Modelização do Sistema Produtivo Simulação
|
|
- Eliana Costa de Santarém
- 6 Há anos
- Visualizações:
Transcrição
1 Modelização do Sistema Produtivo Simulação Licenciatura em Engenharia Electrotécnica e de Computadores Gil M. Gonçalves gil@fe.up.pt 2004/2005 Génese Estatística, teoria da amostragem Análise probabilística de sistemas físicos complexos Utilização Análise, construção de protótipos, promoção de ideias Desenvolvimento, optimização e controlo de sistemas Treino e entretenimento Ferramenta poderosa de resolução de problemas Equivalente da experiência laboratorial 2
2 Passos de um estudo de simulação Definição do problema Recolha e análise de dados Construção do modelo Verificação e validação do modelo Experimentação e optimização do modelo Implementação dos resultados 3 Definição do problema Appropriate solutions to inappropriate formulated problems cannot be achieved Identificar problema Identificar variáveis de decisão e variáveis não controláveis Especificar restrições às variáveis de decisão Definir medidas de desempenho e função objectivo Desenvolver um modelo inicial (relação variáveis do sistema medidas de desempenho) Nice to have 4
3 Recolha e análise de dados Recolha de dados do sistema que estamos a estudar (Estimativas se não existe) Análise de dados (determinar fdp correspondentes) 5 Construção do modelo Compreender o sistema Identificar entidades Identificar variáveis de estado Identificar eventos Construir o modelo Desenvolver uma representação do programa a implementar Seleccionar a linguagem de programação (genérica ou específica) Determinar forma de gerar variáveis aleatórias Desenvolver e testar o programa 6
4 Verificação e validação do modelo Verificação Determinar a consistência interna do modelo Validação Determinar correspondência entre o modelo e o sistema real 7 Experimentação e optimização do modelo Determinar as respostas para o problema formulado Análise estática dos resultados obtidos (equilíbrio e final) Testes com o modelo (análise de alternativas para tomada de decisão) 8
5 Implementação de resultados Último passo: adopção das soluções escolhidas Problemas Dificuldade de comunicação Resistência à mudança... Envolver os interessados no estudo desde o início 9 Tipos de simulação Simulação de Monte Carlo Simulado um único evento, sendo gerados inumeras entradas aleatórias ao mesmo tempo que é registada a distribuição dos resultados Simulação Discreta Generalização do conceito de Monte Carlo para a simulação de sistemas cujo estado evolui ao longo do tempo como resultado de uma sequência de acontecimentos aleatórios Tempo passa de uma de duas formas: - Por incrementos fixos o tempo avança segundo a segundo (minuto a minuto, hora a hora, ou...) sendo modelizado o número de eventos que têm lugar nesse incremento de tempo como uma variável aleatória - Por eventos o tempo na simulação avança para o instante do próximo acontecimento de interesse, sendo o tempo entre acontecimentos modelizado como uma variável aleatória 10
6 Esquema de simulação por eventos Inicializa Estado x Lista de Eventos Programados Tempo t x Actualiza estado e 1 t 1 e 2 t t Actualiza tempo x Apaga n admissíveis Gerador Variáveis Aleatórias V k Adiciona admissíveis 11 Procedimento de simulação 1. Retirar o primeiro elemento ( e 1, t 1 ) da LISTA DE EVENTOS PROGRAMADOS 2. Actualizar TEMPO de simulação avançando para o instante t 1 de ocorrência do novo evento 3. Actualizar o estado de acordo com a função de transição de estado x = f( x, e 1 ) (ou p(x ; x, e )) Apagar da LISTA DE EVENTOS PROGRAMADOS as entradas que correspondem a eventos não admissíveis no novo estado Adicionar à lista LISTA DE EVENTOS PROGRAMADOS todos os eventos admissíveis ainda não programados. O instante de ocorrência desses eventos é (TIME + v i ) onde v i é o tempo de vida do evento gerado por um processo aleatório Reordenar a LISTA DE EVENTOS PROGRAMADOS actualizada 12
7 Exercício: Fila de Espera simples Tempo entre chegadas Y 1 = 0.4, Y 2 = 0.3, Y 3 = 0.4, Y 4 = 1.7, Y 5 = 1.7, Y 6 = 0.5, Y 7 = 0.9 Tempos de serviço Z 1 = 1.6, Z 2 = 0.5, Z 3 = 1.0, Z 4 = 0.3, Z 5 = 0.9 Estruturas TEMPO, ESTADO, LISTA DE EVENTOS PROGRAMADOS, TEMPO CHEGADA, TEMPO SERVIÇO a Fila Servidor Simule o sistema até este completar o processamento de 5 peças. Calcule o tempo médio de permanência no sistema. d 13 Construção do modelo de simulação Identificar acontecimentos relevantes (mudanças de estado) Identificar entidades (elementos que alteram o estado do sistema) Identificar filas de espera (espaços onde as entidades esperam) Diagramas de sequência Caracterização dos acontecimentos Relógio (motor) de simulação 14
8 Exemplo: Fila de espera c/ realimentação λ = r + p λ λ = r / (1 p) s = (1 p) λ s = r r + λ Buffer μ Máquina p (1-p) 15 Identificar acontecimentos (relevantes) 1. Chegada de peça (A1) 2. Início de serviço (A2) 3. Fim de serviço (A3) 4. Peça não conforme (A4) (reprocessamento) 5. Peça conforme (A5) (saída) Identificar entidades 1. Peças (clientes) (E1) 2. Máquina (servidor) (E2) Identificar filas de espera 1. Buffer de entrada (F1) (peças) 2. Máquina livre (F2) (fila lógica de servidores) 16
9 Diagrama de sequência Peças Máquina Chegada A1 F1 F2 Serviço A2 A3 Serviço A4 A5 17 Caracterização dos acontecimentos A1 1. Incrementa #F1 2. Se F2 > 0 marca A2 3. Gera próximo A1 A2 1. dec #F1 2. Se #F2 > 0 dec #F2 3. Gera próximo A3 A3 A4 A5 1. Se não conforme marca A4 senão marca A5 2. Se #F1 > 0 marca A2, senão inc #F2 1. inc #F1 2. Se #F2 > 0 marca A2 1. inc #saídas (2. propaga a jusante) 18
10 Relógio Controla a evolução do modelo de simulação Os acontecimentos futuros são ordenados (fila de espera lógica) por instante de ocorrência Gerar acontecimentos Distribuições através da distribuição uniforme e.g. distribuição de Poisson: (método da transformada inversa) t e = t + (- 1/λ ln(rand)) Estatísticas recolhidas Dados que permitem calcular medidas de desempenho pretendidas 19 Exemplo Q1 Q2 Q3 r 2,5 4 m p 0,15 20
11 Estruturas Q1 - Initial Status Indicators Queue Statistics Arrival Q1 0 - Next Number Arrived 0 Server Busy 0 Number Served 0 Status End Indicators Service 0 Queue Total Statistics Wait Time 0 Arrival Rework Q1 0- Current 0 Number Arrived Avg Wait Time 0,00 0 Server Busy Departure 0 0 Number Served Queue Length 0,00 0 Status End Indicators Service 0 Queue Total Wait Statistics Avg Time Queue Length 0,00 0 Arrival Rework Next 0 Event 0Time Number Avg Arrived Wait Max Time Queue 0Length 0,00 0 Server Busy Departure Arrival Number Served Queue Length 0 0,00 End Service End Service 0 0 Total Wait Avg Queue Time Length 0 0,00 Rework Next Event Time 0 Avg Wait Max Time Queue Length 0 0,00 Departure Arrival 0 0, Queue Length 0 End Service 1E+12 Avg Queue Length 0 Next Event Time Max Queue Length 0 Arrival 0 End Service 0 Mean Time Between Arrivals R #DIV/0! 21 Dinâmica Arrival Server Busy End Service Rework Departure Arrival End Service Status Indicators =IF(Tm_Nx=Q1_Tm_Arrival_Nx;1;0) =IF(Q1_Arrival_Nx=1;1;IF(AND(Q1_End_Nx=1;Q1_Length=0);0;Q1_Busy)) =IF(Tm_Nx=Q1_Tm_End_Nx;1;0) =IF(AND(Q1_End_Nx=1;RAND()<Q1_p);1;0) =IF(AND(Q1_End_Nx=1;Q1_Rework_Nx=0);1;0) Next Event Time =IF(OR(Q1_Tm_Arrival<=Tm);Tm+(-Q1_r*LN(RAND()));Q1_Tm_Arrival) =IF(Q1_Busy=0;10^12;IF(OR(Q1_Tm_End=10^12;Q1_End=1);Tm+(-Q1_Service*LN(RAND()));Q1_Tm_End)) Number Arrived Number Served Total Wait Time Avg Wait Time Queue Length Avg Queue Length Max Queue Length Queue Statistics =Q1_Arrived+Q1_Arrival_Nx+Q1_Rework_Nx =Q1_Served+Q1_End_Nx =Q1_Ttl_Tm+Q1_Length*(Tm_Nx-Tm) =IF(OR(Tm=0;Q1_Served=0);0;Q1_Ttl_Tm/Q1_Served) =Q1_Length+(Q1_Arrival_Nx*Q1_Busy)+(Q1_Rework_Nx*Q1_Busy)-((Q1_End_Nx*Q1_Length)<>0) =IF(Tm_Nx=0;0;Q1_Ttl_Tm/Tm_Nx) =MAX(Q1_Max_Length;Q1_Length_Nx) 22
12 Resultados Tempo de Simulação Q1 teóricos simulação r1 2,5 λ1 2,94 2,92 μ1 4 p 0,15 ρ1 74% 73% E[X] 2,78 2,02 E[W] 0,69 0,69 Q2 teóricos simulação r2 4 λ2 4,00 3,92 μ2 5 ρ2 80% 78% E[X] 4,00 1,53 E[W] 0,80 0,40 Q3 teóricos simulação λ3 6,50 6,26 μ3 10 ρ3 65% 63% E[X] 1,86 1,12 E[W] 0,19 0,18 23 Resultados Tempo de Simulação Q1 teóricos simulação r1 2,5 λ1 2,94 2,77 μ1 4 p 0,15 ρ1 74% 69% E[X] 2,78 1,80 E[W] 0,69 0,65 Q2 teóricos simulação r2 4 λ2 4,00 4,18 μ2 5 ρ2 80% 84% E[X] 4,00 2,68 E[W] 0,80 0,64 Q3 teóricos simulação λ3 6,50 6,54 μ3 10 ρ3 65% 65% E[X] 1,86 1,39 E[W] 0,19 0,21 24
13 Simulation tools 25 To probe further Cassandras, C.G. e S. LaFortune, Introduction to Discrete Event Systems, Kluwer Academic Publishers, Boston, Ross, Sheldon M., Simulation, Academic Press, San Diego,
Modelização do Sistema Produtivo Teoria das Filas de Espera
Modelização do Sistema Produtivo Teoria das Filas de Espera http://www.fe.up.pt/maspwww Licenciatura em Engenharia Electrotécnica e de Computadores Gil M. Gonçalves Gil.Goncalves@fe.up.pt 2004/2005 Outline
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Aula de hoje Geração de variáveis aleatórias: Transformada Inversa
Leia maisModelagem e Análise de Sistemas - COS767
Modelagem e Análise de Sistemas - COS767 Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Geração de variáveis aleatórias: método da transformada inversa Simulação
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Somas aleatórias Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Simulação de Sistemas Discretos É
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisCOMO FUNCIONA A SIMULAÇÃO
COMO FUNCIONA A SIMULAÇÃO Capítulo 2 - Aula 3 1 Terminologia Básica Variáveis de Estado Eventos Entidades e Atributos Recursos e Filas de Recursos Atividades e Períodos de Espera Tempo (Real) Simulado
Leia maisCOMO FUNCIONA A SIMULAÇÃO
COMO FUNCIONA A SIMULAÇÃO Capítulo 2 - Aula 3 1 Terminologia Básica Ver capítulo 2 da referência 1 Variáveis de Estado Eventos Entidades e Atributos Recursos e Filas de Recursos Atividades e Períodos de
Leia maisModelagem e Análise de Sistemas de Computação Aula 20
Modelagem e Análise de Sistemas de Computação Aula 20 Aula passada Lei dos grandes números Calculando integrais Gerando outras distribuições Método da transformada inversa Aula de hoje Simulando uma fila
Leia maisAplicação. Controlo Óptimas. 23º Seminário de Engenharia Mecânica - 4 Junho de Nuno Manuel R. S. Órfão
Aplicação de Cadeias de Markov em Redes de Filas de Espera Políticas de Controlo Óptimas 23º Seminário de Engenharia Mecânica - 4 Junho de 2003 - Nuno Manuel R. S. Órfão nmorfao@estg.ipleiria.pt 1 Sumário
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Função Distribuição Condicional Calculando Probabilidades condicionando Esperança Condicional Aula de hoje Análise de Comandos de Programação
Leia maisSimulação e Modelagem
Simulação e Modelagem Prof. Afonso C Medina Prof. Leonardo Chwif Versão. 6//6 Introdução Definição A Simulação como ferramenta de suporte à decisão Quando utilizar a Teoria das Filas ou a Simulação? O
Leia maisAvaliação 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 maisFunções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
Leia maisAula 5. Como gerar amostras de uma distribuição qualquer a partir de sua CDF e de um gerador de números aleatórios?
Aula 5 Como gerar amostras de uma distribuição qualquer a partir de sua CDF e de um gerador de números aleatórios? Processo de chegada: o Chegadas em grupo ocorrem segundo um processo Poisson com taxa.
Leia maisModelagem e Análise de Sistemas de Computação Aula 19
Modelagem e Análise de Sistemas de Computação Aula 19 Aula passada Intro a simulação Gerando números pseudo-aleatórios Aula de hoje Lei dos grandes números Calculando integrais Gerando outras distribuições
Leia maisAmbiente Arena Tutorial. Paulo Cesar F. de Oliveira, BSc, PhD
Ambiente Arena Tutorial Paulo Cesar F. de Oliveira, BSc, PhD Terminologia Variável de Estado Evento Recurso e Fila de Recurso Entidade Atributo Atividade e Período de Espera Tempo (Real) Simulado e Tempo
Leia maisDepartamento de Matemática da Universidade de Coimbra 2011/2012 Programação Orientada para os Objectos Projecto 2
Departamento de Matemática da Universidade de Coimbra 2011/2012 Programação Orientada para os Objectos Projecto 2 Simulador de um Sistema de Filas de Espera Descrição Sumária: Uma empresa proprietária
Leia maisSimulação estocástica discreta
Simulação estocástica discreta Apoio ao projecto LEEC@IST Simulação estocástica discreta : 1/31 Introdução (1) Existem diversos tipos de simulação de sistemas: Simulação analógica: com modelos físicos,
Leia maisSumário. Redes de Petri (RdP) Petri Nets. Áreas de Aplicação. História. Armando Jorge Miranda de Sousa
Redes de Petri (RdP) Petri Nets Armando Jorge Miranda de Sousa Sumário Apresentação: notação gráfica inc. marcação Concorrência, conflito e confusão Sincronização e recursos críticos Extensões de RdP Arcos,
Leia maisINTRODUÇÃO À TEORIA DAS FILAS
INTRODUÇÃO À TEORIA DAS FILAS Uma fila é caracterizada por: Processo de chegada dos fregueses à fila Tempo de serviço dedicado pelo servidor a cada freguês Número de servidores Espaço disponível para espera
Leia maisRedes de Petri (RdP) Petri Nets
Sumário Redes de Petri (RdP) Petri Nets Armando Jorge Sousa Versão 11, 15 Dez 2005 Apresentação: notação gráfica inc. marcação Concorrência, conflito e confusão Sincronização e recursos críticos Extensões
Leia maisInvestigação Operacional
Mestrado Integrado em Engenharia Electrotécnica e de Computadores Investigação Operacional 2010.02.05 Prova com consulta Alunos admitidos a exame com avaliação contínua Duração: 2h30 A programação internacional
Leia maisACH Introdução à Estatística Conteúdo Teórico: 12 - Simulação
ACH2053 - Introdução à Estatística Conteúdo Teórico: Marcelo S. Lauretto Referências: Morris DeGroot, Mark Schervish. Probability and Statistics. 4th Ed. - 4o capítulo Ilya M. Sobol. A Primer for the Monte
Leia maisSimulação de Sistemas
Simulação de Sistemas Daniel Sadoc Menasche e Paulo Aguiar 2012 1/1 Como analisar um sistema? sistema modelo emulador solucão analítica simulador medidas de interesse 2/1 Por que simular? Quando resolver
Leia maisCatarina Marques. Estatística II Licenciatura em Gestão. Conceitos: População, Unidade Estatística e Amostra
Amostragem Estatística II Licenciatura em Gestão 1 Conceitos: População, Unidade Estatística e Amostra População (ou Universo) dimensão N Conjunto de unidades com uma ou mais características comuns População
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ Dentre a grande variedade de sistemas que podem ser modelados e para os quais a simulação pode ser aplicada com proveito, uma classe
Leia maisSimulação com Modelos Teóricos de Probabilidade
Simulação com Modelos Teóricos de Probabilidade p. 1/21 Algumas distribuições teóricas apresentam certas características que permitem uma descrição correta de variáveis muito comuns em processos de simulação.
Leia maisAvaliação de Desempenho
Avaliação de Desempenho Aula passada Métricas, Técnicas, Erros Aula de hoje Conceitos importantes de probabilidade Como fazer a análise de desempenho? Modelos Matemáticos Modelos de Simulação Como fazer
Leia maisSimulação a Eventos Discretos. Fernando Nogueira Simulação 1
Simulação a s Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Simulação de Sistemas Simulação é a técnica de solução de um problema pela análise de
Leia maisNoções de Processos Estocásticos e Cadeias de Markov
Noções de Processos Estocásticos e Cadeias de Markov Processo Estocástico Definição: Processo Estocástico é uma coleção de variáveis aleatórias indexadas por um parâmetro t R (entendido como tempo). X={
Leia maisFernando Nogueira Simulação 1
Simulação a Eventos Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos
Leia maisNoções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Leia maisIntrodução à Programação Estruturada Parte 2. Material da Prof. Ana Eliza
Introdução à Programação Estruturada Parte 2 Material da Prof. Ana Eliza programa Passo 1: Definir o problema O que fazer? Passo 2: Especificar a solução Como fazer? Passo 3: Codificar a solução Passo
Leia maisS I M U L A Ç Ã O 84
S I M U L A Ç Ã O 84 - 1 - Elabore uma rotina que lhe permita gerar números pseudo-aleatórios (NPA) com distribuição X ( f X ( x ) representa a função de densidade de probabilidade de X e F X ( x ) representa
Leia maisModelos Probabilísticos Filas M/M/1, M/G/1. Profa. Jussara M. Almeida 1 o Semestre de 2014
Modelos Probabilísticos Filas M/M/1, M/G/1 Profa. Jussara M. Almeida 1 o Semestre de 2014 Modelos Probabilísticos de Filas R W S λ Notação de Kendall Fila G / G / 1 1 = um único servidor Distribuição dos
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Aula de hoje Geração de variáveis aleatórias: Transformada Inversa
Leia maisSSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 6 Sarita Mazzini Bruschi
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 6 Sarita Mazzini Bruschi Material
Leia maisModelação e Simulação de Sistemas - Tópicos Modelação e Simulação de Sistemas - Tópicos - A simulação de sistemas - Modelos de simulação - Propriedade
Modelação e Simulação de Sistemas - Tópicos Modelação e Simulação de Sistemas - Tópicos - A simulação de sistemas - Modelos de simulação - Propriedades dos modelos de simulação - Classificação dos modelos
Leia maisSCX5005 Simulação de Sistemas Complexos II. Problemas em Simulação
SCX5005 Simulação de Sistemas Complexos II Alguns Marcelo S. Lauretto Referências: Morris DeGroot, Mark Schervish. Probability and Statistics. 4th Ed. - 4o capítulo Ilya M. Sobol. A Primer for the Monte
Leia maisSSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 Sarita Mazzini Bruschi
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 Sarita Mazzini Bruschi Material
Leia maisANÁLISE DE RESULTADOS
ANÁLISE DE RESULTADOS Conteúdo 2 1. Planejamento de Experimentos 2. Introdução Medidas de Desempenho Análise Estatística dos Resultados Comparação de Resultados Procedimento para análise de resultados
Leia maisModelos Probabilísticos de Desempenho. Profa. Jussara M. Almeida 1º Semestre de 2014
Modelos Probabilísticos de Desempenho Profa. Jussara M. Almeida 1º Semestre de 2014 Modelos Probabilísticos Processos Estocásticos Processos de Poisson Filas M/M/1, M/G/1... Mais genericamente: modelos
Leia maisPLANEJAMENTO DE TRANSPORTES TT049
UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE TRANSPORTES PLANEJAMENTO DE TRANSPORTES TT049 Prof. Diego Fernandes Neris diego.neris@ufpr.br Filas: Problema mais comum na engenharia de transportes e de
Leia maisMétodos de Amostragem. Carla Varão Cláudia Batista Vânia Martinho
Métodos de Amostragem Carla Varão Cláudia Batista Vânia Martinho Objecto de interesse Objectivos finais da pesquisa Esquema Geral da Investigação Empírica Objecto teórico Enquadramento teórico Fases do
Leia mais1 Distribuições Discretas de Probabilidade
1 Distribuições Discretas de Probabilidade A distribuição discreta descreve quantidades aleatórias (dados de interesse) que podem assumir valores particulares e os valores são finitos. Por exemplo, uma
Leia maisProcessos de software
Processos de software 1 Processos de software Conjunto coerente de atividades para especificação, projeto, implementação e teste de sistemas de software. 2 Objetivos Introduzir modelos de processos de
Leia maisAvaliação de Desempenho de Sistemas
Avaliação de Desempenho de Sistemas Introdução à Teoria das Filas Prof. Othon Batista othonb@yahoo.com Notação de uma fila Para analisar um dado sistema é necessário a definição das seguintes características:
Leia maisMonte Carlo Method. Peter Frank Perroni. December 1, Monte Carlo Simulation
Monte Carlo Simulation December 1, 2015 Histórico Técnica muito antiga porém somente recentemente oficializado como método estatístico. Foi muito importante nas simulações da bomba desenvolvida no Projeto
Leia maisMo#vação. Objec#vo. Estudar uma abordagem de desenvolvimento de so9ware orientada pelos objectos. Linguagens usadas: UML (Unified Modeling Language)
Mo#vação Esta disciplina mostra como construir um bom alicerce para desenvolver so9ware orientado pelos objectos Ensina técnicas de análise e desenho para ajudar a produzir so9ware orientado pelos objectos
Leia maisLista de Exercícios - SCE131
Lista de Exercícios - SCE131 Prof. Eduardo F. Costa - ICMC - USP http://www.icmc.usp.br/ efcosta Parte 1 - Cadeia de Markov (a tempo discreto) Exercício 1. Seja uma cadeia de Markov com probabilidades
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 09
Teoria das Filas aplicadas a Sistemas Computacionais Aula 09 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisAlgoritmos e Estruturas de Dados II. Trabalho Prático 2
Algoritmos e Estruturas de Dados II Entrega: 01/10/09 Devolução: 22/10/08 Trabalho individual Prof. Jussara Marques de Almeida Trabalho Prático 2 Simulação é uma técnica muito utilizada para avaliação
Leia maisPNV-5005 MODELAGEM E ANÁLISE DE SISTEMAS INTERMODAIS DE TRANSPORTE UTILIZANDO TÉCNICAS DE SIMULAÇÃO
PNV-5005 MODELAGEM E ANÁLISE DE SISTEMAS INTERMODAIS DE TRANSPORTE UTILIZANDO TÉCNICAS DE SIMULAÇÃO Prof. Dr. Rui Carlos Botter e-mail: rcbotter@usp.br Março de 2015 Etapas de um projeto de simulação OBJETIVOS
Leia maisINE 5101 Simulação Discreta. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
INE 5101 Simulação Discreta 1 Objetivos do curso Ao final deste curso você deverá saber: O que é modelagem e simulação de sistemas; Como funcionam programas de simulação; Como utilizar corretamente uma
Leia maisSQL CREATE DATABASE. MySQL, SQL Server, Access, Oracle, Sybase, DB2, e outras base de dados utilizam o SQL.
LINGUAGEM SQL SQL CREATE DATABASE MySQL, SQL Server, Access, Oracle, Sybase, DB2, e outras base de dados utilizam o SQL. SQL CREATE TABLE SQL NOT NULL O valor NOT NULL obriga que o campo contenha sempre
Leia maisLaboratório 1-05/07/2018
Universidade Federal do ABC Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas Curso de Engenharia de Informação. ESTI020-18 - Teoria de Filas e Análise de Desempenho 2 o Quadrimestre de 2018
Leia maisMATRIZ DA PROVA DE EXAME
MATRIZ DA PROVA DE EXAME (AVALIAÇÃO DO REGIME NÃO PRESENCIAL E AVALIAÇÃO DE RECURSO) MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS - 11º ANO Módulos 4, 5 e 6 Duração da Prova 135 minutos Modalidade: Prova escrita
Leia maisAnálise dos Resultados da Simulação
Análise dos Resultados da Simulação Prof. Paulo José de Freitas Filho, Dr. Eng. Universidade Federal de Santa Catarina Dep. Informática e Estatística PerformanceLab freitas@inf.ufsc.br Tópicos Introdução
Leia maisModelização do Sistema Produtivo Modelos de Sistemas Discretos
Modelização do Sistema Produtivo Modelos de Sistemas Discretos http://www.fe.up.pt/maspwww Licenciatura em Engenharia Electrotécnica e de Computadores Gil M. Gonçalves gil@fe.up.pt 2004/2005 Outline Introdução
Leia maisAvaliação e Desempenho Aula 18
Avaliação e Desempenho Aula 18 Aula passada Fila com buffer finito Fila com buffer infinito Medidas de interesse: vazão, número médio de clientes na fila, taxa de perda. Aula de hoje Parâmetros de uma
Leia maisMODELO MARKOVIANO DE DECISÃO COM INFORMAÇÃO PARCIAL PARA OTIMIZAÇÃO DE UM SISTEMA DE FILAS MMPP/PH/c/N
MODELO MARKOVIANO DE DECISÃO COM INFORMAÇÃO PARCIAL PARA OTIMIZAÇÃO DE UM SISTEMA DE FILAS MMPP/PH/c/N Solon Venâncio de Carvalho Rita de Cássia Meneses Rodrigues Laboratório Associado de Computação e
Leia maisControle Ótimo - Aula 2 (Exemplos 2, 3 e 4)
Controle Ótimo - Aula 2 (Exemplos 2, 3 e 4) Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos Sistemas dinâmicos discretos no tempo O Problema
Leia maisMétodos de Monte Carlo
prcjunior@inf.ufpr.br VRI Visão Robótica e Imagem Universidade Federal do Paraná Introdução são métodos estatísticos baseados em amostragens aleatórias ou pseudoaleatórias Tempo de execução determinístico
Leia maisProf. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Descrição do sistema Funcionamento diário de 6 horas Tempo médio de chegada = 10 min FIFO Tempo médio de
Leia maisFILAS. Mestrado em Engenharia Elétrica Carlos Marcelo Pedroso 2013
FILAS Mestrado em Engenharia Elétrica Carlos Marcelo Pedroso 2013 Ementa Projeto de redes de computadores via estudos analíticos e de ferramentas de simulação. Bibliografia básica JAIN, Raj. The art of
Leia maisAula 7. Aula de hoje. Aula passada
Aula 7 Aula passada Método de Monte Carlo Estimando somatórios Calculando erro Estimando Erro de Integração de Monte Carlo Monte Carlo Ray Tracing Aula de hoje Gerando amostras de v.a. discretas Gerando
Leia maisClassificação: Determinístico
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Classificação: Da mesma forma que sistemas os modelos de simulação podem ser classificados de várias formas. O mais usual é classificar
Leia maisProfessora Ana Hermínia Andrade. Período
Distribuições de probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Modelos de distribuição Para
Leia maisMetodologia de simulação
Metodologia de simulação OBJETIVOS E DEFINIÇÃO DO SISTEMA FORMULAÇÃO DO MODELO ANÁLISE E REDEFINIÇÃO MODELO ABSTRATO RESULTADOS EXPERIMENTAIS (Capítulo 6) MODELO CONCEITUAL (Capítulo 3) REPRESENTAÇÃO DO
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer
Leia maisO que é Simulação? Capítulo 1. Prof. Afonso C Medina & Prof. Leonardo Chwif. fonte original de consulta.
O que é Simulação? Capítulo 1 fonte original de consulta. Prof. Afonso C Medina & Prof. Leonardo Chwif 1 Introdução Definição A Simulação como ferramenta de suporte à decisão Quando utilizar a Teoria das
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31 Um teorema de grande importância e bastante utilidade em probabilidade
Leia maisPCS 2039 Modelagem e Simulação de Sistemas Computacionais
UNIVERSIDADE DE SÃO PAULO ESCOLA POLITÉCNICA Departamento de Engenharia de Computação e Sistemas Digitais PCS 2039 Modelagem e Simulação de Sistemas Computacionais Graduação em Engenharia de Computação
Leia mais5 TORIA ELEMENTAR DA AMOSTRAGEM
5 TORIA ELEMENTAR DA AMOSTRAGEM É errôneo pensar que, caso tivéssemos acesso a todos os elementos da população, seríamos mais precisos. Os erros de coleta e manuseio de um grande número de dados são maiores
Leia maisAula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias
Aula de hoje! Tópicos! Distribuição de probabilidades! Variáveis aleatórias! Variáveis discretas! Variáveis contínuas! Distribuição binomial! Distribuição normal! Referências! Barrow, M. Estatística para
Leia maisPROCESSOS ESTOCÁSTICOS. O resultado de muitas experiências aleatórias é função do tempo ou de uma (ou mais) coordenada espacial.
37 PROCESSOS ESTOCÁSTICOS O resultado de muitas experiências aleatórias é função do tempo ou de uma (ou mais) coordenada espacial. Ex: i) O valor da temperatura média diária ou semanal numa cidade. O acontecimento
Leia maisFerramenta para simulação dinâmica de sistema de manufatura baseada em modelos de construção flexivel.
para simulação dinâmica de sistema de manufatura baseada em modelos de construção flexivel. Fábio Luis Oliveira dos Reis (UFBA) flreis@ufba.br Leizer Schnitman (UFBA) leizer@area1.br Herman Augusto Lepikson
Leia maisTécnicas Computacionais em Probabilidade e Estatística I
c Técnicas Computacionais em Probabilidade e Estatística I Aula Chang Chiann MAE 5704- IME/SP º Sem/008 Slide c chang; /4/008 Simulação Estática Obetivo: Em análise estatística de dados, modelos estocásticos
Leia maisProbabilidade e Modelos Probabilísticos
Probabilidade e Modelos Probabilísticos 2ª Parte: modelos probabilísticos para variáveis aleatórias contínuas, modelo uniforme, modelo exponencial, modelo normal 1 Distribuição de Probabilidades A distribuição
Leia maisAvaliação de Desempenho de Sistemas Discretos
Avaliação de Desempenho de Sistemas Discretos Probabilidade Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Planejamento Experimental 2 fatores manipuláveis x 1 x 2 x p entradas Processo...... saídas
Leia maisModelos Probabilisticos Discretos
Modelos Probabilisticos Discretos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 30 A distribuição Uniforme Discreta Suponha um experimento
Leia mais1. Duma vez por todas, e já que se trata dum novo hotel da Sonhos e Companhia Limitada,
Licenciatura em Engenharia Electrotécnica e de Computadores Investigação Operacional Recurso 000.0.7 Duração: horas e 0 minutos Com Consulta. Duma vez por todas, e já que se trata dum novo hotel da Sonhos
Leia maisAlgoritmos de Escalonamento do Preactor. Algoritmos de Escalonamento do Preactor. INESC Porto Unidade de Engenharia de Sistemas de Produção
Algoritmos de Escalonamento do Preactor INESC Porto Unidade de Engenharia de Sistemas de Produção Identificação do Documento: Código do Documento Nome do Documento Nome do Ficheiro RI.03 Algoritmos de
Leia maisModelagem Analítica. Profa. Jussara M. Almeida 1 o Semestre de 2011
Modelagem Analítica Profa. Jussara M. Almeida 1 o Semestre de 2011 Modelagem Analítica Um modelo é uma abstração de um sistema que captura, dentre os inúmeros detalhes do sistema, aqueles que são essenciais
Leia maisUm modelo estocástico para o fluxo de caixa de um plano de previdência de um indivíduo 15
2 Simulação estocástica A simulação computacional consiste em empregar técnicas matemáticas em computadores com o propósito de gerar ensaios que tentam reproduzir de maneira análoga um processo ou operação
Leia maisMétodo da Investigação Operacional
Investigação Operacional 1 Metodologia da Investigação Operacional Slide 1 Transparências de apoio à leccionação de aulas teóricas Fases do método 1. Formulação do problema 2. Construção de um modelo Slide
Leia maisSimulação de Sistemas. Adaptado de material de Júlio Pereira Machado (AULA 17)
Simulação de Sistemas Adaptado de material de Júlio Pereira Machado (AULA 17) Análise dos Dados de Saída Além das tarefas de modelagem e validação, devemos nos preocupar com a análise apropriada dos resultados
Leia maisAvaliação e Desempenho Aula 1 - Simulação
Avaliação e Desempenho Aula 1 - Simulação Introdução à simulação Geração de números aleatórios Lei dos grandes números Geração de variáveis aleatórias O Ciclo de Modelagem Sistema real Criação do Modelo
Leia maisPROCESSOS ESTOCÁSTICOS
PROCESSOS ESTOCÁSTICOS Definições, Principais Tipos, Aplicações em Confiabilidade de Sistemas e Sinais CLARKE, A. B., DISNEY, R. L. Probabilidade e Processos Estocásticos, Rio de Janeiro: Livros Técnicos
Leia maisSSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 3 Sarita Mazzini Bruschi
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 3 Sarita Mazzini Bruschi Material
Leia maisEstatística (MAD231) Turma: IGA. Período: 2017/2
Estatística (MAD231) Turma: IGA Período: 2017/2 Aula #03 de Probabilidade: 04/10/2017 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 08
Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisAula 14. Aula de hoje. Aula passada
Aula 14 Aula passada Autovalores, autovetores, decomposição Convergência para estacionaridade Tempo de mistura Spectral gap Tempo de mistura de passeios aleatórios Aula de hoje Caminho amostral Teorema
Leia maisFILAS Conceitos Fundamentais. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016
FILAS Conceitos Fundamentais Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Teoria de Filas É uma das abordagens mais utilizadas no estudo de desempenho e dimensionamento
Leia maisRobótica. Acetatos de Apoio às Aulas. Programação de sistemas robóticos. Paulo Augusto Ferreira de Abreu. Elaborados por: (Professor Auxiliar)
Robótica Acetatos de Apoio às Aulas Programação de sistemas robóticos Elaborados por: Paulo Augusto Ferreira de Abreu (Professor Auxiliar) 2000/2001 Linguagens de programação em Robótica Programação de
Leia maisMarcus Vinicius de Oliveira DMAT - Universidade Federal de Minas Gerais. 13 de dezembro de 2011
Simulação de Filas Marcus Vinicius de Oliveira marcus.eletrica@hotmail.com DMAT - Universidade Federal de Minas Gerais 13 de dezembro de 2011 Resumo O objetivo deste trabalho é apresentar um algorítmo
Leia mais