade...30 Figura 3 - Exemplo de centros de serviço...33 Figura 4 Exemplos de tipos de modelos...34 Figura 5 - Layout em Função do Produto...41 Figura 6- Exemplo de layout em função do processo...42 Figura 7 - Exemplo de Layout Celular...43 Figura 8 Exemplo de Layout em Função do Processo Original...43 Figura 9 Layout com 3 células...45 Figura 10 Sistema sem padrão OPC...47 Figura 11 Sistema com padrão OPC...47 Figura 12 - Pirâmide da Automação...50 Figura 13 - Controle centralizado...52 Figura 14 - Barramento de campo...53 Figura 15 - Barramento de campo distribuído...53 Figura 16 Sistema de controle distribuído...54 Figura 17 - Metodologia de Simulação...56 Figura 18 - Seqüência em macro-blocos da operação da Simulação Off-line...62 Figura 19 - Seqüência em macro-blocos de operação da Simulação em Tempo Real...64 Figura 20 - Arquitetura de Hardware...65 Figura 21 Arquitetura de Software...66 Figura 22 - Testes de validação da FASTR...77 Figura 23 - Arquitetura de software dos testes por simulação...78 Figura 24 - Sequência de testes por simulação virtual...79

8 Figura 25- Operação do Input Analyzer...80 Figura 26 - Histograma da distribuição Uniforme gerada manualmente...82 Figura 27 - Histograma da distribuição Triangular gerada manualmente...84 Figura 28 - Histograma da distribuição Normal gerada manualmente...85 Figura 29 - Histograma da distribuição Exponencial gerada manualmente...87 Figura 30- Modelo simplificado...88 Figura 31 - Modelo simplificado com dados estatísticos...88 Figura 32- Distribuição uniforme...89 Figura 33- Modelo de simulação para laço de leitura de dados do Microsoft Excel...90 Figura 34 - Fluxograma da lógica do ladder...93 Figura 35 - Ladder para geração da tabela-padrão distribuição uniforme - parte Figura 36 - Ladder para geração da tabela-padrão distribuição uniforme - parte Figura 37 - Tabela de dados do CLP Distribuição Uniforme...97 Figura 38 Fluxograma da lógica ladder da geração da tabela de dados distribuição triangular...98 Figura 39 - Ladder para geração da tabela-padrão triangular - parte Figura 40 - Ladder para geração da tabela-padrão triangular - parte Figura 41- Ladder para geração da tabela-padrão triangular - parte Figura 42- Ladder para geração da tabela-padrão triangular - parte Figura 43 - Tabela de dados do CLP Distribuição triangular Figura 44 - Tabela de dados do CLP Distribuição normal Figura 45- Tabela de dados do CLP Distribuição exponencial Figura 46- Exemplo da simulação de sensor digital feita no emulador de CLP Figura 47 Fluxograma da lógica ladder da geração de eventos Figura 48 - Rotina para simular a geração de eventos...109

9 Figura 49 - Sequência executada no sistema supervisório Figura 50 - Seqüência executada pela macro Auxiliar Figura 51 - Histograma da distribuição Uniforme gerada automaticamente Figura 52 - Histograma da distribuição Triangular gerada automaticamente Figura 53 - Histograma da distribuição Normal gerada automaticamente Figura 54 - Histograma da distribuição Exponencial gerada automaticamente Figura 55 - Relatório de Saída do Arena com dados de entrada manuais distribuição uniforme Figura 56 - Relatório de Saída do Arena com dados de entrada automáticos distribuição uniforme Figura 57 - Experimento no laboratório Figura 58 - Arquitetura de software dos testes do laboratório Figura 59- Execução 1 da FASTR Figura 60- Execução 2 da FASTR Figura 61- Execução 3 da FASTR Figura 62- Execução 4 da FASTR Figura 63- Execução 5 da FASTR...130

10 LISTA DE TABELAS Tabela Exemplos de aplicativos de simulação...35 Tabela Matriz roteamento de processo...44 Tabela Matriz reordenando máquinas e células...44 Tabela Características gerais dos tipos de layout...46 Tabela Partes da norma IEC Tabela Exemplo de arquivo com a extensão (Tagname).DBF...71 Tabela Exemplo de arquivo de armazenamento de dados no RSView...72 Tabela Exemplos de medidas de desempenho...75 Tabela Tabela manual com intervalos de tempo entre chegadas Distribuição Uniforme...81 Tabela Quantidade de valores na tabela-padrão triangular...82 Tabela Tabela manual com intervalos de tempo entre chegadas Distribuição Triangular...83 Tabela Quantidade de valores na tabela-padrão normal...84 Tabela Tabela manual com intervalos de tempo entre chegadas Distribuição Normal 85 Tabela Tabela manual com intervalos de tempo entre chegadas Distribuição Exponencial...86 Tabela Tabela de entrada de dados para o aplicativo Arena...90 Tabela Dados simulados pelo CLP distribuição uniforme Tabela Parâmetros das distribuições uniformes Tabela Dados simulados pelo CLP distribuição triangular Tabela Parâmetros das distribuições triangulares Tabela Dados simulados pelo CLP distribuição normal...118

11 Tabela Parâmetros das distribuições normais Tabela Dados simulados pelo CLP distribuição exponencial Tabela Parâmetros das distribuições exponenciais...121

12 SUMÁRIO 1 Introdução Teoria Geral da Simulação de Sistemas a Eventos Discretos INTRODUÇÃO APLICATIVOS PARA SIMULAÇÃO EVOLUÇÃO HISTÓRICA DA SIMULAÇÃO Primeira Fase: Linguagens de programação genéricas Segunda Fase: Linguagens de simulação genéricas Terceira Fase: Linguagens de simulação específicas Quarta Fase: Linguagens orientadas a objetos CARACTERÍSTICAS DA SIMULAÇÃO CLASSIFICAÇÃO DE MODELOS Modelos físicos x Modelos matemáticos Modelos estáticos x Modelos dinâmicos Modelos determinísticos x Modelos estocásticos Modelos discretos x Modelos contínuos MODELAGEM PARA SIMULAÇÃO DISCRETA MODELOS BASEADOS EM REDES DE FILAS SIMULADORES MAIS EMPREGADOS ATUALMENTE PELO MERCADO Sistemas de Manufatura CLASSIFICAÇÃO DOS SISTEMAS DE MANUFATURA Layout Posição Fixa Layout em Função do Produto Layout em Função do Processo Layout em Função do Grupo Tecnológico (Layout Celular) Padrões utilizados na automação HIERARQUIA NA ÁREA DE AUTOMAÇÃO SISTEMAS CENTRALIZADOS E DISTRIBUÍDOS Desenvolvimento de Ferramenta de engenharia para Aplicação de Simulação em Tempo Real (FASTR) DESENVOLVIMENTO DO MODELO DO SISTEMA AUTOMATIZADO... 55

13 4.1.1 Planejamento Modelamento Verificação e validação do modelo Aplicação ETAPAS DA SIMULAÇÃO OFF-LINE ETAPAS DA SIMULAÇÃO ON-LINE ARQUITETURA DE HARDWARE DA FASTR ARQUITETURA DE SOFWARE DA FASTR Sistema Supervisório (SS) Banco de Dados (BDS) Módulo de Equalização de Dados (MEQD) Módulo de Link de Dados (MLD) Módulo de Entrada de Dados (MED) Módulo de Gerenciamento de Comando (MGC) Módulo de Simulação (MS) Resultados Desenvolvimento e Testes de Desempenho da FASTR TESTES DA FASTR POR SIMULAÇÃO VIRTUAL Metodologia dos testes por simulação virtual TESTES DA FASTR NO AMBIENTE DO LABORATÓRIO Conclusões APÊNDICE A - Arena APÊNDICE B Distribuição Uniforme - Base de dados do Sistema Supervisório APÊNDICE C Distribuição Triangular - Base de dados do Sistema Supervisório APÊNDICE D Distribuição Normal - Base de dados do Sistema Supervisório APÊNDICE E Distribuição Exponencial - Base de dados do Sistema Supervisório APÊNDICE F Distribuição Uniforme Comparação de relatórios de saída do Arena APÊNDICE G Distribuição Triangular Comparação de relatórios de saída do Arena...163

14 APÊNDICE H Distribuição Normal Comparação de relatórios de saída do Arena.167 APÊNDICE I Distribuição Exponencial Comparação de relatórios de saída do Arena APÊNDICE J Macro Teste executada no Sistema Supervisório APÊNDICE K Macro Auxiliar executada no Excel APÊNDICE L Macros executadas no Arena REFERÊNCIAS...185

15 15 1 INTRODUÇÃO O avanço da tecnologia baseada em microeletrônica, a maior exigência nos padrões de qualidade e de produtividade industrial e as novas formas de organização da produção provocam grandes mudanças estruturais na indústria manufatureira mundial (1). A relação entre qualidade e produtividade, a necessidade de reciclar pessoal devido à introdução de novos equipamentos ou métodos de produção, a utilização de novos métodos de planejamento e o controle da produção com o auxílio de computadores possuem ênfase cada vez maior nas empresas. Uma ferramenta para atingir a qualidade e a produtividade exigidas pelo mercado é a automação, que consiste na utilização de equipamentos e sistemas automáticos que exigem pouca ou nenhuma intervenção humana nas operações. Cita-se, abaixo, alguns dos principais objetivos da automação: Eliminar o trabalho humano em tarefas repetitivas ou perigosas; Aumentar a produção por meio da redução de tempos e operações desnecessárias; Aumentar a quantidade de produtos fabricados dentro das especificações dos padrões de qualidade; Otimizar recursos e mão-de-obra; Fornecer dados para sistemas de gerenciamento e planejamento. Na maior parte das empresas automatizadas atualmente, a automação implica em sistemas interligados por meio de redes de comunicação, sistemas supervisórios e interfaces

16 homem-máquina para auxiliar o operador na supervisão e análise dos fatos ocorridos na planta produtiva. 16 A simulação é uma ferramenta importante para explorar mudanças alternativas antes de sua implementação na planta industrial (2). É uma ferramenta utilizada na indústria para auxílio na tomada de decisões relativas a layout de plantas, planejamento de capacidade de produção, aquisição de equipamentos e planejamento de recursos. A simulação também pode ser aplicada em sistemas de cadeias de suprimento onde o fluxo de informação, material e lógicas de decisão no planejamento podem ser modelados utilizando-se vários graus de liberdade, de acordo com as necessidades de cada circunstância. A indústria está constantemente em busca de maneiras de vencer obstáculos para otimizar a produção. Neste contexto, a simulação e modelagem aparecem como ferramentas poderosas de tomada de decisão e planejamento (3). Existem no mercado vários aplicativos de simulação, como, por exemplo, Arena, SLAM (Simulation Language for Alternative Modeling) e Promodel. Alguns destes aplicativos serão apresentados neste trabalho de pesquisa mais adiante. Atualmente a simulação de plantas industriais pode ser efetuada por diversos aplicativos de diferentes fabricantes. Entretanto, as simulações são efetuadas de maneira offline, ou seja, a partir dos dados coletados da planta industrial, é gerado um modelo e são obtidas as respostas do sistema para várias entradas de dados, utilizando-se a simulação. A alimentação dos dados de entrada para o modelo a ser simulado é feita manualmente. Portanto, de um lado existe o sistema automatizado, utilizando sistemas supervisórios para operação da planta, e do outro, o sistema de simulação off-line, onde se necessita de intervenção manual para análise do sistema por meio da simulação.

17 17 O objetivo deste trabalho é gerar uma interface de alimentação dos dados de entrada dos simuladores a partir dos dados provenientes do sistema físico, possibilitando a simulação em tempo real (on-line). Os dados de entrada do modelo a ser simulado devem ser provenientes dos equipamentos relevantes à análise que se deseja executar. A obtenção dos dados para simulação em tempo real foi feita a partir da base de dados do próprio sistema de supervisão da planta. Na maioria dos sistemas supervisórios, pode-se encontrar um banco de dados com as variáveis mais importantes do sistema automatizado. A partir deste sistema de supervisão o operador do sistema automatizado visualiza remotamente os valores das variáveis mais importantes para operação do mesmo. O presente trabalho visa à automatização da formatação dos dados e, além disso, a alimentação do modelo de simulação automaticamente em tempo real dos dados da planta industrial por meio do desenvolvimento de uma interconexão entre o sistema automatizado e o simulador. A ferramenta de engenharia desenvolvida neste trabalho foi denominada FASTR, Ferramenta de engenharia para Aplicação de Simulação em Tempo Real. Para os testes da ferramenta desenvolvida neste trabalho de pesquisa foram considerados sistemas automatizados a eventos discretos. Porém, alguns processos contínuos podem possuir características discretas. Como exemplo, é possível citar sistemas automatizados de processos químicos que possuem muitas variáveis analógicas. A alocação dos reatores e a seqüência de acionamento para alimentação dos mesmos é um sistema a eventos discretos.

18 18 2 TEORIA GERAL DA SIMULAÇÃO DE SISTEMAS A EVENTOS DISCRETOS 2.1 Introdução Os problemas enfrentados pelas indústrias vêm tornando-se cada vez mais complexos, necessitando de ferramentas mais poderosas para análise e resolução dos mesmos. A simulação aparece como uma das ferramentas utilizadas pelas indústrias para resolução destes problemas. Existem várias definições para simulação. Do dicionário HOUAISS, tem-se (4): "Simulação [ETIM lat. Simulatio, onis] S.f. ação ou efeito de simular [...] 3 imitação do funcionamento de um processo por meio do funcionamento de outro 4 teste, experiência ou ensaio em que se empregam modelos para simular o ser humano, em especial em casos de grande perigo de vida... s.analógica teste ou experiência em que os modelos empregados têm comportamento análogo ao da realidade s. digital experiência ou ensaio constituído por uma série de cálculos numéricos e decisões de escolha limitada, executados de acordo com um conjunto de normas preestabelecidas e apropriadas à utilização de computadores [...] Um fator de grande impacto no tocante à utilização da simulação nas indústrias é a necessidade de mão-de-obra especializada para desenvolvimento do sistema de simulação. Por este motivo, os desenvolvedores das ferramentas de simulação visam facilitar o desenvolvimento dos projetos de simulação. No entanto, a facilidade no uso não deve comprometer o poder de funções das ferramentas de simulação. Os objetivos a serem alcançados a partir da simulação devem estar bem definidos para o desenvolvimento do modelo mais adequado. Portanto, para diferentes objetivos são obtidos diferentes modelos, cada qual mais adequado para este objetivo específico.

19 19 Para definição do modelo, inicialmente deve-se entender o sistema de estudo, que consiste na coleção de alguns eventos, dentre os quais seja possível encontrar ou definir alguma relação, que serão o objeto de estudo ou interesse (5). A arte do modelamento é selecionar somente as características que são necessárias e suficientes para descrever o processo de forma a atender aos objetivos do modelo (6). finalidades: Os modelos para simulação podem ser utilizados como ferramentas com as seguintes Explicação para um problema ou definição de um sistema; Análise para detecção de elementos críticos; Síntese e avaliação de soluções propostas; Planejamento para desenvolvimentos futuros. O modelo para utilização na simulação possui características de acordo com a finalidade da simulação (7): Demonstração: utilizada para a descrição das instalações industriais. Este modelo não precisa ser muito preciso e ferramentas multimídia têm sido aplicadas; Engenharia: utilizada para desenvolvimento de processos industriais detalhados. A interface gráfica possui menor importância, porém a precisão do modelo deve ser alta; Suporte Operacional: a partir de simuladores preditivos, os operadores podem prever as conseqüências de suas ações e o gerenciamento da produção pode testar e otimizar a produção. A simulação deve ser rápida e a precisão não necessita ser

20 muito alta. A simulação deve fornecer dados suficientes para prever problemas e estimar a produção; 20 Teste: utilizada para teste da implementação do processo e da automação; Treinamento: utilizada para o treinamento dos operadores da planta automatizada antes da implantação efetiva da automação. A simulação pode ser usada em dois ambientes: desenvolvimento de sistemas novos e otimização de sistemas existentes (3): Desenvolvimento de sistemas novos: neste caso a simulação é utilizada para verificar se o projeto do sistema atende à especificação desejada. No desenvolvimento de sistemas novos não é possível testar diretamente os equipamentos da planta industrial porque geralmente eles não existem ou não podem ser utilizados. Nesta fase de planejamento, o modelo ainda não é muito detalhado e alguns dados devem ser assumidos ou gerados a partir de experiências anteriores. Otimização de sistemas existentes: Quando a planta industrial está operando, não é interessante que sejam feitas intervenções na mesma. Os testes das possíveis alterações da planta (layout, processo, etc.) não devem impactar na produção. Neste contexto, a simulação permite a análise de alterações sem interferir na produção da planta industrial. Inúmeros benefícios são obtidos por meio da simulação na automação. Dentre eles, podem ser citados:

21 Testes de Interfaces Homem-Máquina. A simulação pode ser utilizada tanto no desenvolvimento quanto na validação do desenvolvimento; 21 Teste de estratégia de controle antes da automação; Teste da configuração da planta automatizada para escolha da melhor configuração; Auxílio no Teste de Aceitação de Fábrica em sistemas de automação. Com estas aplicações da simulação, podem ser diminuídos os riscos do projeto de automação, antecipando possíveis problemas. 2.2 Aplicativos para Simulação O aplicativo adequado deve ser escolhido para desenvolvimento do modelo, de forma que o aplicativo selecionado seja flexível o suficiente e não tão difícil de utilizar. Os aplicativos podem ser divididos em duas grandes classes: linguagens de programação de uso geral e pacotes de simulação (13). Os pacotes de simulação são compostos por ferramentas específicas que se adaptam a determinados sistemas e que não necessitam de muito esforço para programação, visto que possuem módulos pré-programados para funções específicas. Portanto, suas aplicações são restritas, porém a construção de modelos é facilitada. A seguir são apresentadas algumas vantagens dos pacotes de simulação em relação às linguagens de uso geral (13): Fornecem automaticamente a maioria das características necessárias para construção de um modelo, diminuindo o tempo de programação e o custo do projeto;

22 A modificação e a manutenção do modelo são mais fáceis quando o mesmo é desenvolvido em pacote de simulação; 22 Detecção de erros facilitada devido à verificação automática de vários erros disponibilizados pelo pacote de simulação. Linguagens de programação de uso geral são pacotes computacionais genéricos que podem ser utilizados em inúmeras aplicações. A seguir são apresentadas algumas vantagens da utilização de linguagens de programação de uso geral (13): Conhecimento prévio da linguagem de programação; O tempo de execução de um programa escrito eficientemente em linguagem de programação é menor do que de um modelo desenvolvido em um pacote de simulação; Maior flexibilidade de programação; Menor custo do aplicativo, porém o custo total do projeto pode não ser minimizado. 2.3 Evolução Histórica da Simulação Uma grande variedade de linguagens de programação de simulação, atendendo a diferentes estilos de modelamento, encontra-se disponível no mercado com aplicações em diversos setores da economia. Segundo Harrington, a evolução da simulação de eventos discretos pode ser dividida em 4 fases, de acordo com os avanços tecnológicos (8) :

23 23 Primeira Fase: Linguagens de programação genéricas; Segunda Fase: Linguagens de simulação genéricas; Terceira Fase: Linguagens de simulação específicas; Quarta Fase: Linguagens orientadas a objetos Primeira Fase: Linguagens de programação genéricas Inicialmente, as simulações foram desenvolvidas em linguagens de programação genéricas e executadas em mainframes. A linguagem mais utilizada como base para desenvolvimento foi a FORTRAN. Neste caso, a habilidade do programador é fator de grande importância, pois todos os eventos devem ser especificados de acordo com o sistema a ser modelado. Desta forma, geralmente os projetos não podiam ser utilizados para outros sistemas. Outro problema das linguagens baseadas em FORTRAN (em sua concepção original) é a falta de dispositivos para estruturação do programa (arquivos, listas, processos) que dificulta o entendimento até de modelos mais simples (9) Segunda Fase: Linguagens de simulação genéricas No início dos anos 60, foram desenvolvidas linguagens de simulação baseadas em FORTRAN IV e ALGOL 60 que incluíam pacotes de sub-rotinas para utilização na programação. As sub-rotinas incluíam as tarefas mais utilizadas no desenvolvimento de modelos para os sistemas.

24 24 Apesar de apresentarem maior facilidade de uso em relação às linguagens de programação genéricas, as linguagens de simulação genéricas ainda exigiam experiência e habilidade em programação do modelista, além de tempo no caso de um grande modelo (10). As linguagens baseadas em FORTRAN IV e ALGOL 60 são: GASP, SIMSCRIPT, GPSS e SIMULA. Houve uma separação nos caminhos de desenvolvimento de linguagens de programação, principalmente na simulação de eventos discretos, entre os Estados Unidos e a Europa (9). No primeiro, os sistemas foram construídos baseando-se em FORTRAN. Já na Europa, o ALGOL 60 era mais popular entre os pesquisadores, desenvolvedores dos pacotes de simulação Terceira Fase: Linguagens de simulação específicas Nos anos 70, o aumento do uso da simulação ocasionou a evolução das linguagens já existentes. O objetivo das linguagens de programação era facilitar o desenvolvimento dos modelos, tornando a interface com o desenvolvedor mais fácil e aumentando a possibilidade de reutilização dos modelos em outros sistemas. Os avanços na área de computação ocorridas nos anos 80 possibilitaram muitas melhorias nas ferramentas de simulação: interface com usuário facilitada por meio de menus, gráficos para auxílio na visualização dos resultados da simulação e animação com escolha da área de visualização. Uma desvantagem das linguagens de simulação específicas é a perda de flexibilidade no desenvolvimento de modelos. Nesta época surgiram simuladores com a opção de animações na própria simulação. Uma das linguagens desenvolvidas foi a SIMAN (Simulation Modeling and Analysis), na qual

25 25 se baseia a linguagem de simulação Arena que foi utilizada neste trabalho. O aplicativo Arena foi selecionado para utilização neste trabalho de pesquisa, visto que foi fornecido para EPUSP dentro do convênio PEA EPUSP Rockwell Automation. Com o aumento na utilização do ambiente Windows e da capacidade gráfica dos computadores, foram desenvolvidos simuladores tais como Arena, Promodel e Witness, que utilizam as funções de menu e animações avançadas. Estes simuladores apresentam avanços constantes para auxílio no desenvolvimento de modelos. Alguns deles podem ser integrados a outras tecnologias, tais como bases de dados, aplicativos de desenho, modelamento ou planilhas. Para a integração com aplicações tais como Microsoft Office, Visio e Oracle, podem ser utilizados ActiveX e Visual Basic for Applications (VBA) Quarta Fase: Linguagens orientadas a objetos Nesta etapa, a simulação é integrada com a modelagem orientada a objetos. Na programação orientada a objetos, um sistema é decomposto em subsistemas baseados em objetos que se comunicam entre si por meio de troca de mensagens (11). Em relação à programação convencional, a programação orientada a objetos apresenta um estilo de tomada de decisão mais descentralizado. A localização e distribuição do conhecimento simplificam a rotina principal. Uma vantagem da programação orientada a objetos é que quando novos objetos são adicionados não é necessário alterar a interface entre objetos. A programação orientada a objetos utiliza um mecanismo de herança. Classes de objetos podem herdar propriedades e padrões de mensagens de outras classes (9).

26 Cada objeto possui suas próprias variáveis e procedimentos para manipulação destas variáveis que são chamados métodos Características da Simulação Existem algumas características comuns a todos simuladores. Estas características podem ser vistas na ANSI 3.5, de 1998 (12), relacionada a simuladores de plantas nucleares. A ANSI é a sigla para American National Standards Institute ( Instituto Nacional Americano de Padronização ), que é uma organização particular americana sem fins lucrativos com o objetivo de facilitar a padronização dos trabalhos. Estas características são: Condição inicial: conjunto de dados iniciais da simulação. Em alguns casos, a possibilidade de mudar as condições iniciais é importante; Retornar: habilidade de retornar para algum instante na simulação; Congelar: a simulação é parada; Executar: simulação em execução; Acelerar: velocidade da simulação. 2.5 Classificação de Modelos Quanto à sua construção, os modelos podem ser classificados em: físicos ou matemáticos. Além deste tipo de classificação, os modelos desenvolvidos para simulação podem ser classificados de acordo com outros critérios (13), a saber: estáticos/dinâmicos,

27 determinísticos/estocásticos e discretos/contínuos. Os tipos de modelo devem ser utilizados de acordo com o sistema a ser modelado Modelos físicos x Modelos matemáticos Os modelos físicos consistem em uma construção física do sistema em outra escala, menor ou maior do que o sistema real, de acordo com a finalidade do modelo. Quando os custos de testes com o sistema real tornam inviável sua utilização, o modelo físico torna-se uma opção. Em outros casos, quando a construção do modelo físico não seria viável ou não seria válida, os modelos matemáticos são uma alternativa. Nestes modelos, são criadas representações matemáticas relacionando as variáveis do sistema real. Neste caso, pode-se estudar o comportamento do sistema a partir das variáveis de entrada. Devido à complexidade dos modelos matemáticos, em alguns casos, sua resolução requer ferramentas computacionais avançadas. Em vista disso, a análise dos modelos matemáticos pode ser feita de duas formas: solução analítica e simulação. Na solução analítica, o comportamento do modelo é previsto a partir de funções matemáticas e lógicas. O modelo analítico é concebido baseando-se em teoria. Muitos modelos são simplificados de forma a facilitar o tratamento matemático. A simplificação é feita selecionando-se as variáveis mais relevantes do modelo e algumas variáveis não são consideradas, como por exemplo, perturbações externas. Já a simulação é indicada para casos mais complexos, onde a solução analítica torna-se inviável devido à necessidade de capacidade computacional muito elevada, não-linearidade ou quando uma interface visual seria mais indicada para entendimento do processo.