SIMULAÇÃO IDEIAS CHAVE

Tamanho: px
Começar a partir da página:

Download "SIMULAÇÃO IDEIAS CHAVE"

Transcrição

1 SIMULAÇÃO Programa. Modelação de sistemas através da simulação 2. Software de simulação 3. Validade e credibilidade de modelos 4. Selecção de distribuições de probabilidade para os dados 5. Análise de resultados Bibliografia Law, Averill and Kelton, W.David (2000). Simulation Modeling and Analysis (3 rd ed), McGraw-Hill, USA. (Caps., 3, 5, , 3) Elder, Mark. Simulation Course Handbook, University of Strathclyde, UK. SIMULAÇÃO IDEIAS CHAVE Simulação é uma ferramenta estatística para analisar sistemas reais, que imita o funcionamento lógico do sistema ao longo do tempo num modelo de computador A simulação permite analisar sistemas complexos que não é possível tratar com modelos matemáticos que se possam resolver analiticamente A simulação não permite optimizar os parâmetros de um sistema e obter respostas exactas A simulação tem inúmeras aplicações práticas produção ou serviços nível estratégico ou nível operacional Utilizar a simulação na prática requer: competências técnicas de simulação, estatística, programação, modelação de sistemas seguir uma metodologia de análise do sistema real Nesta disciplina: introdução à simulação discreta, modelação de sistemas, e análise de resultados aprendizagem tutorial de um software de simulação (SIMUL8) não são cobertos tópicos de cursos avançados de simulação: geração de números aleatórios, redução de variância, planeamento de experiências 2

2 . MODELAÇÃO DE SISTEMAS POR SIMULAÇÃO. Natureza da simulação simulação: é uma técnica estatística que utiliza um computador para imitar, ou simular, operações de instalações ou processos reais de interesse. sistema: é a instalação ou processo real que interessa analisar, e sobre o qual se conhecem as regras lógicas de funcionamento modelo do sistema: é o conjunto de relações matemáticas ou lógicas que descrevem o funcionamento do sistema real, e que serve para analisar e avaliar o comportamento do sistema simulação(2): consiste em fazer variar os parâmetros de entrada de um modelo do sistema real e analisar o seu impacto nas medidas de desempenho relevantes métodos de análise de modelos: dedução: são métodos matemáticos que permitem obter informações exactas sobre o modelo, i.e. soluções analíticas (ex: álgebra, cálculo, teoria da probabilidade) simulação: são métodos estatísticos que permitem obter estimativas das verdadeiras características do modelo, a partir da avaliação numérica do modelo em computador 3 Áreas de aplicações da simulação planear e analisar sistemas de produção avaliar a eficácia e os requisitos logísticos de armamento militar determinar requisitos de hardware e protocolos para redes de comunicação planear e operar sistemas de transportes aeroportos, portos, metros, auto-estradas, cruzamentos com semáforos planear e analisar serviços call centers, restaurantes fast food, hospitais, postos de correio reengenharia de processos (BPR) determinar regras de encomenda para gestão de stocks analisar sistemas económicos ou financeiros 4 2

3 O que é (e o que não é) a simulação a simulação não é uma técnica de optimização a simulação não produz uma solução por si só um modelo de simulação é executado e não resolvido a simulação permite aos analistas testar as suas propostas de solução num modelo que duplique satisfatoriamente o sistema real a simulação é uma ferramenta de análise what if a simulação pertence à área científica da Investigação Operacional a simulação é uma ferramenta estatística para aplicar a simulação é preciso um método e uma metodologia método: procedimento ou técnica metodologia: práticas+procedimentos+regras o Simcity é uma simulação! 5.2 Sistemas, modelos e simulação sistema: é um conjunto de entidades (pessoas, máquinas, etc) que actuam e interagem conjuntamente para cumprir um objectivo lógico aquilo que se designa por sistema depende dos objectivos em estudo o conjunto de entidades do sistema num estudo pode ser apenas um subconjunto do sistema global de outro estudo estado do sistema: conjunto de variáveis necessárias para descrever o sistema em qualquer instante de tempo, face aos objectivos do estudo sistema discreto: variáveis mudam instantaneamente em instantes discretos sistema dinâmico: variáveis mudam continuamente com o tempo 6 3

4 Modos de estudar um sistema Sistema Fazer experiências no sistema real Fazer experiências num modelo do sistema Modelo físico Modelo matemático Solução analítica Simulação 7 Vantagens e desvantagens dos vários modos de estudar um sistema utilizar o sistema real modelar o sistema modelo físico modelo matemático Vantagens e desvantagens resultados do estudo são válidos experiências são dispendiosas estudo não interfere com o funcionamento do sistema real modelo pode não capturar a realidade do sistema e as conclusões do estudo não serem válidas reproduz realidade à escala, em laboratório não é fácil fazer muitas modificações e estudar várias configurações modelo pode ser manipulado e alterado facilmente alguns aspectos da realidade são simplificados e aproximados Aplicabilidade quando é possível alterar fisicamente o sistema e observar os resultados quando o sistema real não existe; ou não pode ser perturbado com experiências; ou é muito dispendioso fazê-lo sistemas em que se estuda a tecnologia (desenvolvimento, engenharia) sistemas em que se estuda a organização lógica das operações (investigação operacional, gestão) 8 4

5 Vantagens e desvantagens dos vários modos de estudar um sistema solução analítica simulação Vantagens e desvantagens solução é exacta e fechada (função dos parâmetros de entrada) técnica de resolução pode ser computacionalmente difícil ou nem existir método de último recurso para estudar modelos complexos solução não é exacta e pressupõe valores concretos dos parâmetros Aplicabilidade quando o modelo é suficientemente simples para se poder usar técnicas matemáticas computacionalmente eficientes permite estudar modelos complexos, intratáveis analiticamente 9 Classificação de modelos de simulação Modelos estáticos vs dinâmicos estáticos dinâmicos o sistema é representado num instante particular de tempo (ou em que a variável tempo não desempenha nenhum papel) a evolução do sistema é representada ao longo do tempo Modelos determinísticos vs estocásticos determinísticos estocásticos parâmetros e solução descrita por valores concretos parâmetros e solução são probabilísticos (aleatórios) solução serve apenas como estimativa das características do sistema Modelos discretos vs contínuos discretos variáveis de estado variam em instantes particulares de tempo contínuos variáveis de estado variam continuamente no tempo simulação discreta sistemas DINÂMICOS, ESTOCÁSTICOS e DISCRETOS 0 5

6 .3 Simulação discreta simulação por eventos discretos (ou simulação discreta): método de modelação da evolução de um sistema com o tempo, em que as variáveis de estado mudam instantaneamente em instantes particulares (discretos) de tempo evento: é uma ocorrência instantânea que pode provocar uma mudança de estado do sistema Exemplo: serviço de atendimento com um servidor objectivo do estudo: clientes estimar o tempo médio de espera na fila tipos de entidades: cliente; servidor variáveis de estado: estado do servidor (livre ou ocupado) número de clientes na fila à espera de atendimento instante de chegada de cada cliente ao sistema eventos: chegada de um cliente partida de um cliente (no fim do serviço) servidor Mecanismos de avanço de tempo os modelos de simulação discreta são dinâmicos, logo: é necessário manter um registo do tempo simulado ao longo da simulação é necessário um mecanismo para avançar o tempo de um instante para outro relógio de simulação: é a variável de um modelo de simulação que regista o valor actual do tempo simulado não tem unidade explícita mesma unidade dos parâmetros de entrada tempo simulado tempo de computador de execução da simulação tempo simulado tempo real métodos de avanço de tempo: fixed increment (avanço por incremento fixo de tempo) next event (avanço para o próximo evento) 2 6

7 Métodos de avanço de tempo Avanço por incremento fixo 0 e t 2 t e 2 e 3 3 t e 4 4 t tempo Avanço para o próximo evento 0 e e 2 e 3 e 4 tempo. o relógio é inicializado a zero e são determinados os instantes dos eventos futuros; 2. o relógio é avançado para o instante do próximo evento a ocorrer; 3. o estado do sistema é actualizado de acordo com esse evento, e os instantes de novos eventos são determinados 4. os passos 2 e 3 são repetidos, até cumprir uma condição de paragem pre-estabelecida 3 Exemplo: sistema de atendimento com um servidor, avanço de tempo pelo mecanismo next-event t i = tempo de chegada do cliente i (t 0 =0) A i = t i -t i- = tempo entre chegadas dos clientes i- e i S i = tempo de atendimento do cliente i no servidor D i = tempo de espera do cliente i na fila c i = t i +D i +S i = tempo de partida do cliente i e k = tempo do k-ésimo evento de qualquer tipo (chegada ou partida) 0 e e 2 e 3 e 4 t t 2 c t 3 e 5 c 2 tempo A A 2 A 3 S S 2 4 7

8 Implementação de um modelo de simulação discreta: componentes e organização Componentes de um modelo de simulação discreta: Variáveis: ESTADO DO SISTEMA: conjunto de variáveis que descrevem o estado do sistema num instante de tempo RELÓGIO DE SIMULAÇÃO: variável que regista o instante actual do tempo simulado LISTA DE EVENTOS: lista com o próximo instante de tempo em que cada tipo de evento vai ocorrer contadores estatísticos: variáveis que guardam informação estatística, recolhida ao longo da simulação, sobre o desempenho do sistema Rotinas: rotina de inicialização: subprograma que inicializa o estado do sistema no instante 0 rotina de gestão de tempo: subprograma que determina o próximo evento da lista de eventos e avança o relógio de simulação rotinas dos eventos: subprogramas (um por tipo de evento) que actualizam o estado do sistema quando ocorre um evento biblioteca de rotinas: conjunto de subprogramas que geram observações aleatórias das distribuições de probabilidade que são utilizadas pelo modelo gerador de relatórios: subprograma que calcula no fim da simulação (a partir dos contadores estatísticos) medidas de desempenho do sistema e produz um relatório programa principal: subprograma que chama a rotina de gestão de tempo e passa o controlo para a correspondente rotina do evento; este programa também verifica as condições de paragem e chama o gerador de relatórios no fim da simulação 5 Rotina de inicialização. Relógio de simulação = 0 2. Inicializa estado do sistema e contadores estatísticos 3. Inicializa lista de eventos Início Programa principal 0. Chama rotina de inicialização. Chama rotina de gestão de tempo 2. Chama rotina do evento k Rotina do evento k. Actualiza estado do sistema 2. Actualiza contadores estatísticos 3. Gera eventos futuros e adicionaos à lista de eventos Rotina de gestão de tempo. Determina tipo do próximo evento (k) 2. Avança o relógio da simulação Biblioteca de rotinas Gera valores aleatórios Simulação terminada? Não Gerador de relatórios Sim. Calcula medidas de desempenho 2. Escreve relatório Fim 6 8

9 Notas sobre modelos de simulação discreta Entidades e atributos: o sistema é compostos por um conjunto de entidades ex: pessoas, peças, máquinas, veículos as entidades são caracterizadas por atributos atributos são informações individuais das entidades os atributos são também variáveis de estado ex: tempo de chegada do cliente ao sistema, tipo de cliente, tamanho da peça Abordagens alternativas à modelação por simulação: método do escalonamento de eventos ilustrado atrás método da interacção de processos óptica da vida das entidades método das 3 fases (ou método ABC) utilizado pelo SIMUL8 7.4 Exemplos de simulação manual Exemplos de simulação manual introdução da mecânica da simulação introdução dos conceitos de evento, estado do sistema e relógio da simulação ilustração o cálculo de medidas de desempenho do sistema Exemplo : Serviço de atendimento de clientes com um servidor Exemplo 2: Serviço de atendimento de clientes com dois servidores Exemplo 3: Sequenciamento de tarefas num job-shop 8 9

10 Exemplo Serviço de atendimento de clientes com um servidor Funcionamento do sistema (barbearia): os clientes chegam à barbearia, e esperam num sofá se o barbeiro estiver ocupado o barbeiro serve os clientes por ordem de chegada o cliente abandona a barberia após o corte de cabelo terminar chegada de clientes ao sistema fila de espera cliente a ser atendido servidor saída de clientes do sistema 9 Exemplo Dados para a simulação do sistema: instantes de chegada dos clientes ao sistema tempo de duração do serviço de cada cliente Número do cliente Instante de chegada (min) 3.2 Tempo de serviço (min) 3.8 Pedido: simular manualmente este sistema até todos os clientes serem atendidos calcular as seguintes medidas de desempenho: tempo médio de permanência dos clientes no sistema tempo médio de espera dos clientes número médio de clientes no sistema número médio de clientes em espera taxa de ocupação do servidor Começar por: identificar variáveis de estado identificar eventos

11 evento CHEGADA evento PARTIDA Marca próximo evento de chegada Sim Fila ficou vazia? Não Sim Servidor ocupado? Não Subtrai ao número na fila Adiciona ao número na fila Guarda tempo de chegada deste cliente Regista tempo de espera=0 para este cliente Adiciona ao número de clientes que passaram na fila servidor=ocupado servidor=livre Calcula o tempo de espera do cliente que inicia o serviço Adiciona ao número de clientes que passaram na fila Marca evento de partida deste cliente Marca evento de partida deste cliente Desloca clientes na fila uma posição para a frente Volta ao prog. principal Volta ao prog. principal 2 Exemplo 2 Serviço de atendimento de clientes com dois servidores Funcionamento do sistema (agência de viagens): dois agentes trabalham em paralelo no balcão de uma agência de viagens ao chegarem, os clientes formam uma única fila à espera do primeiro agente livre se ambos os agentes estiverem livres, o cliente escolhe o Agente Dados: tempo entre chegadas: Os tempos entre chegadas de clientes seguem uma distribuição exponencial negativa com valor esperado de 2.0 minutos. Estes tempos podem ser gerados a partir de números aleatórios uniformes entre 0 e com a seguinte fórmula: x = µ *ln(-r), onde r~u(0, ), µ:valor esperado Use a seguinte cadeira de números aleatórios para valores de r: Assuma que o primeiro cliente chega no instante 0. tempo de serviço: Os tempos médios de serviço são iguais para os dois agentes. Os tempos de serviço têm duas parcelas:um tempo constante de minuto para o contacto inicial; um tempo variável uniforme entre 0.5 e 2.0 minutos. Para gerar valores aleatórios uniformemente distribuídos entre A e B pode usar-se a fórmula: x = A+(B-A)*r, onde r~u(0, ), A:limite inferior, B:limite superior Use a seguinte cadeia de números aleatórios para r:

12 Exemplo 2 Pedido: simular manualmente este sistema até 0 clientes completarem o serviço calcular as seguintes medidas de desempenho: taxa de ocupação de tempo dos dois agentes tempo médio de espera dos clientes tempo médio de permanência dos clientes no sistema número médio de clientes na fila de espera número médio de clientes no sistema Sugestões: começar por calcular instantes de chegada e tempos de serviço para a simulação manual, utilizar um quadro com as seguintes entradas: relógio da simulação tipo de evento chegada partida chegada partida cliente nº 2 0 próxima chegada nº de clientes na fila nº de clientes no sist. 0 0 nº de agentes ocup. 0 0 Cliente Tempo entre nº chegadas estado do agente livre ocup (cli ) livre ocup (cli 2) próx. saída Instante de chegada estado do agente 2 livre livre livre livre Tempo de serviço próx. saída 2 23 Exemplo 3 Sequenciamento de tarefas num job-shop Funcionamento do sistema: quatro tipos de peças são processadas numa oficina com três máquinas (Torno, Fresadora, Rectificadora) cada tipo de peça tem uma sequência de operações distinta das peças a aguardar processamento numa máquina, é escolhida primeiro aquela que tiver menor tempo de operação neste momento há 4 tarefas a realizar: 4 peças, uma de cada tipo Dados: sequência de operações (máquina e tempo de processamento) Pedido: simular manualmente este sistema até processar todas as tarefas calcular as seguintes medidas de eficiência: tempo total de processamento (ou makespan) tempo médio de fluxo das tarefas tempo médio de espera das tarefas taxa média de ocupação das máquinas Nota: este problema poderia ser generalizado com chegadas de peças ao sistema com intervalos de tempo probabilísticos tempos de processamento probabilísticos adopção de outras regras de sequenciamento Tipo peça Tipo peça Máquinas T, F, R, F F, T, R R, T, F, T F, R, T, R Tempos proc. (min) 2, 4, 2, 3, 3, 3, 2, 2, 5 5, 4, 2,

13 .5 Passos num estudo de simulação A programação de um modelo de simulação é apenas uma parte do trabalho global de um estudo de simulação. Deve ser seguida uma metodologia consistente:. Formular o problema e planear o estudo 4. Construir programa em computador e verificar 7. Planear experiências 2. Recolher dados e conceber um modelo 5. Executar corridas de teste 8. Executar corridas 3. Modelo conceptual válido? Sim 6. Modelo programado válido? Sim 9. Analisar resultados Não Não 0. Documentar, apresentar e usar os resultados 25.6 Outros tipos de simulação Tipos de simulação Simulação por eventos discretos Simulação contínua Simulação discreta e contínua combinadas Simulação de Monte Carlo Simulação contínua modelação da evolução de um sistema no tempo, em que as variáveis de estado mudam continuamente no tempo habitualmente o modelo envolve equações diferenciais que definem as taxas de variação das variáveis de estado com o tempo técnicas de integração numérica de equações intratáveis analiticamente: método de Euler, método de Runge-Kutta 26 3

14 Simulação discreta e contínua combinada Simulação discreta e contínua combinada aplicável quando o sistema não é nem inteiramente discreto ou contínuo há três tipos de integração de simulação contínua com simulação discreta:. um evento discreto pode provocar uma mudança discreta no valor de uma variável contínua 2. um evento discreto pode provocar uma alteração da relação que governa a variação de uma variável contínua 3. uma variável de estado contínua ao atingir um determinado limite pode causar a ocorrência de um evento discreto Exemplo: chegada de petroleiros a um porto, onde o petróleo é descarregado para um tanque e daí é escoado para uma refinaria evento discreto: chegada de um barco variáveis contínuas nível de petróleo nos petroleiros nível do tanque (são governadas por equações diferenciais, dadas as taxas de descarga e consumo) eventos discretos provocados pela variação das variáveis contínuas: o barco considera-se descarregado quando o nível atinge 5% da capacidade a descarga do barco é interrompida se o tanque encher a descarga do barco só é retomada quando o nível do tanque desce abaixo de 80% 27.7 Vantagens, desvantagens e armadilhas da simulação Vantagens da simulação é a única via de análise possível de sistemas reais complexos e com elementos estocásticos, que não são fielmente descritos por modelos matemáticos que se possam avaliar analiticamente permite estimar o desempenho de um sistema existente com condições de funcionamento diferentes permite comparar configurações alternativas de um dado sistema, para verificar qual cumpre melhor os objectivos estipulados (análise what if) permite manter melhor controlo das experiências a realizar do que seria possível se se alterasse o próprio sistema real permite estudar o funcionamento do sistema ao longo de um horizonte temporal extenso em tempo comprimido lembrar: relógio de simulação relógio de tempo real 28 4

15 Desvantagens da simulação cada corrida de um modelo estocástico de simulação produz apenas estimativas das verdadeiras características do modelo para valores particulares dos parâmetros de entrada são necessárias várias corridas do modelo para cada conjunto de valores dos parâmetros a simulação permite apenas comparar um número fixo de configurações alternativas de um modelo e não é uma ferramenta adequada para optimizar o modelo o desenvolvimento de modelos de simulação pode ser dispendioso e demorar algum tempo, se o sistema em análise for muito complexo o grande volume de resultados numéricos produzidos por um estudo de simulação e o efeito persuasivo de um modelo animado podem levar a confiar cegamente nos resultados da simulação se o modelo não for válido, os resultados da simulação, por mais impressionantes que sejam, não conduzem a conclusões úteis sobre o sistema real 29 Armadilhas da simulação utilizar a simulação, quando outra técnica é a mais adequada não definir claramente os objectivos no início de um estudo de simulação desapropriado nível de detalhe do modelo falhas de comunicação com os gestores durante o estudo má compreensão da simulação por parte dos gestores olhar um estudo de simulação principalmente como um exercício de utilização de software em computador não incluir na equipa pessoas com conhecimento de estatística e metodologia da simulação adoptar software de simulação desapropriado acreditar que software que seja fácil de usar, e não requeira programação, dispensa competência técnica e metodológica não recolher dados de boa qualidade no sistema real não incorporar correctamente as fontes de aleatoriedade do sistema real escolher arbitrariamente distribuições de probabilidade para os dados correr um modelo de simulação uma única vez e tomar os resultados obtidos como a verdadeira resposta adoptar medidas de desempenho erradas 30 5

16 2. SOFTWARE DE SIMULAÇÃO 2. Software simulação vs Linguagens programação Vantagens de software específico para simulação: redução de tempo e de custo de programação porque as rotinas e componentes básicos necessários para construir um modelo de simulação já estão incluídos a sintaxe da linguagem de programação está adaptada à simulação os modelos de simulação são mais fáceis de modificar no futuro detecção automática de erros comuns de programação Vantagem das linguagens de programação genéricas: a maior parte dos programadores conhece linguagens genéricas mas não uma linguagem de simulação as linguagens genéricas como o C ou C++ produzem código mais eficiente (i.e. executado em menos tempo) as linguagens genéricas são mais flexíveis e adaptáveis em geral o compilador de uma linguagem genérica tem menor custo (embora o custo total do projecto possa ser mais elevado) Classificação de software de simulação Tipos de software de simulação (TRADICIONALMENTE) linguagens de simulação simuladores de aplicações específicas linguagens de simulação simuladores linguagens derivadas das linguagens genéricas modelos são programados mais flexíveis mas mais difíceis de usar modelos são desenvolvidos com interfaces gráficas (menus, caixas de diálogo, ícones) para aplicações específicas (produção, hospitais, call centers, etc) mais fáceis de aprender e usar mas menos flexíveis O software de simulação moderno é híbrido : as linguagens permitem construir os modelos graficamente e incluem componentes de modelos pré-definidos os simuladores tornaram-se mais generalistas e incluem uma pseudo-linguagem para programar alguns aspectos dos modelos Tipos de software de simulação (ACTUALMENTE) software de simulação genérico software de simulação orientado para aplicações específicas 32 6

17 Componentes de modelos incluídos habitualmente no software de simulação As entidades, são criadas (chegam ao sistema), interagem com outras entidades ao atravessar parte do sistema, e depois são depois destruídas (saem do sistema) distinguem-se pelos seus atributos, que são elementos de informação que todas possuem requisitam recursos (entidades permanentes) para algum serviço ou processamento ficam retidas em filas de espera enquanto os recursos estão ocupados com outras entidades Tipo de sistema Entidades Atributos Recursos Filas de espera Produção peça referência, data de entrega máquinas, trabalhadores Filas, lotes Comunicações mensagem destino, tamanho nós, ligações Filas, buffers Aeroporto avião número do vôo, peso pistas, portas de embarque Filas Agência de seguros contrato, participação nome, tipo de seguro vendedores, empregados Filas Características de software de simulação Características gerais Requisitos de hardware e software Animação gráfica Capacidades estatísticas Suporte e documentação Relatórios e gráficos tamanho e complexidade dos modelos que permite construir facilidade de utilização velocidade de execução importação e exportação de dados (bases dados, Excel) suporte de simulação discreta e contínua combinadas possibilidade de chamar rotinas externas custo processador e memória requeridos sistemas operativos suportados animação concorrente (à medida que decorre a simulação) gráficos em 3D qualidade do gerador de números aleatórios distribuições de probabilidade suportadas cálculo de resultados com significado estatístico formação suporte técnico documentação possibilidade de definir resultados a incluir nos relatórios criação de gráficos: histogramas, time plots, pie charts 34 7

18 2.4 Exemplos de software de simulação Software genérico Software Arena Extend SIMUL8 AweSim MicroSaint GPSS/H SLX MODSIM III SIMPLE++ Companhia Rockwell Imagine That Visual Thinking Symix Micro A&D Wolverine Wolverine CACI Tecnomatix Tipo de software Simulador Simulador Simulador Linguagem gráfica Linguagem gráfica Linguagem Linguagem Linguagem OO Linguagem OO Listas de software de simulação 35 Exemplos de software orientado para aplicações Tipo de aplicação Produção Redes de comunicação Serviços Serviços de saúde Call centers Software Arena Packaging Edition Extend+Manufacturing AutoMod ProModel QUEST WITNESS COMNET III IT DecisionGuru OPNET Modeler Arena Business Edition Extend+BPR ServiceModel SIMPROCESS MedModel Arena Call Center Edition Companhia Rockwell Imagine That AutoSimulations Promodel Corp Deneb Lanner Group CACI MIL 3 MIL 3 Rockwell Imagine That Promodel Corp CACI Promodel Corp Rockwell 36 8

19 Programa em linguagem de simulação (SLAM) GEN,OREILLY,TV INSP. AND ADJUST.,,; 2 LIMITS,2,2,50; 3 NETWORK; 7 CREATE,UNFRM(3.5,7.5),,; 8 ACTIVITY; 9 INSP QUEUE(); 0 ACT(2)/,UNFRM(6.,2.);INSPECTION GOON; 2 ACT,,.85,DPRT;85 DEPART 3 ACT,,.5,ADJT;5 ARE RE-A 4 DPRT COLCT,INT(),TIME IN SYSTEM; 5 ACTIVITY; 6 TERM; 7 ADJT QUEUE(2); 8 ACT/2,UNFRM(20.,40.),,INSP;ADJUSTMENT 9 END; 20 INIT,0,480; 2 MONTR,TRACE,0,60,ATRIB(),NNQ(),NNQ(2); 22 FIN; Modelo em linguagem gráfica (Awesim) Modelo gráfico (SIMUL8) VALIDADE E CREDIBILIDADE DE MODELOS verificação (debugging): teste da passagem de um modelo conceptual para a sua implementação numa linguagem de programação [ou modelador gráfico] validação: teste da passagem do sistema real para o modelo, face aos objectivos particulares a estudar credibilidade: correcção dos resultados do modelo de simulação aos olhos dos gestores ou clientes um modelo válido pode não ser credível um modelo credível pode não ser válido! Validação + Credibilização Verificação Validação Credibilização Sistema Programa Modelo de, 2, 3 conceptual 4 simulação 5, 6, 7 Resultados correctos 8, 9 Vender resultados àgestão Resultados usados na tomada de decisão 38 9

20 3.2 Nível de detalhe de modelos de simulação Nível de detalhe do modelo: é a porção de aspectos do sistema real que são incluídos no modelo quando maior o nível de detalhe, maior o tempo e o custo de modelação alguns aspectos podem ser desprezados sem prejuízo dos objectivos do estudo O nível de detalhe que o modelo deve capturar: é determinado pelos objectivos do estudo de simulação deve ser consistente com os dados disponíveis para alimentar o modelo é um compromisso entre realismo e custo deve abranger aspectos que credibilizem o modelo, mesmo que sejam irrelevantes para a sua validação Em sistemas complexos o estudo pode ser hierárquico: primeira aproximação por via analítica ou com modelo de simulação grosseiro segunda aproximação com maior detalhe, apenas incorporando os factores relevantes 39 Exemplos de modelos com diferentes níveis de detalhe Sistema: produção job-shop, com m máquinas e n tipos de peças conjunto de máquinas de diferentes tipos diferentes tipos de peças, com distintas sequências de operação opções de nível de detalhe: quanto ao tempo de setup não considerar tempos de setup considerar um tempo de setup médio constante e incluí-lo no tempo de serviço considerar o tempos de setup função do último tipo de peça produzido e do próximo tipo de peça a produzir quanto à movimentação de stocks entre máquinas considerar ou não tempos de movimentação entre máquinas considerar ou não limitação de espaço de stock 40 20

21 Exemplos de modelos com diferentes níveis de detalhe Sistema: caixas de supermercado, com n filas e n servidores opções de nível de detalhe: quanto à selecção da fila clientes escolhem uma fila aleatoriamente clientes escolhem a fila mais curta clientes escolhem a fila mais curta e mudam de fila se alguma fila próxima ficar mais curta modelar ou não filas especiais filas expresso para pequeno volume de compras filas prioritárias para grávidas modelar ou não situações de excepção interrupção para verificar preço não marcado Como validar e credibilizar modelos de simulação recolher no sistema real dados com qualidade (fiáveis e representativos) listar pressupostos e fontes de informação de todos os elementos do modelo interagir regularmente com a Gestão e outras pessoas que lidam com o sistema real os gestores devem compreender e concordar com os pressupostos do modelo demonstrar que o modelo foi verificado e validado criar na Gestão um sentimento de posse do estudo de simulação utilizar métodos quantitativos testes de ajuste de distribuições de probabilidade aos dados análise de sensibilidade da influência individual de parâmetros sobre medidas de desempenho análise de sensibilidade conjunta de vários factores (design of experiments) criar um modelo animado 42 2

Introdução à Simulação

Introdução à Simulação Introdução à Simulação O que é simulação? Wikipedia: Simulação é a imitação de alguma coisa real ou processo. O ato de simular algo geralmente consiste em representar certas características e/ou comportamentos

Leia mais

Geração de Números Aleatórios e Simulação

Geração de Números Aleatórios e Simulação Departamento de Informática Geração de Números Aleatórios e imulação Métodos Quantitativos LEI 26/27 usana Nascimento (snt@di.fct.unl.pt) Advertência Autores João Moura Pires (jmp@di.fct.unl.pt) usana

Leia mais

MODELAGEM E SIMULAÇÃO

MODELAGEM E SIMULAÇÃO MODELAGEM E SIMULAÇÃO Professor: Dr. Edwin B. Mitacc Meza edwin@engenharia-puro.com.br www.engenharia-puro.com.br/edwin Como Funciona a Simulação Introdução Assim como qualquer programa de computador,

Leia mais

Simulação Transiente

Simulação Transiente Tópicos Avançados em Avaliação de Desempenho de Sistemas Professores: Paulo Maciel Ricardo Massa Alunos: Jackson Nunes Marco Eugênio Araújo Dezembro de 2014 1 Sumário O que é Simulação? Áreas de Aplicação

Leia mais

Pesquisa Operacional

Pesquisa Operacional GOVERNO DO ESTADO DO PARÁ UNIVERSIDADE DO ESTADO DO PARÁ CENTRO DE CIÊNCIAS NATURAIS E TECNOLOGIA DEPARTAMENTO DE ENGENHARIA Pesquisa Operacional Tópico 4 Simulação Rosana Cavalcante de Oliveira, Msc rosanacavalcante@gmail.com

Leia mais

SIM0101 - Simulação de Eventos Discretos Semana 2-3

SIM0101 - Simulação de Eventos Discretos Semana 2-3 SIM0101 - Simulação de Eventos Discretos Semana 2-3 Introdução à modelagem e simulação com Arena Ricardo Lüders UTFPR Sumário Terminologia 1 Terminologia 2 3 4 Elementos básicos da simulação Variáveis

Leia mais

Sincronização. Tempo e Relógios. Sincronização de Relógios - Algoritmo de Cristian - Algoritmo de Berkeley - Network Time Protocol

Sincronização. Tempo e Relógios. Sincronização de Relógios - Algoritmo de Cristian - Algoritmo de Berkeley - Network Time Protocol Sincronização Tempo e Relógios Sincronização de Relógios - Algoritmo de Cristian - Algoritmo de Berkeley - Network Time Protocol 1 O papel do tempo Crucial na ordenação de eventos Tempo Real? - Função

Leia mais

Usando o Arena em Simulação

Usando o Arena em Simulação Usando o Arena em Simulação o ARENA foi lançado pela empresa americana Systems Modeling em 1993 e é o sucessor de dois outros produtos de sucesso da mesma empresa: SIMAN (primeiro software de simulação

Leia mais

Sumário. Objectivos Técnicas Casos Notáveis Exemplo Conclusões. Testes de Software 2

Sumário. Objectivos Técnicas Casos Notáveis Exemplo Conclusões. Testes de Software 2 Testes de Software Sumário Objectivos Técnicas Casos Notáveis Exemplo Conclusões Testes de Software 2 Objectivos Verificação o programa está de acordo com a especificação (construímos bem o produto?) Validação

Leia mais

Estratégias de Pesquisa

Estratégias de Pesquisa Estratégias de Pesquisa Ricardo de Almeida Falbo Metodologia de Pesquisa Departamento de Informática Universidade Federal do Espírito Santo Agenda Survey Design e Criação Estudo de Caso Pesquisa Ação Experimento

Leia mais

Demonstrador Animado das Técnicas de Programação de Simuladores de Eventos Discretos, utilizando o MATLAB

Demonstrador Animado das Técnicas de Programação de Simuladores de Eventos Discretos, utilizando o MATLAB REVISTA DO DETUA, VOL. 2, Nº 3, SETEMBRO 1998 1 Demonstrador Animado das Técnicas de Programação de Simuladores de Eventos Discretos, utilizando o MATLAB Elizabeth Fernandez, Rui Valadas Resumo Este artigo

Leia mais

Modelo Cascata ou Clássico

Modelo Cascata ou Clássico Modelo Cascata ou Clássico INTRODUÇÃO O modelo clássico ou cascata, que também é conhecido por abordagem top-down, foi proposto por Royce em 1970. Até meados da década de 1980 foi o único modelo com aceitação

Leia mais

PROGRAMAÇÃO DE MICROPROCESSADORES 2011 / 2012

PROGRAMAÇÃO DE MICROPROCESSADORES 2011 / 2012 Departamento de Engenharia Electrotécnica PROGRAMAÇÃO DE MICROPROCESSADORES 2011 / 2012 Mestrado Integrado em Engenharia Electrotécnica e de Computadores 1º ano 2º semestre Trabalho Final Reservas de viagens

Leia mais

Avaliação de Desempenho de Sistemas Discretos

Avaliação de Desempenho de Sistemas Discretos Avaliação de Desempenho de Sistemas Discretos Parte IV: Simulação Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Parte 4 Simulação P A R T E Etapas básicas em um estudo de simulação Geração de números

Leia mais

Modelagem e Simulação Material 02 Projeto de Simulação

Modelagem e Simulação Material 02 Projeto de Simulação Modelagem e Simulação Material 02 Projeto de Simulação Prof. Simão Sirineo Toscani Projeto de Simulação Revisão de conceitos básicos Processo de simulação Etapas de projeto Cuidados nos projetos de simulação

Leia mais

Simulação de Evento Discreto

Simulação de Evento Discreto Simulação de Evento Discreto Simulação de evento discreto As variáveis de estado modificam-se apenas pela ocorrência de eventos Os eventos ocorrem instantaneamente em pontos separados no tempo São simulados

Leia mais

Índice de conteúdos. Índice de conteúdos. Capítulo 6. Modelação e Simulação de Sistemas...1. 1.A simulação de sistemas...1. 1.1.Definição...

Índice de conteúdos. Índice de conteúdos. Capítulo 6. Modelação e Simulação de Sistemas...1. 1.A simulação de sistemas...1. 1.1.Definição... Índice de conteúdos Índice de conteúdos Capítulo 6. Modelação e Simulação de Sistemas...1 1.A simulação de sistemas...1 1.1.Definição...1 1.2.As razões de usar modelos de simulação...2 2.Modelos de simulação...4

Leia mais

O modelo está dividido em três componentes ou módulos principais: Apresentamos, a seguir, um fluxograma simplificado do sistema do modelo UTCS-1:

O modelo está dividido em três componentes ou módulos principais: Apresentamos, a seguir, um fluxograma simplificado do sistema do modelo UTCS-1: SP 24/11/79 NT 049/79 Modelo de Simulação de tráfego Urbano UTCS 1 Eng.º Sérgio Michel Sola Introdução Um modelo desenvolvido pela Federal Highway Administration (FHWA) no início da década de 70, denominado

Leia mais

Probabilidade. Distribuição Exponencial

Probabilidade. Distribuição Exponencial Probabilidade Distribuição Exponencial Aplicação Aplicada nos casos onde queremos analisar o espaço ou intervalo de acontecimento de um evento; Na distribuição de Poisson estimativa da quantidade de eventos

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE

DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DE PROBABILIDADE i1 Introdução Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Há dois tipos

Leia mais

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado,

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado, Capítulo 4 - Variáveis aleatórias e distribuições contínuas 4.1 Variáveis aleatórias contínuas. Função densidade de probabilidade 4.2 Valor esperado, variância e algumas das suas propriedades. Moda e quantis

Leia mais

MODELO DE AVALIAÇÃO EM PROJETOS DE INVESTIMENTO DE CAPITAL

MODELO DE AVALIAÇÃO EM PROJETOS DE INVESTIMENTO DE CAPITAL MODELO DE AVALIAÇÃO EM PROJETOS DE INVESTIMENTO DE CAPITAL Marcelo Maciel Monteiro Universidade Federal Fluminense, Engenharia de Produção Rua Martins Torres 296, Santa Rosa, Niterói, RJ, Cep 24240-700

Leia mais

Avaliação de Desempenho de Sistemas. Conceitos Básicos de Sistemas e Modelos

Avaliação de Desempenho de Sistemas. Conceitos Básicos de Sistemas e Modelos Avaliação de Desempenho de Sistemas Conceitos Básicos de Sistemas e Modelos O que é Desempenho? Webster s? The manner in which a mechanism performs. Aurélio: Conjunto de características ou de possibilidades

Leia mais

3 Método de Monte Carlo

3 Método de Monte Carlo 25 3 Método de Monte Carlo 3.1 Definição Em 1946 o matemático Stanislaw Ulam durante um jogo de paciência tentou calcular as probabilidades de sucesso de uma determinada jogada utilizando a tradicional

Leia mais

)HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR

)HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR 6LPXODomR GH6LVWHPDV )HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR #5,6. Simulador voltado para análise de risco financeiro 3RQWRV IRUWHV Fácil de usar. Funciona integrado a ferramentas já bastante conhecidas,

Leia mais

Aula 04 Método de Monte Carlo aplicado a análise de incertezas. Aula 04 Prof. Valner Brusamarello

Aula 04 Método de Monte Carlo aplicado a análise de incertezas. Aula 04 Prof. Valner Brusamarello Aula 04 Método de Monte Carlo aplicado a análise de incertezas Aula 04 Prof. Valner Brusamarello Incerteza - GUM O Guia para a Expressão da Incerteza de Medição (GUM) estabelece regras gerais para avaliar

Leia mais

Diagrama de entidades relacionamentos (abordado anteriormente) Diagrama de Fluxo de Dados (DFD)

Diagrama de entidades relacionamentos (abordado anteriormente) Diagrama de Fluxo de Dados (DFD) Diagrama de entidades relacionamentos (abordado anteriormente) Prod_Forn N N 1 Stock 1 1 N Prod_Enc N 1 N 1 Fornecedor Movimento Encomenda Diagrama de Fluxo de Dados (DFD) Ferramenta de modelação gráfica,

Leia mais

IV.4 Análise de Dados da Avaliação

IV.4 Análise de Dados da Avaliação Melhor e Pior? IV - Avaliação IV.4 Análise de Dados da Avaliação Interactive System Design, Cap. 10, William Newman IV.4 Análise de Dados da Avaliação 2 Melhor e Pior? Resumo Aula Anterior! Avaliação com

Leia mais

Modelagem e Simulação

Modelagem e Simulação AULA 11 EPR-201 Modelagem e Simulação Modelagem Processo de construção de um modelo; Capacitar o pesquisador para prever o efeito de mudanças no sistema; Deve ser próximo da realidade; Não deve ser complexo.

Leia mais

Tolerância a Faltas. 8/28/2003 José Alves Marques. Sistema Computacional

Tolerância a Faltas. 8/28/2003 José Alves Marques. Sistema Computacional Tolerância a Faltas Sistema Computacional Sistema computacional: Formado por um conjunto de componentes internas Contém um estado interno Está sujeito a um conjunto de entradas, ou estímulos externos Tem

Leia mais

Exercícios. Exercício 1

Exercícios. Exercício 1 Exercícios Exercício 1 Considere um sistema de processamento com os seguintes tempos entre chegadas de tarefas: Tempo entre Chegadas (horas) Probabilidade 0 0.23 1 0.37 2 0.28 3 0.12 Os tempos de processamento

Leia mais

Probabilidade. Distribuição Exponencial

Probabilidade. Distribuição Exponencial Probabilidade Distribuição Exponencial Aplicação Aplicada nos casos onde queremos analisar o espaço ou intervalo de acontecimento de um evento; Na distribuição de Poisson estimativa da quantidade de eventos

Leia mais

6 Construção de Cenários

6 Construção de Cenários 6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.

Leia mais

Replicação de servidores

Replicação de servidores Arquiteturas Tolerantes a faltas em Sistemas Distribuídos Replicação de servidores Replicação: que benefícios nos dá? 1) Melhor desempenho e escalabilidade Replicar serviços permite que algumas operações

Leia mais

3. Engenharia de Requisitos

3. Engenharia de Requisitos Engenharia de Software 3. Engenharia de Requisitos Nuno Miguel Gil Fonseca nuno.fonseca@estgoh.ipc.pt Fases do desenvolvimento de software que mais erros originam (fonte: "Software Testing", Ron Patton)

Leia mais

Data de adopção. Referência Título / Campo de Aplicação Emissor. Observações

Data de adopção. Referência Título / Campo de Aplicação Emissor. Observações NP ISO 10001:2008 Gestão da qualidade. Satisfação do cliente. Linhas de orientação relativas aos códigos de conduta das organizações CT 80 2008 NP ISO 10002:2007 Gestão da qualidade. Satisfação dos clientes.

Leia mais

Classificação: Determinístico

Classificação: Determinístico Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ Da mesma forma que sistemas os modelos de simulação podem ser classificados de várias formas. O mais usual é classificar os modelos

Leia mais

Capítulo 1. Introdução

Capítulo 1. Introdução Capítulo 1 Introdução 1.1. Enquadramento geral O termo job shop é utilizado para designar o tipo de processo onde é produzido um elevado número de artigos diferentes, normalmente em pequenas quantidades

Leia mais

Avaliação de Desempenho

Avaliação de Desempenho Avaliação de Desempenho Aulas passadas Modelagem de sistemas via cadeias de Markov Aula de hoje Introdução à simulação Gerando números pseudo-aleatórios 1 O Ciclo de Modelagem Sistema real Criação do Modelo

Leia mais

Sistemas Distribuídos: Conceitos e Projeto Introdução a Tolerância a Falhas

Sistemas Distribuídos: Conceitos e Projeto Introdução a Tolerância a Falhas Sistemas Distribuídos: Conceitos e Projeto Introdução a Tolerância a Falhas Francisco José da Silva e Silva Laboratório de Sistemas Distribuídos (LSD) Departamento de Informática / UFMA http://www.lsd.ufma.br

Leia mais

A MATEMÁTICA NO ENSINO SUPERIOR POLICIAL 1

A MATEMÁTICA NO ENSINO SUPERIOR POLICIAL 1 A MATEMÁTICA NO ENSINO SUPERIOR POLICIAL 1 A IMPORTÂNCIA DA MATEMÁTICA O desenvolvimento das sociedades tem sido também materializado por um progresso acentuado no plano científico e nos diversos domínios

Leia mais

Instalações Máquinas Equipamentos Pessoal de produção

Instalações Máquinas Equipamentos Pessoal de produção Fascículo 6 Arranjo físico e fluxo O arranjo físico (em inglês layout) de uma operação produtiva preocupa-se com o posicionamento dos recursos de transformação. Isto é, definir onde colocar: Instalações

Leia mais

Conceitos Iniciais Parte 1

Conceitos Iniciais Parte 1 Módulo SIMULAÇÃO Conceitos Iniciais Parte O que pode ser simulado? Sistema de manufatura com máquinas, pessoas, rede de transporte, correias transportadoras e espaço para armazenamento; Agências bancárias

Leia mais

SAD orientado a MODELO

SAD orientado a MODELO Universidade do Contestado Campus Concórdia Curso de Sistemas de Informação Prof.: Maico Petry SAD orientado a MODELO DISCIPLINA: Sistemas de Apoio a Decisão SAD Orientado a Modelo De acordo com ALTER

Leia mais

Engenharia de Software Sistemas Distribuídos. 2º Semestre, 2007/2008. Departamento Engenharia Informática. Enunciado do projecto: Loja Virtual

Engenharia de Software Sistemas Distribuídos. 2º Semestre, 2007/2008. Departamento Engenharia Informática. Enunciado do projecto: Loja Virtual Engenharia de Software Sistemas Distribuídos 2º Semestre, 2007/2008 Departamento Engenharia Informática Enunciado do projecto: Loja Virtual Fevereiro de 2008 Índice Índice...2 Índice de Figuras...3 1 Introdução...4

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.

Leia mais

Curso Técnico Superior Profissional em Desenvolvimento Web

Curso Técnico Superior Profissional em Desenvolvimento Web Curso Técnico Superior Profissional em Desenvolvimento Web PROVA DE AVALIAÇÃO DE CAPACIDADE REFERENCIAL DE CONHECIMENTOS E APTIDÕES Áreas relevantes para o curso de acordo com o n.º 4 do art.º 11.º do

Leia mais

PHC Workflow CS. O controlo e a automatização de processos internos

PHC Workflow CS. O controlo e a automatização de processos internos PHC Workflow CS O controlo e a automatização de processos internos A solução que permite que um conjunto de acções a executar siga uma ordem pré-definida, de acordo com as normas da empresa, aumentando

Leia mais

1. Objectivo Durante uma experiência, medem-se certas variáveis, ex.: concentrações, pressões, temperaturas,

1. Objectivo Durante uma experiência, medem-se certas variáveis, ex.: concentrações, pressões, temperaturas, MODELAÇÃO E DETERMINAÇÃO DE PARÂMETROS CINÉTICOS FILIPE GAMA FREIRE 1. Objectivo Durante uma experiência, medem-se certas variáveis, ex.: concentrações, pressões, temperaturas, etc. a que chamaremos y

Leia mais

Software comercial para planeamento da distribuição

Software comercial para planeamento da distribuição Software comercial para planeamento da distribuição Existe uma grande variedade de software comercial para planeamento e análise de sistemas eléctricos de distribuição (ver tabela). Muitas das empresas

Leia mais

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico

Leia mais

Requisitos de Software. Requisitos de Software. Requisitos de Software. Requisitos de Software. Requisitos de Software. Requisitos de Software

Requisitos de Software. Requisitos de Software. Requisitos de Software. Requisitos de Software. Requisitos de Software. Requisitos de Software INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO RIO GRANDE DO NORTE Curso Técnico em Informática ENGENHARIA DE SOFTWARE Prof.: Clayton Maciel Costa clayton.maciel@ifrn.edu.br Clayton Maciel Costa

Leia mais

Análise de Variância com dois ou mais factores - planeamento factorial

Análise de Variância com dois ou mais factores - planeamento factorial Análise de Variância com dois ou mais factores - planeamento factorial Em muitas experiências interessa estudar o efeito de mais do que um factor sobre uma variável de interesse. Quando uma experiência

Leia mais

Universidade Gama Filho Campus Piedade Departamento de Engenharia de Controle e Automação

Universidade Gama Filho Campus Piedade Departamento de Engenharia de Controle e Automação Universidade Gama Filho Campus Piedade Departamento de Engenharia de Controle e Automação Laboratório da Disciplina CTA-147 Controle I Análise da Resposta Transitória (Este laboratório foi uma adaptação

Leia mais

possibilidade de obter grande quantidade de informação a baixo custo por consumidor

possibilidade de obter grande quantidade de informação a baixo custo por consumidor 333 escolha do local para realizar teste local pode influenciar resultados localização amostragem percepção sensorial podem ocorrer diferenças para um mesmo produto, em diferentes locais, devido a: diferenças

Leia mais

03.05.11 SIMULAÇÃO. Arq. Giovanna Ronzani Borille, M.Sc. (ronzani@ita.br)

03.05.11 SIMULAÇÃO. Arq. Giovanna Ronzani Borille, M.Sc. (ronzani@ita.br) 03.05.11 SIMULAÇÃO Arq. Giovanna Ronzani Borille, M.Sc. (ronzani@ita.br) roteiro da aula TEORIA PRÁTICA LAB conceitos Algumas definições SIMULAÇÃO: técnica de solução de um problema análise de um modelo

Leia mais

TEORIA DO RISCO. LUIZ SANTOS / MAICKEL BATISTA economia.prof.luiz@hotmail.com maickel_ewerson@hotmail.com

TEORIA DO RISCO. LUIZ SANTOS / MAICKEL BATISTA economia.prof.luiz@hotmail.com maickel_ewerson@hotmail.com TEORIA DO RISCO LUIZ SANTOS / MAICKEL BATISTA economia.prof.luiz@hotmail.com maickel_ewerson@hotmail.com 1 TARIFAÇÃO (FERREIRA, 2002) Diversos conceitos e metodologias envolvidos no cálculo do preço pago

Leia mais

Resolução de Problemas Com Procura. Capítulo 3

Resolução de Problemas Com Procura. Capítulo 3 Resolução de Problemas Com Procura Capítulo 3 Sumário Agentes que resolvem problemas Tipos de problemas Formulação de problemas Exemplos de problemas Algoritmos de procura básicos Eliminação de estados

Leia mais

'DGRVGH(QWUDGD SDUD D6LPXODomR

'DGRVGH(QWUDGD SDUD D6LPXODomR 6LPXODomR GH6LVWHPDV 'DGRVGH(QWUDGD SDUD D6LPXODomR,1387 'DGRVGH(QWUDGD SDUD D6LPXODomR 3URSyVLWRReproduzir o comportamento aleatório / estocástico do sistema real dentro do modelo de simulação. *$5%$*(,1*$5%$*(287

Leia mais

Timer e serviços do Timer

Timer e serviços do Timer Como é que se justifica a utilização de temporizadores em sistemas embebido e em tempo-real? 1. Nestes sistemas, tarefas do sistema e do utilizador fazem escalonamento e execução de actividades após decorrer

Leia mais

Simulação evita erros!!! 07/04/2008. Definições de Simulação

Simulação evita erros!!! 07/04/2008. Definições de Simulação Definições de Simulação Simulação e otimização na logística: melhorando a qualidade e a produtividade de forma rápida e eficaz. São técnicas que usam computadores para imitar ou simular diversos tipos

Leia mais

Sistemas Distribuídos. Aleardo Manacero Jr.

Sistemas Distribuídos. Aleardo Manacero Jr. Sistemas Distribuídos Aleardo Manacero Jr. Conteúdo Conceitos fundamentais Estratégias de controle: relógios e algoritmos de sincronismo Serviços: arquivos e memória Corba Processamento distribuído Sistemas

Leia mais

ActivALEA. active e actualize a sua literacia

ActivALEA. active e actualize a sua literacia ActivALEA active e actualize a sua literacia N.º 25 HIISTOGRAMA Por: Maria Eugénia Graça Martins Departamento de Estatística e Investigação Operacional da FCUL memartins@fc.ul.pt Emília Oliveira Escola

Leia mais

Informática. Conceitos Básicos. Informação e Sistemas de Informação. Aula 3. Introdução aos Sistemas

Informática. Conceitos Básicos. Informação e Sistemas de Informação. Aula 3. Introdução aos Sistemas Informática Aula 3 Conceitos Básicos. Informação e Sistemas de Informação Comunicação Empresarial 2º Ano Ano lectivo 2003-2004 Introdução aos Sistemas A Teoria dos Sistemas proporciona um meio poderoso

Leia mais

Análise de Regressão. Tópicos Avançados em Avaliação de Desempenho. Cleber Moura Edson Samuel Jr

Análise de Regressão. Tópicos Avançados em Avaliação de Desempenho. Cleber Moura Edson Samuel Jr Análise de Regressão Tópicos Avançados em Avaliação de Desempenho Cleber Moura Edson Samuel Jr Agenda Introdução Passos para Realização da Análise Modelos para Análise de Regressão Regressão Linear Simples

Leia mais

IBM SmartCloud para Social Business. Manual do Utilizador do IBM SmartCloud Engage e IBM SmartCloud Connections

IBM SmartCloud para Social Business. Manual do Utilizador do IBM SmartCloud Engage e IBM SmartCloud Connections IBM SmartCloud para Social Business Manual do Utilizador do IBM SmartCloud Engage e IBM SmartCloud Connections IBM SmartCloud para Social Business Manual do Utilizador do IBM SmartCloud Engage e IBM SmartCloud

Leia mais

2. Método de Monte Carlo

2. Método de Monte Carlo 2. Método de Monte Carlo O método de Monte Carlo é uma denominação genérica tendo em comum o uso de variáveis aleatórias para resolver, via simulação numérica, uma variada gama de problemas matemáticos.

Leia mais

AULAS 04 E 05 Estatísticas Descritivas

AULAS 04 E 05 Estatísticas Descritivas 1 AULAS 04 E 05 Estatísticas Descritivas Ernesto F. L. Amaral 19 e 28 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

3. Características amostrais. Medidas de localização e dispersão

3. Características amostrais. Medidas de localização e dispersão Estatística Descritiva com Excel Complementos. 77 3. Características amostrais. Medidas de localização e dispersão 3.1- Introdução No módulo de Estatística foram apresentadas as medidas ou estatísticas

Leia mais

MODELAGEM E SIMULAÇÃO

MODELAGEM E SIMULAÇÃO MODELAGEM E SIMULAÇÃO Professor: Dr. Edwin B. Mitacc Meza edwin@engenharia-puro.com.br www.engenharia-puro.com.br/edwin Terminologia Básica Utilizada em de Sistemas Terminologia Básica Uma série de termos

Leia mais

Geração de variáveis aleatórias

Geração de variáveis aleatórias Geração de variáveis aleatórias Danilo Oliveira, Matheus Torquato Centro de Informática Universidade Federal de Pernambuco 5 de setembro de 2012 Danilo Oliveira, Matheus Torquato () 5 de setembro de 2012

Leia mais

Performance Ratio. Conteúdo. Factor de qualidade para o sistema fotovoltaico

Performance Ratio. Conteúdo. Factor de qualidade para o sistema fotovoltaico Performance Ratio Factor de qualidade para o sistema fotovoltaico Conteúdo A Performance Ratio é uma das unidades de medida mais importantes para a avaliação da eficiência de um sistema fotovoltaico. Mais

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ UFPR Bacharelado em Ciência da Computação

UNIVERSIDADE FEDERAL DO PARANÁ UFPR Bacharelado em Ciência da Computação SOFT DISCIPLINA: Engenharia de software AULA NÚMERO: 08 DATA: / / PROFESSOR: Andrey APRESENTAÇÃO O objetivo desta aula é apresentar e discutir conceitos relacionados a modelos e especificações. Nesta aula

Leia mais

2 Independência e dependência das taxas de juro

2 Independência e dependência das taxas de juro 1 Incerteza e juro aleatório Considere-se o intervalo [0, n], o tempo medido em anos, e a partição [0, 1], (1, 2],..., (n 1, 1] e suponha-se que no início do ano t são aplicadas C t unidades de capital,

Leia mais

Grande parte dos planejadores

Grande parte dos planejadores ARTIGO Fotos: Divulgação Decidindo com o apoio integrado de simulação e otimização Oscar Porto e Marcelo Moretti Fioroni O processo de tomada de decisão Grande parte dos planejadores das empresas ainda

Leia mais

Interrupções. As interrupções são casos especiais de chamadas de procedimentos.

Interrupções. As interrupções são casos especiais de chamadas de procedimentos. Interrupções Uma interrupção é equivalente a uma chamada de procedimento. A chamada é equivalente a um CALL gerado pela execução de uma instrução. As interrupções são casos especiais de chamadas de procedimentos.

Leia mais

Gestão de Configurações II

Gestão de Configurações II Gestão de Configurações II Bibliografia Livro: Software Configuration Management Patterns: Effective Teamwork, Practical Integration Gestão de Projecto 14 Padrões de Gestão Os padrões de gestão de configurações

Leia mais

Revisão da Literatura Tema 2. Mestranda: Arléte Kelm Wiesner

Revisão da Literatura Tema 2. Mestranda: Arléte Kelm Wiesner Revisão da Literatura Tema 2 Mestranda: Arléte Kelm Wiesner Sistema Termo utilizado em muitas situações Prado (2014) afirma que: Sistema é uma agregação de objetos que têm alguma interação ou interdependência.

Leia mais

Exemplo de Exame de Gestão da Produção e das Operações

Exemplo de Exame de Gestão da Produção e das Operações Exemplo de Exame de Gestão da Produção e das Operações A. Resolva os seguintes problemas (8 valores) 1. Uma determinada empresa faz a lavagem de cisternas rodoviárias na zona norte do País. Com equipamento

Leia mais

Investigação experimental

Investigação experimental Investigação experimental Aproximação positivista Experiências laboratoriais: identificação de relações exactas entre as variáveis escolhidas num ambiente controlado (laboratório) através do uso de técnicas

Leia mais

Matemática Aplicada às Ciências Sociais

Matemática Aplicada às Ciências Sociais DEPARTAMENTO DE MATEMÁTICA Matemática Aplicada às Ciências Sociais Ensino Regular Curso Geral de Ciências Sociais e Humanas 10º Ano Planificação 2014/2015 Índice Finalidades... 2 Objectivos e competências

Leia mais

Manual CallCenter para a IPBrick

Manual CallCenter para a IPBrick Manual CallCenter para a IPBrick iportalmais 1 de Outubro de 2010 1 1 Introdução As empresas usam call centers como forma de interagir e de construir relações com os seus clientes. Consciente da importância

Leia mais

Simulação Computacional de Sistemas, ou simplesmente Simulação

Simulação Computacional de Sistemas, ou simplesmente Simulação Simulação Computacional de Sistemas, ou simplesmente Simulação Utilização de métodos matemáticos & estatísticos em programas computacionais visando imitar o comportamento de algum processo do mundo real.

Leia mais

4 Arquitetura básica de um analisador de elementos de redes

4 Arquitetura básica de um analisador de elementos de redes 4 Arquitetura básica de um analisador de elementos de redes Neste capítulo é apresentado o desenvolvimento de um dispositivo analisador de redes e de elementos de redes, utilizando tecnologia FPGA. Conforme

Leia mais

Logística e Gestão da Distribuição

Logística e Gestão da Distribuição Logística e Gestão da Distribuição Depositos e política de localização (Porto, 1995) Luís Manuel Borges Gouveia 1 1 Depositos e politica de localização necessidade de considerar qual o papel dos depositos

Leia mais

ORIENTAÇÃO SOBRE PRINCÍPIOS DE AUDITORIA NP EN ISO 19011:2003. Celeste Bento João Carlos Dória Novembro de 2008

ORIENTAÇÃO SOBRE PRINCÍPIOS DE AUDITORIA NP EN ISO 19011:2003. Celeste Bento João Carlos Dória Novembro de 2008 ORIENTAÇÃO SOBRE PRINCÍPIOS DE AUDITORIA NP EN ISO 19011:2003 Celeste Bento João Carlos Dória Novembro de 2008 1 SISTEMÁTICA DE AUDITORIA - 1 1 - Início da 4 - Execução da 2 - Condução da revisão dos documentos

Leia mais

Introdução a Avaliação de Desempenho

Introdução a Avaliação de Desempenho Introdução a Avaliação de Desempenho Avaliar é pronunciar-se sobre as características de um certo sistema. Dado um sistema real qualquer, uma avaliação deste sistema pode ser caracterizada por toda e qualquer

Leia mais

Notas da Aula 6 - Fundamentos de Sistemas Operacionais

Notas da Aula 6 - Fundamentos de Sistemas Operacionais 1. Monitores Notas da Aula 6 - Fundamentos de Sistemas Operacionais Embora os semáforos sejam uma boa solução para o problema da exclusão mútua, sua utilização não é trivial. O programador é obrigado a

Leia mais

CIRCUITOS E SISTEMAS ELECTRÓNICOS

CIRCUITOS E SISTEMAS ELECTRÓNICOS INSTITUTO SUPERIOR DE CIÊNCIAS DO TRABALHO E DA EMPRESA Enunciado do 2º Trabalho de Laboratório CIRCUITOS E SISTEMAS ELECTRÓNICOS MODELAÇÃO E SIMULAÇÃO DE CIRCUITOS DE CONVERSÃO ANALÓGICO-DIGITAL E DIGITAL-ANALÓGICO

Leia mais

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. 1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3

Leia mais

2005 José Miquel Cabeças

2005 José Miquel Cabeças Dimensionamento de linhas de produção 1 - INTRODUÇÃO A fabricação de elevado volume de produção é frequentemente caracterizada pela utilização de linhas de montagem e fabricação. O balanceamento de linhas

Leia mais

Técnicas e Instrumentos Utilizados na Pesquisa Científica Cavalcanti

Técnicas e Instrumentos Utilizados na Pesquisa Científica Cavalcanti Técnicas e Instrumentos Utilizados na Pesquisa Científica Técnicas de Pesquisa Técnica: Conjunto de preceitos ou processos de que se serve uma ciência. Toda ciência utiliza inúmeras técnicas na obtenção

Leia mais

Dispositivo que de alguma maneira descreve o comportamento do sistema

Dispositivo que de alguma maneira descreve o comportamento do sistema Sistema: Conceito primitivo (intuitivo) Tentativas de definição: Agregação ou montagem de coisas, combinadas pelo homem ou pela natureza de modo a formar um todo unificado. Grupo de itens interdependente

Leia mais

Gestão da Produção Planeamento

Gestão da Produção Planeamento Planeamento José Cruz Filipe IST / ISCTE / EGP JCFilipe Abril 2006 1 Tópicos O ciclo geral de planeamento O planeamento agregado O Director da Produção (PDP ou MPS) O Materials Requirement Planning (MRP)

Leia mais

EMENTAS DO CURSO SUPERIOR DE TECNOLOGIA EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS

EMENTAS DO CURSO SUPERIOR DE TECNOLOGIA EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS EMENTAS DO CURSO SUPERIOR DE TECNOLOGIA EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS INTRODUÇÃO À COMPUTAÇÃO 60 h 1º Evolução histórica dos computadores. Aspectos de hardware: conceitos básicos de CPU, memórias,

Leia mais

Objetivos. Processos de Software. Tópicos abordados. O processo de software. Modelos genéricos de modelos de processo de software.

Objetivos. Processos de Software. Tópicos abordados. O processo de software. Modelos genéricos de modelos de processo de software. Processos de Software Objetivos Apresentar os modelos de processo de software Conjunto coerente de atividades para especificar, projetar, implementar e testar s de software Descrever os diferentes modelos

Leia mais

ZS Rest. Manual Avançado. Instalação em Rede. v2011

ZS Rest. Manual Avançado. Instalação em Rede. v2011 Manual Avançado Instalação em Rede v2011 1 1. Índice 2. Introdução... 2 3. Hardware... 3 b) Servidor:... 3 c) Rede:... 3 d) Pontos de Venda... 4 4. SQL Server... 5 e) Configurar porta estática:... 5 5.

Leia mais

Bioestatística Aula 3

Bioestatística Aula 3 Aula 3 Castro Soares de Oliveira Probabilidade Probabilidade é o ramo da matemática que estuda fenômenos aleatórios. Probabilidade é uma medida que quantifica a sua incerteza frente a um possível acontecimento

Leia mais