Classificação

PFAHL (2001) identifica três critérios que podem ser utilizados para caracterizar diferentes tipos de modelos de simulação de processos de software:

 Quanto ao poder explanatório (caixa branca ou caixa preta), que se refere à capacidade de visualizar a propagação dos efeitos da interação entre os diversos elementos do processo simulado. O modelo caixa preta encapsula os relacionamentos entre as variáveis e o resultado da simulação pode ser observado através de indicadores globais para o processo. O modelo caixa branca permite visualizar a propagação dos efeitos do processo simulado em cada parte que compõe o processo;

 Quanto ao modo (estático ou dinâmico), que define a capacidade de capturar e representar mudanças ao longo do tempo do mundo real. Modelos estáticos apresentam as características essenciais do processo em determinado ponto do tempo e modelos dinâmicos apresentam como estas características evoluem à medida que o tempo passa; e

 Quanto à escala (qualitativo e quantitativo), que depende da escala das variáveis que compõem o modelo. Pfahl considera que modelos qualitativos utilizam variáveis nominais e modelos quantitativos são constituídos por variáveis de escala ordinal, intervalar ou racional.

29

Com relação à escala, ZHANG e KITCHENHAM (2006), consideraram a escala “semi- quantitativa” para tratar a imprecisão do conhecimento e a escassez de dados quantitativos.

BARROS (2001) classifica os modelos de simulação quanto ao comportamento e quanto à representação da incerteza. A caracterização do comportamento de Barros é similar à classificação de modo proposta por PFAHL (2001), porém Barros acrescenta uma distinção entre modelos dinâmicos, que podem ser discretos ou contínuos. Nos modelos discretos, a mudança de estados ocorre por meio de eventos; nos modelos contínuos as mudanças de estado ocorrem em intervalos de tempo constantes, previamente definidos. Com relação à representação da incerteza, Barros caracteriza os modelos em determinísticos e estocásticos. Os determinísticos não permitem expressar incerteza e resultam em um mesmo valor para um determinado conjunto de entrada. Os estocásticos, em função da representação da incerteza, não proveem garantias quanto à reprodução dos mesmos resultados para um mesmo conjunto de entrada.

Crê-se que as reflexões que precedem a construção de modelos de simulação circundam em torno das respostas do “por quê?” e “o que?” simular, tal como descrito por KELLNER et al. (KELLNER et al., 1999). Porém, quando se trata da modelagem da simulação (o “como?”), não há consenso sobre como caracterizar a abordagem utilizada. Em (KELLNER et al., 1999; RAFFO, 1999; RAFFO e VANDEVILLE, 2006), por exemplo, a simulação de eventos discretos e a dinâmica de sistemas são tratadas como paradigmas de simulação. Em (ZHANG et al., 2007), a simulação de eventos discretos e a dinâmica de sistemas são tratadas ora como técnicas de simulação ora como paradigmas. Já em (RAFFO e WAKELAND, 2007) os termos metodologia, técnica e paradigma são utilizados para fazer referência a estas abordagens. Outros autores, a exemplo de MÜLLER e PFAHL (2008), tratam a simulação de eventos discretos e a dinâmica de sistemas como técnicas de simulação. A partir deste ponto, o termo técnica de simulação será utilizado para fazer referência a estas abordagens.

A Tabela 3-1 ilustra diferenças entre os tipos de técnicas de simulação mais utilizadas para construir modelos de simulação (MÜLLER e PFAHL, 2008).

30

Tabela 3-1. Tipos de técnicas de simulação e principais diferenças. Adaptado de (MÜLLER e PFAHL, 2008).

Tipos de Técnicas Características Chave

Simulação Probabilística (Estocástica)

X

Simulação Determinística

Na simulação probabilística os resultados dos valores dos parâmetros ou variáveis internas do modelo podem variar, dependendo da variação estocástica dos valores dos parâmetros de entrada ou das variáveis intermediárias do modelo. No caso da simulação determinística, para um dado conjunto de valores dos parâmetros de entrada, o resultado do valor resultante será sempre o mesmo.

Simulação Estática X

Simulação Dinâmica

A simulação estática captura a variação dos parâmetros do modelo em um determinado momento no tempo, enquanto simulação dinâmica captura o comportamento dos parâmetros do modelo durante um período de tempo específico.

Simulação Contínua X

Simulação de Eventos Discretos

Simulação dinâmica pode ser contínua ou orientada a eventos. A diferença é que na simulação contínua os valores das variáveis do modelo são

atualizados em intervalos de tempo equidistantes (a cada segundo, a cada minuto, a cada hora etc.), enquanto na simulação orientada a eventos os valores das variáveis do modelo são alterados a partir da ocorrência de um novo evento.

Simulação Quantitativa X

Simulação Qualitativa

Simulação quantitativa requer que os valores dos parâmetros do modelo sejam especificados como números reais e requer a existência de dados em quantidade e qualidade suficiente. A simulação qualitativa não requer informação numérica e é útil para entender padrões gerais dos sistemas dinâmicos ou quando conclusões devem ser obtidas a partir de dados insuficientes.

Simulação Híbrida

Combina simulação contínua com orientada a eventos ou simulação contínua com elementos estocásticos e permite combinar as vantagens de cada uma das técnicas. Entretanto, os modelos resultantes tendem a ser mais complexos.

Segundo ZHANG et al. (2008a), as duas técnicas de simulação mais populares aplicadas a processos de software são Dinâmica de Sistemas (49%) e simulação de eventos discretos (31%). A Tabela 3-2 apresenta as principais diferenças entre estas técnicas.

Outro aspecto que distingue a simulação de eventos discretos e a dinâmica de sistemas está na capacidade de representar os ciclos de retorno. RAFFO e VANDERVILLE (2006) explicam que na simulação de eventos discretos os parâmetros para o modelo são definidos no início da execução do modelo e não são modificados pelos ciclos de retorno ao longo do processo. Na dinâmica de sistemas, os parâmetros podem ser modificados a cada ciclo de retorno.

31

Tabela 3-2. Dinâmica de sistemas e simulação de eventos discretos (RAFFO e WAKELAND, 2007).

Dinâmica de Sistemas Simulação de eventos discretos

Propósito Típico

Investigação de estratégias:

construção de políticas, aumento do entendimento.

Investigar decisões: comparação, predição e otimização.

Elementos e/ou símbolos do modelo

Poucos elementos básicos: fluxos, estoques e conectores.

Muitos elementos básicos: itens, atividades, filas, atributos, recursos, roteamento e geradores.

Escopo organizacional Enfoque estratégico. Enfoque tático e operacional, tipicamente. Quantidade de detalhe

representada

Baixa, a informação com alto nível de agregação.

Alta, muitas entidades e considerável nível de detalhes do processo.

Estrutura Analítica de Trabalho

Apoio parcial devido à agregação de informações.

Artefatos e atividades são representados como entidades únicas.

Vantagens

O feedback contínuo pode ser modelado; Equações de simulação legíveis; Poucos elementos no modelo; Requer menos dados que modelos de simulação de eventos discretos.

Podem representar entidades ou itens específicos; Fácil de modularizar; Ferramentas permitem a visualização do fluxo do processo e animações.

Desvantagens

Dificuldades para representar itens únicos e a descrição do processo não é clara.

A computação interna não é transparente e há muitos elementos do modelo para entender.