Modelagem e Simulação II

Modelagem e Simulao II
Curso Superior de Tecnologia em Logstica

UBM - Centro Universitrio de Barra Mansa
Prof. Fabiano Cunha Marinho
fcmarinho01@gmail.com
1. Introduo a Simulao e
Modelagem
Simulao Empresarial
1.1 Definindo a simulao de sistemas

De acordo com Schriber (1974), simulao
implica a modelagem de um processo ou
sistema, de tal forma que o modelo imite as
respostas do sistema real, numa sucesso de
eventos que ocorrem ao longo do tempo.

Em 1975, Robert Shannon definiu que modelo
computacional um programa de computador
cujas variveis apresentam o mesmo
comportamento dinmico e estocstico do
sistema real que representa.

Pegden (1991), por sua vez, cita que a
simulao computacional o processo de
projetar um modelo de um sistema real e
conduzir experimentos com esse modelo com
o propsito de entender seu comportamento
e/ou avaliar estratgias para sua operao.

Portanto, entende a simulao computacional
como um processo mais amplo, compreendendo
no somente a construo do modelo, mas
tambm todo o mtodo experimental que se
segue, buscando, de sobremaneira:
descrever o comportamento do sistema;
construir teorias e hipteses considerando as
observaes efetuadas;
usar o modelo para prever o comportamento futuro,
isto , os efeitos produzidos por alteraes no sistema
ou nos mtodos empregados em sua operao.

A simulao tem sido cada vez mais aceita e
empregada como uma tcnica que permite a
analistas dos mais diversos seguimentos
(administradores, engenheiros, bilogos,
tcnicos em informtica etc.) verificar ou
encaminhar solues, com a profundidade
desejada, aos problemas com os quais lidam
diariamente.

Mais do que nunca, a simulao computacional tem
sido empregada. O crescimento do uso dessa
ferramenta deve-se, sobretudo, a atual facilidade de
uso e sofisticao dos ambientes de desenvolvimento
de modelos computacionais, aliadas ao crescente
poder de processamento das estaes de trabalho.
Contando com interfaces grficas cada vez mais
amigveis, destinadas as mais diversas plataformas, e,
principalmente, fazendo intenso uso da animao dos
sistemas que esto sendo simulados. A simulao
deixou para trs o estigma de ser utilizada apenas
quando tudo mais j foi tentado.
1.2 Por que Simular?

A simulao de modelos permite ao analista realizar
estudos sobre os correspondentes sistemas para
responder a questes do tipo o que aconteceria se....
O principal apelo ao uso dessa ferramenta que tais
questes podem ser respondidas sem que os sistemas
sob investigao sofram qualquer perturbao, uma
vez que os estudos so realizados no computador. A
simulao computacional permite que esses estudos
sejam realizados sobre sistemas que ainda no
existem, levando ao desenvolvimento de projetos
eficientes antes que qualquer mudana fsica tenha
sido iniciada.

Um estudo simulado possibilita que os
analistas considerem nveis de detalhes jamais
imaginados h pouco tempo, permitindo que
diferenas de comportamento, as vezes sutis,
venham a ser notadas. As abordagens
tradicionais, ao contrrio, empregam estudos
preliminares estticos e com tantas
simplificaes que muitos projetos, depois de
implantados, acabam sofrendo inmeras
modificaes e adaptaes.
10

U
m estudo simulado pode economizar tempo
e recursos financeiros no desenvolvimento de
projetos, trazendo ganhos de produtividade e
qualidade. Os custos de tais analises so, em
geral, insignificantes se comparados aos seus
benefcios.
Ha a percepo de que o comportamento do
modelo simulado muito semelhante ao do
sistema real.
11

Em contraste com os modelos de otimizao,
um modelo de simulao executado, em vez
de resolvido. As diferenas dessas duas
abordagens implicam que o modelo simulado
permite analises quase que a todo instante, a
medida que novas indagaes sobre o
comportamento do sistema modelado sejam
aludidas.
12

A maioria dos modelos de simulao so do
tipo entrada-sada, que so modelos
interativos aos quais se fornecem dados de
entrada, obtendo-se respostas especficas
para eles. No so, por natureza, modelos de
otimizao.
Normalmente,
costuma-se
desenvolver e experimentar com modelos de
simulao, objetivando o encaminhamento de
uma soluo a um dado problema.
13

As razes mais comuns para experimentar com
modelos simulados so as seguintes:
1. o sistema real ainda no existe. Neste caso, a
simulao poder ser usada para planejar o futuro
sistema, como um novo hospital, uma nova fbrica
ou um novo ambiente de suporte a negcios na
internet, por exemplo;
2. experimentar com o sistema real dispendioso. O
modelo poder indicar, com muito menos custo, os
benefcios de investir em um novo equipamento, por
exemplo;
14

3. e xperimentar com o sistema real no
apropriado. Um caso tpico o planejamento do
atendimento de situaes de emergncia, como
um desastre areo em um aeroporto, por
exemplo. Toda a logstica para o acionamento e
atuao de servios prestados pela polcia, pelos
bombeiros, por ambulncias, pela emergncia
hospitalar e etc. pode ser modelada e tratada no
computador. No se pode provocar um desastre
desse tipo para testar planos de emergncia.
15

4. As razes para a adoo de modelos parecem
claras. No entanto, a identificao do
sistema/problema que leva a definio dos
objetivos e do tipo de modelo e estudo de
simulao que deve ser desenvolvido.
16

5. Existem inmeros sistemas que podem ser
simulados; por exemplo, sistemas de produo:
manufatura e montagem, movimentao de
peas e matria-prima, alocao de mo de
obra, reas de armazenagem, layout etc.
17
1.3 Sistemas
At o momento, empregou-se, ainda que de forma
subjetiva, uma associao existente entre os conceitos de
simulao, sistemas e modelos. Simulao um dos muitos
mtodos existentes para estudar e analisar sistemas. No
caso da simulao computacional, utilizam modelos
computacionais para esse propsito. Afinal, o que so
sistemas e quais so aqueles passiveis de modelagem e
anlises via simulao?
Sistemas podem ser definidos como um conjunto de
objetos, como pessoas ou mquinas, por exemplo, que
atuam e interagem com a inteno de alcanar um objetivo
ou um propsito lgico (TAYLOR, 1970). Inmeros so os
sistemas aptos a modelagem e simulao.
18
1.3 Sistemas
Eis alguns exemplos:
sistemas de produo;
sistemas computacionais;
sistemas administrativos;
sistemas de prestao de servios diretos ao
pblico.
19
1.3.1 Sistemas de Produo
manufatura e montagem;
movimentao de peas e matria-prima;
alocao de mo de obra;
reas de armazenagem;
layout e etc.
20
1.3.2 Sistemas de Transporte e Estocagem

redes de distribuio;
armazns e entrepostos;
frotas e etc.
21
1.3.3 Sistemas Computacionais
redes de computadores;
redes de comunicao;
servidores de redes;
arquitetura de computadores;
sistemas operacionais;
gerenciadores de bases de dados e etc.
22
1.3.4 Sistemas Administrativos

seguradoras;
operadores de crdito;
financeiras.
23
1.3.5 Sistemas de Prestao de

Servios Diretos ao Publico
hospitais;
bancos;
restaurantes industriais e do tipo fast food;
servios de emergncia (policia, bombeiros e
etc.);
servios de assistncia jurdica e etc.
24
1.4 Vantagens e Desvantagens da Simulao
Apesar de a simulao ser uma excelente

ferramenta, preciso conhecer um pouco
mais as vantagens e desvantagens dessa
ferramenta.
25
1.4.1 Vantagens
1. Uma vez criado, um modelo de simulao pode
ser utilizado inmeras vezes para avaliar
projetos e politicas propostos.
2. A metodologia de anlise utilizada pela
simulao permite a avaliao de um sistema
proposto, mesmo que os dados de entrada
estejam, ainda, na forma de esquemas ou
rascunhos.
3. A simulao , geralmente, mais fcil de aplicar
do que outros mtodos analticos.
26
1.4.1 Vantagens
4. Uma vez que os modelos de simulao podem
ser quase to detalhados quanto os sistemas
reais, novas politicas e procedimentos
operacionais, regras de deciso, fluxos de
informao e etc. podem ser avaliados sem que
o sistema real seja perturbado.
5. Hipteses sobre como ou por que certos
fenmenos acontecem podem ser testadas para
confirmao.
27
1.4.1 Vantagens
6. O tempo pode ser controlado, comprimido ou
expandido, permitindo reproduzir os fenmenos de
maneira lenta ou acelerada, para que melhor estudalos.
7. A identificao de gargalos, preocupao maior do
gerenciamento operacional de inmeros sistemas,
como fluxos de materiais, de informaes e de
produtos, pode ser obtida de forma facilitada,
principalmente com a ajuda visual.
8. Um estudo de simulao costuma mostrar como
realmente um sistema opera, em oposio a maneira
que todos pensam que ele opera.
28
1.4.2 Desvantagens
1. A construo de modelos requer treinamento
especial. Envolve arte; portanto, o
aprendizado se d ao longo do tempo, com a
aquisio de experincia. Dois modelos de
um sistema construdos por dois indivduos
competentes tero similaridades, mas
dificilmente sero iguais.
29
1.4.2 Desvantagens
2. Os resultados da simulao so, muitas
vezes, de difcil interpretao. Uma vez que
os modelos tentam capturar a variabilidade
do sistema, comum que existam
dificuldades para determinar quando uma
observao realizada durante uma execuo
se deve a alguma relao significante no
sistema ou a processos aleatrios
construdos e embutidos no modelo.
30
1.4.2 Desvantagens
3. A modelagem e a experimentao associadas
a modelos de simulao consomem muitos
recursos, principalmente tempo. A tentativa
de simplificao na modelagem ou nos
experimentos objetivando economia de
recursos costuma levar a resultados
insatisfatrios. Em muitos casos, a aplicao
de mtodos analticos (como a teoria das
filas, por exemplo) pode trazer resultados
menos ricos e mais econmicos.
31
1.5 Modelos
No encaminhamento de um estudo de
simulao, uma das principais etapas consiste
na modelagem do sistema em estudo, para
que se possa observar seu comportamento
em determinadas condies, de forma a,
cientificamente, estud-lo e entend-lo.
32
1.5 Modelos
A modelagem pressupe um processo de
criao e descrio, envolvendo um
determinado grau de abstrao que, na
maioria das vezes, acarreta uma serie de
simplificaes sobre a organizao e o
funcionamento do sistema real. Usualmente,
essa descrio toma a forma de relaes
matemticas ou lgicas que, no seu conjunto,
constituem o que se denomina modelos.
33
1.5 Modelos
O modelo utilizado como um veculo para a
experimentao,
muitas
vezes
em
procedimentos do tipo tentativa e erro,
procurando mostrar os efeitos das vrias
politicas operacionais e de gerenciamento.
Aquelas que apresentam os melhores
resultados podem, ento, ser empregadas no
sistema real.
34
Figura 1 Representao esquemtica

de um modelo de sistema.
35
1.5 Modelos
A modelagem de um sistema depender,
fundamentalmente, do seu propsito e
complexidade. So vrios os tipos de modelo
que podem ser empregados, tais como:
modelos matemticos, modelos descritivos,
modelos estatsticos e modelos do tipo
entrada-sada.
36
1.5 Modelos
Se o sistema no qual se tem interesse for simples, as interrelaes entre seus elementos sero descritas e
estruturadas com o uso do clculo, da lgebra ou da teoria
das filas, por exemplo. No entanto, os sistemas do mundo
real costumam ser mais complexos do que o desejado e,
acima de tudo, no apresentam um comportamento
previsvel. Simplificaes sobre esses sistemas objetivando
estudos analticos podem levar a solues pobres e, at
mesmo, pouco confiveis. Nesse momento, a adoo de
um modelo voltado a simulao do sistema pode ser a
deciso mais correta. Os modelos tratados nesta disciplina
so voltados a simulao discreta de sistemas ou, como
alguns se referem, a simulao discreta de processos.
37
Atividade Discusso em grupo

1. Como pode ser definido um sistema?
2. Para que servem os modelos dentro da
simulao?
3. Quando deve ser aplicada a simulao?
4. Cite trs sistemas aptos a modelagem.
38
2. Como funciona a Modelagem

Simulao Empresarial
2.1 Exemplo de Sistema

Para explicar melhor as relaes existentes, o
dinamismo dentro de um sistema e como
possvel coletar esses elementos, incluindo-os
em um modelo de simulao para o
tratamento
de
seus
problemas,
apresentaremos nesta seo um exemplo de
sistema, que, embora simples, serve de
analogia a inmeros sistemas existentes.
40
2.1 Exemplo de Sistema

O exemplo consiste no atendimento de um caixa de banco. Esta
uma tpica representao de um conjunto conhecido como sistema
de fila simples, que pode ser associado a guichs de atendimento
como os de cinemas, teatros, pedgios, drive-thru etc. Nesse
sistema, os clientes chegam e se encaminham ao caixa que estiver
desocupado para realizar transaes bancarias. Dependendo do dia
do ms e da hora escolhida, possvel que, ao chegar ao banco, o
cliente encontre os caixas ocupados. Prevendo tal situao, o
gerente do banco criou uma rea de espera na qual os clientes
podem aguardar sentados, por ordem de chegada, pelo momento
de ser atendidos. O gerente, no entanto, tem certo receio de
determinar a quantidade de assentos e por isso necessita de uma
anlise mais detalhada da situao.
41
2.2 Como Tratar e Analisar o Problema

Levaremos em considerao que o gerente est
disposto a realizar alguns estudos desse sistema
visando melhorar o atendimento aos clientes,
principalmente nos momentos de pico. Algumas
dvidas foram levantadas pelo gerente:
a quantidade de dez assentos suficiente para
acomodar os clientes nos horrios de pico?
o atendimento est sendo prestado em tempo
aceitvel, de forma que os clientes no fiquem muito
tempo no sistema?
necessrio aumentar o nmero de caixas no perodo
de pico?
42

Para que se possa estudar esse sistema por
meio de um modelo, necessrio que duas
informaes bsicas estejam disponveis:
1. Com que frequncia ocorre a chegada dos
clientes para o atendimento nos caixas?
2. Qual o Tempo de Atendimento (TA) mdio a
cada cliente?
43

De acordo com as informaes levantadas
pelos caixas do banco, em horrios de pico os
clientes chegam a cada 3 minutos, em mdia,
enquanto o TA de aproximadamente 6
minutos. Em horrio normal (fora do horrio
de pico), o Tempo de Chegada (TC) mdio dos
clientes de 6 minutos e o TA mdio de 4
minutos.
44

Um sistema com essas caractersticas pode ter dois
comportamentos. Na primeira situao, observa-se
que a frequncia de chegada dos clientes maior que a
de atendimento dos caixas, uma vez que o TA dos
caixas em media 6 minutos e o TC dos clientes de 3
minutos. No entanto, fora dos perodos de pico, o
sistema apresenta folgas, isto , a rea de espera no
seria necessria. A partir das informaes disponveis,
fica claro que, mesmo para um sistema simples como
este, o alcance de solues adequadas passa,
obrigatoriamente, por abordagens apropriadas.
45

Por se tratar de um sistema de fila simples,
trs alternativas tornam-se imediatamente
candidatas:
1. tratamento por emprego de bom senso e um
pouco de adivinhao, o qual ser chamado
suposio;
2. tratamento analtico, empregando, por exemplo,
a teoria das filas;
3. tratamento por meio de modelagem e
simulao.
46
2.3 Emprego da Suposio

No primeiro caso citado, s o emprego do
bom senso no permite a efetiva previso do
que ir acontecer com o sistema. Nesse caso,
faz-se necessrio o uso da imaginao para
adivinhar o futuro, ou seja, supor o que vai
acontecer. Embora no recomendada, esta
uma tcnica utilizada no apoio a tomada de
deciso.
47

Mesmo sendo uma tcnica baseada na suposio de
acontecimentos, preciso, assim como em qualquer
outra tcnica, ter dados. Os principais dados, nesse
caso, so a frequncia com que os clientes chegam ao
caixa e o tempo necessrio para efetuar o
atendimento. A Tabela 1 rene as informaes
levantadas:
48

Na condio A, possvel verificar que, como
a chegada dos clientes mais rpida que o
atendimento em si, muito provvel a
ocorrncia de filas de espera. Assim,
considerando esse possvel cenrio, as
decises poderiam ser:
aumentar o nmero de assentos para espera;
aumentar o nmero de caixas para atendimento;
ambas as medidas.
49

J perante a condio B, o que pode ser
verificado que o sistema apresenta certa folga,
isto , como o TA menor que o tempo decorrido
entre as chegadas, raramente ocorrero filas de
espera. Nesse caso, o gerente optaria por no
tomar nenhuma medida.
Adotar uma ou mais aes com base nos
resultados desse processo de suposio poder
conduzir a resultados no compensadores. Um
resultado real deve se encontrar entre esses dois
extremos.
50
2.4 Teoria das Filas

A segunda forma de soluo do problema
emprega um conjunto de frmulas matemticas
que permitem calcular a maioria das respostas
desejadas pelo gerente, sendo denominada
teoria das filas. Entre as respostas, podem-se
mencionar: TA mdio, tamanho mdio da fila na
rea de espera, tempo mdio de espera,
proporo de ocupao dos caixas e etc. Essas
possibilidades so bem adequadas ao
encaminhamento de solues aos problemas
levantados.
51

A teoria das filas tem sido desenvolvida e
adotada h anos, podendo seu conjunto de
frmulas ser verificado em inmeras referncias
(BANKS, 1996; JAIN, 1991; LAW, 1991). Um fator
importante o reconhecimento do tipo de
sistema com o qual est se lidando, de tal forma
que o formulrio correto seja adotado. Existem
diversas variaes, as quais exigem o emprego de
diferentes frmulas. No caso do exemplo
estudado, pode-se considerar o sistema como
sendo do tipo M/M/1.
52

Esse tipo de sistema, considerado o mais simples e
popular, assume que tanto os tempos relativos a
chegada ao sistema quanto os TAs ocorrem de acordo
com um processo chamado markoviano (por isso a
adoo das letras M/M). Sendo assim, considera-se
que esses tempos so independentes uns dos outros e
distribudos exponencialmente. O algarismo 1 indica a
existncia de um nico servidor (isto , somente um
cliente pode ser atendido por vez). A falta de
informaes sobre limites impostos a fila indica que na
rea de espera no devem ser consideradas limitaes.
53

Portanto, so adotadas as equaes referentes
a uma fila do tipo M/M/1. Dessa forma,
teremos as seguintes equaes a ser
utilizadas:
nmero mdio de clientes no sistema (L):
54

tempo mdio despendido no sistema (W):
=
=
(2)
55

taxa mdia de ocupao do servidor ():
= =
(3)
Em que:
: taxa de chegadas em um perodo de tempo;
: taxa de atendimento em um perodo de tempo.
56

Essas equaes so vlidas para estimativas
do comportamento do sistema considerando
longas observaes dele e para situaes em
que < , pois, caso ocorra o contrrio, a fila
no ir parar de crescer e o sistema se tornar
instvel.
57

Aplicando as equaes ao problema do banco,
considerando inicialmente a situao A da
Tabela 1, teremos:
TC mdio de clientes a cada 3 minutos e TA de 6
minutos: adotaremos um perodo de tempo de 1
hora para a determinao da taxa de chegada e
da taxa de atendimento .
58

Portanto:
59

Analisando a taxa de chegada e a taxa de
atendimento, conclumos que > ; sendo
assim, a tendncia, nesse caso, de
instabilidade no sistema, ou seja, crescimento
continuo da fila de espera para atendimento.
60

Para a situao B, podem-se aplicar as
equaes descritas anteriormente. Realizando
algumas projees com os dados da Tabela 1,
teremos:
TC na situao B maior ou igual a 6 minutos e o
TA de 4 minutos. Analisando o comportamento
em outros cenrios, assumem-se diferentes
valores para o parmetro das chegadas (4, 6 e 10
minutos), fixando o TA em 4 minutos.
61

Utilizando
a
equao
4,
teremos,
respectivamente, para os TCs de 4, 6 e 10
minutos:
= 15 clientes/h
= 10 clientes/h
= 6 clientes/h
62

Utilizando a equao 5, com o TA fixado em 4
minutos, teremos:
= 15 atendimentos/h
A Tabela 2 mostra o que ocorre no sistema com

os dados da situao B.
63

Podemos observar que, na coluna relativa a = 15, L e
W assumem valor igual a , devido a diviso por zero,
resultante da equao. Interpretamos, nesse caso, que
a fila tende a crescer indefinidamente, com
congestionamentos eternos no sistema, e o servidor
permanece 100% do tempo ocupado. Avaliando o
comportamento do sistema para = 10 e = 6, notamse, respectivamente, os seguintes resultados:
o
nmero mdio de clientes no sistema cai para 2 e 0,68;
o tempo mdio de espera reduz para 12 e 6,6 minutos;
a taxa mdia de ocupao baixa para 68 e 40%.
64

Embora esses resultados tenham um grau de confiana
maior que os obtidos pelo mtodo da suposio, no se
pode confiar cegamente neles.
A teoria das filas costuma ser empregada na observao de
diferenas mais grosseiras entre sistemas, empregando
macro dados, isto , os diversos valores atribudos as
variveis apresentam nveis com significativas diferenas.
Em muitas situaes, essa tcnica efetiva, porm sua
utilizao pode resultar em alguns problemas, tais como:
1.
o emprego de valores mdios (estimativas) para os tempos

decorridos entre as chegadas e os tempos de servios pode
levar a concluses no precisas, devido aos erros associados
ao levantamento das estimativas;
65

2. existem equaes bastante sofisticadas para
estimar o comportamento aleatrio das variveis
envolvidas. Geralmente, o equacionamento
empregado pressupe que uma distribuio
exponencial determina o processo de chegada
(sendo razovel) e o processo de atendimento (o
que pode ser inadequado);
66

3. as equaes so apropriadas quando se observa
um grande perodo de observaes; se o sistema
funciona por perodos curtos, possvel uma
considervel diferena entre as respostas do
sistema real e aquelas obtidas pelo
equacionamento analtico;
4. torna-se complexa a possibilidade de analisar a
variabilidade do sistema, isto , seu
comportamento dinmico e estocstico ao longo
de um perodo de tempo ou intervalo de
interesse.
67
2.5 Emprego de Modelagem e Simulao

A ideia por trs do emprego da modelagem e
simulao de sistemas implica a realizao de um
esforo computacional, no qual um programa executa
uma srie de instrues. A simulao do modelo
transmite ao usurio a sensao de um
comportamento semelhante ao do sistema real do qual
deriva. A possibilidade de manuseio do modelo
permite ao analista a realizao de experimentos, os
quais permitem estimar e concluir o comportamento
do modelo e, por inferncia, responder as questes
equacionadas na descrio do problema sobre a
conduta e o desempenho do sistema a ser estudado.
68

Num primeiro momento, podemos imaginar que
simulaes s podem ser efetivadas via computador e
com o emprego de programas e ambientes
sofisticados, porm isso depende do nvel de
complexidade do sistema. Sistemas menos complexos,
como o do exemplo que estamos analisando, podem
ser feitos de forma manual, conforme veremos a
seguir. A realizao da simulao de forma manual
normalmente implica a construo de tabelas,
conhecidas como tabelas de simulao, o que
depender do tipo de modelo empregado para tratar o
sistema a ser analisado e, principalmente, do tipo de
resposta que se est buscando.
69

As tabelas de simulao apresentam o registro do
comportamento dinmico do sistema ao longo do
tempo. Para sua elaborao, empregaremos os
mesmos dados disponveis e utilizados pelas
abordagens anteriores, com exceo da situao A
mostrada na Tabela 1. Essa situao no ser
considerada, uma vez que conhecido que o sistema
no funcionar com aquelas condies. Referente a
situao B, sero empregados valores semelhantes aos
utilizados no modelo da teoria das filas. A diferena
entre as duas abordagens fica por conta do uso de
valores no determinsticos, tanto para os tempos
entre as chegadas quanto para os TAs.
70

No caso da simulao, usaremos os mesmos valores
para os TCs, sendo eles 4, 6 e 10 minutos, porem de
forma aleatria, como no sistema real, em que o TC
no sempre de 4, 6 e 10 minutos. Assumiremos que
essa varivel pode apresentar esses trs possveis
valores com as mesmas probabilidades, insto , 1/3
para cada valor. Seguindo essa premissa, o TA tambm
poder assumir, de forma randmica, os valores de 3, 4
e 5 minutos. A Tabela 3 resume o descrito.
71

O modelo de simulao ser construdo com as
possibilidades definidas na Tabela 3. A construo da
tabela deve ser feita de tal maneira que, ao final da
simulao manual, seja possvel dela extrair elementos
que permitam responder as questes bsicas
formuladas pelo gerente do banco, sendo elas:
a quantidade de dez assentos suficiente para acomodar
os clientes nos horrios de pico?
o atendimento est sendo prestado em tempo aceitvel,
de forma que os clientes no fiquem muito tempo no
sistema?
e necessrio aumentar o nmero de caixas no perodo de
pico?
72

As respostas para tais questionamentos
exigem que as seguintes estatsticas sejam
calculadas:
1. nmero de clientes esperando na fila;
2. tempo despendido pelos clientes no sistema;
3. taxa de ocupao do caixa.
73

1) Para o nmero de clientes esperando na fila,
um constante monitoramento da rea de espera
ser realizado ao longo da simulao.
74

2) Para o clculo do tempo de um cliente no sistema,
necessrio guardar o tempo de sua entrada.
Posteriormente, quando de sua sada, verifica-se o
momento em que isso ocorre (tempo de ocorrncia) e
deste subtrai-se o tempo de sua chegada. Por exemplo:
se um cliente chega as 10h00 e sai do banco as 10h25,
faz-se: (10h25 10h00 = 25 min). Esse tempo de 25
minutos armazenado como o tempo que esse cliente
permaneceu no sistema. Isso permitir que
posteriormente seja feita a verificao de quem
despendeu o menor tempo no sistema, o maior tempo no
sistema, o tempo mdio e etc.
75

3) Para calcular a taxa de ocupao do caixa,
necessrio verificar a parcela do tempo de
operao do sistema (tempo simulado) em que
se encontra ocupado ou livre. Acumulam-se
todos os perodos de tempo em que o operador
est no estado livre. Ao final da simulao, fazse a relao tempo livre/ tempo de simulao e
se obtm o percentual de tempo livre. Seu
complemento ser o percentual de ocupao do
servidor.
76

Uma vez determinados os dados que devem
ser colhidos ao longo da simulao, a tabela
pode ento ser construda. Ela compreende a
simulao de um perodo equivalente aos
trabalhos realizados no banco, com inicio as
10h00 e trmino as 13h00. Dessa maneira, o
tempo da simulao deve cobrir um intervalo
de 3 horas ou 180 minutos. A Tabela 4 ilustra
o descrito no texto.
77
78

Iniciando a simulao, atribui-se valor zero a varivel
chamada relgio, responsvel pelo controle do relgio
da simulao. Desse momento em diante, o sistema
encontra-se em funcionamento, aguardando a
chegada dos clientes, sabendo-se que os clientes
chegam ao sistema com tempos entre si fornecidos
pela varivel aleatria TC. Para a chegada do primeiro
cliente no sistema, deve-se selecionar um entre os trs
possveis valores de TC, conforme a Tabela 3, sendo
eles 4, 6 e 10 minutos. Como todos os valores possuem
a mesma probabilidade (1/3), basta a realizao de um
sorteio simples.
79

Como o relgio foi iniciado em zero, sendo o valor de
TC sorteado igual a 10 minutos, conforme mostra o
primeiro valor da segunda coluna da Tabela 4, quando
o cliente chegar ao sistema, o relgio dever estar
marcando 10 minutos. Chegando ao sistema, o cliente
encontra-o vazio, iniciando-se, assim, imediatamente o
atendimento. A quinta coluna da Tabela 4 Tempo de
inicio do atendimento no relgio mostra o mesmo
valor de TC (10 minutos), indicando que o cliente no
teve que aguardar na fila. Para a simulao do trmino
do servio, necessrio atribuir um valor a varivel
aleatria TA.
80

Conforme a Tabela 3, TA pode assumir valores iguais a
3, 4 e 5 minutos. Por meio de sorteio simples, obtido
e atribudo o valor de 5 minutos, que somado ao
tempo de incio de atendimento, indicando o tempo de
trmino do atendimento (stima coluna) aos 15
minutos. Como esse cliente no teve que aguardar na
fila de espera, seu tempo no sistema de apenas 5
minutos, isto , igual ao prprio tempo de
atendimento. Na ultima coluna, coletam-se dados para
o futuro clculo da taxa de ocupao do atendente.
Como este ficou sem atender do momento da abertura
do banco at a chegada do primeiro cliente, o valor de
10 minutos apontado.
81

Conforme a Tabela 4, o segundo cliente chega
ao sistema 6 minutos aps a chegada do
primeiro. Ao chegar, o relgio marcar 16
minutos e o caixa estar livre, uma vez que o
primeiro cliente deixou o sistema aos 15
minutos. O tempo de atendimento atribudo a
esse cliente de 4 minutos e ele deixa o
sistema aos 20 minutos do relgio.
82

A situao do 11 cliente um pouco diferente.
Ele chega ao sistema 4 minutos aps a chegada
do dcimo cliente. Nesse instante, o relgio
marca 64 minutos, conforme se pode verificar na
Tabela 4, porm o atendimento no iniciado.
Essa situao faz com que o dcimo primeiro
cliente aguarde 1 minuto no primeiro lugar da fila
de espera, iniciando-se o seu atendimento aps a
sada do cliente anterior. Como seu tempo de
servio dura 3 minutos, conforme sorteio
realizado, ele deixa o sistema aos 68 minutos.
83

O tempo no sistema desse cliente reflete dois
diferentes perodos de passagem de tempo: 1
minuto na fila e 3 minutos no atendimento,
chegando ao total de 4 minutos. De maneira
anloga, e possvel acompanhar o desenrolar
das atividades realizadas por todos os 27
clientes. A simulao se encerra no 27
cliente, que chega antes das 12h00, deixando
o sistema aos 183 minutos de simulao.
84

Algumas das colunas da Tabela 4 apresentam
valores de somatrios. A partir deles, uma
srie de estatsticas pode ser calculada, como,
por exemplo:
tempo mdio de espera na fila (TMF):
(7)
85

probabilidade de um cliente esperar na fila (PCEF):
(8)
probabilidade de o operador estar livre (POEL):
(9)
86

tempo mdio de atendimento (TMA):
(10)
tempo mdio despendido no sistema (TMDS):
(11)
87

No sistema modelado, o cliente, uma vez no
sistema, encontra-se ou sendo atendido ou na
rea de espera. Dessa forma, o tempo mdio
despendido no sistema tambm pode ser
calculado somando o tempo mdio de espera
na fila (0,41 minuto) e o TA mdio (4,04
minutos). O valor encontrado ser o mesmo:
4,45 minutos.
88

O TA mdio no foi considerado uma novidade pelo
gerente, mas o tempo de fila sim. No entanto, as
descobertas mais importantes no foram propriamente os
nmeros e estatsticas revelados ao final da simulao, mas
a possibilidade de se observar toda a dinmica do sistema
ao longo dela. A eventual formao de fila, a variabilidade
associada aos tempos entre as chegadas, as diferenas
entre os tempos mnimo e mximo no sistema e etc.
permitem ao gerente testar novas estratgias para o
funcionamento do banco, incorporando ao modelo
detalhes que possam ser considerados importantes,
verificando o comportamento do sistema antes de sua real
implementao.
89

1. Qual problema encontrado quando
aplicada a teoria da suposio?
2. Quando se costuma empregar a teoria das
filas?
3. Quais problemas podem resultar da
utilizao da teoria das filas?
4. Quando a modelagem e simulao podem
ser aplicadas de forma manual?
90
3 Terminologia bsica utilizada

em Modelagem e Simulao de Sistemas
Variveis de estado: so as variveis cujos valores
determinam o estado de um sistema. As variveis de
estado constituem o conjunto de informaes
necessrias a compreenso do que est ocorrendo no
sistema, num determinado instante no tempo, com
relao aos objetos de estudo. Sua determinao
funo do propsito do estudo; por exemplo:
na fbrica: o nmero de peas a ser processadas na
mquina, o status da mquina (ocupada ou livre);
no banco: nmero de clientes esperando na fila do caixa;
no servidor: nmero de tarefas aguardando na fila da
unidade central de processamento (CPU), nmero de
tarefas j atendidas.
91

Eventos: so acontecimentos, programados
ou no, que, quando ocorrem, provocam uma
mudana de estado em um sistema. Toda
mudana de estado decorrente de um
evento. Sempre que ocorre um evento, pelo
menos uma varivel de estado se altera; por
exemplo:
uma chegada: de peas, de clientes ou de tarefas,
respectivamente, em cada um dos sistemas;
92

um incio de processamento: pela mquina, pelo
caixa ou pela CPU, respectivamente, em cada um
dos sistemas;
uma sada: de peas, de clientes ou de tarefas,
respectivamente, em cada um dos sistemas.
93

Entidade: representa um objeto que necessita de uma clara
e explcita definio. Ela pode ser dinmica, movendo-se
atravs dos sistemas (peas, clientes, tarefas), ou esttica,
servindo a outras entidades (mquinas, CPU).
Atributos: so as caractersticas que definem totalmente as
entidades. O que difere entidades semelhantes so os
valores dos atributos. Os atributos associados as entidades
tambm dependem do tipo de investigao que est sendo
levado a efeito. No caso das peas, por exemplo, se o
interesse recair sobre o tempo mdio no sistema de todas
as peas que por ele transitam, independentemente do seu
tipo ou cdigo, esses atributos no sero de interesse.
94

Recursos: so considerados entidades estticas que
fornecem servios as entidades dinmicas. Um recurso
pode ter a capacidade de servir uma ou mais entidades
dinmicas ao mesmo tempo, operando como um servidor
paralelo.
Fila de recursos: a forma como estes so gerenciados,
dependendo,
fundamentalmente,
das
politicas
operacionais adotadas no sistema ou no modelo que os
apresenta, como, por exemplo, First In, First Out (FIFO).
Atividades: uma atividade corresponde a um perodo de
tempo predeterminado. Logo, uma vez iniciada, seu final
pode ser programado.
95

Perodo: o tempo que uma determinada
atividade leva para ser concluda.
Espera: um perodo de tempo sobre o qual,
em geral, no se tm controle se o modelo
contem variveis aleatrias. Uma vez iniciada,
no se pode programar seu fim.
96
3.1 Classificao dos Sistemas

para Modelagem e Simulao
A Figura 2 esquematiza como podem ser
classificados os sistemas para modelagem e
simulao.
Figura 2 Sistemas para modelagem e simulao.
97

Na classificao dos sistemas para modelagem e
simulao, encontramos os seguintes modelos:
modelos discretos: so modelos em que as variveis
de estado mantm-se inalteradas ao longo de
intervalos de tempo e mudam seus valores somente
em pontos bem definidos, tambm conhecidos como
tempo de ocorrncia do evento. Salienta-se que a
variao do tempo, nestes modelos, pode ser tanto
discreta quanto continua;
98

modelos contnuos: nestes modelos, as variveis
de estado podem variar continuamente ao longo
do tempo; por exemplo, ao retirar o tampo de
uma caixa dagua cheia, o nvel da gua variara
com o tempo, continuamente;
modelos voltados a previso: a simulao pode
ser usada para prever o estado de um sistema em
algum ponto no futuro, com base nas suposies
sobre seu comportamento atual e como
continuar se comportando ao longo do tempo;
99

modelos voltados a investigao: alguns tipos de
estudo baseados em simulao esto voltados a busca
de informaes e ao desenvolvimento de hipteses
sobre o comportamento de sistemas. Como visto
anteriormente, nem sempre verdade que os
objetivos dos estudos esto claros e bem definidos no
inicio. Nesse caso, as variveis de resposta servem
muito mais para construir e organizar as informaes
sobre a natureza do fenmeno ou sistema em estudo.
Os experimentos recaem sobre as reaes do sistema
(modelo) a estmulos normais e anormais;
100

modelos voltados a comparao: uma
comparao de diferentes rodadas de simulao
pode ser usada para avaliar o efeito de mudanas
nas variveis de controle. Os efeitos podem ser
medidos sobre as variveis de resposta e
relacionados aos objetivos traados, se estes
forem bem especficos.
101

Na classificao dos modelos com vistas ao
proposito de sua aplicao, eles podem ser
subdivididos em modelos nicos e especficos
(de curta utilizao) ou modelos genricos (de
longa utilizao).
102
3.1.1 Modelos Especficos

Uma vez que mais e mais facilidades voltadas
a modelagem vem sendo incorporadas aos
ambientes e linguagens de simulao,
comum que analistas e responsveis pela
tomada de deciso nos diversos nveis
gerenciais faam uso de modelos, mesmo
considerando situaes especificas e nicas ou
o baixo volume dos recursos financeiros
envolvidos nas decises.
103

At o inicio dos anos 1990, o desenvolvimento e
o uso de modelos, visando a obteno de
informaes quantitativas auxiliares a tomada de
deciso, eram exclusivos de processos que
envolvessem pelo menos algumas centenas de
milhares de dlares. No entanto, em algumas
reas, como servios e manufatura, o
crescimento de seu emprego notvel. Eis
algumas das decises nas quais modelos de
simulao especficos podem ser uteis:
104

a) quando e qual tipo de equipamento novo deve ser
comprado;
b) quando e como reorganizar os recursos voltados ao
atendimento de clientes (filas de atendimento em
bancos, hospitais, supermercados etc.);
c) deciso sobre a alocao de determinado tipo de
equipamento servindo uma ou outra linha de
produo;
d) deciso sobre o poder de processamento necessrio a
um servidor de rede de comunicao, de acordo com
diferentes tipos de carga no sistema.
105

Em geral, o tomador de deciso atribui grande
interesse aos modelos e seus resultados.
Os dados envolvidos em modelos especficos
devem ser confiveis. Na maioria das vezes,
sero coletados para ser utilizados uma nica
vez.
106
3.1.2 Modelos Genricos

Em algumas organizaes, existe a necessidade
de desenvolver modelos que sero usados
periodicamente por longos perodos. Eis alguns
exemplos:
a) decises sobre aplicaes oramentarias, baseadas
em desempenho e projees simuladas do futuro;
b) gerenciamento do trafego em uma rea em
particular. Com o aumento da densidade
populacional na rea, existe a necessidade de novos
estudos sobre a implantao de novos semforos,
planejamento de trabalhos na rodovia, planejamento
de trafego e etc.
107
3.1.2 Modelos Genricos

Modelos com caractersticas genricas necessitam ser
flexveis e robustos a mudanas nos dados de entrada,
em certas atividades e nos processos por eles
contemplados. Mudanas nas politicas internas e
externas das empresas que os utilizam tambm devem
ser consideradas. Existe aqui, obviamente, uma clara
necessidade por dados recentes e confiveis. Em geral,
esse tipo de modelo parte de um conjunto de outros
sistemas voltados a aquisio de dados e a atividades
de proviso de informaes, conhecidos como
Sistemas de Apoio a Deciso (SAD).
108
Figura 3 Fluxograma das etapas de um estudo

envolvendo modelagem e simulao.
109

1. Qual a funo da varivel de estado?
2. Como podem ser classificados os sistemas
para modelagem?
3. Como denominado o modelo que prev o
estado de um sistema em algum ponto no
futuro?
4. Explique a principal diferena entre modelos
discretos e modelos contnuos.
110

Modelagem e Simulação II

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modelagem e Simulação II

Diunggah oleh

Hak Cipta:

Format Tersedia

Modelagem e Simulao II

Curso Superior de Tecnologia em Logstica

1.1 Definindo a simulao de sistemas

1.1 Definindo a simulao de sistemas

1.1 Definindo a simulao de sistemas

1.1 Definindo a simulao de sistemas

1.1 Definindo a simulao de sistemas

1.1 Definindo a simulao de sistemas

1.2 Por que Simular?

1.2 Por que Simular?

1.2 Por que Simular?

1.2 Por que Simular?

1.2 Por que Simular?

1.2 Por que Simular?

1.2 Por que Simular?

1.2 Por que Simular?

1.2 Por que Simular?

1.3.1 Sistemas de Produo

1.3.2 Sistemas de Transporte e Estocagem

1.3.3 Sistemas Computacionais

1.3.4 Sistemas Administrativos

1.3.5 Sistemas de Prestao de

1.4 Vantagens e Desvantagens da Simulao

Apesar de a simulao ser uma excelente

Figura 1 Representao esquemtica

Atividade Discusso em grupo

2. Como funciona a Modelagem

2.1 Exemplo de Sistema

2.1 Exemplo de Sistema

2.2 Como Tratar e Analisar o Problema

2.2 Como Tratar e Analisar o Problema

2.2 Como Tratar e Analisar o Problema

2.2 Como Tratar e Analisar o Problema

2.2 Como Tratar e Analisar o Problema

2.3 Emprego da Suposio

2.3 Emprego da Suposio

2.3 Emprego da Suposio

2.3 Emprego da Suposio

2.4 Teoria das Filas

2.4 Teoria das Filas

2.4 Teoria das Filas

2.4 Teoria das Filas

2.4 Teoria das Filas

2.4 Teoria das Filas

: taxa de atendimento em um perodo de tempo.

2.4 Teoria das Filas

2.4 Teoria das Filas

2.4 Teoria das Filas

2.4 Teoria das Filas

2.4 Teoria das Filas

2.4 Teoria das Filas

2.4 Teoria das Filas

A Tabela 2 mostra o que ocorre no sistema com

2.4 Teoria das Filas

2.4 Teoria das Filas

o emprego de valores mdios (estimativas) para os tempos

2.4 Teoria das Filas

2.4 Teoria das Filas

2.5 Emprego de Modelagem e Simulao

2.5 Emprego de Modelagem e Simulao

2.5 Emprego de Modelagem e Simulao

2.5 Emprego de Modelagem e Simulao

2.5 Emprego de Modelagem e Simulao

2.5 Emprego de Modelagem e Simulao